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】
本申请涉及智能医疗领域,具体涉及一种肺动脉高压预后预测方法、系统、设备及计算机可读存储介质。
技术介绍
1、肺动脉高压(ph)是一种致命性疾病,其特征是进行性肺血管重塑和血管压力升高。尽管临床上广泛使用靶向药物,但由于目前的临床干预措施未能实现可逆性肺血管病理改变,ph患者的预后仍不理想,与恶性肿瘤相似。肺动脉高压预后与病因有关,自然生存期差异较大,ssc相关性肺动脉高压仅1年左右,特发性肺动脉高压平均只有2.8年,而先天性心脏病、门脉高压、混合性结缔组织病和hiv相关肺动脉高压的3年生存率分别为百分之七十七、百分之六十四、百分之三十七、百分之二十一。自然生存期还与肺动脉高压严重度有关,在未经治疗的肺动脉高压患者,who肺动脉高压功能分级ⅰ、ⅱ级为6年,ⅲ级为2.5年,而在ⅳ级仅为6个月。预后与6分钟步行距离有关,有研究显示,小于332米的患者3年存活率为百分之二十,30年前患原发性肺动脉高压是灾难性的,预后十分险恶。当今如能早期诊断,及时治疗,约百分之十~百分之二十患者的病情可停止发展,甚至有某种程度的恢复。因此,早期评估疾病严重程度和准确预测预后对于患者的临床管理至关重要。探索有效而简洁的评分工具来预测此类患者的预后,以期引起临床早期关注和精准治疗,具有重要的临床意义。
技术实现思路
1、终末期肝病(meld)评分的简洁模型基于国际标准化比值(inr)、总胆红素和肌酐,用于评估晚期肝病患者的生存情况。为了避免抗凝剂的影响,创建了包括meld-xi和meld-白蛋白(meld-a
2、获取肺动脉高压患者的临床数据;
3、将所述临床数据输至评分模型得到评分分数,所述评分模型采用下列的一种或几种:meld、meld-xi、meld-alb;
4、基于所述评分分数对肺动脉高压预后进行预测得到预测结果。
5、进一步,将所述临床数据输至评分模型对临床数据进行评分计算得到评分分数;
6、可选地,所述评分计算涉及下列的一种或几种:总胆红素、肌酐、血清白蛋白、人口统计特征、体重指数、6分钟步行距离、世界卫生组织心功能分级、超声心动图参数、血流动力学数据、合并症集;
7、优选地,所述方法还包括将所述评分分数转换为连续变量进行肺动脉高压预后预测;
8、优选地,所述方法还包括将所述评分分数转换为分类变量进行肺动脉高压预后预测。
9、基于所述肺动脉高压患者的临床数据获取肺动脉高压临床指标,基于所述肺动脉高压临床指标与评分分数组成复合模型,基于所述复合模型对肺动脉高压预后进行预测得到预测结果;
10、可选地,肺动脉高压临床指标包括下列的一种或几种:nt-probnp、世界卫生组织心功能分级、6分钟步行距离;
11、优选地,所述复合模型的训练步骤包括:
12、第一步:获取肺动脉高压临床指标与评分分数;
13、第二步:将所述肺动脉高压临床指标转换为分类变量;
14、第三步:将所述分类变量、所述评分分数组成得到复合模型;
15、优选地,所述复合模型将每个患者的每一个阈值分配一个高风险或低分险,
16、基于所述高风险或低分险进行风险预测,得到预测结果;
17、优选地,所述nt-probnp转换为边界300pg/dl的分类变量;
18、优选地,将所述nt-probnp添加至meld-xi和/或meld-alb中得到复合模型meld-xi+nt-probnp和/或meld-alb+nt-probnp;
19、优选地,所述复合模型训练步骤三替换成将所述评分分数转换成连续变量,
20、所述连续变量与分类变量组成复合模型。
21、进一步,所述复合模型采用c指数、综合辨别改进、净重分类指数评估所述评分模型/复合模型得到评分模型/复合模型的性能;
22、优选地,通过所述c指数评估复合模型对生存预测的价值。
23、所述连续变量、所述分类变量采用surv_cutpoint函数确定截止值;
24、可选地,所述连续变量采用平均值±标准差表示;
25、可选地,所述连续变量采用中位数和四分位数表示;
26、可选地,所述分类变量采用频率和百分比表示。
27、采用限制性立方样条验证评分分数与临床结果之间的关系;
28、优选地,对所述连续变量和所述分类变量进行比较采用下列检验方法的一种或几种:学生t检验、非参数检验、卡方检验、fisher检验;
29、优选地,采用spearman相关性评估所述meld-xi/meld-alb与变量之间的相关性;
30、优选地,采用逻辑回归或线性回归评估所述meld-xi/meld-alb与疾病严重程度之间的相关性;
31、优选地,采用所述世界卫生组织心功能分级、所述nt-probnp、tapse、心输出指数评估疾病严重程度;
32、优选地,采用km分析和cox比例风险回归确定不同组的肺动脉高压患者的死亡风险,所述不同组为肺动脉高压的第一组和第四组。
33、用外部验证和推导验证评估所述复合模型;
34、优选地,在外部验证中,采用决策曲线分析来估计临床有效性、净效益、生存预测;
35、优选地,所述评分模型与肺动脉高压疾病相关,所述评分升高时,所述肺动脉高压患者的死亡风险增加。
36、本专利技术的目的在于提供一种肺动脉高压预后预测系统,包括:
37、获取模块:获取肺动脉高压患者的临床数据;
38、评分模块:将所述临床数据输至评分模型得到评分分数,所述评分模型采用下列的一种或几种:meld、meld-xi、meld-alb;
39、预测模块:基于所述评分分数对肺动脉高压预后进行预测得到预测结果。
40、本专利技术的目的在于提供一种肺动脉高压预后预测设备,包括:
41、存储器与处理器,所述存储器用于存储程序指令;所述处理器用于调用程序指令,当程序指令被执行时实现任意一项上述的一种肺动脉高压预后预测方法。
42、本专利技术的目的在于提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现任意一项上述的一种肺动脉高压预后预测方法。
43、本专利技术的优势:
44、1.采用meld-xi、meld-xi+nt-probnp、meld-alb、meld-alb+nt-probnp四种评分预测肺动脉高压预后情况,通过计算预测指标,使用该评分对肺动脉高压疾病的预测结果提高,这四种评分具有临床应用的潜力。
45、2.将meld-xi、me本文档来自技高网...
【技术保护点】
1.一种肺动脉高压预后预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种肺动脉高压预后预测方法,其特征在于,将所述临床数据输至评分模型对临床数据进行评分计算得到评分分数;
3.根据权利要求1所述的肺动脉高压预后预测方法,其特征在于,基于所述肺动脉高压患者的临床数据获取肺动脉高压临床指标,基于所述肺动脉高压临床指标与评分分数组成复合模型,基于所述复合模型对肺动脉高压预后进行预测得到预测结果;
4.根据权利要求3所述的肺动脉高压预后预测方法,其特征在于,所述复合模型采用C指数、综合辨别改进、净重分类指数评估所述复合模型得到复合模型的性能;
5.根据权利要求3所述的肺动脉高压预后预测方法,其特征在于,对所述连续变量、所述分类变量采用surv_cutpoint函数确定截止值;
6.根据权利要求2或3所述的肺动脉高压预后预测方法,其特征在于,采用限制性立方样条验证评分分数与临床结果之间的关系;
7.根据权利要求3所述的肺动脉高压预后预测方法,其特征在于,采用外部验证和推导验证评估所述复合模型;
< ...【技术特征摘要】
1.一种肺动脉高压预后预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种肺动脉高压预后预测方法,其特征在于,将所述临床数据输至评分模型对临床数据进行评分计算得到评分分数;
3.根据权利要求1所述的肺动脉高压预后预测方法,其特征在于,基于所述肺动脉高压患者的临床数据获取肺动脉高压临床指标,基于所述肺动脉高压临床指标与评分分数组成复合模型,基于所述复合模型对肺动脉高压预后进行预测得到预测结果;
4.根据权利要求3所述的肺动脉高压预后预测方法,其特征在于,所述复合模型采用c指数、综合辨别改进、净重分类指数评估所述复合模型得到复合模型的性能;
5.根据权利要求3所述的肺动脉高压...
【专利技术属性】
技术研发人员:杨逸成,熊长明,何建国,舒松仁,钱钰玲,薛霖,梁砚薷,汪沛志,
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。