[發明專利]一種構建壓力性損傷風險預測模型的裝置及方法

有效

• 申請號: 202110867305.2
• 申請日: 2021-07-29
• 公開（公告）號: CN113593703B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 韓琳;張紅燕;蘇茜;蔣夢瑤
• 申請（專利權）人: 甘肅省人民醫院
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/20;G16H50/70;G06F18/243;G06F18/214;G06F18/27
• 代理公司: 北京海虹嘉誠知識產權代理有限公司 11129
• 代理人: 張濤

1.一種構建壓力性損傷風險預測模型的裝置，其特征在于，包括處理模塊(100)，處理模塊(100)配置為：

對病歷數據進行篩選獲取第一病歷數據；

基于隨機森林模型對第一病歷數據進行分類以獲取造成壓力性損傷的多個第一風險變量；

基于多元邏輯回歸模型對第一病歷數據中的多個第一風險變量進行二元回歸預測以獲取多個第一風險變量之間的關于遞進關系的第一權值；

基于第一權值對第一病歷數據進行劃分形成多個第二病歷數據，并采用隨機森林模型對多個第二病歷數據進行建模以生成多個第一風險預測模型；

處理模塊(100)配置按照如下方式基于第一權值對第一病歷數據進行劃分形成多個第二病歷數據：

基于每個第一風險變量構建遞進關系表；獲取第一權值小于第二閾值的第一風險變量對；基于遞進關系表計算該第一風險變量對所對應的相同的第一風險變量的數量；若相同的第一風險變量的數量超過第三閾值，則尋找下一對第一權值小于第二閾值的第一風險變量對，若相同的第一風險變量的數量小于等于第三閾值，則選擇該第一風險變量對產生其他第一風險量的數量最少的第一風險變量作為孤立的第一風險變量，處理模塊(100)配置為基于第一病歷數據選取包含該孤立的第一風險變量的病歷數據作為第二病歷數據；

在基于第一權值劃分第一病歷數據失敗的情況下，處理模塊(100)配置為：以第一病歷數據中第一風險變量為自變量且第一風險變量之間的關聯程度為因變量建立多元邏輯回歸模型；基于多元邏輯回歸模型獲取多個第一風險變量之間的關聯程度；基于關聯程度對第一病歷數據進行劃分從而生成第二病歷數據。

2.根據權利要求1所述的裝置，其特征在于，處理模塊(100)配置為：

在多個第一風險預測模型進行分類生成多個第二風險變量的情況下，通過多個第一風險預測模型交叉驗證以調整其第二風險變量的個數和表示發生壓力性損傷關聯程度的第二權值。

3.根據權利要求1所述的裝置，其特征在于，處理模塊(100)配置為按照如下方式對病歷數據進行篩選：

檢索病歷數據中入院時的疾病狀況，對入院時發生壓力性損傷的病歷數據進行排除；

獲取入院時未發生壓力性損傷的病歷數據中發生壓力性損傷的第一時間信息；

排除第一時間信息小于第一閾值的入院時未發生壓力性損傷的病歷數據，從而得到第一病歷數據。

4.根據權利要求1所述的裝置，其特征在于，處理模塊(100)配置為按照如下方式構建數據庫：

對病歷數據進行模塊分類并針對每個模塊分配第一鍵值對；

基于第一鍵值對構建第一哈希表；

對模塊內的內容分配第二鍵值對；

基于第二鍵值對構建第二哈希表。

5.根據權利要求1所述的裝置，其特征在于，處理模塊(100)配置為：

以第一病歷數據中第一風險變量為自變量且第一風險變量之間的是否遞進為因變量建立多元邏輯回歸模型；

基于多元邏輯回歸模型獲取多個第一風險變量之間的遞進關系。

6.根據權利要求1所述的裝置，其特征在于，處理模塊(100)配置為：

基于基尼系數作為隨機森林模型的分裂或競爭規則，從而獲取第一風險預測模型的第二風險變量和第二權值，其中，第二權值為基尼系數。