[发明专利]实验室指标模型在COVID-19患者危险分层中的应用方法

说明书

本发明公开了一种实验室指标模型在COVID‑19患者危险分层中的应用方法，包括如下步骤：S1、收集资料，收集患者的一般资料、合并症以及常规实验室指标的检测结果；S2、患者分类；S3、实验室检测；S4、建立预测模型，采用多因素Logistic回归方法建立预测模型。本发明旨在建立一个简单有效的实验室指标模型来预测COVID‑19患者的临床分型并进行危险分层，这对于早期识别有危重风险的入院患者具有相当大的价值，且这些常规的实验室检测结果即使在资源匮乏的环境中也很容易获得，构建了基于红细胞计数，hsCRP和PCT的实验室指标预测模型，能更有效地预测COVID‑19患者的临床分型，可以作为风险分层的工具，有利于分配医疗资源并改善患者的治疗效果。

技术领域

本发明涉及实验室指标预测模型技术领域，更具体地说，它涉及一种实验室指标模型在COVID-19患者危险分层中的应用方法。

背景技术

很多文献比较了COVID-19患者轻度和重度患者的临床特征和实验室检查，其中有一些预测模型被开发和研究，主要包括高危人群鉴别模型、诊断模型和预后模型，大多数模型的预测因素为患者的基本特征和影像学特征。我们的研究旨在建立一个简单有效的实验室指标模型来预测COVID-19患者的临床分型并进行危险分层，这对于早期识别有危重风险的入院患者具有相当大的价值，且这些常规的实验室检测结果即使在资源匮乏的环境中也很容易获得。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种实验室指标模型在COVID-19患者危险分层中的应用方法，其旨在建立一个简单有效的实验室指标模型来预测COVID-19患者的临床分型并进行危险分层，这对于早期识别有危重风险的入院患者具有相当大的价值，且这些常规的实验室检测结果即使在资源匮乏的环境中也很容易获得，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供了如下技术方案：

一种实验室指标模型在COVID-19患者危险分层中的应用方法，包括如下步骤：

S1、收集资料，收集患者的一般资料、合并症以及常规实验室指标的检测结果；

S2、患者分类，依据中国国家卫生健康委办公厅发布的《新型冠状病毒肺炎诊疗方案(试行第七版)》将步骤S1中的患者分为轻型患者、普通型患者、重型患者和危重型患者

S3、实验室检测，对所述患者的血常规和超敏C反应蛋白以及降钙素原进行检测，所述血常规包括白细胞含量、中性粒细胞比率、中性粒细胞计数、淋巴细胞比率、淋巴细胞计数、单核细胞比率、单核细胞计数、红细胞计数、血红蛋白含量、红细胞压积、血小板计数、红细胞分布宽度、血小板压积、平均血小板体积以及血小板分布宽度；

S4、建立预测模型，连续变量表示为平均值±SD或中位数 (Q1-Q3)，而分类变量表示为频率(％)，使用非配对的student t-test或Mann Whitney非参数检验来比较连续变量，使用Pearson 卡方检验和Fisher精确检验来分析分类变量；

采用多因素Logistic回归方法建立预测模型，并根据最小赤池信息标准选择最佳的模型参数，绘制模型的列线图和校准曲线，对每个模型绘制受试者工作特征曲线，应用DeLong方法比较不同模型曲线下面积(AUC)，采用TRIPOD报告规范推荐的Bootstrap重采样(times＝500)方法对模型进行内部验证并计算AUC的95％置信区间(CI)，运用决策曲线分析(DCA)以量化和比较模型的临床有效性，该方法基于阈值概率来表达假阳性和假阴性的相对危害，通过从显示真实阳性结果的比例中减去显示假阳性结果的比例，然后权衡假阳性和假阴性结果的相对危害，可以得到净收益，使用以下公式计算基于模型做出决策的净收益：

其中n是研究中的患者总数，Pt是给定的阈值概率；