COVID-19患者重症风险预测模型的构建方法和构建系统技术方案

本发明专利技术公开了COVID

【技术实现步骤摘要】
COVID
‑
19患者重症风险预测模型的构建方法和构建系统


[0001]本专利技术涉及新冠肺炎患者重症风险预测
，具体涉及一种基于临床指标的COVID
‑
19患者重症风险预测模型的构建方法和构建系统。

技术介绍

[0002]COVID
‑
19是迄今被发现的第7种可以感染人类的冠状病毒。从已有的流行病学数据看，COVID
‑
19传播速度明显快于SARS
‑
CoV，其感染率比SARS
‑
CoV强。从致病性上看，COVID
‑
19弱于 SARS
‑
CoV，多数人感染COVID
‑
19后症状轻微甚或无症状，仅有约20％感染者有严重的临床表现。但COVID
‑
19传播性更强，感染发病有明显的聚集现象。因此，对新型冠状病毒感染者进行早发现、早隔离、早诊断、早治疗，是当前疫情防控的当务之急。
[0003]目前，新冠肺炎患者根据其感染的程度可分为无症状感染、轻度感染、中度感染和重度感染，不同感染程度的患者需要接受不同的治疗方式。如何预测无症状感染患者、轻度感染患者能否发展为重症患者是当前新冠肺炎防控的一大热点和难点。
[0004]Cox比例风险回归模型(Coxproportionalhazardmodel)为半参数模型，通常用于医学研究中，以生存结局和生存时间为因变量，可同时分析一个或多个因素对(生存)时间的影响，允许有删失数据的存在，且不要钱估计资料的生存分布类型，是生存分析中最重要的多因素分析方法。若风险比率接近于1，说明预测因子并不影响生存事件；若风险比率小于1，说明预测因子是保护性的；若风险比率大于1，说明预测因子会提高风险。如何将Cox比例风险回归模型引入至COVID
‑
19患者的重症转化风险预测以提供一个可读性好的风险预测模型是本专利技术所要解决的技术问题。

技术实现思路

[0005]本专利技术的目的在于提供一种COVID
‑
19患者重症风险预测模型的构建方法，利用Cox比例风险回归模型，构建用于评估新冠重症患者发病的风险模型，该预测模型具有可读性，方便对普通症患者是否会进展为重症患者进行评估，进而为医疗人员为COVID
‑
19患者的下一步防控和治疗提供极具价值的参考。
[0006]为了达到上述目的，本专利技术通过以下技术方案实现的：
[0007]COVID
‑
19患者重症风险预测模型的构建方法，包括以下步骤：
[0008]S1、收集COVID
‑
19患者的基本信息，包括三项信息，即年龄、是否聚集性发病及从普通症发展为重症的天数；
[0009]S2、收集COVID
‑
19患者的样本并处理；
[0010]S3、测定样本的临床指标，包括五项临床指标值，即血清白蛋白、血小板计数、谷丙转氨酶、C反应蛋白、嗜中性粒细胞百分比；
[0011]S4、采用多因素比例风险回归模型拟合年龄、是否聚集性发病、血清白蛋白、血小板计数、谷丙转氨酶、C反应蛋白、嗜中性粒细胞百分比数据并进行预测模型的构建，预测模型的结果以列线图进行展示。
[0012]进一步的，所述步骤S1中，COVID
‑
19患者基本信息收集方法为：收集每位普通症患者入院时的流行病学调查信息，包括年龄、是否聚集性发病及住院期间从普通症发展为重症的天数。
[0013]进一步的，所述步骤S2中，收集COVID
‑
19患者的样本并处理的方法为：每位普通症患者入院时、及其发展为重症时第一次抽取的血液，用含有EDTA的紫色抗凝管采集静脉血至2mL，采血后立即上下颠倒混匀5
‑
10次，不可用强力振荡，采血后立即送检，2h内完成检测。
[0014]进一步的，所述步骤S3中，血清白蛋白、谷丙转氨酶和C反应蛋白的测定方法为：(a)对全自动生化分析仪进行标准液定标和空白校正，(b)将已经离心好的不含抗凝剂的红色抗凝管放入全自动生化分析仪，设置好后按开始键对样本进行检测，(c)显示并自动打印结果；血小板计数、嗜中性粒细胞百分比的测定方法为：(a)仪器空白校正后选择全血或稀释模式，(b)将吸液管插入混匀的待测试样中，按开始键开始对样本进行计数/检测，(c)进行测量，显示并自动打印结果。
[0015]进一步的，所述步骤S4中，所述预测模型的建立及可视化的具体方法为：纳入住院期间从普通症发展为重症的COVID
‑
19患者，除年龄、是否聚集性发病外，血清白蛋白、血小板计数、谷丙转氨酶、 C反应蛋白、嗜中性粒细胞百分比五项指标值均取对数log2，对上述七项指标进行Cox比例风险回归分析，即对普通症发展至重症(结局事件)的影响；接着，根据模型中各个指标对结局事件的贡献程度(回归系数的大小)，给每个指标取值水平进行赋分，然后再将各个评分相加得到总评分，最后通过总评分与结局发生概率之间的函数转换关系，从而计算出某个体结局事件的预测值，画出可视化列线图。
[0016]此外，本专利技术还公开了COVID
‑
19患者重症风险预测模型的构建系统，包括：
[0017]临床指标值采集模块，提供编辑和保存的功能，用以建立 COVID
‑
19患者的指标数据集，指标数据集包括年龄、是否聚集性发病外、血清白蛋白、血小板计数、谷丙转氨酶、C反应蛋白、嗜中性粒细胞百分比且不局限于上述指标数据。
[0018]临床指标值处理模块，可调用临床指标值采集模块，从指标数据集中提取可用于构建多因素比例风险回归模型的有效样本；
[0019]模型构建模块，将临床指标值处理模块筛选和匹配的有效样本中七项指标值进行Cox比例风险回归分析，即获得各个指标回归系数的大小；
[0020]列线图可视化模块，用于显示多因素比例风险模型的结果。
[0021]本专利技术的有益效果是：
[0022]本专利技术测定了新冠普通症患者血液中五项临床指标、其年龄及是否聚集性发病两项信息，利用Cox比例风险回归模型，建立了一种新冠肺炎患者发展为重症的风险预测模型，该模型具有可读性，方便对普通症患者是否会进展为重症患者进行评估。
附图说明
[0023]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1是本专利技术实施例中标本五项临床指标含量值的比较图；
[0025]图2是本专利技术实施例中比例风险模型的累积事件发生曲线及其可视化列线图；
[0026]图3是本专利技术实施例中单个临床指标的累积事件发生曲线图。
具体实施方式
[0027]下面将结合本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.COVID
‑
19患者重症风险预测模型的构建方法，包括以下步骤：S1、收集COVID
‑
19患者的基本信息，包括三项信息，即年龄、是否聚集性发病及从普通症发展为重症的天数；S2、收集COVID
‑
19患者的样本并处理；S3、测定样本的临床指标，包括五项临床指标值，即血清白蛋白、血小板计数、谷丙转氨酶、C反应蛋白、嗜中性粒细胞百分比；S4、采用多因素比例风险回归模型拟合年龄、是否聚集性发病、血清白蛋白、血小板计数、谷丙转氨酶、C反应蛋白、嗜中性粒细胞百分比数据并进行预测模型的构建，预测模型的结果以列线图进行展示。2.根据权利要求1所述的COVID
‑
19患者重症风险预测模型的构建方法，其特征在于，所述步骤S1中，COVID
‑
19患者基本信息收集方法为：收集每位普通症患者入院时的流行病学调查信息，包括年龄、是否聚集性发病及住院期间从普通症发展为重症的天数。3.根据权利要求1所述的COVID
‑
19患者重症风险预测模型的构建方法，其特征在于，所述步骤S2中，收集COVID
‑
19患者的样本并处理的方法为：每位普通症患者入院时、及其发展为重症时第一次抽取的血液，用含有EDTA的紫色抗凝管采集静脉血至2mL，采血后立即上下颠倒混匀5
‑
10次，不可用强力振荡，采血后立即送检，2h内完成检测。4.根据权利要求1所述的COVID
‑
19患者重症风险预测模型的构建方法，其特征在于，所述步骤S3中，血清白蛋白、谷丙转氨酶和C反应蛋白的测定方法为：(a)对全自动生化分析仪进行标准液定标和空白校正，(b)将已经离心好的不含抗凝剂的红色抗凝管放入全自...

【专利技术属性】
技术研发人员：李德昌，钟耀东，郭九标，王雁，温志华，温健伟，张慧华，陈心春，李宏珍，刘圣泽，张钰斌，
申请(专利权)人：粤北第二人民医院，
类型：发明
国别省市：