【技术实现步骤摘要】
整合表观遗传因素的缺血性脑卒中不良结局风险预测装置
本专利技术涉及脑卒领域，具体涉及一种整合表观遗传因素的缺血性脑卒中不良结局风险预测装置。
技术介绍
在世界范围内，脑卒中是居民死亡的第三位死因和致残的主要原因[1]。在发展中国家，脑卒中所致的疾病及经济负担正在快速增长。随着30多年中国经济的迅速发展和国民生活方式的改变，尤其是人口老龄化及城镇化进程的加速，中国脑卒中发病人数逐渐增加并呈快速增长趋势。据估计，我国约有700万脑卒中存活者，每年有250万新发脑卒中的病例[2]。目前脑卒中已成为我国城市和农村人口的第一位致死和致残原因。脑卒中不仅给患者带来身体和心理上的痛苦，同时给家庭、社会及国家造成严重的经济负担。据估计，目前全国每年总的脑卒中经济负担在400亿元左右[3]。在所有脑卒中患者中，约70％～90％为缺血性脑卒中，其不良结局包括病后残疾、心血管事件、脑卒中再发和死亡。研究表明，导致脑卒中不良结局的危险因素与其发病的危险因素有重叠[4]。脑卒中不良结局的传统危险因素具体有年龄、神经功能损伤、糖尿病、高血压、高...
【技术保护点】
1.一种整合表观遗传因素的缺血性脑卒中不良结局风险预测装置，其特征在于，包括：所述计算机，所述计算机被编程以便执行如下步骤：/n构建多水平贝叶斯广义线性回归模型/n
【技术特征摘要】
1.一种整合表观遗传因素的缺血性脑卒中不良结局风险预测装置，其特征在于，包括：所述计算机，所述计算机被编程以便执行如下步骤：
构建多水平贝叶斯广义线性回归模型
其中，h(t，X)为比例风险模型以风险率函数，t为时间，X为自变量(预测指标)，h0(t)为所有自变量为0时的基础风险率，和表示脑卒中遗传因素和相应的参数，exp()为指数函数；通过选择合适的先验分布，脑子中相关遗传变异微小效应的估计和已有的脑卒中生物学先验信息的整合；
多水平贝叶斯Cox模型中采用EM-IWLS方法进行相应参数估计。
2.如权利要求1所述的整合表观遗传因素的缺血性脑卒中不良结局风险预测装置，其特征在于，采用多水平柯西分布和双指数分布作为各个参数先验分布，两种先验分布的表达形式分别为：
βj为多水平贝叶斯广义线性回归模型中各系数的参数，N()为正态分布，Inv-χ2()为逆卡方分布，Gamma()为伽马分布，τj2，b-1，b为对应各分布的参数。
3.如权利要求1所述的整合表观遗传因素的缺血性脑卒中不良结局风险预测装置，其特征在于，多水平贝叶斯广义线性回归模型拟合应用BhGLM软件包中的bcoxph函数来完成。
4.如权利要求1所述的整合表观遗传因素的缺血性脑卒中不良结局风险预测装置，其特征在于，多水平贝叶斯Cox模型中采用EM-IWLS方法进行相应参数估计具体包括：在期望步(E-step)，基于当前的参数值，获得先验分布超参数的极大似然估计，在极大步(M-step)，以期望步获得的超参数估计为基础，通过IWLS进行各个效应参数值的估计，如此反复迭代直至收敛，最终获得各效应参数的准确估计。
5.如权利要求4所述的整合表观遗传因素的缺血性脑卒中不良结局风险预测装置，其特征在于，或者通过Ne...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。