【技术实现步骤摘要】
一种透析中危险事件风险的评估方法和系统
[0001]本专利技术涉及医疗评估
，尤其涉及一种透析中危险事件风险的评估方法和系统。
技术介绍
[0002]透析作为肾脏替代治疗手段，对于肾衰竭患者生命的维持至关重要。然而，透析中存在低血压、感染、失衡综合症等风险。针对透析中的上述风险，除了根据医护人员的经验和护理监测外，亟需一种有效的技术手段，来实现对透析中危险事件风险的评估和预测。
[0003]目前，有少量专利对透析中的风险预测与评估做了一定的研究工作。例如，公开号为CN113823409A的专利首先使用卡尔曼滤波器进行过滤，随后使用RBV数据评估患者透析中的低血压风险。该方案仅关注低血压风险，并不能对上述透析中的其他风险做出预测和评估。公开号CN114360687A的专利设计了一种透析并发症的风险预警系统和方法，但该专利仅提供了一个概括性的系统框架，并没有给出风险评估和预警的具体算法，有效性不够。因此，基于数据和算法维度对透析中全过程的风险预测与评估，仍然缺乏一种精准可靠的实施方案。
技术实现思路
>[0004]有鉴于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种透析中危险事件风险的评估方法，其特征在于，包括：步骤1，待测数据获取：获取待检测透析患者与患病相关的信息；步骤2，数据处理：对所述信息进行数字化处理，并对数字化处理后的数据进行模糊化处理；步骤3，初步风险判断：将所述步骤2得到的模糊化处理后的数据输入训练好的基于模糊GBDT的透析风险二分类评估模型，输出二分类评估结果，若所述二分类评估结果为存在风险，则进入步骤4，否则结束评估；步骤4，风险类型判断：将所述步骤2得到的模糊化处理后的数据输入训练好的基于模糊GBDT透析风险多分类评估模型，输出具体风险类型。2.如权利要求1所述的透析中危险事件风险的评估方法，其特征在于，所述与患病相关的信息包括：近两年的个人信息和健康状况信息；所述个人信息包括：饮食是否规律、是否吸烟、是否饮酒、体重变化、运动记录、药物使用记录、家族病史；所述健康状况信息包括：血压、心率、体温、血糖、X光影像数据、CT扫描影像数据、MRI影像数据、验血报告数据、验尿报告数据、就诊记录、是否患有焦虑症、抑郁症、有无慢性病。3.如权利要求1所述的透析中危险事件风险的评估方法，其特征在于，所述模糊化处理包括：采用隶属度函数对所述数据进行处理，将所述数据转化为模糊数据集。4.如权利要求3所述的透析中危险事件风险的评估方法，其特征在于，所述隶属度函数为μ=(μ1,μ2,μ3)，其中，，，其中μ1，μ2，μ3均为隶属度因子，和分别为属性信息区间的最小值和最大值，x为输入的数据值；为子区间的重合度，；和均为分界参数，；。5.如权利要求4所述的透析中危险事件风险的评估方法，其特征在于，所述属性信息为患者年龄。6.如权利要求1所述的透析中危险事件风险的评估方法，其特征在于，所述基于模糊GBDT的透析风险二分类评估模型的训练步骤为：
步骤S1，获取历史透析患者与患病相关的信息；步骤S2，对所述数据进行数字化处理，并对数字化处理后的数据进行模糊化处理；步骤S3，初始化弱学习器，并将所述模糊化处理后的数据输入所述弱学习器，对所述弱学习器进行训练；步骤S4，根据所述弱学习器构建强学习器，构建方法为更新所述弱学习器的训练函数；步骤S5，将所述强学习器作为所述基于模糊GBDT的透析风险二分类评估模型。7.如权利要求1所述的透析中危险事件风险的评估方法，其特征在于，所述基于模糊GBDT的透析风险多分类评估模型的训练步骤为：步骤S1
’
，获取历史透析患者与患病相关的信息；步骤S2
’
，对所述数据进行数字化处理，并对数字化处理后的数据进行模糊化处理；步骤S3
’
，初始化弱学习器，并将所述模糊化处理后的数据输入所述弱学习器，对所述弱学习器进行训练；步骤S4
’
，根据所述弱学习器构建强学习器，构建方法为更新所述弱学习器的训练函数；步骤S5
’
，将所述强学习器作为所述基于模糊GBDT的透析风险多分类评估模型。8.如权利要求6所述的透析中危险事件风险的评估方法，其特征在于，所述基于模糊GBD...
【专利技术属性】
技术研发人员：王喆，
申请(专利权)人：天津医科大学第二医院，
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。