System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及医疗检测领域,尤其涉及基于夜间心肺信号的肺动脉高压预后评估方法及装置。
技术介绍
1、肺动脉高压(pulmonary hypertension,ph)是指多种原因所致肺血管床结构和/或功能改变,导致肺动脉压力增高,右心扩张,出现右心衰竭甚至死亡的一组临床综合征。该疾病的致死率和致残率极高,对人类健康构成了严重威胁。全球范围内,成年人患有肺动脉高压的比例约为1%,而65岁以上的人群中的患病率甚至可高达10%。因此,肺动脉高压已经成为一个全球性的重大健康问题。
2、预后是指预测疾病的可能病程和结局;预后评估是用来评价疾病自然转归的工具,在临床实践中,医生会综合使用多个预测因子来评估患者的预后。
3、目前,对于肺动脉高压患者的预后评估主要依赖于传统的危险分层工具。这些工具包括右心导管检查或抽血化验等,通常需要收集心指数、脑利钠肽(nt-probnp)等有创检查的指标。
4、然而,如右心导管检查的有创检查存在一定的风险,可能导致多种并发症,且在患者有急性感染性疾病等禁忌症时无法适用。
技术实现思路
1、本申请提供了基于夜间心肺信号的肺动脉高压预后评估方法及装置,在肺动脉高压患者夜间睡眠时执行心肺生物信号数据的监测,通过信号监测的无创操作避免了有创检查的风险,这种检查无并发症风险,且适用性广,无禁忌症限制,可多次复用;同时应用这种方法,能够实现对临床恶化事件的准确预测,辅助医生调整治疗方案。
2、第一方面,本申请提供了一种基于夜间心肺
3、在上述实施例中,在肺动脉高压患者夜间睡眠时监测心肺生物信号数据,根据信号特征确定患者风险类型,将信号数据和风险类型用于模型训练,得到肺动脉高压预后评估模型,并应用该模型对目标对象进行风险预测。利用无创的夜间信号监测避免了常规有创检查的风险,通过信号分析实现了对肺动脉高压临床恶化事件的准确评估和提前预测,使得医生可以针对高危患者采取干预措施,降低肺动脉高压恶化风险。
4、结合第一方面的一些实施例,在一些实施例中,预设模型为多因素回归模型,将肺动脉高压患者的风险类型和对应的心肺生物信号数据输入预设模型中,训练得到肺动脉高压预后评估模型,具体包括:基于心肺生物信号数据中的呼吸参数、血氧参数、心率参数,确定变量指标数据;变量指标数据包括呼吸暂停低通气指数、呼吸暂停指数、低通气指数、平均血氧饱和度、最低血氧饱和度、血氧饱和度小于90%的时间占比、最长呼吸暂停时间、平均呼吸暂停时间、最长低通气时间、平均低通气时间、平均心率、最大心率、最小心率;基于似然比检验方法对变量指标数据和风险类型进行分析,找出变量指标数据中具有统计学相关性的夜间心肺信号指标;将夜间心肺信号指标和风险类型输入到多因素回归模型中,拟合得到预后评估模型公式;以预后评估模型公式为基础对多个预设的对照样本进行数据验证,建立肺动脉高压预后评估模型。
5、在上述实施例中,采用多因素回归模型,以心肺信号的多个生理参数作为自变量,通过统计分析找出与风险类型具有相关性的特征指标,拟合出评估模型公式,并用对照样本进行验证,得到肺动脉高压的预后评估模型。通过多个指标同时进行跟进追踪,保证了模型预测的全面性和准确性,为医生提供了针对性的医患状态评估参考。
6、结合第一方面的一些实施例,在一些实施例中,预后评估模型公式为:logit(p)=c1+c2*ahi+c3*minspo2+c4*t90+c5*meanhr;其中c1、c2、c3、c4、c5为常数,ahi是呼吸暂停低通气指数,表示为患者每个小时发生的呼吸暂停和低通气的次数;minspo2是最低血氧饱和度;t90是血氧饱和度低于90%的时间占比;meanhr是平均心率;logit(p)为最终的预测概率p的逻辑回归值;预测概率p的计算公式为
7、在上述实施例中,建立了预后评估的数学模型公式,公式中包含呼吸暂停指数、最低血氧饱和度、低氧时间占比、平均心率多个变量。通过评估模型公式的数学运算,可以非常准确地计算出肺动脉高压患者未来发生临床恶化事件的概率,为医生临床诊断提供了一个可量化的评估工具。
8、结合第一方面的一些实施例,在一些实施例中,常数c1、c2、c3、c4、c5分别为-7.029、0.089、-0.045、0.035、0.085;即预后评估模型公式为:logit(p)=-7.029+0.089*ahi-0.045*minspo2+0.035*t90+0.085*meanhr。
9、在上述实施例中,给出了预后评估模型公式的具体数值参数,其中c1-c5为不同的常数,各自对应呼吸指数、血氧饱和度等生理参数。明确了预后评估模型的具体数学表达式,可以直接将患者的生理参数输入公式进行计算,快速得到患者的预后评估结果。
10、结合第一方面的一些实施例,在一些实施例中,在将肺动脉高压患者的风险类型和对应的心肺生物信号数据输入预设模型中,训练得到肺动脉高压预后评估模型的步骤之后,该方法还包括:收集肺动脉高压患者的心肺生物信号数据及在多个时间段内的临床恶化数据;基于多个时间段内的临床恶化数据和对应的肺动脉高压患者的心肺生物信号数据,对肺动脉高压预后评估模型进行回归训练,得到与多个时间段所对应的多个肺动脉高压预后评估模型;将目标对象的目标心肺生物信号数据输入与待评估时间段对应的肺动脉高压预后评估模型中,得到待评估时间段内临床恶化事件的发生概率。
11、在上述实施例中,收集了患者临床恶化时间所在的不同时间段,并用这些时间段对预后评估模型进行了参数训练,实现了对肺动脉高压对象的临床恶化事件的发生概率在时间维度上的预测,同时在另一方面该临床恶化事件在发生时间维度上也反映了医患病症的严重程度,为临床干预决策提供了依据。
12、结合第一方面的一些实施例,在一些实施例中,在将目标心肺生物信号数据输入肺动脉高压预后评估模型中,得到目标对象的预估风险类型的步骤之后,该方法还包括:判断预估风险概率是否高于预设风险阈值;若是,则发出目标对象临床恶化事件发生概率高的提示信息;若否,则发出目标对象临床恶化事件发生概率低的提示信息。
13、在上述实施例中,设置阈值判断对象的恶化风险的高本文档来自技高网...
【技术保护点】
1.一种基于夜间心肺信号的肺动脉高压预后评估方法,应用于预后评估装置,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述预设模型为多因素回归模型,所述将所述肺动脉高压患者的所述风险类型和对应的心肺生物信号数据输入预设模型中,训练得到肺动脉高压预后评估模型,具体包括:
3.根据权利要求2所述的方法,其特征在于,所述预后评估模型公式为:
4.根据权利要求3所述的方法,其特征在于,所述常数C1、C2、C3、C4、C5分别为-7.029、0.089、-0.045、0.035、0.085;即所述预后评估模型公式为:
5.根据权利要求1所述的方法,其特征在于,在所述将所述肺动脉高压患者的所述风险类型和对应的心肺生物信号数据输入预设模型中,训练得到肺动脉高压预后评估模型的步骤之后,所述方法还包括:
6.根据权利要求1所述的方法,其特征在于,在所述将所述目标心肺生物信号数据输入所述肺动脉高压预后评估模型中,得到所述目标对象的预估风险概率的步骤之后,所述方法还包括:
7.根据权利要求1所述的方法,其特征
8.一种预后评估装置,其特征在于,所述预后评估装置包括:
9.一种预后评估装置,其特征在于,包括:一个或多个处理器和存储器;
10.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在预后评估装置上运行时,使得所述预后评估装置执行如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种基于夜间心肺信号的肺动脉高压预后评估方法,应用于预后评估装置,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述预设模型为多因素回归模型,所述将所述肺动脉高压患者的所述风险类型和对应的心肺生物信号数据输入预设模型中,训练得到肺动脉高压预后评估模型,具体包括:
3.根据权利要求2所述的方法,其特征在于,所述预后评估模型公式为:
4.根据权利要求3所述的方法,其特征在于,所述常数c1、c2、c3、c4、c5分别为-7.029、0.089、-0.045、0.035、0.085;即所述预后评估模型公式为:
5.根据权利要求1所述的方法,其特征在于,在所述将所述肺动脉高压患者的所述风险类型和对应的心肺生物信号数据输入预...
【专利技术属性】
技术研发人员:黄志华,柳志红,罗勤,赵智慧,赵青,段安琪,
申请(专利权)人:中国医学科学院阜外医院,
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。