【技术实现步骤摘要】
本专利技术涉及生物医学领域，尤其涉及一种用于血栓高危组原发性血小板增多症患者的预后预测模型的建立方法及其应用。
技术介绍
1、原发性血小板增多症是费城染色体阴性骨髓增殖性肿瘤的一个亚型，其特征是巨核细胞系的克隆性增生，导致血小板计数升高。修订版的原发性血小板增多症血栓国际预后评分系统(ipset-thrombosis，revised)是一种用于预测原发性血小板增多症(et)患者血栓风险的评分系统。该模型的建立基于多中心、大规模的临床数据分析，目的是通过整合多个独立的风险因素，预测et患者发生动静脉血栓的风险。
2、该模型的建立过程可以分为以下几个关键步骤：1.数据收集与患者选择：研究人员首先从多个中心收集了大量et患者的临床数据，包括人口学特征、实验室检查结果、治疗方案以及血栓事件的发生情况。原始数据来源包括大规模的前瞻性和回顾性队列研究。通过严格的标准筛选，排除了不符合诊断标准或关键数据缺失的患者。2.确定预测变量：基于既往的研究和临床经验，研究者选择了年龄是否大于60岁、患者是否有动脉或静脉血栓的既往病史、是否携带jak2v617f突变以及心血管风险因素几个已知与et患者血栓风险相关的因素。3.统计分析与风险分层：在建立模型的过程中，研究者通过多变量cox回归模型分析，评估各个预测变量与血栓事件发生之间的独立关联。每个变量根据其对血栓风险的影响被赋予不同的权重或评分。根据分析结果，修订版的ipset-thrombosis将患者划分为以下三类风险等级，低风险：无jak2突变，且年龄≤60岁，无血栓史；中风险：年龄&
3、其中，既往有血栓形成病史的患者约占所有原发性血小板增多症患者总数的20％，并且这一类人群被ipset-thrombosis(修订版)定义为血栓高危组。目前，该类患者群体的临床特征及预后因素尚待明确。因此如果能够基于临床和实验室特征的队列数据，建立一种预测血栓高危组原发性血小板增多症患者的预后概率，将可以为临床精准治疗提供有效手段。
4、先前的研究已提出了原发性血小板增多症患者生存或白血病转化的危险因素，包括白细胞计数升高、贫血和脾肿大。然而，目前尚未有专门针对血栓高危组原发性血小板增多症患者随访数年或数十年的预后风险因素的研究。在这方面，全面评估风险因素对于每位患者的临床管理至关重要，对于制定精准治疗方案具有重要意义，是目前本领域亟待解决的问题之一。
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种用于血栓高危组原发性血小板增多症患者的预后预测模型的建立方法及其应用，通过该方法建立了预后预测模型，生成了动态列线图，该动态列线图综合考量了多个关键预后因素，对血栓高危组原发性血小板增多症患者预后的预测准确性高，为临床实践中的风险评估和个体化治疗提供了有力的支持。
2、为达此目的，本专利技术采用以下技术方案：
3、第一方面，本专利技术提供了一种用于血栓高危组原发性血小板增多症患者的预后预测模型的建立方法，所述建立方法包括以下步骤：
4、(1)纳入原发性血小板增多症患者的病例资料，所述原发性血小板增多症患者既往有血栓形成病史；
5、(2)对患者进行长期随访，收集随访期间的临床数据，所述临床数据包括生存时间、复发或死亡；
6、(3)使用多重插补法处理数据中的缺失值；
7、(4)从现有数据中根据文献和经验筛选出潜在的与疾病预后相关的候选变量，对数值型变量进行标准化或正态化处理；
8、(5)对每个候选变量分别进行单因素cox回归分析，初步评估各变量与生存时间或预后的关系，获取回归系数和显著性水平，回归系数代表变量对事件发生风险的影响，选取显著性水平p值小于0.05的变量，作为进一步多因素回归分析的候选变量；
9、(6)将单因素cox回归分析中筛选出的显著变量纳入多因素cox回归模型，评估这些变量在控制其他因素后的独立预后作用，获取回归系数和显著性水平，回归系数代表每个变量的影响大小，选取显著性水平p值小于0.05的变量；
10、(7)基于cox回归结果，使用dynnom算法生成动态列线图。
11、优选地，步骤(3)所述多重插补法为链式方程的多重插补法。
12、优选地，步骤(3)所述多重插补法插补缺失比例≤20％(例如可以是1％、5％、10％、15％或20％等)。
13、优选地，步骤(4)所述候选变量包括年龄、性别、血细胞计数、白细胞计数、血红蛋白计数、生化参数、腹部彩超脾脏大小、骨髓造血细胞染色体核型或jak2突变中的任意一种或至少两种的组合。
14、优选地，步骤(6)所述显著性水平p值小于0.05的变量包括年龄是否小于60岁、脾脏是否肿大、染色体核型是否正常、白细胞计数和血红蛋白计数中的任意一种或至少两种的组合。
15、优选地，步骤(6)还包括使用aic/bic调整模型。
16、第二方面，本专利技术提供了一种用于血栓高危组原发性血小板增多症患者的预后预测模型，所述预后预测模型采用第一方面所述的建立方法构建获得。
17、优选地，所述预后预测模型包括：
18、数据收集模块：用于纳入原发性血小板增多症患者的病例资料，所述原发性血小板增多症患者既往有血栓形成病史，对患者进行长期随访，收集随访期间的临床数据，所述临床数据包括生存时间、复发或死亡；
19、数据处理模块：用于使用多重插补法处理数据中的缺失值；
20、变量筛选及处理模块：用于从现有数据中根据文献和经验筛选出潜在的与疾病预后相关的候选变量，对数值型变量进行标准化或正态化处理；
21、单因素cox回归分析模块：用于对每个候选变量分别进行单因素cox回归分析，初步评估各变量与生存时间或预后的关系，获取回归系数和显著性水平，回归系数代表变量对事件发生风险的影响，选取显著性水平p值小于0.05的变量，作为进一步多因素回归分析的候选变量；
22、多因素cox回归分析模块：用于将单因素cox回归分析中筛选出的显著变量纳入多因素cox回归模型，评估这些变量在控制其他因素后的独立预后作用，获取回归系数和显著性水平，回归系数代表每个变量的影响大小，选取显著性水平p值小于0.05的变量；
23、模型输出模块：用于基于cox回归结果，使用d本文档来自技高网...
【技术保护点】
1.一种用于血栓高危组原发性血小板增多症患者的预后预测模型的建立方法，其特征在于，所述建立方法包括以下步骤：
2.根据权利要求1所述的建立方法，其特征在于，步骤(3)所述多重插补法为链式方程的多重插补法；
3.根据权利要求1或2所述的建立方法，其特征在于，步骤(4)所述候选变量包括年龄、性别、血细胞计数、白细胞计数、血红蛋白计数、生化参数、腹部彩超脾脏大小、骨髓造血细胞染色体核型或JAK2突变中的任意一种或至少两种的组合。
4.根据权利要求1～3任一项所述的建立方法，其特征在于，步骤(6)所述显著性水平P值小于0.05的变量包括年龄是否小于60岁、脾脏是否肿大、染色体核型是否正常、白细胞计数和血红蛋白计数中的任意一种或至少两种的组合。
5.根据权利要求1～4任一项所述的建立方法，其特征在于，步骤(6)还包括使用AIC/BIC调整模型。
6.一种用于血栓高危组原发性血小板增多症患者的预后预测模型，其特征在于，所述预后预测模型采用权利要求1～5任一项所述的建立方法构建获得。
7.根据权利要求6所述的预后预测模型，
8.根据权利要求6或7所述的预后预测模型，其特征在于，所述多重插补法为链式方程的多重插补法；
9.一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上存储有计算机程序或指令，所述计算机程序或指令被处理器执行时实现权利要求1～5任一项所述的建立方法中的步骤。
10.一种计算机设备，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或指令，所述计算机程序或指令被处理器执行时实现权利要求1～5任一项所述的建立方法中的步骤。
...【技术特征摘要】
1.一种用于血栓高危组原发性血小板增多症患者的预后预测模型的建立方法，其特征在于，所述建立方法包括以下步骤：
2.根据权利要求1所述的建立方法，其特征在于，步骤(3)所述多重插补法为链式方程的多重插补法；
3.根据权利要求1或2所述的建立方法，其特征在于，步骤(4)所述候选变量包括年龄、性别、血细胞计数、白细胞计数、血红蛋白计数、生化参数、腹部彩超脾脏大小、骨髓造血细胞染色体核型或jak2突变中的任意一种或至少两种的组合。
4.根据权利要求1～3任一项所述的建立方法，其特征在于，步骤(6)所述显著性水平p值小于0.05的变量包括年龄是否小于60岁、脾脏是否肿大、染色体核型是否正常、白细胞计数和血红蛋白计数中的任意一种或至少两种的组合。
5.根据权利要求1～4任一项所述的建立方法，其特征在于，步骤(6)...
【专利技术属性】
技术研发人员：张磊，陈佳，付荣凤，孙婷，鞠满凯，董焕，杨仁池，王文天，池颖，
申请(专利权)人：中国医学科学院血液病医院中国医学科学院血液学研究所，
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。