[发明专利]一种感染COVID-19患者预后风险程度的早期预测方法和系统

说明书

本发明公开了一种感染COVID‑19患者预后风险程度的早期预测的方法及系统。本发明的方法和系统基于COVID‑19患者的入院信息及其动态变化，建立了感染COVID‑19患者预后风险程度的早期预测模型，该预测模型可以为重要的危重患者的早期识别提供重要的风险指标，从而能够在报告病例增加和医疗资源短缺的流行期间，更准确、更快地识别严重的COVID‑19病例，提升患者治疗效果。

技术领域

本发明属于医学领域，特别涉及一种感染COVID-19患者预后风险程度的早期预测的方法及系统。

背景技术

新型冠状病毒肺炎(COVID-19)是由2019新型冠状病毒(2019novel coronavirus，2019-nCoV)所导致，其具有传播速度快、临床症状不典型等特征。冠状病毒是一个大型病毒家族，已知可引起感冒以及中东呼吸综合征(MERS)和严重急性呼吸综合征(SARS)等较严重疾病。新型冠状病毒是以前从未在人体中发现的冠状病毒新毒株。

当感染了冠状病毒后，常见体征有呼吸道症状、发热、咳嗽、气促和呼吸困难等。但在较严重病例中，感染可导致肺炎、严重急性呼吸综合征、肾衰竭，甚至死亡。由于对于新型冠状病毒所致疾病没有特异治疗方法，只能根据患者临床情况进行治疗，但在治疗过程中，会有大约10％到15％的轻中症患者会发展为重症患者，而15％到20％的重症患者会发展为危重症患者，需要将治疗方法进行及时调整。

目前，对于新型冠状病毒肺炎的相关预测研究方法主要为传统预测传染病的数学模型和方法体系，如传统方法、传播动力学模型以及多元统计,传统方法主要指回归方法、灰色模型、时间序列模型以及马尔科夫模型等,传播动力学模型的经典形式是SIS模型和SIR模型,多元统计如维度缩减、联合建模和向量累积等方法近年来也运用较多。但相关研究的主要目标为对新型冠状病毒肺炎感染人群数量进行预测，很少关注于新型冠状病毒肺炎的感染个体的发展趋势。

因此，通过对新型冠状病毒肺炎的感染个体的发展趋势进行研究，将可能发展为重症患者或危重症患者的新型冠状病毒肺炎的感染个体判断出来，进行更有针对性的治疗，以实现提高对新型冠状病毒肺炎患者有效治治愈具有重要意义，也是本领域技术人员的研究热点。

发明内容

本发明的目的是针对现在新型冠状病毒肺炎的现状，提供一种感染COVID-19患者预后风险程度的早期预测方法及系统。

为了实现上述目的，本发明采用以下技术方案：一种感染COVID-19患者预后风险程度的早期预测系统，包括：

获取模块，用于获取COVID-19患者的特征预测变量信息；

预测模块，用于基于所述的COVID-19患者的特征预测变量信息，根据感染COVID-19患者预后风险程度的早期预测模型，确定所述COVID-19患者的预后风险程度的早期预测结果；

所述特征预测变量信息为患者的临床变量信息，至少包括以下信息中的一条：人口统计学特征、疾病史、症状和体征、临床检测、CT检测结果、指标变化；

所述早期预测模型为XGBoot模型。

进一步的，还包括训练模块，用于采用多名患者的特征预测变量信息及其预后信息训练初始模型获得早期预测模型。

进一步的，训练模块基于ROC曲线和数据丢失率初步选择患者的特征预测变量，所述筛选原则为：ROC曲线的AUC值大于0.6，并且数据丢失率小于50％。

进一步的，初始模型为XGBoot模型，训练初始模型时，根据患者的特征预测变量对初始模型的权重值，最终确定早期预测模型的输入特征变量，所述输入特征变量包括血氧饱和度、外周白细胞计数、收缩压变化、心率、肺多发小斑片影和年龄。