技术特征：
1.一种呼吸支持设备判定预期效果方法，其特征在于，包括步骤：s1、获取使用者的基本体征数据，所述基本体征数据至少包括基本特征、病史特征、检测数据；s2、使用判定网络模型对所述基本体征数据进行综合判定，确定无创治疗预期效果。2.根据权利要求1所述的呼吸支持设备判定预期效果方法，其特征在于，所述判定网络模型通过算法模型进行训练得到，训练步骤如下：s01、收集包括基本体征数据的训练数据并进行标签标定，形成训练数据库；s02、将训练数据库中所有训练数据按照预定比例分为训练集和测试集；s03、使用训练集对所述算法模型进行训练，并通过所述测试集进行测试，得到评估指标；s04、判定评估指标是否大于设定值，若是，则输出得到判定网络模型；若否，则执行步骤s02。3.根据权利要求2所述的呼吸支持设备判定预期效果方法，其特征在于，所述算法模型包括逻辑回归模型、支持向量分类模型、神经网络模型、决策树模型。4.根据权利要求2所述的呼吸支持设备判定预期效果方法，其特征在于，所述标签内容包括无创治疗失败、无创治疗成功和未知结果；在生成所述训练数据库时：分别形成无创治疗失败数据库、无创治疗成功数据库和未知结果数据库。5.根据权利要求4所述的呼吸支持设备判定预期效果方法，其特征在于，针对不同的训练数据库分别执行步骤s02-s04。6.根据权利要求4所述的呼吸支持设备判定预期效果方法，其特征在于，所述无创治疗预期效果为无创治疗失败概率值；所述方法还包括步骤：s3、判定所述无创治疗失败概率值是否大于设定失败阈值，若是，则判定失败风险过高，对外告警；若否，则显示失败概率值。7.根据权利要求1所述的呼吸支持设备判定预期效果方法，其特征在于，所述检测数据包括体温、舒张压、收缩压、呼吸频率、心率、co2分压、o2分压、血液ph值、血氧浓度、吸入气中的氧浓度分数fio2。8.根据权利要求7所述的呼吸支持设备判定预期效果方法，其特征在于，呼吸支持设备实时获取所述检测数据更新值，所述方法还包括：当所述检测数据中任一项数据的变化量大于相应的变化阈值时，执行步骤s1。9.一种计算机可读介质，其特征在于，存储有计算机软件，所述软件被处理器执行时能够实现权利要求1-8任一所述的呼吸支持设备判定预期效果方法。10.一种呼吸支持设备，其特征在于，包括输入模块、处理模块和输出模块；所述处理模块用于结合所述输入模块的输入数据实现权利要求1-8任一所述的呼吸支持设备判定预期效果方法，同时使用所述输出模块输出结果。