买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军联勤保障部队第九二〇医院

摘要：本发明提供了3个主要基于药物使用情况抗心力衰竭和其他辅助治疗的用于预测入住ICU的重症心力衰竭患者出院后易损期内生存概率模型，模型1是传统Cox比例风险模型Coxproportional‑hazardsmodel，CoxPH，模型2是基于自举法Bootstrap原理的随机生存森林模型RandomSurvivalForests，RSF，模型3是通过添加可自定义的多个隐藏层来改变网络结构的深度学习生存模型DeepLearningSurvivalPrediction，DeepSurv。本发明首次使用药物治疗信息作为主要预测因子构建预测模型，其具备易于获取、适用范围更广、预测性能更稳定等优势，有广阔的临床应用前景。此外，采用BrowserServer浏览器服务器结构进行交互，使用者可依据患者自身条件合理选择适用的模型，从而便捷、高效地为重症心力衰竭患者提供准确的预后评估，改善患者生活质量。

主权项：1.一种基于药物暴露的重症心力衰竭患者易损期内生存预测模型的建立方法，其特征在于，包括以下步骤：1从不同医疗中心数据库中收集重症心力衰竭患者住院治疗期间的提取以下信息：人口统计学信息、住院时长、住ICU时长、ICU内部分记录、合并症、其他治疗措施、药物治疗信息。其中患者基本临床信息、药物治疗信息和预后随访情况组成构建模型的原始样本集；2对原始数据进行初步加工、处理后，根据各个指标的缺失情况进行插补，随后进行归一化处理，去除量纲影响，从而减小数据的误差和偏差。3数据划分：预处理完成后的数据集被分为训练集70％、内部验证集30％和两个外部验证集A、B；4特征选择：临床研究数据中通常包含大量的自变量，而其中只有一部分与目标变量相关。为了消除不必要的干扰，提高模型的准确性和稳定性，需要通过变量筛选来选择对目标结局有较大影响的自变量作为预测因子。在排除变量间的强相关性后，分别进行先单后多Cox分析和LASSO回归分析作为变量纳入参考；5模型构建：CoxPH算法因其计算能力有限，筛选有效的变量进入模型不仅有助于提高模型的准确性与稳定性，还能节省大量的计算资源，故选用筛选后的变量进行构建；RSF和DeepSurv算法比常规的算法具有更强的计算能力，可用于拟合高维度、非线性的统计关系，故可使用的全部变量特征均被纳入，并使用随机搜索进行超参数调优，根据AUC指标评价结果选择最优参数并建立最优模型；6模型验证：在内部和外部验证集中对模型的区分度、校准度、临床决策能力进行验证并可视化30天、60天、90天的预测性能；7变量重要性分析：明确变量对结局预测的贡献，对模型合理性进一步确证。

全文数据：

权利要求：

百度查询： 中国人民解放军联勤保障部队第九二〇医院 一种基于药物暴露的重症心力衰竭患者易损期内生存预测模型及其建立方法和应用