CN115620893A - 手足口病情评分拟合分布-贝叶斯修正模型及其构建方法 - Google Patents

手足口病情评分拟合分布-贝叶斯修正模型及其构建方法 Download PDF

Info

Publication number
CN115620893A
CN115620893A CN202210898954.3A CN202210898954A CN115620893A CN 115620893 A CN115620893 A CN 115620893A CN 202210898954 A CN202210898954 A CN 202210898954A CN 115620893 A CN115620893 A CN 115620893A
Authority
CN
China
Prior art keywords
foot
hand
distribution
disease
mouth disease
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
Application number
CN202210898954.3A
Other languages
English (en)
Other versions
CN115620893B (zh
Inventor
王琳轶
吴越
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.)
University-Town Hospital Of Chongqing Medical University
Original Assignee
University-Town Hospital Of Chongqing 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 University-Town Hospital Of Chongqing Medical University filed Critical University-Town Hospital Of Chongqing Medical University
Priority to CN202210898954.3A priority Critical patent/CN115620893B/zh
Publication of CN115620893A publication Critical patent/CN115620893A/zh
Application granted granted Critical
Publication of CN115620893B publication Critical patent/CN115620893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H50/20—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
    • 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
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明属于病情评估模型构建技术领域，公开了一种手足口病情评分拟合分布‑贝叶斯修正模型及其构建方法，提出基于层次分析法的病情指标权重确定法以及评分模型，基于历史样本数据进行病情评分的分布拟合；根据概率密度函数交点得到等级阈值并采用贝叶斯推断对等级阈值进行修正，建立将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行三种方法的评价效果比对。本发明提出基于拟合分布概率密度函数的阈值确定方法较之公认的ROC阈值确定方法结果接近，二者本质思想是一致的，保证了该方法的可信度；其优点在于能够实现和贝叶斯推断的联合，科学融入了专家经验使其正确率明显提升，较好地克服了历史样本代表性不足的问题。

Description

手足口病情评分拟合分布-贝叶斯修正模型及其构建方法
技术领域
本发明属于病情评估模型构建技术领域，尤其涉及一种手足口病情评分拟合分布-贝叶斯修正模型及其构建方法。
背景技术
目前，手足口病是种常见的主要由肠道病毒以及柯萨奇病毒感染导致的儿童传染病。《手足口病诊疗指南(2018版)》按其临床表现分为1～5期，1期属于普通型手足口，以发热、口腔疱疹、四肢及臀部等部位的皮疹为特征；其中进入临床2期为重症手足口，进入3期及4期病例为危重型手足口，出现神经系统及循环系统功能的严重并发症。
重视对重症患儿的早期识别已经成为手足口病诊疗的共识，现有指南和国内外较多研究报道总结和归纳了手足口病重症和危重症的相关危险因素和预警评分模型，普遍认同体温持续≥39℃、应激性高血糖且血糖≥8.3mmol/L、年龄 <3岁是患儿重症发展为危重症的高危因素。在临床工作中，除了重视对疑似重症患儿的早期识别外，予以普通型手足口患儿适宜的处置、最大程度促进其恢复也是手足口病临床诊疗工作的重点。由于手足口病患儿在初次就诊确诊后大多予以居家观察，且临床样本代表性不足，临床医生对患儿后续病情变化观察不足而家长缺少相应医学专业知识，不利于最大程度实现本发明的诊疗目标。
为此，需要对手足口病患儿整个病情进行关注和动态准确评估，不仅关注重症和危重症患儿，也应该包括1期的普通型患儿。
通过上述分析，现有技术存在的问题及缺陷为：现有手足口病临床样本的代表性不足，临床医生对患儿后续病情变化观察不足而家长缺少相应医学专业知识，不利于最大程度实现本发明的诊疗目标。
发明内容
针对现有技术存在的问题，本发明提供了一种手足口病情评分拟合分布-贝叶斯修正模型及其构建方法，尤其涉及一种手足口病情层次分析评分及病情分级阈值的拟合分布--贝叶斯修正模型、构建方法、构建系统、介质、设备及终端。
本发明是这样实现的，一种手足口病情评分拟合分布-贝叶斯修正模型的构建方法，所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法包括：
提出基于层次分析法的病情指标权重确定法以及评分模型，基于历史样本数据进行病情评分的分布拟合；根据概率密度函数交点得到等级阈值并采用贝叶斯推断对等级阈值进行修正，建立将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行三种方法的评价效果比对。
进一步，所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法还包括：
构建手足口病病情相关评价指标体系，并计算手足口病层次分析模型的指标权重；利用历史病例样本的ROC曲线验证模型的有效性；基于样本拟合分布法确定病情等级阈值，并通过临床样本ROC曲线确定病情等级阈值；基于拟合分布-贝叶斯修正的病情等级阈值，进行三种等级阈值确定方法的比较与验证。
进一步，所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法包括以下步骤：
步骤一，基于分级处置的手足口病的病情分级原则的确定；
步骤二，手足口病病情评分模型的构建；
步骤三，手足口病病情评价指标体系及权重的层次分析模型的构建；
步骤四，手足口病病情分级边界值的确定。
进一步，所述步骤一中的基于分级处置的手足口病的病情分级原则包括：
将手足口病患儿依照不同处置措施分为I、II、III、IV共计四级；其中，当出现预警指标将被确定为IV级，包括疑似重症和危重症患儿，需要住院观察或治疗；对于病情停留在临床1期的患儿则分为I-III级，I级为非药物日常护理，II级为日常护理结合口服药物治疗，III级需门诊随访及静脉补液。
所述步骤二中的手足口病病情评分模型的构建包括：
构建病情相关评价指标体系，确定A1，…A16的值；确定各病情指标的权重 w1，…w16；确定病情等级的评分边界值，实现手足口病的病情定量评分分级。
其中，病情评分计算公式为：
M＝A1w1+A2w2+···A16w16；
式中，M表示手足口病的病情评分；A1，…A16表示各项病症指标的赋值； w1，…w16表示各项病症指标的权重。
进一步，所述步骤三中的手足口病病情评价指标体系及权重的层次分析模型的构建包括：
确定手足口病病情相关指标，包括主要指标、次要指标和预警指标，其中主要指标包括下属二级及三级指标。
收集手足病患儿逐日病情动态随访数样本，每个病例均包含病情评估指标体系中的所有指标详情，并根据现有临床经验对患儿病情依据病情等级I、II、 III、IV级进行临床评价；依据层次分析模型权重进行打分得到各病例的M值，得到病情等级对应病情分值的数据。
进一步，所述步骤四中的手足口病病情分级边界值的确定方法包括：
设定当预警指标出现时，判断为IV级。
(1)基于样本拟合分布确定等级边界值
从统计角度分析手足口患儿群体的病情综合评分遵循概率分布，根据频率直方图进行分布拟合以确定概率密度函数，各等级概率密度函数如下：
P1(x)＝f1(x，μ1，σ1)；
P2(x)＝f2(x，μ2，σ2)；
P3(x)＝f3(x，μ3，σ3)；
式中，p1(x)p2(x)p3(x)表示I、II、III等级的概率密度函数；f1(x，μ1，σ1)f2(x，μ2，σ2)f3(x，μ3，σ3)表示I、II、III等级的拟合分布函数；x表示评分；μ1，μ2，μ3，σ1，σ2，σ3表示I、II、III等级的均值和标准差。
等级I和等级II以及等级II和等级III之间的分界值是xa和xb：
(0≤x≤xa)∈gradI，(xa＜x≤xb)∈gradII，(xb＜x≤1)∈gradIII；
其中，p1(x≤xa)的值是x≤xa时确定为等级I的概率，p2(x≤xa)是x≤xa时确定为等级II的概率，定义确定等级边界值的指标：
TP(x)＝p1(x≤xa)-p2(x≤xa)；
在xa处取最大值，是最佳的边界值点，所述边界值点意味着当x≤xa时确定为等级I的概率较大，而x＞xa时确定为等级II的概率较大。
概率密度函数是由病例样本拟合而得：
Figure RE-GDA0004008548160000041
Figure RE-GDA0004008548160000042
Figure RE-GDA0004008548160000043
当
Figure RE-GDA0004008548160000044
时取最大值max[TP(x)]；
Figure RE-GDA0004008548160000045
两个概率密度函数的交点为最佳的边界值点，提出确定等级边界的新方法，并与受试者工作特征曲线确定最佳阈值的方法进行对比。对训练样本进行分布拟合，确定各等级边界，再将所得到的边界值对验证样本进行划分等级，将新得到的病情等级与临床评定等级进行对比，并对正确率进行统计。
(2)病情等级边界值的贝叶斯修正
病情等级边界值是通过训练样本得到，提出基于贝叶斯估计的边界值修正方法，后验分布函数表示为样本分布与先验分布的函数，如下式所示：
L”(x)＝kf(x)L'(x)；
式中，L”(x)表示后验分布函数；L'(x)表示先验分布函数；f(x)表示样本分布函数；k表示常数。
根据临床样本，按照层次分析法确定的权重进行评分，得到各个等级的样本分布并计算相应的均值和标准差；根据专家经验确定各等级的典型病例数据，同样根据层次分析法确定的权重进行评分，得到各等级的先验分布，并计算相应的均值和标准差，将样本分布和先验分布的参数带入贝叶斯模型计算得到各个等级的后验分布，再确定贝叶斯修正的等级边界值。
其中，贝叶斯模型的具体公式如下式所示：
Figure RE-GDA0004008548160000051
Figure RE-GDA0004008548160000052
式中，μ，μ'，μ”表示临床评分样本均值、先验样本均值、后验均值；σ，σ'，σ”表示临床评分样本标准差、先验样本标准差、后验标准差。
本发明的另一目的在于提供一种应用所述的手足口病情评分拟合分布-贝叶斯修正模型的构建方法的手足口病病情定量评估模型的构建系统，所述手足口病病情定量评估模型的构建系统包括：
指标权重计算模块，构建手足口病病情相关评价指标体系，并计算手足口病层次分析模型的指标权重；
评分分布拟合模块，用于基于历史样本数据进行病情评分的分布拟合，并利用历史病例样本的ROC曲线验证模型的有效性；
等级阈值确定模块，用于基于样本拟合分布法和临床样本ROC曲线，根据概率密度函数交点确定病情等级阈值；
等级阈值修正模块，用于基于拟合分布-贝叶斯修正的病情等级阈值；
病情定量评估模块，用于建立将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行三种方法的评价效果比对。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
提出基于层次分析法的病情指标权重确定法以及评分模型，基于历史样本数据进行病情评分的分布拟合；根据概率密度函数交点得到等级阈值并采用贝叶斯推断对等级阈值进行修正，建立将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行三种方法的评价效果比对。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
提出基于层次分析法的病情指标权重确定法以及评分模型，基于历史样本数据进行病情评分的分布拟合；根据概率密度函数交点得到等级阈值并采用贝叶斯推断对等级阈值进行修正，建立将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行三种方法的评价效果比对。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的手足口病病情定量评估模型的构建系统。
结合上述的技术方案和解决的技术问题，本发明的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
本发明旨在构建手足口病病情定量评估模型，探索将主观的临床诊疗经验通过客观科学的方式量化为标准化病情分级的方法。本发明提出了基于层次分析法的病情指标权重确定法以及评分模型，基于历史样本数据(训练组123例，验证组70例)，进行了病情评分的分布拟合，根据概率密度函数交点得到等级阈值并采用贝叶斯推断对等级阈值进行修正，建立起一个将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行了三种方法的评价效果比对。本发明训练样本评分的权重层次分析模型ROC曲线的AUC＞0.898提示模型构建贴合实际；得到评分模型病情I、II、III等级的具体阈值，对三种方法得到病情等级阈值进行验证得到正确率分别是：分布拟合-贝叶斯推断最优为81％，传统ROC法次之为67％，单一分布拟合最低为64％。
从方法的角度，本发明探讨了一种手足口病的病情定量评估分级方法，其中使用层次分析法确定具体指标权重的方式是将主观的临床诊疗的经验通过客观科学的方式转化为标准化的量化计算模型。在此基础上创新探索了拟合分布曲线交点的等级阈值确定法，该方法和受试者工作特征曲线(ROC曲线)确定最佳阈值点的思想类似，都是基于灵敏度和特异度最优值的求解方法。区别在于ROC是完全基于样本本身，而拟合分布方法是基于样本的分布函数推断来进行数据处理的，后者的优点在于可以为后续进行贝叶斯修正提供应用基础，而 ROC曲线则不行。后者通过贝叶斯修正进一步将专家经验信息和拟合分布信息进行科学融合得到后验信息，有效克服了样本代表性不足的问题，因而使得本次探索具有传统方法不具备的优势。
从应用的角度，本发明探讨了一种基于层次分析法和贝叶斯推断的依据病情所需处置方式进行分类的手足口病病情分级方法，是在遵循《手足口病诊疗指南(2018版)》以及临床诊疗经验基础上，基于患儿病情动态变化需要评估随访的需求所提出的一种在居家治疗阶段具有指导意义的病情分级方法，和以往研究着力点并不相同。一方面是适用于帮助患儿家长及社区医务工作者更准确的判断病情和予以合理处理；另一方面是作为一种对现有诊疗经验的科学总结，能够实现对临床常见疾病尤其是需要予以分阶处置或阶梯治疗的疾病的定量评分和分级，具有一定的探索意义和参考价值。该模型是将医生主观经验标准化的一种探索，模型的评价结果与临床数据有较高的吻合度，通过后续的进一步研究和网络应用编程，有望转化为手足口患儿监护者或社区医生可用的辅助工具，从而实现动态的医学观察评价、实现更优质的传染病管理。
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
本发明提供了一种基于层次分析法和贝叶斯推断的手足口病病情分级方法，作为对目前现有诊疗经验的科学总结，适用于帮助患儿家长及社区医务工作者更准确的判断病情和予以合理分级处理。
本发明提出的基于拟合分布概率密度函数的阈值确定方法较之公认的ROC 阈值确定方法结果接近，二者本质思想是一致的，保证了该方法的可信度；其优点在于能够实现和贝叶斯推断的联合，科学融入了专家经验使其正确率明显提升，较好地克服了历史样本代表性不足的问题。
第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：
(1)本发明的技术方案转化后的预期收益和商业价值为：本发明的技术方法转化后形成的家庭手足口智能助手，填补相关领与的空白；在儿童健康备受重视，以及传染病疫情防控的社会背景下，对提高儿童手足口病的防疫管理和患儿的诊疗效果都有重要的促进作用，将取得良好的社会效益，以及经济效益。
(2)本发明的技术方案填补了国内外业内技术空白：创新性提出了基于专家经验的手足口病情分级指标权重的层次分析模型，并创新采用贝叶斯估计理论将专家经验与临床样本相结合确定手足口病情分级的评分阈值，通过临床数据验证了提出的模型和方法提高了手足口病情的分级的量化程度，同时以此为理论依据开发编制基于网络的“手足口病情评分及处置”智能软件系统工具，为家长与医生之间提供了一种便捷的网络沟通工具，在家长填报当日病情数据后自动根据本发明的算法进行分级，并给出处置建议。填补了国内外手足口病情分级的理论方法的空白和网络智能扶助工具的空白。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述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是本发明实施例提供的手足口病情评分拟合分布-贝叶斯修正模型的构建方法流程图；
图2是本发明实施例提供的手足口病情评分拟合分布-贝叶斯修正模型的构建方法原理图；
图3是本发明实施例提供的手足口病病情评价指标体系示意图；
图4是本发明实施例提供的不同病情等级的边界值示意图；
图5是本发明实施例提供的临床样本分布、先验分布与后验分布概率密度函数示意图；
图6是本发明实施例提供的手足口病病情定量评估模型的构建系统结构图；
图7(a)～(b)是本发明实施例提供的训练样本的ROC曲线图；
图8(a)～(b)是本发明实施例提供的拟合得到的各等级概率密度函数与累积分布函数示意图；
图9(a)～(c)是本发明实施例提供的拟合分布的贝叶斯修正结果示意图；
图10(a)～(b)是本发明实施例提供的修正后的分布的概率密度函数及累积分布函数示意图；
图11是本发明实施例提供的手足口病情的各层次病情指标的权重示意图；
图中：1、指标权重计算模块；2、评分分布拟合模块；3、等级阈值确定模块；4、等级阈值修正模块；5、病情定量评估模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种手足口病情评分拟合分布-贝叶斯修正模型及其构建方法，下面结合附图对本发明作详细的描述。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示，本发明实施例提供的手足口病情评分拟合分布-贝叶斯修正模型的构建方法包括以下步骤：
S101，基于分级处置的手足口病的病情分级原则的确定；
S102，手足口病病情评分模型的构建；
S103，手足口病病情评价指标体系及权重的层次分析模型的构建；
S104，手足口病病情分级边界值的确定。
如图2所示，作为优选实施例，本发明实施例提供的手足口病情评分拟合分布-贝叶斯修正模型的构建方法，具体包括以下步骤：
1.基于分级处置的手足口病的病情分级原则
参考《手足口病诊疗指南(2018版)》及临床诊疗经验，本发明将把手足口病患儿依照其所需不同处置措施将其分为I、II、III、IV共计四级。其中，一旦出现预警指标将被确定为IV级(疑似重症、危重症患儿)，需要住院观察或治疗；对于病情停留在临床1期的患儿则分为I-III级，I级为非药物日常护理，II 级为日常护理结合口服药物治疗，III级需门诊随访及静脉补液。
2.手足口病病情评分模型
要实现手足口病的病情定量评分分级，需要完成三个目标：一是构建病情相关评价指标体系即具体确定A1，…A16的具体值；二是确定各病情指标的权重w1，…w16；三是确定病情等级的评分边界值。其中病情评分计算公式如下式：
M＝A1w1+A2w2+···A16w16 (1)
式中，M表示手足口病的病情评分；A1，…A16表示各项病症指标的赋值； w1，…w16表示各项病症指标的权重。
由上式可见为了本发明围绕如何实现这三个目标进行论述，技术路线如图2 所示。
3.手足口病病情评价指标体系及其权重的层次分析模型
依据临床诊疗经验以及《手足口病诊疗指南(2018版)》、手足口病基于中医证候的症状体征分级量化标准(2012)，初步拟出手足口病病情相关指标(包括主要指标、次要指标和预警指标)，其中主要指标包括下属二级及三级指标，如图3所示。
本发明收集193例手足病患儿逐日病情动态随访数样本(每个病例均包含病情评估指标体系中的所有指标详情)，并根据现有临床经验对患儿病情依据本发明提出的病情等级(I、II、III、IV级)进行临床评价。然后依据上诉层次分析模型权重进行打分得到各病例的M值，由此得到193个病情等级对应病情分值的数据；其中随机抽取123例作为训练样本，其余70例为验证样本。
4.手足口病病情分级边界值的确定方法
本发明设定当预警指标(见图2)出现时，即判断为IV级，因此只需要讨论I、II、III级之间的边界值。
4.1基于样本拟合分布确定等级边界值的方法
从统计角度来看手足口患儿群体的病情综合评分将遵循某种概率分布，本发明可以根据其频率直方图进行分布拟合以确定其具体的概率密度函数，如图4 所示。各等级概率密度函数如下：
P1(x)＝f1(x，μ1，σ1) (2)
P2(x)＝f2(x，μ2，σ2) (3)
P3(x)＝f3(x，μ3，σ3) (4)
式中，p1(x)p2(x)p3(x)表示I、II、III等级的概率密度函数； f1(x，μ1，σ1)f2(x，μ2，σ2)f3(x，μ3，σ3)表示I、II、III等级的拟合分布函数；x表示评分；μ1，μ2，μ3，σ1，σ2，σ3表示I、II、III等级的均值和标准差。
等级I和等级II以及等级II和等级III之间的分界值是xa和xb：
(0≤x≤xa)∈gradI，(xa＜x≤xb)∈gradII，(xb＜x≤1)∈gradIII；
由图5可见，p1(x≤xa)的值就是x≤xa时确定为等级I的概率，p2(x≤xa)就是x≤xa时确定为等级II的概率，于是可以定义一个确定等级边界值的指标：
TP(x)＝p1(x≤xa)-p2(x≤xa) (5)
在xa处取最大值，即最佳的边界值点，该点意味着当x≤xa时确定为等级I 的概率较大，而x＞xa时确定为等级II的概率较大。
据此进行了以下推断，因为概率密度函数是由病例样本拟合而得，即：
Figure RE-GDA0004008548160000121
Figure RE-GDA0004008548160000122
Figure RE-GDA0004008548160000123
即
Figure RE-GDA0004008548160000124
时取最大值max[TP(x)]；
Figure RE-GDA0004008548160000125
从而可得图5中两个概率密度函数的交点即为最佳的边界值点，从而提出了一种确定等级边界的新方法，并将其与受试者工作特征曲线(ROC曲线)确定最佳阈值的方法进行对比。
本发明对训练样本(123例)进行分布拟合，按照公式(9)确定各等级边界，再把所得到的边界值对验证样本(70例)进行划分等级，将新得到的病情等级与临床评定等级进行对比，并对正确率进行统计。
4.2病情等级边界值的贝叶斯修正方法
上述病情等级边界值是通过训练样本得到的，由于训练样本存在代表性不足的问题，从而会影响边界值的准确性，为此本发明提出了基于贝叶斯估计的边界值修正方法，用以克服样本的代表不足的问题。后验分布函数可表示为样本分布与先验分布的函数，如下式所示：
L”(x)＝kf(x)L'(x) (10)
式中，L”(x)表示后验分布函数；L'(x)表示先验分布函数；f(x)表示样本分布函数；k表示常数。
可见贝叶斯理论为本发明提供了一种有效的病情等级边界值的修正方法，首先根据前面提供的123个临床样本，按照层次分析法确定的权重和公式(1) 进行评分，得到各个等级的样本分布并计算相应的均值和标准差；另外根据专家经验确定各等级的典型病例数据，同样根据层次分析法确定的权重和公式(1) 进行评分，得到各等级的先验分布，并计算相应的均值和标准差，将样本分布和先验分布的参数带入贝叶斯模型计算得到各个等级的后验分布，再根据公式 (9)确定等级边界值，即为贝叶斯修正的等级边界值。
其中，贝叶斯模型的具体公式如下式所示：
Figure RE-GDA0004008548160000131
Figure RE-GDA0004008548160000132
式中，μ，μ'，μ”表示临床评分样本均值、先验样本均值、后验均值；σ，σ'，σ”表示临床评分样本标准差、先验样本标准差、后验标准差。
如图5所示，分别是临床样本拟合分布、先验分布和后验分布的概率密度函数，可见后验分布的均值和离散程度均介于先验和样本之间，即通过贝叶斯修正可以有效地将临床样本信息和医生的经验有效地融合，克服临床样本代表性不足的问题。
如图6所示，本发明实施例提供的手足口病病情定量评估模型的构建系统包括：
指标权重计算模块1，构建手足口病病情相关评价指标体系，并计算手足口病层次分析模型的指标权重；
评分分布拟合模块2，用于基于历史样本数据进行病情评分的分布拟合，并利用历史病例样本的ROC曲线验证模型的有效性；
等级阈值确定模块3，用于基于样本拟合分布法和临床样本ROC曲线，根据概率密度函数交点确定病情等级阈值；
等级阈值修正模块4，用于基于拟合分布-贝叶斯修正的病情等级阈值；
病情定量评估模块5，用于建立将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行三种方法的评价效果比对。
从方法的角度，本发明探讨了一种手足口病的病情定量评估分级方法，其中使用层次分析法确定具体指标权重的方式是将主观的临床诊疗的经验通过客观科学的方式转化为标准化的量化计算模型。在此基础上创新探索了拟合分布曲线交点的等级阈值确定法，该方法和受试者工作特征曲线(ROC曲线)确定最佳阈值点的思想类似，都是基于灵敏度和特异度最优值的求解方法。区别在于ROC是完全基于样本本身，而拟合分布方法是基于样本的分布函数推断来进行数据处理的，后者的优点在于可以为后续进行贝叶斯修正提供应用基础，而 ROC曲线则不行。后者通过贝叶斯修正进一步将专家经验信息和拟合分布信息进行科学融合得到后验信息，有效克服了样本代表性不足的问题，因而使得本次探索具有传统方法不具备的优势。
从应用的角度，本发明探讨了一种基于层次分析法和贝叶斯推断的依据病情所需处置方式进行分类的手足口病病情分级方法，是在遵循《手足口病诊疗指南(2018版)》以及临床诊疗经验基础上，基于患儿病情动态变化需要评估随访的需求所提出的一种在居家治疗阶段具有指导意义的病情分级方法，和以往研究着力点并不相同。一方面是适用于帮助患儿家长及社区医务工作者更准确的判断病情和予以合理处理；另一方面是作为一种对现有诊疗经验的科学总结，能够实现对临床常见疾病尤其是需要予以分阶处置或阶梯治疗的疾病的定量评分和分级，具有一定的探索意义和参考价值。该模型是将医生主观经验标准化的一种探索，模型的评价结果与临床数据有较高的吻合度，通过后续的进一步研究和网络应用编程，有望转化为手足口患儿监护者或社区医生可用的辅助工具，从而实现动态的医学观察评价、实现更优质的传染病管理。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
1.病情指标权重的层次分析模型
根据上面介绍的手足口病层次分析模型，构建各层次的判别矩阵(见表1) 并通过一致性检验进行质控，通过单层排序和总排序得到各层次指标的相关权重(见图11)。
表1病情指标权重层次分析模型的矩阵特征向量与一致性检验
Figure RE-GDA0004008548160000151
从以上结果可以看出，在各项病情指标中精神状态权重最高(22.14％)，进食量次之且相比发热相关指标权重更高，而疱疹情况的相关权重最低。
3.2拟合分布法和ROC曲线得到的病情分级阈值
训练样本病情M值的统计学参数如表3所示，进行了样本数据的K-S检验结果如表4所示，等级I样本服从对数正态分布，等级II和等级III样本服从正态分布。
表3训练样本各等级评分的统计特征
Figure RE-GDA0004008548160000161
表4训练样本的拟合分布检验
Figure RE-GDA0004008548160000162
为了对上述层次分析模型有效性进行检验，将三个病情等级的划分分别简化为等级I/等级II以及等级II/等级III的二分类问题，根据123例训练样本病情 M值按照得到相应的ROC曲线及其曲线下面积AUC如图7所示，均明显高于 0.5并接近1，反映出本发明提出的基于层次分析权重的评分模型的科学性和有效性，并且是一种较为优异的评分模型。
根据本发明提出的拟合分布概率密度函数交点可以得到等级I、II和等级II、III的阈值，图8(a)为拟合后的概率密度函数及其交点，图8(b)为拟合后的累积分布函数及交点对应的累积概率，表5为各相应的等级边界判别公式和相应的取值概率，取值概率由图8(b)的累积分布函数在阈值点的取值计算而得，作为拟合后组内自验证指标。例如，当M值等于0.16时，等级I的累积分布函数取值为0.9031，即表示M值小于0.16时判断为等级I的概率为90.31％。该拟合分布法确定的阈值受限于可能存在的样本偏倚，因此需要后续进行贝叶斯修正。
表5通过拟合分布函数得到的各等级阈值
Figure RE-GDA0004008548160000163
Figure RE-GDA0004008548160000171
此外，ROC曲线除了能够判断模型的优劣，同时还可用于确定等级阈值(见图7)，分别为0.156和0.564。本发明将此作为第二种阈值确定方法与拟合分布法进行比较，这种两种方法的基本思想是一致的，结果显示两种方法的等级I/ 等级II阈值比较接近，等级II/等级III阈值则有一定差异，这是由于原始样本与拟合理论分布曲线之间的差异造成的。
3.3贝叶斯修正的等级阈值
根据前面提出的贝叶斯修正方法，以9个专家给出的各等级典型症状按公式(1)进行评分后得到了相应的先验样本，应用于123个临床样本评分进行修正，根据公式(11)、(12)得到后验均值与标准差(见表6)，进而绘制出三个病情等级的临床样本分布、先验分布和后验分布(见图9)。可见三个等级的后验分布的均值介于样本与先验的均值之间，标准差则均小于样本与先验，从图形上也表现为后验分布的图形更加集中，这对于提高诊断的正确率有较大帮助。
表6各等级拟合分布的贝叶斯修正
Figure RE-GDA0004008548160000172
得到拟合分布-贝叶斯推断法的各病情等级阈值如图10(a)所示，其中等级I、II的阈值为0.205，等级II、III的阈值为0.585，图10(b)为相应的累积分布函数，相应的取值概率如表7所示，计算方法同表5，可见与贝叶斯修正前的拟合分布法相比，修正后的组内自验证指标均有明显提升，尤其等级II的正确率从59.83％提高到83.2％。
表7贝叶斯修正后各等级阈值
Figure RE-GDA0004008548160000173
Figure RE-GDA0004008548160000181
这样本发明就得到三种方法确定的阈值(见表8)。其中，ROC法与基于临床样本拟合分布法的阈值较为接近，而拟合分布-贝叶斯修正法的阈值较前有明显改变。采用训练样本之外的70个临床样本进行验证后显示拟合分布-贝叶斯修正法正确率最高(见表9)，组内及组外验证较前两种方法均有明显提升。存在误差的原因一是由于临床样本的随机误差和可能存在的偏倚因素，二是由于该方法源于临床经验的标准化，而临床经验本身对病情相邻等级判别时客观存在一定差异。后续可以通过增加临床样本和先验专家经验以及优化信息收集处理渠道进一步提升结果的准确率，而本发明重点论证了该方法理论上的可行性。
表8三种方法所确定的等级阈值
Figure RE-GDA0004008548160000182
表9等级阈值的验证情况
Figure RE-GDA0004008548160000183
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种手足口病情评分拟合分布-贝叶斯修正模型的构建方法，其特征在于，所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法包括：
提出基于层次分析法的病情指标权重确定法以及评分模型，基于历史样本数据进行病情评分的分布拟合；根据概率密度函数交点得到等级阈值并采用贝叶斯推断对等级阈值进行修正，建立将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行三种方法的评价效果比对。
2.如权利要求1所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法，其特征在于，所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法还包括：
构建手足口病病情相关评价指标体系，并计算手足口病层次分析模型的指标权重；利用历史病例样本的ROC曲线验证模型的有效性；基于样本拟合分布法确定病情等级阈值，并通过临床样本ROC曲线确定病情等级阈值；基于拟合分布-贝叶斯修正的病情等级阈值，进行三种等级阈值确定方法的比较与验证。
3.如权利要求1所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法，其特征在于，所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法包括以下步骤：
步骤一，基于分级处置的手足口病的病情分级原则的确定；
步骤二，手足口病病情评分模型的构建；
步骤三，手足口病病情评价指标体系及权重的层次分析模型的构建；
步骤四，手足口病病情分级边界值的确定。
4.如权利要求3所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法，其特征在于，所述步骤一中的基于分级处置的手足口病的病情分级原则包括：
将手足口病患儿依照不同处置措施分为I、II、III、IV共计四级；其中，当出现预警指标将被确定为IV级，包括疑似重症和危重症患儿，需要住院观察或治疗；对于病情停留在临床1期的患儿则分为I-III级，I级为非药物日常护理，II级为日常护理结合口服药物治疗，III级需门诊随访及静脉补液；
所述步骤二中的手足口病病情评分模型的构建包括：
构建病情相关评价指标体系，确定A1，.....A16的值；确定各病情指标的权重w1，...w16；确定病情等级的评分边界值，实现手足口病的病情定量评分分级；
其中，病情评分计算公式为：
M＝A1w1+A2w2+···A16w16；
式中，M表示手足口病的病情评分；A1，.....A16表示各项病症指标的赋值；w1，.....w16表示各项病症指标的权重。
5.如权利要求3所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法，其特征在于，所述步骤三中的手足口病病情评价指标体系及权重的层次分析模型的构建包括：
确定手足口病病情相关指标，包括主要指标、次要指标和预警指标，其中主要指标包括下属二级及三级指标；
收集手足病患儿逐日病情动态随访数样本，每个病例均包含病情评估指标体系中的所有指标详情，并根据现有临床经验对患儿病情依据病情等级I、II、III、IV级进行临床评价；依据层次分析模型权重进行打分得到各病例的M值，得到病情等级对应病情分值的数据。
6.如权利要求3所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法，其特征在于，所述步骤四中的手足口病病情分级边界值的确定方法包括：
设定当预警指标出现时，判断为IV级；
(1)基于样本拟合分布确定等级边界值
从统计角度分析手足口患儿群体的病情综合评分遵循概率分布，根据频率直方图进行分布拟合以确定概率密度函数，各等级概率密度函数如下：
P1(x)＝f1(x，μ1，σ1)；
P2(x)＝f2(x，μ2，σ2)；
P3(x)＝f3(x，μ3，σ3)；
式中，p1(x)p2(x)p3(x)表示I、II、III等级的概率密度函数；f1(x，μ1，σ1)f2(x，μ2，σ2)f3(x，μ3，σ3)表示I、II、III等级的拟合分布函数；x表示评分；μ1，μ2，μ3，σ1，σ2，σ3表示I、II、III等级的均值和标准差；
等级I和等级II以及等级II和等级III之间的分界值是xa和xb：
(0≤x≤xa)∈gradI，(xa＜x≤xb)∈gradII，(xb＜x≤1)∈gradIII；
其中，p1(x≤xa)的值是x≤xa时确定为等级I的概率，p2(x≤xa)是x≤xa时确定为等级II的概率，定义确定等级边界值的指标：
TP(x)＝p1(x≤xa)-p2(x≤xa)；
在xa处取最大值，是最佳的边界值点，所述边界值点意味着当x≤xa时确定为等级I的概率较大，而x＞xa时确定为等级II的概率较大；
概率密度函数是由病例样本拟合而得：
Figure FDA0003770212120000031
Figure FDA0003770212120000032
Figure FDA0003770212120000033
当
Figure FDA0003770212120000034
时取最大值max[TP(x)]；
Figure FDA0003770212120000035
两个概率密度函数的交点为最佳的边界值点，提出确定等级边界的新方法，并与受试者工作特征曲线确定最佳阈值的方法进行对比；对训练样本进行分布拟合，确定各等级边界，再将所得到的边界值对验证样本进行划分等级，将新得到的病情等级与临床评定等级进行对比，并对正确率进行统计；
(2)病情等级边界值的贝叶斯修正
病情等级边界值是通过训练样本得到，提出基于贝叶斯估计的边界值修正方法，后验分布函数表示为样本分布与先验分布的函数，如下式所示：
L”(x)＝kf(x)L'(x)；
式中，L”(x)表示后验分布函数；L'(x)表示先验分布函数；f(x)表示样本分布函数；k表示常数；
根据临床样本，按照层次分析法确定的权重进行评分，得到各个等级的样本分布并计算相应的均值和标准差；根据专家经验确定各等级的典型病例数据，同样根据层次分析法确定的权重进行评分，得到各等级的先验分布，并计算相应的均值和标准差，将样本分布和先验分布的参数带入贝叶斯模型计算得到各个等级的后验分布，再确定贝叶斯修正的等级边界值；
其中，贝叶斯模型的具体公式如下式所示：
Figure FDA0003770212120000041
Figure FDA0003770212120000042
式中，μ，μ'，μ”表示临床评分样本均值、先验样本均值、后验均值；σ，σ'，σ”表示临床评分样本标准差、先验样本标准差、后验标准差。
7.一种应用如权利要求1～6任意一项所述手足口病情评分拟合分布-贝叶斯修正模型的构建方法的手足口病病情定量评估模型的构建系统，其特征在于，所述手足口病病情定量评估模型的构建系统包括：
指标权重计算模块，构建手足口病病情相关评价指标体系，并计算手足口病层次分析模型的指标权重；
评分分布拟合模块，用于基于历史样本数据进行病情评分的分布拟合，并利用历史病例样本的ROC曲线验证模型的有效性；
等级阈值确定模块，用于基于样本拟合分布法和临床样本ROC曲线，根据概率密度函数交点确定病情等级阈值；
等级阈值修正模块，用于基于拟合分布-贝叶斯修正的病情等级阈值；
病情定量评估模块，用于建立将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行三种方法的评价效果比对。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
提出基于层次分析法的病情指标权重确定法以及评分模型，基于历史样本数据进行病情评分的分布拟合；根据概率密度函数交点得到等级阈值并采用贝叶斯推断对等级阈值进行修正，建立将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行三种方法的评价效果比对。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
提出基于层次分析法的病情指标权重确定法以及评分模型，基于历史样本数据进行病情评分的分布拟合；根据概率密度函数交点得到等级阈值并采用贝叶斯推断对等级阈值进行修正，建立将临床数据分析和专家经验科学融合并标准化的手足口病定量评分分级模型，并进行三种方法的评价效果比对。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求7所述手足口病病情定量评估模型的构建系统。
CN202210898954.3A 2022-07-28 2022-07-28 手足口病情评分拟合分布-贝叶斯修正模型及其构建方法 Active CN115620893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210898954.3A CN115620893B (zh) 2022-07-28 2022-07-28 手足口病情评分拟合分布-贝叶斯修正模型及其构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210898954.3A CN115620893B (zh) 2022-07-28 2022-07-28 手足口病情评分拟合分布-贝叶斯修正模型及其构建方法

Publications (2)

Publication Number Publication Date
CN115620893A true CN115620893A (zh) 2023-01-17
CN115620893B CN115620893B (zh) 2023-06-27

Family

ID=84856690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210898954.3A Active CN115620893B (zh) 2022-07-28 2022-07-28 手足口病情评分拟合分布-贝叶斯修正模型及其构建方法

Country Status (1)

Country Link
CN (1) CN115620893B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009109766A1 (en) * 2008-03-07 2009-09-11 British Telecommunications Public Limited Company Adaptive monitoring thresholds
CN106595788A (zh) * 2016-12-20 2017-04-26 河海大学 基于多参数耦合修正的大型泵站流量监测方法
CN109784731A (zh) * 2019-01-17 2019-05-21 上海三零卫士信息安全有限公司 一种民办教育机构信用评分系统及其构建方法
CN112201330A (zh) * 2020-09-29 2021-01-08 四川省人民医院 结合DRGs工具和贝叶斯模型的医疗质量监测评估方法
US20210090742A1 (en) * 2011-12-16 2021-03-25 Etiometry, Inc. System and methods for transitioning patient care from signal based monitoring to risk based monitoring
CN113011789A (zh) * 2021-04-23 2021-06-22 集美大学 水上危化品事故应急辅助决策方法、终端设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009109766A1 (en) * 2008-03-07 2009-09-11 British Telecommunications Public Limited Company Adaptive monitoring thresholds
US20210090742A1 (en) * 2011-12-16 2021-03-25 Etiometry, Inc. System and methods for transitioning patient care from signal based monitoring to risk based monitoring
CN106595788A (zh) * 2016-12-20 2017-04-26 河海大学 基于多参数耦合修正的大型泵站流量监测方法
CN109784731A (zh) * 2019-01-17 2019-05-21 上海三零卫士信息安全有限公司 一种民办教育机构信用评分系统及其构建方法
CN112201330A (zh) * 2020-09-29 2021-01-08 四川省人民医院 结合DRGs工具和贝叶斯模型的医疗质量监测评估方法
CN113011789A (zh) * 2021-04-23 2021-06-22 集美大学 水上危化品事故应急辅助决策方法、终端设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
徐晓霞: "《儿童手足口病早期预警评分模型的构建及应用》", 《中国优秀硕士学位论文全文数据库》, no. 3 *
王琳轶: "《重庆大学城区域 2018—2019 年度儿童手足口病 流行情况及时空相关性分析》", 《医学理论与实践》, vol. 34, no. 18 *
邵丽芳: "《浙江省公路施工企业信用评价研究》", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》, no. 12 *

Also Published As

Publication number Publication date
CN115620893B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN109920508B (zh) 处方审核方法及系统
CN113744873B (zh) 一种基于任务分解策略的发热待查辅助鉴别诊断系统
Chen et al. Diagnostic accuracy of the Child Behavior Checklist scales for attention-deficit hyperactivity disorder: a receiver-operating characteristic analysis.
Jiang et al. Machine learning-based models to support decision-making in emergency department triage for patients with suspected cardiovascular disease
Tunnell et al. The effect of lead time bias on severity of illness scoring, mortality prediction and standardised mortality ratio in intensive care—a pilot study
CN102799794B (zh) 生命体生理状况自助评估系统
CN112201330B (zh) 结合DRGs工具和贝叶斯模型的医疗质量监测评估方法
US20060259329A1 (en) System and Method for Determining the Degree of Abnormality of a Patient&#39;s Vital Signs
CN115714022B (zh) 基于人工智能的新生儿黄疸健康管理系统
WO2021179514A1 (zh) 一种基于人工智能的新型冠状病毒患者病况分类系统
CN113838577B (zh) 便捷化分层老年mods早期死亡风险评估模型、装置及建立方法
Zhao et al. A telemedicine decision-making model for teleconsultation decision support system based on intuitionistic hesitant fuzzy linguistic term sets
Zalewski et al. Estimating patient's health state using latent structure inferred from clinical time series and text
Agarwal et al. Inferring physical function from wearable activity monitors: analysis of free-living activity data from patients with knee osteoarthritis
Kim et al. Explainable Artificial Intelligence Warning Model Using an Ensemble Approach for In-Hospital Cardiac Arrest Prediction: Retrospective Cohort Study
CN115620893B (zh) 手足口病情评分拟合分布-贝叶斯修正模型及其构建方法
CN116543916A (zh) 基于病历整合自动预测当前病因的儿童内科分析系统
Riordan et al. Can patient variables measured on arrival to the emergency department predict disposition in medium-acuity patients?
CN116936082A (zh) 一种躯体健康风险的量化评估方法、系统和装置
Ferreira Diagnostic accuracy of pattern differentiation algorithm based on Chinese medicine theory: a stochastic simulation study
CN111524564A (zh) 一种肺炎临床辅助监测方法及系统
WO2022141928A1 (zh) 一种新冠肺炎检测装置、干预装置及检测干预系统
Wainwright et al. Diagnostic boundaries, reasoning and depressive disorder, I. Development of a probabilistic morbidity model for public health psychiatry
CN114664456B (zh) 一种基于双边模糊集的三支决策疾病分类方法及装置
CN116543910B (zh) 降低上呼吸道感染临床不确定性的抗生素辅助决策系统

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