[發明專利]術后不良結局風險的預測模型的構建方法

在審

• 申請號: 202110752542.4
• 申請日: 2021-07-03
• 公開（公告）號: CN113436740A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 李剛;王曉曉;李義
• 申請（專利權）人: 北京大學第三醫院（北京大學第三臨床醫學院）
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06Q10/04
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 何爽

1.術后不良結局風險的預測模型的構建方法，其特征在于，包括：

獲取預設數量手術患者的歷史數據；所述歷史數據包括每個患者手術過程中的組織氧飽和度數據和每個患者對應的術后結局，所述術后結局包括正常結局和不良結局；

根據所述歷史數據得到每個患者的非線性動力學特征和標準屬性；其中，所述非線性動力學特征包括關聯維數、李雅普諾夫指數和樣本熵三種指標；

根據所述非線性動力學特征確定患者的關聯非線性動力學特征，并建立包括預設數量手術患者所述關聯非線性動力學特征、所述標準屬性和所述術后結局的樣本數據集；其中，樣本數據集包括每個手術患者的樣本數據；

利用所述樣本數據集，基于logistic回歸模型構建術后不良結局的預測模型。

2.根據權利要求1所述的構建方法，其特征在于，所述根據所述非線性動力學特征確定患者的關聯非線性動力學特征，包括：

根據所述術后結局對所述關聯維數、所述李雅普諾夫指數和所述樣本熵進行分類，得到關于每項所述指標的正常集和不良集；

分別對每項指標的所述正常集和所述不良集進行t檢驗，分析對應指標與所述不良結局的相關性；其中，所述相關性包括相關和無關；

根據所述指標與所述不良結局的相關性，選取某一指標作為所述關聯非線性動力學特征。

3.根據權利要求2所述的構建方法，其特征在于，所述分別對每項所述指標的所述正常集和所述不良集進行t檢驗，分析對應指標與所述不良結局的相關性，包括：

分別計算所述正常集α的平均值和方差以及所述不良集β的平均值和方差；

根據所有所述平均值和所述方差計算檢驗統計量t；

根據所述檢驗統計量t和t界值表，得到所述正常集α和所述不良集β的p值；

根據所述p值分析所述指標與所述不良結局的相關性；若所述p值小于預設標準值，所述指標與所述不良結局相關。

4.根據權利要求2所述的構建方法，其特征在于，所述根據所述指標與所述不良結局的相關性，選取某一指標作為所述關聯非線性動力學特征，包括：

當僅有一個所述指標與所述不良結局相關時，選擇對應指標作為所述關聯非線性動力學特征；

當有多個所述指標與所述不良結局相關時，若所述樣本熵與所述不良結局相關，選擇所述樣本熵作為所述關聯非線性動力學特征；

若所述樣本熵與所述不良結局無關，分別將所述關聯維數和所述李雅普諾夫指數作為所述關聯非線性動力學特征建立預測模型；

根據兩個所述指標對應的所述預測模型和所述第一數據，計算得到兩個所述指標對應的所述預測模型的正確率；

選取所述正確率更高的所述預測模型對應的所述指標作為所述關聯非線性動力學特征。

5.根據權利要求1所述的構建方法，其特征在于，所述根據所述第一數據，采用logistic回歸構建術后不良結局的預測模型，包括：

建立logistic回歸模型，logistic回歸模型為其中，β₀至β₇為參量估計值，X₁至X₇為自變量；

使用最大似然估計的方法計算所述參量估計值；

使用似然比檢驗的方法確定是否保留對應的所述自變量和所述參量估計值；

對所述logistic回歸模型進行擬合優度檢驗，若擬合優度較好，將所述參量估計值代入所述logistic回歸模型得到所述預測模型；若擬合優度較差，重新建立所述logistic回歸模型。