CN117976214A - 一种老年脓毒症28天死亡风险预测方法、装置、设备及存储介质 - Google Patents
一种老年脓毒症28天死亡风险预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117976214A CN117976214A CN202410155986.3A CN202410155986A CN117976214A CN 117976214 A CN117976214 A CN 117976214A CN 202410155986 A CN202410155986 A CN 202410155986A CN 117976214 A CN117976214 A CN 117976214A
- Authority
- CN
- China
- Prior art keywords
- sepsis
- senile
- patient
- death
- day
- 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
- 206010040047 Sepsis Diseases 0.000 title claims abstract description 529
- 230000034994 death Effects 0.000 title claims abstract description 299
- 231100000517 death Toxicity 0.000 title claims abstract description 299
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013058 risk prediction model Methods 0.000 claims abstract description 62
- 238000011282 treatment Methods 0.000 claims abstract description 23
- 238000000611 regression analysis Methods 0.000 claims abstract description 16
- 238000003759 clinical diagnosis Methods 0.000 claims abstract description 14
- 208000010718 Multiple Organ Failure Diseases 0.000 claims description 47
- 208000029744 multiple organ dysfunction syndrome Diseases 0.000 claims description 43
- 238000003745 diagnosis Methods 0.000 claims description 34
- 210000000440 neutrophil Anatomy 0.000 claims description 23
- 230000000694 effects Effects 0.000 claims description 20
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 claims description 20
- 238000007477 logistic regression Methods 0.000 claims description 20
- 230000035945 sensitivity Effects 0.000 claims description 20
- 238000006213 oxygenation reaction Methods 0.000 claims description 18
- 238000004159 blood analysis Methods 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 16
- 238000009534 blood test Methods 0.000 claims description 15
- 208000015181 infectious disease Diseases 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 14
- 210000002966 serum Anatomy 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 230000001154 acute effect Effects 0.000 claims description 11
- 230000001684 chronic effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 235000014655 lactic acid Nutrition 0.000 claims description 10
- 239000004310 lactic acid Substances 0.000 claims description 10
- 210000004369 blood Anatomy 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 9
- 230000003862 health status Effects 0.000 claims description 9
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 108010094028 Prothrombin Proteins 0.000 claims description 7
- 102100027378 Prothrombin Human genes 0.000 claims description 7
- 229940039716 prothrombin Drugs 0.000 claims description 7
- 108010088751 Albumins Proteins 0.000 claims description 6
- 102000009027 Albumins Human genes 0.000 claims description 6
- 102000006395 Globulins Human genes 0.000 claims description 6
- 108010044091 Globulins Proteins 0.000 claims description 6
- 206010053159 Organ failure Diseases 0.000 claims description 6
- 230000023555 blood coagulation Effects 0.000 claims description 6
- 210000004698 lymphocyte Anatomy 0.000 claims description 6
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 6
- 102000012192 Cystatin C Human genes 0.000 claims description 5
- 108010061642 Cystatin C Proteins 0.000 claims description 5
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 5
- 108010049003 Fibrinogen Proteins 0.000 claims description 5
- 102000008946 Fibrinogen Human genes 0.000 claims description 5
- 206010020772 Hypertension Diseases 0.000 claims description 5
- 206010040070 Septic Shock Diseases 0.000 claims description 5
- 230000004872 arterial blood pressure Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 206010012601 diabetes mellitus Diseases 0.000 claims description 5
- 239000002934 diuretic Substances 0.000 claims description 5
- 230000035622 drinking Effects 0.000 claims description 5
- 229940012952 fibrinogen Drugs 0.000 claims description 5
- 210000003734 kidney Anatomy 0.000 claims description 5
- 238000005399 mechanical ventilation Methods 0.000 claims description 5
- 229940021182 non-steroidal anti-inflammatory drug Drugs 0.000 claims description 5
- 238000012959 renal replacement therapy Methods 0.000 claims description 5
- 238000009256 replacement therapy Methods 0.000 claims description 5
- 230000036387 respiratory rate Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000036303 septic shock Effects 0.000 claims description 5
- 230000000391 smoking effect Effects 0.000 claims description 5
- 238000002560 therapeutic procedure Methods 0.000 claims description 5
- 230000002227 vasoactive effect Effects 0.000 claims description 5
- 229940030606 diuretics Drugs 0.000 claims description 4
- 229940079593 drug Drugs 0.000 claims description 4
- 239000003814 drug Substances 0.000 claims description 4
- UIIMBOGNXHQVGW-UHFFFAOYSA-M Sodium bicarbonate Chemical compound [Na+].OC([O-])=O UIIMBOGNXHQVGW-UHFFFAOYSA-M 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000004393 prognosis Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 36
- 238000012360 testing method Methods 0.000 description 8
- 210000003743 erythrocyte Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 210000000265 leukocyte Anatomy 0.000 description 5
- 208000001490 Dengue Diseases 0.000 description 4
- 206010012310 Dengue fever Diseases 0.000 description 4
- 208000025729 dengue disease Diseases 0.000 description 4
- 102000001554 Hemoglobins Human genes 0.000 description 3
- 108010054147 Hemoglobins Proteins 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 2
- 108010082126 Alanine transaminase Proteins 0.000 description 2
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 2
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 2
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 2
- 108010074051 C-Reactive Protein Proteins 0.000 description 2
- 102100032752 C-reactive protein Human genes 0.000 description 2
- 102000004889 Interleukin-6 Human genes 0.000 description 2
- 108090001005 Interleukin-6 Proteins 0.000 description 2
- 108700028909 Serum Amyloid A Proteins 0.000 description 2
- 102000054727 Serum Amyloid A Human genes 0.000 description 2
- 108090000190 Thrombin Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004820 blood count Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 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 2
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005534 hematocrit Methods 0.000 description 2
- 229940100601 interleukin-6 Drugs 0.000 description 2
- 238000009666 routine test Methods 0.000 description 2
- 229960004072 thrombin Drugs 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 208000031229 Cardiomyopathies Diseases 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 206010053567 Coagulopathies Diseases 0.000 description 1
- 239000003154 D dimer Substances 0.000 description 1
- 238000008789 Direct Bilirubin Methods 0.000 description 1
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 1
- 108010014663 Glycated Hemoglobin A Proteins 0.000 description 1
- 102000015779 HDL Lipoproteins Human genes 0.000 description 1
- 108010010234 HDL Lipoproteins Proteins 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- FFFHZYDWPBMWHY-VKHMYHEASA-N L-homocysteine Chemical compound OC(=O)[C@@H](N)CCS FFFHZYDWPBMWHY-VKHMYHEASA-N 0.000 description 1
- 102000007330 LDL Lipoproteins Human genes 0.000 description 1
- 108010007622 LDL Lipoproteins Proteins 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 108010048233 Procalcitonin Proteins 0.000 description 1
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 230000035602 clotting Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 229940109239 creatinine Drugs 0.000 description 1
- 230000003831 deregulation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000002327 eosinophilic effect Effects 0.000 description 1
- 108010052295 fibrin fragment D Proteins 0.000 description 1
- 239000000282 fibrinogen degradation product Substances 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 210000003714 granulocyte Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000001616 monocyte Anatomy 0.000 description 1
- 238000011119 multifactor regression analysis Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004768 organ dysfunction Effects 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- CWCXERYKLSEGEZ-KDKHKZEGSA-N procalcitonin Chemical compound C([C@@H](C(=O)N1CCC[C@H]1C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@H](C(=O)N[C@@H](C)C(=O)N[C@@H]([C@@H](C)CC)C(=O)NCC(=O)N[C@@H](C(C)C)C(=O)NCC(=O)N[C@@H](C)C(=O)N1[C@@H](CCC1)C(=O)NCC(O)=O)[C@@H](C)O)NC(=O)[C@@H](NC(=O)[C@H](CC=1NC=NC=1)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CC(N)=O)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCSC)NC(=O)[C@H]1NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CO)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC(N)=O)NC(=O)CNC(=O)[C@@H](N)CSSC1)[C@@H](C)O)[C@@H](C)O)[C@@H](C)O)C1=CC=CC=C1 CWCXERYKLSEGEZ-KDKHKZEGSA-N 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
- 239000002550 vasoactive agent Substances 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请公开了一种老年脓毒症28天死亡风险预测方法、装置、设备及存储介质，通过采集年龄大于预设年龄阈值的脓毒症患者24小时内的临床指标数据进行回归分析，并构建得到老年脓毒症患者28天死亡风险预测模型，能够通过老年脓毒症患者28天死亡风险预测模型量化老年脓毒症患者在确诊脓毒症后28天内死亡的概率，从而有利于老年脓毒症高死亡风险人群的早期识别和干预，为老年脓毒症患者的高死亡风险人群的临床诊断和治疗提供技术支持，有助于及时、合理制定救治措施，提高救治成功率，改善预后，具有重要的临床意义。
Description
技术领域
本申请涉及医疗信息处理技术领域，特别是涉及一种老年脓毒症28天死亡风险预测方法、装置、设备及存储介质。
背景技术
脓毒症(sepsis)是宿主对感染的反应失调，导致危及生命的器官功能障碍。脓毒症可以由任何部位的感染引起，可见于呼吸系统、胃肠道、胆道系统、泌尿系统感染和皮肤软组织等。脓毒症具有发病率高、病死率高、医疗花费高的“三高”特点是重症监护病房常见的死亡原因之一。
流行病学调查数据显示，2017年全球脓毒症患者约4900万例，其中与脓毒症相关的死亡为1100万例，约占全球死亡总数的20％。亚洲地区入住重症监护病房(intensivecare unit，ICU)的患者中，脓毒症患者约为22.4％，其90天的住院病死率为36.6％，发生脓毒症的老年患者比例在60％以上，同时老年患者病死率高达75％。如果能在老年脓毒症患者发病初期早识别、及时干预和治疗，可改善预后，降低病死率。目前尚缺乏早期预测和识别老年脓毒症患者28天生存状况的临床预测工具。
发明内容
为解决上述技术问题，本申请提供一种老年脓毒症28天死亡风险预测方法、装置、设备及存储介质，有利于老年脓毒症高死亡风险人群的早期识别和干预，提高救治成功率，改善预后。
本申请的第一个目的为提供一种老年脓毒症28天死亡风险预测方法。
本申请的上述申请目的一是通过以下技术方案得以实现的：
一种老年脓毒症28天死亡风险预测方法，所述方法包括如下步骤：
S1，采集多名年龄大于预设年龄阈值的脓毒症患者的临床指标数据，其中，所述临床指标数据包括患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据，所述患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据均包括至少一种临床指标；
S2，对采集的所述临床指标数据进行预处理，得到老年脓毒症患者28天死亡样本数据集；
S3，对所述老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型；
S4，将待预测的老年脓毒症患者的24小时内的临床指标数据输入到所述老年脓毒症患者28天死亡风险预测模型，得到所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率；
S5，基于所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率确定所述待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级。
优选地，
所述患者基本信息包括以下一种或多种临床指标：
年龄、性别、ICU停留时间、总住院天数、有无糖尿病或高血压、有无吸烟史、有无饮酒史；
所述患者确诊脓毒症后24小时内的临床诊疗数据包括如下一种或多种临床指标：
感染部位、急性生理学与慢性健康状况评分、序贯器官衰竭评分、是否使用血管活性药及利尿剂、是否合并多器官功能障碍综合征、是否进行机械通气治疗及连续肾脏代替治疗；
所述患者确诊脓毒症后24小时内的临床血液检查数据包括如下一种或多种血液检查数据：
血清生化指标检查数据、凝血六项检查数据、血常规检查数据、感染指标检查数据，其中，
每种所述血液检查数据包括多种临床指标。
优选地，步骤S2中，所述对采集的所述临床指标数据进行预处理，得到老年脓毒症患者28天死亡样本数据集包括：
S21，基于采集的所述多名脓毒症患者的临床指标数据中的患者确诊脓毒症后24小时内的临床血液检查数据和预设的老年脓毒症患者28天死亡判断标准，判断各脓毒症患者是否因脓毒症而在确诊后28天内死亡，得到各脓毒症患者的28天死亡判断结果，其中，所述各脓毒症患者的28天死亡判断结果用于表征对应的脓毒症患者是否因脓毒症而在确诊后28天内死亡；
S22，基于各脓毒症患者的28天死亡判断结果对各名脓毒症患者的临床指标数据进行标记，得到所述老年脓毒症患者28天死亡样本数据集，其中，
所述老年脓毒症患者28天死亡样本数据集包括多组临床指标样本数据，所述多组临床指标样本数据与所述多名脓毒症患者一一对应，且每一组所述临床指标样本数据均标记有所述28天死亡判断结果。
优选地，步骤S3中，所述对所述老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型包括：
S31，将是否因脓毒症而在确诊后28天内死亡作为结果变量，将所述老年脓毒症患者28天死亡样本数据集的各种临床指标作为自变量，对所述老年脓毒症患者28天死亡样本数据集进行单因素逻辑回归分析，得到老年脓毒症患者28天死亡风险对应的影响因子和各影响因子对应的p值；
S32，将所述影响因子中p值小于0.05的影响因子筛选出来作为老年脓毒症28天死亡风险预测因子；
S33，对所述老年脓毒症28天死亡风险预测因子进行多因素逻辑回归分析，得到所述老年脓毒症患者28天死亡风险预测模型；
相应地，步骤S4中，所述将待预测的老年脓毒症患者的24小时内的临床指标数据输入到所述老年脓毒症患者28天死亡风险预测模型，得到所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率包括：
将待预测的老年脓毒症患者的24小时内的临床指标数据中所述老年脓毒症28天死亡风险预测因子对应的临床指标输入到所述老年脓毒症患者28天死亡风险预测模型，得到所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率。
优选地，
所述老年脓毒症患者28天死亡风险对应的影响因子包括如下临床指标：
年龄、呼吸频率、平均动脉压、是否合并脓毒性休克、是否合并多器官功能障碍综合征、是否有饮酒史、是否要进行连续肾脏代替治疗、是否服用非甾体抗炎药、急性生理学与慢性健康状况评分、乳酸、纤维蛋白原、国际标准化比值、PT百分活动度、凝血酶原时间、中性粒细胞与淋巴细胞计数比值、中性粒细胞百分比、氧合指数、白蛋白与球蛋白计数比值和胱抑素C；
所述老年脓毒症28天死亡风险预测因子包括如下临床指标：
年龄、是否合并多器官功能障碍综合征、乳酸、PT百分活动度、中性粒细胞百分比和氧合指数。
优选地，所述老年脓毒症患者28天死亡风险预测模型如下：
老年脓毒症患者28天死亡风险概率＝1/(1+exp(-(-6.464498+0.083417*Age+3.668151*MODS+0.330466*Lac-0.024087*PT％-0.060028*NEUT-0.011288*OI)))
其中，exp()函数表示以自然常数e为底的指数函数；Age表示年龄；MODS表示是否合并多器官功能障碍综合征，若是，则MODS的数值为1，若否，则MODS的数值为0；Lac表示乳酸；PT％表示PT百分活动度；NEUT表示中性粒细胞百分比；OI表示氧合指数。
优选地，在步骤S3之后，所述方法还包括如下步骤：
S3a，将所述老年脓毒症患者28天死亡样本数据集中各脓毒症患者的老年脓毒症28天死亡风险预测因子对应的临床指标输入至所述老年脓毒症患者28天死亡风险预测模型，得到各脓毒症患者的老年脓毒症患者28天死亡预测概率值；
S3b，依次将所述各脓毒症患者的老年脓毒症患者28天死亡预测概率值中的每一个老年脓毒症患者28天死亡预测概率值作为预设的概率阈值，基于所述各脓毒症患者的老年脓毒症患者28天死亡预测概率值、所述各脓毒症患者的28天死亡判断结果和所述预设的概率阈值计算得到多对敏感度值和特异度值；
S3c，基于所述多对敏感度值和特异度值，采用约登指数计算公式计算老年脓毒症患者28天死亡风险预测最佳临界值，其中，所述老年脓毒症患者28天死亡风险预测最佳临界值为通过所述多对敏感度值和特异度值计算得到的多个约登指数中的最大值；
相应地，步骤S5中，所述基于所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率确定所述待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级包括：
将所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率与所述老年脓毒症患者28天死亡风险预测最佳临界值进行比较；
当所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率小于所述老年脓毒症患者28天死亡风险预测最佳临界值，则将所述待预测的老年脓毒症患者的老年脓毒症患者28天死亡风险等级确定为低风险等级；
当所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率大于或等于所述老年脓毒症患者28天死亡风险预测最佳临界值，则将所述待预测的老年脓毒症患者的老年脓毒症患者28天死亡风险等级确定为高风险等级。
本申请的第二个目的为提供一种老年脓毒症28天死亡风险预测装置。
本申请的上述申请目的二是通过以下技术方案得以实现的：
一种老年脓毒症28天死亡风险预测装置，所述装置包括：
数据采集模块，用于采集多名年龄大于预设年龄阈值的脓毒症患者的临床指标数据，其中，所述临床指标数据包括患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据，所述患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据均包括至少一种临床指标；
数据预处理模块，用于对采集的所述临床指标数据进行预处理，得到老年脓毒症患者28天死亡样本数据集；
风险预测模型构建模块，用于对所述老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型；
风险预测模块，用于将待预测的老年脓毒症患者的24小时内的临床指标数据输入到所述老年脓毒症患者28天死亡风险预测模型，得到所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率；
风险等级确定模块，用于基于所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率确定所述待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级。
优选地，
所述患者基本信息包括以下一种或多种临床指标：
年龄、性别、ICU停留时间、总住院天数、有无糖尿病或高血压、有无吸烟史、有无饮酒史；
所述患者确诊脓毒症后24小时内的临床诊疗数据包括如下一种或多种临床指标：
感染部位、急性生理学与慢性健康状况评分、序贯器官衰竭评分、是否使用血管活性药及利尿剂、是否合并多器官功能障碍综合征、是否进行机械通气治疗及连续肾脏代替治疗；
所述患者确诊脓毒症后24小时内的临床血液检查数据包括如下一种或多种血液检查数据：
血清生化指标检查数据、凝血六项检查数据、血常规检查数据、感染指标检查数据，其中，
每种所述血液检查数据包括多种临床指标。
优选地，所述数据预处理模块具体用于：
基于采集的所述多名脓毒症患者的临床指标数据中的患者确诊脓毒症后24小时内的临床血液检查数据和预设的老年脓毒症患者28天死亡判断标准，判断各脓毒症患者是否因脓毒症而在确诊后28天内死亡，得到各脓毒症患者的28天死亡判断结果，其中，所述各脓毒症患者的28天死亡判断结果用于表征对应的脓毒症患者是否因脓毒症而在确诊后28天内死亡；
基于各脓毒症患者的28天死亡判断结果对各名脓毒症患者的临床指标数据进行标记，得到所述老年脓毒症患者28天死亡样本数据集，其中，
所述老年脓毒症患者28天死亡样本数据集包括多组临床指标样本数据，所述多组临床指标样本数据与所述多名脓毒症患者一一对应，且每一组所述临床指标样本数据均标记有所述28天死亡判断结果。
优选地，所述风险预测模型构建模块具体用于：
将是否因脓毒症而在确诊后28天内死亡作为结果变量，将所述老年脓毒症患者28天死亡样本数据集的各种临床指标作为自变量，对所述老年脓毒症患者28天死亡样本数据集进行单因素逻辑回归分析，得到老年脓毒症患者28天死亡风险对应的影响因子和各影响因子对应的p值；
将所述影响因子中p值小于0.05的影响因子筛选出来作为老年脓毒症28天死亡风险预测因子；
对所述老年脓毒症28天死亡风险预测因子进行多因素逻辑回归分析，得到所述老年脓毒症患者28天死亡风险预测模型；
相应地，所述风险预测模块具体用于：
将待预测的老年脓毒症患者的24小时内的临床指标数据中所述老年脓毒症28天死亡风险预测因子对应的临床指标输入到所述老年脓毒症患者28天死亡风险预测模型，得到所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率。
优选地，
所述老年脓毒症患者28天死亡风险对应的影响因子包括如下临床指标：
年龄、呼吸频率、平均动脉压、是否合并脓毒性休克、是否合并多器官功能障碍综合征、是否有饮酒史、是否要进行连续肾脏代替治疗、是否服用非甾体抗炎药、急性生理学与慢性健康状况评分、乳酸、纤维蛋白原、国际标准化比值、PT百分活动度、凝血酶原时间、中性粒细胞与淋巴细胞计数比值、中性粒细胞百分比、氧合指数、白蛋白与球蛋白计数比值和胱抑素C；
所述老年脓毒症28天死亡风险预测因子包括如下临床指标：
年龄、是否合并多器官功能障碍综合征、乳酸、PT百分活动度、中性粒细胞百分比和氧合指数。
优选地，所述老年脓毒症患者28天死亡风险预测模型如下：
老年脓毒症患者28天死亡风险概率＝1/(1+exp(-(-6.464498+0.083417*Age+3.668151*MODS+0.330466*Lac-0.024087*PT％-0.060028*NEUT-0.011288*OI)))
其中，exp()函数表示以自然常数e为底的指数函数；Age表示年龄；MODS表示是否合并多器官功能障碍综合征，若是，则MODS的数值为1，若否，则MODS的数值为0；Lac表示乳酸；PT％表示PT百分活动度；NEUT表示中性粒细胞百分比；OI表示氧合指数。
优选地，所述装置还包括：
样本预测概率值获取模块，用于在对所述老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型之后，将所述老年脓毒症患者28天死亡样本数据集中各脓毒症患者的老年脓毒症28天死亡风险预测因子对应的临床指标输入至所述老年脓毒症患者28天死亡风险预测模型，得到各脓毒症患者的老年脓毒症患者28天死亡预测概率值；
敏感度和特异度计算模块，用于依次将所述各脓毒症患者的老年脓毒症患者28天死亡预测概率值中的每一个老年脓毒症患者28天死亡预测概率值作为预设的概率阈值，基于所述各脓毒症患者的老年脓毒症患者28天死亡预测概率值、所述各脓毒症患者的28天死亡判断结果和所述预设的概率阈值计算得到多对敏感度值和特异度值；
风险预测最佳临界值计算模块，用于基于所述多对敏感度值和特异度值，采用约登指数计算公式计算老年脓毒症患者28天死亡风险预测最佳临界值，其中，所述老年脓毒症患者28天死亡风险预测最佳临界值为通过所述多对敏感度值和特异度值计算得到的多个约登指数中的最大值；
相应地，所述风险等级确定模块具体用于：
将所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率与所述老年脓毒症患者28天死亡风险预测最佳临界值进行比较；
当所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率小于所述老年脓毒症患者28天死亡风险预测最佳临界值，则将所述待预测的老年脓毒症患者的老年脓毒症患者28天死亡风险等级确定为低风险等级；
当所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率大于或等于所述老年脓毒症患者28天死亡风险预测最佳临界值，则将所述待预测的老年脓毒症患者的老年脓毒症患者28天死亡风险等级确定为高风险等级。
本申请的第三个目的为提供一种电子设备。
本申请的上述申请目的三是通过以下技术方案得以实现的：
一种电子设备，包括：
存储器、处理器以及存储于所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述本申请的第一个目的中任一项所述的老年脓毒症28天死亡风险预测方法的步骤。
本申请的第四个目的为提供一种计算机可读存储介质。
本申请的上述申请目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述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实现上述本申请的第一个目的中任一项所述的老年脓毒症28天死亡风险预测方法的步骤。
综上所述，本申请公开了一种老年脓毒症28天死亡风险预测方法、装置、设备及存储介质，通过采集脓毒症患者24小时内的临床指标数据进行回归分析，并构建得到老年脓毒症患者28天死亡风险预测模型，能够通过老年脓毒症患者28天死亡风险预测模型量化老年脓毒症患者在确诊脓毒症后28天内死亡的概率，从而有利于老年脓毒症高死亡风险人群的早期识别和干预，为老年脓毒症患者的高死亡风险人群的临床诊断和治疗提供技术支持，有助于及时、合理制定救治措施，提高救治成功率，改善预后，具有重要的临床意义。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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为本申请实施例中一种老年脓毒症28天死亡风险预测方法的流程示意图；
图2为本申请实施例中老年脓毒症患者28天死亡风险预测模型的ROC曲线；
图3为本申请实施例中利用多因素逻辑回归构建老年脓毒症患者28天死亡预测模型的列线图；
图4为本申请实施例中老年脓毒症患者28天死亡风险预测模型的操作界面示意图；
图5为本申请实施例中一种老年脓毒症28天死亡风险预测方法的另一流程示意图；
图6为本申请实施例中一种老年脓毒症28天死亡风险预测装置的结构示意图；
图7为本申请实施例中一种老年脓毒症28天死亡风险预测装置的另一结构示意图；
图8为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为了使本领域的技术人员更好地理解本申请中的技术方案，下面将对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请所提供的实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。以下所描述的系统实施例仅仅是示意性的，例如，单元和模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或模块可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
另外，在本申请各实施例中的各功能单元可以全部集成在一个处理器中，也可以是各单元分别单独作为一个器件，也可以两个或两个以上单元集成在一个器件中；本申请各实施例中的各功能单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现下述方法实施例的全部或部分步骤可以通过程序指令及相关的硬件来完成，前述的程序指令可以存储于计算机可读取存储介质中，该程序指令在执行时，执行包括下述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本申请的描述中，“多个”、“若干个”的含义是两个或两个以上，除非另有明确具体的限定。
如图1所示，本申请实施例提供一种老年脓毒症28天死亡风险预测方法，该方法可以包括如下步骤：
S1，采集多名年龄大于预设年龄阈值的脓毒症患者的临床指标数据；
具体地，可以从医院的病例数据库采集脓毒症患者的临床指标数据，采集的临床指标数据的规模可以根据需要进行具体选择(本实施例中，采集5000名脓毒症患者的临床指标数据)，可以理解，采集的临床指标数据的规模越大，越具有代表性，即在后续通过采集的脓毒症患者的临床指标数据构建的预测模型的预测能力越好。
具体地，按照国际规定，65周岁以上的人确定为老年；在中国，60周岁以上的公民为老年人。为此，本实施例中，所述预设年龄阈值为60岁或65岁。
需要说明的是，采集的临床指标数据的脓毒症患者为已确诊脓毒症且确诊后超过28天的脓毒症患者，其中，所述脓毒症患者包含发生了老年脓毒症患者28天死亡的脓毒症患者，也包含了未发生老年脓毒症患者28天死亡的脓毒症患者。
本实施例中，临床指标数据主要包括患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据三方面的数据，患者基本信息包括年龄、性别、ICU停留时间、总住院天数、有无糖尿病或高血压、有无吸烟史和有无饮酒史中的一种或多种临床指标；
患者确诊脓毒症后24小时内的临床诊疗数据包括感染部位、急性生理学与慢性健康状况(Acute physiology and chronic health evaluationⅡ，APACHE-Ⅱ)评分、序贯器官衰竭(Sequential organ failure assessment，SOFA)评分、是否使用血管活性药及利尿剂、是否合并多器官功能障碍综合征(Multiple organ dysfunction syndrome，MODS)和是否进行机械通气治疗及连续肾脏代替治疗(Continuous renal replacement therapy，CRRT)中的一种或多种临床指标；
患者确诊脓毒症后24小时内的临床血液检查数据包括血清生化指标检查数据、凝血六项检查数据、血常规检查数据和感染指标检查数据中的一种或多种血液检查数据，每种血液检查数据包括多种临床指标。具体地，血清生化指标检查、凝血六项检查、血常规检查和感染指标检查为常规的临床血液检查，各项检查所包含的临床指标是本领域的公知常识，例如，
血清生化指标检查数据主要包括肝功能(谷丙转氨酶(ALT)，谷草转氨酶(AST)，谷草转氨酶与谷丙转氨酶的比值(AST/ALT)，总蛋白，白蛋白，球蛋白，直接胆红素，间接胆红素等)，肾功能(血肌酐，尿素氮等)，血脂(甘油三酯，胆固醇，低密度脂蛋白，高密度脂蛋白等)，血糖，电解质(血钙、血钠、血钾、血氯等)，糖化血红蛋白，同型半胱氨酸，心肌酶(CK-MB等)，肌钙蛋白，血气分析等临床指标；
凝血六项检查数据包括凝血酶时间、部分凝血活酶时间、凝血酶原时间、纤维蛋白原、纤维蛋白原降解产物、血浆D-二聚体等六项临床指标；
血常规检查数据主要包括白细胞计数(WBC)、红细胞计数(RBC)、血红蛋白测定(Hb)、红细胞压积(HCT)、平均红细胞体积(MCV)、平均红细胞血红蛋白(MCH)、平均红细胞血红蛋白浓度(MCHC)、红细胞体积分布宽度(RDW)、白细胞五项分类(WBC differentialcount)(白细胞分为中性、嗜酸性、嗜碱性粒细胞、淋巴及单核细胞)等临床指标。
感染指标检查数据主要包括C反应蛋白(C-reactive protein，CRP)、降钙素原(procaicitonin，PCT)、血清淀粉样蛋白A(Serum amyloid A，SAA)、白介素6(Interleukin6，IL-6)等临床指标。
S2，对采集的临床指标数据进行预处理，得到老年脓毒症患者28天死亡样本数据集；
采集到脓毒症患者的临床指标数据后，需要对采集的临床指标数据进行预处理。具体地，本实施例中，对采集的临床指标数据进行预处理包括如下步骤：
基于采集的多名脓毒症患者的临床指标数据中的患者确诊脓毒症后24小时内的临床血液检查数据和预设的老年脓毒症患者28天死亡判断标准，判断各脓毒症患者是否因脓毒症而在确诊后28天内死亡，得到各脓毒症患者的28天死亡判断结果，其中，各脓毒症患者的28天死亡判断结果用于表征对应的脓毒症患者是否因脓毒症而在确诊后28天内死亡；
基于各脓毒症患者的28天死亡判断结果对各名脓毒症患者的临床指标数据进行标记，得到老年脓毒症患者28天死亡样本数据集，其中，
老年脓毒症患者28天死亡样本数据集包括多组临床指标样本数据，多组临床指标样本数据与多名脓毒症患者一一对应，且每一组临床指标样本数据均标记有28天死亡判断结果。
S3，对老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型；
经过数据预处理得到老年脓毒症患者28天死亡样本数据集后，则进一步对老年脓毒症患者28天死亡样本数据集进行回归分析，从而得到老年脓毒症患者28天死亡风险预测模型。
具体地，在本实施例中，对老年脓毒症患者28天死亡样本数据集进行回归分析可以包括如下步骤：
a、将是否因脓毒症而在确诊后28天内死亡作为结果变量，将老年脓毒症患者28天死亡样本数据集的各种临床指标作为自变量，对老年脓毒症患者28天死亡样本数据集进行单因素逻辑回归分析，得到老年脓毒症患者28天死亡风险对应的影响因子和各影响因子对应的p值；
需要说明的是，老年脓毒症患者28天死亡风险对应的影响因子即与老年脓毒症患者28天死亡风险存在相关性的临床指标，也即单因素逻辑回归分析结果中回归系数不为0的临床指标。
本实施例中，通过单因素逻辑回归分析筛选出来的老年脓毒症患者28天死亡风险对应的影响因子包括如下临床指标：
年龄、呼吸频率、平均动脉压、是否合并脓毒性休克、是否合并多器官功能障碍综合征(MODS)、是否有饮酒史、是否要进行连续肾脏代替治疗(CRRT)、是否服用非甾体抗炎药、急性生理学与慢性健康状况评分(APACHE-Ⅱ)、乳酸(Lac)、纤维蛋白原、国际标准化比值(International normalized ratio，INR)、PT百分活动度(PT％，即凝血酶原时间活动度)、凝血酶原时间、中性粒细胞与淋巴细胞计数比值、中性粒细胞百分比(NEUT)、氧合指数(OI)、白蛋白与球蛋白计数比值和胱抑素C。
为了便于分析，在分析得到得到老年脓毒症患者28天死亡风险对应的影响因子和各影响因子对应的p值后，可以进一步将老年脓毒症患者28天死亡样本数据集的单因素逻辑回归分析结果以表格形式保存和展示。本实施例中，对老年脓毒症患者28天死亡样本数据集进行单因素逻辑回归分析后筛选出来的老年脓毒症患者28天死亡风险对应的影响因子和各影响因子对应的p值如下表所示：
b、将影响因子中p值小于0.05的影响因子筛选出来作为老年脓毒症28天死亡风险预测因子；
p值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。p值(P value)就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果p值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，p值越小，我们拒绝原假设的理由越充分。总之，p值越小，表明结果越显著，而P<0.05表示碰巧出现的可能性小于5％，在统计学上用于可以否定原假设。因此，为了提高风险预测的准确性，本实施例中，将影响因子中p值小于0.05的影响因子筛选出来作为老年脓毒症28天死亡风险预测因子。
具体地，本实施例中筛选出来的影响因子(即老年脓毒症28天死亡风险预测因子)包括如下临床指标：
年龄、是否合并多器官功能障碍综合征(MODS)、乳酸、PT百分活动度、中性粒细胞百分比和氧合指数，具体对应关系如下表所示：
| 临床指标 | 回归系数 | 标准差 | z值 | p值 |
| 年龄 | 0.170696201 | 0.076039797 | 2.244827154 | 0.024779231 |
| 是否MODS | 4.610176184 | 1.398205975 | 3.297208183 | 0.000976511 |
| 乳酸 | 0.433831824 | 0.207258334 | 2.093193627 | 0.036331873 |
| PT活动百分度 | -0.10334373 | 0.04172388 | -2.476848502 | 0.013254815 |
| 中性粒细胞百分比 | -0.086414769 | 0.024977335 | -3.459727291 | 0.000540723 |
| 氧合指数 | -0.01251266 | 0.005562531 | -2.249454509 | 0.024483594 |
c、对老年脓毒症28天死亡风险预测因子进行多因素逻辑回归分析，得到老年脓毒症患者28天死亡风险预测模型；
筛选出来老年脓毒症28天死亡风险预测因子后，则进一步通过多因素逻辑回归分析方法对老年脓毒症28天死亡风险预测因子进行多因素逻辑回归分析，从而可以得到老年脓毒症患者28天死亡风险预测模型。
需要说明的是，通过多因素逻辑回归分析方法构建相关模型的具体过程属于现有技术，在此不再赘述。
具体地，在本实施例中，老年脓毒症患者28天死亡风险预测模型如下：
老年脓毒症患者28天死亡风险概率＝1/(1+exp(-(-6.464498+0.083417*Age+3.668151*MODS+0.330466*Lac-0.024087*PT％-0.060028*NEUT-0.011288*OI)))
其中，exp()函数表示以自然常数e为底的指数函数；Age表示年龄；MODS表示是否合并多器官功能障碍综合征，若是，则MODS的数值为1，若否，则MODS的数值为0；Lac表示乳酸；PT％表示PT百分活动度；NEUT表示中性粒细胞百分比；OI表示氧合指数。
S4，将待预测的老年脓毒症患者的24小时内的临床指标数据输入到老年脓毒症患者28天死亡风险预测模型，得到待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率；
构建好老年脓毒症患者28天死亡风险预测模型后，即可采用该模型对目标对象的老年脓毒症患者28天死亡风险进行预测，即采集待预测的老年脓毒症患者的24小时内的临床指标数据，并将采集的待预测的老年脓毒症患者的24小时内的临床指标数据输入到老年脓毒症患者28天死亡风险预测模型，从而可以得到待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率。
具体地，由于老年脓毒症患者28天死亡风险预测模型是基于年龄、是否合并多器官功能障碍综合征、乳酸、PT百分活动度、中性粒细胞百分比和氧合指数这6个临床指标构建得到，因此，在对待预测的老年脓毒症患者进行老年脓毒症患者28天死亡风险进行预测，只需要将脓毒症患者的24小时内的临床指标数据中的年龄、是否合并多器官功能障碍综合征、乳酸、PT百分活动度、中性粒细胞百分比和氧合指数这6个临床指标输入到所述老年脓毒症患者28天死亡风险预测模型即可。
本实施例中，老年脓毒症患者28天死亡风险预测模型的操作界面示意图如图4所示。
S5，基于待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率确定待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级。
通过老年脓毒症患者28天死亡风险预测模型进行风险预测得到待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率后，进一步基于待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率来确定待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级，从而帮助医生快速、准确区分高风险患者和低风险患者，以便医生后续根据患者的老年脓毒症患者28天死亡风险等级来及时、合理制定相应的救治措施。
综上，上述实施例中的老年脓毒症28天死亡风险预测方法，首先采集多名年龄大于预设年龄阈值的脓毒症患者的临床指标数据，然后对采集的临床指标数据进行预处理，得到老年脓毒症患者28天死亡样本数据集，接着对老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型，接着将待预测的老年脓毒症患者的24小时内的临床指标数据输入到老年脓毒症患者28天死亡风险预测模型，得到待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率，最后基于待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率确定待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级。
本申请实施例的老年脓毒症28天死亡风险预测方法，通过采集脓毒症患者24小时内的临床指标数据进行回归分析，并构建得到老年脓毒症患者28天死亡风险预测模型，能够通过老年脓毒症患者28天死亡风险预测模型量化老年脓毒症患者在确诊脓毒症后28天内死亡的概率，从而有利于老年脓毒症高死亡风险人群的早期识别和干预，为老年脓毒症患者的高死亡风险人群的临床诊断和治疗提供技术支持，有助于及时、合理制定救治措施，提高救治成功率，改善预后，具有重要的临床意义。
如图5所示，为本申请实施例中一种老年脓毒症28天死亡风险预测方法的另一流程示意图，该实施例在上述实施例的基础上，在步骤S3之后，还可以包括如下步骤：
S3a，将老年脓毒症患者28天死亡样本数据集中各脓毒症患者的老年脓毒症28天死亡风险预测因子对应的临床指标输入至老年脓毒症患者28天死亡风险预测模型，得到各脓毒症患者的老年脓毒症患者28天死亡预测概率值；
S3b，依次将各脓毒症患者的老年脓毒症患者28天死亡预测概率值中的每一个老年脓毒症患者28天死亡预测概率值作为预设的概率阈值，基于各脓毒症患者的老年脓毒症患者28天死亡预测概率值、各脓毒症患者的28天死亡判断结果和预设的概率阈值计算得到多对敏感度值和特异度值；
S3c，基于多对敏感度值和特异度值，采用约登指数计算公式计算老年脓毒症患者28天死亡风险预测最佳临界值，其中，老年脓毒症患者28天死亡风险预测最佳临界值为通过多对敏感度值和特异度值计算得到的多个约登指数中的最大值。
具体地，约登指数计算公式如下：
约登指数＝敏感度+特异度-1。
本实施例中，为了验证老年脓毒症患者28天死亡风险预测模型预测的可靠性，在得到多对敏感度值和特异度值，可以根据得到的多对敏感度值和特异度值绘制该老年脓毒症患者28天死亡风险预测模型的ROC(Receiver operating characteristic curve，接受者操作特征)曲线。
本实施例中的老年脓毒症患者28天死亡风险预测模型的ROC曲线如图2所示，通过ROC曲线可知，其曲线下面积(AUC)为0.96，表明该老年脓毒症患者28天死亡风险预测模型预测的可靠性高。
为了方便对患者进行评估，本实施例中，利用多因素逻辑回归构建老年脓毒症患者28天死亡预测模型的列线图，列线图构建结果如图3所示。
列线图(Nomogram)是建立在多因素回归分析的基础上，将多个预测指标进行整合，然后采用带有刻度的线段，按照一定的比例绘制在同一平面上，从而用以表达预测模型中各个变量之间的相互关系。列线图的基本原理就是通过构建多因素回归模型(如Cox回归、逻辑回归等)，根据模型中各个影响因素对结局变量的贡献程度(回归系数的大小)，给每个影响因素的每个取值水平进行赋分，然后再将各个评分相加得到总评分，最后通过总评分与结局事件发生概率之间的函数转换关系，从而计算出该个体结局事件的预测值。列线图将复杂的回归方程，转变为了可视化的图形，使预测模型的结果更具有可读性。
具体地，在本实施例中，步骤S5中，基于待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率确定待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级包括：
将待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率与老年脓毒症患者28天死亡风险预测最佳临界值进行比较；
当待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率小于老年脓毒症患者28天死亡风险预测最佳临界值，则将待预测的老年脓毒症患者的老年脓毒症患者28天死亡风险等级确定为低风险等级；
当待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率大于或等于老年脓毒症患者28天死亡风险预测最佳临界值，则将待预测的老年脓毒症患者的老年脓毒症患者28天死亡风险等级确定为高风险等级。
具体地，本实施例中，老年脓毒症患者28天死亡风险预测最佳临界值(即约登指数中的最大值)为0.579。老年脓毒症患者28天死亡发生概率等于或高于0.579的为高风险人群，需要对该部分患者采取早期的预防治疗措施，例如及时的化验，及时的抢救措施以及必要的护理措施。老年脓毒症患者28天死亡概率低于0.579的为低风险人群，该部分患者可免除不必要的相关检测，节约经济成本。
如图6所示，本申请实施例提供一种老年脓毒症28天死亡风险预测装置，该装置可以包括：
数据采集模块201，用于采集多名年龄大于预设年龄阈值的脓毒症患者的临床指标数据，其中，临床指标数据包括患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据，患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据均包括至少一种临床指标；
数据预处理模块202，用于对采集的临床指标数据进行预处理，得到老年脓毒症患者28天死亡样本数据集；
风险预测模型构建模块203，用于对老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型；
风险预测模块204，用于将待预测的老年脓毒症患者的24小时内的临床指标数据输入到老年脓毒症患者28天死亡风险预测模型，得到待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率；
风险等级确定模块205，用于基于待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率确定待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级。
在一个实施例中，
患者基本信息包括以下一种或多种临床指标：
年龄、性别、ICU停留时间、总住院天数、有无糖尿病或高血压、有无吸烟史、有无饮酒史；
患者确诊脓毒症后24小时内的临床诊疗数据包括如下一种或多种临床指标：
感染部位、急性生理学与慢性健康状况评分、序贯器官衰竭评分、是否使用血管活性药及利尿剂、是否合并多器官功能障碍综合征、是否进行机械通气治疗及连续肾脏代替治疗；
患者确诊脓毒症后24小时内的临床血液检查数据包括如下一种或多种血液检查数据：
血清生化指标检查数据、凝血六项检查数据、血常规检查数据、感染指标检查数据，其中，
每种血液检查数据包括多种临床指标。
在一个实施例中，数据预处理模块202具体用于：
基于采集的多名脓毒症患者的临床指标数据中的患者确诊脓毒症后24小时内的临床血液检查数据和预设的老年脓毒症患者28天死亡判断标准，判断各脓毒症患者是否因脓毒症而在确诊后28天内死亡，得到各脓毒症患者的28天死亡判断结果，其中，各脓毒症患者的28天死亡判断结果用于表征对应的脓毒症患者是否因脓毒症而在确诊后28天内死亡；
基于各脓毒症患者的28天死亡判断结果对各名脓毒症患者的临床指标数据进行标记，得到老年脓毒症患者28天死亡样本数据集，其中，
老年脓毒症患者28天死亡样本数据集包括多组临床指标样本数据，多组临床指标样本数据与多名脓毒症患者一一对应，且每一组临床指标样本数据均标记有28天死亡判断结果。
在一个实施例中，风险预测模型构建模块203具体用于：
将是否因脓毒症而在确诊后28天内死亡作为结果变量，将老年脓毒症患者28天死亡样本数据集的各种临床指标作为自变量，对老年脓毒症患者28天死亡样本数据集进行单因素逻辑回归分析，得到老年脓毒症患者28天死亡风险对应的影响因子和各影响因子对应的p值；
将影响因子中p值小于0.05的影响因子筛选出来作为老年脓毒症28天死亡风险预测因子；
对老年脓毒症28天死亡风险预测因子进行多因素逻辑回归分析，得到老年脓毒症患者28天死亡风险预测模型；
相应地，风险预测模块204具体用于：
将待预测的老年脓毒症患者的24小时内的临床指标数据中老年脓毒症28天死亡风险预测因子对应的临床指标输入到老年脓毒症患者28天死亡风险预测模型，得到待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率。
在一个实施例中，
老年脓毒症患者28天死亡风险对应的影响因子包括如下临床指标：
年龄、呼吸频率、平均动脉压、是否合并脓毒性休克、是否合并多器官功能障碍综合征、是否有饮酒史、是否要进行连续肾脏代替治疗、是否服用非甾体抗炎药、急性生理学与慢性健康状况评分、乳酸、纤维蛋白原、国际标准化比值、PT百分活动度、凝血酶原时间、中性粒细胞与淋巴细胞计数比值、中性粒细胞百分比、氧合指数、白蛋白与球蛋白计数比值和胱抑素C；
老年脓毒症28天死亡风险预测因子包括如下临床指标：
年龄、是否合并多器官功能障碍综合征、乳酸、PT百分活动度、中性粒细胞百分比和氧合指数。
在上述实施例的基础上，在一个实施例中，老年脓毒症患者28天死亡风险预测模型如下：
老年脓毒症患者28天死亡风险概率＝1/(1+exp(-(-6.464498+0.083417*Age+3.668151*MODS+0.330466*Lac-0.024087*PT％-0.060028*NEUT-0.011288*OI)))
其中，exp()函数表示以自然常数e为底的指数函数；Age表示年龄；MODS表示是否合并多器官功能障碍综合征，若是，则MODS的数值为1，若否，则MODS的数值为0；Lac表示乳酸；PT％表示PT百分活动度；NEUT表示中性粒细胞百分比；OI表示氧合指数。
如图7所示，在上述实施例的基础上，在一个实施例中，该装置还可以包括：
样本预测概率值获取模块203a，用于在对老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型之后，将老年脓毒症患者28天死亡样本数据集中各脓毒症患者的老年脓毒症28天死亡风险预测因子对应的临床指标输入至老年脓毒症患者28天死亡风险预测模型，得到各脓毒症患者的老年脓毒症患者28天死亡预测概率值；
敏感度和特异度计算模块203b，用于依次将各脓毒症患者的老年脓毒症患者28天死亡预测概率值中的每一个老年脓毒症患者28天死亡预测概率值作为预设的概率阈值，基于各脓毒症患者的老年脓毒症患者28天死亡预测概率值、各脓毒症患者的28天死亡判断结果和预设的概率阈值计算得到多对敏感度值和特异度值；
风险预测最佳临界值计算模块203c，用于基于多对敏感度值和特异度值，采用约登指数计算公式计算老年脓毒症患者28天死亡风险预测最佳临界值，其中，老年脓毒症患者28天死亡风险预测最佳临界值为通过多对敏感度值和特异度值计算得到的多个约登指数中的最大值。
相应地，在本实施例中，风险等级确定模块具205体用于：
将待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率与老年脓毒症患者28天死亡风险预测最佳临界值进行比较；
当待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率小于老年脓毒症患者28天死亡风险预测最佳临界值，则将待预测的老年脓毒症患者的老年脓毒症患者28天死亡风险等级确定为低风险等级；
当待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率大于或等于老年脓毒症患者28天死亡风险预测最佳临界值，则将待预测的老年脓毒症患者的老年脓毒症患者28天死亡风险等级确定为高风险等级。
需要说明的是，上述实施例中的老年脓毒症28天死亡风险预测装置具有与上述实施例中的老年脓毒症28天死亡风险预测方法相同的工作原理和技术效果，在此不再赘述。
如图8所示，本申请实施例提供了一种电子设备3，所述电子设备3包括存储器301、处理器302以及存储于存储器301中并可在处理器302上运行的计算机程序303，存储器301和处理器302通过总线304通信连接，处理器302执行计算机程序303时实现如本申请上述方法实施例的老年脓毒症28天死亡风险预测方法的步骤。
具体地，所述电子设备3可以是工控机、PC机、智能移动终端等具备存储器和处理器的智能设备，也可以是CPU、GPU等具备存储器和处理器的计算机部件。
本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如本申请上述方法实施例的老年脓毒症28天死亡风险预测方法的步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种老年脓毒症28天死亡风险预测方法，其特征在于，所述方法包括如下步骤：
S1，采集多名年龄大于预设年龄阈值的脓毒症患者的临床指标数据，其中，所述临床指标数据包括患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据，所述患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据均包括至少一种临床指标；
S2，对采集的所述临床指标数据进行预处理，得到老年脓毒症患者28天死亡样本数据集；
S3，对所述老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型；
S4，将待预测的老年脓毒症患者的24小时内的临床指标数据输入到所述老年脓毒症患者28天死亡风险预测模型，得到所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率；
S5，基于所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率确定所述待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级。
2.根据权利要求1所述的老年脓毒症28天死亡风险预测方法，其特征在于：
所述患者基本信息包括以下一种或多种临床指标：
年龄、性别、ICU停留时间、总住院天数、有无糖尿病或高血压、有无吸烟史、有无饮酒史；
所述患者确诊脓毒症后24小时内的临床诊疗数据包括如下一种或多种临床指标：
感染部位、急性生理学与慢性健康状况评分、序贯器官衰竭评分、是否使用血管活性药及利尿剂、是否合并多器官功能障碍综合征、是否进行机械通气治疗及连续肾脏代替治疗；
所述患者确诊脓毒症后24小时内的临床血液检查数据包括如下一种或多种血液检查数据：
血清生化指标检查数据、凝血六项检查数据、血常规检查数据、感染指标检查数据，其中，
每种所述血液检查数据包括多种临床指标。
3.根据权利要1或2所述的老年脓毒症28天死亡风险预测方法，其特征在于，步骤S2中，所述对采集的所述临床指标数据进行预处理，得到老年脓毒症患者28天死亡样本数据集包括：
S21，基于采集的所述多名脓毒症患者的临床指标数据中的患者确诊脓毒症后24小时内的临床血液检查数据和预设的老年脓毒症患者28天死亡判断标准，判断各脓毒症患者是否因脓毒症而在确诊后28天内死亡，得到各脓毒症患者的28天死亡判断结果，其中，所述各脓毒症患者的28天死亡判断结果用于表征对应的脓毒症患者是否因脓毒症而在确诊后28天内死亡；
S22，基于各脓毒症患者的28天死亡判断结果对各名脓毒症患者的临床指标数据进行标记，得到所述老年脓毒症患者28天死亡样本数据集，其中，
所述老年脓毒症患者28天死亡样本数据集包括多组临床指标样本数据，所述多组临床指标样本数据与所述多名脓毒症患者一一对应，且每一组所述临床指标样本数据均标记有所述28天死亡判断结果。
4.根据权利要求1所述的老年脓毒症28天死亡风险预测方法，其特征在于，步骤S3中，所述对所述老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型包括：
S31，将是否因脓毒症而在确诊后28天内死亡作为结果变量，将所述老年脓毒症患者28天死亡样本数据集的各种临床指标作为自变量，对所述老年脓毒症患者28天死亡样本数据集进行单因素逻辑回归分析，得到老年脓毒症患者28天死亡风险对应的影响因子和各影响因子对应的p值；
S32，将所述影响因子中p值小于0.05的影响因子筛选出来作为老年脓毒症28天死亡风险预测因子；
S33，对所述老年脓毒症28天死亡风险预测因子进行多因素逻辑回归分析，得到所述老年脓毒症患者28天死亡风险预测模型；
相应地，步骤S4中，所述将待预测的老年脓毒症患者的24小时内的临床指标数据输入到所述老年脓毒症患者28天死亡风险预测模型，得到所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率包括：
将待预测的老年脓毒症患者的24小时内的临床指标数据中所述老年脓毒症28天死亡风险预测因子对应的临床指标输入到所述老年脓毒症患者28天死亡风险预测模型，得到所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率。
5.根据权利要求4所述的老年脓毒症28天死亡风险预测方法，其特征在于：
所述老年脓毒症患者28天死亡风险对应的影响因子包括如下临床指标：
年龄、呼吸频率、平均动脉压、是否合并脓毒性休克、是否合并多器官功能障碍综合征、是否有饮酒史、是否要进行连续肾脏代替治疗、是否服用非甾体抗炎药、急性生理学与慢性健康状况评分、乳酸、纤维蛋白原、国际标准化比值、PT百分活动度、凝血酶原时间、中性粒细胞与淋巴细胞计数比值、中性粒细胞百分比、氧合指数、白蛋白与球蛋白计数比值和胱抑素C；
所述老年脓毒症28天死亡风险预测因子包括如下临床指标：
年龄、是否合并多器官功能障碍综合征、乳酸、PT百分活动度、中性粒细胞百分比和氧合指数。
6.根据权利要求5所述的老年脓毒症28天死亡风险预测方法，其特征在于，所述老年脓毒症患者28天死亡风险预测模型如下：
老年脓毒症患者28天死亡风险概率＝1/(1+exp(-(-6.464498+0.083417*Age+3.668151*MODS+0.330466*Lac-0.024087*PT％-0.060028*NEUT-0.011288*OI)))
其中，exp()函数表示以自然常数e为底的指数函数；Age表示年龄；MODS表示是否合并多器官功能障碍综合征，若是，则MODS的数值为1，若否，则MODS的数值为0；Lac表示乳酸；PT％表示PT百分活动度；NEUT表示中性粒细胞百分比；OI表示氧合指数。
7.根据权利要求4-6任一项所述的老年脓毒症28天死亡风险预测方法，其特征在于，在步骤S3之后，所述方法还包括如下步骤：
S3a，将所述老年脓毒症患者28天死亡样本数据集中各脓毒症患者的老年脓毒症28天死亡风险预测因子对应的临床指标输入至所述老年脓毒症患者28天死亡风险预测模型，得到各脓毒症患者的老年脓毒症患者28天死亡预测概率值；
S3b，依次将所述各脓毒症患者的老年脓毒症患者28天死亡预测概率值中的每一个老年脓毒症患者28天死亡预测概率值作为预设的概率阈值，基于所述各脓毒症患者的老年脓毒症患者28天死亡预测概率值、所述各脓毒症患者的28天死亡判断结果和所述预设的概率阈值计算得到多对敏感度值和特异度值；
S3c，基于所述多对敏感度值和特异度值，采用约登指数计算公式计算老年脓毒症患者28天死亡风险预测最佳临界值，其中，所述老年脓毒症患者28天死亡风险预测最佳临界值为通过所述多对敏感度值和特异度值计算得到的多个约登指数中的最大值；
相应地，步骤S5中，所述基于所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率确定所述待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级包括：
将所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率与所述老年脓毒症患者28天死亡风险预测最佳临界值进行比较；
当所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率小于所述老年脓毒症患者28天死亡风险预测最佳临界值，则将所述待预测的老年脓毒症患者的老年脓毒症患者28天死亡风险等级确定为低风险等级；
当所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率大于或等于所述老年脓毒症患者28天死亡风险预测最佳临界值，则将所述待预测的老年脓毒症患者的老年脓毒症患者28天死亡风险等级确定为高风险等级。
8.一种老年脓毒症28天死亡风险预测装置，其特征在于，所述装置包括：
数据采集模块，用于采集多名年龄大于预设年龄阈值的脓毒症患者的临床指标数据，其中，所述临床指标数据包括患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据，所述患者基本信息、患者确诊脓毒症后24小时内的临床诊疗数据和患者确诊脓毒症后24小时内的临床血液检查数据均包括至少一种临床指标；
数据预处理模块，用于对采集的所述临床指标数据进行预处理，得到老年脓毒症患者28天死亡样本数据集；
风险预测模型构建模块，用于对所述老年脓毒症患者28天死亡样本数据集进行回归分析，得到老年脓毒症患者28天死亡风险预测模型；
风险预测模块，用于将待预测的老年脓毒症患者的24小时内的临床指标数据输入到所述老年脓毒症患者28天死亡风险预测模型，得到所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率；
风险等级确定模块，用于基于所述待预测的老年脓毒症患者确诊脓毒症后28天内发生死亡的概率确定所述待预测的老年脓毒症患者对应的老年脓毒症患者28天死亡风险等级。
9.一种电子设备，其特征在于，包括存储器、处理器以及存储于所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的老年脓毒症28天死亡风险预测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述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实现如权利要求1-7中任一项所述的老年脓毒症28天死亡风险预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410155986.3A CN117976214A (zh) | 2024-02-04 | 2024-02-04 | 一种老年脓毒症28天死亡风险预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410155986.3A CN117976214A (zh) | 2024-02-04 | 2024-02-04 | 一种老年脓毒症28天死亡风险预测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117976214A true CN117976214A (zh) | 2024-05-03 |
Family
ID=90862448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410155986.3A Pending CN117976214A (zh) | 2024-02-04 | 2024-02-04 | 一种老年脓毒症28天死亡风险预测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117976214A (zh) |
-
2024
- 2024-02-04 CN CN202410155986.3A patent/CN117976214A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Calvert et al. | A computational approach to early sepsis detection | |
| Wu et al. | An artificial intelligence approach to early predict non-ST-elevation myocardial infarction patients with chest pain | |
| RU2640568C2 (ru) | Способы и системы для оценки риска рака желудочно-кишечного тракта | |
| Shapiro et al. | The diagnostic accuracy of plasma neutrophil gelatinase–associated lipocalin in the prediction of acute kidney injury in emergency department patients with suspected sepsis | |
| Shapiro et al. | A prospective, multicenter derivation of a biomarker panel to assess risk of organ dysfunction, shock, and death in emergency department patients with suspected sepsis | |
| CN110827993A (zh) | 基于集成学习的早期死亡风险评估模型建立方法及装置 | |
| Arkew et al. | Hematological parameters of type 2 diabetic adult patients at Debre Berhan Referral Hospital, Northeast Ethiopia: A comparative cross-sectional study | |
| Lee et al. | Performance of the Geriatric Nutritional Risk Index in predicting 28-day hospital mortality in older adult patients with sepsis | |
| US20210011005A1 (en) | Systems and methods for evaluating immune response to infection | |
| Schneider et al. | Predicting acute kidney injury among burn patients in the 21st century: a classification and regression tree analysis | |
| CN113327679A (zh) | 一种肺栓塞临床风险及预后评分方法与系统 | |
| Huang et al. | Predicting the hyperglycemic crisis death (PHD) score: a new decision rule for emergency and critical care | |
| CN117976213A (zh) | 一种脓毒症急性肝损伤风险预测方法、装置、设备及存储介质 | |
| Bawore et al. | A pattern of platelet indices as a potential marker for prediction of pre-eclampsia among pregnant women attending a Tertiary Hospital, Ethiopia: A case-control study | |
| Aktar et al. | Predicting patient COVID-19 disease severity by means of statistical and machine learning analysis of blood cell transcriptome data | |
| CN114023433A (zh) | 一种预测急性胰腺炎患者严重程度的早期预测系统 | |
| CN115101199A (zh) | 用于重症老年患者的可解释公平早期死亡风险评估模型、装置、及其建立方法 | |
| CN111341452A (zh) | 多系统萎缩失能预测方法、模型建立方法、装置及设备 | |
| Cao et al. | Construction and evaluation of a risk prediction model for pulmonary infection‐associated acute kidney injury in intensive care units | |
| CN117976214A (zh) | 一种老年脓毒症28天死亡风险预测方法、装置、设备及存储介质 | |
| Du et al. | Predicting the risk of acute kidney injury in patients after percutaneous coronary intervention (PCI) or cardiopulmonary bypass (CPB) surgery: development and assessment of a nomogram prediction model | |
| CN108417267B (zh) | 一种确定肝硬化肝肾综合征患者短期预后的系统 | |
| RU2650212C1 (ru) | Способ оценки гипердиагностики инфаркта миокарда | |
| US20240296959A1 (en) | Assessment of risk for major adverse cardiac event | |
| CN118098593A (zh) | 一种非心脏类普适性住院术后急性肾损伤预警检测系统 |
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 |