[發明專利]一種高血壓預測模型的構建方法和系統

有效

• 申請號: 202110606139.0
• 申請日: 2021-05-31
• 公開（公告）號: CN113257421B
• 公開（公告）日: 2023-09-15
• 發明（設計）人: 李平;陳伯懷
• 申請（專利權）人: 吾征智能技術（北京）有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 嚴超

1.一種高血壓預測模型的構建方法，其特征在于，所述構建方法包括：

基于統計學方法篩選確定所述高血壓預測模型的特征變量；

將所述特征變量作為因素，確定各個所述特征變量的回歸系數及對應分值；

根據各個所述特征變量的回歸系數及對應分值構建高血壓預測的多因素Logistic回歸模型，所述多因素Logistic回歸模型為各個所述特征變量對應的高血壓風險預測概率值函數；

所述高血壓風險預測概率值函數為：

其中，i和N分別表示特征變量的序號和總數量，的值為β+βi*Wij+B*S，βi表示第i個特征變量的回歸系數，Wij表示根據第i個特征變量的值確定的參考值，B為根據回歸系數及參考值變化率設定的常數，S表示各個特征變量的對應分值的總和；

確定所述參考值Wij的方法包括：

對各個特征變量的值進行分組；

所述特征變量為數值變量時，根據所述特征變量的數值范圍設置各個分段范圍的分組，每個分組中選擇中間值為參考值Wij；

所述特征變量為分類變量時，根據所述特征變量的類型設置為兩個分組，兩個分組的所述參考值Wij為0或1；

第i個特征變量的對應分值Pointsij的確定方法包括：

選擇作為基礎風險參考值WiREF的特征變量的分組；

結合回歸系數βi，計算各個特征變量的分組與所述基礎風險參考值WiREF之間的距離D＝(Wij-WiREF)*βi；

確定常數B＝x*βi，x表示所述特征變量的分組的間隔；

計算第i個特征變量的對應分值Pointsij＝D/B＝(Wij-WiREF)*βi/B。

2.根據權利要求1所述的構建方法，其特征在于，所述篩選確定所述高血壓預測模型的特征變量的過程包括：確定影響高血壓患病的變量，根據二元Logistic回歸方法進行相關性分析，得到各個所述變量的隱狀態P值，選擇P值小于設定閾值的所述變量作為所述特征變量。

3.根據權利要求1或2所述的構建方法，其特征在于，所述特征變量包括：年齡、性別、吸煙、運動、高血壓家族史、BMI、糖尿病、收縮壓和舒張壓。

4.根據權利要求1所述的構建方法，其特征在于，所述構建方法還包括：對高血壓發病風險按照各個分值對應的概率大小進行分層，分層包括高危、中危和低危。

5.一種高血壓預測模型的構建系統，其特征在于，所述構建系統包括：特征變量篩選模塊、特征變量參數計算模塊和模型構建模塊；

特征變量篩選模塊，用于基于統計學方法篩選確定所述高血壓預測模型的特征變量；

特征變量參數計算模塊，用于將所述特征變量作為因素，確定各個所述特征變量的回歸系數及對應分值；

模型構建模塊，用于根據各個所述特征變量的回歸系數及對應分值構建高血壓預測的多因素Logistic回歸模型，所述多因素Logistic回歸模型為各個所述特征變量對應的高血壓風險預測概率值函數；

所述高血壓風險預測概率值函數為：

其中，i和N分別表示特征變量的序號和總數量，的值為β+βi*Wij+B*S，βi表示第i個特征變量的回歸系數，Wij表示根據第i個特征變量的值確定的參考值，B為根據回歸系數及參考值變化率設定的常數，S表示各個特征變量的對應分值的總和；

確定所述參考值Wij的方法包括：

對各個特征變量的值進行分組；

所述特征變量為數值變量時，根據所述特征變量的數值范圍設置各個分段范圍的分組，每個分組中選擇中間值為參考值Wij；

所述特征變量為分類變量時，根據所述特征變量的類型設置為兩個分組，兩個分組的所述參考值Wij為0或1；

第i個特征變量的對應分值Pointsij的確定方法包括：

選擇作為基礎風險參考值WiREF的特征變量的分組；

結合回歸系數βi，計算各個特征變量的分組與所述基礎風險參考值WiREF之間的距離D＝(Wij-WiREF)*βi；

確定常數B＝x*βi，x表示所述特征變量的分組的間隔；

計算第i個特征變量的對應分值Pointsij＝D/B＝(Wij-WiREF)*βi/B。