CN114496210A - St段抬高型心肌梗死预后评分系统 - Google Patents
St段抬高型心肌梗死预后评分系统 Download PDFInfo
- Publication number
- CN114496210A CN114496210A CN202011151932.8A CN202011151932A CN114496210A CN 114496210 A CN114496210 A CN 114496210A CN 202011151932 A CN202011151932 A CN 202011151932A CN 114496210 A CN114496210 A CN 114496210A
- Authority
- CN
- China
- Prior art keywords
- score
- scoring
- seps
- risk
- module
- 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
- 238000004393 prognosis Methods 0.000 title claims abstract description 20
- 208000010125 myocardial infarction Diseases 0.000 title claims abstract description 8
- 208000006117 ST-elevation myocardial infarction Diseases 0.000 claims abstract description 45
- 229920002742 polystyrene-block-poly(ethylene/propylene) -block-polystyrene Polymers 0.000 claims abstract 8
- 230000034994 death Effects 0.000 claims description 35
- 231100000517 death Toxicity 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 8
- 206010000891 acute myocardial infarction Diseases 0.000 abstract description 45
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 4
- 201000010099 disease Diseases 0.000 abstract description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000013517 stratification Methods 0.000 description 5
- 230000004083 survival effect Effects 0.000 description 5
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 101800000407 Brain natriuretic peptide 32 Proteins 0.000 description 3
- 206010019280 Heart failures Diseases 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 3
- 230000037396 body weight Effects 0.000 description 3
- 235000012000 cholesterol Nutrition 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002685 pulmonary effect Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 230000035488 systolic blood pressure Effects 0.000 description 3
- 108010088751 Albumins Proteins 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 2
- 102100032752 C-reactive protein Human genes 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 102000004889 Interleukin-6 Human genes 0.000 description 2
- 108090001005 Interleukin-6 Proteins 0.000 description 2
- 102000007330 LDL Lipoproteins Human genes 0.000 description 2
- 108010007622 LDL Lipoproteins Proteins 0.000 description 2
- 208000037656 Respiratory Sounds Diseases 0.000 description 2
- 238000008050 Total Bilirubin Reagent Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004820 blood count Methods 0.000 description 2
- 210000004351 coronary vessel Anatomy 0.000 description 2
- 229940109239 creatinine Drugs 0.000 description 2
- 238000013211 curve analysis Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000013146 percutaneous coronary intervention Methods 0.000 description 2
- 206010037833 rales Diseases 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 206010001029 Acute pulmonary oedema Diseases 0.000 description 1
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 1
- 108010082126 Alanine transaminase Proteins 0.000 description 1
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 1
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 1
- 101800002247 Brain natriuretic peptide 45 Proteins 0.000 description 1
- 201000000057 Coronary Stenosis Diseases 0.000 description 1
- 206010011703 Cyanosis Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 241000288140 Gruiformes Species 0.000 description 1
- 108010023302 HDL Cholesterol Proteins 0.000 description 1
- 108010010234 HDL Lipoproteins Proteins 0.000 description 1
- 102000015779 HDL Lipoproteins Human genes 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 206010037368 Pulmonary congestion Diseases 0.000 description 1
- 208000007888 Sinus Tachycardia Diseases 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 102000004903 Troponin Human genes 0.000 description 1
- 108090001027 Troponin Proteins 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 108091006374 cAMP receptor proteins Proteins 0.000 description 1
- 206010007625 cardiogenic shock Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000011337 individualized treatment Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 208000019266 moderate heart failure Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000440 neutrophil Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000014221 sudden cardiac arrest Diseases 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 1
- 230000003827 upregulation Effects 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
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
- G16H50/20—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Epidemiology (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种ST段抬高型心肌梗死预后评分系统，属于疾病预后评分系统领域。本发明的系统，包括输入模块、评分模块和输出模块；所述输入模块提供如下项目数据的录入功能：(1)年龄；(2)心率；(3)BMI；(4)Killip分级；所述评分模块对前述项目数据分段计分，求和，得到简易急诊预后评分SEPS；输出模块则负责输出评分模块给出的结果。本发明的评分系统所需输入数据容易快速获取，可快速准确地对ST段抬高型心肌梗死进行预后评价。
Description
技术领域
本发明属于疾病预后评分系统领域。
背景技术
ST段抬高型心肌梗死(ST-segment elevation myocardial infarction，STEMI)是具有典型的缺血性胸痛，持续超过二十分钟，血清心肌坏死标记物浓度升高，并有动态演变，心电图具有典型的ST段抬高的一类急性心肌梗死。主要病理原因是由于冠脉斑块损伤的基础上，诱发急性闭塞性血栓。
随着经皮冠状动脉介入治疗(percutaneous coronary intervention，PCI)的广泛开展，近年STEMI的病死率呈下降趋势，但STEMI在入急诊时和随访1年的病死率仍然分别高达3％和10％。STEMI早期危险分层管理有助于早期实施个体化治疗，改善STEMI患者早期和晚期预后，但临床上STEMI早期危险分层管理常用的预后评分系统十分复杂繁琐，依赖大型设备或耗时较长的诊断技术，总体时间和物质成本较高，其在急诊早期运用受限。例如：GRACE评分和TIMI评分，两者主要构成指标包括：年龄、体重、心率、Killip分级、收缩压、心电图变化、入院是否发生心脏骤停、发病距就诊时间、心肌坏死标志物升高及血肌酐(serumcreatinine，Scr)等，但该两项评分纳入指标相对繁琐，部分血液学指标不能急诊短时间反复获取，不能达到急诊早期对STEMI患者危险评估的要求。Gensini评分需要检测冠脉狭窄程度，并确定具体病变部位(包括冠状动脉的左主干，左前降支或回旋支近段，左前降支中段，左前降支远段，左回旋支中、远段，右冠状动脉，小分支等)；Gensini评分需要大型设备，也不适用于急诊早期对STEMI患者危险评估的要求。
在现有的预后评分系统的基础上省略获取时间较长或依赖大型设备的检测参数，虽然能使评分快捷方便，但准确性会极大地被影响。现有的STEMI预后评分系统无法同时满足“方便快捷”和“准确”两方面的要求。
发明内容
本发明要解决的问题是：提供一种使用方便且准确的ST段抬高型心肌梗死预后评分系统。
本发明的技术方案如下：
本发明首先提供了一种ST段抬高型心肌梗死预后评分系统，包括输入模块、评分模块和输出模块；
所述输入模块提供如下项目数据的录入功能：(1)年龄；(2)心率；(3)BMI；(4)Killip分级；
所述评分模块具有计算功能，可对前述项目数据进行分段计分，求和，得到简易急诊预后评分SEPS；
所述SEPS与ST段抬高型心肌梗死患者的死亡风险相关，SEPS越高，死亡风险越高；
所述输出模块具有文字、图像或声音的功能，负责输出评分模块中的计算结果。
如前述的评分系统，所述评分模块内置如下计算规则：
1)年龄评分：年龄≤53岁，计0分；54～64岁，计1分；＞64岁，计2分；
2)心率评分：心率≤67次/分，计0分；68～92次/分，计1分；＞92次/分，计2分；
3)BMI评分：BMI≤23.9kg/m2，计2分；23.9kg/m2＜BMI≤26.1kg/m2，计0分；BMI＞26.1kg/m2，计1分；
4)Killip分级评分：Killip分级为I或II级，计0分；为III级，计2分；为IV级，计4分；
5)SEPS＝年龄评分+心率评分+BMI评分+Killip分级评分。
如前述的预后评分系统，所述评分模块还内置如下计算规则：
6)根据SEPS给出危险等级的判定结果：当SEPS为0-3分，患者危险等级为“低危”；当SEPS为4-6分，患者危险等级为“中危”；当SEPS为7-10分，则患者危险等级为“高危”。
如前述的评分系统，所述输出模块为电子显示屏。
如前述的评分系统，所述输出模块为打印机。
如前述的评分系统，所述输出模块为音响。
本发明的有益效果如下：
(1)简单快速。本发明的系统不依赖复杂检测(包括：检测周期长的检测、需使用大型仪器的检测)获得的数据；且内置算法简单，能实时得到评估结果。
(2)本发明的系统准确度能达到与传统评分系统相当，甚至更高的准确度。
显然，根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。
以下通过实施例形式的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。
附图说明
图1：SEPS评估低、中、高危STEMI患者的预后。
图2：GRACE评分(A)和Gensini评分(B)评估低、中、高危STEMI患者的预后。
图3：ROC曲线分析对比SEPS、GRACE评分、Gensini评分对STEMI患者1年全因死亡的判断效能。
图4：SEPS、GRACE评分预测STEMI全因死亡的决策分析曲线。
具体实施方式
实施例1本发明的STEMI预后评分系统
本发明的STEMI预后评分系统主要包括输入模块、评分模块和输出模块。
1.输入模块
输入模块提供如下项目数据的录入功能：(1)年龄(岁)；(2)心率(次/分)；(3)BMI(kg/m2)；(4)Killip分级。
其中BMI是身体质量指数，BMI＝体重(kg)÷身高(m)的平方。
Killip分级是急性心肌梗死所致心力衰竭的临床分级：
I级：无心力衰竭征象，但PCWP(肺毛细血管楔嵌压)可升高。
II级：轻至中度心力衰竭，肺啰音出现范围小于两肺野的50％，可出现第三心音奔马律、持续性窦性心动过速或其它心律失常，静脉压升高，有肺淤血的X线表现。
III级：重度心力衰竭，出现急性肺水肿，肺啰音出现范围大于两肺的50％。
IV级：出现心源性休克，收缩压小于90mmHg，尿少于每小时20ml，皮肤湿冷，发绀，呼吸加速，脉率大于100次/分。
2.评分模块
评分模块具有计算功能，内置如下计算规则：
1)年龄评分：年龄≤53岁，计0分；54～64岁，计1分；＞64岁，计2分；
2)心率评分：心率≤67次/分，计0分；68～92次/分，计1分；＞92次/分，计2分；
3)BMI评分：BMI≤23.9kg/m2，计2分；23.9kg/m2＜BMI≤26.1kg/m2，计0分；BMI＞26.1kg/m2，计1分；
4)Killip分级评分：Killip分级为I或II级，计0分；为III级，计2分；为IV级，计4分；
5)得到简易急诊预后评分(simple emergency prognosistic score，SEPS)＝年龄评分+心率评分+BMI评分+Killip分级评分；
6)根据SEPS给出危险等级的判定结果：当SEPS为0-3分，患者危险等级为“低危”；当SEPS为4-6分，患者危险等级为“中危”；当SEPS为7-10分，则患者危险等级为“高危”；其中，当SEPS为10分时，患者在1年内死亡的风险很高。
3.输出模块
输出模块可以是屏幕、音响、打印机等。输出模块负责输出危险等级的判定结果；或，输出危险等级的同时，也输出SEPS。
以下用实验例对本发明评分系统中SEPS的有益效果进行进一步说明。
实验例1本发明的SEPS与GRACE评分、Gensini评分的比较
1.对象
四川大学华西医院收治的STEMI患者136例。平均年龄63.24±13.67岁，其中男性患者102例(75.0％)，1年内全因死亡17例(12.5％)。
死亡组与存活组患者在年龄、心率、收缩压、舒张压、既往史(吸烟史、饮酒史、高血压病史、糖尿病病史)、白细胞计数、中性粒细胞绝对计数、MCH、血小板计数、总胆红素、谷丙转氨酶、谷草转氨酶、肌酐、生化血糖、甘油三酯、总胆固醇、HDL、LDL、肌钙蛋白、CRP、IL-6、Gensini评分等方面差异无统计学意义(p＞0.05)，死亡组与存活组在体重、BMI、白蛋白、BNP、EF值、GRACE评分等方面差异具有统计学意义(p＜0.05)，死亡组在BNP、GRACE评分等方面高于存活组，在体重、BMI、白蛋白、EF值等方面低于存活组，差异具有统计学意义(p＜0.05)，如表1所示。
表1.验证组中死亡与存活患者的资料比较
注：*p＜0.05差异有统计学意义
BMI体重指数；MCH平均血红蛋白；HDL高密度脂蛋白总胆固醇；LDL低密度脂蛋白总胆固醇；BNP B型钠尿肽；CRP C反应蛋白；IL-6白细胞介素6；LVEF左室射血分数；GRACE：急性冠脉事件全球注册研究。
2.SEPS评估低中高危STEMI患者预后的能力
根据实施例1计算SEPS，按照死亡风险三等位间距将其划分成低危组(SEPS：0-3分，n＝45)，中危组(SEPS：4-6分，n＝45)，高危(SEPS：7-10分，n＝46)，低危、中危、高危STEMI患者全因死亡分别为0.0％、13.3％、23.9％，差异具有统计学意义(p＜0.05)。如图1。
死亡风险三等位间距指：根据患者得分数值，由低到高进行排序，得分高的为死亡高风险，得分低的为死亡低风险，再根据三等分位间距将患者分为三类。
上述结果表明：本发明的SEPS划分的高、中、低风险分层，可有效区分STEMI患者的死亡危险。
3.GRACE评分和Gensini评分对STEMI严重程度的评估
GRACE评分的规则如下(表2)：
表2.GRACE评分系统(入院24小时完成)
注：GRACE评分小于108分为死亡低风险，109-140为死亡中风险，大于141为死亡高风险。
Gensini评分的规则如下(表3)：
表3.冠脉Gensini评分
注：每处病变的积分为狭窄程度评分乘以病变部位评分，每位患者的积分为所有病变积分的总和。
将每个STEMI患者进行GRACE评分和Gensini评分，按照上述死亡风险三等位间距分别将其划分成低危组(n＝45)，中危组(n＝45)，高危组(n＝46)，低危、中危、高危STEMI患者中GRACE评分分别为133.9±34.0分、170.8±31.5分、226.7±24.8分，差异具有统计学意义(p＜0.05)，Gensini评分分别为44.0(25.3，83.0)分、74.0(40.8，104.3)分、66.5(45.3，160.0)分，差异无统计学意义(p＞0.05)。如图2所示。
表明：GRACE评分能反映STEMI患者死亡风险；但Gensini评分无法直接对STEMI患者的死亡风险进行评估。结合第2节可初步判断，在死亡风险的评估上，本发明的SEPS评分和现有的GRACE评分具有相近的评估能力。
4.比较SEPS、GRACE评分和Gensini评分对评估STEMI全因死亡的效果分析
SEPS评估全因死亡的AUC为0.916(95％CI 0.852-0.958，p＜0.001)，高于GRACE评分(AUC＝0.877)，差异无统计学意义(p＞0.05)，高于Gensini评分(AUC＝0.583)，差异有统计学意义(p＜0.05)，见图3、表4。
表4.SEPS同其他STEMI指标及评分预测STEMI预后效能的比较
*p＜0.05。ACU：曲线下面积；OR：比值比；CI：置信区间。
采用约登指数分析，使用SEPS判断1年内STEMI患者是否死亡的最佳截点值为10分，该截点值判断1年内死亡的敏感性为60.3％，特异性为93.0％。
上述结果表明：SEPS对STEMI一年内全因死亡的评估准确性较高，效果优于GRACE评分。
5.比较SEPS与GRACE评分对STEMI的预测能力
由于SEPS和GRACE评分预测STEMI全因死亡的AUC最大且接近，我们采用NRI、IDI和DCA来比较这两个评分预测STEMI全因死亡的区分度的能力。
NRI：净重新分类改善指数(Net Reclassification Improvement，NRI)主要通过在设定好的切点水平下，例如某个指标的诊断界值，或高、中、低风险划分的界值等，来判断和比较新、旧模型的预测能力孰高孰低。若新模型相对于旧模型的NRI＞0，则新模型预测能力更高；NRI＜0，则旧模型预测能力更高；若NRI＝0，则新、旧模型预测能力等同。
IDI：综合判别改善指数(Integrated Discrimination Improvement，IDI)考虑了不同切点的情况，可以用来反映模型的整体改善状况，在一定程度上补齐了NRI的短板。总体来说IDI越大，则提示新模型预测能力越好。与NRI类似，若IDI＞0，则为正改善，说明新模型比旧模型的预测能力有所改善，若IDI＜0，则为负改善，新模型预测能力下降，若IDI＝0，则认为新模型没有改善。
DCA：决策曲线分析法(Decision Curve Analysis，DCA)横线为阈概率表示所有样本都是阴性(Pi＜Pt)，所有人都没干预，净获益为0。斜线表示所有样本都是阳性，所有人都接受了干预。实际的两条线通过纵坐标净获益进行对比，在阈值范围内纵坐标越大，代表不同方案下人群获益越大。
5.1 SEPS与GRACE评分的NRI和IDI
在死亡组，SEPS比GRACE评分多划分6(8 vs.2)个患者到中-高危风险组，造成危险评估上调(NRI+)为0.150，见表5；在存活组，SEPS比GRACE评分少划分36(71 vs.35)个患者到低-中危风险组，造成危险评估下调(NRI-)为0.037，见表6。因此，与GRACE评分相比，SEPS预测STEMI全因死亡总的NRI为0.256，p＜0.05；IDI为0.151，p＜0.05。
可见，SEPS相比GRACE评分的风险预测更准确。
表5.SEPS和GRACE评分预测全因死亡的净重新分类表
表6.SEPS和GRACE评分预测全因死亡的净重新分类表
5.2 SEPS与传统评分的DCA
DCA曲线结果显示，SEPS在预测STEMI 1年全因死亡的净获益(net benefit)在阈概率(threshold probability)≤0.600优于GRACE评分，而在＞0.62时无明显差异，见图4。
上述结果表明，SEPS在患者死亡风险小于60％时，判断死亡的区分度高于GRACE评分，而在患者死亡风险大于62％时无明显差异。
6.亚组分析SEPS对STEMI全因死亡的相关度
将SEPS按照连续变量的平均值或分类变量进行亚组分析其与STEMI全因死亡的关系，结果显示：在不同性别、年龄、高血压、糖尿病、白细胞计数、血小板计数、甘油三酯、总胆固醇、总胆红素、GRACE评分、Gensini评分等亚组中，SEPS均与STEMI全因死亡独立相关，见表7。
上述结果说明：SEPS在不同特征的心肌梗死人群中均具有良好应用能力，无明显限制。
表7.SEPS与STEMI全因死亡的亚组分析
注：*p＜0.05。OR：比值比；CI：置信区间；GRACE：急性冠脉事件全球注册研究
综上，SEPS能快速、准确地划分高、中、低危险的STEMI患者，效果优于现有的GRACE评分和Gensini评分。本发明的评估系统内置了计算SEPS的算法，因此可用于快速、准确地评估STEMI的预后。
Claims (6)
1.一种ST段抬高型心肌梗死预后评分系统，其特征在于：包括输入模块、评分模块和输出模块；
所述输入模块提供如下项目数据的录入功能：(1)年龄；(2)心率；(3)BMI；(4)Killip分级；
所述评分模块具有计算功能，可对前述项目数据进行分段计分，求和，得到简易急诊预后评分SEPS；
所述SEPS与ST段抬高型心肌梗死患者的死亡风险相关，SEPS越高，死亡风险越高；
所述输出模块具有文字、图像或声音的功能，负责输出评分模块中的计算结果。
2.如权利要求1所述的评分系统，其特征在于：
所述评分模块内置如下计算规则：
1)年龄评分：年龄≤53岁，计0分；54～64岁，计1分；＞64岁，计2分；
2)心率评分：心率≤67次/分，计0分；68～92次/分，计1分；＞92次/分，计2分；
3)BMI评分：BMI≤23.9kg/m2，计2分；23.9kg/m2＜BMI≤26.1kg/m2，计0分；BMI＞26.1kg/m2，计1分；
4)Killip分级评分：Killip分级为I或II级，计0分；为III级，计2分；为IV级，计4分；
5)SEPS＝年龄评分+心率评分+BMI评分+Killip分级评分。
3.如权利要求2所述的预后评分系统，其特征在于：所述评分模块还内置如下计算规则：
6)根据SEPS给出危险等级的判定结果：当SEPS为0-3分，患者危险等级为“低危”；当SEPS为4-6分，患者危险等级为“中危”；当SEPS为7-10分，则患者危险等级为“高危”。
4.如权利要求1～3任一所述的预后评分系统，其特征在于：所述输出模块为电子显示屏。
5.如权利要求1～3任一所述的预后评分系统，其特征在于：所述输出模块为打印机。
6.如权利要求1～3任一所述的预后评分系统，其特征在于：所述输出模块为音响。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011151932.8A CN114496210A (zh) | 2020-10-23 | 2020-10-23 | St段抬高型心肌梗死预后评分系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011151932.8A CN114496210A (zh) | 2020-10-23 | 2020-10-23 | St段抬高型心肌梗死预后评分系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114496210A true CN114496210A (zh) | 2022-05-13 |
Family
ID=81471021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011151932.8A Pending CN114496210A (zh) | 2020-10-23 | 2020-10-23 | St段抬高型心肌梗死预后评分系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114496210A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115479934A (zh) * | 2022-06-10 | 2022-12-16 | 四川大学华西医院 | 一种基于标志物和影像学的主动脉夹层联合预后评估系统 |
| CN116230238A (zh) * | 2023-05-08 | 2023-06-06 | 寿光市人民医院 | 一种用于心血管的监测预警系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109374901A (zh) * | 2018-09-30 | 2019-02-22 | 山东大学深圳研究院 | 一种心肌梗死预后风险指数检测装置及心肌梗死预后预警模型的建立方法 |
-
2020
- 2020-10-23 CN CN202011151932.8A patent/CN114496210A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109374901A (zh) * | 2018-09-30 | 2019-02-22 | 山东大学深圳研究院 | 一种心肌梗死预后风险指数检测装置及心肌梗死预后预警模型的建立方法 |
Non-Patent Citations (1)
| Title |
|---|
| 胡珊 等: "两种预后评估模型在急性 ST 段抬高型心肌梗死患者中的应用" * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115479934A (zh) * | 2022-06-10 | 2022-12-16 | 四川大学华西医院 | 一种基于标志物和影像学的主动脉夹层联合预后评估系统 |
| CN115479934B (zh) * | 2022-06-10 | 2024-06-11 | 四川大学华西医院 | 一种基于标志物和影像学的主动脉夹层联合预后评估系统 |
| CN116230238A (zh) * | 2023-05-08 | 2023-06-06 | 寿光市人民医院 | 一种用于心血管的监测预警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | An artificial intelligence approach to early predict non-ST-elevation myocardial infarction patients with chest pain | |
| Henning et al. | Prognosis after acute myocardial infarction: a multivariate analysis of mortality and survival. | |
| CN107153774A (zh) | 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 | |
| CN113327679A (zh) | 一种肺栓塞临床风险及预后评分方法与系统 | |
| CN114496210A (zh) | St段抬高型心肌梗死预后评分系统 | |
| Silva et al. | Heart rate variability as a biomarker in patients with Chronic Chagas Cardiomyopathy with or without concomitant digestive involvement and its relationship with the Rassi score | |
| Ji et al. | Development and validation of prediction models for hypertension risks: A cross-sectional study based on 4,287,407 participants | |
| Chen et al. | Identification of energy metabolism-related biomarkers for risk prediction of heart failure patients using random forest algorithm | |
| Wang et al. | Predicting the prognosis of patients in the coronary care unit: a novel multi-category machine learning model using Xgboost | |
| Eskandari et al. | Detection of sepsis using biomarkers based on machine learning | |
| Bhardwaj et al. | A holistic overview of artificial intelligence in detection, classification and prediction of atrial fibrillation using electrocardiogram: a systematic review and meta-analysis | |
| CN117079810A (zh) | 一种心血管疾病非计划再住院风险预测方法 | |
| RU2692667C1 (ru) | Способ прогнозирования развития рецидивирующего инфаркта миокарда после повторного инфаркта миокарда у мужчин моложе 60 лет | |
| Pierre-Jean et al. | Phenotyping of heart failure with preserved ejection faction using electronic health records and echocardiography | |
| Tang et al. | Correlation between Left Atrial Thrombosis and Neutrophil-to-Lymphocyte Ratio upon Non-Valvular Atrial Fibrillation. | |
| Liu et al. | A machine learning method for predicting the probability of MODS using only non-invasive parameters | |
| CN116030963A (zh) | 一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型及其构建方法和应用 | |
| Hekmat et al. | Risk stratification models fail to predict hospital costs of cardiac surgery patients | |
| Chaikovsky et al. | Using of Data Mining methods to evaluate the myocardial damage in children with juvenile idiopathic arthritis | |
| Cubukcu et al. | What’s the risk? Assessment of patients with stable chest pain | |
| RU2554758C1 (ru) | Способ определения вероятности сохранения миокарда от инфарктного повреждения у больных с острым коронарным синдромом | |
| CN117995413B (zh) | 基于血清Klotho的慢性肾脏病预测模型的构建方法及应用 | |
| Wang et al. | Predicting the Prognosis of Patients in the Coronary Care Unit via Machine Learning Using XGBoost | |
| CN118039137B (zh) | 一种术后炎症反应预测系统 | |
| CN110504030A (zh) | 一种创伤性凝血病预测方法 |
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: 20220513 |
|
| RJ01 | Rejection of invention patent application after publication |