CN112289443A - 一种基于生物标志物的急性心血管事件风险评估系统 - Google Patents
一种基于生物标志物的急性心血管事件风险评估系统 Download PDFInfo
- Publication number
- CN112289443A CN112289443A CN202010677693.3A CN202010677693A CN112289443A CN 112289443 A CN112289443 A CN 112289443A CN 202010677693 A CN202010677693 A CN 202010677693A CN 112289443 A CN112289443 A CN 112289443A
- Authority
- CN
- China
- Prior art keywords
- data
- characteristic data
- biomarker
- acute cardiovascular
- cardiovascular event
- 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
Images
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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
本发明涉及一种基于生物标志物的急性心血管事件风险评估系统,包括特征数据获取单元和数据分析单元,所述特征数据获取单元用于获取人员的生物标志物特征数据和临床指标特征数据;所述数据分析单元基于特征数据获取单元获取的生物标志物特征数据和临床指标特征数据、以及样本中人员的生物标志物特征数据和临床指标特征数据,评估人员发生急性心血管事件的风险。本发明实施例基于对急性心血管事件具有预后预测价值的生物标志物,结合临床指标建立风险评估模型,以指导ACS的临床治疗方案决策和二级预防方案建议,在急性心血管事件风险评估结果的区分度和校准度方面具有显著优势,尤其针对中国ACS人群表现良好。
Description
技术领域
本发明属于智能医疗技术领域,具体涉及一种基于生物标志物的急性心血管事件风险评估系统,尤其适用于缺血导致的急性心血管事件。
背景技术
急性冠状动脉综合征(acute coronary syndrome,ACS)是一种常见的急危重心血管疾病,在全世界范围内呈现高发病率、高致死致残率的态势,也是威胁我国居民健康的重大疾病。ACS包括由冠状动脉阻塞、心肌缺血甚至坏死引起的任何类型的症状,最常见的症状是胸部压榨样疼痛,常放射至左臂或下颌角,并伴有恶心和出汗。根据冠状动脉病变及导致心肌损伤的严重程度、临床表现、心电图ST段变化等特征,ACS可进一步分为:不稳定型心绞痛(unstable angina,UA)、非ST段抬高型心肌梗死(non-ST elevation myocardialinfarction,NSTEMI)或ST段抬高型心肌梗死(ST-elevation myocardial infarction,STEMI)。在ACS整个疾病谱范围内,由冠脉病变导致的心血管缺血事件以及死亡的风险存在相当大的异质性,标准化治疗和二级预防方案不能满足不同特征亚组人群的疾病防治需求。
ACS患者的危险因素和基础病史、心电图特征以及常规的临床化验结果(即生物标志物检测结果),很大程度上与其心血管缺血事件的风险水平有关,这已成为决定药物治疗、冠脉介入等医疗决策以及患者危险因素控制和生活方式调整等个人健康管理的重要依据。美国心脏病学会(American College of Cardiology,ACC)、美国心脏协会(AmericanHeart Association,AHA)、欧洲心脏病学会(European Society of Cardiology,ESC)以及中国心血管病协会(Chinese Society of Cardiology,CSC)的现行指南均建议对ACS患者进行心血管事件的风险评估,推荐的方法有GRACE评分、TIMI评分,参见ChristopherB.Granger,Robert J.等的Predictors of Hospital Mortality in the GlobalRegistry of Acute Coronary Events(全球急性冠脉事件注册登记研究中院内死亡的预测因子).Arch Intern Med.2003;163:2345-2353和Elliott M.Antman,等的The TIMIrisk score for unstable angina/non-ST elevation MI(不稳定性心绞痛/非ST段抬高型心肌梗死的TIMI评分).JAMA.2000,284:835-842。依据患者风险分层的结果(低危、中危、高危),医生可以制定较为激进的或是保守的治疗及二级预防方案,患者也可以进行自我健康管理。
GRACE、TIMI风险评估工具均是近20年前根据西方人群为主的队列开发的,其主要指标是危险因素和基础病史、心电图特征以及少量、简单的生物标志物检测结果。其中,生物标志物结果将转化成二分类变量进入评分,提供的信息量是粗线条的。近20年来,无论是急性冠脉综合征患者的个体特征,还是临床可用的治疗药物或冠脉介入手术均发生了较大的变化。因此,在目前医疗条件下,GRACE和TIMI评分对ACS心血管事件(心肌梗死、心源性死亡、缺血性脑卒中)的风险评估效果不稳定,在一定程度上不适用于中国急性冠脉综合征人群。
随着生物标志物的检测技术向“微量”检测的发展,带来生物标志物临床应用的巨大转变。然而,目前全世界范围内尚没有主要依据生物标志物检测结果,结合临床指标的针对ACS患者的风险评估工具,不能实现与时俱进的对ACS患者的精确风险评估,也不能为医疗决策和健康管理提供帮助。
发明内容
为了解决现有ACS心血管事件的风险评估效果不稳定以及缺少生物标志物的评估方法的技术问题,本发明提出了一种基于生物标志物的急性心血管事件风险评估系统,包括特征数据获取单元和数据分析单元,所述数据分析单元与特征数据获取单元连接,其中,
所述特征数据获取单元用于获取人员的生物标志物特征数据和临床指标特征数据;
所述数据分析单元基于特征数据获取单元获取的生物标志物特征数据和临床指标特征数据、以及样本队列中人员的生物标志物特征数据和临床指标特征数据,评估人员发生急性心血管事件的风险。
在一个实施例中,所述生物标志物包括高敏肌钙蛋白T或高敏肌钙蛋白I、N末端前B型利钠肽、以及生长分化因子-15或胱抑素C;
所述临床指标包括人员的年龄、高血压、脑卒中和Killip分级。
在一个实施例中,所述数据分析单元采用以下公式计算人员在预测时段t内发生急性心血管事件的风险值h(t):
其中,n为正整数,
Xi为所获取的人员临床指标特征数据或对生物标志物特征数据进行自然对数运算ln后的数据,
βi为相应生物标志物特征数据的自然对数或临床指标特征数据的偏回归系数,
Mi为样本队列中所有人员的临床指标特征数据平均值或对生物标志物特征数据进行自然对数运算后的数据平均值,
h0(t)是预测时段t内的基线非急性心血管事件生存概率;
高敏肌钙蛋白T检测数据的单位为ng/L,高敏肌钙蛋白I检测数据的单位为ng/L,N末端前B型利钠肽检测数据的单位为ng/L,生长分化因子-15检测数据的单位为ng/L,胱抑素C检测数据的单位为mg/L;年龄数据的取值为人员的年龄值;高血压数据的取值为有高血压病史的取值为1,无高血压病史的取值为0;脑卒中数据的取值为有脑卒中病史的取值为1,无脑卒中病史的取值为0;根据Killip分级,Killip分级数据取1、2、3或4。
在一个实施例中,在预测一年内发生急性心血管事件的风险值h(t)时,
年龄数据对应的偏回归系数为0.029314;高血压数据对应的偏回归系数为0.315369;脑卒中数据对应的偏回归系数为0.428148;Killip分级数据对应的偏回归系数为0.313189;高敏肌钙蛋白T或高敏肌钙蛋白I的自然对数对应的偏回归系数为0.104256;N末端前B型利钠肽的自然对数对应的偏回归系数为0.445608;生长分化因子-15或胱抑素C的自然对数对应的偏回归系数为0.372056,
h0(t)=0.9739。
在一个实施例中,所述数据分析单元采用以下公式计算人员在预测时段t内发生急性心血管事件的概率P:
P=1-h(t)。
在一个实施例中,所述数据分析单元基于人员在预测时段t内发生急性心血管事件的风险值h(t),确定人员发生急性心血管事件的风险等级。
在一个实施例中,所述特征数据获取单元还获取样本队列中人员的生物标志物特征数据和临床指标特征数据。
在一个实施例中,所述基于生物标志物的急性心血管事件风险评估系统还包括数据存储单元,所述数据存储单元分别与特征数据获取单元和数据分析单元连接,存储所述特征数据获取单元获取的生物标志物特征数据和临床指标特征数据、整个样本队列中人员的生物标志物特征数据和临床指标特征数据、以及存储数据分析单元的分析结果数据。
在一个实施例中,所述基于生物标志物的急性心血管事件风险评估系统还包括与数据存储单元连接的查询单元、以及与所述数据存储单元和/或数据分析单元连接的健康管理决策单元。
在一个实施例中,所述基于生物标志物的急性心血管事件风险评估系统还包括与所述数据分析单元连接的数据输出单元。
本发明的有益效果:本发明实施例提出的基于生物标志物的急性心血管事件风险评估系统基于对急性心血管事件具有预后预测价值的新型生物标志物,结合临床指标(年龄、危险因素与基础疾病等)建立风险评估模型,以指导ACS的临床治疗方案决策和二级预防方案建议。与GRACE评分和TIMI评分相比,在急性心血管事件风险评估结果的区分度和校准度方面具有显著优势,尤其针对中国ACS人群表现良好。
附图说明
图1是本发明实施例提出的基于生物标志物的急性心血管事件风险评估系统的系统框图;
图2是本发明的急性心血管事件风险评估系统采用的风险评估模型与GRACE评分和TIMI评分的校准度对比图;
图3是本发明又一实施例提出的基于生物标志物的急性心血管事件风险评估系统的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。但本领域技术人员知晓,本发明并不局限于附图和以下实施例。
本发明基于对急性心血管事件具有预后预测价值的新型生物标志物,结合临床指标(年龄、危险因素与基础疾病等)建立风险评估模型,以指导ACS的临床治疗方案决策和二级预防方案建议。
本发明实施例提出了一种基于生物标志物的急性心血管事件风险评估系统,如图1所示,包括特征数据获取单元和数据分析单元,所述数据分析单元与特征数据获取单元连接。
所述特征数据获取单元用于获取人员的生物标志物特征数据和临床指标特征数据,相应的包括生物标志物特征数据获取单元和临床指标特征数据获取单元。
本发明采用单因素Cox比例风险回归模型对多个基线临床变量、血液指标及生物标志物与急性心血管事件的相关性进行分析,结果见表1。
由此,本申请中用于急性心血管事件风险评估的生物标志物包括高敏肌钙蛋白ThscTnT(high-sensitivity cardiac troponin T)或高敏肌钙蛋白I hscTnI(high-sensitivity cardiac troponin I),和/或包括N末端前B型利钠肽NT-proBNP(N-terminalpro-B-type natriuretic peptide),和/或包括生长分化因子-15GDF-15(growthdifferentiation factor-15)或胱抑素C。所述临床指标包括人员的年龄、高血压、脑卒中和/或Killip分级,其中Killip分级为在急性心梗AMI所致的心力衰竭的临床分级,分为四级。
所述生物标志物特征数据获取单元能够通过扫描生物标志物检测报告的方式,获取人员的生物标志物特征数据;或者,所述生物标志物特征数据获取单元与生物标志物检测设备连接,从生物标志物检测设备中匹配人员信息获取相应的生物标志物特征数据;或者,通过与生物标志物特征数据获取单元连接的输入设备由人工输入。
所述临床指标特征数据获取单元优选的具有输入设备,以人工输入的方式采集临床指标特征数据。
此外,所述特征数据获取单元还能从例如数据存储单元中获取所存储的样本队列中每个人的生物标志物特征数据和临床指标特征数据,用于后续的风险评估。
所述数据分析单元基于特征数据获取单元获取的生物标志物特征数据和临床指标特征数据以及样本中人员的生物标志物特征数据和临床指标特征数据,评估人员发生急性心血管事件的风险。
是待评估人员的特征数据Xi与对应的偏回归系数βi的乘积的总和,Xi为特征数据获取单元获取的人员临床指标特征数据或对生物标志物特征数据进行自然对数运算ln后的数据。其中,高敏肌钙蛋白T hs-cTnT(high-sensitivity cardiac troponinT)检测数据的单位为ng/L,高敏肌钙蛋白I hs-cTnI检测数据的单位为ng/L,N末端前B型利钠肽NT-proBNP检测数据的单位为ng/L,生长分化因子-15GDF-15检测数据的单位为ng/L,胱抑素C检测数据的单位为mg/L;年龄数据的取值为人员的年龄值,例如,人员为50岁,则年龄的取值为50;高血压数据的取值为有高血压病史的取值为1,无高血压病史的取值为0;脑卒中数据的取值为有脑卒中病史的取值为1,无脑卒中病史的取值为0;根据Killip分级,Killip分级数据取1、2、3或4。
βi为相应生物标志物特征数据的自然对数或临床指标特征数据的偏回归系数,是从已建立的队列数据中得出的Xi参数。
本实施例在预测一年内发生急性心血管事件的风险值h(t)时,各生物标志物特征数据和临床指标特征数据的偏回归系数如表1所示。
即,年龄数据对应的偏回归系数的点估计值为0.029314;高血压数据对应的偏回归系数的点估计值为0.315369;脑卒中数据对应的偏回归系数的点估计值为0.428148;Killip分级数据对应的偏回归系数的点估计值为0.313189;ln hsctnT或者ln hscTnI数据对应的偏回归系数的点估计值为0.104256;Ln NTproBNP数据对应的偏回归系数的点估计值为0.445608;Ln GDF15或者ln胱抑素C数据对应的偏回归系数的点估计值为0.372056。
是所述急性心血管事件风险评估系统的所有样本队列中与待评估人员的特征数据Xi对应的特征数据均值Mi与对应的偏回归系数βi的乘积的总和。Mi为所述急性心血管事件风险评估系统中样本队列中所有人员的临床指标特征数据平均值或对生物标志物特征数据进行自然对数运算ln后的数据平均值。例如,当Mi对应于年龄数据时,Mi表示所述急性心血管事件风险评估系统中存储的所有人员样本的年龄的平均值;当Mi对应于高敏肌钙蛋白T hscTnT检测特征数据的自然对数时,Mi表示所述急性心血管事件风险评估系统中存储的所有人员样本的高敏肌钙蛋白T hscTnT检测特征数据的自然对数的平均值。
h0(t)是预测时段t内的基线非急性心血管事件生存概率,是基于样本队列拟合的非急性心血管事件生存概率,即Xi均为0时的非急性心血管事件生存概率。在本系统中,一年的非急性心血管事件生存概率为0.9739。
基于人员在预测时段t内发生急性心血管事件的风险值h(t),确定人员发生急性心血管事件的风险等级。数据分析产生的急性心血管事件风险等级是从本发明中已建立的队列数据中得出的。风险等级划分依据:通过以上公式计算队列人员的风险值h(t),将其加入样本队列中进行排序,将整个样本队列人群按照风险值平均分为3个等级(低风险、中等风险、高风险),确定人员的风险等级。
进一步,采用以下公式计算人员在预测时段t内发生急性心血管事件的概率P:
P=1-h(t)。
对于65岁高血压且无卒中的患者,Killip分级为1,hsctnT为23.7ng/L,GDF-15为1727ng/L,NTproBNP为59.4ng/L,根据该模型计算的1年MACE风险(1年内的基线生存概率h0(1)=0.9739)为:
h(t)=0.9739^exp(7.4574-7.8289)=0.982,
P=1-h(t)=1.8%。
所述基于生物标志物的急性心血管事件风险评估系统还包括数据输出单元,所述数据输出单元与所述数据分析单元连接,用于输出所述数据分析单元计算的人员在预测时段t内发生急性心血管事件的风险值h(t)和/或所评估人员发生急性心血管事件的概率P。
所述数据输出单元能够将所述风险值h(t)和/或风险等级数据输出到显示器进行显示和/或输出到打印机进行打印,所述显示器可以是电脑显示器或手机显示器。
本发明的急性心血管事件风险评估系统采用了上述基于生物标志物的评估模型,与GRACE评分和TIMI评分相比,在急性心血管事件风险评估效果上具有显著优势。
首先,本发明的急性心血管事件风险评估系统采用的风险评估模型的区分度(discrimination)优于GRACE评分和TIMI评分。风险评估模型的区分度反映的是模型把未来急性心血管事件发病风险高低不同的人群正确区分开来的能力。评价风险评估模型区分能力的指标是C统计值(C-statistics),C统计值越大,说明模型的判别区分能力越好。本发明的急性心血管事件风险评估系统采用的风险评估模型与GRACE评分和TIMI评分的C统计值对比参见表2。
表2
其次,本发明的急性心血管事件风险评估系统采用的风险评估模型的校准度(calibration)优于GRACE评分和TIMI评分。风险评估模型的校准度反映的是模型预测风险与实际发生风险的一致程度,也称为一致性。校准度好,说明模型的准确性高。本发明的急性心血管事件风险评估系统采用的风险评估模型与GRACE评分和TIMI评分的校准度对比图参见图2。
在本发明的又一实施例中,如图3所示,所述基于生物标志物的急性心血管事件风险评估系统包括特征数据获取单元、数据分析单元、数据输出单元、数据存储单元、查询单元和健康管理决策单元。
其中,与图1所示的实施例相同,所述数据分析单元分别与特征数据获取单元和数据输出单元连接,执行所述急性心血管事件风险评估系统的基本计算和评估功能,在此不再赘述。
所述基于生物标志物的急性心血管事件风险评估系统包括数据存储单元,所述数据存储单元分别与特征数据获取单元和数据分析单元连接,存储特征数据获取单元获取的所述生物标志物特征数据和临床指标特征数据、整个样本队列中每个人的生物标志物特征数据和临床指标特征数据、以及存储数据分析单元的计算的人员在预测时段t发生急性心血管事件的风险值h(t)和/或所评估的人员发生急性心血管事件的风险等级数据。
所述数据存储单元中的数据可以永久保存,也可以定期清除,以节省整个系统占用的存储空间。
所述基于生物标志物的急性心血管事件风险评估系统包括查询单元,所述查询单元与数据存储单元连接,通过查询单元可以查询数据存储单元中的数据,并可通过数据输出单元输出查询结果,便于医生和患者对疾病风险进行动态评估。
所述基于生物标志物的急性心血管事件风险评估系统包括健康管理决策单元,与所述数据存储单元和/或数据分析单元连接,为医生提供临床辅助决策以及为患者提供风险控制与二级预防建议。
其中,针对医生的临床辅助决策主要依据ACC/AHA/ESC/CSC相关指南关于ACS临床治疗方案选择的建议,将指南建议与患者的风险评估结果进行关联管理,并通过条块化模式提供指南建议。针对患者的风险控制与二级预防建议主要依据ACC/AHA/ESC/CSC相关指南关于ACS二级预防方案的建议,将指南建议与患者的风险评估结果进行关联管理,并通过条块化模式提供二级预防的建议。
由于健康管理决策单元要使用ACC/AHA/ESC/CSC相关指南,因此,健康管理决策单元将实时更新ACC/AHA/ESC/CSC相关指南。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上,对本发明的实施方式进行了说明。但是,本发明不限定于上述实施方式。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于生物标志物的急性心血管事件风险评估系统,其特征在于,包括特征数据获取单元和数据分析单元,所述数据分析单元与特征数据获取单元连接,其中,
所述特征数据获取单元用于获取人员的生物标志物特征数据和临床指标特征数据;
所述数据分析单元基于特征数据获取单元获取的生物标志物特征数据和临床指标特征数据、以及样本队列中人员的生物标志物特征数据和临床指标特征数据,评估人员发生急性心血管事件的风险。
2.如权利要求1所述的基于生物标志物的急性心血管事件风险评估系统,其特征在于,所述生物标志物包括高敏肌钙蛋白T或高敏肌钙蛋白I、N末端前B型利钠肽、以及生长分化因子-15或胱抑素C;
所述临床指标包括人员的年龄、高血压、脑卒中和Killip分级。
3.如权利要求2所述的基于生物标志物的急性心血管事件风险评估系统,其特征在于,所述数据分析单元采用以下公式计算人员在预测时段t内发生急性心血管事件的风险值h(t):
其中,n为正整数,
Xi为所获取的人员临床指标特征数据或对生物标志物特征数据进行自然对数运算ln后的数据,
βi为相应生物标志物特征数据的自然对数或临床指标特征数据的偏回归系数,
Mi为样本队列中所有人员的临床指标特征数据平均值或对生物标志物特征数据进行自然对数运算后的数据平均值,
h0(t)是预测时段t内的基线非急性心血管事件生存概率;
高敏肌钙蛋白T检测数据的单位为ng/L,高敏肌钙蛋白I检测数据的单位为ng/L,N末端前B型利钠肽检测数据的单位为ng/L,生长分化因子-15检测数据的单位为ng/L,胱抑素C检测数据的单位为mg/L;年龄数据的取值为人员的年龄值;高血压数据的取值为有高血压病史的取值为1,无高血压病史的取值为0;脑卒中数据的取值为有脑卒中病史的取值为1,无脑卒中病史的取值为0;根据Killip分级,Killip分级数据取1、2、3或4。
4.如权利要求3所述的基于生物标志物的急性心血管事件风险评估系统,其特征在于,在预测一年内发生急性心血管事件的风险值h(t)时,
年龄数据对应的偏回归系数为0.029314;高血压数据对应的偏回归系数为0.315369;脑卒中数据对应的偏回归系数为0.428148;Killip分级数据对应的偏回归系数为0.313189;高敏肌钙蛋白T或高敏肌钙蛋白I的自然对数对应的偏回归系数为0.104256;N末端前B型利钠肽的自然对数对应的偏回归系数为0.445608;生长分化因子-15或胱抑素C的自然对数对应的偏回归系数为0.372056,
h0(t)=0.9739。
5.如权利要求3所述的基于生物标志物的急性心血管事件风险评估系统,其特征在于,所述数据分析单元采用以下公式计算人员在预测时段t内发生急性心血管事件的概率P:
P=1-h(t)。
6.如权利要求3所述的基于生物标志物的急性心血管事件风险评估系统,其特征在于,所述数据分析单元基于人员在预测时段t内发生急性心血管事件的风险值h(t),确定人员发生急性心血管事件的风险等级。
7.如权利要求1所述的基于生物标志物的急性心血管事件风险评估系统,其特征在于,所述特征数据获取单元还获取样本队列中人员的生物标志物特征数据和临床指标特征数据。
8.如权利要求1所述的基于生物标志物的急性心血管事件风险评估系统,其特征在于,所述基于生物标志物的急性心血管事件风险评估系统还包括数据存储单元,所述数据存储单元分别与特征数据获取单元和数据分析单元连接,存储所述特征数据获取单元获取的生物标志物特征数据和临床指标特征数据、整个样本队列中人员的生物标志物特征数据和临床指标特征数据、以及存储数据分析单元的分析结果数据。
9.如权利要求8所述的基于生物标志物的急性心血管事件风险评估系统,其特征在于,所述基于生物标志物的急性心血管事件风险评估系统还包括与数据存储单元连接的查询单元、以及与所述数据存储单元和/或数据分析单元连接的健康管理决策单元。
10.如权利要求1所述的基于生物标志物的急性心血管事件风险评估系统,其特征在于,所述基于生物标志物的急性心血管事件风险评估系统还包括与所述数据分析单元连接的数据输出单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010677693.3A CN112289443A (zh) | 2020-07-14 | 2020-07-14 | 一种基于生物标志物的急性心血管事件风险评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010677693.3A CN112289443A (zh) | 2020-07-14 | 2020-07-14 | 一种基于生物标志物的急性心血管事件风险评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112289443A true CN112289443A (zh) | 2021-01-29 |
Family
ID=74420212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010677693.3A Pending CN112289443A (zh) | 2020-07-14 | 2020-07-14 | 一种基于生物标志物的急性心血管事件风险评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112289443A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113571191A (zh) * | 2021-08-31 | 2021-10-29 | 复旦大学附属中山医院 | 免疫检查点抑制剂相关mace发生风险的预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102812359A (zh) * | 2009-11-13 | 2012-12-05 | Bg医药公司 | 心肌梗死的风险因子和预测 |
CN107153774A (zh) * | 2017-05-24 | 2017-09-12 | 山东大学 | 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 |
CN110364261A (zh) * | 2019-07-17 | 2019-10-22 | 上海派兰数据科技有限公司 | 一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法 |
CN110739072A (zh) * | 2019-10-14 | 2020-01-31 | 中国人民解放军总医院 | 出血事件发生评估方法和系统 |
CN110824170A (zh) * | 2019-11-04 | 2020-02-21 | 北京市心肺血管疾病研究所 | 一种预测急性肺栓塞患者不良事件的生物标志物及其应用 |
-
2020
- 2020-07-14 CN CN202010677693.3A patent/CN112289443A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102812359A (zh) * | 2009-11-13 | 2012-12-05 | Bg医药公司 | 心肌梗死的风险因子和预测 |
CN107153774A (zh) * | 2017-05-24 | 2017-09-12 | 山东大学 | 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 |
CN110364261A (zh) * | 2019-07-17 | 2019-10-22 | 上海派兰数据科技有限公司 | 一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法 |
CN110739072A (zh) * | 2019-10-14 | 2020-01-31 | 中国人民解放军总医院 | 出血事件发生评估方法和系统 |
CN110824170A (zh) * | 2019-11-04 | 2020-02-21 | 北京市心肺血管疾病研究所 | 一种预测急性肺栓塞患者不良事件的生物标志物及其应用 |
Non-Patent Citations (3)
Title |
---|
DANIEL LINDHOLM: "Biomarker-Based Risk Model to Predict Cardiovascular Mortality in Patients With Stable Coronary Disease", 《JOURNAL OF THE AMERICAN COLLEGE OF CARDIOLOGY》 * |
倪宗瓒: "《医学统计学》", 30 June 1990 * |
李秀昌: "血清同型半胱氨酸水平与冠心病严重程度相关性的探讨", 《山东医科大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113571191A (zh) * | 2021-08-31 | 2021-10-29 | 复旦大学附属中山医院 | 免疫检查点抑制剂相关mace发生风险的预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10741290B2 (en) | Multimarker risk stratification | |
Bennett et al. | Severity of illness assessment with application of the APACHE IV predicted mortality and outcome trends analysis in an academic cardiac intensive care unit | |
Kontos et al. | Emergency department and office-based evaluation of patients with chest pain | |
Meijers et al. | Elevated plasma galectin-3 is associated with near-term rehospitalization in heart failure: a pooled analysis of 3 clinical trials | |
Wu et al. | An artificial intelligence approach to early predict non-ST-elevation myocardial infarction patients with chest pain | |
de Souza et al. | Development of a risk score to predict sudden death in patients with Chaga's heart disease | |
US20060155200A1 (en) | Method for prediction of cardiac disease | |
Raposeiras-Roubín et al. | Walking beyond the GRACE (Global Registry of Acute Coronary Events) model in the death risk stratification during hospitalization in patients with acute coronary syndrome: what do the AR-G (ACTION [Acute Coronary Treatment and Intervention Outcomes Network] registry and GWTG [Get With the Guidelines] database), NCDR (National Cardiovascular Data Registry), and EuroHeart risk scores provide? | |
Goyal et al. | B-type natriuretic peptide levels predict extent and severity of coronary artery disease in non-ST elevation acute coronary syndrome and normal left ventricular function | |
Roubille et al. | Routinely-feasible multiple biomarkers score to predict prognosis after revascularized STEMI | |
Stämpfli et al. | Prognostic power of NT-proBNP in left ventricular non-compaction cardiomyopathy | |
JP2019513993A (ja) | 急性冠症候群のリスクを推定するための決定木ベースのシステム及び方法 | |
US20230223151A1 (en) | Identifying an individual's likelihood of having an acute heart failure | |
Pervez et al. | Prognostic and diagnostic significance of mid-regional pro-atrial natriuretic peptide in acute exacerbation of chronic obstructive pulmonary disease and acute heart failure: data from the ACE 2 Study | |
CN112289443A (zh) | 一种基于生物标志物的急性心血管事件风险评估系统 | |
Gegenhuber et al. | B-type natriuretic peptide and amino terminal proBNP predict one-year mortality in short of breath patients independently of the baseline diagnosis of acute destabilized heart failure | |
Vianna et al. | Accuracy and adequacy of waist circumference cut-off points currently recommended in Brazilian adults | |
Oltrona et al. | Clinical significance of a single measurement of troponin-I and C-reactive protein at admission in 1773 consecutive patients with acute coronary syndromes | |
Croce et al. | A rational adoption of the high sensitive assay for cardiac troponin I in diagnostic routine | |
Subramanian et al. | A novel prediction model for risk stratification in patients with a type 1 Brugada ECG pattern | |
Ruivo et al. | The SHIFT model combines clinical, electrocardiographic and echocardiographic parameters to predict sudden cardiac death in hypertrophic cardiomyopathy | |
McGilligan et al. | An exploratory analysis investigating blood protein biomarkers to augment ECG diagnosis of ACS | |
Wang et al. | A Review of Prognosis Model Associated With Cardiogenic Shock After Acute Myocardial Infarction | |
Draper et al. | Comparison of the diagnostic accuracy of plasma n-terminal pro-brain natriuretic peptide in patients< 80 to those> 80 years of age with heart failure | |
CN113936796A (zh) | 一种基于生物标志物的出血事件风险评估系统 |
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 |