[发明专利]一种糖尿病前期患者心血管疾病风险的预测方法及系统

权利要求书

1.一种糖尿病前期患者心血管疾病风险的预测方法，其特征在于，包括以下步骤：

S1：采集糖尿病前期患者医疗数据；

S2：采用随机数法随机抽取步骤S1中的数据样本，构建训练集、内验证集和外验证集；

S3：对训练集使用lasso回归筛选关键变量；

S4：对步骤S3中筛选出的变量进行COX比例风险回归分析，构建基于COX比例风险回归拟合的预测模型；

S5：利用内验证集和外验证集对构建出的基于COX比例风险回归拟合的预测模型进行模型准确性验证。

2.根据权利要求1所述的糖尿病前期患者心血管疾病风险的预测方法，其特征在于，所述步骤S1的具体过程是：

采集糖尿病前期患者医疗数据进行数据筛选和特征提取，获取动脉粥样硬化性心血管疾病风险相应的候选预测因子；候选预测因子包括：患者年龄、性别、种族、吸烟状态、饮酒状态、体重指数、腰围臀围比值、调整降压药物的收缩压、调整降压药物的舒张压、高血压病史、家族心血管疾病病史。

3.根据权利要求2所述的糖尿病前期患者心血管疾病风险的预测方法，其特征在于，所述步骤S3的具体过程是：

在训练集对影响因子进行LASSO回归分析，构造惩罚函数以进行变量筛选和复杂度调整，根据λ值筛选最优模型，筛选出纳入模型的关键变量。

4.根据权利要求3所述的糖尿病前期患者心血管疾病风险的预测方法，其特征在于，所述步骤S4包括：

在训练集中对筛选出的所有变量利用式(1)进行COX比例风险回归分析，剔除模型中未达到统计学显著水平的变量，构建多因素COX回归模型：

h(t，X)＝h₀(t)exp(β₁X₁+β₂X₂+…+β_mX_m) (1)

其中，X₁,X₂,…,X_m为纳入模型的变量，β₁，β₂，…，β_m各变量的偏回归系数，h₀(t)为基准危险率，h(t,X)当时间为t，客观因素为X的时候的危险率。

5.根据权利要求4所述的糖尿病前期患者心血管疾病风险的预测方法，其特征在于，所述步骤S4还包括：

根据式(2)获得所述多因素COX回归模型对应的预测概率；风险值越大说明患者预后不良的风险就越大；

其中，为预测所得个体发生不良事件的概率，S₀(t)为建模人群基线风险值，为线性预测值，即各自变量与偏回归系数乘积之和，为建模人群中各自变量平均值与偏回归系数乘积之和。

6.一种糖尿病前期患者心血管疾病风险的预测系统，其特征在于，包括：

数据采集模块，用于采集糖尿病前期患者医疗数据；

数据预处理模块，用于通过随机数法随机抽取步骤采集的数据样本，构建训练集、内验证集和外验证集；

关键变量帅选模块，用于对训练集使用lasso回归筛选关键变量；

预测模型构建模块，用于对筛选出的变量进行COX比例风险回归分析，构建基于COX比例风险回归拟合的预测模型；

验证模块，用于通过利用内验证集和外验证集对构建出的基于COX比例风险回归拟合的预测模型进行模型准确性验证。

7.根据权利要求6所述的糖尿病前期患者心血管疾病风险的预测系统，其特征在于，数据采集模块采集糖尿病前期患者医疗数据进行数据筛选和特征提取，获取动脉粥样硬化性心血管疾病风险相应的候选预测因子；候选预测因子包括：患者年龄、性别、种族、吸烟状态、饮酒状态、体重指数、腰围臀围比值、调整降压药物的收缩压、调整降压药物的舒张压、高血压病史、家族心血管疾病病史。