[发明专利]一种临床预测模型决策分析方法

说明书

本发明涉及一种临床预测模型决策分析方法，针对与目标表中数据结构类型相一致的样本数据集，结合其中各对象的二分类型目标，应用预设机器学习算法进行训练，获得目标表所对应的目标预测模型，并评估出0到1范围内各划分数值分别所对应的效应值psubgt;b/subgt;，基于各个效应值psubgt;b/subgt;大小选择出最佳阈值，作为目标表中对象基于目标预测模型所对应二分类型目标的概率值范围的分界值，由此进一步针对目标表中的各对象，依据目标表中对象所对应各属性的数据，实现对象对应预设二分类型目标的判定，能够大大提高基于多维属性的二分类型目标判定工作效率，方案在临床研究中很有应用价值。

技术领域

本发明涉及一种临床预测模型决策分析方法，属于临床医学统计技术领域。

背景技术

现在临床预测模型已是很多疾病辅助分析的重要工具，可以帮助临床人员快速归纳和综合比较病人多种信息，并作出治疗策略。可靠有效的临床预测模型是基于大量临床数据建立的，可以纳入多个临床变量综合分析，结合医学统计或者机器学习方法，得出某个样本发生某个事件的概率。依据该概率值考虑是否对该患者给予某种方法的治疗，并期望治疗方法能否达到最佳和损害最小的效果。临床预测模型建立后，通常是先从模型中找出最佳阈值，通过比较具体样本概率值和阈值的大小来决定是否采取某种治疗措施。虽然目前已有很多方法可用于确定最佳阈值，但是针对具体试验得到的临床预测模型，基于理论方法找到的阈值并不一定能带来最好的结果，考虑单个阈值时，更应该首先分析一定范围内的阈值效应大小，如何评价不同范围阈值的效应，是临床预测模型后续分析的难点之一。

发明内容

本发明所要解决的技术问题是提供一种临床预测模型决策分析方法，通过全新方法设计，能够针对目标表中的各对象，实现对象对应预设二分类型目标的准确判定。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种临床预测模型决策分析方法，用于针对目标表中的各对象，依据目标表中对象所对应各属性的数据，实现对象对应预设二分类型目标的判定，包括如下步骤：

步骤A.基于历史数据，统计获得与目标表中数据结构类型相一致的各样本对象、以及样本对象所对应各属性的数据，并统计获得各样本对象分别依据其各属性数据、所对应的二分类型目标，构成样本数据集，且样本对象数量不低于预设样本数阈值，然后进入步骤B；

步骤B.针对样本数据集，以各样本对象分别所对应各属性的数据为输入，各样本对象分别相对其所对应二分类型目标的概率值为输出，针对预设机器学习算法进行训练，获得样本数据集所对应的目标预测模型，然后进入步骤C；其中，概率值∈(0,1)；

步骤C.分别针对样本数据集中的各个样本对象，采用目标预测模型，针对样本对象分别所对应各属性的数据进行处理，获得样本对象相对其所对应二分类型目标的概率值；完成针对样本数据集中各个样本对象的上述操作后，然后进入步骤D；

步骤D.针对0至1的数值区间按预设份数N进行等分，并将各等分数值按0至1顺序、分别赋值给T₁至T_N，然后进入步骤E；

步骤E.按2≤n≤N-1，分别针对T₂至T_N-1中的各T_n，获得样本数据集分别在各T_n下所对应的参数a、b、c、d、e，然后进入步骤F；

步骤F.分别针对各T_n，获得各T_n分别所对应的参数p_b，并选择最大p_b所对应的T_n，作为目标表中对象基于目标预测模型所对应二分类型目标的概率值范围的分界值T_v，然后进入步骤G；

步骤G.应用目标预测模型分别针对目标表中的各对象进行处理，获得各对象分别相对其所对应二分类型目标的概率值，并进一步根据分界值T_v，获得各对象分别所对应的二分类型目标。