[发明专利]肾损伤风险数据预测系统、预测方法、计算机设备及介质

权利要求书

1.一种肾损伤风险数据预测系统，其特征在于，所述肾损伤风险数据预测系统包括：

数据筛选模块，用于获取艾滋病毒感染病历数据，并对所述病历数据进行筛选；

数据的提取与分类模块，用于从筛选后的病历数据中进行临床数据的提取、分析与计算；并将提取的数据按照7:3的比例随机划分为训练数据集与测试数据集；

变量提取模块，用于基于筛选、提取的数据确定多个预测变量；对各个预测变量对应的数据进行统计学分析，从多个预测变量中筛选具备统计学意义的变量；

变量筛选模块，用于构建随机森林模型，并利用构建的随机森林模型对具备统计学意义的变量进行分析；利用套索回归测试随机森林的分析结果，基于超参数的最优值确定最终10种变量指标；

模型构建模块，用于基于所述10种变量指标构建艾滋病毒感染的肾损伤风险预测模型；

验证模块，用于利用训练数据集与验证数据集对所述艾滋病毒感染者肾损伤风险预测模型进行训练与验证，得到训练好的艾滋病毒感染的肾损伤风险预测模型。

2.一种应用于如权利要求1所述肾损伤风险数据预测系统的肾损伤风险数据预测方法，其特征在于，所述肾损伤风险数据预测方法包括：

获取艾滋病毒感染者的相关数据，利用随机森林算法和套索回归对获取的数据进行变量分析；并利用ROC曲线比较训练和测试数据集，使用不可靠性U检验评估校准，得到10种变量指标；基于得到的10种变量指标构建艾滋病毒感染者肾损伤风险预测模型。

3.如权利要求2所述肾损伤风险数据预测方法，其特征在于，所述10种变量指标包括：性别、年龄、体重、身高、血红蛋白、β2-微球蛋白、胱抑素C、血清肌酐水平、TDF使用的持续时间、CD4+T淋巴细胞计数。

4.如权利要求2所述肾损伤风险数据预测方法，其特征在于，所述肾损伤风险数据预测方法包括以下步骤：

步骤一，获取多个艾滋病毒感染病历数据，并对所述病历数据进行筛选；从筛选后的病历数据中进行临床数据的提取、分析与计算；

步骤二，将提取的数据按照7:3的比例随机划分为训练数据集与测试数据集；并基于筛选、提取的数据确定多个预测变量；

步骤三，对各个预测变量对应的数据进行统计学分析，从多个预测变量中筛选具备统计学意义的变量；

步骤四，构建随机森林模型，并利用构建的随机森林模型对具备统计学意义的变量进行分析；利用套索回归测试随机森林的分析结果，基于超参数的最优值确定最终10种变量指标；

步骤五，基于所述10种变量指标构建艾滋病毒感染的肾损伤风险预测模型，并利用训练数据集与验证数据集对所述艾滋病毒感染的肾损伤风险预测模型进行训练与验证，得到训练好的艾滋病毒感染的肾损伤风险预测模型。

5.如权利要求4所述肾损伤风险数据预测方法，其特征在于，步骤一中，所述对病历数据进行筛选包括：

排除获取的病历数据中高血压、慢性肾病、慢性肝病、有心脏病或糖尿病病史的病历数据；排除病历数据中未满18周岁的病历数据；排除病历数据中未接受TDF抗病毒治疗的、未正常基线eGFR的病历数据；

排除病历数据中处于孕期或哺乳期的数据；排除实验室检查数据不完全的病历数据；排除非TDF相关原因的病历数据。

6.如权利要求4所述肾损伤风险数据预测方法，其特征在于，所述从筛选后的病历数据中进行临床数据的提取、分类与计算包括：

每3个月从所述筛选后的病历数据中提取一次包含病史数据、体格数据和实验室检查数据以及治疗方案的临床数据；所述实验室检查数据包括血常规、血脂和CD4+T淋巴细胞计数、生化指标、eGFR和血糖、转肽酶、胱抑素C、β2微球蛋白即β2MG水平；

基于所述提取的临床数据，绘制TDF肾损伤发展曲线；所述TDF肾损伤发展曲线即从基线eGFR降低25％或eGFR90mL/min/1.73m²；

并基于提取的临床数据利用慢性肾脏病流行病学公式计算eGFR。