[發明專利]上尿路損害風險預測方法、裝置與計算機可讀存儲介質

在審

• 申請號: 201810842990.1
• 申請日: 2018-07-27
• 公開（公告）號: CN108847289A
• 公開（公告）日: 2018-11-20
• 發明（設計）人: 方蘅英;王巧瑞;蔡文智
• 申請（專利權）人: 方蘅英
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 顏希文;麥小嬋

1.一種上尿路損害風險預測方法，其特征在于，包括：

將預先采集的神經源性膀胱患者的醫療數據進行數據篩選和特征提取，獲取上尿路損害對應的影響因子，所述影響因子包括：是否發生上尿路損害、性別、年齡、泌尿系感染病史、膀胱管理方式、保守治療方法、尿流動力學指標；

對所述影響因子進行回歸分析，建立logistic回歸模型并獲得所述logistic回歸模型對應的第一預測概率；

對所述影響因子進行分類回歸樹分析，建立決策樹模型并獲得所述決策樹模型對應的第二預測概率；

以所述第一預測概率為分析變量，所述影響因子中的是否發生上尿路損害為分類變量，構建所述logistic回歸模型對應的ROC曲線；

以所述第二預測概率為分析變量，所述影響因子中的是否發生上尿路損害為分類變量，構建所述決策樹模型對應的ROC曲線；

從所述logistic回歸模型對應的ROC曲線、所述決策樹模型對應的ROC曲線中選取預測準確度以及下面積較高的ROC曲線對應的模型，建立神經源性膀胱上尿路損害風險預測模型；

根據待預測目標的性別、尿道功能、最大膀胱壓力值、最大腹壓值以及所述神經源性膀胱上尿路損害風險預測模型，獲得所述待預測目標的神經源性膀胱上尿路損害的風險預測結果。

2.如權利要求1所述的上尿路損害風險預測方法，其特征在于，所述對所述影響因子進行回歸分析，建立logistic回歸模型并獲得所述logistic回歸模型對應的第一預測概率，具體包括：

以是否發生上尿路損害為因變量，以性別、年齡、泌尿系感染病史、膀胱管理方式、保守治療方法、尿流動力學指標為自變量，采用偏最大似然估計前進法進行回歸分析，建立所述logistic回歸模型；

采用似然比檢驗法對所述logistic回歸模型進行檢驗；

獲取檢驗后的所述logistic回歸模型的預測概率，作為所述第一預測概率。

3.如權利要求1所述的上尿路損害風險預測方法，其特征在于，所述對所述影響因子進行分類回歸樹分析，建立決策樹模型并獲得所述決策樹模型對應的第二預測概率，具體包括：

以是否發生上尿路損害為因變量，以性別、年齡、泌尿系感染病史、膀胱管理方式、保守治療方法、尿流動力學指標為自變量，采用分類回歸樹法進行分類回歸樹分析，建立所述決策樹模型；

以靈敏度、特異度、陽性預測價值、陰性預測價值和準確度作為所述決策樹模型中內部驗證的預測價值，采用Kappa一致性分析對所述決策樹模型的預測概率進行檢驗，并對所述決策樹模型進行交叉驗證；

獲得驗證后的所述決策樹模型的預測概率，作為所述第二預測概率。

4.如權利要求2所述的上尿路損害風險預測方法，其特征在于，基于統計軟件SPSSversion 20.0，采用偏最大似然估計前進法進行回歸分析，建立所述logistic回歸模型。

5.如權利要求3所述的上尿路損害風險預測方法，其特征在于，基于軟件MedCalcVersion17.8.6，采用分類回歸樹法進行分類回歸樹分析，建立所述決策樹模型。