[發明專利]基于集成模型的急診患者早期死亡率預測方法及系統

在審

• 申請號: 202110124629.7
• 申請日: 2021-01-29
• 公開（公告）號: CN112967803A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 黃月瑤
• 申請（專利權）人: 成都一堯科技有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 孟仕杰

1.基于集成模型的急診患者早期死亡率預測系統，其特征在于：包括

便攜式健康監測設備和醫療設備終端，所述便攜式健康監測設備和醫療設備終端連接；

患者監控管理系統和電子健康檔案，所述患者監控管理系統和電子健康檔案連接；

中央業務服務器和中央存儲服務器，其中，醫療設備終端和電子健康檔案通過移動互聯網與基于集成模型的急診患者早期死亡率預測系統連接；

數據載入模塊，用于導入采集到的急診患者入住期間各項生理指標測量值，所述數據載入模塊通過兩種方式導入數據，其一為導入便攜式健康監測設備采集的原始數據文件，其二為將基于集成模型的急診患者早期死亡率預測系統作為子系統，集成在醫院使用的患者健康管理系統中；

數據預處理模塊，用于導入的原始數據進行數據清洗、特征編碼和規范化；

特征構建與選擇模塊，針對不同類型數據，挖掘并構建有效的數據特征，刪除冗余特征，提取出最終預測特征；

模型構建與更新模塊，用于完成集成模型訓練和更新，如果樣本出現類別不平衡問題，首先采用SMOTE方法對少樣本類別進行過采樣，然后再構建集成模型預測急診患者早期死亡率，所述集成模型采用指數加權平均的處理方式，集成了LightGBM、XGBoost和CatBoost三個基于決策樹的子模型；

患者預測模塊，利用訓練好的集成模型進行預測，并統計預測結果；

患者排序模塊，對急診患者進行實時預測，并將各個患者按照危急程度進行排序；

患者預警模塊，根據患者排序模塊的結果，對高風險、波動劇烈的患者及時發出預警，通知醫護人員采取相應措施。

2.基于集成模型的急診患者早期死亡率預測方法，其特征在于：包括如下步驟：

步驟一、采集急診患者入住期間的各項生理指標測量值，并對獲得的原始數據進行預處理，提取預測指標，所述步驟一具體包括如下步驟：

S11：從多個維度采集急診患者從入住到出院或者死亡整個住院期間的各項生理指標測量值，所述各項生理指標主要包括人口統計學信息、生命體征和病理測驗；

S12：對獲得的原始數據進行數據清洗，包括統一數據格式，刪除重復記錄，填充缺失數據和處理異常值；

S13：對非數值類預測指標進行編碼，并對編碼后的所有變量進行規范化；

步驟二、挖掘并構建有效數據特征，刪除冗余特征，所述步驟二具體包括如下步驟：

S21、特征構建，從急診患者各項生理指標測量值構建相關預測特征，作為集成模型后續輸入變量；

S22：特征選擇，預測特征選擇與患者早期死亡率最相關的特征，刪除冗余的預測特征；

步驟三、處理數據類別不平衡問題；

步驟四、構建集成模型，并利用集成模型預測急診患者早期死亡率；

步驟五、統計預測結果。

3.根據權利要求2所述的基于集成模型的急診患者早期死亡率預測方法，其特征在于：所述步驟S11進一步包括：

所述人口統計學信息包括性別、年齡、入院時間、出院時間和死亡時間，所述生命體征包括體溫、心率、呼吸率、收縮壓、舒張壓和氧飽和度，所述病理測驗包括血常規、生化測試、凝血功能、尿鈉肽和心肌標志物。

4.根據權利要求2所述的基于集成模型的急診患者早期死亡率預測方法，其特征在于：所述步驟S12進一步包括：

采用相鄰時刻的非空值來插補高采樣時序數據的缺失值，采用均值來插補低采樣數據的缺失值；同時利用箱型圖可視化各個指標的分位數，用正常范圍的最大值、最小值來替代超出上、下界分位數的異常值。

5.根據權利要求2所述的基于集成模型的急診患者早期死亡率預測方法，其特征在于：所述步驟S13進一步包括：

對非數值類預測指標分別進行one-hot編碼，得到相應的數值變量；然后對所有數值變量采用min-max歸一化方法，保留0～1相同數值范圍，具體公式為：