CN106295180A - 老年骨科手术风险预测方法 - Google Patents
老年骨科手术风险预测方法 Download PDFInfo
- Publication number
- CN106295180A CN106295180A CN201610652228.8A CN201610652228A CN106295180A CN 106295180 A CN106295180 A CN 106295180A CN 201610652228 A CN201610652228 A CN 201610652228A CN 106295180 A CN106295180 A CN 106295180A
- Authority
- CN
- China
- Prior art keywords
- risk
- risk factor
- physiology
- factor
- bone surgery
- 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
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Abstract
本发明提供一种老年骨科手术风险预测方法,包括如下步骤:从历史资料中,初步收集患者生理学风险数据和手术风险数据;通过研究结果中“有无并发症”和“是否死亡”,对收集的数据进行二分类Logistic回归分析,对单因素进行χ2检验和t检验分析;筛选显著影响发症发生率和死亡率的生理学风险因素和手术风险因素;以筛选后的生理学风险因素和手术风险因素为变量,采用多因素Logistic回归分析预测法获得风险参数的预测模型;根据预测模型预测手术后与死亡和并发症相关的主要的危险因素以及对应的相对危险度值。该发明应用于预测骨科老年患者的术后并发症发生率和死亡率的预测,具有更准确的预测模型,大大的提高了老年患者的骨科手术预测效果。
Description
技术领域
本发明涉及一种老年骨科手术风险预测方法。
背景技术
针对骨折患者,手术是唯一的有效治疗方式。然而手术病人高龄化的现象近年来已十分明显,老年病人器官储备功能下降,常合并心、肺、消化系统慢性疾病、以及糖尿病等相关疾病。在手术中,表现出手术耐受性差、风险大,术后并发症发生率和病死率高;以上因素均导致了老年骨科病人手术治疗措施的复杂化。对骨科医生而言,如何做好高龄髋部骨折的患者,尤其是90岁以上伴有严重基础疾病,以及病情复杂且合并器官衰竭患者的手术前评估,熟悉导致围术期并发症的相关独立风险因素显得至关重要。
手术中、手术后并发症及死亡率的生理学和手术严重程度评分系统POSSUM是一种公认的手术评分工具,被广泛的用于普外科和骨科手术风险评估,然而,POSSUM系统评分只用于普外科手术,并没有充分考虑老年骨科手术的特殊性,在并发症和死亡率评分方面存在较大的差异性,准确率低,往往高估了患者的并发症发生率和死亡率。因此,有必要设计一种老年骨科手术风险预测方法来解决上述问题。
发明内容
本发明提供一种老年骨科手术风险预测方法,以解决目前老年骨科手术风险预测标准无针对性、准确率低的问题。
为了实现上述目的,本发明是通过如下的技术方案来实现:一种老年骨科手术风险预测方法,所述老年骨科手术风险预测方法包括如下步骤:
S1)从历史资料中,初步收集患者生理学风险数据和手术风险数据;
S2)通过研究结果中“有无并发症”和“是否死亡”,对收集的数据进行二分类Logistic回归分析,对单因素进行χ2检验和t检验分析;
S3)筛选显著影响发症发生率和死亡率的生理学风险因素和手术风险因素;
S4)以筛选后的生理学风险因素和手术风险因素为变量,采用多因素Logistic回归分析预测法获得风险参数的预测模型;
S5)根据预测模型输入生理学风险因素和手术风险因素预测手术后的主要的危险因素以及对应的相对危险度值。
进一步地,所述步骤S3)还包括步骤S3.1):将筛选后的生理学风险因素和手术风险因素划分等级,将生理学风险因素予以从0至8分的赋值,将手术风险因素予以从0至4分的赋值。
进一步地,步骤S5)还包括步骤S5.1):使用MATLAB软件编程计算并发症发生率和死亡率。
进一步地,所述初步收集的生理学风险因素包括基本常规检查和临床检查结果。
进一步地,所述生理学风险因素包括:患者年龄、心脏功能分级、呼吸功能分级、肾功能分级、糖尿病以及基础疾病分级、收缩压分级、意识状态、以及血红蛋白含量情况。
进一步地,所述手术风险因素包括:患者手术的大小、手术的时机、手术持续的时间,手术的次数和手术中出血量。
一种老年骨科手术风险预测系统,包括数据采集模块、数据录入模块、分析模块、服务器和配套软件,所述数据采集模块连接基本常规检查仪器,用于采集患者基本常规检查电子信息;所述数据录入模块连接数据采集模块,用于采集人工录入的临床检查信息和基本常规检查信息;所述分析模块连接数据采集模块,用于分析显著影响并发症发生率和死亡率的生理学风险因素和手术风险因素;所述服务器包括并发症发生率预测模型和死亡率预测模型,用于输入生理学风险因素和手术风险因素得出手术后的主要的危险因素以及对应的相对危险度值。
进一步地,所述数据分析模块分析原理包括:二分类Logistic回归分析,χ2检验和t检验分析;所述并发症发生率预测模型和死亡率预测模型的原理包括:多因素Logistic回归分析。
进一步地,所述并发症发生率预测模型为生理学风险因素、手术风险因素与并发症发生率之间的数学关系式,
所述数学关系式为:lnR1/(1-R1)=-4.643+0.1428×PS+0.1853×OS,
其中,PS为生理学风险因素赋值总和;OS为手术风险因素赋值总和。
进一步地,所述死亡率预测模型为生理学风险因素、手术风险因素与死亡率之间的数学关系式,
所述数学关系式为:lnR2/(1-R2)=-6.99+0.1299×PS+0.2562×OS,
其中,PS为生理学风险因素赋值总和;OS为手术风险因素赋值总和。
本发明的有益效果是:
本发明通过回顾性分析骨科老年患者的各项生理指标以及手术期的各项风险因素,确定风险因素并纳入骨科老年患者手术患者风险预测,利用Logistic回归分析提出预测模型,设计出更适合老年骨科手术患者的预测回归公式。该预测方法应用于预测骨科老年患者的术后并发症发生率和死亡率的预测,具有更准确的预测模型,大大的提高了老年患者的骨科手术预测效果。
附图说明
图1是本发明老年骨科手术风险预测方法的流程框图;
图2是本发明老年骨科手术风险预测系统的结构框图;
其中,1-数据采集模块、2-数据录入模块、3-分析模块、4-服务器、5-配套软件。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明实施例中技术方案作进一步详细的说明。
参见图1,一种老年骨科手术风险预测方法,包括如下步骤:S1)从历史资料中,初步收集资料包括两部分:生理学风险因素和手术危险因素;生理学风险因素包括基本常规检查:患者年龄、意识、脉搏、血压、糖尿病以及各种慢性疾病的患病情况;临床检查结果:心电图、呼吸系统分级、心血管系统分级、肾功能分级、血红蛋白含量值、白蛋白含量值、以及电解质相关情况;手术风险因素包括:ASA分级、麻醉方式的选择、手术方式的选择、手术的大小、手术持续的时间、手术次数、以及手术的出血量,术后资料的统计包括30日内患者的死亡及并发症发生情况。
S2)通过研究结果中“有无并发症”和“是否死亡”,对收集的数据进行二分类Logistic回归分析,对单因素进行χ2检验和t检验分析,得出生理学风险因素和手术风险因素对“有无并发症”和“是否死亡”的影响参数p,p<0.05表明有统计学意义,p<0.01表明有显著性统计学差异。
S3)通过实践过程获取的实例分析数据以及各项风险因素统计分析结果,筛选显著影响发症发生率和死亡率的生理学风险因素包括患者年龄、心脏功能分级、呼吸功能分级、肾功能分级、糖尿病以及基础疾病分级、收缩压分级、意识状态、以及血红蛋白含量情况;手术风险因素包括:患者手术的大小、手术的时机、手术持续的时间,手术的次数和手术中出血量,将筛选后的生理学风险因素和手术风险因素划分等级,将生理学风险因素予以从0至8分的赋值,将手术风险因素予以从0至4分的赋值。
S4)以筛选后的生理学风险因素和手术风险因素为变量,采用多因素Logistic回归分析预测法获得风险参数的预测模型,其中预测模型包括:并发症发生率预测模型和死亡率预测模型。
S5)根据预测模型输入患者的生理学风险因素和手术风险因素,通过模型分析预测手术后的主要的危险因素以及对应的相对危险度值。
在本实施例中,将老年骨科手术风险预估划分为四个等级:并发症风险在0~25%之间、手术风险在0~4%之间时,即为低度危险性;并发症风险预测在26~45%、死亡率预测在5~14%之间时,即为中度风险性;并发症风险预测在46~79%、死亡率预测在15~49%之间时,即为高度危险性;并发症风险预测大于等于80%、死亡率预测大于等于50%之间时,即为极高危险性。
参见图2,一种老年骨科手术风险预测系统,包括数据采集模块1、数据录入模块2、分析模块3、服务器4和配套软件5;数据采集模块设有多路接口与不同的基本常规检查仪器信息接口连接,通过自动抓取或信息推送的方式获取基本常规检查信息;由于部分基本常规检查的信息无法使用基本常规检查仪器检查得到,数据录入模块连接数据采集模块,医护人员通过人工录入基本常规检查信息和临床检查信息至数据采集模块,人工录入的方式可以通过表格导入或手工录入;分析模块连接数据采集模块,用于对收集的数据进行二分类Logistic回归分析,对单因素进行χ2检验和t检验分析,得出显著影响并发症发生率和死亡率的生理学风险因素和手术风险因素;服务器包括并发症发生率预测模型和死亡率预测模型,用于输入生理学风险因素和手术风险因素得出手术后的主要的危险因素以及对应的相对危险度值。
在本实施例中,并发症发生率预测模型为生理学风险因素、手术风险因素与并发症发生率之间的数学关系式,数学关系式为:lnR1/(1-R1)=-4.643+0.1428×PS+0.1853×OS,其中,PS为生理学风险因素赋值总和;OS为手术风险因素赋值总和;死亡率预测模型为生理学风险因素、手术风险因素与死亡率之间的数学关系式,数学关系式为:lnR2/(1-R2)=-6.99+0.1299×PS+0.2562×OS,其中,PS为生理学风险因素赋值总和;OS为手术风险因素赋值总和。
由上述实施例可见,本发明通过回顾性分析骨科老年患者的各项生理指标以及手术期的各项风险因素,确定风险因素并纳入骨科老年患者手术患者风险预测,利用Logistic回归分析提出预测模型,设计出更适合老年骨科手术患者的预测回归公式。该预测方法应用于预测骨科老年患者的术后并发症发生率和死亡率的预测,具有更准确的分析模型,大大的提高了老年患者的骨科手术预测效果。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种老年骨科手术风险预测方法,其特征在于:所述老年骨科手术风险预测方法包括如下步骤:
S1)从历史资料中,初步收集患者生理学风险数据和手术风险数据;
S2)通过研究结果中“有无并发症”和“是否死亡”,对收集的数据进行二分类Logistic回归分析,对单因素进行χ2检验和t检验分析;
S3)筛选显著影响发症发生率和死亡率的生理学风险因素和手术风险因素;
S4)以筛选后的生理学风险因素和手术风险因素为变量,采用多因素Logistic回归分析预测法获得风险参数的预测模型;
S5)根据预测模型输入生理学风险因素和手术风险因素预测手术后的主要的危险因素以及对应的相对危险度值。
2.根据权利要求1所述一种老年骨科手术风险预测方法,其特征在于:所述步骤S3)还包括步骤S3.1):将筛选后的生理学风险因素和手术风险因素划分等级,将生理学风险因素予以从0至8分的赋值,将手术风险因素予以从0至4分的赋值。
3.根据权利要求1所述一种老年骨科手术风险预测方法,其特征在于:步骤S3)对数据进行处理的方法还包括:应用SPSS和MATLAB统计软件进行数据处理。
4.根据权利要求1所述一种老年骨科手术风险预测方法,其特征在于:所述初步收集的生理学风险因素包括基本常规检查和临床检查结果。
5.根据权利要求6所述一种老年骨科手术风险预测方法,其特征在于:所述生理学风险因素包括:患者年龄、心脏功能分级、呼吸功能分级、肾功能分级、糖尿病以及基础疾病分级、收缩压分级、意识状态、以及血红蛋白含量情况。
6.根据权利要求6所述一种老年骨科手术风险预测方法,其特征在于:所述手术风险因素包括:患者手术的大小、手术的时机、手术持续的时间,手术的次数和手术中出血量。
7.一种老年骨科手术风险预测系统,其特征在于:包括数据采集模块、数据录入模块、分析模块、服务器和配套软件,所述数据采集模块连接基本常规检查仪器,用于采集患者基本常规检查电子信息;所述数据录入模块连接数据采集模块,用于采集人工录入的临床检查信息和基本常规检查信息;所述分析模块连接数据采集模块,用于分析显著影响并发症发生率和死亡率的生理学风险因素和手术风险因素;所述服务器包括并发症发生率预测模型和死亡率预测模型,用于输入生理学风险因素和手术风险因素得出手术后的主要的危险因素以及对应的相对危险度值。
8.根据权利要求8所述的一种老年骨科手术风险预测系统,其特征在于:所述数据分析模块分析原理包括:二分类Logistic回归分析,χ2检验和t检验分析;所述并发症发生率预测模型和死亡率预测模型的原理包括:多因素Logistic回归分析。
9.根据权利要求8所述的一种老年骨科手术风险预测系统,其特征在于:所述并发症发生率预测模型为生理学风险因素、手术风险因素与并发症发生率之间的数学关系式,
所述数学关系式为:lnR1/(1-R1)=-4.643+0.1428×PS+0.1853×OS,
其中,PS为生理学风险因素赋值总和;OS为手术风险因素赋值总和。
10.根据权利要求8所述一种老年骨科手术风险预测系统,其特征在于:所述死亡率预测模型为生理学风险因素、手术风险因素与死亡率之间的数学关系式,
所述数学关系式为:lnR2/(1-R2)=-6.99+0.1299×PS+0.2562×OS,
其中,PS为生理学风险因素赋值总和;OS为手术风险因素赋值总和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610652228.8A CN106295180A (zh) | 2016-08-10 | 2016-08-10 | 老年骨科手术风险预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610652228.8A CN106295180A (zh) | 2016-08-10 | 2016-08-10 | 老年骨科手术风险预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106295180A true CN106295180A (zh) | 2017-01-04 |
Family
ID=57668174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610652228.8A Pending CN106295180A (zh) | 2016-08-10 | 2016-08-10 | 老年骨科手术风险预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106295180A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106667443A (zh) * | 2017-01-10 | 2017-05-17 | 中山大学中山眼科中心 | 先天性白内障术后并发症预测方法和系统 |
CN109191508A (zh) * | 2018-09-29 | 2019-01-11 | 深圳阜时科技有限公司 | 一种模拟整容装置、模拟整容方法及设备 |
CN109712716A (zh) * | 2018-12-25 | 2019-05-03 | 广州天鹏计算机科技有限公司 | 疾病影响因素确定方法、系统和计算机设备 |
CN109727679A (zh) * | 2018-07-30 | 2019-05-07 | 中国医学科学院肿瘤医院 | 一种颈部吻合食管癌切除术手术部位感染风险预测评分及系统 |
CN109785430A (zh) * | 2019-01-28 | 2019-05-21 | 上海交通大学医学院附属上海儿童医学中心 | 一种tapvc心上术后再狭窄的风险预测模型的构建方法及装置 |
CN109961831A (zh) * | 2019-03-29 | 2019-07-02 | 首都医科大学附属北京友谊医院 | 一种小儿肾结石手术风险数据的获取方法及系统 |
CN111081377A (zh) * | 2020-01-16 | 2020-04-28 | 四川大学 | 一种坏死性急性胰腺炎患者手术时机预测模型 |
CN111613334A (zh) * | 2020-06-01 | 2020-09-01 | 广东省心血管病研究所 | 主动脉弓置换术后急性肾损伤概率预测模型的建立方法 |
CN111863260A (zh) * | 2020-07-15 | 2020-10-30 | 广东省心血管病研究所 | 急性Stanford A型主动脉夹层术前风险评估模型建立方法及装置 |
CN111899866A (zh) * | 2020-07-28 | 2020-11-06 | 四川大学华西医院 | 基于深度学习的外科手术并发症评测系统 |
CN111951966A (zh) * | 2020-08-05 | 2020-11-17 | 宁波市奉化区人民医院医共体 | 基于possum评分系统对骨质疏松性骨折术后并发症的预测方法 |
WO2021012203A1 (zh) * | 2019-07-24 | 2021-01-28 | 广州知汇云科技有限公司 | 基于围术期危险预警的多模型互补增强机器学习平台 |
CN112614598A (zh) * | 2021-01-06 | 2021-04-06 | 尚林梅 | 基于大数据的医疗信息处理方法和系统 |
CN112851793A (zh) * | 2019-11-28 | 2021-05-28 | 北京肿瘤医院(北京大学肿瘤医院) | 一种用于早期体腔内感染性并发症诊断的标记物及方法 |
CN113327679A (zh) * | 2021-05-27 | 2021-08-31 | 上海市闵行区中心医院 | 一种肺栓塞临床风险及预后评分方法与系统 |
CN113362954A (zh) * | 2021-05-20 | 2021-09-07 | 浙江大学 | 一种老年患者术后感染并发症风险预警模型及其建立方法 |
CN113380391A (zh) * | 2021-06-24 | 2021-09-10 | 南通市第一人民医院 | 一种骨科植入物的智能管理方法及系统 |
CN113436740A (zh) * | 2021-07-03 | 2021-09-24 | 北京大学第三医院(北京大学第三临床医学院) | 术后不良结局风险的预测模型的构建方法 |
CN114639478A (zh) * | 2022-03-09 | 2022-06-17 | 曜立科技(北京)有限公司 | 一种基于心脏瓣膜病的超声监测系统 |
CN117133461A (zh) * | 2023-10-23 | 2023-11-28 | 北京肿瘤医院(北京大学肿瘤医院) | 一种老年肺癌患者术后短期死亡风险评估的方法及相关设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968572A (zh) * | 2012-12-10 | 2013-03-13 | 吴志宏 | 一种骨科病例信息采集系统及其采集方法 |
CN103519895A (zh) * | 2013-10-18 | 2014-01-22 | 江苏艾迪尔医疗科技股份有限公司 | 一种骨科手术辅助导引方法 |
-
2016
- 2016-08-10 CN CN201610652228.8A patent/CN106295180A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968572A (zh) * | 2012-12-10 | 2013-03-13 | 吴志宏 | 一种骨科病例信息采集系统及其采集方法 |
CN103519895A (zh) * | 2013-10-18 | 2014-01-22 | 江苏艾迪尔医疗科技股份有限公司 | 一种骨科手术辅助导引方法 |
Non-Patent Citations (4)
Title |
---|
兰秀夫等: "建立一种新评分系统用于术前评估老年髋部骨折手术风险", 《中华创伤杂志》 * |
刘智等: "改良POSSUM评分系统在预测老年人股骨粗隆间骨折手术风险中的应用价值", 《中华外科杂志》 * |
杨良锁等: "老年软组织肉瘤患者手术并发症风险预测及危险因素", 《中国老年学杂志》 * |
白晓东等: "POSSUM系统对老年患者骨科手术风险的预测研究", 《中国骨肿瘤骨病》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106667443A (zh) * | 2017-01-10 | 2017-05-17 | 中山大学中山眼科中心 | 先天性白内障术后并发症预测方法和系统 |
CN109727679A (zh) * | 2018-07-30 | 2019-05-07 | 中国医学科学院肿瘤医院 | 一种颈部吻合食管癌切除术手术部位感染风险预测评分及系统 |
CN109191508A (zh) * | 2018-09-29 | 2019-01-11 | 深圳阜时科技有限公司 | 一种模拟整容装置、模拟整容方法及设备 |
CN109712716A (zh) * | 2018-12-25 | 2019-05-03 | 广州天鹏计算机科技有限公司 | 疾病影响因素确定方法、系统和计算机设备 |
CN109712716B (zh) * | 2018-12-25 | 2021-08-31 | 广州医科大学附属第一医院 | 疾病影响因素确定方法、系统和计算机设备 |
CN109785430A (zh) * | 2019-01-28 | 2019-05-21 | 上海交通大学医学院附属上海儿童医学中心 | 一种tapvc心上术后再狭窄的风险预测模型的构建方法及装置 |
CN109785430B (zh) * | 2019-01-28 | 2023-07-18 | 上海交通大学医学院附属上海儿童医学中心 | Tapvc心上术后再狭窄的风险预测模型的构建方法 |
CN109961831A (zh) * | 2019-03-29 | 2019-07-02 | 首都医科大学附属北京友谊医院 | 一种小儿肾结石手术风险数据的获取方法及系统 |
CN109961831B (zh) * | 2019-03-29 | 2021-04-06 | 首都医科大学附属北京友谊医院 | 一种小儿肾结石手术风险数据的获取方法及系统 |
WO2021012203A1 (zh) * | 2019-07-24 | 2021-01-28 | 广州知汇云科技有限公司 | 基于围术期危险预警的多模型互补增强机器学习平台 |
CN112851793A (zh) * | 2019-11-28 | 2021-05-28 | 北京肿瘤医院(北京大学肿瘤医院) | 一种用于早期体腔内感染性并发症诊断的标记物及方法 |
CN112851793B (zh) * | 2019-11-28 | 2023-08-22 | 北京肿瘤医院(北京大学肿瘤医院) | 一种用于早期体腔内感染性并发症诊断的标记物及方法 |
CN111081377A (zh) * | 2020-01-16 | 2020-04-28 | 四川大学 | 一种坏死性急性胰腺炎患者手术时机预测模型 |
CN111613334A (zh) * | 2020-06-01 | 2020-09-01 | 广东省心血管病研究所 | 主动脉弓置换术后急性肾损伤概率预测模型的建立方法 |
CN111863260A (zh) * | 2020-07-15 | 2020-10-30 | 广东省心血管病研究所 | 急性Stanford A型主动脉夹层术前风险评估模型建立方法及装置 |
CN111899866A (zh) * | 2020-07-28 | 2020-11-06 | 四川大学华西医院 | 基于深度学习的外科手术并发症评测系统 |
CN111899866B (zh) * | 2020-07-28 | 2022-04-22 | 四川大学华西医院 | 基于深度学习的外科手术并发症评测系统 |
CN111951966A (zh) * | 2020-08-05 | 2020-11-17 | 宁波市奉化区人民医院医共体 | 基于possum评分系统对骨质疏松性骨折术后并发症的预测方法 |
CN112614598A (zh) * | 2021-01-06 | 2021-04-06 | 尚林梅 | 基于大数据的医疗信息处理方法和系统 |
CN113362954A (zh) * | 2021-05-20 | 2021-09-07 | 浙江大学 | 一种老年患者术后感染并发症风险预警模型及其建立方法 |
CN113327679A (zh) * | 2021-05-27 | 2021-08-31 | 上海市闵行区中心医院 | 一种肺栓塞临床风险及预后评分方法与系统 |
CN113380391A (zh) * | 2021-06-24 | 2021-09-10 | 南通市第一人民医院 | 一种骨科植入物的智能管理方法及系统 |
CN113436740A (zh) * | 2021-07-03 | 2021-09-24 | 北京大学第三医院(北京大学第三临床医学院) | 术后不良结局风险的预测模型的构建方法 |
CN114639478A (zh) * | 2022-03-09 | 2022-06-17 | 曜立科技(北京)有限公司 | 一种基于心脏瓣膜病的超声监测系统 |
CN114639478B (zh) * | 2022-03-09 | 2023-01-10 | 曜立科技(北京)有限公司 | 一种基于心脏瓣膜病的超声监测系统 |
CN117133461A (zh) * | 2023-10-23 | 2023-11-28 | 北京肿瘤医院(北京大学肿瘤医院) | 一种老年肺癌患者术后短期死亡风险评估的方法及相关设备 |
CN117133461B (zh) * | 2023-10-23 | 2024-01-30 | 北京肿瘤医院(北京大学肿瘤医院) | 一种老年肺癌患者术后短期死亡风险评估的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106295180A (zh) | 老年骨科手术风险预测方法 | |
Tison et al. | Automated and interpretable patient ECG profiles for disease detection, tracking, and discovery | |
Lopez-Jimenez et al. | Artificial intelligence in cardiology: present and future | |
Tashjian et al. | Determining the minimal clinically important difference for the American Shoulder and Elbow Surgeons score, Simple Shoulder Test, and visual analog scale (VAS) measuring pain after shoulder arthroplasty | |
Lu et al. | Classification of osteoporosis based on bone mineral densities | |
Désesquelles et al. | Revisiting the mortality of France and Italy with the multiple-cause-of-death approach | |
Riordan Jr et al. | Early loss of heart rate complexity predicts mortality regardless of mechanism, anatomic location, or severity of injury in 2178 trauma patients | |
CN107153774A (zh) | 慢性病风险评估双曲线模型的构建及应用该模型的疾病预测系统 | |
Berríos-Torres et al. | Improved risk adjustment in public reporting: coronary artery bypass graft surgical site infections | |
US10791939B2 (en) | Biometric scale | |
CA2461612A1 (en) | System for supporting clinical decision making through the modeling of acquired patient medical information | |
CN107438399A (zh) | 心血管恶化预警评分 | |
Ambler et al. | The abdominal aortic aneurysm statistically corrected operative risk evaluation (AAA SCORE) for predicting mortality after open and endovascular interventions | |
WO2019102829A1 (ja) | 画像解析方法、画像解析装置、画像解析システム、画像解析プログラム、記録媒体 | |
US20150164428A1 (en) | Method for Multi-Scale Quality Assessment for Variability Analysis | |
Laroche et al. | A classification study of kinematic gait trajectories in hip osteoarthritis | |
US10716517B1 (en) | Biomechanics abnormality identification | |
CN106037720A (zh) | 混合连续信息分析技术在医学上的应用方法 | |
Schall et al. | A new method for estimating probability of survival in pediatric patients using revised TRISS methodology based on age-adjusted weights | |
CN114947756A (zh) | 基于皮肤图像的特应性皮炎严重程度的智能评估决策系统 | |
US10485486B2 (en) | Clinical metric for predicting onset of cardiorespiratory deterioration in patients | |
Remedios et al. | Towards the use of 2D video-based markerless motion capture to measure and parameterize movement during functional capacity evaluation | |
Shankar et al. | Femur bone volumetric estimation for osteoporosis classification using optimization-based deep belief network in X-ray images | |
Puertas et al. | Statistical and prognostic analysis of dynamic changes of platelet count in ICU patients | |
Tomlinson et al. | Risk assessment in anaesthesia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |
|
RJ01 | Rejection of invention patent application after publication |