[发明专利]ACS风险预测方法、装置和存储介质

说明书

本发明公开了一种ACS风险预测方法，包括，获得ACS患者的包括病历、检查、检验和/或手术诊疗数据；将获得的诊疗数据输入经过训练的ACS风险预测模型，根据预测结果指导后续措施和治疗。用于训练所述ACS风险预测模型的患者样本包括入院诊断为急性心肌梗死、急性冠脉综合征、不稳定心绞痛的患者，其中，急性心肌梗死包括急性ST段抬高型心肌梗死、急性非ST段抬高型心肌梗死，患者样本中排除了关键指标缺失率高、电子病历数据遗失或中途转诊的患者。

技术领域

本发明属于医疗检测设备技术领域，特别涉及一种ACS风险预测方法、装置和存储介质。

背景技术

急性冠脉综合征(ACS)是指冠状动脉发生病变，引起供血区域出现缺血，引起的一组临床表现综合征。它是冠心病的重要类型之一，主要包括急性ST段抬高型心肌梗死(STEMI)、急性非ST段抬高型心肌梗死(NSTEMI)和不稳定性心绞痛，可导致心律失常、心力衰竭甚至死亡，严重影响患者的生活质量和寿命。

全球急性冠脉事件注册(Global Registryof Acute Coronary Events,GRACE)研究显示，急性冠脉综合征(Acute CoronarySyndrome,ACS)患者1年死亡率约为15％，5年累积死亡率高达20％。中国的急性心肌梗死(AMI)死亡率在2002至2018年间总体呈上升态势，2018年农村和城市居民死亡率分别为78.47/10万和62.33/10万。由于此类疾病的死亡风险居高不下，寻找合适的方法降低其死亡风险的发生已经迫在眉睫。

发明内容

本发明实施例之一，一种ACS风险预测装置，所述装置包括存储器；以及

耦合到所述存储器的处理器，该处理器被配置为执行存储在所述存储器中的指令，所述处理器执行以下操作：

获得ACS患者的包括病历、检查、检验和/或手术诊疗数据；

将获得的诊疗数据输入经过训练的ACS风险预测模型，根据预测结果指导后续措施和治疗。

所述ACS风险预测模型对于危险因素的特征选择算法基于logistic回归分析、弹性网络回归算法、随机森林算法、XGboost算法中的一种或者任意组合。

本发明实施例是在收集真实诊疗环境下明确诊断为急性冠脉综合征患者相关医疗数据的基础上，实现了一种根据模型预测ACS患者住院期间发生风险的医学分析设备。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1根据本发明实施例之一的ACS风险预测模型构建方法流程示意图。

具体实施方式

目前在权威文献中，对于急性冠脉综合征患者的危险分层模型包括GRACE(GlobalRegistry of Acute Coronary Events)评分、TIMI(Thrombolysis in MyocardialInfarction)危险评分、PURSUIT评分以及来自中国人群的CAMI-NSTEMI评分。

针对冠脉综合征的GRACE评分，由于构建的时间较早，已经与当前患者的临床特点及诊疗模式有较大差异。TIMI和PURSUIT评分是基于临床试验数据构建的，有较为严格的纳入和排除标准，在真实世界诊疗环境下的急性冠脉综合征患者中应用的预测性能不高，且TIMI评分构建时未纳入中国患者。而基于中国人群构建的CAMI-NSTEMI评分只针对NSTEMI患者，并且CAMI-NSTEMI评分未纳入与急性心肌梗死预后相关的肌钙蛋白以及新的生物标志物如高敏C反应蛋白、B型脑钠肽等。并且既往研究纳入的预测指标中实验室检验指标均为入院时的基线值，未考虑指标变化对院内死亡结局的影响。