申请/专利权人：复旦大学附属中山医院

申请日：2024-03-13

公开（公告）日：2024-06-28

公开（公告）号：CN118262880A

主分类号：G16H40/20

分类号：G16H40/20;G16H10/60;G16H50/70;G06N5/048

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明属于医疗数据分析领域，涉及一种基于数据与专家经验量化的围术期优化方法，具体涉及一种基于Boruta特征筛选融合模糊层次分析法的院前识别与分流方法。为了解决目前基于数据和经验进行院前识别与分流的方法较为缺乏的问题，本发明通过采集入院前患者填写的术前预评估量表信息结合个人信息、诊断及手术操作信息，对术后并发症产生的关联进行数据挖掘，采用Boruta特征筛选策略，选取与术后风险相关性最高的多个特征，经由专家对特征相对重要程度进行判定，利用模糊层次分析法计算特征与分流选项权重，实现院前分流介入决策支持，使得基于数据与专家经验量化的院前识别与分流流程更为准确合理、具有可解释性、实用性强。

主权项：1.一种基于Boruta特征筛选融合模糊层次分析法的院前识别与分流方法，其特征在于，包括以下步骤：S1.针对手术患者并发症发生风险创建术前预评估量表，采集入院患者自填信息，并连接医院信息系统，采集患者相应人口统计学信息、诊断与手术操作信息、术后并发症发生信息；S2.对步骤S1采集的数据进行预处理，获得特征变量；S3.对步骤S2得到的特征变量进行随机排列扩展，选取集成树模型对扩展后的数据进行特征重要性分析，利用Boruta特征筛选策略得到针对术后并发症发生重要性最高的m个特征{C1，C2，...，Cm}；S4.确定院前介入的n个分流选项{A1，A2，...，An}，针对步骤S3中筛选得到的m个特征之间、以及基于每个特征条件下n个分流选项之间的相对重要程度进行判断，构建语义变量与形式为vlow，vmedium，vhigh的三角形式模糊值的映射关系，形成成对比较矩阵，包括特征成对比较矩阵以及基于特征条件下分流选项成对比较矩阵其中：0≤vlow≤vmedium≤vhigh；特征成对比较矩阵以及基于特征条件下分流选项成对比较矩阵的每个元素均为三角形式模糊值，即表示特征成对比较矩阵的i，j元素的三角形式模糊值；表示成对比较矩的j，k元素的三角形式模糊值；S5.根据成对比较矩阵，计算特征权重区间以及基于特征i的分流选项权重区间并整合得到特征分流选项权重区间S6.根据步骤S3得到的m个特征，针对入院患者特征值，结合步骤S5得到的特征分流选项权重区间，计算得到分流选项整体权重区间设置置信度切分值αcut，得到分流选项整体权重置信表示以及最终分流选项整体权重S7.根据步骤S6中得到的最终分流选项整体权重，选取权重最高的分流选项并给出分流决策支持结果。

全文数据：

权利要求：

百度查询： 复旦大学附属中山医院 基于Boruta特征筛选融合模糊层次分析法的院前识别与分流方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD