用于预测新型冠状病毒奥密克戎变异株感染患者的住院时间的数学模型及其应用制造技术

本发明专利技术属于生物医药技术领域，具体涉及一种用于预测新型冠状病毒奥密克戎变异株感染患者的住院时间的数学模型及其应用。本发明专利技术提供了一种用于预测新型冠状病毒奥密克戎变异株感染患者的住院时间的模型，住院时间模型为：预测住院时间＝exp(1*2.66263+0.30778*免疫疗法+0.1158*家族性聚集+0.1496*肝素+0.0989*流鼻涕+0.0036*活化部分凝血活酶时间)本发明专利技术的数学预测模型在新型冠状病毒奥密克戎变异株感染患者中实现了良好的预测能力，具有可行性和适用性。可用于优化患者的管理，大大减轻医疗资源的压力。大大减轻医疗资源的压力。大大减轻医疗资源的压力。

【技术实现步骤摘要】
用于预测新型冠状病毒奥密克戎变异株感染患者的住院时间的数学模型及其应用


[0001]本专利技术属于生物医药
，具体涉及一种用于预测新型冠状病毒奥密克戎变异株感染患者的住院时间的数学模型及其应用。

技术介绍

[0002][0003]自2021年11月发现奥密克戎变异株以来，该变异体迅速成为新冠病毒的主要变体并在全球范围内迅速传播，于2021年11月26日被世界卫生组织(WHO)列为新的关注变种(VOC)。目前已知所有变异株中，奥密克戎具有最多的突变位点，其特点是传播性强、具有免疫逃逸和突破性再感染的能力，包括BA.1、BA.2、BA.3、BA.4、BA.5和后代品系。这意味着奥密克戎可能逃脱既往SARS
‑
CoV
‑
2感染的免疫保护。
[0004]目前，有许多关于感染奥密克戎变异株的病人的临床特征、结果和预后因素的报告。然而，对于奥密克戎患者的住院时间，目前还没有建立预测模型。奥密克戎变异体的爆发导致了医院床位需求的大幅增加和医疗设备的短缺。医生可以通过根据病人的临床状况预测住院时间来缓解医疗资源的短缺。因此，迫切需要建立一个有效的预测模型来预测奥密克戎患者的住院时间，这可以优化患者的管理，以减轻医疗资源的压力。

技术实现思路

[0005]本专利技术提供了一种用于预测新型冠状病毒奥密克戎变异株感染患者的住院时间的模型，由5种临床数据变量组成，分别为：免疫治疗、家族聚集性、肝素治疗、流鼻涕、活化部分凝血活酶时间(APTT),所述临床数据通过流行病学调查或临床资料筛选获得。
[0006]住院时间模型为：
[0007]预测住院时间＝exp(1*2.66263+0.30778*免疫疗法+0.1158*家族性聚集+0.1496*肝素+0.0989*流鼻涕+0.0036*活化部分凝血活酶时间)
[0008]其中，若使用免疫疗法则为1，否则为0；出现家族聚集性为1，否则为0；使用肝素治疗为1，否则为0；出现流鼻涕症状为1，否则为0；活化部分凝血活酶时间为实验室检验数值。
[0009]另外，本专利技术还提供了用于预测新型冠状病毒奥密克戎变异株感染患者的住院时间的模型的应用及其构建方法。
[0010]所述患者临床资料预测住院时间模型适用于确诊为新型冠状病毒奥密克戎变异株感染人群，奥密克戎变异株感染者指符合2023年中华人民共和国国家卫生健康委办公厅发布的《新型冠状病毒感染诊疗方案(试行第十版)》的分类标准。
[0011]通过收集入组对象的临床资料，对入组对象临床资料进行分析，检测是否存在权利要求1所述的5项临床资料的变量。
[0012]利用所有的样本和候选预测因子，我们采用LASSO来选择原始的预测变量。最终的预测模型是通过使用LASSO方法选择的预测变量来拟合线性回归模型而构建的。由于样本
量较小，为了准确评价模型的预测能力，采用bootstrap有放回重抽样2000次，样本量与原样本量相同，分别用每个bootstrap样本建立模型，用原样本验证，在两个样本中分别计算预测误差≤1天，≤2天，≤3天的率，以及R
‑
square。重抽样和原始样本之间的性能差异表示乐观，其平均值从原始模型的表面性能中减去，得到模型的实际性能。
[0013]具体包括：
[0014](1)收集并整理入组对象(新型冠状病毒奥密克戎变异株感染人群)的临床资料，缺失值用每个相应变量的中位数进行估算；
[0015](2)基于临床数据，利用所有的样本和候选预测变量，我们采用LASSO来选择原始的预测变量，再通过线性回归模型再次筛选变量，得出最终的五个相关变量，并构建预测模型，预测住院时间＝exp(1*2.66263+0.30778*免疫疗法+0.1158*家族性聚集+0.1496*肝素治疗
[0016]+0.0989*流鼻涕+0.0036*活化部分凝血活酶时间)。
[0017](3)结果解读：若使用免疫疗法则为1.否则为0；出现家族聚集性为1，否则为0；使用肝素治疗为1，否则为0；出现流鼻涕症状为1，否则为0；APTT则代入实验室检验数值。
[0018](4)采用了Bootstrap验证的方法来测试模型的性能，有放回重抽样2000次，样本量与原样本量相同，分别用每个bootstrap样本建立模型，用原样本验证，在两个样本中分别计算预测误差≤1天，≤2天，≤3天的率，以及R
‑
square。
[0019](5)重抽样和原始样本之间的性能差异表示乐观，其平均值从原始模型的表面性能中减去，得到模型的实际性能：R^2＝0.2864；预测误差≤1天：15.2％；预测误差≤2天：29.6％；预测误差≤3天：43.8％。
[0020]因此，本专利技术的数学预测模型在新型冠状病毒奥密克戎变异株感染患者中实现了良好的预测能力，具有可行性和适用性。可用于优化患者的管理，大大减轻医疗资源的压力。
附图说明
[0021]图1.一种用于预测新型冠状病毒奥密克戎变异株感染患者的住院时间模型的研究设计和临床应用；
[0022]图2.住院时间直方图。由于患者的住院时间呈现出倾斜状态，因此对其进行了以e为基数的对数转换；
[0023]图3.利用所有的样本和候选预测器，我们采用LASSO来选择原始预测器；
[0024]图4.真实住院时间(LOS)及其预测值的箱形图；
[0025]图5.真实住院时间和其预测值的散点图；
具体实施方式
[0026]下面结合实施例对本专利技术作进一步的阐述，但本专利技术的保护内容不仅限于这些实施例。
[0027]下列实施例中所用方法如无特别说明，均为常规方法。下列实施例中所需要的材料或试剂，如无特殊说明均为公开商业途径获得。通过收集入组对象的临床资料，对入组对象临床资料进行分析，利用所有的样本和候选预测因子，我们采用LASSO来选择原始的预测
因子。最终的预测模型是通过使用LASSO方法选择的预测因子来拟合线性回归模型而构建的。由于样本量较小，为了准确评价模型的预测能力，采用bootstrap有放回重抽样2000次，样本量与原样本量相同，分别用每个bootstrap样本建立模型，用原样本验证，在两个样本中分别计算预测误差≤1天，≤2天，≤3天的率，以及R
‑
square。重抽样和原始样本之间的性能差异表示乐观，其平均值从原始模型的表面性能中减去，得到模型的实际性能。
[0028]其操作步骤如下：
[0029](1)按照前瞻性临床试验的设计原则，本专利技术的研究设计如图1所示。该研究方案得到了郑州大学第一附属医院伦理委员会的批准。所有入组的患者签署研究方案知情同意书和临床样本收集知情同意书。
[0030](2)每一个入组的新型冠状病毒奥密克戎感染患者提供临床资料，研究实验人员将每位患者的临床资料收集并整理。
[0031](3)完成临床资料文库构建，使用SAS统计软件9.4完成数据分析，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预测新型冠状病毒奥密克戎变异株感染患者的住院时间模型，其特征在于：由5个临床资料变量计算，5种临床资料变量包括免疫治疗、家具聚集性、肝素治疗、流鼻涕和活化部分凝血活酶时间，住院时间模型为：预测住院时间＝exp(1*2.66263+0.30778*免疫疗法+0.1158*家族性聚集+0.1496*肝素+0.0989*流鼻涕+0.0036*活化部分凝血活酶时间)其中，若使用免疫疗法则为1，否则为0；出现家族聚集性为1，否则为0；使用肝素治疗为1，否则为0；出现流鼻涕症状为1，否则为0；活化部分凝血活酶时间为实验室检验数值。2.权利要求1在预测新型冠状病毒奥秘可戎感染者住院时间的应用。3.权利要求1所述用于预测新型冠状病毒奥密克戎变异株感染患者的住院时间模型的构建方法，其特征在于：基于临床数据，利用所有的样本和候选变量，我们采用LASSO来选择原始的预测变量，再通过线性回归模型再次筛选变量，得出最终的五个相关变量，并构建预测模型，预测住院时间＝exp(1*2.66263+0.30778*免疫疗法+0.1158*家族性聚集+0.1496*肝素+0.0989*流鼻涕+0.0036*活化部分凝血活酶时间)。4.根据权利要求3所述的构建方法，其特征在于：采用了Bootstrap验证的方法来测试模型的性能，有放回重抽样2000次，样本量与原样本量相同，分别用每个bootstrap样本建立模型，用原样本验证，在两个样本中分别计算预测误差≤1天，≤2天，≤3天的率，以及R
‑
square。重抽样和原始样本之间的性能差异表示乐观，其平均值从原始模型的表面性能中减去，得到模型的实际性能：R^2＝0.2864；预测误差≤1天：15.2％；预测误差≤2天...

【专利技术属性】
技术研发人员：任志刚，李磊，王琼，
申请(专利权)人：郑州大学第一附属医院，
类型：发明
国别省市：