[发明专利]一种老年患者术后感染并发症风险预警模型及其建立方法

说明书

本发明公开了一种老年患者术后感染并发症风险预警模型及其建立方法，属于机器学习应用领域。所述预警模型的建立方法包括以下步骤：(1)采集若干例老年患者的围手术期资料，利用逆概率加权方法分析得出与术后感染并发症相关的危险因素，作为特征变量，获得数据集；(2)利用数据集对人工神经网络模型进行机器学习，得到老年患者术后感染并发症风险预警模型。本发明首次针对围手术期的老年患者这一群体提供了发生术后感染并发症风险预警模型，能够提前对术后感染事件做出预警，实现老年患者围手术期感染的治疗窗口前移。

技术领域

本发明涉及机器学习应用领域，具体涉及一种老年患者术后感染并发症风险预警模型及其建立方法。

背景技术

围手术期感染是外科手术老年患者最为常见的一种并发症，并且有随着年龄增长而升高的趋势。老年患者由于生理和身体机能衰退、基础疾病多、免疫功能下降、临床症状不典型等原因促使其围手术期感染的发生率和病死率明显高于年轻患者，且多为院内获得性致病菌、耐药菌，严重威胁老年手术患者的转归与远期预后。如何做好术后感染的预防和诊治，将风险降到最低，是提高老年患者手术成功率的关键，在临床上越来越引起重视。

临床医生往往根据既往的临床经验和一些早期临床表现预判老年患者手术后可能出现的临床事件并加以预防。麻醉及外科医生在围手术期术前准备、术中和术后干预过程中，缺乏更加适合老年人群的、可行性高的集束化感染干预策略。目前临床尚缺乏针对老年患者围手术期感染特征的早期预警模型，导致老年患者围手术期感染的临床治疗十分棘手，错过治疗的最佳时间窗。因此，需建立适宜老年患者围手术期感染的预警模型，实现早期干预和精准治疗，实现老年患者围手术期感染的治疗窗口前移，从而达到提高感染治愈率和改善预后的目的。

一些传统的统计学方法包括多因素回归等，提供了一些与手术后临床事件相关的危险因素。值得注意的是，传统的统计学方法存在局限性，尤其在预测大样本患者手术后的临床事件上，其预测效果并不能令人满意。目前现行的感染风险预测因素和方法是针对独立器官进行评估，缺乏对老年患者整体生命健康状态和围手术期资料的综合评估。

近年来，随着互联网人工智能的发展和计算机网络的进步,机器学习的方法受到研究者们的广泛关注。Jing Tang等用人工神经网络这种机器学习的方法较好的预测了帕金森患者的预后；Naibo Wang等发现人工神经网络模型与支持向量机和最近邻居法相比，在筛查和诊断阿尔资海默病时，准确性和诊断效率更高。

因此，采用大样本、多中心、广覆盖的大数据分析我国老年患者术后感染的各项危险因素，探索新的感染风险评估方法，进一步建立适合于老年患者的术后感染预警模型，及时有效的采取防控措施，是目前老年医学迫切需要解决的问题。

发明内容

本发明的目的在于提供一种适合于老年患者的术后感染预警模型，提前对术后感染事件做出预警，为临床医生预防老年患者围手术期感染并发症提供参考意见。

为实现上述目的，本发明采用如下技术方案：

一种老年患者术后感染并发症风险预警模型的建立方法，包括以下步骤：

(1)采集若干例老年患者的围手术期资料，利用逆概率加权方法分析得出与术后感染并发症相关的危险因素，作为特征变量，获得数据集；

(2)利用数据集对人工神经网络模型进行机器学习，得到老年患者术后感染并发症风险预警模型。

所述老年患者为年龄≥60岁的进行择期手术的患者。

构建模型时，采用大样本量、多中心、广覆盖的大数据分析，保障预警模型预测的准确性。