CN111529788B - 一种基于腹膜透析的超滤量预测方法 - Google Patents
一种基于腹膜透析的超滤量预测方法 Download PDFInfo
- Publication number
- CN111529788B CN111529788B CN202010377396.7A CN202010377396A CN111529788B CN 111529788 B CN111529788 B CN 111529788B CN 202010377396 A CN202010377396 A CN 202010377396A CN 111529788 B CN111529788 B CN 111529788B
- Authority
- CN
- China
- Prior art keywords
- peritoneal dialysis
- dialysis
- algorithm model
- ultrafiltration volume
- peritoneal
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/14—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis
- A61M1/28—Peritoneal dialysis ; Other peritoneal treatment, e.g. oxygenation
Landscapes
- Health & Medical Sciences (AREA)
- Emergency Medicine (AREA)
- Urology & Nephrology (AREA)
- Heart & Thoracic Surgery (AREA)
- Vascular Medicine (AREA)
- Engineering & Computer Science (AREA)
- Anesthesiology (AREA)
- Biomedical Technology (AREA)
- Hematology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- External Artificial Organs (AREA)
Abstract
本发明公开的基于腹膜透析的超滤量预测方法,涉及数据处理技术领域,利用电子称重工具,获取本次腹膜透析的治疗数据,将治疗数据输入预先创建的算法模型,得到本次腹膜透析的透析时长与超滤量之间关系,根据本次腹膜透析的透析时长与超滤量之间关系,得到本次腹膜透析的超滤量,能够实时精确预测腹膜透析的超滤量,为获得CAPD治疗的最优方案提供参考。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及基于腹膜透析的超滤量预测方法。
背景技术
终末期肾脏病(尿毒症)是慢性肾脏病发展的终末阶段,亚洲是终末期肾脏病的高发地区,我国每年新发尿毒症病例约占总人数的万分之一。由于包括边远山区日常监测及随访困难等诸多因素制约,我国仅有不到30%的终末期肾脏病患者接受规范的肾替代治疗,目前国内接受肾替代治疗的人数约46万人,预计到2020年我国终末期肾脏病接受肾替代治疗的人数将达到甚至超过167万人,每年耗费经济成本约1670亿元,这是一个庞大的治疗群体。做好这个群体的肾替代治疗工作,提高治疗效果和生存质量,努力使他们回归社会成为肾脏病医疗从业者共同努力的方向。
终末期肾脏病肾替代治疗的方式包括:腹膜透析、血液透析和同种异体肾移植三种方式,终末期肾脏病患者必须在上述三种方式中选择一种。肾移植的主要瓶颈在于肾源的获取,由于肾源获取的困难使得肾移植的开展“可遇不可求”,而且肾移植的一次性医疗投入太高,不能为普通患者所接受。腹膜透析与血液透析是肾替代治疗的两种主要方式,大量文献数据表明:腹膜透析和血液透析在临床效果、生命质量、生存率方面没有统计学差异,而单从费用分析,各项研究数据显示腹膜透析的医疗费用普遍低于血液透析,在许多国家,两个腹膜透析患者的治疗费用与一个血液透析患者的治疗费用相当。与血液透析相比,腹膜透析能够较好地保护残余肾功能,对人体心脏、血液及循环动力系统的影响较小,不易引起心脏病等各种并发症,并且可以居家治疗,治疗方案比较灵活,优先选择腹膜透析有助于尿毒症患者赢得肾替代治疗的整体存活时间,逐渐被广大医师及患者普遍认可。
目前腹膜透析的主流治疗方式为居家持续性非卧床腹膜透析(Continuousambulatoryperitoneal dialysis,CAPD),与血液透析相比,腹膜透析能更好地提供患者回归家庭、回归社会的机会,更趋于自然,为越来越多的尿毒症患者所接受,世界上医疗事业较发达国家和地区提倡“腹膜透析优先”的治疗理念,如中国香港是落实“腹膜透析优先”政策比较成功的地区,终末期肾脏病的患者只有在有腹膜透析禁忌证或因腹膜透析并发症而不适合继续开展腹膜透析治疗时,才会被安排进行血液透析,这一政策大大的减少了医疗成本,减少了购置血透机及开办血液透析治疗中心的场地需求,也为广大的该类患者所支持。在内地广大的边远山区及经济欠发达地区,由于缺乏有效的医疗专业技术支持及硬件配套而难以进行血液透析,在这些地区开展好腹膜透析能够弥补上述不足。面对内地不断增长的终末期肾脏病患者人群,场地及经济负担不断增大,优先开展并做好腹膜透析是当前的一个重要举措。其中腹膜透析过程中的超滤量是评价治疗效果的重要指标,与患者腹膜功能、腹透液留腹时间有关,在日常诊疗中,通过对该项指标的预测,为获取CAPD治疗的最优方案提供可能。
近年来,CAPD医疗质量管理的趋势慢慢强化,多个腹膜透析中心都在加强患者随访服务,部分单位构建远程随访系统,甚至开发了电子称重工具为配套接口的远程诊疗,但是至今尚未实现对超滤量的实时预测,导致不能为获得CAPD治疗的最优方案提供参考。
发明内容
为解决现有技术的不足,本发明实施例提供了一种基于腹膜透析的超滤量预测方法,该方法包括以下步骤:
利用电子称重工具,获取本次腹膜透析的治疗数据,其中,所述治疗数据包括入液时间、入液量、出液时间、出液量;
将所述治疗数据输入预先创建的算法模型,得到本次腹膜透析的透析时长与超滤量之间关系,其中,透析时长x为出液时间x1与入液时间x2的差值,超滤量w为入液量w1与出液量w2的差值;
根据本次腹膜透析的透析时长与超滤量之间关系,得到本次腹膜透析的超滤量。
优选地,所述算法模型的创建过程包括:
获取历史腹膜透析的各个滤出率yi与对应的透析时长xi,其中,i为历史腹膜透析的次数,其中,滤出率为为一次腹膜透析中平均每分钟滤出腹透液的重量;
利用最小二乘法,得到滤出率y与透析时长x之间的第一算法模型y=kx+b,其中,k、b为常数。
优选地,根据本次腹膜透析的透析时长与超滤量之间的关系,得到本次腹膜透析的超滤量包括:
根据公式w2=(kx+b)x,得到腹膜透析的出液量w2;
根据公式w=w1-(kx+b)x,得到本次腹膜透析的超滤量。
优选地,常数k的计算过程包括:
优选地,常数b的计算过程包括:
优选地,在得到第一算法模型y=kx+b之后,所述方法还包括:
根据滤出率y与透析时长x之间的算法模型对应的曲线呈现的形状,将第一算法模型y=kx+b变换为第二算法模型y=bxk。
本发明实施例提供的基于腹膜透析的超滤量预测方法,具有以下有益效果:
能够实时精确预测腹膜透析的超滤量,为获得CAPD治疗的最优方案提供参考。
附图说明
图1为本发明实施例提供的基于腹膜透析的超滤量预测方法流程示意图;
图2为本发明实施例提供的腹膜透析的透析时长与超滤量之间数据关系的散点图;
图3为本发明实施例提供的改进的腹膜透析的透析时长与超滤量之间数据关系的散点图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示,本发明实施例提供的基于腹膜透析的超滤量预测方法包括以下步骤:
S101,利用电子称重工具,获取本次腹膜透析的治疗数据,其中,治疗数据包括入液时间、入液量、出液时间、出液量。
S102,将治疗数据输入预先创建的算法模型,得到本次腹膜透析的透析时长与超滤量之间关系,其中,透析时长x为出液时间x1与入液时间x2的差值,超滤量w为入液量w1与出液量w2的差值。
作为一个具体的实施例,根据腹膜透析的历史数据可知,透析时长x一般控制在180分钟至600分钟之间。
S103,根据本次腹膜透析的透析时长与超滤量之间关系,得到本次腹膜透析的超滤量。
可选地,算法模型的创建过程包括:
获取历史腹膜透析的各个滤出率yi与对应的透析时长xi,其中,i为历史腹膜透析的次数,其中,滤出率为每分钟滤出的腹透液的量;
利用最小二乘法,得到滤出率y与透析时长x之间的第一算法模型y=kx+b,其中,k、b为常数。
可选地,根据本次腹膜透析的透析时长与超滤量之间的关系,得到本次腹膜透析的超滤量包括:
根据公式w2=(kx+b)x,得到腹膜透析的出液量w2;
根据公式w=w1-(kx+b)x,得到本次腹膜透析的超滤量。
可选地,常数k的计算过程包括:
可选地,常数b的计算过程包括:
可选地,在得到第一算法模型y=kx+b之后,所述方法还包括:
根据滤出率y与透析时长x之间的算法模型对应的曲线呈现的形状,将第一算法模型y=kx+b变换为第二算法模型y=bxk。
如图2所示,以腹透时间(单位:分钟)为x轴,滤出率(扩大1000倍)为y轴画出散点图,滤出率随时间的增长呈下降的趋势明显,但下降的速度随着时间的增长缓慢降低,曲线近似地呈对数形状。考虑先使用线性回归函数,用y表示每分钟滤出率(乘1000倍),x表示腹透时间,对y和x使用最小二乘法进行回归,设直线方程的表达式为y=kx+b,k为斜率,b为截距。根据患者腹透的历史数据可以将参数k和b计算出来。虽然该方法有效,但是可以明显观测到部分区间范围内拟合曲线和实际值之间存在明显差异,线性回归函数模型有待改进的空间。考虑到实际曲线呈幂函数形状,经过反复测算比较,对y=kx+b做数学变换,假设y=bxk,对y=bxk两边取对数后可得lny=lnb+klnx,令b*=lnbb′=lnb,x*=lnx,可得y′=b′+kx′,如图3所示,函数y′=b′+kx′整体拟合度高于y=kx+b,y′=b′+kx′整体的趋势线是一条直线,整体拟合度更高,可以完好的表现出变动趋势。
作为一个具体的实施例,本发明实施例提供的基于腹膜透析的超滤量预测方法的计算过程如下:
患者每天进行腹膜透析,每次腹透过程都通过使用APP记录腹透数据,远程腹透系统后台通过直接或间接计算的方法可以计算得到包括但不限于以下变量:腹透的开始时间t1、腹透结束时间t2、腹透出液重量w,随机选取某患者的腹透数据如表1所示(省略了部分数据):
表1
表格2除第一行表头外,每一行记录该患者一次腹透的流程数据。第一列为患者进行腹透的编号,例如最后一行腹透编号1114表示该患者进行的第1114次腹透,第二列为该患者的腹透编号,第三列为该患者的一次腹透过程出液量w(kg);第四列腹透时长t(min)根据患者腹透的开始时间点t1和腹透结束时间点t2计算得到(t2-t1),则第五列的滤出率v=w/t。分别对腹透时长t和滤除率v取对数可得第六列lnt的数值和第七列lnv的数值。通过观察lnt和lnv之间的数据散点图发现,lnt与lnv整体呈线性。将lnt看做x,lnv看做y,使用最小二乘法原理公式,可以计算出二者的回归方程y=-1.0444x+1.0775,通过该回归方程计算得到的回归参数,可以通过腹透时间预测该患者的腹透出液量,也可以用来校对患者腹透的腹透数据书否标准(若患者实际出液量明显异常于算模型预测的出液量,则可认为本次腹透出现异常,需要人工介入诊断)。
本发明实施例提供的基于腹膜透析的超滤量预测方法,利用电子称重工具,获取本次腹膜透析的治疗数据,将治疗数据输入预先创建的算法模型,得到本次腹膜透析的透析时长与超滤量之间关系,根据本次腹膜透析的透析时长与超滤量之间关系,得到本次腹膜透析的超滤量,能够实时精确预测腹膜透析的超滤量,为获得CAPD治疗的最优方案提供参考。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外,存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitorymedia),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (2)
1.一种基于腹膜透析的超滤量预测方法,其特征在于,包括:
(1)、获取历史腹膜透析的治疗数据,其中,所述治疗数据包括入液时间、出液时间、出液量;
(2)、获取历史腹膜透析的各个滤出率yi与对应的透析时长xi,其中,i为历史腹膜透析的次数,其中,滤出率为一次腹膜透析中平均每分钟滤出腹透液的重量;
利用最小二乘法,得到滤出率y与透析时长x之间的第一算法模型y=kx+b,其中,k、b为常数;
(3)、利用电子称重工具,获取本次腹膜透析的治疗数据,所述治疗数据包括入液时间、出液时间、入液量;
(4)、根据透析时长为出液时间与入液时间的差值,得出本次腹膜透析的透析时长,将本次腹膜透析的透析时长输入步骤(2)得到的第一算法模型y=kx+b中,得到本次腹膜透析的滤出率;
(5)、计算本次腹膜透析的出液量,其公式如下:
出液量=滤出率×透析时长;
(6)、预测本次腹膜透析的超滤量,其公式如下:
超滤量=入液量-出液量,其中:
步骤(2)中第一算法模型y=kx+b中,常数k的计算过程包括:
步骤(2)中第一算法模型y=kx+b中,常数b的计算过程包括:
2.根据权利要求1所述的基于腹膜透析的超滤量预测方法,其特征在于,在得到第一算法模型y=kx+b之后,所述方法还包括:
根据滤出率y与透析时长x之间的算法模型对应的曲线呈现的形状,将第一算法模型y=kx+b变换为第二算法模型y=bxk。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377396.7A CN111529788B (zh) | 2020-05-07 | 2020-05-07 | 一种基于腹膜透析的超滤量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377396.7A CN111529788B (zh) | 2020-05-07 | 2020-05-07 | 一种基于腹膜透析的超滤量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111529788A CN111529788A (zh) | 2020-08-14 |
CN111529788B true CN111529788B (zh) | 2023-01-24 |
Family
ID=71973505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010377396.7A Active CN111529788B (zh) | 2020-05-07 | 2020-05-07 | 一种基于腹膜透析的超滤量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111529788B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62204763A (ja) * | 1986-03-05 | 1987-09-09 | グラム株式会社 | 限外濾過量及び透析液濃度測定装置 |
US5714685A (en) * | 1994-12-07 | 1998-02-03 | Gambro Ab | Method and apparatus for measuring the flow differential in a dialysis machine |
CN104689395A (zh) * | 2013-12-05 | 2015-06-10 | 天津市迈克尔化工有限公司 | 透析器超滤率及清除率实验装置 |
CN205883319U (zh) * | 2016-08-16 | 2017-01-11 | 张洁 | 称重及数据传输装置 |
CN108853624A (zh) * | 2018-05-15 | 2018-11-23 | 易铁钢 | 腹膜透析中入腹液体流速计算方法、装置、系统和介质 |
CN109357738A (zh) * | 2018-10-10 | 2019-02-19 | 苏州爱力想电子科技有限公司 | 腹膜透析电子称的称重方法 |
-
2020
- 2020-05-07 CN CN202010377396.7A patent/CN111529788B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62204763A (ja) * | 1986-03-05 | 1987-09-09 | グラム株式会社 | 限外濾過量及び透析液濃度測定装置 |
US5714685A (en) * | 1994-12-07 | 1998-02-03 | Gambro Ab | Method and apparatus for measuring the flow differential in a dialysis machine |
CN104689395A (zh) * | 2013-12-05 | 2015-06-10 | 天津市迈克尔化工有限公司 | 透析器超滤率及清除率实验装置 |
CN205883319U (zh) * | 2016-08-16 | 2017-01-11 | 张洁 | 称重及数据传输装置 |
CN108853624A (zh) * | 2018-05-15 | 2018-11-23 | 易铁钢 | 腹膜透析中入腹液体流速计算方法、装置、系统和介质 |
CN109357738A (zh) * | 2018-10-10 | 2019-02-19 | 苏州爱力想电子科技有限公司 | 腹膜透析电子称的称重方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111529788A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8444593B2 (en) | Method for testing peritoneum function and a peritoneal dialysis planning apparatus | |
CN102625718B (zh) | 肾脏替代治疗机器 | |
Bellazzi et al. | Temporal data mining for the quality assessment of hemodialysis services | |
CN102159260B (zh) | 用于在肾脏替代治疗中早期预测Kt/V参数的方法和设备 | |
US8088094B2 (en) | Planning method and apparatus for peritoneal dialysis and hemodialysis hybrid remedy | |
CA2624161A1 (en) | Peritoneal membrane function test method, peritoneal membrane function test apparatus and peritoneal membrane function test program | |
EP3651645B1 (en) | Apparatus and method for determining interstitial fluid volume using bioimpendance information | |
CN111529788B (zh) | 一种基于腹膜透析的超滤量预测方法 | |
US20220093261A1 (en) | Chronic kidney disease (ckd) machine learning prediction system, methods, and apparatus | |
CN103140248A (zh) | 通过紫外线检查控制透析液走势 | |
de Canete et al. | Artificial neural networks for adaptive control of profiled haemodialysis in patients with renal insufficiency | |
Marano et al. | A new approach to bicarbonate addition during hemodialysis: Testing model predictions in a patient cohort | |
CN113785366A (zh) | 基于相对血容量的透析技术 | |
CN108986920A (zh) | 透析充分性蛋白分解率评估方法及系统 | |
CN111199781B (zh) | 一种基于腹膜透析的诊疗数据自动标记方法 | |
CN106714668A (zh) | 预测表征血液治疗的结果的一个或多个参数的设备和方法 | |
Pratiwi et al. | Relationship Between Reuse Dialyzer With Adequacy of the Dialysis in Hemodialysis Patients at RSUD Pasar Minggu South of Jakarta | |
Ray et al. | Artificial intelligence approach to determine minimum dose of haemodialysis | |
CN114267442A (zh) | 一种腹膜透析的诊疗数据自动标记方法 | |
Demirjian et al. | Comparison of Mid and Conventional Dialysate Flow in Critically Ill Patients Undergoing Intermittent Dialysis: SA-PO426 | |
Smye et al. | Comparison of approximate and iterative methods to calculate the efficiency of haemodialysis as Kt/V | |
Ray et al. | Machine learning in medicine: calculating the minimum dose of haemodialysis using neural networks | |
CN116209485A (zh) | 在透析治疗期间无创确定估计心输出量的技术 | |
Fernández et al. | Bedside linear regression equations to estimate equilibrated blood urea | |
Cottle et al. | Calculating Evidence Based Renal Replacement Therapy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |