CN114974500A - 基于tpn管控系统的肠癌患者营养治疗与预后预测评价模型 - Google Patents

Abstract

本发明涉及智慧医疗系统技术领域，特别是基于TPN管控系统的肠癌患者营养治疗与预后预测评价模型，其包括：TPN管控模块，电子病历医嘱管控模块，住院药房子系统药品控制模块，信息采集和存储模块，数据分析模块，用于评估合理化用药对患者治疗疗效、经济学效益的影响，并分析预测预后情况。对TPN医嘱合理性的提高以及对肠癌术后患者营养指标的恢复均具有积极作用，模型进一步完善了TPN管控系统后台信息的个体化分析功能，为肠癌患者提供相关经济学评价以及预测术后恢复及预后影响的因素，让大数据的应用价值真正在临床体现。

Description

基于TPN管控系统的肠癌患者营养治疗与预后预测评价模型

技术领域

本发明涉及智慧医疗系统技术领域，特别是基于TPN管控系统的肠癌患者营养治疗与预后预测评价模型。

背景技术

由于肿瘤的慢性消耗和患者消化功能的降低，结直肠癌患者已然成为营养不良的高发人群。腹部手术对患者的胃肠道结构及功能影响较大，且术后的高分解代谢以及术后胃肠道功能的较长恢复时间进一步加重了营养不良和免疫功能的抑制状态。全肠外营养(total parenteral nutrition，TPN)是术后重要的营养支持方法，具体是指完全经静脉途径输入营养物质以维持机体正常生理需要和促进疾病康复，TPN为不能正常进食患者、超高代谢患者及危重患者维持一般营养状态，帮助其渡过危重病程，纠正负氮平衡，还能促进伤口愈合，提高其抵抗力和存活率。

TPN的组方主要由葡萄糖、脂肪乳、氨基酸、维生素、电解质和微量元素等制剂混合配制而成，合理的配比有利于患者术后的恢复以及术后感染的降低。但在临床实际工作中，营养支持的合理性和规范性应用对于患者疾病转归的重要性并未被临床所重视。近些年来全肠外营养虽已有很大的发展，但实施过程中因医生对机体应激状态下营养底物代谢变化的特点缺乏足够了解、对各种营养制剂的特点不够熟悉等多种原因仍存在着各种“非规范化”的现象，甚至可能提高了药物不良反应的发生频率。特别是肿瘤患者存在一系列代谢改变，例如胃肠道恶性肿瘤患者肝糖原合成增加且与肿瘤负荷成正比，肿瘤宿主β细胞受体对于糖负荷量的敏感性降低，蛋白质、甘油和脂肪酸转换率升高。因此，美国的医疗安全协会将肠外营养液列入高危药物，使用不当会对患者造成严重伤害甚至死亡。

目前国内很多医院的现状是以药师人工审方和事后点评相结合，然而，对于规范TPN医嘱的合理性并利用相关信息给予决策分析显然是不够的。国外研究结果表明，利用信息自动化手段对处方和病历进行审查，可减少75％的用药错误。

国内外学者对于开发TPN相关审方程序或软件已有报道，欧阳仲毅等运用 Excel软件设定相应审方指标，能对TPN液的稳定性进行预判，缩短药师人工审方时间，提高审方质量和审方效率。Lehmann等设计了在线的TPN计算系统，应用于新生儿科，从而减少了TPN医嘱的差错率。孙艳等研发的TPN审方模块软件，可实时评价TPN医嘱的合理性，同时对不合理TPN医嘱的原因进行关联性评价，为提高医院TPN用药安全提供客观的数据支持。由此可见，TPN审方程序或软件操作简便、信息记载全面、评价指标明确，为药师审方提供了强有力的信息化数据支持。然而，目前已开发的TPN审方程序或软件也仍然存在一些问题，如Excel软件不能嵌入医院HIS系统，不能对接患者的实际临床信息；而孙艳等开发的TPN审方模块软件只限于为药师端审核提供支持，不能直接指导医生开具TPN医嘱，也无法拦截不合理的医嘱。此外，所有程序或软件均不能在后台存储患者TPN干预的信息并做出相应的统计分析。

因此，为提高临床合理用药水平和规范医疗行为，以及评价合理化用药对患者治疗疗效、经济学效益乃至预后的影响，开发信息化并具分析预测功能的TPN 管控系统具有很大的临床意义。

上述背景技术旨在辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日前已公开的情况下，上述背景技术不应当用于评价本申请技术方案的新创性。

发明内容

本发明的目的旨在提供基于TPN管控系统的肠癌患者营养治疗与预后预测评价模型，对TPN医嘱合理性的提高以及对肠癌术后患者营养指标的恢复均具有积极作用，模型进一步完善了TPN管控系统后台信息的个体化分析功能，为肠癌患者提供相关经济学评价以及预测术后恢复及预后影响的因素提供参考，让大数据的应用价值真正在临床体现。

为了实现上述目的，本发明提供如下技术方案。

基于TPN管控系统的肠癌患者营养治疗与预后预测评价模型，包括：

TPN管控模块；

电子病历医嘱管控模块；

住院药房子系统药品控制模块；

信息采集和存储模块；

数据分析模块，用于评估合理化用药对患者治疗疗效、经济学效益的影响，并分析预测预后情况。

部分实施方案，所述TPN管控模块包括：基于医院信息系统、肿瘤专科医院医师主导的TPN管控软件。在Windows平台，中文操作系统环境下，基于医院信息系统，用C#程序编辑工具和ORACLE 11G数据库系统开发肿瘤专科医院药师主导的TPN管控软件。

部分实施方案，所述医院信息系统包括HIS和/或EMR。

部分实施方案，所述TPN管控软件中，软件内嵌了药师对各审方指标设定的计算公式，医生开具的TPN医嘱数据会自动转换成信息数据，落在指标值一栏中。

部分实施方案，所述TPN管控软件还设置了总能量、糖脂比、热氮比、电解质浓度、胰岛素使用量、Na⁺使用量、K⁺使用量、维生素用量、微量元素用量等的范围作为参考值。如果TPN医嘱中某指标值不符合要求或者TPN医嘱中存在药品缺项，该界面下方将出现错误提示，直至指标完全符合要求才能TPN医嘱开单并保存。

部分实施方案，所述电子病历医嘱管控模块包括：TPN医嘱开具子模块、医嘱管控信息提示子模块。

部分实施方案，所述住院药房子系统药品控制模块包括：TPN药品字典维护子模块和TPN公式字典维护子模块。

部分实施方案，所述信息采集和存储模块采集并存储患者基本临床信息及 TPN使用相关资料，包括年龄、性别、身高、体重、基础疾病、肿瘤分期、手术类别、术后辅助治疗、TPN使用具体药物、使用天数、住院天数、血常规、肝功能检测结果、肿瘤标志物水平、住院期间相关费用。

部分实施方案，术后辅助治疗包括放疗和/或化疗。

部分实施方案，住院期间相关费用包括治疗费、检查费、床位费、药品费用等其它费用。

部分实施方案，所述数据分析模块包括下述分析指标：

1)TPN治疗方案相关指标：总能量、糖脂比、热氮比、电解质浓度、胰岛素使用量、特殊营养素使用量、维生素用量、微量元素用量等；

2)TPN治疗前后相关评价指标：体重、空腹血糖、白蛋白、前白蛋白和总蛋白、血常规指标、肝肾功能等指标变化及趋势图；

3)个体化分析：患者营养治疗方案是否需要调整；血糖情况；肝肾功能变化等方面。

部分实施方案，所述数据分析模块对患者预后情况进行分析预测包括：

Cox比例风险回归模型：

λ_(t,x)＝λ_0(t)exp(β₁x₁+β₂x₂+…+β_kx_k)

其中，λ_(t,x)是因变量，λ_0(t)是当x为0时λ_(t,x)的基准风险函数，x₁、x₂…x_k是协变量，β₁、β₂…β_k分别是x₁、x₂…x_k的回归系数。

由于Cox比例风险模型仅能对一种感兴趣事件的发生情况进行分析，若研究对象有发生多种结局的可能且这几种结局是互斥的，就需要考虑竞争风险问题。为了消除因竞争事件而导致的估计偏差，可使用基于Cox比例风险回归模型的 Fine-Gray模型。Fine-Gray模型是一种针对竞争风险问题的半参数比例风险模型，也被称为部分分布比例风险模型(Proportional Sub—distribution Hazards Model)。该模型使用累积风险函数(Cumulative Incidence Function，CIF)对结局事件的累积发生概率进行估计。Fine-Gray模型形式如下：

λ_j(t,Z)＝λ_0(t)exp{β_jZ}

其中λ_0(t)是时间J的部分分布基准风险，Z是协变量，β₁是协变量的回归系数，其中β的偏似然估计为：

通过竞争风险模型估计出协变量Z的系数，联合累积CIF与个体发生感兴趣事件的概率，即为绝对风险。

部分实施方案，所述数据分析模块对患者预后情况进行分析预测还包括：

使用ROC(receiver operming characteristic)曲线和ROC曲线下面积(areaunder roc curve，AUC)评估模型的判别效果，以十折交叉法对模型进行内部验证，通过 O/E判断模型的预测值与真实观测值间的吻合程度。

在符合本领域常识的基础上，上述各优选条件，可以相互组合，得到具体实施方式。

本发明的有益效果为：

旨在为解决TPN医嘱开具不合理缺乏管控的问题，开发了针对性较强的TPN 管控系统，其包括电子病历医嘱管控模块、住院药房子系统药品控制模块和 TPN管控模块，TPN管控模块包括TPN管控软件，降低了因医师误操作、疏忽大意等而导致的营养合理性缺陷的发生概率，显著提高了TPN医嘱的合理性和用药安全；且TPN管控软件基于医院信息系统(HIS、EMR)开发，能够直接对接患者的实际临床信息。该软件经正式上线使用，表明其对TPN医嘱合理性的提高以及对肠癌术后患者营养指标的恢复均具有积极作用。

基于TPN管控系统，本申请提供的包括信息采集和存储模块及数据分析模块的肠癌患者营养治疗与预后预测评价模型进一步完善了TPN管控系统后台信息的个体化分析功能，根据该TPN管控系统后台存储的患者营养相关治疗大数据进行统计分析，为肠癌患者提供相关经济学评价以及预测术后恢复及预后影响的因素提供参考，让大数据的应用价值真正在临床体现。

本发明为实现上述目的而采用了上述技术方案，弥补了现有技术的不足，设计合理，操作方便。

附图说明

旨在为使得本领域技术人员更加迅速明确的了解本申请的上述和/或其他目的、特征、优点与实例，提供了部分附图，应当指出的是，构成本申请的说明书附图、示意性实施例及其说明用来提供对本申请的进一步理解，并不构成对本申请的不当限定。

图1为模型示意图；

图2是TPN管控软件界面；

图3是住院药房子系统药品控制模块；

图4是TPN药品字典维护子模块界面1；

图5是TPN药品字典维护子模块界面2；

图6是TPN药品字典维护子模块界面3；

图7是TPN公式字典维护子模块1；

图8是TPN公式字典维护子模块2；

图9是患者个体化分析界面1；

图10是患者个体化分析界面2。

具体实施方式

本领域技术人员可以借鉴本文内容，适当替换和/或改动工艺参数实现，然而特别需要指出的是，所有类似的替换和/或改动对本领域技术人员来说是显而易见的，它们都被视为包括在本发明。本发明所述内容已经通过较佳实例进行了描述，相关人员明显能在不脱离本发明内容、精神和范围内对本文所述的内容进行改动或适当变更与组合，来实现和应用本发明技术。

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制本申请的技术方案。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

以下详细描述本发明。

实施例1：

基于TPN管控系统的肠癌患者营养治疗与预后预测评价模型，如图1所示，首先包括TPN管控系统的设计及构建：

本管控系统模块设计主要包括TPN管控模块、电子病历医嘱管控模块及住院药房子系统药品控制模块。

TPN管控模块包括基于医院信息系统(HIS、EMR)、肿瘤专科医院医师主导的TPN管控软件。如图2所示，在Windows平台，中文操作系统环境下，基于医院信息系统(HIS、EMR)，用C#程序编辑工具和ORACLE 11G数据库系统开发肿瘤专科医院药师主导的TPN管控软件。TPN管控软件内嵌了药师对各审方指标设定的计算公式，医生开具的TPN医嘱数据会自动转换成信息数据，落在指标值一栏中。此外TPN管控软件还设置了总能量、糖脂比、热氮比、电解质浓度、胰岛素使用量、Na⁺使用量、K⁺使用量、维生素用量、微量元素用量等的范围作为参考值。如果TPN医嘱中某指标值不符合要求或者TPN医嘱中存在药品缺项，该界面下方将出现错误提示，直至指标完全符合要求才能TPN医嘱开单并保存。

该软件通过设置总热量、糖脂比、热氮比、电解质浓度、胰岛素使用量等的范围来管控TPN医嘱的合理性。如果TPN医嘱任一指标不符合要求，该医嘱将不能被保存。该软件已正式上线使用，目前临床反响良好。

电子病历医嘱管控模块包括：TPN医嘱开具子模块、医嘱管控信息提示子模块。前期已完成了TPN医嘱管控系统电子病历医嘱管控模块、住院药房子系统药品控制模块两个模块的开发。

住院药房子系统药品控制模块包括：TPN药品字典维护子模块和TPN公式字典维护子模块。

对于TPN药品字典维护子模块，仅管理员具有该权限，可结合实际情况进行药品信息维护、TPN管控公式项目上下限设置的修改。住院药房子系统“药品其它处理”项下“药品控制”选择“TPN药品字典维护表”，出现“TPN药品字典”界面，如图3所示。对于已有药品，可以选择查询，输入药品拼音首字母，例如“ffajs”，单击回车键，出现相应药品条目，选择正确的药品即可。如需新增药品，单击“新增”，输入药品拼音首字母，单击回车键，出现相应药品条目，选择正确的药品后还需输入计算值、选择类型(葡萄糖类、脂肪乳类、含氮量、氨基酸等)、剂量、剂量单位，如图4、图5、图6所示。

对于TPN公式字典维护子模块，住院药房子系统“药品其它处理”项下“药品控制”选择“TPN公式字典维护表”，出现“TPN公式字典”界面，如图3所示。单击“新增”，出现空白行，输入指标名称、指标下限、指标上限、单位、指标计算系数、计算公式，选择公式类型、计算类别，单击“保存”一个指标保存完成。所有TPN公式字典内容可导出，单击“导出”键，以EXCEL形式导出。删除：选定需要删除的那一行，单击“删除”后，保存即可。如图7、图8所示。

前期开发了针对性较强的TPN管控软件，该软件通过设置总热量、糖脂比、热氮比、电解质浓度、胰岛素使用量等的范围来管控TPN医嘱的合理性；如果 TPN医嘱任一指标不符合要求，该医嘱将不能被保存，降低了因医师误操作、疏忽大意等而导致的营养合理性缺陷的发生概率，显著提高了TPN医嘱的合理性和用药安全；且TPN管控软件基于医院信息系统(HIS、EMR)开发，能够直接对接患者的实际临床信息。该软件已正式上线使用，且已完成TPN管控软件应用前后结直肠恶性肿瘤手术218例患者基本信息的采集，并初步评价了管控软件对TPN医嘱合理性的提高以及对肠癌术后患者血液相关营养指标的恢复具有积极的作用。

实施例2：

在前述实施例的基础上，所述基于TPN管控系统的肠癌患者营养治疗与预后预测评价模型还包括肠癌患者营养治疗与预后预测评价模型的构建，包括下述模块。

一、信息采集和存储模块：采集并存储患者基本临床信息及TPN使用相关资料，包括年龄、性别、身高、体重、基础疾病、肿瘤分期、手术类别、术后辅助治疗(放疗和/或化疗)、TPN使用具体药物、使用天数、住院天数、血常规、肝功能检测结果、肿瘤标志物水平、住院期间相关费用(治疗费、检查费、床位费、药品费用等其它费用)。

二、数据分析模块：包括下述分析指标：

1)TPN治疗方案相关指标：总能量、糖脂比、热氮比、电解质浓度、胰岛素使用量、特殊营养素使用量、维生素用量、微量元素用量等；

2)TPN治疗前后相关评价指标：体重、空腹血糖、白蛋白、前白蛋白和总蛋白、血常规指标、肝肾功能等指标变化及趋势图；

3)个体化分析：患者营养治疗方案是否需要调整；血糖情况；肝肾功能变化等方面；如图9、图10所示。本申请模型还能将患者基本临床信息及TPN使用相关资料储存并对其进行分析，在后台存储患者TPN干预的信息并做出相应的统计分析，并能依据TPN治疗方案治疗前后的相关指标、病患个体化分析结果，经大数据分析，更加规范化TPN治疗方案，提高临床合理用药水平和规范医疗行为，具有较大的临床意义。

所述数据分析模块对患者预后情况进行分析预测包括：

Cox比例风险回归模型：

λ_(t,x)＝λ_0(t)exp(β₁x₁+β₂x₂+…+β_kx_k)

其中，λ_(t,x)是因变量，λ_0(t)是当x为0时λ_(t,x)的基准风险函数，x₁、x₂…x_k是协变量，β₁、β₂…β_k分别是x₁、x₂…x_k的回归系数。

由于Cox比例风险模型仅能对一种感兴趣事件的发生情况进行分析，若研究对象有发生多种结局的可能且这几种结局是互斥的，就需要考虑竞争风险问题。为了消除因竞争事件而导致的估计偏差，可使用基于Cox比例风险回归模型的 Fine-Gray模型。Fine-Gray模型是一种针对竞争风险问题的半参数比例风险模型，也被称为部分分布比例风险模型(Proportional Sub—distribution Hazards Model)。该模型使用累积风险函数(Cumulative Incidence Function，CIF)对结局事件的累积发生概率进行估计。Fine-Gray模型形式如下：

λ_j(t,Z)＝λ_0(t)exp{β_jZ}

其中λ_0(t)是时间J的部分分布基准风险，Z是协变量，β₁是协变量的回归系数，其中β的偏似然估计为：

可通过竞争风险模型估计出协变量Z的系数房，联合累积CIF与个体发生感兴趣事件的概率，即为绝对风险。

使用ROC曲线和ROC曲线下面积评估模型的判别效果，以十折交叉法对模型进行内部验证，通过O/E判断模型的预测值与真实观测值间的吻合程度。

应用多种模型进一步完善了TPN管控系统后台信息的个体化分析功能，根据该TPN管控系统后台存储的患者营养相关治疗大数据进行统计分析，为肠癌患者提供相关经济学评价以及预测术后恢复及预后影响的因素提供参考，让大数据的应用价值真正在临床体现。

上述实施例中的常规技术为本领域技术人员所知晓的现有技术，故在此不再详细赘述。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

尽管对本发明已作出了详细的说明并引证了一些具体实施例，但是对本领域熟练技术人员来说，只要不离开本发明的精神和范围可作各种变化或修正是显然的。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

本发明未尽事宜均为公知技术。

Claims (10)

1.基于TPN管控系统的肠癌患者营养治疗与预后预测评价模型，其特征在于包括：

TPN管控模块；

电子病历医嘱管控模块；

住院药房子系统药品控制模块；

信息采集和存储模块；

数据分析模块，用于评估合理化用药对患者治疗疗效、经济学效益的影响，并分析预测预后情况。

2.根据权利要求1所述的模型，其特征在于：所述TPN管控模块包括：基于医院信息系统、肿瘤专科医院医师主导的TPN管控软件。

3.根据权利要求2所述的模型，其特征在于：所述TPN管控软件中，软件内嵌了药师对各审方指标设定的计算公式，医生开具的TPN医嘱数据会自动转换成信息数据，落在指标值一栏中。

4.根据权利要求2或3所述的模型，其特征在于：所述TPN管控软件还设置了总能量、糖脂比、热氮比、电解质浓度、胰岛素使用量、Na⁺使用量、K⁺使用量、维生素用量、微量元素用量等的范围作为参考值。

5.根据权利要求1-3任一项所述的模型，其特征在于：

所述电子病历医嘱管控模块包括：TPN医嘱开具子模块、医嘱管控信息提示子模块。

6.根据权利要求1-3任一项所述的模型，其特征在于：

所述住院药房子系统药品控制模块包括：TPN药品字典维护子模块和TPN公式字典维护子模块。

7.根据权利要求1-3任一项所述的模型，其特征在于：所述信息采集和存储模块采集并存储患者基本临床信息及TPN使用相关资料，包括年龄、性别、身高、体重、基础疾病、肿瘤分期、手术类别、术后辅助治疗、TPN使用具体药物、使用天数、住院天数、血常规、肝功能检测结果、肿瘤标志物水平、住院期间相关费用。

8.根据权利要求1-3任一项所述的模型，其特征在于：所述数据分析模块包括下述分析指标：

1)TPN治疗方案相关指标：总能量、糖脂比、热氮比、电解质浓度、胰岛素使用量、特殊营养素使用量、维生素用量、微量元素用量等；

2)TPN治疗前后相关评价指标：体重、空腹血糖、白蛋白、前白蛋白和总蛋白、血常规指标、肝肾功能等指标变化及趋势图；

3)个体化分析：患者营养治疗方案是否需要调整；血糖情况；肝肾功能变化等方面。

9.根据权利要求1-3任一项所述的模型，其特征在于：所述数据分析模块对患者预后情况进行分析预测包括：

Cox比例风险回归模型：

λ_(t，x)＝λ_0(t)exp(β₁x₁+β₂x₂+…+β_kx_k)

其中，λ_(t，x)是因变量，λ_0(t)是当x为0时λ_(t，x)的基准风险函数，x₁、x₂··x_k是协变量，β₁、β₂··β_k风分别是x₁、x₂··x_k的回归系数；

Fine-Gray模型：

λ_j(t，Z)＝λ_0(t)exp{β_jZ}

其中λ_0(t)是时间J的部分分布基准风险，Z是协变量，β₁是协变量的回归系数，其中β的偏似然估计为：

通过竞争风险模型估计出协变量Z的系数，联合累积CIF与个体发生感兴趣事件的概率，即为绝对风险。

10.根据权利要求9所述的模型，其特征在于：

所述数据分析模块对患者预后情况进行分析预测还包括：

使用ROC曲线和ROC曲线下面积评估模型的判别效果，以十折交叉法对模型进行内部验证，通过O/E判断模型的预测值与真实观测值间的吻合程度。

Images