新冠肺炎重症化预测模型、系统及其建立方法、预测方法技术方案

本发明专利技术涉及新冠肺炎重症化预测模型、系统及其建立方法、预测方法，包括所述预测模型为根据新冠肺炎患者的肺部疾病、年龄、免疫球蛋白M(IgM)、CD16+/CD56+NK细胞、谷草转氨酶(AST)得到的进展风险评分计算模型，以预测从轻型/普通型进展到重型新冠肺炎的风险。本发明专利技术有助于识别高进展风险的轻型/普通型患者，利于提高重症患者的诊治成功率。利于提高重症患者的诊治成功率。利于提高重症患者的诊治成功率。

【技术实现步骤摘要】
新冠肺炎重症化预测模型、系统及其建立方法、预测方法


[0001]本专利技术涉及医疗
，尤其涉及新冠肺炎重症化预测模型、系统及其建立方法、预测方法。

技术介绍

[0002]新型肺炎的病原被鉴定为新型β冠状病毒，目前被命名为严重急性呼吸系统综合症冠状病毒2(SARS
‑
CoV
‑
2)，与SARS
‑
CoV有着相似的系统发育相似性。SARS
‑
CoV
‑
2感染已被世界卫生组织(WHO)命名为2019年冠状病毒病(COVID
‑
19)，即：新型冠状肺炎。
[0003]COVID
‑
19现在已成为世界范围内的重要公共卫生问题。估计COVID
‑
19的总体致死率约为1
‑
2.3％，与西班牙流感(2
‑
3％)相似，远高于季节性流感(0.1％)。根据世卫组织，COVID
‑
19的严重程度分为轻型、普通型、重症和危重症。在中国疾病预防控制中心的72 314例病例报道研究中，约81％的COVID
‑
19病例定义为轻度；COVID
‑
19病例中有14％为重型病例，其中5％为危重型病例。住院COVID
‑
19病例的整体医院死亡率约为15％至20％，但在需要入住ICU重症监护病房危重症患者中死亡率高达40
‑
49％。因此，评估COVID
‑
19患者疾病进展的危险因素很重要。尽早发现可能发生重症风险的COVID
‑
19患者对于选择最佳治疗方案和降低死亡率尤其重要。
[0004]现有的研究表明，COVID
‑
19患者的血液学和免疫学检查存在一定的异常。研究提示，年龄较大，序贯器官功能衰竭评估(SOFA)得分高，d
‑
二聚体大于1μg/mL，淋巴细胞减少和冠状动脉疾病史增加了COVID
‑
19患者的死亡风险。
[0005]目前，临床上治疗新冠肺炎患者(COVID
‑
19)的主要挑战之一是预测疾病的严重程度。
[0006]一些预测评分模型已用于预测COVID
‑
19患者和其他疾病的预后。但是，预测COVID
‑
19患者从轻型/普通型发展到重症的相关的危险因素仍然有限，需要进一步研究。

技术实现思路

[0007]本申请为了解决上述技术问题提供新冠肺炎重症化预测模型、系统及其建立方法、预测方法。
[0008]本申请通过下述技术方案实现：
[0009]一种新冠肺炎重症化预测模型，所述预测模型为根据新冠肺炎患者的肺部疾病、年龄、免疫球蛋白M、CD16+/CD56+NK细胞、谷草转氨酶得到的进展风险评分计算模型，以预测从轻型/普通型进展到重型新冠肺炎的风险。
[0010]进一步的，所述进展风险评分计算模型为：
[0011]所述进展风险评分计算模型为：
[0012]PAINT评分＝α1*β1+α2*β2+α3*β3+α4*β4+α5*β5[0013][0014][0015][0016][0017][0018]其中，α1、α2、α3、α4、α5为分别为五个预测因子与对应阈值比较的判别值，β1、β2、β3、β4、β5为五个预测因子对应的风险比数值，IgM指免疫球蛋白M，AST指谷草转氨酶。
[0019]新冠肺炎重症化预测模型的建立方法，包括以下步骤：
[0020]S1，收集新冠肺炎患者的临床相关指标，包括人口学信息、基础疾病史、临床表现和生化指标；
[0021]S2，通过COX回归模型分析人口学、基础疾病史、临床表现、生化指标对从轻型/普通型进展到重型的预测能力，筛选出与疾病相关度高的预测因子，并计算出每个预测因子的阈值和风险比数值；
[0022]S3，基于预设公式，根据预测因子及对应的阈值、风险比数值，得到预测模型。
[0023]进一步的，步骤S1中，收集自患者的人口学信息包括年龄、性别；
[0024]基础疾病史包括既往高血压、糖尿病、心血管疾病、肺部疾病和肝脏疾病；
[0025]临床表现包括发烧、咳嗽、呼吸困难、胸痛、心绞痛、疲劳、肌痛、头痛、呕吐、和腹泻；
[0026]生化指标包括白细胞WBC、中性粒细胞计数NEU、淋巴细胞计数LYM、血红蛋白HGB、血小板计数PLT、凝血酶原时间PT、D
‑
二聚体、谷丙转氨酶ALT、谷草转氨酶AST、γ
‑
谷氨酰转肽酶GGT、白蛋白ALB、总胆红素TBIL、直接胆红素DBIL、尿酸UA、肌酐Cr、肌酸激酶CK、乳酸脱氢酶LDH、脑利钠肽BNP、降钙素原PCT、c反应蛋白CRP、中性粒细胞/淋巴细胞比NLR和SARS
‑
CoV2 RNA测试。
[0027]进一步，步骤S2具体包括：
[0028]S2.1，通过单因素COX风险模型回归，将临床相关指标首先利用COX单因素回归进行风险比计算；临床相关指标包括人口学信息、基础疾病史、临床表现和生化指标；
[0029]S2.2，通过多因素COX风险模型回归，将S2.1中单因素COX回归结果中P<0.05的因子纳入COX多因素回归模型，继而各因子间形成相互校正。通过步骤S2可筛选出与疾病最相关的预测因子，并为每个预测因子计算输出β回归系数，将β回归系数作为预测因子对应的风险比数值，进而建立包含多个预测因子的预测模型。
[0030]COX多因素回归模型结果提示在模型自动校正多种因素后，输出了最关键的五个预测因子，分别为：肺部疾病、年龄、IgM、CD16+/CD56+NK细胞、AST；这五个影响因子具备最好的预测COVID
‑
19患者从轻症/普通到重症的进展的能力。
[0031]进一步，通过曲线下面积ROC计算，得出每个预测因子的阈值(临界值)，即有无肺部疾病，年龄≥75岁，IgM≤0.84，CD16+/CD56+NK细胞≤116.5和AST≥25。
[0032]利用上述结果，利用阈值(临界值)判定下的有肺部疾病历史，年龄≥75岁，IgM≤0.84，CD16+/CD56+NK细胞≤116.5和AST≥25，合并每个风险因素所对应的β回归系数(依次为2.4174、1.3594、1.8399、1.2246、1.5182)。
[0033]优选地，肺部疾病、年龄、IgM、CD16+/CD56+NK细胞、AST相对应的临界值依次为：有肺部疾病史、75岁、0.84、116.5、25。
[0034]新冠肺炎重症化的预测方法，基于所述的新冠肺炎重症化预测模型，所述新冠肺炎重症化的预测方法包括以下步骤：
[0035]步骤1，将新冠肺炎患者的人口学信息、基础疾病史、临床表现和生化指标输入所述的新冠肺炎重症化预测模型；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.新冠肺炎重症化预测模型，其特征在于：所述预测模型为根据新冠肺炎患者的肺部疾病、年龄、免疫球蛋白M、CD16+/CD56+NK细胞、谷草转氨酶得到的进展风险评分计算模型，以预测从轻型/普通型进展到重型新冠肺炎的风险。2.根据权利要求1所述的新冠肺炎重症化预测模型，其特征在于：所述进展风险评分计算模型为：PAINT评分＝α1*β1+α2*β2+α3*β3+α4*β4+α5*β
55555
其中，α1、α2、α3、α4、α5为分别为五个预测因子与对应阈值比较的判别值，β1、β2、β3、β4、β5为五个预测因子对应的β风险比数值；IgM指免疫球蛋白M，AST指谷草转氨酶。3.根据权利要求2所述的新冠肺炎重症化预测模型，其特征在于：所述β1＝2.4174，β2＝1.3594，β3＝1.8399，β4＝1.2246，β5＝1.5182。4.根据权利要求1、2或3所述的新冠肺炎重症化预测模型的建立方法，其特征在于：包括以下步骤：S1，收集新冠肺炎患者的临床相关指标，包括人口学信息、基础疾病史、临床表现和生化指标；S2，统计分析，通过COX回归模型分析人口学、基础疾病史、临床表现、生化指标对从轻型/普通型进展到重型的预测能力，筛选出与疾病相关度高的预测因子，并计算出每个预测因子的阈值和β风险比数值；S3，基于预设公式，根据预测因子及对应的阈值、β风险比数值，得到预测模型。5.根据权利要求4所述的新冠肺炎重症化预测模型的建立方法，其特征在于：步骤S1中，收集自患者的人口学信息包括年龄、性别；临床表现包括发烧、咳嗽、呼吸困难、胸痛、心绞痛、疲劳、肌痛、头痛、呕吐、和腹泻；生化指标包括白细胞WBC、中性粒细胞计数NEU、淋巴细胞计数LYM、血红蛋白HGB、血小板计数PLT、凝血酶原时间PT、D
‑
二聚体、谷丙转氨酶ALT、谷草转氨酶AST、γ
‑
谷氨酰转肽酶GGT、白蛋白ALB、总胆红素TBlL、直...

【专利技术属性】
技术研发人员：刘昌海，白浪，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：