[发明专利]一种将多种主要不良心血管事件预测模型融合的集成预测方法

说明书

技术领域

本发明涉及心血管疾病风险评估方面，具体涉及一种将多种主要不良心血管事件预测模型融合的集成预测方法。

背景技术

急性冠脉综合征(ACS,Acute Coronary Syndrome)，作为冠心病中最为严重和急性的一组疾病，是指由于冠状动脉血流量减少导致部分心肌不能正常工作或者死亡而产生的一系列症状。

针对急性冠脉综合征患者进行主要不良心血管事件预测，能够综合多种患者特征，提供一种对患者预后情况的全面评估。评估结果能够(1)指导医生为患者选择合适的病房；(2)辅助医生为患者合理制定药物及有创干预治疗方案，通过更合理的治疗与护理方案，减少患者主要不良心血管事件的发生几率及医疗开支；(3)为患者及其家人提供更多关于可能出现的不良事件的信息，营造更为详尽全面的医疗服务。因此，针对急性冠脉综合征患者的主要不良心血管事件的预测与评估在患者的临床诊断、治疗、护理方面起到了至关重要的作用。

针对急性冠脉综合征患者的主要不良心血管事件预测研究方法主要分为基于队列研究和基于电子病历的研究两种。

最为著名的队列研究项目有：全球急性冠脉综合事件注册评分(GRACE,the Global Registry of Acute Coronary Events)、心肌梗死溶栓治疗疗法指南(TIMI,the Thrombolysis in Myocardial Infarction)和不稳定心绞痛中血小板糖蛋白IIb/IIIa：依替巴肽对受体抑制实验(PURSUIT,the Platelet GlycoproteinIIb/IIIa in Unstable Angina:Receptor Suppression Using Integrilin Therapy)等。

然而，队列研究依然存在许多不足：(1)入组标准使收集到的数据与真实的医疗环境中的患者数据存在差异。(2)模型中包含的风险因子较少，可能导致模型预测性能的退化。(3)随着医学技术的发展，越来越多的潜在风险因素未包含在GRACE、TIMI等现有队列研究模型中。(4)队列研究模型其自身并不能对含有缺失值(Missing Value)的患者进行预测。然而，在实际的临床环境当中，患者记录中含有大量缺失值，限制了模型的使用。

近年来，随着医院信息系统的快速发展，大量的电子病历(EMR,ElectronicMedical Records)数据得以累积。许多研究已经在电子病历数据的基础上，采用先进的机器学习算法构建了针对不同疾病的预测模型。

基于电子病历数据的研究方法相较于传统队列研究有一定的优越性，但依然存在不足之处：由于电子病历数据中不可避免的缺失值、病人不能准确描述自身病情和医生不能准确判断其所观察到的现象产生的数据不确定性(该类数据通常以自由文本形式记录)以及检查检验结果中可能存在一定程度的错误值，导致使用这些数据构建的模型存在不确定性，预测准确率受到影响，甚至会导致模型得出错误的结论。目前在主要不良心血管事件预测领域，尚未有研究针对这一问题进行探究。

此外，尽管近年来针对心血管疾病的各种风险评估模型层出不穷，许多队列模型也已经在实际的临床环境中证明了自己的价值，然而鲜有研究将各个不同的基于队列研究的模型和基于电子病历数据的模型相融合来构建一种综合多位“专家”意见的集成预测模型。

发明内容

本发明的目的在于针对现有技术的不足，提供一种将多种主要不良心血管事件预测模型融合的集成预测方法。解决了现有基于电子病历数据不良事件预测模型不确定性问题，同时实现了将多种基于队列研究模型和基于电子病历数据模型相融合从而构建一种综合多方面“专家”意见的集成预测模型。

本发明所提供的技术方案为：

一种将多种主要不良心血管事件预测模型融合的集成预测方法，所述主要不良心血管事件预测模型包括基于队列研究的模型和基于电子病历研究的模型；所述集成预测方法包括如下步骤：

1)将待融合主要不良心血管事件预测模型的输出结果分别二值化；

2)根据步骤1)中二值化后的待融合主要不良心血管事件预测模型的输出结果，使用粗糙集(Rough Set)理论计算各独立预测模型的权重值；

3)将待融合主要不良心血管事件预测模型的输出结果分别归一化；

4)针对步骤3)中归一化后的待融合主要不良心血管事件预测模型的输出结果，将其最佳分类阈值点格式化为0.5；