【技术实现步骤摘要】
本专利技术属于计算机，具体涉及一种抑郁症并发代谢综合征的风险预测评估模型构建方法。
技术介绍
1、抑郁症是严重危害人类身心健康的常见病，是精神疾病的总负担的第一位疾病，已成为重大的公共卫生问题。作为抑郁症常见的合并症——代谢综合征的预防远比治疗更能节约医药卫生资源和改善个体的健康状态。由于抑郁症共病代谢综合征的影响因素众多，目前缺乏快速有效的评价抑郁症患者共病代谢综合征危险因素风险比例的方法，导致临床医生难以对患者进行针对性、个体化的指导。
2、贝叶斯网络是一种将有向无环图和贝叶斯概率相结合的机器学习算法，可直观表示多个变量的联合概率分布，处理不完整的数据，适合进行电子病历系统数据挖掘。贝叶斯网络已广泛应用于慢性疾病的风险预测，具有良好的预测性能。尚未查询到基于贝叶斯网络的重度抑郁障碍(mdd)合并代谢综合征的风险预测评价系统。
技术实现思路
1、本专利技术旨在至少在一定程度上解决上述技术问题。为此，本专利技术目的在于提供一种抑郁症并发代谢综合征的风险预测评估模型构建方法。
2、本专利技术所采用的技术方案为：
3、一种抑郁症并发代谢综合征的风险预测评估模型构建方法，包括以下步骤：
4、s1、从电子病历数据库中获取mdd患者数据，根据第一预设条件筛选出符合标准的mdd患者；
5、s2、获取符合标准的mdd患者的协变量数据，通过协变量数据计算得到每个mdd患者的体重指数；
6、s3、筛选出体重指数大于或等于阈值且符
7、s4、对病例组数据和对照组数据进行关联分析，获取相应结果；
8、s5、使用倾向性评分对混杂因素进行匹配，利用贝叶斯网络学习进行结构学习和参数学习，按照贝叶斯网络分析步骤建立风险预测评估模型。
9、优选地，所述协变量数据包括人口统计信息、临床信息和生化信息；
10、人口统计信息包括年龄、性别、婚姻状况和受教育程度；
11、临床信息包括精神疾病家族史、mdd住院次数、入院时的临床诊断、当前入院日期和当前出院日期；
12、生化信息包括身高、体重、血压、空腹血糖、甘油三酯、总胆固醇、高密度脂蛋白胆固醇。
13、优选地，所述生化信息使用第一次和最后一次测量的平均值。
14、优选地，所述阈值为23.9kg/m2。
15、优选地，所述步骤s4包括：
16、使用卡方检验比较病例组患者和对照组患者的协变量数据的差异；使用倾向性评分匹配减少参与者的选择偏差；采用二元逻辑回归模型研究倾向性评分匹配前后mdd患者的协变量数据和体重指数之间的关系；计算比值比和95％置信区间。
17、优选地，所述病例组患者和对照组患者按年龄和性别1:1匹配。
18、本专利技术的有益效果为：
19、本专利技术所提供的一种抑郁症并发代谢综合征的风险预测评估模型构建方法，通过机器学习算法深入挖掘影响抑郁症患者合并代谢综合征的影响因素，利用贝叶斯网络模型设计形成一个抑郁症并发代谢综合征的风险预测评估模型，通过该风险预测评估模型能够准确评价不同特征抑郁症患者合并代谢综合征的风险大小，解决了目前缺乏科学可量化的抑郁症合并代谢综合征风险评估工具的困境。其在临床上能够实现早期筛查干预，有效预防或延缓代谢综合征发生；此外，基于本专利技术可开发面向不同特殊人群的个性化抑郁症并发代谢综合征风险评估工具，具备较为广阔的应用前景。
本文档来自技高网...【技术保护点】
1.一种抑郁症并发代谢综合征的风险预测评估模型构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的风险预测评估模型构建方法，其特征在于：所述协变量数据包括人口统计信息、临床信息和生化信息；
3.根据权利要求2所述的风险预测评估模型构建方法，其特征在于：所述生化信息使用第一次和最后一次测量的平均值。
4.根据权利要求1所述的风险预测评估模型构建方法，其特征在于：所述阈值为23.9kg/m2。
5.根据权利要求1所述的风险预测评估模型构建方法，其特征在于，所述步骤S4包括：
6.根据权利要求5所述的风险预测评估模型构建方法，其特征在于：所述病例组患者和对照组患者按年龄和性别1:1匹配。
【技术特征摘要】
1.一种抑郁症并发代谢综合征的风险预测评估模型构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的风险预测评估模型构建方法，其特征在于：所述协变量数据包括人口统计信息、临床信息和生化信息；
3.根据权利要求2所述的风险预测评估模型构建方法，其特征在于：所述生化信息使用第一次和最后一次测量的平均值...
【专利技术属性】
技术研发人员：王刚，齐涵，闫芳，刘瑞，翟倩，杨健，董程程，
申请(专利权)人：首都医科大学附属北京安定医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。