脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法技术

本发明专利技术公开了脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，包括S1，建立训练队列；S2，建立外部验证队列；S3，进行数据提取，使用Navicat Premium软件，且通过结构化查询语言初步获得原始数据，然后对原始数据进行筛选；S4，进行候选变量和预测因子的选择；S5，构建机器学习模型，通过多种机器学习模型分别进行训练和验证；S6，进行模型的开发和比较，确定表现最好的模型作为最终预测模型。本发明专利技术分析了各种机器学习模型在预测SIC患者住院死亡率方面的预测性能，获得具有最高预测准确性的模型，然后在测试队列中评估这个最佳模型，通过该模型预测SIC患者住院死亡率，提供了临床见解，有助于精准患者管理，减少患者死亡率。

【技术实现步骤摘要】

本专利技术涉及机器学习，特别涉及脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法。

技术介绍

1、脓毒症引起的凝血功能障碍(sic)是危重症脓毒症患者中常见且严重的并发症，通常导致不良结局。

2、脓毒症引起的凝血功能障碍在临床上通常表现有弥散性血管内凝血、凝血因子异常、血小板功能障碍、纤维蛋白降解异常以及凝血与纤溶系统失衡，在进行这类疾病的临床治疗过程中，上述凝血功能障碍会显著增加脓毒症患者的住院死亡率，因此在临床管理中需要密切监测患者的凝血功能，及时调整治疗策略，采取适当的干预措施来改善预后，而由于上述功能障碍出现后已经为时已晚，若是不能够提前进行病人临床前行为的预测，则会造成难以避免的情况产生，因此，提出一种脓毒症凝血紊乱患者住院死亡风险预测模型构建方法。

技术实现思路

1、本专利技术的目的在于提供脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，以解决上述
技术介绍
中提出的问题。

2、为实现上述目的，本专利技术提供如下技术方案：脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，所述本文档来自技高网...

【技术保护点】

1.脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，其特征在于，所述构建方法包括以下几个步骤：

2.根据权利要求1所述的脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，其特征在于，所述S1中MIMIC-IV数据库的数据内容为脓毒症患者的临床信息，且所述临床信息包括人口统计数据、生命体征、影像结果、实验室测试、数据字典、包含国际疾病分类代码的文档以及经过ICU护士验证的每小时生理数据。

3.根据权利要求2所述的脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，其特征在于，根据脓毒症引起的凝血功能障碍评分系统，确定符合条件的脓毒症患者是否患有凝血功能障碍，如果患者...

【技术特征摘要】

1.脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，其特征在于，所述构建方法包括以下几个步骤：

2.根据权利要求1所述的脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，其特征在于，所述s1中mimic-iv数据库的数据内容为脓毒症患者的临床信息，且所述临床信息包括人口统计数据、生命体征、影像结果、实验室测试、数据字典、包含国际疾病分类代码的文档以及经过icu护士验证的每小时生理数据。

3.根据权利要求2所述的脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，其特征在于，根据脓毒症引起的凝血功能障碍评分系统，确定符合条件的脓毒症患者是否患有凝血功能障碍，如果患者在icu入院的第一天内总评分大于等于四，且凝血酶原时间国际标准化比值和血小板计数参数的组合评分超过二，则认为患有凝血功能障碍。

4.根据权利要求1所述的脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，其特征在于，所述s3中结构化查询语言用于提取患者信息，包括社会人口学特征、生命体征、实验室结果、并发症和微生物数据。

5.根据权利要求4所述的脓毒症凝血紊乱患者住院死亡风险预测模型的构建方法，其特征在于，所述社会人口学特征内容包括脓毒症患者入院年龄、性别、种族、体重、身高、icu停留时间和首次icu入院时的住院死亡标志；

6.根据权利要求5...

【专利技术属性】
技术研发人员：潘景业，钱松赞，郑瑞，史怡怡，曾晗，
申请(专利权)人：温州医科大学附属第一医院，
类型：发明
国别省市：