CN113178243A - 体外循环心脏手术后急性肾损伤早期预警方法及系统 - Google Patents

体外循环心脏手术后急性肾损伤早期预警方法及系统 Download PDF

Info

Publication number
CN113178243A
CN113178243A CN202110451440.9A CN202110451440A CN113178243A CN 113178243 A CN113178243 A CN 113178243A CN 202110451440 A CN202110451440 A CN 202110451440A CN 113178243 A CN113178243 A CN 113178243A
Authority
CN
China
Prior art keywords
level value
surgery
preoperative
urine
atf3
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
CN202110451440.9A
Other languages
English (en)
Inventor
吴晓云
臧旺福
周健
金相兰
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.)
Nanjing University
Nanjing Medical University
Original Assignee
Nanjing Medical University
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 Nanjing Medical University filed Critical Nanjing Medical University
Priority to CN202110451440.9A priority Critical patent/CN113178243A/zh
Publication of CN113178243A publication Critical patent/CN113178243A/zh
Pending legal-status Critical Current

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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Urology & Nephrology (AREA)
  • External Artificial Organs (AREA)

Abstract

本发明公开一种体外循环心脏手术后急性肾损伤早期预警方法及系统：获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值；对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值进行量纲归一化；将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值作为变量，建立心脏术后急性肾损伤的发病预测模型；计算并输出心脏术后急性肾损伤的发病预测概率。将AKI发生的独立危险因素(术前年龄、术前身高、手术当天尿素氮水平值、术后12小时尿ATF3水平值)作为变量，构建急性肾损伤的早期预警模型，预测准确性高。

Description

体外循环心脏手术后急性肾损伤早期预警方法及系统
技术领域
本发明涉及体外循环心脏手术后急性肾损伤技术领域，特别是涉及一种体外循环心脏手术后急性肾损伤早期预警方法及系统。
背景技术
急性肾损伤(acute kidney injury，AKI)指骤然出现的肾功能下降，是体外循环(cardiopulmonary bypass,CPB)心脏手术后非心脏器管最常见的并发症，发生率在30％～59％不等，其中重症患者病死率高达50.0％。近20年来的研究发现，虽然CPB技术、心脏外科手术技术以及术后监护技术在不断地发展，但AKI的发生率仍居高不下。心脏术后急性肾损伤不仅影响患者预后，而且增加患者住院及出院后病死率。在治疗方面，迄今为止，AKI的有效治疗选择有限，肾脏替代治疗只是治疗严重AKI病例的标准方法。而尽早发现有危险的患者、及时采取预防措施，可以改善AKI的近远期预后。尽管改善全球肾脏疾病预后组织(theKidney Disease Improving Global Outcomes work group,KDIGO)提出了早期发现AKI的明确标准，但AKI仍存在漏诊可能，主要原因还是缺乏准确的预警模型和生物学标志物来辨别高危患者和早期诊断AKI的发生。
为了更好地估计损伤程度以及做到AKI的早期诊断、鉴别诊断和预后推测，国际KDIGO委员会提出要求，找到识别早期AKI的标记物，类似于血清肌钙蛋白用于早期识别心肌的损伤。
急性肾损伤早期诊断生物学标记物研究现状：近30年来发现了许多可以较早预测AKI发生的生物学标志物，但是这些标志物都受到了敏感度和特异度的限制而不能在临床上广泛使用。比如，胱抑素C(Cystatin C,CysC)，在蛋白尿的患者中，CysC重吸收受阻从而使测定受到影响。而血中性粒细胞明胶酶相关脂质运载蛋白(neutrophil gelatinaseassociated lipocalin，NGAL)，在某些肾前疾病、全身或泌尿系统的感染的情况下会影响NGAL的检测，使结果出现偏差。肾损伤分子1(kidney injury molecular-1，Kim-1)其诊断阈值至今未有公认的范围，仅在动物实验中尿液KIM-1被批准用于药物诱导的近端肾小管损伤的识别和监测，因而目前仍未广泛应用。
心脏术后急性肾损伤预警模型的研究现状：
医疗风险预警系统是一种借鉴其它高风险领域风险管理方法对医疗活动中的各种风险进行识别、监测、预警并采取预防措施的新兴管理方法。AKI风险的估计通常是在众所周知存在AKI风险的某些治疗之前或期间进行的。代表性的情况是手术，动脉内血管造影或使用碘造影剂和危重护理。大多数模型包括基本信息，如年龄、性别、基线肾功能或其他生物标志物、合并症病史和药物使用史，以预测术前患者发生AKI的可能性。可以指导临床医生在进行某些程序之前进行风险效益评估，以决定何时对肾功能进行随访，并对AKI采取可治疗或可预防的措施。因此，AKI预测模型的目的是通过正确的信息确定适当的医疗程序，减少被忽视的AKI事件的可能性，并通过早期发现和治疗来改善AKI的预后。在CPB术后急性肾损伤方面，虽然也有相关模型的建立，由于研究人群的不同而使得模型不能适用于我国人群。
而我国在该领域刚开始起步。对于急性肾损伤预警模型，在2013年，中山医院对心脏手术患者的围术期临床资料进行分析，建立了Jiang WHI预测模型，但建模组的分辨率有待提高(AUROC＝0.81[95％CI(0.757，0.868)])。
综上所述，针对AKI早期诊断的生物学指标会由于患者蛋白尿、全身状态、以及泌尿系统感染等影响，使得在CPB术后早期诊断AKI存在一定难度故而仍处于研究阶段；而针对心脏术后AKI的预警系统亦在研究开发阶段，且尚无相关的预警系统纳入了新型的生物学标记物来提高预警系统的敏感度。
发明内容
本发明针对现有技术存在的问题和不足，提供一种体外循环心脏手术后急性肾损伤早期预警方法及系统。
本发明是通过下述技术方案来解决上述技术问题的：
本发明提供一种体外循环心脏手术后急性肾损伤早期预警方法，其特点在于，其包括以下步骤：
S1、获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3水平值；
S2、对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值进行量纲归一化处理；
S3、将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值作为变量，建立心脏术后急性肾损伤的发病预测模型，发病预测模型采用Logistic回归方程如下：
Figure BDA0003038847120000031
其中，P表示心脏术后急性肾损伤的发病预测概率，X1表示归一化后的术前年龄，X2表示归一化后的术前身高，X3表示归一化后的手术当天的尿素氮水平值，X4表示归一化后的术后12小时的尿ATF3水平值，β0、β1、β2、β3、β4分别表示常数；
S4、计算并输出心脏术后急性肾损伤的发病预测概率P。
较佳地，在步骤S1中，获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3*Kim-1水平值，其中，术后12小时的尿ATF3*Kim-1水平值表示术后12小时的尿ATF3水平值与术后12小时的尿Kim-1水平值相乘后的水平值；
在步骤S2中，对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值进行量纲归一化处理；
在步骤S3中，将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值作为变量，X4表示归一化后的术后12小时的尿ATF3*Kim-1水平值。
本发明还提供一种体外循环心脏手术后急性肾损伤早期预警系统，其特点在于，其包括获取模块、处理模块、建模模块和计算输出模块；
所述获取模块用于获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3水平值；
所述处理模块用于对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值进行量纲归一化处理；
所述建模模块用于将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值作为变量，建立心脏术后急性肾损伤的发病预测模型，发病预测模型采用Logistic回归方程如下：
Figure BDA0003038847120000041
其中，P表示心脏术后急性肾损伤的发病预测概率，X1表示归一化后的术前年龄，X2表示归一化后的术前身高，X3表示归一化后的手术当天的尿素氮水平值，X4表示归一化后的术后12小时的尿ATF3水平值，β0、β1、β2、β3、β4分别表示常数；
所述计算输出模块用于计算并输出心脏术后急性肾损伤的发病预测概率P。
较佳地，所述获取模块用于获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3*Kim-1水平值，其中，术后12小时的尿ATF3*Kim-1水平值表示术后12小时的尿ATF3水平值与术后12小时的尿Kim-1水平值相乘后的水平值；
所述处理模块用于对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值进行量纲归一化处理；
所述建模模块用于将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值作为变量，建立心脏术后急性肾损伤的发病预测模型，X4表示归一化后的术后12小时的尿ATF3*Kim-1水平值。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：
1、ATF3在血液、尿液中表达稳定，影响因素较少，其水平在心脏体外循环术后早期升高，升高时间较血清肌酐时间提前，可以作为成人心脏手术后AKI的早期诊断的候选标志物；
2、联合应用尿ATF3*Kim-1能在保证特异度的同时增加成人体外循环术后急性肾损伤早期诊断的准确性和敏感度。
3、将AKI发生的独立危险因素(术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时尿ATF3水平值)作为变量，构建成人心脏术后急性肾损伤的早期预警模型，所建立模型的拟合程度较高，预测准确性高，有利于在临床上的使用和推广。
附图说明
图1为本发明实施例1的体外循环心脏手术后急性肾损伤早期预警方法的流程图。
图2为本发明实施例1的校准曲线示意图。
图3为本发明实施例1的体外循环心脏手术后急性肾损伤早期预警系统的结构框图。
图4为本发明实施例2的体外循环心脏手术后急性肾损伤早期预警方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1所示，本实施例提供一种体外循环心脏手术后急性肾损伤早期预警方法，其包括以下步骤：
步骤101、获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3水平值。
转录活化因子3(ATF3)，它是碱性亮氨酸拉链(basic-region leucine zipper,bZIP)家族ATF/CREB亚家族成员之一，可以参与败血症的炎症反应，在SIRS期间，对继发感染的易感性有至关重要的作用。ATF3在心脏成纤维细胞中对高血压刺激的反应通过抑制Map2K3表达和随后的p38转化生长因子-β信号传导来保护心脏。
本实施例中，通过观察发现患者在体外循环术后出现血、尿肌酐不同时间点的升高。血清肌酐在术后24小时出现升高，且绝对值仍然在正常的肌酐值范围内；尿肌酐在术后12小时出现升高。值得注意的是，ATF3在术后2小时的血和尿液中均出现表达升高，术后12小时达到高峰并逐步下降。ATF3不但升高的时间早于肌酐，且血、尿升高的趋势相同。所以推测术后ATF3的变化，可能与肾脏在体外循环手术中受到缺血再灌注及炎症介质造成的一过性损伤有关。
通过单因素分析和多元线性回归分析，发现术前血ATF3的表达不受患者身高、体重、性别、年龄、基础心功能、术前血常规及术前肝功能的等因素的影响，特别是对术后ATF3的变化影响不明显。说明ATF3能够较为稳定的表达于患者的血液和尿液中。
通过首次在成人体外循环心脏患者中观察ATF3的表达情况，证实了ATF3可以作为急性肾损伤早期诊断标志物的可能性，其表达的升高早于肌酐。另外，通过多元线性回归分析，ATF3与术前患者性别、年龄、基础肌酐值等没有明显相关性，而对于造成AKI的危险因素之间关联较大，说明ATF3表达较为稳定，且与肾脏损害密切相关，可以作为心脏术后AKI的早期筛查指标之一，这一研究也可能为研究AKI的基因水平的调控机制提供一定的基础。
步骤102、对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值进行量纲归一化处理，以便后续计算。
步骤103、将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值作为变量，建立心脏术后急性肾损伤的发病预测模型，发病预测模型采用Logistic回归方程如下：
Figure BDA0003038847120000081
其中，P表示心脏术后急性肾损伤的发病预测概率，X1表示归一化后的术前年龄，X2表示归一化后的术前身高，X3表示归一化后的手术当天的尿素氮水平值，X4表示归一化后的术后12小时的尿ATF3水平值，β0、β1、β2、β3、β4分别表示常数。
步骤104、计算并输出心脏术后急性肾损伤的发病预测概率P。
对发病预测模型进行验证：如图2所示，校准曲线(Calibration curves)中，x-axis是模型预测的率，y-axis是实际发生的率(AKI)。Apparent代表模型估计的曲线，Bias-correct是通过交叉验证得到的曲线。交叉验证采用1000次Bootstrap重抽样进行的。通过校准曲线可以看出模型的Apparent和Bias-correct基本上和理想的情况(Ideal)重叠，说明模型的拟合程度较好。
如图3所示，本实施例提供一种体外循环心脏手术后急性肾损伤早期预警系统，其包括获取模块1、处理模块2、建模模块3和计算输出模块4。
所述获取模块1用于获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3水平值。
所述处理模块2用于对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值进行量纲归一化处理。
所述建模模块3用于将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值作为变量，建立心脏术后急性肾损伤的发病预测模型，发病预测模型采用Logistic回归方程如下：
Figure BDA0003038847120000091
其中，P表示心脏术后急性肾损伤的发病预测概率，X1表示归一化后的术前年龄，X2表示归一化后的术前身高，X3表示归一化后的手术当天的尿素氮水平值，X4表示归一化后的术后12小时的尿ATF3水平值，β0、β1、β2、β3、β4分别表示常数。
所述计算输出模块4用于计算并输出心脏术后急性肾损伤的发病预测概率P。
实施例2
如图4所示，本实施例提供一种体外循环心脏手术后急性肾损伤早期预警方法，其包括以下步骤：
步骤201、获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3*Kim-1水平值，其中，术后12小时的尿ATF3*Kim-1水平值表示术后12小时的尿ATF3水平值与术后12小时的尿Kim-1水平值相乘后的水平值。
结合尿素氮水平是AKI危险因素之一，高尿素氮的患者更可能出现肾脏损害而使ATF3升高。
联合应用尿ATF3*Kim-1能在保证特异度的同时增加成人体外循环术后急性肾损伤早期诊断的准确性和敏感度。
步骤202、对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值进行量纲归一化处理。
步骤203、将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值作为变量，建立心脏术后急性肾损伤的发病预测模型，发病预测模型采用Logistic回归方程如下：
Figure BDA0003038847120000101
其中，P表示心脏术后急性肾损伤的发病预测概率，X1表示归一化后的术前年龄，X2表示归一化后的术前身高，X3表示归一化后的手术当天的尿素氮水平值，X4表示归一化后的术后12小时的尿ATF3*Kim-1水平值，β0、β1、β2、β3、β4分别表示常数。
步骤104、计算并输出心脏术后急性肾损伤的发病预测概率P。
本实施例提供一种体外循环心脏手术后急性肾损伤早期预警系统，其包括获取模块1、处理模块2、建模模块3和计算输出模块4。
所述获取模块1用于获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3*Kim-1水平值，其中，术后12小时的尿ATF3*Kim-1水平值表示术后12小时的尿ATF3水平值与术后12小时的尿Kim-1水平值相乘后的水平值。
所述处理模块2用于对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值进行量纲归一化处理。
所述建模模块3用于将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值作为变量，建立心脏术后急性肾损伤的发病预测模型，发病预测模型采用Logistic回归方程如下：
Figure BDA0003038847120000102
其中，P表示心脏术后急性肾损伤的发病预测概率，X1表示归一化后的术前年龄，X2表示归一化后的术前身高，X3表示归一化后的手术当天的尿素氮水平值，X4表示归一化后的术后12小时的尿ATF3*Kim-1水平值，β0、β1、β2、β3、β4分别表示常数。
所述计算输出模块4用于计算并输出心脏术后急性肾损伤的发病预测概率P。
本发明中，通过观察ATF3在体外循环心脏手术后的变化，证实其可以作为诊断AKI生物学标记物之一，探索以ATF3等生物学标记物作为风险变量的基础上构建CPB术后急性肾损伤的预警模型的可行性。最终为有效辨别心脏术后AKI高危人群、提高急性肾损伤风险预警意识并及时采取相应的预防措施提供可能，降低CPB术后急性肾损伤的发生率和减少死亡率提供理论依据。为CPB心脏术后高危患者建立针对性的急性肾损伤预防和观察措施提供参考；为开发急性肾损伤新兴药物提供准确的疗效评价工具；为早期床旁RRT治疗提供依据。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (4)

1.一种体外循环心脏手术后急性肾损伤早期预警方法，其特征在于，其包括以下步骤：
S1、获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3水平值；
S2、对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值进行量纲归一化处理；
S3、将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值作为变量，建立心脏术后急性肾损伤的发病预测模型，发病预测模型采用Logistic回归方程如下：
Figure FDA0003038847110000011
其中，P表示心脏术后急性肾损伤的发病预测概率，X1表示归一化后的术前年龄，X2表示归一化后的术前身高，X3表示归一化后的手术当天的尿素氮水平值，X4表示归一化后的术后12小时的尿ATF3水平值，β0、β1、β2、β3、β4分别表示常数；
S4、计算并输出心脏术后急性肾损伤的发病预测概率P。
2.如权利要求1所述的体外循环心脏手术后急性肾损伤早期预警方法，其特征在于，在步骤S1中，获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3*Kim-1水平值，其中，术后12小时的尿ATF3*Kim-1水平值表示术后12小时的尿ATF3水平值与术后12小时的尿Kim-1水平值相乘后的水平值；
在步骤S2中，对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值进行量纲归一化处理；
在步骤S3中，将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值作为变量，X4表示归一化后的术后12小时的尿ATF3*Kim-1水平值。
3.一种体外循环心脏手术后急性肾损伤早期预警系统，其特征在于，其包括获取模块、处理模块、建模模块和计算输出模块；
所述获取模块用于获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3水平值；
所述处理模块用于对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值进行量纲归一化处理；
所述建模模块用于将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3水平值作为变量，建立心脏术后急性肾损伤的发病预测模型，发病预测模型采用Logistic回归方程如下：
Figure FDA0003038847110000021
其中，P表示心脏术后急性肾损伤的发病预测概率，X1表示归一化后的术前年龄，X2表示归一化后的术前身高，X3表示归一化后的手术当天的尿素氮水平值，X4表示归一化后的术后12小时的尿ATF3水平值，β0、β1、β2、β3、β4分别表示常数；
所述计算输出模块用于计算并输出心脏术后急性肾损伤的发病预测概率P。
4.如权利要求3所述的体外循环心脏手术后急性肾损伤早期预警方法，其特征在于，所述获取模块用于获取体外循环心脏手术患者的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时对应的尿ATF3*Kim-1水平值，其中，术后12小时的尿ATF3*Kim-1水平值表示术后12小时的尿ATF3水平值与术后12小时的尿Kim-1水平值相乘后的水平值；
所述处理模块用于对术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值进行量纲归一化处理；
所述建模模块用于将经归一化处理后的术前年龄、术前身高、手术当天的尿素氮水平值、术后12小时的尿ATF3*Kim-1水平值作为变量，建立心脏术后急性肾损伤的发病预测模型，X4表示归一化后的术后12小时的尿ATF3*Kim-1水平值。
CN202110451440.9A 2021-04-26 2021-04-26 体外循环心脏手术后急性肾损伤早期预警方法及系统 Pending CN113178243A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110451440.9A CN113178243A (zh) 2021-04-26 2021-04-26 体外循环心脏手术后急性肾损伤早期预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110451440.9A CN113178243A (zh) 2021-04-26 2021-04-26 体外循环心脏手术后急性肾损伤早期预警方法及系统

Publications (1)

Publication Number Publication Date
CN113178243A true CN113178243A (zh) 2021-07-27

Family

ID=76926058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110451440.9A Pending CN113178243A (zh) 2021-04-26 2021-04-26 体外循环心脏手术后急性肾损伤早期预警方法及系统

Country Status (1)

Country Link
CN (1) CN113178243A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113782183A (zh) * 2021-07-29 2021-12-10 甘肃省人民医院 一种基于多算法融合的压力性损伤风险预测装置及方法
CN115995298A (zh) * 2023-03-21 2023-04-21 中国医学科学院阜外医院 心脏术后aki发生概率确定方法及系统、辅助决策系统
CN117912685A (zh) * 2023-12-19 2024-04-19 南方医科大学南方医院 成人心脏大手术后并发严重急性肾损伤的预警模型构建及其应用
CN118016305A (zh) * 2024-02-27 2024-05-10 扬州市第二人民医院(扬州市惠民医院) 一种基于心脏损伤精准诊疗模型构建方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102264230A (zh) * 2008-11-10 2011-11-30 阿斯图特医药公司 用于诊断和预后肾损伤和肾衰竭的方法和组合物
US20130130287A1 (en) * 2010-05-10 2013-05-23 Austin Health Markers for acute kidney injury
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
CN112017783A (zh) * 2020-09-14 2020-12-01 华中科技大学同济医学院附属协和医院 一种心脏术后肺部感染的预测模型及其构建方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102264230A (zh) * 2008-11-10 2011-11-30 阿斯图特医药公司 用于诊断和预后肾损伤和肾衰竭的方法和组合物
US20130130287A1 (en) * 2010-05-10 2013-05-23 Austin Health Markers for acute kidney injury
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
CN112017783A (zh) * 2020-09-14 2020-12-01 华中科技大学同济医学院附属协和医院 一种心脏术后肺部感染的预测模型及其构建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴晓云等，: "尿ATF3、Kim-1以及联合检测在体外循环心脏术后急性肾损伤中的诊断价值", 《南京医科大学学报(自然科学版)》 *
孙晴等: "体外循环及非体外循环对冠状动脉移植术后急性肾损伤的影响", 《南京医科大学学报（自然科学版）》 *
潘发明: "《医用统计方法及其SPSS软件实现 第3版》", 31 August 2018 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113782183A (zh) * 2021-07-29 2021-12-10 甘肃省人民医院 一种基于多算法融合的压力性损伤风险预测装置及方法
CN113782183B (zh) * 2021-07-29 2023-07-14 甘肃省人民医院 一种基于多算法融合的压力性损伤风险预测装置及方法
CN115995298A (zh) * 2023-03-21 2023-04-21 中国医学科学院阜外医院 心脏术后aki发生概率确定方法及系统、辅助决策系统
CN117912685A (zh) * 2023-12-19 2024-04-19 南方医科大学南方医院 成人心脏大手术后并发严重急性肾损伤的预警模型构建及其应用
CN118016305A (zh) * 2024-02-27 2024-05-10 扬州市第二人民医院(扬州市惠民医院) 一种基于心脏损伤精准诊疗模型构建方法及系统
CN118016305B (zh) * 2024-02-27 2024-08-23 扬州市第二人民医院(扬州市惠民医院) 一种基于心脏损伤精准诊疗模型构建方法及系统

Similar Documents

Publication Publication Date Title
CN113178243A (zh) 体外循环心脏手术后急性肾损伤早期预警方法及系统
De Rosa et al. Creatinine-based definitions: from baseline creatinine to serum creatinine adjustment in intensive care
Stein et al. Early cerebral metabolic crisis after TBI influences outcome despite adequate hemodynamic resuscitation
RU2664455C1 (ru) Способ оценки риска развития осложнений в отдаленном послеоперационном периоде у больных, имеющих признаки дисплазии соединительной ткани
EP2579037B1 (en) Method for testing the severity of an illness
Asgari et al. Quantitative measures of EEG for prediction of outcome in cardiac arrest subjects treated with hypothermia: a literature review
Ivanov et al. The association of kidney stress test with water salt loading with estimated glomerular filtration rate decline in patients with chronic kidney disease stage 1-3
Schwen et al. Dietary management of idiopathic hyperoxaluria and the influence of patient characteristics and compliance
Low et al. Prediction of outcome utilizing both physiological and biochemical parameters in severe head injury
CN111192681A (zh) 一种用于获取目标血糖特征的方法及系统
Ardahanlı et al. The relationship between blood pressure regulation and alexithymia variability in newly diagnosed essential hypertension patients
Kreutzinger et al. Incidence and predictors of cardiomyocyte injury in elective coronary angiography
Franchuk et al. Prediction of subclinical gouty nephropathy by using neural networks
RU2367950C2 (ru) Способ прогнозирования развития метаболического синдрома при артериальной гипертонии у мужчин
Bjornstad et al. Kidney energetics and cyst burden in autosomal dominant polycystic kidney disease: a pilot study
Laode et al. The Role of Blood Lactate Levels as Outcome Predictor of Isolated Traumatic Brain Injury Patients
RU2799822C1 (ru) Способ выявления высокого риска антибиотикорезистентности у пациентов с мочекаменной болезнью при инфекции мочевыводящих путей
RU2815655C1 (ru) Способ прогнозирования риска развития осложнений язвенного колита при клиническом обострении
RU2805928C1 (ru) Способ прогнозирования риска летального исхода на госпитальном этапе у больных COVID-19
Wiguna et al. TIMP2 and IGFBP-7 as Biomarkers for The Diagnosis of Acute Kidney Injury (AKI) in Post-operative Patients: An Evidence-Based Case Report
Adebusoye et al. Biomarkers, shock index and modified early warning score among older medical hospital inpatients in Nigeria
Silva et al. AB0888 ULTRASOUND FEATURES IN GOUT: A COMPARATIVE ANALYSIS WITH MATCHED CONTROL
RU2766302C1 (ru) Способ прогнозирования риска развития летального исхода в течение 6 месяцев после перенесенной новой коронавирусной инфекции COVID-19
RU2405450C1 (ru) Способ прогнозирования клинического течения когнитивных нарушений у больных ишемическим инсультом
RU2421130C1 (ru) Способ прогнозирования развития сосудистой субкортикальной деменции

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210727

RJ01 Rejection of invention patent application after publication