[發明專利]心臟病妊娠患者分娩前新生兒風險預測方法、系統及介質

有效

• 申請號: 201910092877.0
• 申請日: 2019-01-30
• 公開（公告）號: CN109754884B
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 宋坤;褚然;譙旭;姚舒;孔北華
• 申請（專利權）人: 山東大學齊魯醫院
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

本公開公開了心臟病妊娠患者分娩前新生兒風險預測方法、系統及介質，包括：將預先采集的先天性心臟病妊娠患者及其新生兒的醫療數據進行數據篩選和特征提取，獲取分娩風險對應的影響因子；對影響因子進行單因素logistic回歸分析，將概率值p小于設定閾值的所有變量均篩選出來；對篩選出的所有變量進行多因素logistic回歸分析，建立logistic回歸模型；將待預測患者的左心室射血分數、左心房直徑、左心室直徑、升主動脈內徑、主肺動脈內徑、肺動脈收縮壓與肺動脈平均壓輸入到將logistic回歸模型中，獲得待預測目標的分娩前新生兒風險評估結果。

技術領域

本公開涉及心臟病妊娠患者分娩前新生兒風險預測方法、系統及介質。

背景技術

本部分的陳述僅僅是提到了與本公開相關的背景技術，并不必然構成現有技術。

先天性心臟病患者通常存在血氧飽和度低、心功能差等特點，在妊娠的狀態下，隨著孕周的增加，發生心功能下降、心力衰竭等嚴重心臟并發癥的概率極高。在這種狀態下，胎兒存在一個相對低血氧飽和度的狀態，并且隨著母親病情的加重，隨時存在早產的風險，因此新生兒在出生后發生不良并發癥的概率極高，危及生命安全。

現有的心臟病妊娠患者分娩前新生兒風險預測一般是根據醫生的工作經驗，而通過工作經驗來判斷新生兒風險存在如下缺陷：由于心臟病發生原因及機制相當復雜，醫生的工作經驗具有主觀性，新生兒風險預測的難度較大、分析效率較低、估計準確度較低。

發明內容

為了解決現有技術的不足，本公開提供了心臟病妊娠患者分娩前新生兒風險預測方法、系統及介質，其具有有效降低先天性心臟病妊娠患者分娩前新生兒風險評估的難度，提高分析的準確率和預測的準確度的效果；

第一方面，本公開提供了心臟病妊娠患者分娩前新生兒風險預測方法；

心臟病妊娠患者分娩前新生兒風險預測方法，包括：

將預先采集的先天性心臟病妊娠患者及其新生兒的醫療數據進行數據篩選和特征提取，獲取分娩風險對應的影響因子；所述影響因子，包括：是否發生新生兒不良事件、分娩時患者年齡、孕產史、先天性心臟病類型、既往治療史、紐約心功能分級、心電圖、心臟彩超結果、血液檢查結果、心臟不良事件、產科并發癥、分娩孕周、分娩方式、新生兒Apager評分以及新生兒體重；

對影響因子進行單因素logistic回歸分析，將概率值p小于設定閾值的所有變量均篩選出來；

對篩選出的所有變量進行多因素logistic回歸分析，建立logistic回歸模型；

將待預測患者的左心室射血分數、左心房直徑、左心室直徑、升主動脈內徑、主肺動脈內徑、肺動脈收縮壓與肺動脈平均壓輸入到將logistic回歸模型中，獲得待預測目標的分娩前新生兒風險評估結果。

優選地，建立logistic回歸模型，同時還獲得所述logistic回歸模型對應的預測概率；

以所述預測概率為分析變量，所述影響因子中是否發生新生兒不良事件為分類變量，構建所述logistic回歸模型對應的ROC曲線；

如果ROC曲線的下面積大于設定閾值，則表示logistic回歸模型預測能力滿足要求，輸出logistic回歸模型；

如果ROC曲線的下面積小于等于設定閾值，則表示logistic回歸模型的預測能力不滿足要求，則返回將預先采集的先天性心臟病妊娠患者及其新生兒的醫療數據進行數據篩選和特征提取，獲取分娩風險對應的影響因子步驟。

所述ROC曲線的下面積，是指，ROC曲線、X軸所在直線、Y軸所在直線、ROC曲線上不與Y軸連接的端點到X軸垂線，這四條線所圍成區域的面積。

ROC曲線有兩個端點，其中一個端點與Y軸連接；另外一個端點不與Y軸連接。