CN117219261A - 一种基于阴道菌群的异位妊娠概率预测装置及电子设备 - Google Patents
一种基于阴道菌群的异位妊娠概率预测装置及电子设备 Download PDFInfo
- Publication number
- CN117219261A CN117219261A CN202311164181.7A CN202311164181A CN117219261A CN 117219261 A CN117219261 A CN 117219261A CN 202311164181 A CN202311164181 A CN 202311164181A CN 117219261 A CN117219261 A CN 117219261A
- Authority
- CN
- China
- Prior art keywords
- ectopic pregnancy
- patient
- vaginal
- probability
- 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
- 201000003511 ectopic pregnancy Diseases 0.000 title claims abstract description 142
- RJKFOVLPORLFTN-LEKSSAKUSA-N Progesterone Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H](C(=O)C)[C@@]1(C)CC2 RJKFOVLPORLFTN-LEKSSAKUSA-N 0.000 claims abstract description 50
- 210000004369 blood Anatomy 0.000 claims abstract description 39
- 239000008280 blood Substances 0.000 claims abstract description 39
- 241000186660 Lactobacillus Species 0.000 claims abstract description 32
- 229940039696 lactobacillus Drugs 0.000 claims abstract description 32
- 241000207202 Gardnerella Species 0.000 claims abstract description 31
- 206010046788 Uterine haemorrhage Diseases 0.000 claims abstract description 31
- 210000003756 cervix mucus Anatomy 0.000 claims abstract description 29
- 206010000084 Abdominal pain lower Diseases 0.000 claims abstract description 28
- 206010046910 Vaginal haemorrhage Diseases 0.000 claims abstract description 28
- 206010058674 Pelvic Infection Diseases 0.000 claims abstract description 26
- 229960003387 progesterone Drugs 0.000 claims abstract description 23
- 239000000186 progesterone Substances 0.000 claims abstract description 23
- 229960004407 chorionic gonadotrophin Drugs 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000012502 risk assessment Methods 0.000 claims abstract description 12
- 238000007418 data mining Methods 0.000 claims abstract description 10
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 208000024891 symptom Diseases 0.000 claims description 39
- 230000035935 pregnancy Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 14
- 239000000583 progesterone congener Substances 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000000556 factor analysis Methods 0.000 claims description 4
- 230000000391 smoking effect Effects 0.000 claims description 4
- 238000001356 surgical procedure Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000011282 treatment Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 239000000090 biomarker Substances 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000002357 endometrial effect Effects 0.000 description 3
- 210000004246 corpus luteum Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 206010000242 Abortion threatened Diseases 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241000223782 Ciliophora Species 0.000 description 1
- 206010011732 Cyst Diseases 0.000 description 1
- 241000043362 Megamonas Species 0.000 description 1
- 208000029082 Pelvic Inflammatory Disease Diseases 0.000 description 1
- 208000035002 Pregnancy of unknown location Diseases 0.000 description 1
- 241000193996 Streptococcus pyogenes Species 0.000 description 1
- 208000005985 Threatened Abortion Diseases 0.000 description 1
- 241000224526 Trichomonas Species 0.000 description 1
- 206010000210 abortion Diseases 0.000 description 1
- 231100000176 abortion Toxicity 0.000 description 1
- 150000001412 amines Chemical class 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 208000031513 cyst Diseases 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000013020 embryo development Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000405 serological effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000001215 vagina Anatomy 0.000 description 1
Classifications
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种基于阴道菌群的异位妊娠概率预测装置及电子设备,装置包括:医疗数据挖掘模块、医疗数据分析模块和预测结果输出模块;医疗数据获取模块,用于历史医疗信息获取妊娠期患者的异位妊娠预测相关性指标,包括:每毫升血液中人绒毛膜促性腺激素的含量、孕酮的含量、每克阴道分泌物中包含的乳杆菌菌落数量、加德纳氏菌菌落数量、是否阴道流血、是否下腹疼痛、先前是否异位妊娠、先前是否盆腔感染;该风险分析模块,用于通过异位妊娠概率分析模型,对相关性指标进行分析,获取患有异位妊娠的目标概率;预测结果输出模块,用于输出目标概率。能够结合阴道菌群指标预测出妊娠期患者异位妊娠的概率,从而便于医护人员及时采取相应的治疗措施。
Description
技术领域
本发明公开涉及医疗数据挖掘技术领域,具体地,涉及一种基于阴道菌群的异位妊娠概率预测装置及电子设备。
背景技术
目前不明位置妊娠(Pregnancy of Unknown Location,简称PUL)的发生率较高,很大程度是因为缺乏早期检查策略和诊断方法。胚胎发育是一个动态发展的过程,为了能够尽快的判断PUL人群的妊娠位置,以便于做出及时、合理的干预和处理,降低EP破裂的风险而带来的一系列问题,筛选出兼具有准确性、灵敏性和可干预性的生物标记物对明确PUL诊断位置,疾病过程的动态随访和预后起着极大的作用。医学工作者也进行了许多尝试从各种临床指标来寻找PUL的生物标志物。
有研究从子宫内膜厚度联合血HCG水平、P水平对早期PUL者EP的诊断效果进行比较,结果表明EP组血清HCG(3689.55±714.32)mIU/ml、孕酮(8.75±2.14)mmol/L低于对照组,子宫内膜厚度(8.32±2.37)小于对照组。因此可以得出:在PUL诊断中血清β-hcg、孕酮和子宫内膜厚度水平对判断异位妊娠具有医学价值。有学者通过彩超监测妊娠黄体,以研究其对早期PUL的诊断价值,结果表明宫内组妊娠黄体以厚壁双环型为主,流产组以不均质低回声团块为主,EP组以薄壁囊肿型为主。证明经阴道彩超对妊娠黄体进行检测可作为早期PUL的有效诊断方法。
目前已有数字模型运用于对PUL人群的风险预测,然而目前的主流数学预测模型大部分仅列入了血清学指标进行分析,并未在国内进行验证,尚无法明确其是否适用于国人体质。目前的标志物或多或少存在着局限性,比如样本获取的创伤性及可干预性差等。进一步探索PUL群体诊断的生物标志物,对疾病的评估、随访和干预是有必要的。
因此,本领域技术人员亟待研发一种新的方案来解决上述问题。
发明内容
为克服相关技术中存在的问题,本发明公开提供一种基于阴道菌群的异位妊娠概率预测装置及电子设备。
根据本发明公开实施例的第一方面,提供一种基于阴道菌群的异位妊娠概率预测装置,所述装置包括:医疗数据挖掘模块、医疗数据分析模块和预测结果输出模块;
所述医疗数据获取模块,用于根据妊娠期患者的历史医疗信息获取所述妊娠期患者的异位妊娠预测相关性指标,其中,所述相关性指标包括:所述妊娠期患者每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、每克阴道分泌物中包含的乳杆菌菌落数量、每克阴道分泌物中包含的加德纳氏菌菌落数量、所述妊娠期患者是否出现阴道流血症状、是否出现下腹疼痛症状、所述妊娠期患者先前是否患有异位妊娠病史、先前是否患有盆腔感染病史;
所述风险分析模块,与所述医疗数据获取模块相连,用于通过预设的异位妊娠概率分析模型,对所述妊娠期患者的的相关性指标进行分析,获取所述目标患者患有异位妊娠的目标概率;
所述预测结果输出模块,与所述风险分析模块相连,用于输出所述目标概率。
可选的,所述预设的异位妊娠概率分析模型为:
Pregnancylocation=0.60255-1.64836*lactobacillus+0.81124*previouspelvicinfection+2.66320*previousectopicpregncy-0.13437*progestin+0.18322*uterinebleeding+1.77060*abdomilpain+0.46866*HCG+0.27553*gardnerella,
其中,Pregnancylocation表示所述妊娠期患者的异位妊娠概率,lactobacillus表示每克阴道分泌物中包含的乳杆菌菌落数量,previouspelvicinfection表示是否患有盆腔感染病史,previousectopicpregncy表示是否患有异位妊娠病史,progestin表示每毫升血液中孕酮的含量,uterinebleeding表示是否出现阴道流血症状,abdomilpain表示是否出现下腹疼痛症状,HCG表示每毫升血液中人绒毛膜促性腺激素的含量,gardnerella表示每克阴道分泌物中包含的加德纳氏菌菌落数量,其中,所述先前否患有盆腔感染病史previouspelvicinfection、先前是否患有异位妊娠病史previousectopicpregncy、是否出现阴道流血症状uterinebleeding和是否出现下腹疼痛症状abdomilpain中,若结果为是,则通过数字“1”进行表示,若结果为否,则通过数字“0”进行表示。
可选的,所述装置还包括:风险等级判断模块,所述风险等级判断模块分别与所述风险分析模块和所述预测结果输出模块相连;
所述风险等级判断模块用于判断所述风险分析模块获取的目标概率是否高于预设概率阈值,若所述目标概率高于所述预设阈值,将所述妊娠期患者判断为异位妊娠高风险患者,若所述目标概率低于所述预设阈值,将所述妊娠期患者判断为异位妊娠低风险患者,将判断后的结果发送至所述预测结果输出模块,以使预测结果输出模块在输出所述目标概率的同时,也将所述妊娠期患者的异位妊娠高风险患者或者异位妊娠低风险患者判断结果进行输出。
可选的,所述装置还包括:相关性指标确定模块,所述相关性指标确定模块与所述医疗数据获取模块相连;
所述相关性指标确定模块用于选取预设数量个样本患者群,获取样本患者群中每个样本患者的历史医疗信息,所述历史医疗信息包括:目标患者的年龄、先前是否存在吸烟史、先前怀孕次数、先前是否存在盆腔手术史、是否出现阴道流血症状、是否出现下腹疼痛症状、先前是否患有异位妊娠病史、先前是否患有盆腔感染病史、每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、阴道六联指标和阴道菌群指标;
通过单因素分析方法,分别评估每项历史医疗信息与所述样本患者妊娠位置之间的强度关联,并获取对应的P值;
将P值小于0.05的历史医疗信息确定为异位妊娠预测相关性指标。
可选的,所述装置还包括模型获取模块,所述模型获取模块与相关性指标确定模块相连;
所述模型获取模块用于将样本患者的妊娠位置作为神经网络模型的输出,将所述样本患者每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、每克阴道分泌物中包含的乳杆菌菌落数量、每克阴道分泌物中包含的加德纳氏菌菌落数量、是否出现阴道流血症状、是否出现下腹疼痛症状、所述妊娠期患者先前是否患有异位妊娠病史、先前是否患有盆腔感染病史作为神经网络模型的输入,对所述神经网络模型进行训练,获取所述异位妊娠概率分析模型。
可选的,所述医疗数据获取模块包括:登录单元、HCG输入单元、孕激素输入单元、乳杆菌菌落数量输入单元、加德纳氏菌菌落数量输入单元、阴道流血症状确定单元、下腹疼痛确认单元、异位妊娠史确定单元、盆腔感染史确定单元;
所述登录单元,用于根据用户在终端显示界面上输入的网址,登录进入阴道菌群的异位妊娠概率预测界面;
所述HCG输入单元用于根据用户在所述异位妊娠概率预测界面上输入的数值确定所述妊娠期患者每毫升血液中人绒毛膜促性腺激素的含量;
所述孕激素输入单元用于根据用户在所述异位妊娠概率预测界面上输入的数值确定所述妊娠期患者每毫升血液中孕酮的含量;
所述乳杆菌菌落数量输入单元用于根据用户在所述异位妊娠概率预测界面上输入的数值确定所述妊娠期患者每克阴道分泌物中包含的乳杆菌菌落数量;
所述加德纳氏菌菌落数量输入单元用于根据用户在所述异位妊娠概率预测界面上输入的数值确定所述妊娠期患者每克阴道分泌物中包含的加德纳氏菌菌落数量;
所述阴道流血症状确定单元用于根据用户在所述异位妊娠概率预测界面上的点击操作确定所述妊娠期患者是否出现阴道流血症状;
所述下腹疼痛确认单元用于根据用户在所述异位妊娠概率预测界面上的点击操作确定所述妊娠期患者是否出现下腹疼痛症状;
所述异位妊娠史确定单元用于根据用户在所述异位妊娠概率预测界面上的点击操作确定所述妊娠期患者先前是否患有异位妊娠病史;
所述盆腔感染史确定单元用于根据用户在所述异位妊娠概率预测界面上的点击操作确定所述妊娠期患者先前是否患有盆腔感染病史。
根据本发明公开实施例的第二方面,提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放处理器可执行的指令;
处理器,包括本发明公开实施例的第一方面所述的基于阴道菌群的异位妊娠概率预测装置,用于执行存储器上所存放的指令。
综上所述,本发明涉及一种基于阴道菌群的异位妊娠概率预测装置及电子设备,装置包括:医疗数据挖掘模块、医疗数据分析模块和预测结果输出模块;医疗数据获取模块,用于历史医疗信息获取妊娠期患者的异位妊娠预测相关性指标,包括:每毫升血液中人绒毛膜促性腺激素的含量、孕酮的含量、每克阴道分泌物中包含的乳杆菌菌落数量、加德纳氏菌菌落数量、是否阴道流血、是否下腹疼痛、先前是否异位妊娠、先前是否盆腔感染;该风险分析模块,用于通过异位妊娠概率分析模型,对相关性指标进行分析,获取患有异位妊娠的目标概率;预测结果输出模块,用于输出目标概率。能够结合阴道菌群指标预测出妊娠期患者异位妊娠的概率,从而便于医护人员及时采取相应的治疗措施。
本发明公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种基于阴道菌群的异位妊娠概率预测装置的结构框图;
图2是根据图1示出的另一种基于阴道菌群的异位妊娠概率预测装置的结构框图;
图3是根据图1示出的又一种基于阴道菌群的异位妊娠概率预测装置的结构框图;
图4是根据图1示出的一种医疗数据获取模块;
图5是根据图4示出的一种异位妊娠概率预测界面上的示意图;
图6是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本发明公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
图1是根据一示例性实施例示出的一种基于阴道菌群的异位妊娠概率预测装置的结构框图,如图1所示,该装置100包括:医疗数据挖掘模块110、医疗数据分析模块120和预测结果输出模块130;该医疗数据获取模块110,用于根据妊娠期患者的历史医疗信息获取该妊娠期患者的异位妊娠预测相关性指标,其中,该相关性指标包括:该妊娠期患者每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、每克阴道分泌物中包含的乳杆菌菌落数量、每克阴道分泌物中包含的加德纳氏菌菌落数量、该妊娠期患者是否出现阴道流血症状、是否出现下腹疼痛症状、该妊娠期患者先前是否患有异位妊娠病史、先前是否患有盆腔感染病史;该风险分析模块120,与该医疗数据获取模块110相连,用于通过预设的异位妊娠概率分析模型,对该妊娠期患者的的相关性指标进行分析,获取该目标患者患有异位妊娠的目标概率;该预测结果输出模块130,与该风险分析模块120相连,用于输出该目标概率。
示例地,本发明公开实施例提供一种基于阴道菌群的异位妊娠概率预测装置100,该装置部署于电子设备中,用户(通常为医护人员,也可以由患者根据医疗报告单的数据进行自查)将妊娠期患者的相关数据输入,通过装置内部的异位妊娠概率分析模型对数据进行分析,计算出患有异位妊娠的目标概率并输出。能够方便用户对妊娠期患者患有异位妊娠的概率进行估计,并在判定妊娠期患者患有异位妊娠概率较高时,对患者进行早期的干预和治疗。具体的,本发明公开实施例中的异位妊娠预测装置100包括:医疗数据挖掘模块110、医疗数据分析模块120和预测结果输出模块130,其中,医疗数据挖掘模块110能够获取妊娠期患者的异位妊娠预测相关性指标,医疗数据分析模块120能够对上述医疗数据相关性指标分析,得到患有异位妊娠的目标概率,以及预测结果输出模块130能够将该目标概率输出至显示界面上,向用户或者妊娠期患者进行展示。
另外,需要说明的是,在本发明公开的另一个实施例中,妊娠期患者的病历或者医疗数据库中包含多项历史医疗信息,医疗数据挖掘模块110可以从上述历史医疗信息中筛选出异位妊娠预测相关性指标,从而可以省去用户在界面上输入相关项指标的步骤。该基于阴道菌群的异位妊娠概率预测装置直接根据妊娠期患者的身份信息在数据库中调取该患者的历史医疗信息,从而获取相关性指标。
具体的,该预设的异位妊娠概率分析模型为:
Pregnancylocation=0.60255-1.64836*lactobacillus+0.81124*previouspelvicinfection+2.66320*previousectopicpregncy-0.13437*progestin+0.18322*uterinebleeding+1.77060*abdomilpain+0.46866*HCG+0.27553*gardnerella,
其中,Pregnancylocation表示该妊娠期患者的异位妊娠概率,lactobacillus表示每克阴道分泌物中包含的乳杆菌菌落数量,previouspelvicinfection表示是否患有盆腔感染病史,previousectopicpregncy表示是否患有异位妊娠病史,progestin表示每毫升血液中孕酮的含量,uterinebleeding表示是否出现阴道流血症状,abdomilpain表示是否出现下腹疼痛症状,HCG表示每毫升血液中人绒毛膜促性腺激素的含量,gardnerella表示每克阴道分泌物中包含的加德纳氏菌菌落数量,其中,该先前否患有盆腔感染病史previouspelvicinfection、先前是否患有异位妊娠病史previousectopicpregncy、是否出现阴道流血症状uterinebleeding和是否出现下腹疼痛症状abdomilpain中,若结果为是,则通过数字“1”进行表示,若结果为否,则通过数字“0”进行表示。
在上述模型中,病史采集有4个输入:先前异位妊娠病史和盆腔炎病史,是否有阴道流血和下腹痛(1和0分别代表有和无)。有创血液检测的方式有:检测血中人绒毛膜促性腺激素代表人绒毛膜促性腺激素指标)和孕酮的数值。阴道菌群的检测方式有:检测阴道样本中阴道菌群的含量对研究对象进行标注形成样本,检测加德纳菌和乳酸杆菌,并带入公式进行计算。
图2是根据图1示出的另一种基于阴道菌群的异位妊娠概率预测装置的结构框图,如图2所示,该装置100还包括:风险等级判断模块140,该风险等级判断模块140分别与该风险分析模块120和该预测结果输出模块130相连;该风险等级判断模块140用于判断该风险分析模块120获取的目标概率是否高于预设概率阈值,若该目标概率高于该预设概率阈值,将该妊娠期患者判断为异位妊娠高风险患者,若该目标概率低于该预设概率阈值,将该妊娠期患者判断为异位妊娠低风险患者,将判断后的结果发送至该预测结果输出模块,以使预测结果输出模块130在输出该目标概率的同时,也将该妊娠期患者的异位妊娠高风险患者或者异位妊娠低风险患者判断结果进行输出。
示例地,通过上述异位妊娠概率分析模型计算出每个妊娠期患者的异位妊娠概率(即目标概率),并通过风险等级判断模块140判断该目标概率是否高于预设概率阈值,若高于预设概率阈值,则将该妊娠期患者判断为异位妊娠高风险患者,并通知医护人员结合临床经验及时对该妊娠期患者采取早期的治疗和干预。
优选的,本发明公开实施例中的预设概率阈值为0.8。
图3是根据图1示出的又一种基于阴道菌群的异位妊娠概率预测装置的结构框图,如图3所示,该装置100还包括:相关性指标确定模块150,该相关性指标确定模块150与该医疗数据获取模块110相连;该相关性指标确定模块150用于选取预设数量个样本患者群,获取样本患者群中每个样本患者的历史医疗信息,该历史医疗信息包括:目标患者的年龄、先前是否存在吸烟史、先前怀孕次数、先前是否存在盆腔手术史、是否出现阴道流血症状、是否出现下腹疼痛症状、先前是否患有异位妊娠病史、先前是否患有盆腔感染病史、每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、阴道六联指标和阴道菌群指标;通过单因素分析方法,分别评估每项历史医疗信息与该样本患者妊娠位置之间的强度关联,并获取对应的P值;将P值小于0.05的历史医疗信息确定为异位妊娠预测相关性指标。
示例地,历史医疗信息包括该历史医疗信息包括:目标患者的年龄、先前是否存在吸烟史、先前怀孕次数、先前是否存在盆腔手术史、是否出现阴道流血症状、是否出现下腹疼痛症状、先前是否患有异位妊娠病史、先前是否患有盆腔感染病史、每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、阴道六联指标和阴道菌群指标。其中,阴道六联指标包括:阴道清洁度、霉菌、滴虫、线索细胞、分泌物pH值、胺试验。阴道菌群指标包括:乳杆菌、加德纳氏菌、阿托波氏菌、酿脓链球菌、纤毛菌属、巨单胞菌。本发明公开实施例中,采用单因素分析评估上述变量(即历史医疗信息)与样本患者妊娠位置之间的关系和强度。评估结果如表1所示,通过表1可知,每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、每克阴道分泌物中包含的乳杆菌菌落数量、每克阴道分泌物中包含的加德纳氏菌菌落数量、是否出现阴道流血症状、是否出现下腹疼痛症状、先前是否患有异位妊娠病史、先前是否患有盆腔感染病史具有统计学意义(P<0.05)。
表1
可选的,该装置还包括模型获取模块,该模型获取模块与相关性指标确定模块相连;该模型获取模块用于将样本患者的妊娠位置作为神经网络模型的输出,将该样本患者每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、每克阴道分泌物中包含的乳杆菌菌落数量、每克阴道分泌物中包含的加德纳氏菌菌落数量、是否出现阴道流血症状、是否出现下腹疼痛症状、该妊娠期患者先前是否患有异位妊娠病史、先前是否患有盆腔感染病史作为神经网络模型的输入,对该神经网络模型进行训练,获取该异位妊娠概率分析模型。
示例地,本发明公开实施例中,通过Cox函数对应的风险模型和逻辑回归模型计算得到的妊娠位置风险数值可以在深度学习的框架下作为模型训练的标签,对该函数表达的风险值进行预测,得到的风险模型可以直接通过软件对风险值进行预测。利用上述实施案例获得的模型,可直接通过在线工具预测其患病风险,且可实现远程操作。
图4是根据图1示出的一种医疗数据获取模块,如图4所示,该医疗数据获取模块110包括:登录单元111、HCG输入单元112、孕激素输入单元113、乳杆菌菌落数量输入单元114、加德纳氏菌菌落数量输入单元115、阴道流血症状确定单元116、下腹疼痛确认单元117、异位妊娠史确定单元118、盆腔感染史确定单元119;该登录单元111,用于根据用户在终端显示界面上输入的网址,登录进入阴道菌群的异位妊娠概率预测界面;该HCG输入单元112与登陆单元111相连,用于根据用户在该异位妊娠概率预测界面上输入的数值确定该妊娠期患者每毫升血液中人绒毛膜促性腺激素的含量;该孕激素输入单元113与HCG输入单元112相连,用于根据用户在该异位妊娠概率预测界面上输入的数值确定该妊娠期患者每毫升血液中孕酮的含量;该乳杆菌菌落数量输入单元114与孕激素输入单元113相连,用于根据用户在该异位妊娠概率预测界面上输入的数值确定该妊娠期患者每克阴道分泌物中包含的乳杆菌菌落数量;该加德纳氏菌菌落数量输入单元115与乳杆菌菌落数量输入单元114相连,用于根据用户在该异位妊娠概率预测界面上输入的数值确定该妊娠期患者每克阴道分泌物中包含的加德纳氏菌菌落数量;该阴道流血症状确定单元116与加德纳氏菌菌落数量输入单元115相连,用于根据用户在该异位妊娠概率预测界面上的点击操作确定该妊娠期患者是否出现阴道流血症状;该下腹疼痛确认单元117与阴道流血症状确定单元116相连,用于根据用户在该异位妊娠概率预测界面上的点击操作确定该妊娠期患者是否出现下腹疼痛症状;该异位妊娠史确定单元118与下腹疼痛确认单元117相连,用于根据用户在该异位妊娠概率预测界面上的点击操作确定该妊娠期患者先前是否患有异位妊娠病史;该盆腔感染史确定单元119与异位妊娠史确定单元118相连,用于根据用户在该异位妊娠概率预测界面上的点击操作确定该妊娠期患者先前是否患有盆腔感染病史。
图5是根据图4示出的一种异位妊娠概率预测界面上的示意图,如图5所示,框中输入患者初诊时对应的临床信息及阴道菌群特征变量(乳酸杆菌相对丰度、加德纳菌相对丰度),即可获得患者为异位妊娠的可能性。医生在根据患者的症状及辅助检查结果录入软件之后,会得到患者异位妊娠的可能性。例如,图5中计算出的结果为:该患者异位妊娠的可能性为0.273,异位妊娠可能性低,建议临床医生根据早期先兆流产的治疗方案开始治疗。
图6是根据一示例性实施例示出的一种电子设备的结构示意图,如图6所示,提供一种电子设备,包括处理器001、通信接口002、存储器003和通信总线004,其中,处理器001,通信接口002,存储器003通过通信总线004完成相互间的通信;存储器003,用于存放处理器可执行的指令;处理器001,包括本发明公开实施例中的基于阴道菌群的异位妊娠概率预测装置,用于执行存储器上所存放的指令。
综上所述,本发明涉及一种基于阴道菌群的异位妊娠概率预测装置及电子设备,装置包括:医疗数据挖掘模块、医疗数据分析模块和预测结果输出模块;医疗数据获取模块,用于历史医疗信息获取妊娠期患者的异位妊娠预测相关性指标,包括:每毫升血液中人绒毛膜促性腺激素的含量、孕酮的含量、每克阴道分泌物中包含的乳杆菌菌落数量、加德纳氏菌菌落数量、是否阴道流血、是否下腹疼痛、先前是否异位妊娠、先前是否盆腔感染;该风险分析模块,用于通过异位妊娠概率分析模型,对相关性指标进行分析,获取患有异位妊娠的目标概率;预测结果输出模块,用于输出目标概率。能够结合阴道菌群指标预测出妊娠期患者异位妊娠的概率,从而便于医护人员及时采取相应的治疗措施。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (7)
1.一种基于阴道菌群的异位妊娠概率预测装置,其特征在于,所述装置包括:医疗数据挖掘模块、医疗数据分析模块和预测结果输出模块;
所述医疗数据获取模块,用于根据妊娠期患者的历史医疗信息获取所述妊娠期患者的异位妊娠预测相关性指标,其中,所述相关性指标包括:所述妊娠期患者每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、每克阴道分泌物中包含的乳杆菌菌落数量、每克阴道分泌物中包含的加德纳氏菌菌落数量、所述妊娠期患者是否出现阴道流血症状、是否出现下腹疼痛症状、所述妊娠期患者先前是否患有异位妊娠病史、先前是否患有盆腔感染病史;
所述风险分析模块,与所述医疗数据获取模块相连,用于通过预设的异位妊娠概率分析模型,对所述妊娠期患者的的相关性指标进行分析,获取所述目标患者患有异位妊娠的目标概率;
所述预测结果输出模块,与所述风险分析模块相连,用于输出所述目标概率。
2.根据权利要求1所述的基于阴道菌群的异位妊娠概率预测装置,其特征在于,所述预设的异位妊娠概率分析模型为:
Pregnancylocation=0.60255-1.64836*lactobacillus+0.81124*previouspelvicinfection+2.66320*previousectopicpregncy-0.13437*progestin+0.18322*uterinebleeding+1.77060*abdomilpain+0.46866*HCG+0.27553*gardnerella,
其中,Pregnancylocation表示所述妊娠期患者的异位妊娠概率,lactobacillus表示每克阴道分泌物中包含的乳杆菌菌落数量,previouspelvicinfection表示是否患有盆腔感染病史,previousectopicpregncy表示是否患有异位妊娠病史,progestin表示每毫升血液中孕酮的含量,uterinebleeding表示是否出现阴道流血症状,abdomilpain表示是否出现下腹疼痛症状,HCG表示每毫升血液中人绒毛膜促性腺激素的含量,gardnerella表示每克阴道分泌物中包含的加德纳氏菌菌落数量,其中,所述先前否患有盆腔感染病史previouspelvicinfection、先前是否患有异位妊娠病史previousectopicpregncy、是否出现阴道流血症状uterinebleeding和是否出现下腹疼痛症状abdomilpain中,若结果为是,则通过数字“1”进行表示,若结果为否,则通过数字“0”进行表示。
3.根据权利要求1所述的基于阴道菌群的异位妊娠概率预测装置,其特征在于,所述装置还包括:风险等级判断模块,所述风险等级判断模块分别与所述风险分析模块和所述预测结果输出模块相连;
所述风险等级判断模块用于判断所述风险分析模块获取的目标概率是否高于预设概率阈值,若所述目标概率高于所述预设阈值,将所述妊娠期患者判断为异位妊娠高风险患者,若所述目标概率低于所述预设阈值,将所述妊娠期患者判断为异位妊娠低风险患者,将判断后的结果发送至所述预测结果输出模块,以使预测结果输出模块在输出所述目标概率的同时,也将所述妊娠期患者的异位妊娠高风险患者或者异位妊娠低风险患者判断结果进行输出。
4.根据权利要求1所述的基于阴道菌群的异位妊娠概率预测装置,所述装置还包括:相关性指标确定模块,所述相关性指标确定模块与所述医疗数据获取模块相连;
所述相关性指标确定模块用于选取预设数量个样本患者群,获取样本患者群中每个样本患者的历史医疗信息,所述历史医疗信息包括:目标患者的年龄、先前是否存在吸烟史、先前怀孕次数、先前是否存在盆腔手术史、是否出现阴道流血症状、是否出现下腹疼痛症状、先前是否患有异位妊娠病史、先前是否患有盆腔感染病史、每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、阴道六联指标和阴道菌群指标;
通过单因素分析方法,分别评估每项历史医疗信息与所述样本患者妊娠位置之间的强度关联,并获取对应的P值;
将P值小于0.05的历史医疗信息确定为异位妊娠预测相关性指标。
5.根据权利要求1所述的基于阴道菌群的异位妊娠概率预测装置,其特征在于,所述装置还包括模型获取模块,所述模型获取模块与相关性指标确定模块相连;
所述模型获取模块用于将样本患者的妊娠位置作为神经网络模型的输出,将所述样本患者每毫升血液中人绒毛膜促性腺激素的含量、每毫升血液中孕酮的含量、每克阴道分泌物中包含的乳杆菌菌落数量、每克阴道分泌物中包含的加德纳氏菌菌落数量、是否出现阴道流血症状、是否出现下腹疼痛症状、所述妊娠期患者先前是否患有异位妊娠病史、先前是否患有盆腔感染病史作为神经网络模型的输入,对所述神经网络模型进行训练,获取所述异位妊娠概率分析模型。
6.根据权利要求1所述的基于阴道菌群的异位妊娠概率预测装置,其特征在于,所述医疗数据获取模块包括:登录单元、HCG输入单元、孕激素输入单元、乳杆菌菌落数量输入单元、加德纳氏菌菌落数量输入单元、阴道流血症状确定单元、下腹疼痛确认单元、异位妊娠史确定单元、盆腔感染史确定单元;
所述登录单元,用于根据用户在终端显示界面上输入的网址,登录进入阴道菌群的异位妊娠概率预测界面;
所述HCG输入单元用于根据用户在所述异位妊娠概率预测界面上输入的数值确定所述妊娠期患者每毫升血液中人绒毛膜促性腺激素的含量;
所述孕激素输入单元用于根据用户在所述异位妊娠概率预测界面上输入的数值确定所述妊娠期患者每毫升血液中孕酮的含量;
所述乳杆菌菌落数量输入单元用于根据用户在所述异位妊娠概率预测界面上输入的数值确定所述妊娠期患者每克阴道分泌物中包含的乳杆菌菌落数量;
所述加德纳氏菌菌落数量输入单元用于根据用户在所述异位妊娠概率预测界面上输入的数值确定所述妊娠期患者每克阴道分泌物中包含的加德纳氏菌菌落数量;
所述阴道流血症状确定单元用于根据用户在所述异位妊娠概率预测界面上的点击操作确定所述妊娠期患者是否出现阴道流血症状;
所述下腹疼痛确认单元用于根据用户在所述异位妊娠概率预测界面上的点击操作确定所述妊娠期患者是否出现下腹疼痛症状;
所述异位妊娠史确定单元用于根据用户在所述异位妊娠概率预测界面上的点击操作确定所述妊娠期患者先前是否患有异位妊娠病史;
所述盆腔感染史确定单元用于根据用户在所述异位妊娠概率预测界面上的点击操作确定所述妊娠期患者先前是否患有盆腔感染病史。
7.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放处理器可执行的指令;
处理器,包括权利要求1-6中任一项所述的基于阴道菌群的异位妊娠概率预测装置,用于执行存储器上所存放的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311164181.7A CN117219261A (zh) | 2023-09-08 | 2023-09-08 | 一种基于阴道菌群的异位妊娠概率预测装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311164181.7A CN117219261A (zh) | 2023-09-08 | 2023-09-08 | 一种基于阴道菌群的异位妊娠概率预测装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117219261A true CN117219261A (zh) | 2023-12-12 |
Family
ID=89048967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311164181.7A Pending CN117219261A (zh) | 2023-09-08 | 2023-09-08 | 一种基于阴道菌群的异位妊娠概率预测装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117219261A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109671504A (zh) * | 2019-01-30 | 2019-04-23 | 山东大学齐鲁医院 | 心脏病妊娠患者分娩前风险预测方法、系统、设备及介质 |
CN110934895A (zh) * | 2019-12-26 | 2020-03-31 | 南昌大学 | 卷曲乳酸杆菌用于制备女性避孕药物的应用 |
CN114974585A (zh) * | 2022-05-27 | 2022-08-30 | 杭州市妇产科医院 | 一种妊娠期代谢综合征早期风险预测评估模型构建方法 |
-
2023
- 2023-09-08 CN CN202311164181.7A patent/CN117219261A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109671504A (zh) * | 2019-01-30 | 2019-04-23 | 山东大学齐鲁医院 | 心脏病妊娠患者分娩前风险预测方法、系统、设备及介质 |
CN110934895A (zh) * | 2019-12-26 | 2020-03-31 | 南昌大学 | 卷曲乳酸杆菌用于制备女性避孕药物的应用 |
CN114974585A (zh) * | 2022-05-27 | 2022-08-30 | 杭州市妇产科医院 | 一种妊娠期代谢综合征早期风险预测评估模型构建方法 |
Non-Patent Citations (2)
Title |
---|
黄立,等: "异位妊娠发病相关因素的临床分析", 中国实用妇科与产科杂志, vol. 24, no. 09, 2 September 2008 (2008-09-02), pages 705 - 706 * |
黄立: "异位妊娠发病相关因素及早期诊断的临床分析", 中国妇幼保健, vol. 24, no. 02, 10 January 2009 (2009-01-10), pages 2 - 3 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Elson et al. | Prediction of early pregnancy viability in the absence of an ultrasonically detectable embryo | |
Condous et al. | Diagnostic accuracy of varying discriminatory zones for the prediction of ectopic pregnancy in women with a pregnancy of unknown location | |
Watson et al. | Method agreement analysis: a review of correct methodology | |
US20100120076A1 (en) | Method for antenatal estimation of risk of aneuploidy | |
Lain et al. | How accurate is the reporting of obstetric haemorrhage in hospital discharge data? A validation study | |
Kyle et al. | Comparison of methods to identify significant proteinuria in pregnancy in the outpatient setting | |
Jaques et al. | Uptake of prenatal diagnostic testing and the effectiveness of prenatal screening for Down syndrome | |
Waugh et al. | Urine protein estimation in hypertensive pregnancy: which thresholds and laboratory assay best predict clinical outcome? | |
Dufour et al. | Bayesian estimation of sensitivity and specificity of a milk pregnancy-associated glycoprotein-based ELISA and of transrectal ultrasonographic exam for diagnosis of pregnancy at 28–45 days following breeding in dairy cows | |
CN112582076B (zh) | 一种胎盘病理学送检评估方法、装置、系统及存储介质 | |
JP2002022748A (ja) | 臨床検査システム | |
CN112331340B (zh) | 育龄夫妇妊娠概率的智能预测方法及系统 | |
Pornwattanakrilert et al. | First-trimester serum biomarker screening for fetal Down syndrome as a predictor of preterm delivery: a population-based study | |
EP4163384A1 (en) | Method for determining pregnancy status of pregnant woman | |
Barnhart et al. | Validation of a clinical risk scoring system, based solely on clinical presentation, for the management of pregnancy of unknown location | |
CN117219261A (zh) | 一种基于阴道菌群的异位妊娠概率预测装置及电子设备 | |
CN111243735A (zh) | 一种面向单胎瘢痕子宫产妇的医源性早产风险预测算法及评分系统 | |
Suzumori et al. | A retrospective evaluation of maternal serum screening for the detection of fetal aneuploidy | |
Wang et al. | [Retracted] The Clinical Value of 3D Ultrasonic Measurement of the Ratio of Gestational Sac Volume to Embryo Volume in IoT‐Based Prediction of Pregnancy Outcome | |
Mol et al. | Using prognostic models in clinical infertility | |
CN113160989A (zh) | 基于支持向量机算法的卵巢功能年龄计算系统及其方法与应用 | |
CN114550942B (zh) | 一种肝脏显著纤维化预测模型及构建方法 | |
Sufriyana et al. | Prognosticating Fetal Growth Restriction and Small for Gestational Age by Medical History. | |
CN117954083B (zh) | 一种基于机器学习算法的子痫前期预测方法 | |
CN118335316A (zh) | 一种妊娠期贫血评估预测系统 |
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 |