放射性皮肤溃疡严重程度评估量表的信度检测方法及系统与流程

本发明属于评估量表的信度检测，更具体地，涉及放射性皮肤溃疡严重程度评估量表的信度检测方法及系统。

背景技术：

1、放射性皮炎(radiodermatitis，rd)是恶性肿瘤放疗(radiation therapy，rt)常见且严重并发症之一，尤其是确诊肉瘤、乳腺癌、肛门癌、外阴癌和头颈癌后接受放射治疗的患者最常见的副作用之一。根据国际癌症研究机构发布的全球癌症2018数据库，新发癌症病例1810万，癌症死亡病例960万，约50％的癌症患者接受放射治疗，95％以上恶性肿瘤放疗患者在放疗过程中都会发生rd。其特点分为急性和晚期皮肤效应。前者发生在rt的前90天内，后者在治疗后数月至数年内表现。急性rd表现为红斑、湿性脱屑、浆液渗漏。长期皮肤效应是进行性的，通常是不可逆的，可能包括皮肤纤维化、毛细血管扩张和色素沉着过度或不足。这些皮肤改变可能会显著降低患者的生活质量(quality of life,qol)。放射性皮肤溃疡的产生对患者的生活质量及肿瘤治疗进程均有很大影响，尤其对被迫暂停放射治疗的肿瘤患者，可能导致肿瘤的治疗不彻底，甚至复发。

2、尽管目前有许多不同治疗rd的策略，但是对于如何判断临床常用的放射性皮炎分级标准在过去5年基本保持不变，金标准还未建立。最广泛使用的分级量表有(1)国家癌症研究所(national cancer institute)的不良事件通用术语标准(common terminologycriteria for adverse events,ctcae)5.0版，用于急性放射性皮炎的分类；(2)放射治疗肿瘤学小组(rtog)/欧洲癌症研究与治疗组织(eortc)量表(the radiation therapyoncology group,rtog/european organization for research and treatment ofcancer,eortc)，或(3)late effects normal tissue task force/subjective,objective,management,and analytic(lent/soma)scale，用于慢性放射性皮炎的分类。

3、这些评分标准涵盖了放射性皮肤损伤的所有类别，ctcae和rtog工具评估急性辐射损伤的范围从0到5，增量为1。这些大的增量通常无法捕捉细微但重要的皮肤变化。将所有的放射性皮肤溃疡(radiation-induced skin ulcers,rsu)均归为第(2)和(3)类，对不同严重程度放射性溃疡的治疗及预后判断也缺乏指导意义，而且评价标准仅描述了创面的宏观表现，rtog/eortc对皮肤毛发组织变化有所描述，lent/soma对疼痛有所涉及，对其他影响放射性皮肤溃疡严重程度的重要因素并未提及。因此，针对放射性皮肤溃疡，目前国际上尚缺乏相关临床专家共识或临床诊疗指南。

技术实现思路

1、为解决以上技术问题，本发明提出一种放射性皮肤溃疡严重程度评估量表的信度检测方法，包括：

2、获取评估量表集合和信度种类集合，按照所述信度种类集合，计算评估表集合中每个评估量表的信度值，并分别计算与信度种类相对应的每个所述评估量表的信度误差，其中，所述评估量表集合中每个评估量表与所述信度种类集合中的信度种类一一对应，所述信度种类包括：重测信度、评分者间信度和内部一致性信度；

3、根据每个所述评估量表与所述信度种类集合中的所述信度种类，设置信度检测模型，通过蚁群算法，将所述信度检测模型作为目标函数，得到所述评估量表的最优的信度种类组合，根据所述最优的信度种类组合对评估量表的信度进行检测。

4、进一步的，所述信度检测模型为：

5、

6、n为评估量表集合中评估量表的个数，sij为第i个评估量表的第j个信度种类的信度，ei为第i个评估量表的信度误差，wi为第i个评估量表的权重；由于我们希望信度最高，所以将信度检测模型的值取负数。

7、进一步的，评估量表的权重为评估量表的信度误差的倒数。

8、进一步的，通过最小化所述信度检测模型，对每个所述评估量表的信度值进行拟合，使得拟合后的每个所述评估量表的信度值最大。

9、进一步的，还包括：设置蚁群算法的收敛条件，当与所述每个评估量表对应的所述信度种类的信度值达到所述收敛条件时，返回所述评估量表的最优的信度种类组合。

10、本发明还提出一种放射性皮肤溃疡严重程度评估量表的信度检测系统，包括：

11、获取信度值模块，用于获取评估量表集合和信度种类集合，按照所述信度种类集合，计算评估表集合中每个评估量表的信度值，并分别计算与信度种类相对应的每个所述评估量表的信度误差，其中，所述评估量表集合中每个评估量表与所述信度种类集合中的信度种类一一对应，所述信度种类包括：重测信度、评分者间信度和内部一致性信度；

12、设置模型模块，用于根据每个所述评估量表与所述信度种类集合中的所述信度种类，设置信度检测模型，通过蚁群算法，将所述信度检测模型作为目标函数，得到所述评估量表的最优的信度种类组合，根据所述最优的信度种类组合对评估量表的信度进行检测。

13、进一步的，所述信度检测模型为：

14、

15、n为评估量表集合中评估量表的个数，sij为第i个评估量表的第j个信度种类的信度，ei为第i个评估量表的信度误差，wi为第i个评估量表的权重；由于我们希望信度最高，所以将信度检测模型的值取负数。

16、进一步的，评估量表的权重为评估量表的信度误差的倒数。

17、进一步的，通过最小化所述信度检测模型，对每个所述评估量表的信度值进行拟合，使得拟合后的每个所述评估量表的信度值最大。

18、进一步的，还包括：设置蚁群算法的收敛条件，当与所述每个评估量表对应的所述信度种类的信度值达到所述收敛条件时，返回所述评估量表的最优的信度种类组合。

19、总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

20、本发明通过获取评估量表集合和信度种类集合，按照所述信度种类集合，计算评估表集合中每个评估量表的信度值，并分别计算与信度种类相对应的每个所述评估量表的信度误差，其中，所述评估量表集合中每个评估量表与所述信度种类集合中的信度种类一一对应，所述信度种类包括：重测信度、评分者间信度和内部一致性信度；并根据每个所述评估量表与所述信度种类集合中的所述信度种类，设置信度检测模型，通过蚁群算法，将所述信度检测模型作为目标函数，得到所述评估量表的最优的信度种类组合，根据所述最优的信度种类组合对评估量表的信度进行检测，使信度检测的结果最为准确。

技术特征：

1.一种放射性皮肤溃疡严重程度评估量表的信度检测方法，其特征在于，包括：

2.如权利要求1所述的一种放射性皮肤溃疡严重程度评估量表的信度检测方法，其特征在于，所述信度检测模型为：

3.如权利要求2所述的一种放射性皮肤溃疡严重程度评估量表的信度检测方法，其特征在于，评估量表的权重为评估量表的信度误差的倒数。

4.如权利要求1所述的一种放射性皮肤溃疡严重程度评估量表的信度检测方法，其特征在于，通过最小化所述信度检测模型，对每个所述评估量表的信度值进行拟合，使得拟合后的每个所述评估量表的信度值最大。

5.如权利要求1所述的一种放射性皮肤溃疡严重程度评估量表的信度检测方法，其特征在于，还包括：设置蚁群算法的收敛条件，当与所述每个评估量表对应的所述信度种类的信度值达到所述收敛条件时，返回所述评估量表的最优的信度种类组合。

6.一种放射性皮肤溃疡严重程度评估量表的信度检测系统，其特征在于，包括：

7.如权利要求6所述的一种放射性皮肤溃疡严重程度评估量表的信度检测系统，其特征在于，所述信度检测模型为：

8.如权利要求7所述的一种放射性皮肤溃疡严重程度评估量表的信度检测系统，其特征在于，评估量表的权重为评估量表的信度误差的倒数。

9.如权利要求6所述的一种放射性皮肤溃疡严重程度评估量表的信度检测系统，其特征在于，通过最小化所述信度检测模型，对每个所述评估量表的信度值进行拟合，使得拟合后的每个所述评估量表的信度值最大。

10.如权利要求6所述的一种放射性皮肤溃疡严重程度评估量表的信度检测系统，其特征在于，还包括：设置蚁群算法的收敛条件，当与所述每个评估量表对应的所述信度种类的信度值达到所述收敛条件时，返回所述评估量表的最优的信度种类组合。

技术总结
本发明公开了一种放射性皮肤溃疡严重程度评估量表的信度检测方法及系统，该方法包括：获取评估量表集合和信度种类集合，按照所述信度种类集合，计算评估表集合中每个评估量表的信度值，并分别计算与信度种类相对应的每个所述评估量表的信度误差，其中，所述评估量表集合中每个评估量表与所述信度种类集合中的信度种类一一对应，所述信度种类包括：重测信度、评分者间信度和内部一致性信度；根据每个所述评估量表与所述信度种类集合中的所述信度种类，设置信度检测模型，通过蚁群算法，将所述信度检测模型作为目标函数，得到所述评估量表的最优的信度种类组合，根据所述最优的信度种类组合对评估量表的信度进行检测。

技术研发人员：谢卫国,杨飞,席毛毛,朱梦悦
受保护的技术使用者：武汉市第三医院
技术研发日：
技术公布日：2024/1/14