[发明专利]一种重大危机及死亡风险预测方法

说明书

本发明公开了一种重大危机及死亡风险预测方法，根据患者在接下来24小时内的状态来定义患者目标状态；对获取的多维度临床数据进行清洗整理，并按照进入ICU的时间变成结构化的时间序列数据；对结构化的时间序列数据，按6h，12h，24h为周期计算各个基础变量的变化值，得到时间序列数据的衍生变量；对基本变量和获得的衍生变量进行合并，整理成标准的输入数据集；将输入数据集输入到死亡风险预测模型中，判断患者在当前状态下的死亡风险，并输出给医生；针对模型给出的判断，提供特征贡献度的解释，给医生的临床决策提供循证依据，医生结合模型预测的患者死亡风险与特征贡献度的解释进行综合判断，为患者制定个性化治疗方案。

技术领域

本发明涉及重症监护技术领域，特别涉及一种重大危机及死亡风险预测方法。

背景技术

重症监护病房（ICU）内收治各种病情危重的患者，是医院患者死亡率最高的科室。不同的患者往往需要重点不同的监护治疗，医生需要根据患者病情的变化情况，决定患者的治疗方案。一个患者进入ICU会产生大量的数据信息，而在ICU，医生需要同时监护多个重症患者，加上现有监护仪的无效报警率，医生在面对大量临床数据时，可能无法及时有效的获知每个患者病情的潜在风险变化。若能在重症患者病情变化之时，针对有高危风险的患者提前给医生以预警，医生可对高风险患者重点关注，实现及时有效的救治，帮助重症患者及早脱离生命危险，改善预后提高ICU治愈率。

重症监护病房（ICU）患者生死预测一直都是医学界的研究热点和难点。目前的医院信息系统在设计的时候，主要考虑的是满足医院的收费和管理需求，没有考虑到数据再利用的问题。以及，医院的各种数据一般存放在不同的系统中，并且采集频次也不一样，导致海量的医疗临床数据没有得到有效地利用。这也对临床工作人员进行数据分析研究带来了很大的困扰，由于缺少有效的方法对医学实践中产生的大量数据进行有效挖掘，数据中一些关键信息没有被关注到，没有发挥出其在临床上应有的价值。

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重大危机及死亡风险预测方法，运用机器学习算法充分利用患者临床数据，提取患者数据中有价值的关键信息，预测患者病情动态变化趋势，实现对ICU重症患者的智能监护，给医生的临床决策提供循证依据。

预测ICU患者的死亡风险，即为评估患者在未来某一段时间内面临死亡，或者发生需要抢救（比如电除颤，心外按压，肾上腺素使用等）的重大危重事件的风险。

面对ICU数据质量高、数据密度大，但数据结构不统一、数据利用率低的特点，以及当前一些急重症患者评分模型的局限性，本发明采用数据挖掘技术充分利用患者生命体征、呼吸支持、血气、实验室检验值等等各类能反映患者病情状态的临床数据，即时监控患者状态并预测患者病情动态变化趋势，实现对ICU重症患者的智能监护，给医生的临床决策提供循证依据。不仅可以帮助临床医生对危重患者的病情做出正确评价，以便及时采取适当的治疗措施并评价治疗效果，还能实现ICU医疗资源的充分利用，提高ICU的周转和使用率，从而提高医疗质量，推动危重症医学的发展。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种重大危机及死亡风险预测方法，包括以下步骤：

步骤1：从医院的His，Lis，EMR系统里获取多维度数据；

步骤2：根据患者在接下来24小时内的状态来定义患者目标状态，死亡风险预测的目标状态不仅是指患者的死亡还有患者可能会发生需要抢救的重大危重事件，重大危重事件包括电除颤、心外按压、肾上腺素使用等；

步骤3：对获取的多维度临床数据进行清洗整理，并按照进入ICU的时间以每小时为频次进行排序，变成结构化的时间序列数据；

步骤4：对结构化的时间序列数据，按6h，12h，24h为周期计算各个基础变量的变化值，得到时间序列数据的衍生变量；

步骤5：对基本变量和获得的衍生的变量进行合并，整理成标准的输入数据集；