一种心衰患者的远期预后预测系统的制作方法

1.本发明涉及医疗卫生技术领域，具体涉及一种心衰患者的远期预后预测系统。


背景技术：

2.心衰是各类心血管疾病的严重阶段，发病率较高，据估算我国目前心衰人数超过890万，而且心衰总体预后较差，具有高住院率、高病死率特点。研发心衰预后模型对于科学管理心衰，降低不良预后有重要作用。
3.现有技术中，已存在有通过对患者采集相关指标，来对患者预后进行预测的技术方案。比如，西雅图心衰模型是一种典型的对心衰患者进行生存概率进行评估的方案。该方案通过采集年龄、性别、纽约心功能分级、体重、左室射血分数等24项变量构建多变量cox比例风险模型，实现了对患者的生存率的量化分析。
4.但是，在实际实施过程中，发明人发现，上述方案基于24项变量实现，涉及的变量较多，需要采集和录入的信息较多，导致在临床过程中耗时较长的问题。


技术实现要素：

5.针对现有技术中存在的上述问题，现提供一种心衰患者的远期预后预测系统。
6.具体技术方案如下：
7.一种心衰患者的远期预后预测系统，包括：
8.指标采集模块，所述指标采集模块对待预测患者采集多个预测指标；
9.风险预测模块，所述风险预测模块连接所述指标采集模块，所述风险预测模块根据所述预测指标生成风险总分；
10.列线图绘制模块，所述列线图绘制模块连接所述风险预测模块，所述列线图绘制模块根据所述风险总分生成列线图；
11.所述列线图用于表征所述待预测患者于多个时间点上的生存概率。
12.另一方面，所述预测指标包括年龄、房颤病史、pci病史、糖尿病病史、峰值耗氧量、运动试验恢复期8分钟心率、c反应蛋白、尿酸。
13.另一方面，所述远期预后预测系统还包括变量筛选模块，所述变量筛选模块包括：
14.变量存储模块，所述变量存储模块中预先存储有多个待筛选变量；
15.历史数据存储模块，所述历史数据存储模块中预先存储有多组患者病历；
16.相关性生成模块，所述相关性生成模块分别连接所述变量存储模块和所述历史数据存储模块，所述相关性生成模块根据所述患者病历分别生成每个所述待筛选变量与所述心衰患者的所述生存概率的相关性；
17.筛选模块，所述筛选模块连接所述相关性生成模块，所述筛选模块根据所述相关性对所述待筛选变量进行提取，得到所述预测指标。
18.另一方面，所述相关性生成模块包括：
19.预筛选模块，所述预筛选模块接收所述待筛选变量，所述预筛选模块对所述待筛
选变量剔除无关变量，以得到预筛选变量；
20.分析模块，所述分析模块连接所述预筛选模块，所述分析模块根据所述患者病历对所述预筛选变量进行回归分析，得到所述预筛选变量与所述生存概率的所述相关性。
21.另一方面，所述风险预测模块采用以下方法生成所述风险总分：
[0022][0023]
式中，score为所述风险总分，age为所述年龄，af为所述房颤病史，af＝[0,1]，pci为所述pci病史，af＝[0,1]，dm为所述糖尿病病史，af＝[0,1]，peakvo2为所述峰值耗氧量，hr 8min为所述运动试验恢复期8分钟心率，crp为所述c反应蛋白，ua为所述尿酸。
[0024]
另一方面，所述列线图绘制模块基于以下方法生成所述列线图中，随时间变化的生存概率曲线；
[0025]
h(t)＝h0(t)exp(score-6.916)；
[0026]
式中，h(t)为所述生存概率曲线，h0(t)为对应于第t个时间点上的基准危险率，score为所述风险总分。
[0027]
另一方面，所述列线图绘制模块包括：
[0028]
基准危险率存储模块，所述基准危险率存储模块中预先存储有对应于所述时间点的所述基准危险率；
[0029]
曲线生成模块，所述曲线生成模块连接所述基准危险率存储模块，所述曲线生成模块根据所述基准危险率和所述风险总分生成所述生存概率曲线；
[0030]
绘图模块，所述绘图模块连接所述曲线生成模块，所述绘图模块依照所述生存概率曲线生成所述列线图并显示。
[0031]
另一方面，所述时间点包括1年、3年、5年和10年。
[0032]
上述技术方案具有如下优点或有益效果：
[0033]
针对现有技术中的预测模型采集变量较多的问题，本方案通过对相关临床数据进行回归性分析，进一步筛选出与心衰患者远期预后最为相关的8个预测指标，并依照这8个预测指标重新构建回归模型，用于计算患者的风险总分，并绘制用于表征生存概率的列线图，实现了对患者的远期预后较好的预测效果，同时简化了临床中需要采集的指标，提高了效率。
附图说明
[0034]
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
[0035]
图1为本发明实施例的整体示意图；
[0036]
图2为本发明实施例中变量筛选模块示意图；
[0037]
图3为本发明实施例中相关性生成模块示意图；
[0038]
图4为本发明实施例中列线图绘制模块示意图。
具体实施方式
[0039]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0040]
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0041]
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
[0042]
本发明包括：
[0043]
一种心衰患者的远期预后预测系统，如图1所示，包括：
[0044]
指标采集模块1，指标采集模块1对待预测患者采集多个预测指标；
[0045]
风险预测模块2，风险预测模块2连接指标采集模块1，风险预测模块2根据预测指标生成风险总分；
[0046]
列线图绘制模块3，列线图绘制模块3连接风险预测模块1，列线图绘制模块3根据风险总分生成列线图；
[0047]
列线图用于表征待预测患者于多个时间点上的生存概率。
[0048]
预测指标包括年龄、房颤病史、pci病史、糖尿病病史、峰值耗氧量、运动试验恢复期8分钟心率、c反应蛋白、尿酸。
[0049]
具体地，针对现有技术中的预测模型需要采集较多的变量，导致效率较低的问题，本实施例中，通过对相关临床数据进行回归性分析，进一步筛选出与心衰患者远期预后最为相关的8个预测指标，并依照这8个预测指标重新构建回归模型，用于在风险预测模块2中计算患者的风险总分，并通过列线图绘制模块3绘制用于表征生存概率的列线图，实现了对患者的远期预后较好的预测效果，同时简化了临床中指标采集模块1需要采集的指标，提高了效率。
[0050]
在实施过程中，上述远期预后预测系统作为一个软件实施例设置在计算机设备中，其依照软件载体可以分为院内电子信息系统、小程序、网页计算器或其他等同的具有输入输出功能的计算机程序。该计算机程序能够通过相关接口接收输入的参数，并输出列线图，以及对应的各时间点上的生存概率和风险总分。其中，年龄、房颤病史、pci病史、糖尿病病史这些指标可通过对待预测患者的电子病历进行采集、对待预测患者进行问诊获得。峰值耗氧量和运动试验恢复期8分钟心率可依照现有技术中的“心肺运动试验”方法进行采集获得，具体来说，该过程主要依赖踏车和呼吸气体分析仪进行，将心衰患者设置在踏车上进行运动负荷测试，并实时采集患者的呼吸气体，从而确定峰值耗氧量，以及，运动试验停止后恢复期8分钟心率。c反应蛋白、尿酸可通过血检获得。通过对上述变量的选取来实现对整体测试过程的简化。
[0051]
在一个实施例中，如图2所示，远期预后预测系统还包括变量筛选模块4，变量筛选模块4包括：
[0052]
变量存储模块41，变量存储模块41中预先存储有多个待筛选变量；
[0053]
历史数据存储模块42，历史数据存储模块42中预先存储有多组患者病历；
[0054]
相关性生成模块43，相关性生成模块43分别连接变量存储模块41和历史数据存储模块42，相关性生成模块43根据患者病历分别生成每个待筛选变量与心衰患者的生存概率的相关性；
[0055]
筛选模块44，筛选模块44连接相关性生成模块43，筛选模块44根据相关性对待筛选变量进行提取，得到预测指标。
[0056]
具体地，针对现有技术中的心衰预测模型需要采集的变量数量较多，效率低下的问题，本实施例中，通过在变量存储模块41中预先存储多个待筛选变量，在历史数据存储模块42中预先存储多组患者病历，随后，通过相关性生成模块43根据患者病历分别生成待筛选变量与心衰患者的生存概率的相关性，进而使得筛选模块44根据相关性筛选得到预测指标。
[0057]
在实施过程中，待筛选变量主要是依照心衰患者会采集的所有指标进行确定，在一个实施例中，包括90个变量，比如一般信息包括年龄、身高、体重、bmi等，基础心脏病如cad、hbp、af等，其他相关病史如dm、高脂血症等，cpet指标如peak vo2、petco2等，实验室检查如血脂、血钾等，hf治疗药物如acei、arb、arni等。
[0058]
在一个实施例中，如图3所示，相关性生成模块43包括：
[0059]
预筛选模块431，预筛选模块431接收待筛选变量，预筛选模块431对待筛选变量剔除无关变量，以得到预筛选变量；
[0060]
分析模块432，分析模块432连接预筛选模块431，分析模块432根据患者病历对预筛选变量进行回归分析，得到预筛选变量与生存概率的相关性。
[0061]
具体地，针对现有技术中，对心衰患者采集的变量相对较多的问题，本实施例中，在相关性生成模块43中，依次设置了预筛选模块431和分析模块432，其中，预筛选模块431中通过lasso回归方法对变量的维度进行了压缩，去除了显著无关的变量。在上述采用了90个待筛选变量的实施例中，通过lasso回归方法可以对大部分变量进行去除，仅保留14个变量，包括age，af，mi，pci，dm，height，peak vo2，hr8min，peak dbp，crp，bnp，tni，ua。随后，分析模块432对预筛选变量进行单因素和多因素cox回归分析，从而确定了每个变量的相关性。当确定相关性后，筛选模块44能够依照相关性对变量进行排序，并设定相关性阈值，输出相关性较高的多个变量。比如，在上述采用了90个待筛选变量的实施例中，通过该流程最终输出了8个变量，结果如表1所示，即年龄、房颤病史、pci病史、糖尿病病史、峰值耗氧量、运动试验恢复期8分钟心率、c反应蛋白、尿酸作为预测指标使用。
[0062]
表1多因素cox回归分析
[0063][0064][0065]
在一个实施例中，风险预测模块采用以下方法生成风险总分：
[0066][0067]
式中，score为风险总分，age为年龄，af为房颤病史，af＝[0,1]，pci为pci病史，af＝[0,1]，dm为糖尿病病史，af＝[0,1]，peakvo2为峰值耗氧量，hr 8min为运动试验恢复期8分钟心率，crp为c反应蛋白，ua为尿酸。
[0068]
具体地，为实现对风险总分较好的量化，本实施例中，在确定了上述8个预测指标后，还进一步地依照cox回归分析得出的回归系数，构建上述的经验公式，实现了对患者的心衰风险较好的量化效果。其中，房颤病史、pci病史、糖尿病病史通过问诊或电子病历获得，无为0，有为1。
[0069]
在一个实施例中，列线图绘制模块基于以下方法生成列线图中，随时间变化的生存概率曲线；
[0070]
h(t)＝h0(t)exp(score-6.916)；
[0071]
式中，h(t)为生存概率曲线，h0(t)为对应于第t个时间点上的基准危险率，score为风险总分。
[0072]
在一个实施例中，时间点包括1年、3年、5年和10年。
[0073]
具体地，为实现对患者的生存概率较好的表征效果，本实施例中，还进一步地构建上述函数，将风险总分转化成生存概率曲线，较为直观地体现出了患者的远期生存概率。经过验证，该方法可以实现最长对患者10年的生存概率的有效评估，因此将时间点设置为1年、3年、5年和10年可以较为直观的展示患者的生存概率。
[0074]
在一个实施例中，如图4所示，列线图绘制模块3包括：
[0075]
基准危险率存储模块31，基准危险率存储模块31中预先存储有对应于时间点的基准危险率；
[0076]
曲线生成模块32，曲线生成模块32连接基准危险率存储模块31，曲线生成模块32根据基准危险率和风险总分生成生存概率曲线；
[0077]
绘图模块33，绘图模块33连接曲线生成模块32，绘图模块33依照生存概率曲线生成列线图并显示。
[0078]
具体地，为实现较好的展示效果，本实施例中，预先在列线图绘制模块3设置了对应时间点的基准危险率，该基准危险率的数值本身可依照相关文献获得，时间点根据实际需求可进行调整，在一个实施例中为1年、3年、5年和10年。随后，通过曲线生成模块32依照基准危险率和风险总分，通过上述的方法生成生存概率曲线，随后通过绘图模块33展示。列线图中设置多个对应于时间点的节点，每个节点上还标注对应于时间点的生存概率，实现了较好的显示效果。
[0079]
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

技术特征：
1.一种心衰患者的远期预后预测系统，其特征在于，包括：指标采集模块，所述指标采集模块对待预测患者采集多个预测指标；风险预测模块，所述风险预测模块连接所述指标采集模块，所述风险预测模块根据所述预测指标生成风险总分；列线图绘制模块，所述列线图绘制模块连接所述风险预测模块，所述列线图绘制模块根据所述风险总分生成列线图；所述列线图用于表征所述待预测患者于多个时间点上的生存概率。2.根据权利要求1所述的远期预后预测系统，其特征在于，所述预测指标包括年龄、房颤病史、pci病史、糖尿病病史、峰值耗氧量、运动试验恢复期8分钟心率、c反应蛋白、尿酸。3.根据权利要求1所述的远期预后预测系统，其特征在于，所述远期预后预测系统还包括变量筛选模块，所述变量筛选模块包括：变量存储模块，所述变量存储模块中预先存储有多个待筛选变量；历史数据存储模块，所述历史数据存储模块中预先存储有多组患者病历；相关性生成模块，所述相关性生成模块分别连接所述变量存储模块和所述历史数据存储模块，所述相关性生成模块根据所述患者病历分别生成每个所述待筛选变量与所述心衰患者的所述生存概率的相关性；筛选模块，所述筛选模块连接所述相关性生成模块，所述筛选模块根据所述相关性对所述待筛选变量进行提取，得到所述预测指标。4.根据权利要求3所述的远期预后预测系统，其特征在于，所述相关性生成模块包括：预筛选模块，所述预筛选模块接收所述待筛选变量，所述预筛选模块对所述待筛选变量剔除无关变量，以得到预筛选变量；分析模块，所述分析模块连接所述预筛选模块，所述分析模块根据所述患者病历对所述预筛选变量进行回归分析，得到所述预筛选变量与所述生存概率的所述相关性。5.根据权利要求2所述的远期预后预测系统，其特征在于，所述风险预测模块采用以下方法生成所述风险总分：式中，score为所述风险总分，age为所述年龄，af为所述房颤病史，af＝[0,1]，pci为所述pci病史，af＝[0,1]，dm为所述糖尿病病史，af＝[0,1]，peakvo2为所述峰值耗氧量，hr8min为所述运动试验恢复期8分钟心率，crp为所述c反应蛋白，ua为所述尿酸。6.根据权利要求1所述的远期预后预测系统，其特征在于，所述列线图绘制模块基于以下方法生成所述列线图中，随时间变化的生存概率曲线；h(t)＝h0(t)exp(score-6.916)；式中，h(t)为所述生存概率曲线，h0(t)为对应于第t个时间点上的基准危险率，score为所述风险总分。7.根据权利要求6所述的远期预后预测系统，其特征在于，所述列线图绘制模块包括：基准危险率存储模块，所述基准危险率存储模块中预先存储有对应于所述时间点的所述基准危险率；曲线生成模块，所述曲线生成模块连接所述基准危险率存储模块，所述曲线生成模块
根据所述基准危险率和所述风险总分生成所述生存概率曲线；绘图模块，所述绘图模块连接所述曲线生成模块，所述绘图模块依照所述生存概率曲线生成所述列线图并显示。8.根据权利要求1所述的远期预后预测系统，其特征在于，所述时间点包括1年、3年、5年和10年。

技术总结
本发明涉及医疗卫生技术领域，具体涉及一种心衰患者的远期预后预测系统，包括：指标采集模块，对待预测患者采集多个预测指标；风险预测模块，根据所述预测指标生成风险总分；列线图绘制模块，根据所述风险总分生成列线图；所述列线图用于表征所述待预测患者于多个时间点上的生存概率。有益效果在于：通过对相关临床数据进行回归性分析，进一步筛选出与心衰患者远期预后最为相关的8个预测指标，并依照这8个预测指标重新构建回归模型，用于计算患者的风险总分，并绘制用于表征生存概率的列线图，实现了对患者的远期预后较好的预测效果，同时简化了临床中需要采集的指标，提高了效率。率。率。


技术研发人员：沈玉芹 庄波
受保护的技术使用者：上海市同济医院
技术研发日：2023.05.12
技术公布日：2023/9/20