一种预测慢性冠脉综合征患者PCI术后主要心血管不良事件发生概率的系统及方法技术方案

本发明专利技术公开了一种预测慢性冠脉综合征患者PCI术后主要心血管不良事件发生概率的系统及方法。该系统包括数据收集模块和预测模块，其中，数据收集模块用于获取慢性冠脉综合征患者的特征数据：有无急性冠脉综合征史、有无糖尿病史、用药依从性、ΔNLR、红细胞分布宽度和植入支架数量；预测模块用于利用建立的列线图预测模型，对所述特征数据的每一项进行赋分，计算总得分，根据所述总得分计算得到相应的PCI术后主要心血管不良事件发生概率。本发明专利技术为CCS疾病评估与管理提供了便捷的工具；对患者进行精准危险分层，进而为不同风险患者制定相应的疾病管理策略，加强综合干预，有利于改善患者的长期预后。善患者的长期预后。善患者的长期预后。

【技术实现步骤摘要】
一种预测慢性冠脉综合征患者PCI术后主要心血管不良事件发生概率的系统及方法


[0001]本专利技术涉及一种预测慢性冠脉综合征患者PCI术后主要心血管不良事件发生概率的系统及方法，属于信息医学与疾病管理


技术介绍

[0002]经皮冠状动脉介入治疗(Percutaneous coronary intervention，PCI)是慢性冠脉综合征(Chronic coronary syndrome，CCS)的治疗手段之一，通过血运重建可有效缓解患者症状，但有创性操作会引起机体生理及心理的应激反应，进而可能导致心血管终点事件的发生。中性粒细胞计数升高表示氧化应激增加、内皮功能障碍等炎症的激活，淋巴细胞计数降低代表生理应激增加、免疫反应失调，中性粒细胞与淋巴细胞比值(Neutrophil
‑
to
‑
lymphocyte ratio，NLR)可以结合中性粒细胞增多以及淋巴细胞减少的特点，已被证实与PCI术后发生主要心血管不良事件(Major adverse cardiovascular events，MACE)，包括心源性死亡、非心源性死亡、再发心肌梗死或心绞痛入院、再次接受血运重建、支架内血栓形成、心力衰竭、脑卒中相关，但目前关于NLR与PCI的研究多集中于术前NLR对冠心病PCI术后预后的研究，较少关注患者术后NLR及其手术前后变化情况与预后不良是否相关。术前NLR主要反映患者基础状况，术后NLR整合了患者机体、手术应激等多种因素，术后与术前NLR差值(Difference of neutrophil
‑
to
‑
lymphocyte ratio，ΔNLR)可以体现手术应激对机体造成的影响，这可能与PCI术后发生MACE的风险有关，目前暂无此方面研究。
[0003]CCS是常见慢性疾病，实施规范的疾病管理是降低MACE发生率、改善患者预后的基础。但目前对CCS患者PCI术后危险分层和预后风险的判断通常使用负荷心电图、超声心动图、冠状动脉CT血管成像等方法，缺乏有效简便的工具评估CCS患者PCI治疗后发生MACE的风险，不便于对患者进行精准危险分层与疾病管理。

技术实现思路

[0004]本专利技术的目的是：针对目前对CCS患者PCI术后危险分层和预后风险的判断通常使用负荷心电图、超声心动图、冠状动脉CT血管成像等方法，缺乏有效简便的工具评估CCS患者PCI治疗后发生MACE的风险，本专利技术旨在提供一种预测系统和方法，基于利用ΔNLR及其他临床指标构建的列线图预测模型，预测CCS患者PCI术后主要心血管不良事件发生风险，为疾病评估与管理提供便捷工具。
[0005]为了实现上述目的，本专利技术提供了一种预测慢性冠脉综合征患者PCI术后主要心血管不良事件发生概率的系统，所述PCI术后主要心血管不良事件发生概率是指所述患者自PCI术后1～3年内主要心血管不良事件发生的概率，所述系统包括：
[0006]数据收集模块：用于获取慢性冠脉综合征患者特征数据，所述特征数据包括有无急性冠脉综合征史、有无糖尿病史、用药依从性、PCI术后与术前中性粒细胞与淋巴细胞比值的差值ΔNLR、红细胞分布宽度和植入支架数量；
[0007]预测模块：利用已经建立的列线图预测模型，对所述特征数据的每一项进行赋分，计算总得分，根据所述总得分计算得到相应的预后生存期概率；所述列线图预测模型中，有急性冠脉综合征史得分为32分，无急性冠脉综合征史得分为0分；有糖尿病史得分为39分，无糖尿病史得分为0分；ΔNLR≥0.63得分为25分，ΔNLR<0.63得分为0分；红细胞分布宽度为10％得分为0分，在此基础上，红细胞分布宽度范围每增加1％得分增加11.25分；植入支架1～5个得分分别为10分、20分、30分、40分、50分；用药不依从得分为100分，用药依从得分为0分。
[0008]具体地，所述列线图预测模型如说明书附图2所示。
[0009]本专利技术还提供了一种预测慢性冠脉综合征患者PCI术后主要心血管不良事件发生概率的方法，所述方法基于前述系统，包括如下步骤：
[0010]步骤1：数据采集步骤
[0011]获取慢性冠脉综合征患者特征数据，所述特征数据包括有无急性冠脉综合征史、有无糖尿病史、用药依从性、PCI术后与术前中性粒细胞与淋巴细胞比值的差值ΔNLR、红细胞分布宽度和植入支架数量；
[0012]步骤2：数据输入步骤
[0013]将步骤1采集的所述数据输入所述数据收集模块；
[0014]步骤3：预测步骤
[0015]利用已经建立的列线图预测模型，对所述特征数据的每一项进行赋分，计算总得分，根据所述总得分计算得到相应的PCI术后主要心血管不良事件发生概率。
[0016]与现有技术相比，本专利技术的有益效果在于：
[0017](1)本专利技术的系统及方法基于ΔNLR及其他临床指标构建的列线图预测模型，用于预测CCS患者PCI术后主要心血管不良事件发生风险，为疾病评估与管理提供便捷工具；临床上可利用该系统对患者进行精准危险分层，进而为不同风险患者制定相应的疾病管理策略，如强化抗血小板、调脂、降压等药物治疗，制定个体化的运动、饮食以及精神心理处方等，加强综合干预；同时患者也可以自行计算得到自身疾病风险，有助于增强患者的疾病警惕性，提高治疗依从性，促进患者共同参与到疾病的管理中，有利于改善长期预后；
[0018](2)本专利技术的预测系统基于构建的可视化列线图预测模型，能够预测CCS患者PCI术后主要心血管不良事件发生风险；该列线图包含了个人史(急性冠脉综合征史、糖尿病史)、检验指标(ΔNLR、红细胞分布宽度)和PCI手术信息(植入支架数量)，对患者进行全面评估，包括各个方面的特征，可以反映患者真实的疾病状态，列线图直观明确、清晰易懂，评估指标方便易得，可评估1
‑
3年MACE发生风险，不仅为医生对CCS患者PCI术后预后的评估提供了有效的工具，同时也为患者自评提供了评估工具。
附图说明
[0019]图1为ΔNLR预测CCS患者PCI术后发生MACE的ROC曲线分析；AUC：曲线下面积；
[0020]图2为与ΔNLR相关的CCS患者PCI术后3年MACE风险预测列线图；ACS史：急性冠脉综合征史；ΔNLR：术后术前中性粒细胞与淋巴细胞比值差值；MACE：主要心血管不良事件；
[0021]图3为CCS患者PCI术后3年MACE风险预测列线图校准曲线；A：术后1年MACE风险预测列线图校准曲线；B：术后2年MACE风险预测列线图校准曲线；C：术后3年MACE风险预测列
线图校准曲线；
[0022]图4为CCS患者PCI术后3年MACE风险预测列线图的时间依赖性ROC曲线；
[0023]图5为CCS患者PCI术后3年MACE风险预测列线图的临床决策曲线分析；
[0024]图6为列线图应用举例；ACS史：急性冠脉综合征史；ΔNLR：术后术前中性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测慢性冠脉综合征患者PCI术后主要心血管不良事件发生概率的系统，其特征在于，所述PCI术后主要心血管不良事件发生概率是指所述患者自PCI术后1～3年内主要心血管不良事件发生的概率，所述系统包括：数据收集模块：用于获取慢性冠脉综合征患者特征数据，所述特征数据包括有无急性冠脉综合征史、有无糖尿病史、用药依从性、PCI术后与术前中性粒细胞与淋巴细胞比值的差值ΔNLR、红细胞分布宽度和植入支架数量；预测模块：利用已经建立的列线图预测模型，对所述特征数据的每一项进行赋分，计算总得分，根据所述总得分计算得到相应的PCI术后主要心血管不良事件发生概率；所述列线图预测模型中，有急性冠脉综合征史得分为32分，无急性冠脉综合征史得分为0分；有糖尿病史得分为39分，无糖尿病史得分为0分；ΔNLR≥0.63得分为25分，ΔNLR<0.63得分为0分；红细胞分...

【专利技术属性】
技术研发人员：王启哲，江孙芳，李小攀，刘明，刘茹，许雅鑫，
申请(专利权)人：复旦大学附属中山医院，
类型：发明
国别省市：