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】
本专利技术涉及一种临床决策辅助模型,特别涉及一种偏头痛患者卵圆孔未闭风险评估及临床决策辅助模型及方法。
技术介绍
1、偏头痛是致残的第二大常见原因及导致生产力下降的重要因素,其患病率估计在11.7%至22.7%之间。偏头痛患者在50岁以下残疾人群中占比最高,为社会医疗保健带来了巨大负担。pfo(卵圆孔未闭)是一种最常见的胎儿先天性心脏结构异常,其普遍存在于高达25%的成年人群中。偏头痛患者pfo患病率升高,且pfo封堵治疗可显著改善甚至消除偏头痛症状。
2、该疾病发作表现多样,尚缺乏可及且有效的确诊手段。目前主要通过影像学手段检测偏头痛患者是否存在pfo(包括经胸超声发泡试验、食道超声发泡试验等)。但影像学检测精度不足,且pfo对偏头痛患者症状的影响存在明显个体差异。国内外缺乏用于评估偏头痛患者卵圆孔未闭风险及辅助临床决策的模型及方法。
技术实现思路
1、针对偏头痛患者卵圆孔未闭筛查流程尚不完善,难以进行有效的风险评估及临床决策的问题,提出了一种偏头痛患者卵圆孔未闭风险评估及临床决策辅助模型及方法。该模型及方法通过收集偏头痛特征信息、筛选pfo相关偏头痛特征因子及因子强度等级、对特征因子及因子强度等级赋值、计算单因子相关pfo患病风险评分、计算综合因子pfo患病风险评分值并根据pfo患病风险评分值估算pfo患病率区间,输出pfo优先筛查推荐等级。
2、本专利技术的技术方案为:
3、一种偏头痛患者pfo风险评估及临床决策辅助模型,包括患者特征数据中
4、所述患者特征数据中心模块用于以患者为单位,纳入并储存偏头痛患者的特征信息;
5、所述因子筛选模块用于获取pfo相关偏头痛患者特征因子,fi,fi表示第i个因子,1≤i≤n,n为正整数;
6、所述因子强度等级划分模块用于对偏头痛患者的第i个因子的特征强度分级,记为ri,ri表示第i个因子的强度等级;
7、所述权重配比模块用于赋予偏头痛患者的第i个因子的特征因子权重得分,记为pia,pia表示第i个因子的特征因子权重得分值;并用于赋予偏头痛患者的第i个因子的特征因子强度等级得分值,记为pib,pib表示第i个因子的特征因子强度等级得分值;
8、所述单因子相关pfo患病风险评分模块用于识别所输入的因子及其强度,并分别对应于相应的fi、ri,计算偏头痛患者的第i个因子与pfo患病相关性程度,记为pic,pic为pia*pib;
9、所述pfo筛查优先度划分模块用于计算个体pfo患病风险评分值,记为pid,pid为所有纳入因子的pic累加和,将pid转化为个体pfo患病率p,查询并输出p所处患病率区间对应的pfo优先筛查推荐等级。
10、进一步的,所述患者特征数据中心模块、因子筛选模块、因子强度等级划分模块、权重配比模块、单因子相关pfo患病风险评分模块及pfo筛查优先度划分模块以患者为单位进行数据更新,并基于更新后数据重新运行上述模块,输出更新后特征因子、因子强度等级、特征因子权重得分、因子强度等级得分、单因子相关pfo患病风险得分、综合因子相关pfo患病风险评分值、pfo优先筛查推荐等级。
11、进一步的,所述患者特征数据中心模块用于储存偏头痛患者特征信息,特征信息包括偏头痛患者性别、年龄、身高、体重、社会学信息、头痛特征、血气检测、血液生化检测、影像学检测、madis评分、hit-6评分、焦虑评分量表及发泡试验结果;
12、所述因子筛选模块用于筛选pfo相关偏头痛患者特征因子,特征因子包括月经诱发、冷空气诱发、剧烈无氧运动诱发或缓解、先兆偏头痛、隐源性中风、偏头痛病龄、伴发呕吐、偏头痛发作频率。
13、进一步的,所述特征强度等级划分模块寻找每一种pfo相关偏头痛的特征因子差异最显著的严重程度等级划分区间,并按照严重性程度进行等级划分,包括分别划分为偏头痛与月经相关性:无关/偶尔触发/有时触发/经常触发;偏头痛与冷空气相关性:无关/偶尔触发/有时触发/经常触发;剧烈无氧运动与偏头痛相关性:经常缓解/有时缓解/偶尔缓解/无关/偶尔触发/有时触发/经常触发;先兆偏头痛:无/有;隐源性中风:无/有;偏头痛病龄:<5年/≥5年且<10年/≥10年;伴发呕吐:从不呕吐/偶尔呕吐/有时呕吐/经常呕吐;发作频率:<1次每月/1-4次每月/5-9次每月/>10次每月。
14、进一步的,所述权重配比模块用于赋予偏头痛患者特征因子的特征因子权重得分,特征因子权重得分如-2.5、2、2.5、5、5.5、7,并赋予偏头痛患者特征因子的因子强度等级得分,因子强度等级得分如-3、-2、-1、0、1、2、3、4;
15、所述单因子相关pfo患病风险评分模块用于计算单因子相关pfo患病风险等级评分值,单因子相关pfo患病风险等级评分值如-7.5、-5、-2.5、0、2.5、5、7。
16、进一步的,所述pfo筛查优先度等级划分模块用于累加各个特征因子的单因子pfo患病风险等级评分值得到综合因子pfo患病风险等级评分值,如-15~-3分区间/-2~10分区间/11~23分区间/24~36分区间/37~50分区间,查询综合因子pfo患病风险等级评分值所对应的个体pfo患病率及其所处在的区间,如0~20%区间/21~40区间/41~60%区间/61~80%区间/81~100%区间;根据个体pfo患病率区间将诊疗策略划分为:强烈推荐优先筛查pfo/较为推荐优先筛查pfo/考虑优先筛查pfo/低度推荐优先筛查pfo/不推荐优先筛查pfo。
17、一种偏头痛患者pfo风险评估及临床决策辅助方法,包括以下步骤:
18、s1、纳入偏头痛患者信息,构建中国偏头痛数据库;
19、s2、筛选pfo相关偏头痛患者特征因子,记为fi,fi表示第i个特征因子,1≤i≤n,n为正整数;
20、s3、对偏头痛患者的第i个症状的特征强度分级,记为ri,表示第i个因子的强度等级;
21、s4、赋予偏头痛患者的第i个因子的特征因子权重得分值及因子强度等级得分值,分别记为pia和pib,pia表示第i个因子的特征因子权重得分值,pib表示第i个因子的特征因子强度等级得分值;
22、s5、计算偏头痛患者的第i个因子的单因子相关性pfo患病风险得分,记为pic,pic为pia*pib;
23、s6、通过单因子相关性pfo患病风险得分的累加计算综合因子相关pfo患病风险评分值并转化为个体pfo患病率p,并查询其所处于的个体pfo患病率p所处区间,输出pfo优先筛查推荐等级;
24、s7、以患者为单位进行数据更新,并基于更新后数据重新运行上述模块,输出更新后特征因子、因子强度等级、特征因子权重得分、因子强度等级得分、单因子相关pfo患病风险得分、综合因子相本文档来自技高网...
【技术保护点】
1.一种偏头痛患者PFO风险评估及临床决策辅助模型,其特征在于,包括患者特征数据中心模块、因子筛选模块、因子强度等级划分模块、权重配比模块、单因子相关PFO患病风险评分模块及PFO筛查优先度划分模块;
2.根据权利要求1所述的偏头痛患者PFO风险评估及临床决策辅助模型,其特征在于,所述患者特征数据中心模块、因子筛选模块、因子强度等级划分模块、权重配比模块、单因子相关PFO患病风险评分模块及PFO筛查优先度划分模块以患者为单位进行数据更新,并基于更新后数据重新运行上述模块,输出更新后特征因子、因子强度等级、特征因子权重得分、因子强度等级得分、单因子相关PFO患病风险得分、综合因子相关PFO患病风险评分值、PFO优先筛查推荐等级。
3.根据权利要求1所述的偏头痛患者PFO风险评估及临床决策辅助模型,其特征在于,
4.根据权利要求1所述的偏头痛患者PFO风险评估及临床决策辅助模型,其特征在于,
5.根据权利要求1所述的偏头痛患者PFO风险评估及临床决策辅助模型,其特征在于,
6.根据权利要求1所述的偏头痛患者PFO风险评估及临
7.一种偏头痛患者PFO风险评估及临床决策辅助方法,其特征在于,包括以下步骤:
8.根据权利要求7所述的偏头痛患者PFO风险评估及临床决策辅助方法,其特征在于,在步骤S1中纳入的偏头痛患者信息包括:性别、年龄、身高、体重、社会学信息、头痛特征、血气检测、血液生化检测、影像学检测、MADIS评分、HIT-6评分、焦虑评分量表及发泡试验结果。
9.根据权利要求7所述的偏头痛患者PFO风险评估及临床决策辅助方法,其特征在于,在步骤S2、S3中,特征因子包括月经诱发、冷空气诱发、剧烈无氧运动诱发或缓解、先兆偏头痛、隐源性中风、偏头痛病龄、伴发呕吐、偏头痛发作频率,分别赋予相应的因子权重评分值如-2.5、2、2.5、5、5.5、7;特征因子按照严重程度进行等级划分,分别划分为偏头痛与月经相关性:无关/偶尔触发/有时触发/经常触发;偏头痛与冷空气相关性:无关/偶尔触发/有时触发/经常触发;剧烈无氧运动与偏头痛相关性:经常缓解/有时缓解/偶尔缓解/无关/偶尔触发/有时触发/经常触发;先兆偏头痛:无/有;隐源性中风:无/有;偏头痛病龄:<5年/≥5年且<10年/≥10年;伴发呕吐:从不呕吐/偶尔呕吐/有时呕吐/经常呕吐;发作频率:<1次每月/1-4次每月/5-9次每月/>10次每月,并分别赋予相应的症状等级评分值如-3、-2、-1、0、1、2、3、4。
10.根据权利要求7所述的偏头痛患者PFO风险评估及临床决策辅助方法,其特征在于,在步骤S4、S5中,计算相应的单因子相关PFO患病率得分值如-7.5、-5、-2.5分、0分、2.5分、5、7;累加单因子相关PFO患病风险得分值用于计算PFO患病风险评分值,根据其所在得分区间将PFO患病风险评分值转化为个体PFO患病率,PFO患病风险评分值区间包括-15~-3分区间/-2~10分区间/11~23分区间/24~36分区间/37~50分区间;将综合因子相关PFO患病风险得分转化为个体PFO患病风险区间,包括0~20%区间/21~40区间/41~60%区间/61~80%区间/81~100%区间;根据个体PFO患病率,输出PFO优先筛查推荐等级,PFO优先筛查推荐等级为:强烈推荐优先筛查PFO/较为推荐优先筛查PFO/考虑筛查PFO/低度推荐优先筛查PFO/不推荐优先筛查PFO。
...【技术特征摘要】
1.一种偏头痛患者pfo风险评估及临床决策辅助模型,其特征在于,包括患者特征数据中心模块、因子筛选模块、因子强度等级划分模块、权重配比模块、单因子相关pfo患病风险评分模块及pfo筛查优先度划分模块;
2.根据权利要求1所述的偏头痛患者pfo风险评估及临床决策辅助模型,其特征在于,所述患者特征数据中心模块、因子筛选模块、因子强度等级划分模块、权重配比模块、单因子相关pfo患病风险评分模块及pfo筛查优先度划分模块以患者为单位进行数据更新,并基于更新后数据重新运行上述模块,输出更新后特征因子、因子强度等级、特征因子权重得分、因子强度等级得分、单因子相关pfo患病风险得分、综合因子相关pfo患病风险评分值、pfo优先筛查推荐等级。
3.根据权利要求1所述的偏头痛患者pfo风险评估及临床决策辅助模型,其特征在于,
4.根据权利要求1所述的偏头痛患者pfo风险评估及临床决策辅助模型,其特征在于,
5.根据权利要求1所述的偏头痛患者pfo风险评估及临床决策辅助模型,其特征在于,
6.根据权利要求1所述的偏头痛患者pfo风险评估及临床决策辅助模型,其特征在于,所述pfo筛查优先度等级划分模块用于累加各个特征因子的单因子pfo患病风险等级评分值得到综合因子pfo患病风险等级评分值,如-15~-3分区间/-2~10分区间/11~23分区间/24~36分区间/37~50分区间,查询综合因子pfo患病风险等级评分值所对应的个体pfo患病率及其所处在的区间,如0~20%区间/21~40区间/41~60%区间/61~80%区间/81~100%区间;根据个体pfo患病率区间将诊疗策略划分为:强烈推荐优先筛查pfo/较为推荐优先筛查pfo/考虑优先筛查pfo/低度推荐优先筛查pfo/不推荐优先筛查pfo。
7.一种偏头痛患者pfo风险评估及临床决策辅助方法,其特征在于,包括以下步骤:
8.根据权利要求7所述的偏头痛患者pfo风险评估及临床决策辅助方法,其特征在于,在步骤s1中纳入的偏头痛患者...
【专利技术属性】
技术研发人员:范家宁,张晓春,张峰,林大卫,张蕾,侯士强,张蔚菁,周达新,葛均波,
申请(专利权)人:复旦大学附属中山医院,
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。