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：武汉大学中南医院

摘要：本发明公开了一种诊断肺动脉高压的预测模型、构建方法及应用，收集肺动脉高压患者及对照的超声心动图及检验数据等共计83个变量，通过lasso回归筛选出30个潜在预测变量，进一步Logistic回归筛选出了6个独立预测变量：肺动脉宽度、右心房大小、肺动脉瓣口流速、左室后壁厚度、EE’、平均血小板体积。这些变量构建了肺动脉高压诊断预测模型，通过ROC、机器学习等对模型进行评价验证，均表明模型具有良好预测性能。本发明创新性的提出了肺动脉高压的无创诊断模型，这将为右心漂浮导管检查禁忌症及偏远地区不具备开展右心漂浮导管检查的广大患者提供肺动脉高压诊断的新工具，对疾病的早期诊断治疗及提高生存率具有重要意义。

主权项：1.一种诊断肺动脉高压的预测模型的构建方法，其特征在于：包括如下步骤：S1：收集病例组及对照组的年龄、性别、超声心动图参数信息及检验信息，以病例组及对照组的年龄、性别、超声心动图参数信息及检验信息作为变量，构建样本，得到第一样本集；S2：剔除第一样本集中缺失值过多或者含有异常数据的变量及样本，得到第二样本集；S3：处理及分析第二样本集中的变量数据：分别对第二样本集中病例组和对照组间的变量进行统计分析，筛选出两组间存在差异的变量作为待分析变量，由病例组及对照组的待分析变量构成样本，得到第三样本集；S4：通过Lasso回归在第三样本集中筛选出多个潜在的预测变量，由病例组及对照组的所有预测变量构成样本，组建第四样本集；S5：通过二分类logistic回归在第四样本集中筛选出对结局有影响的关键变量并构建预测模型，所述结局即指是否患有肺动脉高压；所述对结局有影响的关键变量即是最终筛选出的若干独立预测变量；由病例组及对照组的所有关键变量构成样本，组建第五样本集，对第五样本集的关键变量进行统计得到模型参数，并通过列线图进行可视化；S6：通过受试者特征曲线、决策曲线、校准曲线等评价预测模型的临床预测能力；S7：通过随机森林对模型进行验证，并通过SHAP进行具体显示；S8：通过7种机器学习方法：随机森林、逻辑回归树、决策树、梯度提升决策树、轻梯度提升树、极限梯度提升树、支持向量机树，对预测模型进行验证。

全文数据：

权利要求：

百度查询： 武汉大学中南医院 诊断肺动脉高压的预测模型、构建方法及应用