[发明专利]一种用于新冠肺炎患者加重风险预测模型系统

说明书

本发明提供一种用于新冠肺炎患者加重风险预测模型系统，所述系统由以下六个变量联合判断：呼吸困难、潜伏期、年龄、淋巴细胞计数、C反应蛋白和半定量CT评分。对于人群普遍易感，传染性强的新冠肺炎，感染人口基数大，应用新冠肺炎患者加重风险预测模型有利于分流患者，避免过度医疗，利于优化医疗资源的配置。本发明采用的模型变量筛选方法，避免预测模型变量潜在共线性和过度拟合，剔除中间变量，调整混杂变量；本发明应用诺莫图和网络计数平台，便于医疗工作者计数每例新冠肺炎患者加重风险预测值，为新冠肺炎患者的积极精准处理提供参考。

技术领域

本发明属于生物医学技术领域，涉及一种新冠肺炎加重需住院治疗的风险预测模型及网络平台的应用。

背景技术

众所周知，SARS-CoV-2具有高度传染性和易感性，导致高感染率和高流行率。疫情早期的病死率超过7.0%。不同严重程度的临床结局参差不齐，轻度或常见病例往往依靠自身免疫能力恢复，仅需医学观察。然而，大多数重症或危重新冠肺炎患者早期表现为轻微临床症状，从发病到脓毒症的中位时间为10.0d(IQR7.0-14.0)。其中，死亡病例从症状起病到首次就医、症状发作到入院的时间均长于恢复出院的病例。因此，早期积极治疗是有可能改善临床预后的。

因此，及早发现有加重风险需要住院治疗的新冠肺炎病例是最有效的疾病管理方法。已经发表了许多关于新冠肺炎的预测模型，常侧重于诊断和预后，很少有模型被用于预测患者加重而需住院治疗的风险。有研究开发并验证了一个包含24个变量的住院风险预测模型；然而，套索回归（LASSO）筛选出的所有变量都包含在该模型中，有存在过度拟合的风险。此外，这些变量对临床医生来说太复杂了。本发明构建简易的危险预测模型显得尤为重要。在初诊时，通过诺模图和网络计算平台用于计算每个新冠肺炎加重需住院的风险值；临床医生可以根据风险值和当地的医疗情况来确定患者是住院还是仅进行医疗隔离观察。

发明内容

本发明的目的在于提供一种用于新冠肺炎患者加重风险预测模型系统。

为实现上述目的，本发明所提供的技术方案为：一种用于新冠肺炎患者加重风险预测模型系统，由以下六个变量的联合判断：呼吸困难、潜伏期、年龄、淋巴细胞计数、C反应蛋白和半定量CT评分，其中，

上述模型的构建方法包括有以下步骤：

第一步骤：数据获取：从电子病例系统，收集每例有症状的新冠肺炎患者首次就诊时的临床资料，包括临床症状、流行病学资料、人口学资料和试验室影像资料；

第二步骤：变量筛选：应用R软件的glmnet数据包，通过LASSO回归，由于L1惩罚，采用10倍交叉验证，选取λ最小绝对值筛选出回归系数不为0的变量，再利用有向无环和效应改变法筛选最终变量；

第三步骤：预测模型构建：应用R软件rms数据包进行二分类logistic回归开发模型，建立诺莫图直观呈现模型，见附图，DynNom数据包生成网络计数器，见附图；

第四步骤：模型的预后效能评价：应用ROC曲线，根据AUC评价模型的判断能力的准确性，并对比社区获得性肺入院标准模型CURB-65对新冠肺炎入院标准的判断能力；Hosmer- lemeshow法，利用1000个bootstrap重采样进行拟合优度检测，对新冠肺炎住院模型进行内部验证；评估模型预测能力的风险与真实的风险一致性，制作校准曲线；评估模型的临床价值，通过制作决策曲线和临床影响曲线，进行直观显示，了解临床实用价值；

第五步骤：统计分析：使用R软件进行统计分析；统计分析使用的软件包为glmnet、rms、DynNom、pROC、caret和rmda中的一种或多种。

六个变量与其相应回归系数的加权之和构成风险评分进行评估，计算公式为：风险评分=-5.606+（1.376×呼吸困难）+（-0.193×潜伏期）+（0.072×年龄）+（-2.141×淋巴细胞计数）+（0.021×C反应蛋白）+（0.461×半定量CT评分）。