CN112462073A - 一种血液学指标的数据处理方法及系统 - Google Patents
一种血液学指标的数据处理方法及系统 Download PDFInfo
- Publication number
- CN112462073A CN112462073A CN202011207528.8A CN202011207528A CN112462073A CN 112462073 A CN112462073 A CN 112462073A CN 202011207528 A CN202011207528 A CN 202011207528A CN 112462073 A CN112462073 A CN 112462073A
- Authority
- CN
- China
- Prior art keywords
- content
- index
- value
- hematological
- detected
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 210000004369 blood Anatomy 0.000 claims abstract description 43
- 239000008280 blood Substances 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 23
- 108010035532 Collagen Proteins 0.000 claims abstract description 10
- 102000008186 Collagen Human genes 0.000 claims abstract description 10
- 229920001436 collagen Polymers 0.000 claims abstract description 10
- 101710169336 5'-deoxyadenosine deaminase Proteins 0.000 claims abstract description 9
- 102000055025 Adenosine deaminases Human genes 0.000 claims abstract description 9
- 108010088751 Albumins Proteins 0.000 claims abstract description 9
- ZDXPYRJPNDTMRX-VKHMYHEASA-N L-glutamine Chemical compound OC(=O)[C@@H](N)CCC(N)=O ZDXPYRJPNDTMRX-VKHMYHEASA-N 0.000 claims abstract description 9
- 108090000765 processed proteins & peptides Proteins 0.000 claims abstract description 9
- 102000001187 Collagen Type III Human genes 0.000 claims abstract description 8
- 108010069502 Collagen Type III Proteins 0.000 claims abstract description 8
- 108010010779 glutamine-pyruvate aminotransferase Proteins 0.000 claims abstract description 3
- 230000002489 hematologic effect Effects 0.000 claims description 41
- 102100027211 Albumin Human genes 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 15
- 210000001772 blood platelet Anatomy 0.000 claims description 9
- 108090000340 Transaminases Proteins 0.000 claims description 6
- 102000003929 Transaminases Human genes 0.000 claims description 6
- 108010034596 procollagen Type III-N-terminal peptide Proteins 0.000 claims description 6
- 102100036664 Adenosine deaminase Human genes 0.000 claims description 3
- 230000010365 information processing Effects 0.000 abstract description 2
- 102000009027 Albumins Human genes 0.000 abstract 1
- 238000000926 separation method Methods 0.000 description 17
- 239000003805 procoagulant Substances 0.000 description 13
- 210000002966 serum Anatomy 0.000 description 10
- 238000001514 detection method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000010100 anticoagulation Effects 0.000 description 4
- 208000019425 cirrhosis of liver Diseases 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 210000000601 blood cell Anatomy 0.000 description 3
- 206010016654 Fibrosis Diseases 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004761 fibrosis Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010019668 Hepatic fibrosis Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
- G01N2333/76—Assays involving albumins other than in routine use for blocking surfaces or for anchoring haptens during immunisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
- G01N2333/78—Connective tissue peptides, e.g. collagen, elastin, laminin, fibronectin, vitronectin, cold insoluble globulin [CIG]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/90—Enzymes; Proenzymes
- G01N2333/91—Transferases (2.)
- G01N2333/91045—Acyltransferases (2.3)
- G01N2333/91074—Aminoacyltransferases (general) (2.3.2)
- G01N2333/9108—Aminoacyltransferases (general) (2.3.2) with definite EC number (2.3.2.-)
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/90—Enzymes; Proenzymes
- G01N2333/914—Hydrolases (3)
- G01N2333/978—Hydrolases (3) acting on carbon to nitrogen bonds other than peptide bonds (3.5)
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/08—Hepato-biliairy disorders other than hepatitis
- G01N2800/085—Liver diseases, e.g. portal hypertension, fibrosis, cirrhosis, bilirubin
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Urology & Nephrology (AREA)
- Hematology (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- Food Science & Technology (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Public Health (AREA)
- Biotechnology (AREA)
- Cell Biology (AREA)
- Medical Informatics (AREA)
- Microbiology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及生物信息处理技术领域,具体涉及一种血液学指标的数据处理方法及系统,首先获取待测人的年龄和血液学指标,所述血液学指标包括待测人血液中III型胶原N端肽的含量、CIV型胶原的含量、γ谷氨酰胺转氨酶的含量、白蛋白的含量、腺苷脱氨酶的含量、血小板的含量和层粘连蛋白的含量;接着根据待测人的年龄和血液学指标确定特征指标,根据所述特征指标和切点值确定血液学指标所在的区间,本发明可以对血液学指标进行快速、有效的数据处理。
Description
技术领域
本发明涉及生物信息处理技术领域,具体涉及一种血液学指标的数据处理方法及系统。
背景技术
肝脏的纤维化程度通常需由病理学专家进行评估,这在一定程度上造成了医疗资源的紧张,导致无法及时评估患者的肝脏纤维化程度。
为尽快评估患者的肝脏纤维化程度,通常采用纤维化诊断指标或模型辅助病理学专家进行评估,然而,现有的纤维化诊断指标或模型往往具有局限性,不能准确反映肝脏纤维化的程度,或者所提供的数据比较繁杂,依然需要耗费专家大量的时间进行研究,无法辅助专家的决策制定。
可见,如何对血液学指标进行快速、有效的数据处理成为亟待解决的问题。
发明内容
本发明提供一种血液学指标的数据处理方法及系统,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为了实现上述目的,本发明提供以下技术方案:
一种血液学指标的数据处理方法,包括:
获取待测人的年龄和血液学指标,所述血液学指标包括待测人血液中III型胶原N端肽的含量、CIV型胶原的含量、γ谷氨酰胺转氨酶的含量、白蛋白的含量、腺苷脱氨酶的含量、血小板的含量和层粘连蛋白的含量;
根据待测人的年龄和血液学指标确定特征指标,根据所述特征指标和切点值确定血液学指标所在的区间。
进一步,所述根据待测人的年龄和血液学指标确定特征指标,根据所述特征指标和切点值确定血液学指标所在的区间,具体包括:
通过第一公式对所述待测人的年龄和血液学指标进行处理,得到第一特征值,比较第一特征值和第一切点值的大小,若第一特征值小于等于第一切点值,则确定血液学指标在第一区间;
若第一特征值大于第一切点值,则通过第二公式对所述待测人的年龄和血液学指标进行处理,得到第二特征值,比较第二特征值和第二切点值的大小,若第二特征值小于等于第二切点值,则确定血液学指标在第二区间,若第二特征值大于第二切点值,则确定血液学指标在第三区间。
进一步,所述第一公式为:
ln(P1/(1-P1))=4.373+0.098×PIIINP-0.012×CIV+0.068×GGT-0.241×ALB+0.214×ADA-0.012×PLT+0.061×LN+0.022×AGE;
其中,所述P1为第一特征值,所述PIIINP为待测人血液中III型胶原N端肽的含量,单位为ng/ml;所述CIV为待测人血液中CIV型胶原的含量,单位为ng/ml;所述GGT为待测人血液中γ谷氨酰胺转氨酶的含量,单位为U/L;所述ALB为待测人血液中白蛋白的含量,单位为g/L;所述ADA为待测人血液中腺苷脱氨酶的含量,单位为U/L;所述PLT为待测人血液中血小板的含量,单位为109/L;所述LN为待测人血液中层粘连蛋白的含量,单位为ng/ml;所述AGE为待测人的年龄,单位为岁。
进一步,所述第一切点值为0.3342。
进一步,所述第二公式为:
ln(P2/(1-P2))=5.473+0.038×PIIINP+0.018×GGT-0.161×ALB+0.114×ADA-0.022×PLT+0.061×LN+0.012×AGE;
其中,所述P2为第二特征值。
进一步,所述第二切点值为0.7589。
一种血液学指标的数据处理系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述任一项所述的血液学指标的数据处理方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有血液学指标的数据处理方法的程序,所述血液学指标的数据处理方法的程序被处理器执行时实现上述任一项所述的血液学指标的数据处理方法的步骤。
本发明的有益效果是:本发明公开一种血液学指标的数据处理方法及系统,发明人将血液学指标中的多项参数结合待测人的年龄确定一个特征指标,并根据这一个特征指标即可确定血液学指标所在的区间;本发明实施例所采用的血液学指标主要基于肝纤维化最直接相关的检测指标,克服了现有技术中常规模型的局限性。本实施例基于大数据得到的分布情况确定血液学指标所在的区间,提高了血液学指标的数据处理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一种血液学指标的数据处理方法的流程示意图;
图2是本发明图1中步骤S200的流程示意图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
参考图1,如图1所示为一种血液学指标的数据处理方法,所述方法包括以下步骤:
步骤S100、获取待测人的年龄和血液学指标;
其中,所述血液学指标包括待测人血液中III型胶原N端肽的含量、CIV型胶原的含量、γ谷氨酰胺转氨酶的含量、白蛋白的含量、腺苷脱氨酶的含量、血小板的含量和层粘连蛋白的含量;
步骤S200、根据待测人的年龄和血液学指标确定特征指标,根据所述特征指标和切点值确定血液学指标所在的区间。
本实施例中,发明人将血液学指标中的多项参数结合待测人的年龄确定一个特征值,并根据这一个特征指标即可确定血液学指标所在的区间;本发明基于大数据得到的分布情况确定血液学指标所在的区间,提高了血液学指标的数据处理效率。
在一个实施例中,所述血液学指标通过以下方法检测得到:
提供用于采集待测人在空腹状态下静脉血的EDTA-K2抗凝管一支,分离胶促凝管两支;其中,EDTA-K2抗凝管的容积为2ml,分离胶促凝管的容积为4ml;
以3000r/min的角速度对装有待测人静脉血的一支分离胶促凝管进行离心操作,在分离出血清后,将该分离胶促凝管置于4℃的冰箱进行保存,并在采血后三天内根据该血清完成对III型胶原N端肽、CIV型胶原、以及层粘连蛋白的含量检测;
在一个优选的实施例中,所述分离胶促凝管的底部设有分离胶,在对分离胶促凝管持续进行足够时间的离心操作后,装入所述分离胶促凝管中的待测人静脉血被分离,具体地,在离心操作后,分离胶上浮,分离胶的下方为分离得到的待测人静脉血的血球,分离胶的上方为分离得到的待测人静脉血的血清;优选的,所述离心操作的持续时间为5分钟;
本实施例中,在对分离胶促凝管进行离心操作后,自然就将血球和血清分离开了,不需要再将待测人静脉血从分离胶促凝管中抽出来进行血清的分离,可以直接进行对III型胶原N端肽、CIV型胶原、以及层粘连蛋白的含量检测,也便于将待测人静脉血的血清直接通过分离胶促凝管置于冰箱进行保存。
以3000r/min的角速度对装有待测人静脉血的另一支分离胶促凝管进行离心操作,在分离出血清后,在采血后3小时内根据该血清完成对γ谷氨酰胺转氨酶、白蛋白、以及腺苷脱氨酶的含量检测;
同样的,本实施例中,在对分离胶促凝管进行离心操作后,自然就将血球和血清分离开了,不需要再将待测人静脉血从分离胶促凝管中抽出来进行血清的分离,从而可以直接进行对γ谷氨酰胺转氨酶、白蛋白、以及腺苷脱氨酶的含量检测。
在采血后3小时内对装入EDTA-K2抗凝管中的待测人静脉血进行血小板的含量检测。
由于血小板的含量是基于静脉血(全血)检测得到的,本实施例中,采用EDTA-K2抗凝管对待测人静脉血进行存储,可有效防止待测人静脉血发生凝固,便于根据待测人静脉血这一全血进行血小板的含量检测。
在一个优选的实施例中,所述步骤S200包括:
通过第一公式对所述待测人的年龄和血液学指标进行处理,得到第一特征值,比较第一特征值和第一切点值的大小,若第一特征值小于等于第一切点值,则确定血液学指标在第一区间;
若第一特征值大于第一切点值,则通过第二公式对所述待测人的年龄和血液学指标进行处理,得到第二特征值,比较第二特征值和第二切点值的大小,若第二特征值小于等于第二切点值,则确定血液学指标在第二区间,若第二特征值大于第二切点值,则确定血液学指标在第三区间。
参考图2,在一实施例中,所述步骤S200具体包括:
步骤S210、通过第一公式对所述待测人的年龄和血液学指标进行处理,得到第一特征值;
步骤S220、判断第一特征值是否大于第一切点值,若否,则执行步骤S230;若是,则执行步骤S240;
步骤S230、确定血液学指标在第一区间;
步骤S240、通过第二公式对所述待测人的年龄和血液学指标进行处理,得到第二特征值;
步骤S250、判断第二特征值是否大于第二切点值,若否,则执行步骤S260;若是,则执行步骤S270;
步骤S260、确定血液学指标在第二区间;
步骤S270、确定血液学指标在第三区间。
在一个优选的实施例中,所述第一公式为:
ln(P1/(1-P1))=4.373+0.098×PIIINP-0.012×CIV+0.068×GGT-0.241×ALB+0.214×ADA-0.012×PLT+0.061×LN+0.022×AGE;
其中,所述P1为第一特征值,所述PIIINP为待测人血液中III型胶原N端肽的含量,单位为ng/ml;所述CIV为待测人血液中CIV型胶原的含量,单位为ng/ml;所述GGT为待测人血液中γ谷氨酰胺转氨酶的含量,单位为U/L;所述ALB为待测人血液中白蛋白的含量,单位为g/L;所述ADA为待测人血液中腺苷脱氨酶的含量,单位为U/L;所述PLT为待测人血液中血小板的含量,单位为109/L;所述LN为待测人血液中层粘连蛋白的含量,单位为ng/ml;所述AGE为待测人的年龄,单位为岁。
在一个优选的实施例中,所述第一切点值为0.3342。
也就是说,当P1≤0.3342时,判定该血液学指标在第一区间。
在一个优选的实施例中,所述第二公式为:
ln(P2/(1-P2))=5.473+0.038×PIIINP+0.018×GGT-0.161×ALB+0.114×ADA-0.022×PLT+0.061×LN+0.012×AGE;
其中,所述P2为第二特征值。
在一个优选的实施例中,所述第二切点值为0.7589。
也就是说,P2≤0.7589时,判该血液学指标在第二区间,P2>0.7589时,判该血液学指标在第三区间。
与图1的方法相对应,本发明实施例还提供一种血液学指标的数据处理系统,所述系统包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述任一项所述的血液学指标的数据处理方法的步骤。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
与图1的方法相对应,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有血液学指标的数据处理方法的程序,所述血液学指标的数据处理方法的程序被处理器执行时实现上述任一项所述的血液学指标的数据处理方法的步骤。
所称处理器可以是中央处理单元(Central-Processing-Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital-Signal-Processor,DSP)、专用集成电路(Application-Specific-Integrated-Circuit,ASIC)、现场可编程门阵列(Field-Programmable-Gate-Arr ay,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种血液学指标的数据处理系统的控制中心,利用各种接口和线路连接整个一种血液学指标的数据处理系统可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种血液学指标的数据处理系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart-Media-Card,SMC),安全数字(Secure-Digital,SD)卡,闪存卡(Flash-Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求,考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (8)
1.一种血液学指标的数据处理方法,其特征在于,包括:
获取待测人的年龄和血液学指标,所述血液学指标包括待测人血液中III型胶原N端肽的含量、CIV型胶原的含量、γ谷氨酰胺转氨酶的含量、白蛋白的含量、腺苷脱氨酶的含量、血小板的含量和层粘连蛋白的含量;
根据待测人的年龄和血液学指标确定特征指标,根据所述特征指标和切点值确定血液学指标所在的区间。
2.根据权利要求1所述的一种血液学指标的数据处理方法,其特征在于,所述根据待测人的年龄和血液学指标确定特征指标,根据所述特征指标和切点值确定血液学指标所在的区间,具体包括:
通过第一公式对所述待测人的年龄和血液学指标进行处理,得到第一特征值,比较第一特征值和第一切点值的大小,若第一特征值小于等于第一切点值,则确定血液学指标在第一区间;
若第一特征值大于第一切点值,则通过第二公式对所述待测人的年龄和血液学指标进行处理,得到第二特征值,比较第二特征值和第二切点值的大小,若第二特征值小于等于第二切点值,则确定血液学指标在第二区间,若第二特征值大于第二切点值,则确定血液学指标在第三区间。
3.根据权利要求2所述的一种血液学指标的数据处理方法,其特征在于,所述第一公式为:
ln(P1/(1-P1))=4.373+0.098×PIIINP-0.012×CIV+0.068×GGT-0.241×ALB+0.214×ADA-0.012×PLT+0.061×LN+0.022×AGE;
其中,所述P1为第一特征值,所述PIIINP为待测人血液中III型胶原N端肽的含量,单位为ng/ml;所述CIV为待测人血液中CIV型胶原的含量,单位为ng/ml;所述GGT为待测人血液中γ谷氨酰胺转氨酶的含量,单位为U/L;所述ALB为待测人血液中白蛋白的含量,单位为g/L;所述ADA为待测人血液中腺苷脱氨酶的含量,单位为U/L;所述PLT为待测人血液中血小板的含量,单位为109/L;所述LN为待测人血液中层粘连蛋白的含量,单位为ng/ml;所述AGE为待测人的年龄,单位为岁。
4.根据权利要求3所述的一种血液学指标的数据处理方法,其特征在于,所述第一切点值为0.3342。
5.根据权利要求4所述的一种血液学指标的数据处理方法,其特征在于,所述第二公式为:
ln(P2/(1-P2))=5.473+0.038×PIIINP+0.018×GGT-0.161×ALB+0.114×ADA-0.022×PLT+0.061×LN+0.012×AGE;
其中,所述P2为第二特征值。
6.根据权利要求5所述的一种血液学指标的数据处理方法,其特征在于,所述第二切点值为0.7589。
7.一种血液学指标的数据处理系统,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现权利要求1至6任一项所述的血液学指标的数据处理方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有血液学指标的数据处理方法的程序,所述血液学指标的数据处理方法的程序被处理器执行时实现如权利要求1至6中任一项所述的血液学指标的数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011207528.8A CN112462073B (zh) | 2020-11-03 | 2020-11-03 | 一种血液学指标的数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011207528.8A CN112462073B (zh) | 2020-11-03 | 2020-11-03 | 一种血液学指标的数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112462073A true CN112462073A (zh) | 2021-03-09 |
CN112462073B CN112462073B (zh) | 2024-06-11 |
Family
ID=74835360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011207528.8A Active CN112462073B (zh) | 2020-11-03 | 2020-11-03 | 一种血液学指标的数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112462073B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1340523C (en) * | 1987-11-06 | 1999-05-04 | David R. Eyre | Assay for in vitro measurement of amino-telopeptides of type 1 collagen |
WO2003094848A2 (en) * | 2002-05-10 | 2003-11-20 | Incyte Corporation | Nucleic acid-associated proteins |
CN1579424A (zh) * | 2003-08-11 | 2005-02-16 | 萧湘 | 长期高苯丙氨酸摄入所诱导的疾病及其防治 |
CN101711762A (zh) * | 2008-10-08 | 2010-05-26 | 鲁南制药集团股份有限公司 | 一种治疗高血压的药物组合物 |
US20140335503A1 (en) * | 2013-05-13 | 2014-11-13 | Alex M. Saunders | Methods for ascertaining the history of hematological conditions of a human from a single blood sample |
RU2536268C1 (ru) * | 2013-10-22 | 2014-12-20 | Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью населения") | Способ определения предельно-допустимой концентрации тяжелых металлов в крови детей при многосредовой экспозиции |
RU2546528C1 (ru) * | 2014-02-27 | 2015-04-10 | Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью населения") | Способ диагностики у детей от 5 до 10 лет когнитивных нарушений, ассоциированных с внешнесредовым воздействием марганца техногенного происхождения |
CA2920246A1 (en) * | 2015-02-13 | 2016-08-13 | D. Travis Wilson | Therapeutic compositions including chroman derivatives and uses thereof to treat and prevent mitochondrial diseases and conditions |
CN106127256A (zh) * | 2016-06-30 | 2016-11-16 | 张云超 | 一种肝纤维化检测方法及装置 |
US20170082603A1 (en) * | 2009-02-26 | 2017-03-23 | Universite D'angers | Diagnosis of liver fibrosis or cirrhosis |
RU2616326C1 (ru) * | 2016-06-28 | 2017-04-14 | Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью населения") | Способ диагностики у детей хронического гастродуоденита, ассоциированного с воздействием хрома, никеля, марганца, хлороформа и тетрахлорметана техногенного происхождения |
RU2658465C1 (ru) * | 2017-05-05 | 2018-06-21 | Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью | Способ прогнозирования индивидуального риска развития эндемического зоба у человека на различные по продолжительности периоды жизни |
CN108597606A (zh) * | 2018-03-21 | 2018-09-28 | 北京理工大学 | 基于血清学指标的躯体健康状态量化计算方法 |
CN109119149A (zh) * | 2018-08-31 | 2019-01-01 | 广州华科盈医疗科技有限公司 | 用于监测卒中风险的系统及设备 |
US20190221309A1 (en) * | 2018-01-15 | 2019-07-18 | Chang Gung Memorial Hospital, Linkou | Coronary Artery Disease Screening Method by Using Cardiovascular Markers and Machine Learning Algorithms |
CN111175480A (zh) * | 2020-01-13 | 2020-05-19 | 北京奇云诺德信息科技有限公司 | 一种血液生化指标计算性别和年龄的方法 |
CN111180073A (zh) * | 2020-01-15 | 2020-05-19 | 杭州师范大学 | 基于气候因素的脑血管疾病高危人群风险预测方法 |
CN111341452A (zh) * | 2020-04-01 | 2020-06-26 | 四川大学华西医院 | 多系统萎缩失能预测方法、模型建立方法、装置及设备 |
CN111524594A (zh) * | 2020-06-12 | 2020-08-11 | 山东大学 | 目标人群血液系统恶性肿瘤筛查系统 |
-
2020
- 2020-11-03 CN CN202011207528.8A patent/CN112462073B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1340523C (en) * | 1987-11-06 | 1999-05-04 | David R. Eyre | Assay for in vitro measurement of amino-telopeptides of type 1 collagen |
WO2003094848A2 (en) * | 2002-05-10 | 2003-11-20 | Incyte Corporation | Nucleic acid-associated proteins |
CN1579424A (zh) * | 2003-08-11 | 2005-02-16 | 萧湘 | 长期高苯丙氨酸摄入所诱导的疾病及其防治 |
CN101711762A (zh) * | 2008-10-08 | 2010-05-26 | 鲁南制药集团股份有限公司 | 一种治疗高血压的药物组合物 |
US20170082603A1 (en) * | 2009-02-26 | 2017-03-23 | Universite D'angers | Diagnosis of liver fibrosis or cirrhosis |
US20140335503A1 (en) * | 2013-05-13 | 2014-11-13 | Alex M. Saunders | Methods for ascertaining the history of hematological conditions of a human from a single blood sample |
RU2536268C1 (ru) * | 2013-10-22 | 2014-12-20 | Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью населения") | Способ определения предельно-допустимой концентрации тяжелых металлов в крови детей при многосредовой экспозиции |
RU2546528C1 (ru) * | 2014-02-27 | 2015-04-10 | Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью населения") | Способ диагностики у детей от 5 до 10 лет когнитивных нарушений, ассоциированных с внешнесредовым воздействием марганца техногенного происхождения |
CA2920246A1 (en) * | 2015-02-13 | 2016-08-13 | D. Travis Wilson | Therapeutic compositions including chroman derivatives and uses thereof to treat and prevent mitochondrial diseases and conditions |
RU2616326C1 (ru) * | 2016-06-28 | 2017-04-14 | Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью населения") | Способ диагностики у детей хронического гастродуоденита, ассоциированного с воздействием хрома, никеля, марганца, хлороформа и тетрахлорметана техногенного происхождения |
CN106127256A (zh) * | 2016-06-30 | 2016-11-16 | 张云超 | 一种肝纤维化检测方法及装置 |
RU2658465C1 (ru) * | 2017-05-05 | 2018-06-21 | Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью | Способ прогнозирования индивидуального риска развития эндемического зоба у человека на различные по продолжительности периоды жизни |
US20190221309A1 (en) * | 2018-01-15 | 2019-07-18 | Chang Gung Memorial Hospital, Linkou | Coronary Artery Disease Screening Method by Using Cardiovascular Markers and Machine Learning Algorithms |
CN108597606A (zh) * | 2018-03-21 | 2018-09-28 | 北京理工大学 | 基于血清学指标的躯体健康状态量化计算方法 |
CN109119149A (zh) * | 2018-08-31 | 2019-01-01 | 广州华科盈医疗科技有限公司 | 用于监测卒中风险的系统及设备 |
CN111175480A (zh) * | 2020-01-13 | 2020-05-19 | 北京奇云诺德信息科技有限公司 | 一种血液生化指标计算性别和年龄的方法 |
CN111180073A (zh) * | 2020-01-15 | 2020-05-19 | 杭州师范大学 | 基于气候因素的脑血管疾病高危人群风险预测方法 |
CN111341452A (zh) * | 2020-04-01 | 2020-06-26 | 四川大学华西医院 | 多系统萎缩失能预测方法、模型建立方法、装置及设备 |
CN111524594A (zh) * | 2020-06-12 | 2020-08-11 | 山东大学 | 目标人群血液系统恶性肿瘤筛查系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112462073B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2100807C1 (ru) | Способ определения в пробе цельной крови распределения вероятностей в популяции эритроцитов их подмножеств и устройство для его осуществления | |
US5506145A (en) | Determination of an individual's inflammation index from whole blood fibrinogen and hematocrit or hemoglobin measurements | |
Iliaz et al. | Predicting mortality in patients with spontaneous bacterial peritonitis using routine inflammatory and biochemical markers | |
JPH05130898A (ja) | 全血サンプル中のフイブリノーゲンの定量 | |
Horsti et al. | A comparison between the StaRRsed auto-compact erythrocyte sedimentation rate instrument and the Westergren method | |
CN112735606B (zh) | 结直肠癌风险预测方法、设备及存储介质 | |
Bai et al. | Development of a machine learning model to predict the risk of late cardiogenic shock in patients with ST-segment elevation myocardial infarction | |
CN112462073A (zh) | 一种血液学指标的数据处理方法及系统 | |
CN115616409A (zh) | 电池荷电状态的计算方法、装置、车辆及存储介质 | |
Martınez-Subiela et al. | Effects of haemolysis, lipaemia, bilirubinaemia and fibrinogen on protein electropherogram of canine samples analysed by capillary zone electrophoresis | |
Villanger et al. | Effects of sample handling and analytical procedures on thyroid hormone concentrations in pregnant women’s plasma | |
Wang et al. | Value of early diagnosis of sepsis complicated with acute kidney injury by renal contrast-enhanced ultrasound | |
CN115019916A (zh) | 血流感染致病菌预测方法及系统 | |
Athanasiou et al. | Effects of pre-analytical handling on selected canine hematological parameters evaluated by automatic analyzer | |
CN115979396A (zh) | 一种自助取餐的智能称重方法、系统、装置及介质 | |
Kaplanoglu et al. | Can various complete blood count parameters helpful in preoperative diagnosis of adnexal torsion? | |
Olsen et al. | Comparison of manual and automated methods for determining platelet counts in dogs with macrothrombocytopenia | |
CN113611412A (zh) | 一种t2dm引起冠心病风险的预测方法、装置及系统 | |
Karpurapu et al. | Deep learning resolves myovascular dynamics in the failing human heart | |
CN111812070A (zh) | 核左移以及取值范围的确定方法、装置和细胞分析仪 | |
CN108463722B (zh) | 用于处理血小板细胞数据的系统、方法和设备 | |
CN115792198B (zh) | 一种辅助血细胞分析仪判定异常血小板聚集的方法和系统 | |
CN215362857U (zh) | 血浆蛋白质组学dia人类疾病及亚健康检测套盒 | |
Sheldon et al. | Diagnostic performance of clinicopathological analytes in Otostrongylus circumlitis-infected rehabilitating juvenile northern elephant seals (Mirounga angustirostris) | |
JPH0954083A (ja) | 血小板検査方法及び血小板検査用採血管 |
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 |