一种COVID-19临床不良预后风险的预测方法及系统技术方案

本发明专利技术公开了一种COVID‑19临床不良预后风险的预测方法及系统，该方法包括：采集预设数量OVID‑19患者的样本数据，通过LASSO回归在所述样本数据中初步筛选变量；根据所述筛选变量，建立基于二分类逻辑回归算法的预测模型；所述预测模型包括：多项式模型、完全模型和AIC逐步回归模型；对所述预测模型进行分辨度，校准度，临床价值的综合分析，并根据临床目的选取最佳阈值分析；综合分析下，选择AIC逐步回归模型作为COVID‑19风险预测模型；将待测患者对应的筛选变量作为COVID‑19风险预测模型的输入，输出风险预测结果。该方法可用于早期快速快速评估新冠患者的死亡风险，并据此制定针对性的临床决策。

【技术实现步骤摘要】
一种COVID-19临床不良预后风险的预测方法及系统
本专利技术属于新冠肺炎疾病预测的
，涉及一种COVID-19临床不良预后风险的预测方法及系统。
技术介绍
COVID-19患者的临床表现可是完全无症状的，或表现为严重临床表现而导致死亡。目前所提出的预测模型是一个简单的工具，仅用于预测无症状和有症状的患者，使其能够以高可靠性(AUC：0.92)识别有严重COVID-19病程风险的患者。其基于校准曲线证实了预测模型的良好校准。但是：目前的模型验证仅基于bootstrapping的内部验证，而未进行外部验证。因此，为了有利于早期发现高危患者，预测COVID-19死亡风险，成为研究热点。
技术实现思路
鉴于上述问题，本专利技术提供一种至少解决上述部分技术问题的COVID-19临床不良预后风险的预测方法及系统，该方法可用于早期快速快速评估新冠患者的死亡风险，并据此制定针对性的临床决策。第一方面，本专利技术实施例提供一种COVID-19临床不良预后风险的预测方法，包括：采集预设数量COVID-19患者的本文档来自技高网...

【技术保护点】
1.一种COVID-19临床不良预后风险的预测方法，其特征在于，包括：/n采集预设数量COVID-19患者的样本数据，通过LASSO回归在所述样本数据中初步筛选变量；/n根据所述筛选变量，建立基于二分类逻辑回归算法的预测模型；所述预测模型包括：多项式模型、完全模型和AIC逐步回归模型；/n对所述预测模型进行分辨度，校准度，临床价值的综合分析，并根据临床目的选取最佳阈值分析；/n综合分析下，选择AIC逐步回归模型作为COVID-19风险预测模型；/n将待测患者对应的筛选变量作为COVID-19风险预测模型的输入，输出风险预测结果。/n

【技术特征摘要】
1.一种COVID-19临床不良预后风险的预测方法，其特征在于，包括：
采集预设数量COVID-19患者的样本数据，通过LASSO回归在所述样本数据中初步筛选变量；
根据所述筛选变量，建立基于二分类逻辑回归算法的预测模型；所述预测模型包括：多项式模型、完全模型和AIC逐步回归模型；
对所述预测模型进行分辨度，校准度，临床价值的综合分析，并根据临床目的选取最佳阈值分析；
综合分析下，选择AIC逐步回归模型作为COVID-19风险预测模型；
将待测患者对应的筛选变量作为COVID-19风险预测模型的输入，输出风险预测结果。


2.如权利要求1所述的一种COVID-19临床不良预后风险的预测方法，其特征在于，所述分辨度通过ROC曲线进行判定；
所述校准度通过计算模型的预测概率及实际发生概率，做校准曲线，实现评估模型的可靠性；
所述临床价值通过决策曲线对模型的临床价值进行评估，实现根据其净获益率评估模型的临床价值。


3.如权利要求1所述的一种COVID-19临床不良预后风险的预测方法，其特征在于，所述样本数据，包括：临床资料、健康信息中所含临床信息。


4.如权利要求3所述的一种COVID-19临床不良预后风险的预测方法，其特征在于，所述筛选变量，包括：
年龄，性别，心衰，冠心病，AST/ALT,总蛋白，平均血红蛋白体积，间接胆红素，球蛋白，直接胆红素，降钙素原，血浆D二聚体，活化部分凝血活酶，凝血酶时间，凝血酶原时间，血小板计数和血小板体积分布宽度。


5.如权利要求4所述的一种COVID-19临床不良预后风险的预测方法，其特征在于，所述多项式模型，基于敏感性分析目的，排除非线性关联对模型...

【专利技术属性】
技术研发人员：付伟，杨龙，彭广，邓亚婕，丁瑶，程国彬，
申请(专利权)人：中国人民解放军联勤保障部队第九二五医院，
类型：发明
国别省市：贵州;52