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】
本申请涉及医疗信息处理,特别是涉及一种脓毒症急性肝损伤风险预测方法、装置、设备及存储介质。
技术介绍
1、脓毒症(sepsis)是宿主对感染的反应失调,导致危及生命的器官功能障碍。脓毒症可以由任何部位的感染引起,可见于呼吸系统、胃肠道、胆道系统、泌尿系统感染和皮肤软组织等。脓毒症具有发病率高、病死率高、医疗花费高的“三高”特点是重症监护病房常见的死亡原因之一。
2、流行病学调查数据显示,2017年全球脓毒症患者约4900万例,其中与脓毒症相关的死亡为1100万例,约占全球死亡总数的20%[2]。亚洲地区入住重症监护病房(intensivecare unit,icu)的患者中,脓毒症患者约为22.4%,其90天的住院病死率为36.6%,
3、肝脏是脓毒症最常见的损伤器官,脓毒症早期即可出现肝损伤等肝功能能障碍,急性肝功能损伤可直接导致脓毒症进展和死亡。脓毒症相关急性肝损伤发生率约为30%,其病死率高达60%。急性肝损伤会严重影响脓毒症患者的预后,是重症监护室病死率的独立预测指标。如果能在脓毒症发病初期早识别、及时干预和治疗,可阻断急性肝损伤的发生,将有助于改善预后。目前尚缺乏早期预测和识别脓毒症相关急性肝损伤高危人群的临床预测工具。
技术实现思路
1、为解决上述技术问题,本申请提供一种脓毒症急性肝损伤风险预测方法、装置、设备及存储介质,能够帮助医生快速、准确区分高风险患者和低风险患者,为脓毒症患者的临床诊断和治疗提供技术支持。
2、本申请的第一个目
3、本申请的上述申请目的一是通过以下技术方案得以实现的:
4、一种脓毒症急性肝损伤风险预测方法,所述方法包括如下步骤:
5、s1,采集多名脓毒症患者的临床指标数据,其中,所述临床指标数据包括患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据,所述患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据均包括至少一种临床指标;
6、s2,对采集的所述临床指标数据进行预处理,得到脓毒症相关急性肝损伤样本数据集;
7、s3,对所述脓毒症相关急性肝损伤样本数据集进行回归分析,得到脓毒症相关急性肝损伤风险预测模型;
8、s4,将待预测的脓毒症患者的24小时内的临床指标数据输入到所述脓毒症相关急性肝损伤风险预测模型,得到所述待预测的脓毒症患者发生脓毒症相关急性肝损伤的概率;
9、s5,基于所述待预测的脓毒症患者发生脓毒症相关急性肝损伤的概率确定所述待预测的脓毒症患者对应的脓毒症相关急性肝损伤风险等级。
10、优选地,
11、所述患者基本信息包括以下一种或多种临床指标:
12、年龄、性别、icu停留时间、总住院天数、有无糖尿病或高血压、有无吸烟史、有无饮酒史;
13、所述患者确诊脓毒症后24小时内的临床诊疗数据包括如下一种或多种临床指标:
14、感染部位、急性生理学与慢性健康状况评分、序贯器官衰竭评分、是否使用血管活性药及利尿剂、是否合并多器官功能障碍综合征、是否进行机械通气治疗及连续肾脏代替治疗;
15、所述患者确诊脓毒症后24小时内的临床血液检查数据包括如下一种或多种血液检查数据:
16、血清生化指标检查数据、凝血六项检查数据、血常规检查数据、感染指标检查数据,其中,
17、每种所述血液检查数据包括多种临床指标。
18、优选地,步骤s2中,所述对采集的所述临床指标数据进行预处理,得到脓毒症相关急性肝损伤样本数据集包括:
19、s21,基于采集的所述多名脓毒症患者的临床指标数据中的患者确诊脓毒症后24小时内的临床血液检查数据和预设的脓毒症相关急性肝损伤判断标准,判断各脓毒症患者是否存在脓毒症相关急性肝损伤,得到各脓毒症患者的脓毒症相关急性肝损伤判断结果,其中,所述各脓毒症患者的脓毒症相关急性肝损伤判断结果用于表征对应的脓毒症患者是否存在脓毒症相关急性肝损伤;
20、s22,基于各脓毒症患者的脓毒症相关急性肝损伤判断结果对各名脓毒症患者的临床指标数据进行标记,得到所述脓毒症相关急性肝损伤样本数据集,其中,
21、所述脓毒症相关急性肝损伤样本数据集包括多组临床指标样本数据,所述多组临床指标样本数据与所述多名脓毒症患者一一对应,且每一组所述临床指标样本数据均标记有所述脓毒症相关急性肝损伤判断结果。
22、优选地,步骤s3中,所述对所述脓毒症相关急性肝损伤样本数据集进行回归分析,得到脓毒症相关急性肝损伤风险预测模型包括:
23、s31,将是否存在脓毒症相关急性肝损伤作为结果变量,将所述脓毒症相关急性肝损伤样本数据集的各种临床指标作为自变量,对所述脓毒症相关急性肝损伤样本数据集进行单因素logistic回归分析,得到脓毒症相关急性肝损伤风险对应的影响因子和各影响因子对应的p值;
24、s32,将所述影响因子中p值小于0.05的影响因子筛选出来作为脓毒症急性肝损伤风险预测因子;
25、s33,对所述脓毒症急性肝损伤风险预测因子进行多因素logistic回归分析,得到所述脓毒症相关急性肝损伤风险预测模型;
26、相应地,步骤s4中,所述将待预测的脓毒症患者的24小时内的临床指标数据输入到所述脓毒症相关急性肝损伤风险预测模型,得到所述待预测的脓毒症患者发生脓毒症相关急性肝损伤的概率包括:
27、将待预测的脓毒症患者的24小时内的临床指标数据中所述脓毒症急性肝损伤风险预测因子对应的临床指标输入到所述脓毒症相关急性肝损伤风险预测模型,得到所述待预测的脓毒症患者发生脓毒症相关急性肝损伤的概率。
28、优选地,
29、所述脓毒症相关急性肝损伤风险对应的影响因子包括如下临床指标:
30、呼吸频率、是否进行连续肾脏代替治疗、序贯器官衰竭评分、急性生理学与慢性健康状况评分、降钙素原、乳酸、pt百分活动度、凝血酶原时间、活化部分凝血活酶时间、凝血活酶时间、d-二聚体、氧合指数、天门冬氨酸转氨酶、丙氨酸氨基转移酶、谷草转氨酶与谷丙转氨酶的比值、血肌酐、血小板、γ-谷氨酰转移酶、胱抑素c、β2微球蛋白和egfr;
31、所述脓毒症急性肝损伤风险预测因子包括如下临床指标:
32、序贯器官衰竭评分、pt百分活动度、谷草转氨酶与谷丙转氨酶的比值和γ-谷氨酰转移酶。
33、优选地,所述脓毒症相关急性肝损伤风险预测模型如下:
34、脓毒症相关急性肝损伤发生概率=1/(1+exp(-(-4.7327+0.1720*sofa-0.0113*pt%+0.0190*ast/alt+0.0031*γ-gt)))
35、其中,exp()函数表示以自然常数e为底的指数函数,sof本文档来自技高网...
【技术保护点】
1.一种脓毒症急性肝损伤风险预测方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的脓毒症急性肝损伤风险预测方法,其特征在于:
3.根据权利要1或2所述的脓毒症急性肝损伤风险预测方法,其特征在于,步骤S2中,所述对采集的所述临床指标数据进行预处理,得到脓毒症相关急性肝损伤样本数据集包括:
4.根据权利要求1所述的脓毒症急性肝损伤风险预测方法,其特征在于,步骤S3中,所述对所述脓毒症相关急性肝损伤样本数据集进行回归分析,得到脓毒症相关急性肝损伤风险预测模型包括:
5.根据权利要求4所述的脓毒症急性肝损伤风险预测方法,其特征在于:
6.根据权利要求5所述的脓毒症急性肝损伤风险预测方法,其特征在于,所述脓毒症相关急性肝损伤风险预测模型如下:
7.根据权利要求4-6任一项所述的脓毒症急性肝损伤风险预测方法,其特征在于,在步骤S3之后,所述方法还包括如下步骤:
8.一种脓毒症急性肝损伤风险预测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,包括存储器、处理器以及存储
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的脓毒症急性肝损伤风险预测方法的步骤。
...【技术特征摘要】
1.一种脓毒症急性肝损伤风险预测方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的脓毒症急性肝损伤风险预测方法,其特征在于:
3.根据权利要1或2所述的脓毒症急性肝损伤风险预测方法,其特征在于,步骤s2中,所述对采集的所述临床指标数据进行预处理,得到脓毒症相关急性肝损伤样本数据集包括:
4.根据权利要求1所述的脓毒症急性肝损伤风险预测方法,其特征在于,步骤s3中,所述对所述脓毒症相关急性肝损伤样本数据集进行回归分析,得到脓毒症相关急性肝损伤风险预测模型包括:
5.根据权利要求4所述的脓毒症急性肝损伤风险预测方法,其特征在于:
6.根据权利要求5所述的脓毒症急性肝损伤风险预测方法,其特征在...
【专利技术属性】
技术研发人员:刘冬梅,潘菁,邵慧娟,刘东,马璐妹,齐敏君,
申请(专利权)人:中国人民解放军联勤保障部队第九四〇医院,
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。