【技术实现步骤摘要】
一种术后不良事件预测模型的构建方法、系统和预测装置
[0001]本专利技术涉及术后不良事件评估
，尤其涉及一种术后不良事件预测模型的构建方法、系统和预测装置。
技术介绍
[0002]据研究表明，术中低血压、血压异常升高及心律失常等传统术中循环数据与术后并发症、二次入院甚至死亡等不良事件的发生关系密切。比如，术中出现低血压可能诱发术后并发症、急性心脑血管疾病、肾功能不全甚至术后30天死亡等严重术后不良事件的发生，血压降低的幅度和持续时间也与非心脏全麻手术术后不良事件的发生正相关。除了术中血压过低或过高的异常情况，术中血压波动幅度对非心脏全麻手术术后严重心血管并发症的发生有重要影响，因此术中血压波动幅度同样值得关注。另一方面，术中心率的变化以及心律失常的发生同样可以影响非心脏全麻手术术后不良事件的发生，目前临床麻醉中以是否出现术中血压异常以及心律失常为术中循环管理的主要评价指标，并以此指标指导术中循环管理。
[0003]目前，对术后不良事件发生概率值的预测，主要是依据包括术中低血压、血压异常升高及心律失常等传统术中...
【技术保护点】
【技术特征摘要】
1.一种术后不良事件预测模型的构建方法，其特征在于，包括：获取多个患者对应的患者基本资料、围术期检查结果、术中循环数据和术中管理数据，并通过机器学习工具，对所述术中循环数据进行量化处理，获得对应的术中循环数据特征；将所有所述患者对应的所述患者基本资料、所述围术期检查结果、所述术中管理数据和所述术中循环数据特征分为训练数据集和验证数据集；根据所述训练数据集，确定若干种与术后不良事件相关联的特征指标，并根据所有所述特征指标，构建术后不良事件预测模型。2.如权利要求1所述的一种术后不良事件预测模型的构建方法，其特征在于，所述根据所述训练数据集，确定若干种与术后不良事件相关联的特征指标，并根据所有所述特征指标，构建术后不良事件预测模型，具体为：通过XGBoost算法，结合所述训练数据集，构建初始预测模型，并基于所述初始预测模型，计算所述训练数据集中各指标的SHAP值；其中，所述患者基本资料、所述围术期检查结果、所述术中管理数据和所述术中循环数据特征都各自包括至少两个所述指标；按照预设的规则，根据所有所述指标的SHAP值，从所述训练数据集的所有所述指标中，选取若干种与术后不良事件相关联的所述特征指标；根据所有所述特征指标，构建所述术后不良事件预测模型。3.如权利要求2所述的一种术后不良事件预测模型的构建方法，其特征在于，所述按照预设的规则，根据所有所述指标的SHAP值，从所述训练数据集的所有所述指标中，选取若干种与术后不良事件相关联的所述特征指标，具体为：从所述训练数据集的所有所述指标中，选取大于预设阈值的所述SHAP值对应的所述指标，作为与术后不良事件相关联的所述特征指标；或者，根据各所述SHAP值从大到小的顺序，对所述训练数据集的所有所述指标进行排列，并选取排列结果中前M个所述指标，作为与术后不良事件相关联的所述特征指标。4.如权利要求1所述的一种术后不良事件预测模型的构建方法，其特征在于，所述获取多个患者对应的患者基本资料、围术期检查结果、术中循环数据和术中管理数据，并通过机器学习工具，对所述术中循环数据进行量化处理，获得对应的术中循环数据特征，具体为：获取多个患者对应的患者基本资料、围术期检查结果、术中循环数据和术中管理数据；运用机器学习工具，提取所述术中循环数据的特征信息，作为所述术中循环数据对应的所述术中循环数据特征。5.如权利要求1所述的一种术后不良事件预测模型的构建方法，其特征在于，还包括：将所述验证数据集中的若干种与术后不良事件相关联的特征指标，输入至所述术后不良事件预测模型中，并输出发生术后不良事件的概率值；根据所述概率值和多个预设阈值，确定受试者工作特征曲线，并根据所述受试者工作特征曲线，建立对应的混淆矩阵；根据所述混淆矩阵和所述受试者工作特征曲线，分析所述术后不良事件预测模型的预测准确性。6.一种术后不良事件预测模型的构建系统，其特征在于，包括：数据获取模块，用于获取多个...
【专利技术属性】
技术研发人员：刘仲奇，曹铭辉，纪风涛，文金钡，郭明炎，黄景萱，
申请(专利权)人：中山大学孙逸仙纪念医院，
类型：发明
国别省市：
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。