2023年中国心血管疾病患病人数,心血管疾病用药市场规模分析:化学药占比最大[图]

心脑血管疾病是指由于高脂血症、血液黏稠、动脉粥样硬化、高血压等导致的心脏、大脑及全身组织发生缺血性或出血性疾病的通称。其中,常见的心血管疾病有心脏病、冠心病、老年瓣膜病、心律失常、心肌炎等;脑血管疾病主要分为缺血性脑血管疾病和出血性脑血管疾病两大类,常见的脑血管疾病有脑血栓、脑出血等。

心血管药物分类众多,主要有抗高血压药物,抗心绞痛和心律失常药物,抗心力衰竭药物,降血脂药物、抗血小板、抗凝药物,改善循环以及改善心肌代谢的药物等,而从药物销量角度来看,心血管药物仅次于抗癌药和降糖药,是药物市场排名第三的治疗领域。

心血管药物分类

心血管药物分类

资料来源:共研产业咨询(共研网)

我国心血管病现患人数3.3亿,其中脑卒中1300万,冠心病1139万,心力衰竭890万,肺原性心脏病500万,心房颤动487万,风湿性心脏病250万,先天性心脏病200万,外周动脉疾病4530万,高血压2.45亿。中国心血管病患病率处于持续上升阶段。

随着人口老龄化及城镇化进程的加速,我国心血管病危险因素趋势呈明显上升态势,导致了心血管病的发病人数持续增加。高患病率为心血管用药带来巨大的市场需求。2022年我国心血管疾病用药行业市场规模为2590.1亿元,同比2021年的2542.3亿元增长了1.88%。近几年我国心血管疾病用药行业市场规模情况如下图所示:

2016-2022年中国心血管疾病用药行业市场规模

2016-2022年中国心血管疾病用药行业市场规模

资料来源:共研产业咨询(共研网)

2023-2029年中国心血管疾病用药市场深度调研与投资前景报告中显示:心脑血管疾病用药主要分为化学类药物和中药类药物两大类。心脑血管化学类药物种类繁多、应用广泛,例如,以门冬氨酸钾镁、普萘洛尔、美托洛尔为代表的β受体阻滞剂是治疗心绞痛、心肌梗塞的一线药物,同时也能够缓解心律失常、心力衰竭等症状;脑蛋白水解提取物、长春西汀、脑复康等神经刺激及益智类药物,即可用于改善失眠、头痛、记忆力下降、头昏及烦躁等症状,亦可促进脑外伤后遗症、脑血管疾病后遗症、脑炎后遗症、急性脑梗塞和急性脑外伤的康复。随着中医中药的不断发展,中药独特的治疗作用越来越受到重视。中药中常用的心脑血管药物有丹参、红花、银杏叶、玄参、降香、三七总皂苷等,其中银杏和丹参研究最为广泛,疗效也最优。2022年心血管疾病用药规模2590.1亿元。其中,心血管疾病化药规模1706.1亿元;心血管疾病中成药及其他规模884.0亿元。

2016-2022年中国心血管疾病用药行业细分市场规模

2016-2022年中国心血管疾病用药行业细分市场规模

资料来源:共研产业咨询(共研网)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
心脏病数据集中的静息血压(resting blood pressure)是一个连续的数值型特征,表示以毫米汞柱(mm Hg)为单位的血压水平。和是否患有心脏病(target)一样,静息血压也是一个特征,而不是目标变量。因此,我们无法使用KNN算法来预测是否患有心脏病,只能使用静息血压来预测是否患有心脏病。 使用KNN算法预测时,需要将静息血压作为输入特征,将是否患有心脏病作为目标变量。首先,我们需要将数据集划分为训练集和测试集,并对特征数据进行标准化处理。 ```python import pandas as pd from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklearn.preprocessing import StandardScaler # 读取数据集 data = pd.read_csv('heart.csv') # 划分数据集 X = data['trestbps'].values.reshape(-1, 1) y = data['target'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 数据标准化 scaler = StandardScaler() X_train_scaled = scaler.fit_transform(X_train) X_test_scaled = scaler.transform(X_test) ``` 接下来,我们创建一个KNN分类器,并使用训练集对其进行训练。然后,使用测试集来评估分类器的准确性。 ```python # 创建KNN分类器 knn = KNeighborsClassifier(n_neighbors=5) # 训练分类器 knn.fit(X_train_scaled, y_train) # 预测测试集 y_pred = knn.predict(X_test_scaled) # 计算准确率 from sklearn.metrics import accuracy_score accuracy = accuracy_score(y_test, y_pred) print('Accuracy:', accuracy) ``` 最后,我们可以使用训练好的模型对新数据进行预测。例如,对于一个静息血压为140的患者,预测其是否患有心脏病的代码如下: ```python # 预测新数据 new_data = scaler.transform([[140]]) prediction = knn.predict(new_data) print('Prediction:', prediction) ``` 以上代码演示了如何使用KNN算法预测心脏病数据集中是否患病与静息血压之间的关系。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值