多系统萎缩失能预测方法、模型建立方法、装置及设备制造方法及图纸

本发明专利技术涉及一种多系统萎缩失能预测方法、模型建立方法、装置及设备，属于疾病预测技术领域，该方法首次采用多系统萎缩患者的临床特征联合血液学指标作为预测数据，对预测数据特征进行筛选，对筛选出的多个特征采用支持向量机建模，从而实现对多系统萎缩患者失能的精准预测，指导临床医生对患者进行个体化的精准治疗，提高其生活质量，从而改善患者预后。

Prediction method, model establishment method, device and equipment of multi system atrophy and loss of energy

【技术实现步骤摘要】
多系统萎缩失能预测方法、模型建立方法、装置及设备
本专利技术属于疾病预测
，具体涉及一种多系统萎缩失能预测方法、模型建立方法、装置及设备。
技术介绍
多系统萎缩(multiplesystematrophy,MSA)是一种罕见的，进行性进展的神经变性疾病，其特征为帕金森综合征，小脑共济失调及自主神经功能障碍的不同组合。患者从发病到走路需要协助、坐轮椅、卧床及死亡的平均中位时间分别为3，5，8和9年。由于发病率低，该病已被国家列入罕见病目录。该病起病隐匿，进展迅速，生存期短，给患者及其家庭乃至整个社会带来极大的负担。既往对多系统萎缩患者的预后进行研究的文献，主要以死亡作为临床结局指标，构建死亡预测模型。研究发现以植物神经症状起病、起病年龄较晚、频繁跌倒等因素与预后密切相关。但是，现有技术中，尚无对多系统萎缩患者失能进行预测。由于多系统萎缩患者疾病进展迅速，在病程的4-5年就逐渐丧失行动能力而限制于轮椅，失去生活自理能力，严重影响生活质量。因此，建立多系统萎缩失能预测模型显得尤为重要，能够指导临床医生对患者进行个体化的精准治疗，提高其生活质量，改善患者预后。
技术实现思路
为了至少解决现有技术存在的上述问题，本专利技术提供了一种多系统萎缩失能预测方法、模型建立方法、装置及设备。本专利技术提供的技术方案如下：一方面，一种多系统萎缩失能预测模型的构建方法，包括：获取病程在预设时间段的多系统萎缩患者的基本数据，所述基本数据，包括：临床指标数据和血液学指标数据；r>基于预设处理规则，对所述临床指标数据和所述血液学指标数据进行处理，获取目标数据集；根据所述目标数据集、支持向量机算法及预设线性核函数，使用R程序中的kernlab程序包构建多系统萎缩失能的预测模型。可选的，所述基于预设处理规则，对所述临床指标数据和所述血液学指标数据进行处理，获取目标数据集，包括：采用快速眼动期睡眠行为障碍评估量表，对患者群内患者进行评分；采用统一多系统萎缩评估量表，对患者的运动症状进行评估；基于预设直立性低血压评估规则，对患者是否有直立性低血压进行评估。可选的，临床指标包括：年龄、性别、发病年龄、诊断延迟、病程、体重指数、诊断类型、首发症状形式、是否在预设时间段内反复跌倒、是否有锥体束征、是否有喘鸣、是否有严重的鼾声、是否有快速眼动期睡眠行为障碍，统一多系统萎缩评估量表第一部分得分、统一多系统萎缩评估量表第二部分得分、统一多系统萎缩评估量表第四部分得分、统一多系统萎缩评估量表总分、是否有直立性低血压；血液学指标包括：红细胞计数、血红蛋白、红细胞压积、平均红细胞体积、平均红细胞血红蛋白含量、平均红细胞血红蛋白浓度、红细胞分布宽度CV、红细胞分布宽度SD、血小板计数、白细胞计数、中性分叶核粒细胞百分率、淋巴细胞百分率、单核细胞百分率、嗜酸性粒细胞百分率、嗜碱性粒细胞百分率、中性分叶核粒细胞绝对值、淋巴细胞绝对值、单核细胞绝对值、嗜酸细胞绝对值、嗜碱细胞绝对值、总胆红素、直接胆红素、间接胆红素、丙氨酸氨基转移酶、门冬氨酸氨基转移酶、丙氨酸氨基转移酶/门冬氨酸氨基转移酶的比值、总蛋白、白蛋白、球蛋白、白球比例、葡萄糖、尿素、肌酐、血清胱抑素C、尿酸、甘油三酯、胆固醇、高密度脂蛋白、低密度脂蛋白、碱性磷酸酶、谷氨酰转肽酶、肌酸激酶、乳酸脱氢酶、羟丁酸脱氢酶。可选的，所述基于预设处理规则，对所述临床指标数据和所述血液学指标数据进行处理，获取目标数据集，包括：根据性别，对患者性别进行赋值，男性＝1，女性＝0；获取患者的体重指数，体重指数＝体重/身高的平方；根据诊断类型，对患者的诊断类型进行赋值，帕金森症为主型＝1、小脑共济失调为主型＝0；首发症状的形式分为植物神经功能障碍起病＝0；运动症状起病＝1；3年内出现反复发作的跌倒＝1，未出现＝0；有锥体束征＝1，没有＝0；有喘鸣＝1，没有＝0；有严重的鼾声＝1，没有＝0；有快速眼动期睡眠行为障碍＝1，没有＝0；有直立性低血压＝1，没有＝0。可选的，所述预设线性核函数的构建方法，包括：构建核函数：k(xi,xj)＝φ(xi)·φ(xj)；基于松弛变量，创建软间隔，获取分类平面约束条件为：yi(wxi+b)≥1，i＝1,2,…,N；获取软边界目标函数：ξi≥0，i＝1,2,…,N；yi(wxi+b)≥1-ξi，ξi≥0；其中，C为错误惩罚因子；ξ为松弛变量。可选的，支持向量机的的错误惩罚因子C的选择范围为5-8。可选的，还包括：基于Kappa统计量对所述预测模型的准确度进行评估。又一方面，一种多系统萎缩失能预测方法，包括：获取目标多系统萎缩患者的基本数据，所述基本数据，包括：临床指标数据和血液学指标数据；基于预设处理规则，对所述目标数据进行处理，获取目标数据；根据所述目标数据及上述任一所述的多系统萎缩失能预测模型的构建方法建立的模型，预测所述目标多系统萎缩患者的失能情况。又一方面，一种多系统萎缩失能预测模型构建装置，包括：获取模块、处理模块和构建模块；所述获取模块，用于获取病程在预设时间段的多系统萎缩患者的基本数据，所述基本数据，包括：临床指标数据和血液学指标数据；所述处理模块，用于基于预设处理规则，对所述临床指标数据和所述血液学指标数据进行处理，获取目标数据集；所述构建模块，用于根据所述目标数据集、支持向量机算法及预设线性核函数，使用R程序中的kernlab程序包构建多系统萎缩失能的预测模型。又一方面，一种多系统萎缩失能预测设备，包括：处理器，以及与所述处理器相连接的存储器；所述存储器用于存储计算机程序，所述计算机程序至少用于执行上述所述的多系统萎缩失能预测方法；所述处理器用于调用并执行所述存储器中的所述计算机程序。本专利技术的有益效果为：本专利技术提供的多系统萎缩失能预测方法、模型建立方法、装置及设备，首次采用多系统萎缩患者的临床指标联合血液学指标作为预测数据，对预测数据进行特征筛选，对筛选出的多个特征采用支持向量机建模，从而实现对多系统萎缩患者失能的精准预测，从而指导临床医生对患者进行个体化的精准治疗，提高其生活质量，改善患者预后。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，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为本专利技术实施例提供的一种多系统萎缩失能预测模型的构建方法流程示意图；图2为本专利技术实施例提供的一种多系统萎缩失能预测方法流程示意图；图3为本专利技术实施例提供的一种多系统萎缩失能预测模型构建装置结构示意图；图4为本专利技术实施例提供的一种多系统萎缩失能预测设备结构示意图。附图标记：31-获取模块；32-处理模本文档来自技高网...

【技术保护点】
1.一种多系统萎缩失能预测模型的构建方法，其特征在于，包括：/n获取病程在预设时间段的多系统萎缩患者的基本数据，所述基本数据，包括：临床指标数据和血液学指标数据；/n基于预设处理规则，对所述临床指标数据和所述血液学指标数据进行处理，获取目标数据集；/n根据所述目标数据集、支持向量机算法及预设线性核函数，使用R程序中的kernlab程序包构建多系统萎缩失能的预测模型。/n

【技术特征摘要】
1.一种多系统萎缩失能预测模型的构建方法，其特征在于，包括：
获取病程在预设时间段的多系统萎缩患者的基本数据，所述基本数据，包括：临床指标数据和血液学指标数据；
基于预设处理规则，对所述临床指标数据和所述血液学指标数据进行处理，获取目标数据集；
根据所述目标数据集、支持向量机算法及预设线性核函数，使用R程序中的kernlab程序包构建多系统萎缩失能的预测模型。


2.根据权利要求1所述的方法，其特征在于，所述基于预设处理规则，对所述临床指标数据和所述血液学指标数据进行处理，获取目标数据集，包括：
采用快速眼动期睡眠行为障碍评估量表，对患者进行评分；
采用统一多系统萎缩评估量表，对患者的运动症状进行评估；
基于预设直立性低血压评估规则，对患者是否有直立性低血压进行评估。


3.根据权利要求2所述的方法，其特征在于，临床指标包括：年龄、性别、发病年龄、诊断延迟、病程、体重指数、诊断类型、首发症状形式、是否在预设时间段内反复跌倒、是否有锥体束征、是否有喘鸣、是否有严重的鼾声、是否有快速眼动期睡眠行为障碍，统一多系统萎缩评估量表第一部分得分、统一多系统萎缩评估量表第二部分得分、统一多系统萎缩评估量表第四部分得分、统一多系统萎缩评估量表总分、是否有直立性低血压；
血液学指标包括：红细胞计数、血红蛋白、红细胞压积、平均红细胞体积、平均红细胞血红蛋白含量、平均红细胞血红蛋白浓度、红细胞分布宽度CV、红细胞分布宽度SD、血小板计数、白细胞计数、中性分叶核粒细胞百分率、淋巴细胞百分率、单核细胞百分率、嗜酸性粒细胞百分率、嗜碱性粒细胞百分率、中性分叶核粒细胞绝对值、淋巴细胞绝对值、单核细胞绝对值、嗜酸细胞绝对值、嗜碱细胞绝对值、总胆红素、直接胆红素、间接胆红素、丙氨酸氨基转移酶、门冬氨酸氨基转移酶、丙氨酸氨基转移酶/门冬氨酸氨基转移酶的比值、总蛋白、白蛋白、球蛋白、白球比例、葡萄糖、尿素、肌酐、血清胱抑素C、尿酸、甘油三酯、胆固醇、高密度脂蛋白、低密度脂蛋白、碱性磷酸酶、谷氨酰转肽酶、肌酸激酶、乳酸脱氢酶、羟丁酸脱氢酶。


4.根据权利要求3所述的方法，其特征在于，所述基于预设处理规则，对所述临床指标数据和所述血液学指标数据进行处理，获取目标数据集，包括：
根据性别，对患者性别进行赋值，男性＝1，女性＝0；
获取患者的体重指数，体重指数＝体重/身高的平方；
根据诊断类型，对患...

【专利技术属性】
技术研发人员：商慧芳，张灵语，曹蓓，魏倩倩，侯炎冰，赵璧，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：四川;51