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：复旦大学附属中山医院

摘要：本发明提出一种住院患者高钾血症预测方法、装置、设备及存储介质，通过将贝叶斯网络模型应用于构建高钾血症预测模型和风险分级系统，并采用可解释性SHAP算法评估各预测变量对高钾血症相对危险度的贡献值，协助临床医生在住院时尽早识别出高钾血症发生的高风险人群，实现高钾血症发生风险预测，进一步提高高钾血症高风险人群的早期识别效率，尽早采取保护措施，预防高钾血症的发生，解决了现有技术中高钾血症难以早期准确预测的技术问题。

主权项：1.一种住院患者高钾血症预测方法，其特征在于，包括以下步骤：对住院患者的历史病历信息的进行数据预处理得到临床大数据信息，对临床大数据信息进行特征数据标准化处理得到预测变量以及相对应的预测变量特征，根据预测变量数据分类表对预测变量进行分类变量转换，得到预测变量以及相对应的分类赋值；结合高钾血症定义，对预测变量进行高钾血症诊断定义，并结合分类赋值比较预测变量不同水平下高钾血症的发生率差异，以及预测变量预测高钾血症的AUC值，筛选出构建模型变量、构建模型变量训练集和构建模型变量验证集，并评价构建模型变量与高钾血症发生的关联得到关联变量；根据关联变量、关联变量之间的交互作用以及交互作用下对模型高钾血症发生率的影响，建立高钾血症贝叶斯网络模型；将构建模型变量训练集和构建模型变量验证集输入至高钾血症贝叶斯网络模型，生成训练工作特征曲线图和验证工作特征曲线图，并计算相对应的AUC面积从而进行高钾血症贝叶斯网络模型准确度判断，进而得到训练后的高钾血症贝叶斯网络模型；获取待预测患者病历信息中关联变量相对应的变量数据，将变量数据输入至训练后的高钾血症贝叶斯网络模型进行风险预测，得到待预测患者相对应的高钾血症发生率和模型平均高钾血症发生率，进而计算相对危险度；调用机器学习解释性工具SHAP算法，结合相对危险度解析待预测患者相对应的高钾血症发生率得到SHAP值，通过SHAP值确定待预测患者病历信息中关联变量对相对危险度的贡献度；根据待预测患者相对应的高钾血症发生率、相对危险度和贡献度生成最终高钾血症风险预测结果；根据贡献度和预设变量权重，对训练后的高钾血症贝叶斯网络模型进行迭代更新。

全文数据：

权利要求：

百度查询： 复旦大学附属中山医院 一种住院患者高钾血症预测方法、装置、设备及存储介质