[发明专利]一种高可靠肾小球滤过率预测模型的构建与评估方法及装置

说明书

本发明公开了一种高可靠肾小球滤过率预测模型的构建与评估方法，包括；步骤(1)：数据预处理；步骤(2)：局部模型设定；步骤(3)：局部模型构建；步骤(4)：全局模型构建；步骤(5)：全局模型的模型稳定性计算；步骤(6)：全局模型GFR预测的准确性计算；步骤(7)：GFR预测结果的稳定性计算；步骤(8)：模型选择；该方法通过构建多个局部模型，通过这些模型的中值模型构建全局模型的技术方案，运用该方案可以获得高可靠的GFR预测模型。

技术领域

本发明属于肾小球滤过率预测模型技术领域，具体涉及一种高可靠肾小球滤过率预测模型的构建与评估方法及装置。

背景技术

直接测定GFR(Glomerular Filtration Rate，肾小球滤过率)的可操作性差，以血清肌酐浓度(SCr)为基础和以血清胱抑素C为基础的GFR公式预测法普遍应用于临床，根据公式计算所得的GFR称为eGFR(Estimated Glomerular Filtration Rate)，成为诊断3～5期CKD的主要依据。这种方法费用低，对患者身体伤害小。但是存在以下问题：

(1)现有的多种GFR预测模型中，每一个模型都是根据特定数据集建立，其推广能力未知，模型的优劣也难以确定；

(2)由于有GFR金标准的数据的数量少，导致依据其构建的GFR预测模型的可靠性存在问题，显然用可靠性不高的GFR预测模型对GFR值进行预测，其预测结果的可靠性值得怀疑。

因此，亟需一种技术，能够针对小样本情况下的GFR预测问题，构建出高可靠的GFR预测模型，并对模型所给出的GFR预测结果的可靠性给与评价。

对GFR的预测，通常是建立患者身体指标以及肾脏代谢物指标等指标与GFR值关系的回归模型，这些指标包括诸如患者的年龄、性别、种族和血清肌酐值等。现有模型根据不同数据集构建，均是基于线性模型假设得到的线性回归模型。

目前还没有对一个模型是否可靠的研究，然而，这一问题特别重要，尤其对于肾脏病的GFR小样本数据更是如此，因为数据太少则构建出可靠的模型更有挑战性。

现有方法主要存在以下不足：

(1)不考察GFR预测模型的可靠性。对GFR预测模型的评价，采用的是在现有数据上的预测准确率、均方误差、相关系数(R2)等评价指标，并未考察模型的可靠性问题，而不可靠模型是不可用的。

(2)不考察GFR预测结果的可靠性。模型只给出对GFR的预测结果，却不考察这一结果的可靠性，会导致预测结果可能看似很好却可靠性不高从而不可信的问题。

发明内容

为了克服上述现有技术存在的不足，本发明的目的在于提供一种高可靠肾小球滤过率预测模型的构建与评估方法及装置，该方法提出构建多个局部模型，通过这些模型的中值模型构建全局模型的技术方案，运用该方案可以获得高可靠的GFR预测模型。

为了实现上述目的，本发明采用的技术方案是：

一种高可靠肾小球滤过率预测模型的构建与评估方法，包括；

步骤(1)：数据预处理；

建模所用数据中，每个样本包含其临床特征的数值和其GFR的测定值，均为数值型。

数据预处理分为两步，特征选择和log变换；

步骤(2)：局部模型设定；

局部模型设定为线性回归模型，形如：

y＝w^Tx+b (4)

其中自变量x为模型输入，即用于预测GFR的特征值；y为模型输出，即模型根据输入所计算出的GFR预测值；w和b为模型参数，通过训练学得w和b之后，模型就得以确定；