[发明专利]一种腹部手术后患者延迟进食风险预测模型的训练方法、预测系统及介质

权利要求书

1.一种腹部手术后患者延迟进食风险预测模型的训练方法，其特征在于，包括以下步骤：

S131采集腹部手术术后患者信息，构建数据库，所述信息包括基础信息和围术期治疗信息；

S132筛除S131采集的数据中重要信息不全的部分后，对数据进行缺失值处理和异常值处理；

S133对S132处理后的患者数据进行标准化处理，得到术后进食延迟风险预测相关信息表达变量矩阵；

S134根据患者对术后进食是否延迟，对延迟风险预测相关信息表达变量矩阵进行单因素分析，初步确定变量；

S135对S134确定的变量进行多因素分析，构建腹部手术后进食延迟风险预测的初步模型，收集患者出院后相关数据，通过机器学习对初步模型进行完善训练，得到腹部手术后患者进食延迟风险预测模型。

2.根据权利要求1所述的训练方法，其特征在于，步骤S132所述缺失值处理是将患者数据缺省率大于50％的患者数据删除，剩余患者数据中的缺省值以所有数据的中位数或均值填充。

3.根据权利要求1所述的训练方法，其特征在于，步骤S132所述异常值处理是以SPSS软件处理缺失值处理后的患者数据，剔除其中异常范围大于0.5％的患者数据。

4.根据权利要求1所述的训练方法，其特征在于，步骤S133所述标准化处理是将每个分类变量按“是”或“否”临界值分为两组，将每个连续变量按“是”或“否”超过界值分为两组。

5.根据权利要求1所述的训练方法，其特征在于，步骤S134所述单因素分析的方法为卡方检测法，步骤S135所述多因素分析的方法及机器学习方法为Logistic回归分析法。

6.根据权利要求1-5任意一项所述的训练方法，其特征在于，步骤S134确定的与腹部手术后患者进食延迟有关的变量包括患者个人基本信息、营养状况、术前疾病严重程度、既往疾病史与手术史和围术期诊疗相关医学资料中的一种或多种；更有选的包括年龄、术前体重丢失量、患有上消化道疾病、既往腹部手术史、既往糖尿病史、术中吻合器吻合、术中输血量、全身联合硬脊膜麻醉、开放手术、术中出血量、术后第1天非胶体补液量、术后第1天人血白蛋白使用量、术后第2天非胶体补液量、术后第2天人血白蛋白使用量、术后地佐辛镇痛使用量和术后使用肠外营养中的一种或多种。

7.一种腹部手术后患者延迟进食风险预测系统，其特征在于，包括数据收集模块、风险预测模块、风险程度分级模块和输出模块；

所述风险预测模块采用按照权利要求1-6任意一项所述训练方法构建得到的预测模型。

8.根据权利要求7所述的系统，其特征在于，所述系统还包括机器学习模块和临床结果输入模块；

临床结果输入模块用于接收预测患者的临床结果，并将结果数据输入机器学习模块；

机器学习模块对利用患者临床结果及其相关数据对风险预测模块中的预测模型进行校正。

9.根据权利要求8所述的系统，其特征在于，风险预测模块采用下述预测模型作为启动模型：

腹部手术后患者进食延迟风险＝0.6275×age+0.5043×upper+0.6332×open+1.1427×day2crystal+1.2154×parental+0.6323×staple，

其中，age表示年龄，年龄≥65岁的记为“1”，年龄＜65岁的记为“0”；

upper表示上消化道疾病，患有上消化道疾病的记为“1”，未患有上消化道疾病的记为“0”；

open表示手术形式，进行开放手术的记为“1”，非开放手术记为“0”；

day2crystal表示术后第2天非胶体补液量，术后第2天非胶体补液量＞2410mL的记为“1”，术后第2天非胶体补液量≤2410mL的记为“0”；

parental表示术后使用肠外营养，术后使用肠外营养的记为“1”，术后未使用肠外营养的记为“0”；

staple表示术中吻合方式，术中吻合器吻合的记为“1”，术中非吻合器吻合的记为“0”。

10.一种包含计算机指令的计算机可读储存介质，其特征在于，所述计算机指令被处理器执行时，完成权利要求1-6任意一项所述的方法或执行权利要求7-9所述的系统。