CN103336900A - 一种针对心血管病患者健康分层模型建立的方法 - Google Patents

一种针对心血管病患者健康分层模型建立的方法 Download PDF

Info

Publication number
CN103336900A
CN103336900A CN2013102603333A CN201310260333A CN103336900A CN 103336900 A CN103336900 A CN 103336900A CN 2013102603333 A CN2013102603333 A CN 2013102603333A CN 201310260333 A CN201310260333 A CN 201310260333A CN 103336900 A CN103336900 A CN 103336900A
Authority
CN
China
Prior art keywords
model
healthy
data
hierarchical model
cardiovascular patient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2013102603333A
Other languages
English (en)
Inventor
秦伟毅
钱洪津
向定成
周民伟
田燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Hospital of Guangzhou Military Command
Original Assignee
General Hospital of Guangzhou Military Command
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by General Hospital of Guangzhou Military Command filed Critical General Hospital of Guangzhou Military Command
Priority to CN2013102603333A priority Critical patent/CN103336900A/zh
Publication of CN103336900A publication Critical patent/CN103336900A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种针对心血管病患者健康分层模型建立的方法，该方法包括以下步骤：A、检测获得心血管病患者个体的有创、无创属性，并记录足够多个个体的数据；B、将、有创属性带入疾病预报模型，从而得出对数据的评估结果；C、将、无创属性和步骤B中的评估结果保存至健康评估模型训练集；D、分析计算训练集从而建立待测试健康分层模型；E、使用步骤A中检测获得的数据测试上述待测试健康分层模型的外推精度，若外推精度未标，则回C步骤重新执行，直至外推精度达标。本发明克服以往模型建立方法的缺点，通过有创、无创属性的结合，使准确性、效率更高。本发明作为一种针对心血管病患者健康分层模型建立的方法可广泛应用于医疗领域。

Description

一种针对心血管病患者健康分层模型建立的方法
技术领域
本发明涉及医疗领域，尤其是一种针对心血管病患者健康分层模型建立的方法。
背景技术
通常情况下，对心血管病患者的全面体检需要抽血、尿检等，而且过程中使用一次性针头、一次性针管、一次性棉签、一次性手套和各种化验室剂，浪费不少资源。而且全部体检流程下来不仅时间长，而且全部体检结果出来的时间同样很长，因此传统的检测过程不仅时间上会造成巨大的浪费，而且给环境造成巨大污染，得到的结果指标却不多，导致结果不够准确。
发明内容
为了解决上述技术问题，本发明的目的是：提供一种高效、环保且能得出精确结果的针对心血管病患者健康分层模型建立的方法。
本发明所采用的技术方案是：一种针对心血管病患者健康分层模型建立的方法，包括以下步骤：
A、检测获得心血管病患者个体的有创属性和无创属性，并记录足够多个个体的数据；
B、将上述步骤中的有创属性带入疾病预报模型，从而得出对数据的评估结果；
C、将步骤A中的无创属性和步骤B中的评估结果保存至健康评估模型训练集；
D、分析计算健康评估模型训练集中的数据从而建立待测试健康分层模型；
E、使用步骤A中检测获得的数据测试上述待测试健康分层模型的外推精度，若外推精度未达到指标，则回到C步骤重新执行，直至外推精度达到指标。
进一步，所述步骤D具体为：分析计算健康评估模型训练集中的数据，执行基于机器学习的数据挖掘从而建立待测试健康分层模型。
进一步，将已获临床应用的疾病预测模型的结果作为数据挖掘的决策值集合。
进一步，将步骤A中的无创属性量化，进而作为数据挖掘的属性值集合。
进一步，所述步骤E中的指标是为外推精度不低于90%。
进一步，所述步骤E中用于外推进度测试的新个体总数不少于建立该健康分层模型所用个体总数的25%。
本发明的有益效果是：通过有创属性和无创属性的结合，得出的针对心血管病患者的健康分层模型，其准确性更高，效率也更高，克服了以往模型建立的缺点。
附图说明
图1为本发明方法的步骤流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明：
参照图1，一种针对心血管病患者健康分层模型建立的方法，包括以下步骤：
A、检测获得心血管病患者个体的有创属性和无创属性，并记录足够多个个体的数据；
个体个数是否足够取决与整个机器学习的过程，当外推精度达到一定程度的时候，则认为个体的数量满足充足性。
B、将上述步骤中的有创属性带入疾病预报模型，从而得出对数据的评估结果；
C、将步骤A中的无创属性和步骤B中的评估结果保存至健康评估模型训练集；
D、分析计算健康评估模型训练集中的数据从而建立待测试健康分层模型；
E、使用步骤A中检测获得的数据测试上述待测试健康分层模型的外推精度，若外推精度未达到指标，则回到C步骤重新执行，直至外推精度达到指标。
进一步作为优选的实施方式，所述步骤D具体为：分析计算健康评估模型训练集中的数据，执行基于机器学习的数据挖掘从而建立待测试健康分层模型。
进一步作为优选的实施方式，将已获临床应用的疾病预测模型的结果作为数据挖掘的决策值集合。
进一步作为优选的实施方式，将步骤A中的无创属性量化，进而作为数据挖掘的属性值集合。
进一步作为优选的实施方式，所述步骤E中的指标是为外推精度不低于90%。
进一步作为优选的实施方式，所述步骤E中用于外推进度测试的新个体总数不少于建立该健康分层模型所用个体总数的25%。
本发明基于以上两个标准建立健康分层模型，使其在速度更快的情况下保持高精度。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可以作出种种的等同变换或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (6)

1.一种针对心血管病患者健康分层模型建立的方法，其特征在于：包括以下步骤：
A、检测获得心血管病患者个体的有创属性和无创属性，并记录足够多个个体的数据；
B、将上述步骤中的有创属性带入疾病预报模型，从而得出对数据的评估结果；
C、将步骤A中的无创属性和步骤B中的评估结果保存至健康评估模型训练集；
D、分析计算健康评估模型训练集中的数据从而建立待测试健康分层模型；
E、使用步骤A中检测获得的数据测试上述待测试健康分层模型的外推精度，若外推精度未达到指标，则回到C步骤重新执行，直至外推精度达到指标。
2.根据权利要求1所述的一种针对心血管病患者健康分层模型建立的方法，其特征在于：所述步骤D具体为：分析计算健康评估模型训练集中的数据，执行基于机器学习的数据挖掘从而建立待测试健康分层模型。
3.根据权利要求2所述的一种针对心血管病患者健康分层模型建立的方法，其特征在于：将已获临床应用的疾病预测模型的结果作为数据挖掘的决策值集合。
4.根据权利要求2所述的一种针对心血管病患者健康分层模型建立的方法，其特征在于：将步骤A中的无创属性量化，进而作为数据挖掘的属性值集合。
5.根据权利要求1所述的一种针对心血管病患者健康分层模型建立的方法，其特征在于：所述步骤E中的指标是为外推精度不低于90%。
6.根据权利要求1所述的一种针对心血管病患者健康分层模型建立的方法，其特征在于：所述步骤E中用于外推进度测试的新个体总数不少于建立该健康分层模型所用个体总数的25%。
CN2013102603333A 2013-06-26 2013-06-26 一种针对心血管病患者健康分层模型建立的方法 Pending CN103336900A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013102603333A CN103336900A (zh) 2013-06-26 2013-06-26 一种针对心血管病患者健康分层模型建立的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013102603333A CN103336900A (zh) 2013-06-26 2013-06-26 一种针对心血管病患者健康分层模型建立的方法

Publications (1)

Publication Number Publication Date
CN103336900A true CN103336900A (zh) 2013-10-02

Family

ID=49245063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013102603333A Pending CN103336900A (zh) 2013-06-26 2013-06-26 一种针对心血管病患者健康分层模型建立的方法

Country Status (1)

Country Link
CN (1) CN103336900A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104699939A (zh) * 2013-12-05 2015-06-10 国际商业机器公司 组合知识和数据驱动的洞察的患者风险分层的方法和系统
CN108573752A (zh) * 2018-02-09 2018-09-25 上海米因医疗器械科技有限公司 一种基于健康大数据的健康信息处理的方法及系统
CN109009009A (zh) * 2018-07-26 2018-12-18 方顺丽 血管评估方法、装置及智能终端
CN109875547A (zh) * 2019-02-19 2019-06-14 鄂东医疗集团市中心医院 一种智能心血管内科护理监视系统及方法
CN109935327A (zh) * 2019-03-15 2019-06-25 南方医科大学顺德医院(佛山市顺德区第一人民医院) 基于智能决策支持的高血压患者心血管危险分层评估方法
CN111261289A (zh) * 2018-11-30 2020-06-09 上海图灵医疗科技有限公司 一种基于人工智能模型的心脏疾病的检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149767A (zh) * 2007-10-29 2008-03-26 深圳市天信生物科技有限公司 一种无创型健康评估模型的通用建立方法及其装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149767A (zh) * 2007-10-29 2008-03-26 深圳市天信生物科技有限公司 一种无创型健康评估模型的通用建立方法及其装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵红: "浅析心血管病人的安全管理及护理", 《中外医疗》, vol. 2010, no. 26, 31 December 2010 (2010-12-31) *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104699939A (zh) * 2013-12-05 2015-06-10 国际商业机器公司 组合知识和数据驱动的洞察的患者风险分层的方法和系统
US10978208B2 (en) 2013-12-05 2021-04-13 International Business Machines Corporation Patient risk stratification by combining knowledge-driven and data-driven insights
CN108573752A (zh) * 2018-02-09 2018-09-25 上海米因医疗器械科技有限公司 一种基于健康大数据的健康信息处理的方法及系统
CN109009009A (zh) * 2018-07-26 2018-12-18 方顺丽 血管评估方法、装置及智能终端
CN111261289A (zh) * 2018-11-30 2020-06-09 上海图灵医疗科技有限公司 一种基于人工智能模型的心脏疾病的检测方法
CN109875547A (zh) * 2019-02-19 2019-06-14 鄂东医疗集团市中心医院 一种智能心血管内科护理监视系统及方法
CN109935327A (zh) * 2019-03-15 2019-06-25 南方医科大学顺德医院(佛山市顺德区第一人民医院) 基于智能决策支持的高血压患者心血管危险分层评估方法
CN109935327B (zh) * 2019-03-15 2023-08-08 南方医科大学顺德医院(佛山市顺德区第一人民医院) 基于智能决策支持的高血压患者心血管危险分层评估方法

Similar Documents

Publication Publication Date Title
CN103336900A (zh) 一种针对心血管病患者健康分层模型建立的方法
Nelson et al. The acceptability of self-sampled screening for HPV DNA: a systematic review and meta-analysis
CN109447940A (zh) 卷积神经网络训练方法、超声图像识别定位方法及系统
Bai et al. Clinical predictors and clinical prediction rules to estimate initial patient risk for infective endocarditis in Staphylococcus aureus bacteraemia: a systematic review and meta-analysis
Green et al. Methodologic standards for interpreting clinical decision rules in emergency medicine: 2014 update
Hu et al. Automated detection of postoperative surgical site infections using supervised methods with electronic health record data
Malhotra et al. Normative values of hand grip strength for elderly Singaporeans aged 60 to 89 years: a cross-sectional study
WO2022166281A1 (zh) 血流动力学指标数据的处理方法和系统
CN102436551B (zh) 基于目标跟踪的胃部切片图像处理方法
CN111274400B (zh) 一种医学术语系统的构建方法、装置、设备及存储介质
Herrick et al. Quantitative nailfold capillaroscopy—update and possible next steps
CN109087702B (zh) 用于中医健康状态分析的四诊表征信息融合方法
Infante et al. Classification of voluntary coughs applied to the screening of respiratory disease
CN107993693A (zh) 体检数据管理方法、系统、存储介质及电子设备
Ahmad et al. Some practical guidelines for effective sample-size determination in observational studies
CN103735247A (zh) 用于健康状态辨识的掌色分析方法
James et al. Classification of x-ray covid-19 image using convolutional neural network
Bernard et al. The institution-based prospective inception cohort study: design, implementation, and quality assurance in pediatric thrombosis and stroke research
CN107045393A (zh) 基于数字笔的连线测试多通道数据采集方法及系统
Tully et al. Operating characteristics of depression and anxiety disorder phenotype dimensions and trait neuroticism: a theoretical examination of the fear and distress disorders from the Netherlands study of depression and anxiety
CN114176532B (zh) 一种测定cfPWV参数的临床验证方法及其应用系统
CN105550520A (zh) 移动设备、移动外接设备及基于虹膜信息检测健康的系统
CN104866720A (zh) Uln慢性乙型肝炎肝纤维化非创性评分模型及其建立方法
Barricelli et al. MANTRA: mobile anticoagulant therapy management
KR20110024917A (ko) 사상체질 판별 방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20131002