目的:为了探讨数据挖掘技术在新疆艾滋病预测与控制中的应用,利用数据挖掘技术预测新疆艾滋病的流行趋势、监测HIV治疗与疾病进展、识别高危人群、分析高危行为等,为新疆艾滋病的防控提供参考依据。方法:1)以2004-2016年新疆HIV月发病率样本数据为研究对象,分别建立了单一ARIMA模型和组合ARIMAGARCH模型,对2004-2016年的新疆HIV月发病率数据进行拟合,评价模型预测效能,对新疆HIV月发病率进行1年的短期预测。2)以2007年1月-2015年12月期间的506例在新疆接受抗病毒治疗的儿童艾滋病患者的纵向随访数据作为研究对象,对其基线数据特征、不同治疗时间点,不同分组特征的抗病毒治疗情况进行统计分析,了解研究对象抗病毒治疗的基线情况、免疫学效果、病毒学效果以及生长发育状况。采用广义估计模型分别对免疫学指标(CD4细胞计数)和生长发育指标(HAZ、WAZ)建立单因素和多因素的预测模型,找出影响新疆儿童艾滋病患者抗病毒治疗免疫学和生长发育的关键指标,评价治疗效果。3)以乌鲁木齐市2009-2015年3组高危人群(注射吸毒者、男男性行为者、女性性工作者)的哨点监测报告数据为研究对象,数据内容包括人口学特征、性行为和血清学检测结果。然后以年龄、婚姻状况、教育程度等变量作为输入变量,是否感染HIV作为输出变量,建立三个数据集的四个预测模型。使用混淆矩阵、准确率、灵敏度、特异度、精确率、召回率和ROC曲线下面积AUC等指标来评估模型分类性能,并分析预测变量的重要性。结果:1)预测了2017年1-12月新疆HIV的月发病率,结果显示新疆2017年1-12月的HIV月发病率呈现出逐月下降的趋势,组合模型ARIMA-GARCH修正了ARIMA模型的ARCH效应,预测精度高于单一ARIMA模型,并且能够较好的对新疆HIV月发病率进行短期预测。2)506例新疆儿童艾滋病患者的基线数据特征结果显示,其中男童258例(50.99%),平均年龄7.62岁,年龄分布以>5岁为主,感染途径以母婴传播为主,临床分期主要以I期,II期为主。治疗前CD4细胞个数异常率为58.89%,病毒载量异常率为51.28%。初始治疗方案以AZT+3TC+NVP/EFV为主。不同随访时间治疗情况主要结果显示:随着治疗时长的增加,治疗后的CD4细胞计数、血小板、血红蛋白、总胆固醇、甘油三脂、谷草转氨酶、谷丙转氨酶、身高、体重、HAZ和WAZ是随着治疗的时长增加而增加的;病毒载量、白细胞、总淋巴细胞和临床表现及机会性感染是随着治疗时长的增加而递减的;血糖,血肌酐和血尿素氮随着治疗时长的增加呈现出波动变化的趋势。其中治疗时长为1年时CD4细胞计数平均增长177个/μL,与治疗前相比增加了47.58%。病毒载量从治疗前的平均病毒载量106500拷贝/ml下降到治疗时长为1年时的25拷贝/m,远低于病毒载量检测的最低下限指标50拷贝/ml。不同分组特征CD4细胞计数主要结果显示:治疗前后不同年龄段、不同开始ART年龄、不同基线CD4细胞计数分组、不同HAZ值分组以及不同初始治疗方案这几个分组的CD4细胞计数差异均有统计学意义(P<0.05)。治疗后与治疗前相比CD4细胞计数均有增加,其中年龄分组≤5岁组平均增长高于>5岁年龄组;开始ART年龄分组≤5岁组平均增长高于开始ART年龄>5岁组;治疗前后不同基线CD4细胞计数分组中CD4细胞计数≥500组在治疗后平均增长最多;初始治疗方案分组中含ABC方案组平均增长最多。不同分组特征治疗前后HAZ值主要结果显示:性别、年龄、基线CD4细胞计数、初始治疗方案,WHO临床分期以及复方新诺明使用情况这几个组的HAZ值,差异均有统计学意义(P<0.05)。治疗后与治疗前相比HAZ值均有增加,其中女童组治疗后HAZ值平均增长高于男童组;>5岁年龄组治疗后的HAZ值平均增长高于≤5岁组;WHO临床分期III/IV期组的HAZ值平均增长高于I/II期组;复方新诺明使用组HAZ值平均增长高于不使用组。不同分组特征治疗前后WAZ值主要结果显示:性别、确诊到开始ART的间隔时间、基线CD4细胞计数、WHO临床分期和复方新诺明使用情况这几个分组的WAZ值,差异均有统计学意义(P<0.05)。其中女童组治疗后WAZ值增长高于男童组;确诊到开始ART的间隔时间≤6个月组治疗后WAZ值平均增长大于>6个月组;处于WHO临床分期III/IV期组的WAZ增长高于I/II期组;复方新诺明使用组WAZ值平均增长高于不使用组。CD4细胞计数多因素GEE模型结果显示:影响新疆儿童艾滋病患者免疫学效果的关键指标是治疗时长(年)和基线CD4细胞计数水平。HAZ值和WAZ值多因素GEE模型结果显示:影响新疆儿童艾滋病患者生长发育状况的关键指标是治疗时长(年)、年龄、开始ART年龄以及WHO临床分期。3)实验结果表明:随机森林算法得到了最优预测结果,对MSM数据集的诊断准确率为94.4821%,FSW数据集的诊断准确率为97.5136%,IDU数据集的诊断准确率为94.6375%。其次是k近邻算法,对MSM数据集的诊断准确率为91.5258%,对FSW数据集的诊断准确率为96.3083%,对IDU数据集的诊断准确率为90.8287%。再次是支持向量机,对三个数据集的诊断准确率分别为94.0182%,98.0369%和91.3571%。决策树算法是四种算法中预测结果最差的,对MSM数据集的诊断准确率为79.1761%,对FSW数据集的诊断准确率为87.0283%,对IDU的诊断准确率为74.3879%。随机森林模型自变量的重要性得分表明,在乌鲁木齐市三个高危人群中,年龄是识别HIV感染最重要的影响因素。结论:第一部分研究建立的ARIMA-GARCH联合模型能够较好的拟合预测新疆HIV的月发病率数据,消除样本数据序列的ARCH效应,修正了ARIMA模型的不足,也较好地保留了新疆HIV月发病率预测的数据趋势。第二部分研究建立的广义估计模型找出了影响新疆儿童艾滋病患者免疫学和生长发育的主要危险因素,克服了其他方法对数据要求严格、无法分析多个不同时间点不同测量指标相关性的缺陷,能够较好地对新疆儿童艾滋病患者的治疗随访数据进行统计分析与推断。第三部分建立的高危人群HIV易感者的识别模型可以根据某些重要属性准确地识别疾病。三部分的研究均表明数据挖掘技术作为一种辅助疾病筛查和诊断的新方法,可以帮助医务人员从大量的信息中快速筛查和诊断艾滋病,监测HIV治疗与疾病进展、识别高危人群,为艾滋病的防控提供新的技术和方法。