[发明专利]重症脊髓损伤预后的预测模型的建立方法

说明书

本发明公开了重症脊髓损伤预后的预测模型的建立方法，其特征在于包括下列步骤：提取诊断为脊髓损伤患者病例的临床数据，1)纳入以下临床特征；2)预处理临床特征：根据临床特征的类型，通过不同的填补方法处理缺失的数据；3)纳入特征选择方法*机器学习分类算法的算法组合：所述特征选择方法用于筛选具有显著预测价值的临床特征，将选定的临床特征用于训练机器学习分类算法；4)从步骤3)中的算法组合在训练数据集的预测表现，选出micro平均曲线下面积AUC最大的算法组合，利用堆叠法集成所述算法组合，得到预测模型。本发明用于预测重症脊髓损伤患者预后具有准确客观性能。

技术领域

本发明涉及重症脊髓损伤预后的预测模型的建立方法。

背景技术

脊髓损伤患者常常因为重大创伤或者严重并发症住进重症监护室(ICU)，因此其预后是临床医生和患者家属非常关心的问题。然而，如何准确预测重症脊髓损伤的预后是个临床难题。临床上，医生常常根据经验来判断患者的预后以制定诊治方案。然而，在与患者家属交代患者病情时常常不能给出一个客观可量化的预后判断概率。因此，需要一种准确客观的预测重症脊髓损伤患者预后的系统以辅助临床医生，而这种预测重症脊髓损伤患者预后的系统如何建立预测模型是核心技术。

发明内容

为了克服现有技术的缺陷，本发明的目的是提供一种重症脊髓损伤预后的预测模型的建立方法，用于预测重症脊髓损伤患者预后的系统中，具有准确客观性能，且可以一次性展示105个模型的预测准确性。

本发明通过以下技术路线来实现：

一种重症脊髓损伤预后的预测模型的建立方法，其特征在于包括下列步骤：提取诊断为脊髓损伤患者病例的临床数据，

1)纳入以下临床特征：人口统计信息包括种族、性别、年龄、体重指数、入院类型、ICU类型、入院来源、ICU时长、出ICU后住院时长等；生命体征包括呼吸频率、心率、收缩压和舒张压、平均动脉压；实验室数据包括白细胞计数、红细胞计数RBC、血小板计数、嗜碱性粒细胞、嗜酸性粒细胞、嗜中性粒细胞、淋巴细胞、单核细胞、红细胞分布宽度RDW、血红蛋白、血细胞比容、平均红细胞血红蛋白量MCH、红细胞平均血红蛋白浓度MCHC、红细胞平均体积MCV、凝血酶原时间PT、活化部分凝血活酶时间APTT、国际标准化比值INR、氧浓度分数FiO2、氧分压PaO2、二氧化碳分亚PaCO2、氢离子浓度指数PH、碳酸氢盐、乳酸盐、剩余碱BE、阴离子间隙、钾、钠、钙、镁、氯、磷酸盐、血尿素氮BUN、肌酐、白蛋白、血糖等；药物的使用和治疗情况包括机械通气、硫酸吗啡、头孢唑林、氯化钾KCl、糖皮质激素、多巴胺、多巴酚丁胺、肾上腺素和去甲肾上腺素；

2)预处理临床特征：根据临床特征的类型，通过不同的填补方法处理缺失的数据，连续变量特征运用预测均值匹配方法填补，二元变量特征运用逻辑回归方法填补，多分类变量特征运用多项式回归方法填补，在步骤1)中缺失病例占总病例比重大于等于50％的临床特征，直接删除该临床特征，包括红细胞分布宽度RDW、氧分压PaO2，缺失病例数占总病例数比重大于0且小于50％的特征有种族、红细胞平均体积MCV、乳酸盐、硫酸吗啡，所述年龄、体重指数、白细胞计数、红细胞计数RBC、血小板计数、嗜碱性粒细胞、嗜酸性粒细胞、嗜中性粒细胞、淋巴细胞、单核细胞、红细胞分布宽度RDW、血红蛋白、血细胞比容、平均红细胞血红蛋白量MCH、红细胞平均血红蛋白浓度MCHC、红细胞平均体积MCV、凝血酶原时间PT、活化部分凝血活酶时间APTT、国际标准化比值INR、氧分压PaO2、二氧化碳分亚PaCO2、氢离子浓度指数PH、碳酸氢盐、乳酸盐、剩余碱BE、阴离子间隙、钾、钠、钙、镁、氯、磷酸盐、血尿素氮BUN、肌酐、白蛋白、血糖、呼吸频率、心率、收缩压、舒张压、平均动脉压、ICU时长、出ICU后住院时长、氧浓度分数FiO2、是连续变量特征，所述机械通气、硫酸吗啡、头孢唑林、氯化钾KCl、糖皮质激素、多巴胺、多巴酚丁胺、肾上腺素和去甲肾上腺素是二元变量特征，所述种族、性别、ICU类型、入院来源等多分类变量特征转化为虚拟变量的形式；最终获得不同的特征，并按照合理的比例，随机划分为训练数据集验证数据集、和测试数据集；