一种慢加急性肝衰竭感染风险预警模型及其构建方法技术

一种慢加急性肝衰竭感染风险预警模型及其构建方法，包括收集临床数据，对所述临床数据进行描述性统计，确定临床指标，应用Lasso回归分析所述临床指标，依据Lasso回归系数<0.05的标准来筛选出风险因素，使用多因素Logistic回归分析所述风险因素，依据Logistic回归系数p<0.05的标准筛选出独立风险因素，基于所述独立风险因素，构建风险模型，并从所述风险模型中筛选出最优风险模型，向最优风险模型中输入参数，生成所述参数的阵线图，依据所述阵线图找到所述参数对应的积分，统计积分后，在概率轴中找到风险概率，将所述最优风险模型进行可视化转换，优化了最优风险模型的临床可视化应用，可为患者提供慢加急性肝衰竭感染风险预警信号。信号。信号。

【技术实现步骤摘要】
一种慢加急性肝衰竭感染风险预警模型及其构建方法


[0001]本专利技术涉及预测模型构建
，具体为一种慢加急性肝衰竭感染风险预警模型及其构建方法。

技术介绍

[0002]慢加急性肝衰竭(Acute
‑
on
‑
Chronic Liver Failure，ACLF)是在慢性肝病基础上，由各种诱因引起的急性肝功能失代偿，可引起多器官衰竭，短期病死率较高。感染是ACLF最主要的诱因和并发症之一，发生率可达50
‑
70％，是导致ACLF不良预后的原因之一。因此准确评估感染风险、早期诊断和有效控制感染对降低ACLF死亡率并改善其预后至关重要。
[0003]近年来，有多种风险因素被发现与ACLF患者感染的发展相关。据报道C反应蛋白(CRP)升高、晚期肝性脑病及白细胞(WBC)计数升高均与ACLF患者感染的发展独立相关，其中，CRP升高是自身免疫性肝病相关ACLF患者发生细菌感染的准确预测因子。同时，有一些研究基于免疫炎症和肝功能指标建立了预测ACLF感染发展及预后的模型，但他们的预测效果有限。

技术实现思路

[0004]本专利技术提供了一种慢加急性肝衰竭感染风险预警模型及其构建方法。
[0005]本专利技术技术方案如下：
[0006]一种慢加急性肝衰竭感染风险预警模型构建方法，包括以下步骤：
[0007]确定临床指标：收集临床数据，对所述临床数据进行描述性统计，确定临床指标；
[0008]筛选风险因素：应用Lasso回归分析所述临床指标，依据Lasso回归系数<0.05的标准来筛选出风险因素；
[0009]筛选独立风险因素：使用多因素Logistic回归分析所述风险因素，依据Logistic回归系数p<0.05的标准筛选出独立风险因素；
[0010]筛选最优风险模型：基于所述独立风险因素，构建风险模型，并从所述风险模型中筛选出最优风险模型。
[0011]优选的，收集临床指标的操作中包括建立研究队列，将临床数据划分为训练集和外部验证集，并将所述训练集和外部验证集进一步划分为感染组和非感染组，将训练集和外部验证集均分为感染组和非感染组，便于对临床指标进行描述分析及对比，训练集可用作模型的实践训练，外部验证集可用于进一步验证模型的预测准确度和校准性能。
[0012]优选的，筛选独立风险因素的操作中包括对所述独立风险因素进行Spearman相关分析，检测所述独立风险因素的多重相关性，用于检测独立风险因素构建风险模型的可行性。
[0013]进一步的，筛选最优风险模型的操作中包括采用增减所述风险因素的方法，构建所述风险模型，便于分析不同风险因素所组合出的风险模型，有利于筛选最优风险。
[0014]进一步的，筛选最优风险模型的操作中包括在构建所述风险模型后，应用Hosmer
‑
Lemeshow检验所述风险模型的校准性，可检测多个风险模型在预测ACLF患者发生感染风险方面的校准性能，方便进一步筛选最优风险模型。
[0015]进一步的，筛选最优风险模型的操作中还包括在应用Hosmer
‑
Lemeshow检验所述风险模型的校准性后，采用净重新分类指数评估所述风险模型，筛选出所述最优风险模型，方便对比风险模型间的预测准确度，有利于筛选出最优风险模型。
[0016]优选的，筛选最优风险模型的操作之后中还包括以慢加急性肝衰竭分期作为分组标准划分适用范围，应用ROC曲线分层统计分析所述适用范围内的最优风险模型，筛选所述最优风险模型的最佳适用范围，便于最优风险模型的进一步应用。
[0017]本专利技术还提供一种慢加急性肝衰竭感染风险预警模型的应用，包括向所述最优风险模型中输入参数，生成所述参数的阵线图(Nomogram图)，可对最优风险模型进行可视化转换，进一步优化了模型的临床可视化应用。
[0018]进一步的，依据所述阵线图找到所述参数对应的积分，统计积分后，在概率轴中找到风险概率，便于为ACLF患者感染风险发生提供预警信号。
[0019]进一步的，所述参数包括白细胞、尿素氮和D
‑
二聚体。
[0020]本专利技术的有益效果在于：本专利技术为一种慢加急性肝衰竭感染风险预警模型及其构建方法，在临床数据的基础上，应用Lasso回归分析筛选风险因素，随后使用多因素Logistic回归分析鉴定独立风险因素，接着构建了多个风险模型，并选择出最优风险模型，并分析评价了最优风险模型的最佳适用范围，最后，建立最优风险模型的阵线图，计算风险概率，优化了最优风险模型的临床可视化应用，最优风险模型模型可作为临床医生评估ACLF感染风险的一个工具，可为患者提供ACLF感染风险预警信号。
附图说明
[0021]通过阅读下文优选实施方式的详细描述，本申请的方案和优点对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。
[0022]在附图中：
[0023]图1为实施例中ACLF感染预警模型及其可视化的构建方法流程图；
[0024]图2为实施例中风险模型的概率校准图，A
‑
训练集中WLBD的应用概率校准图，B
‑
训练集中WBD的应用概率校准图，C
‑
训练集中WD的应用概率校准图，D
‑
训练集中WLBD、WBD和WD的临床决策曲线图，E
‑
训练集中WLBD的临床影响曲线图，F
‑
训练集中WBD的临床影响曲线图，G
‑
训练集中WD的临床影响曲线图，H
‑
训练集中WD及WBD的净重新分类指数分布图；
[0025]图3为施例中WBD的ROC曲线的五折交叉验证图，A
‑
WBD
‑
1的ROC曲线图，B
‑
WBD
‑
2的ROC曲线图，C
‑
WBD
‑
3的ROC曲线图，D
‑
WLBD
‑
4的ROC曲线图；
[0026]图4为实施例中不同分组下WBD的ROC曲线图，A
‑
酒精相关性ACLF组WBD的ROC曲线图，B
‑
HBV相关性ACLF组WBD的ROC曲线图，C
‑
自身免疫性肝病相关性ACLF组WBD的ROC曲线图，D
‑
ACLF早期阶段组WBD的ROC曲线图，E
‑
ACLF晚期阶段组WBD的ROC曲线图；
[0027]图5为实施例中WBD的Nomogram图。
具体实施方式
[0028]下面将结合附图更详细地描述本公开的示例性实施方式。
[0029]本实施例提供了一种慢加急性肝衰竭感染风险预警模型及其构建方法，参见图1，步骤为：
[0030]确定临床指标：收集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种慢加急性肝衰竭感染风险预警模型构建方法，其特征在于，包括以下步骤：确定临床指标：收集临床数据，对所述临床数据进行描述性统计，确定临床指标；筛选风险因素：应用Lasso回归分析所述临床指标，依据Lasso回归系数<0.05的标准来筛选出风险因素；筛选独立风险因素：使用多因素Logistic回归分析所述风险因素，依据Logistic回归系数p<0.05的标准筛选出独立风险因素；筛选最优风险模型：基于所述独立风险因素，构建风险模型，并从所述风险模型中筛选出最优风险模型。2.根据权利要求1所述的一种慢加急性肝衰竭感染风险预警模型构建方法，其特征在于所述收集临床指标的操作中包括建立研究队列，将临床数据划分为训练集和外部验证集，并将所述训练集和外部验证集进一步划分为感染组和非感染组。3.根据权利要求1所述的一种慢加急性肝衰竭感染风险预警模型构建方法，其特征在于，筛选独立风险因素的操作中包括对所述独立风险因素进行Spearman相关分析，检测所述独立风险因素的多重相关性。4.根据权利要求1所述的一种慢加急性肝衰竭感染风险预警模型构建方法，其特征在于，所述筛选最优风险模型的操作中包括采用增减所述风险因素的方法，构建所述风险模型。5.根据权利要求4所述的一种慢加急性肝衰竭感染风险预警模...

【专利技术属性】
技术研发人员：李涛，
申请(专利权)人：山东第一医科大学附属省立医院山东省立医院，
类型：发明
国别省市：