CN114121278A - 一种基于年龄及临床指标的心脏瓣膜置换术后aki风险的预测模型 - Google Patents
一种基于年龄及临床指标的心脏瓣膜置换术后aki风险的预测模型 Download PDFInfo
- Publication number
- CN114121278A CN114121278A CN202111301660.XA CN202111301660A CN114121278A CN 114121278 A CN114121278 A CN 114121278A CN 202111301660 A CN202111301660 A CN 202111301660A CN 114121278 A CN114121278 A CN 114121278A
- Authority
- CN
- China
- Prior art keywords
- aki
- heart valve
- age
- valve replacement
- patient
- 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.)
- Withdrawn
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
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- External Artificial Organs (AREA)
Abstract
本本发明提供了一种基于年龄及临床指标的心脏瓣膜置换术后AKI发生风险的预测模型，本发明基于的预测模型是结合心脏瓣膜置换术后患者的人口学资料和临床生物学指标，确定患者AKI发生风险的评分，具有个性化，精确性的特点；所使用的患者信息均为患者入院后的常规录入信息及检测指标，所述原始变量包括年龄、血红蛋白、纤维蛋白原、尿酸、碳酸氢根、胱抑素C及手术体外循环时间，这些变量医护人员均易于获取，可进行AKI风险评分计算，可通过Excel、APP或者小程序进行计算，具有简便，易得的特点；对预后的判断经过前期验证比较客观准确，还可有针对性的进行干预及防治，有利于降低术后AKI的发病率，提高预后，降低医疗费用，改善患者病情及节约医疗资源。
Description
技术领域
本发明涉及生物技术检测领域，具体涉及一种基于年龄及临床指标的心脏瓣膜置换术后AKI发生风险的临床预测模型。
背景技术
急性肾损伤(acutekidneyinjury，AKI)是心脏手术常见的术后并发症，瓣膜置换术是常见心脏手术类型，其术后AKI的发病率为40.6％，发生AKI的风险是其他类型心脏手术的2.00-2.68倍。AKI是心脏手术后死亡的独立预测因子，AKI的发生可增加并发症发生率、延长住院时间、增加医疗费用，影响心脏术后患者的预后。在临床工作中客观、有效地评估心脏瓣膜置换术后并发AKI的风险，对心脏瓣膜置换术后AKI的预测、早期干预和防治有重要临床意义。
目前，对于心脏瓣膜置换术后患者的AKI评估多是依据患者术后的实验室检查，如血清肌酐水平等，或在患者出现AKI的相关症状后进行临床诊断及干预。但是，目前的技术存在诊断的滞后性，对于具有AKI高风险的心脏瓣膜术后患者无法进行风险预测，也就无法实现有效降低AKI的发病率。使用目前的技术对患者进行AKI监测及治疗效果评价，需反复进行抽血检查或尿量监测，且检测需要消耗时间，无法及时帮助医护人员进行判断。。
发明内容
为解决上述技术问题，本发明提供的技术方案为：一种基于年龄及临床指标的心脏瓣膜置换术后AKI风险的预测模型，所述模型为以下公式：
其中：PAKI表示AKI风险发生率，e为自然对数的底数，e≈2.71828183；X表示由原始变量获得的分值。
优选地，所述原始变量X包括年龄、血红蛋白、纤维蛋白原、尿酸、胱抑素C、体外循环时间、碳酸氢根。
优选地，所述x具体为以下公式：
x＝0.040×Age-0.015×Hb+0.185×Fib+0.002×UA+0.891×(Cys-C)-0.151×(HCO3-)+0.012×Cardiopulmonarybypasstime-0.946 (2)
其中：Age表示年龄，Hb表示血红蛋白，Fib表示纤维蛋白原，UA表示血尿酸，Cys-C表示血胱抑素C，HCO3-表示血碳酸氢根离子浓度，Cardiopulmonarybypasstime表示体外循环时间。
优选地，所述模型公式具体如下：
PAKI＝1/[1+e-(0.040×Age-0.015×Hb+0.185×Fib+0.002×UA+0.891×(Cys-C)-0.151×(HCO3-)+0.012×Cardiopulmonarybypasstime-0.946)] (3)
其中：Age表示年龄，Hb表示血红蛋白，Fib表示纤维蛋白原，UA表示血尿酸，Cys-C表示血胱抑素C，HCO3-表示血碳酸氢根离子浓度，Cardiopulmonarybypasstime表示体外循环时间。
本发明还公开构建上述预测模型的方法，其特征在于包括以下步骤：首先，根据纳入及排除标准确定最终心脏瓣膜置换术后的患者，其次，采集患者的人口学临床指标，最终，根据临床数据建立心脏瓣膜置换术后AKI风险的预测模型。
优选地，所述排除标准如下：(1)术前已行肾脏替代治疗RRT的患者，包括透析及移植患者；(2)既往有慢性肾脏病CKD病史且肾小球滤过率估值(eGFR)<30ml·min-1·(1.73m2)-1的患者；(3)术前已发生AKI的患者；(4)严重感染或患有恶性肿瘤的患者；(5)基线资料明显缺失的患者。
优选地，所述纳入标准如下：(1)患者年龄≥18岁；(2)接受正中开胸体外循环下心脏瓣膜置换术。
优选地，所述采集的人口学临床生物学指标包括：人口学特征、病史、体格检查、家族史、血液和生化检查、胸片及心脏超声、住院期间用药情况、正中开胸体外循环下心脏瓣膜置换手术情况、主要终点、次要终点。
采用以上方案后，本发明具有如下优点：(1)基于患者人口学临床生物学，按照预先设定的评分规则确定心脏瓣膜置换术后患者并发AKI的风险评分，具有个性化，精确性的特点。
(2)所使用的患者信息均为患者入院后的常规录入信息及检测指标，更利于医护人员获取，并进行AKI风险评分计算，具有简便，易得的特点。
(3)在进行AKI风险评估后进行预防性干预，有利于降低心脏瓣膜置换术后患者AKI的发病率，并改善预后，具有降低患者医疗费用，提高患者病情恢复，节约医疗资源的优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解的是，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明AKI预测模型建立与验证流程图。
图2是本发明的预测模型对心脏瓣膜置换术后患者并发AKI风险的预测结果示意图一。
图3是本发明的预测模型对心脏瓣膜置换术后患者并发AKI风险的预测结果示意图二。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
实施例
本实施例公开一种基于年龄及临床指标的心脏瓣膜置换术后AKI风险的预测模型，在构建模型时，首先，根据纳入及排除标准确定最终心脏瓣膜置换术后的患者，其次，采集患者的人口学临床指标，最终，根据临床数据建立心脏瓣膜置换术后AKI风险的预测模型；其中，排除标准如下：(1)术前已行肾脏替代治疗的患者，包括透析及移植患者；(2)既往有慢性肾脏病CKD病史且肾小球滤过率估值(eGFR)<30ml·min-1·(1.73m2)-1的患者；(3)术前已发生AKI的患者；(4)严重感染或患有恶性肿瘤的患者；(5)基线资料明显缺失的患者；纳入标准如下：(1)患者年龄≥18岁；((2)接受正中开胸体外循环下心脏瓣膜置换术；所采集的人口学临床生物学指标包括：人口学特征、患病史、体格检查、家族史、血液和生化检查、胸片及心脏超声、住院期间用药情况、正中开胸体外循环下心脏瓣膜置换手术情况、主要终点、次要终点。
在采集临床指标后，预测模型为以下公式：
其中：PAKI表示AKI风险发生率，e为自然对数的底数，e≈2.71828183；X表示由原始变量获得的分值；
在公式(1)中，原始变量X包括年龄、血红蛋白、纤维蛋白原、尿酸、胱抑素C、体外循环时间、碳酸氢根，因此，x具体为以下公式：
x＝0.040×Age-0.015×Hb+0.185×Fib+0.002×UA+0.891×(Cys-C)-0.151×(HCO3-)+0.012×Cardiopulmonarybypasstime-0.946 (2)
在公式(2)中：Age表示年龄，Hb表示血红蛋白，Fib表示纤维蛋白原，UA表示血尿酸，Cys-C表示血胱抑素C，HCO3-表示血碳酸氢根离子浓度，Cardiopulmonarybypasstime表示体外循环时间。
因此，预测模型的最终公式具体如下：
PAKI＝1/[1+e-(0.040×Age-0.015×Hb+0.185×Fib+0.002×UA+0.891×(Cys-C)-0.151×(HCO3-)+0.012×Cardiopulmonarybypasstime-0.946)] (3)
公式(3)中：Age表示年龄，Hb表示血红蛋白，Fib表示纤维蛋白原，UA表示血尿酸，Cys-C表示血胱抑素C，HCO3-表示血碳酸氢根离子浓度，Cardiopulmonarybypasstime表示体外循环时间。
一、验证实例
如图1所示，在2015年1月1日-2018年12月31日期间，选择在广西某医院行心脏瓣膜置换术的患者，按照纳入标准及排除标准收集患者临床数据，共收集1169份，按照训练集7：验证集3随机分组，最终，通过训练集818份数据建立AKI预测模型，并使用验证集351份数据验证模型的准确性，验证结果如图2、图3所示；
图2表示本预测模型在训练集中对感染具有良好的预测价值：(AUC＝0.777,95％CI＝0.744-0.810)，即对AKI和非AKI患者具有良好的区分度；同时在验证集中本模型也对AKI具有良好的预测作用(AUC＝0.758,95％CI＝0.705-0.811)；
图3表示校准曲线中，拟合优度检验显示在训练集和验证集中，本模型均具有较大的预测值，分别为10.070和5.974，即预测患者发生心脏瓣膜置换术后AKI的概率与该患者实际发生AKI的概率一致性较高。
以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
Claims (8)
1.一种基于年龄及临床指标的心脏瓣膜置换术后AKI风险的预测模型，其特征在于：所述模型为以下公式：
其中：PAKI表示AKI风险发生率，e为自然对数的底数，e≈2.71828183；X表示由原始变量获得的分值。
2.如权利要求1所述的一种基于年龄及临床指标的心脏瓣膜置换术后AKI风险的预测模型，其特征在于，所述原始变量X包括年龄、血红蛋白、纤维蛋白原、尿酸、胱抑素C、体外循环时间、碳酸氢根。
3.如权利要求1所述的一种基于年龄临床指标的心脏瓣膜置换术后AKI风险的预测模型，其特征在于，所述x具体为以下公式：
x＝0.040×Age-0.015×Hb+0.185×Fib+0.002×UA+0.891×(Cys-C)-0.151×(HCO3-)+0.012×Cardiopulmonarybypasstime-0.946 (2)
其中：Age表示年龄，Hb表示血红蛋白，Fib表示纤维蛋白原，UA表示血尿酸，Cys-C表示血胱抑素C，HCO3-表示血碳酸氢根离子浓度，Cardiopulmonarybypasstime表示体外循环时间。
4.如权利要求3所述的一种基于年龄临床指标的心脏瓣膜置换术后AKI风险的预测模型，其特征在于，所述模型公式具体如下：
PAKI＝1/[1+e-(0.040×Age-0.015×Hb+0.185×Fib+0.002×UA+0.891×(Cys-C)-0.151×(HCO3-)+0.012×Cardiopulmonarybypasstime-0.946)] (3)
其中：Age表示年龄，Hb表示血红蛋白，Fib表示纤维蛋白原，UA表示血尿酸，Cys-C表示血胱抑素C，HCO3-表示血碳酸氢根离子浓度，Cardiopulmonarybypasstime表示体外循环时间。
5.一种构建如权利要求1所述的预测模型的方法，其特征在于，包括以下步骤：首先，根据纳入及排除标准确定最终心脏瓣膜置换术后的患者，其次，采集患者的人口学临床指标，最终，根据临床数据建立心脏瓣膜置换术后AKI风险的预测模型。
6.如权利要求5所述的构建预测模型的方法，其特征在于，所述排除标准如下：(1)术前已行肾脏替代治疗的患者，包括透析及移植患者；(2)既往有慢性肾脏病CKD病史且肾小球滤过率估值(eGFR)<30ml·min-1·(1.73m2)-1的患者；(3)术前已发生AKI的患者；(4)严重感染或患有恶性肿瘤的患者；(5)基线资料明显缺失的患者。
7.如权利要求5所述的构建预测模型的方法，其特征在于，所述纳入标准如下：(1)患者年龄≥18岁；(2)接受正中开胸体外循环下心脏瓣膜置换术。
8.如权利要求5所述的构建预测模型的方法，其特征在于，所述采集的人口学临床生物学指标包括：人口学特征、病史、体格检查、家族史、血液和生化检查、胸片及心脏超声、住院期间用药情况、正中开胸体外循环下心脏瓣膜置换手术情况、主要终点、次要终点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111301660.XA CN114121278A (zh) | 2021-11-04 | 2021-11-04 | 一种基于年龄及临床指标的心脏瓣膜置换术后aki风险的预测模型 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111301660.XA CN114121278A (zh) | 2021-11-04 | 2021-11-04 | 一种基于年龄及临床指标的心脏瓣膜置换术后aki风险的预测模型 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114121278A true CN114121278A (zh) | 2022-03-01 |
Family
ID=80380658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111301660.XA Withdrawn CN114121278A (zh) | 2021-11-04 | 2021-11-04 | 一种基于年龄及临床指标的心脏瓣膜置换术后aki风险的预测模型 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114121278A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114496232A (zh) * | 2022-03-09 | 2022-05-13 | 曜立科技(北京)有限公司 | 基于数据处理的术后瓣膜恢复复查用诊断决策系统 |
| 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 |
| CN116130107A (zh) * | 2023-04-14 | 2023-05-16 | 淄博市中心医院 | 基于时域分析的瓣膜置换术早期临床评估方法及系统 |
-
2021
- 2021-11-04 CN CN202111301660.XA patent/CN114121278A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114496232A (zh) * | 2022-03-09 | 2022-05-13 | 曜立科技(北京)有限公司 | 基于数据处理的术后瓣膜恢复复查用诊断决策系统 |
| 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 |
| CN116130107A (zh) * | 2023-04-14 | 2023-05-16 | 淄博市中心医院 | 基于时域分析的瓣膜置换术早期临床评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yuan et al. | The development an artificial intelligence algorithm for early sepsis diagnosis in the intensive care unit | |
| CN114121278A (zh) | 一种基于年龄及临床指标的心脏瓣膜置换术后aki风险的预测模型 | |
| Mofidi et al. | Identification of severe acute pancreatitis using an artificial neural network | |
| Chang et al. | Accuracy of decisions to withdraw therapy in critically ill patients: clinical judgment versus a computer model | |
| RU2664455C1 (ru) | Способ оценки риска развития осложнений в отдаленном послеоперационном периоде у больных, имеющих признаки дисплазии соединительной ткани | |
| CN113362954A (zh) | 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 | |
| Khan et al. | Geriatric rescue after surgery (GRAS) score to predict failure-to-rescue in geriatric emergency general surgery patients | |
| JP2018536846A (ja) | バイオマーカ信号を個人化するための方法およびこれを使用した医療処置 | |
| JP5916130B2 (ja) | 病気の重症度の検査方法 | |
| Zhang et al. | Phase I study of surgical performances with risk-adjusted Shewhart control charts | |
| CN111341452B (zh) | 多系统萎缩失能预测方法、模型建立方法、装置及设备 | |
| Antoniak et al. | Impact of chronic kidney disease in older adults undergoing hip or knee arthroplasty: a large database study | |
| Andersen et al. | Urine microscopy–an important diagnostic tool | |
| RU2742429C1 (ru) | Способ экспресс-оценки изменений легочной ткани при COVID-19 без применения компьютерной томографии органов грудной клетки | |
| Govinda et al. | Medical dialysis prediction using fuzzy rules | |
| RU2716452C1 (ru) | Способ прогнозирования развития дисфункции почек в конце подострого периода инфаркта миокарда у мужчин моложе 60 лет | |
| TWI641963B (zh) | Method for screening coronary heart disease by cardiovascular marker and mechanical learning algorithm | |
| CN110504030A (zh) | 一种创伤性凝血病预测方法 | |
| Ratiani et al. | The informative value of several clinical-laboratory characteristics at the time of hospitalization in terms of prognosis of disease complication with COVID-19 patients | |
| RU2779371C1 (ru) | Способ прогнозирования рецидива камнеобразования у больных мочекаменной болезнью | |
| CN116884570B (zh) | 一种基于图像处理的术中实时仿真疗效评估系统 | |
| RU2701318C1 (ru) | Способ выбора вида оперативного лечения у пациентов со свернувшимся гемотораксом | |
| RU2306865C2 (ru) | Способ прогнозирования развития послеоперационной пневмонии | |
| Rakhmatov | COMPLICATIONS OF ACUTE PANCREATITIS | |
| Hoogmoed | Renal Artery Malperfusion after Aortic Dissection: Clinical Diagnosis and Correlation with Acute Kidney Injury |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220301 |
|
| WW01 | Invention patent application withdrawn after publication |