[发明专利]一种急性重症溃疡性结肠炎数据的处理方法及其系统在审
申请号: | 202211016121.6 | 申请日: | 2022-08-24 |
公开(公告)号: | CN115497630A | 公开(公告)日: | 2022-12-20 |
发明(设计)人: | 李玥;羽思;田博文;徐蕙;谭蓓;石钰洁 | 申请(专利权)人: | 中国医学科学院北京协和医院 |
主分类号: | G16H50/70 | 分类号: | G16H50/70;G06K9/62 |
代理公司: | 北京预立生科知识产权代理有限公司 11736 | 代理人: | 黄露宁 |
地址: | 100730 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 急性 重症 溃疡性 结肠炎 数据 处理 方法 及其 系统 | ||
1.一种急性重症溃疡性结肠炎数据的处理方法,包括:
获取待测样本的预测因子;所述待测样本的预测因子包括UCEIS评分、静脉激素治疗第三天的CRP值;
分别对所述待测样本的预测因子进行特征提取,得到特征提取后的预测因子;对所述UCEIS评分进行特征提取,得到UCEIS评分特征;对所述静脉激素治疗第三天的CRP值进行特征提取,得到CRP值特征;
基于所述UCEIS评分特征和CRP值特征得到静脉激素有效的风险值。
2.根据权利要求1所述的急性重症溃疡性结肠炎短期结局预测方法,其特征在于,所述风险值的获取方法包括:
Riskvalue=β0+β1×a+β2×b
a为UCEIS评分特征,b为静脉激素治疗第三天的CRP值特征。
3.根据权利要求1所述的急性重症溃疡性结肠炎短期结局预测方法,其特征在于,所述处理方法还包括:基于所述风险值,得到激素抵抗或激素有效的分类结果;小于等于或小于风险值分类阈值的为激素有效,大于或大于等于风险值分类阈值的为激素抵抗。
4.根据权利要求1所述的急性重症溃疡性结肠炎短期结局预测方法,其特征在于,所述分类结果是基于结肠炎短期结局预测模型得到;
可选的,所述结肠炎短期结局预测模型的训练方法包括:
获取训练集样本的预测因子及分类标签,所述标签包括激素抵抗和激素有效;对所述训练集样本的预测因子进行特征提取,得到特征提取后的训练集样本的预测因子;所述训练集样本的预测因子包括UCEIS评分、静脉激素治疗第三天的CRP值;
利用所述训练集样本的预测因子构建模型,得到构建好的结肠炎短期结局预测模型。
5.根据权利要求1所述的急性重症溃疡性结肠炎短期结局预测方法,其特征在于,所述训练集样本的预测因子的获取方法或步骤包括:获取训练集样本样本的原始预测数据;分别对所述原始预测数据进行特征提取,得到特征提取后的原始预测数据;对所述特征提取后的原始预测数据进行第一数据处理,得到经第一数据处理后的结果;对所述经第一数据处理后的结果进行第二数据处理,得到经第二数据处理后的结果;
可选的,所述经第一数据处理后的结果包括:入院时的血小板计数、入院时的CRP值、静脉激素治疗第3天的CRP值、本次入院前1月内糖皮质激素用药史、静脉激素治疗前UCEIS评分;
可选的,所述经第二数据处理后的结果包括:静脉激素治疗第3天的CRP值、静脉激素治疗前UCEIS评分;
可选的,所述第一数据处理的方法包括但不限于以下一种或几种:单因素分析,最优子集回归、Lasso回归和交叉验证、条件参数估计似然比检验、最大偏似然估计的似然比检验、Wald卡方检验;
可选的,所述第二数据处理的方法包括但不限于以下一种或几种:多因素分析、随机森林、决策树、极限梯度提升、支持向量机。
6.根据权利要求1所述的急性重症溃疡性结肠炎短期结局预测方法,其特征在于,所述训练集样本的原始预测数据包括:内镜相关指标和实验室检查指标;所述内镜相关指标包括CRP值,CRP值为入院后接受静脉激素治疗前以及接受静脉激素治疗后1天、3天、5天的数值;所述实验室检查指标包括UCEIS评分;
可选的,所述内镜相关指标还包括以下一种或几种:内镜Mayo评分、血管纹理指标、是否出血指标、是否糜烂及溃疡指标、是否肠腔狭窄指标、是否直肠豁免指标;
可选的,所述实验室检查指标还包括:全血细胞分析、ESR、Alb检验结果;
可选的,所述实验室检查指标为不同时间点的实验室检查指标,具体包括:入院后接受静脉激素治疗前以及接受静脉激素治疗后1天、3天、5天的全血细胞分析、ESR、Alb检验结果;
可选的,所述训练集样本的原始预测数据还包括综合评分系统,所述综合评分系统包括Oxford指数和Ho指数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国医学科学院北京协和医院,未经中国医学科学院北京协和医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211016121.6/1.html,转载请声明来源钻瓜专利网。