一种急性肾损伤患者早期预后预测模型及其建立方法

本发明涉及临床医学，具体涉及一种急性肾损伤患者早期预后预测模型及其建立方法。

背景技术：

1、急性肾损伤(acute kidney injury,aki)是临床上的严重问题，其发生率和病死率逐年上升。全球范围内急性肾损伤的发病率逐年上升，每年新增患者人数超过1300万，且病死率高达15％以上。急性肾损伤患者通常表现为急性肾功能下降，其不良预后对患者的生存和生活质量造成了巨大影响。研究表明急性肾损伤患者发生不良预后的风险显著高于非急性肾损伤患者，其住院时间和医疗费用也明显增加。在现实临床中，预测急性肾损伤患者早期预后是非常重要的。早期预测预后可以帮助医生及时制定个体化的治疗方案，通过积极干预以改善患者肾功能，避免进一步损伤，减少并发症，提高患者的生存几率。因此，建立并验证急性肾损伤患者早期预后预测模型具有重要的临床价值。

2、针对预测aki患者预后的模型，主要可以分为三类：生物学模型、统计学模型和机器学习模型；其中生物学模型是基于生理学和病理学机制建立的预测模型，重点关注患者体内的生物标志物水平、炎症反应等参数对aki预后的影响；统计学模型主要分为两类，一类是基于临床指标的模型，另一类是基于血液透析数据的模型；机器学习模型是一种人工智能算法，能够自动识别数据和构建模型，越来越受到科学家们的关注，机器学习模型将大量的数据和特定的输入参数输入到模型中，根据训练样本进行模型学习和验证，并基于新的数据输入做出预测。

3、目前，针对急性肾损伤患者早期预后的预测多采用传统的临床评分系统，如rifle、akin等，但其准确性和可靠性有待进一步提高。而在构建急性肾损伤患者早期预后预测模型时，需要选择适当的统计方法和机器学习算法，以确保模型的准确性和可靠性。同时，还需要通过验证方法评估模型的性能和适用性。研究表明，科学合理的早期预测急性肾损伤患者的预后预测模型对医生制定治疗方案具有重要意义，有助于提高患者的肾功能恢复率，减少并发症发生，降低患者的死亡率。因此如何建立一种能够直接应用于急性肾损伤患者早期预后的预测模型变成了本领域亟需解决的一个问题。

4、针对以上问题，亟需设计一种急性肾损伤患者早期预后预测模型，以解决上述现有技术存在的问题，为急性肾损伤的临床管理提供有益的参考和指导。

技术实现思路

1、针对上述存在的问题，本发明旨在提供一种急性肾损伤患者早期预后预测模型及其建立方法，本方法通过利用威尔逊弗朗西斯课题组的数据库，通过单因素logistic回归、多因素logistic回归以及lasso回归分析的方法，确定了aki患者14天死亡相关的独立危险因素；然后，基于这些危险因素，构建了一个预测模型，用于预测aki患者14天内死亡的风险，进行预后预测、治疗方案选择、出院风险评估、有监督数据端到端地决策和真实世界效果评估，且能够有效且直观的通过列线图来展现预测结果，具有准确性、特异性和auc值高的特点。

2、为了实现上述目的，本发明所采用的技术方案如下：

3、一种急性肾损伤患者早期预后预测模型及其建立方法，包括步骤

4、step1.确定数据来源

5、所述数据包括建模组数据和验证组数据，且所述建模组数据和验证组数据的纳入标准相同；

6、step2.根据数据建立急性肾损伤患者早期预后预测模型

7、step21.对步骤step1确定的数据进行提取；

8、step22.对步骤step21提取的数据进行预处理；

9、step23.对经预处理的数据进行数据统计；

10、step24.根据统计数据，确定急性肾损伤预后的影响因素，并建立预测模型；

11、step25.构建预后预测模型的可视化列线图。

12、优选的，步骤step22所述的对步骤step21提取的数据进行预处理的过程包括

13、(1)首先删除步骤step21提取的数据库中各个表中存在缺失值、内容错误、格式错误、逻辑错误以及与研究无关的数据；

14、(2)然后，对数据进行进一步的关联性验证，如数据呈正态分布，使用均值插补法进行插补；如数据呈非正态分布，使用中位数插补法进行填补，完成数据的预处理。

15、优选的，步骤step24所述的根据统计数据，确定急性肾损伤预后的影响因素，并建立预测模型的过程包括

16、step241.在随机森林模型中，基于r语言中的“randomforest”包进行建模，初步确定预测变量；

17、step242.在逻辑回归模型中，基于单因素逻辑回归分析、lasso模型确定最终进入急性肾损伤14天死亡风险预测模型的变量，并建立急性肾损伤患者早期预后预测模型。

18、优选的，step241所述的基于r语言中的“randomforest”包进行建模，初步确定预测变量的过程包括

19、(1)首先确定预测变量，并根据临床经验和文献检索确定所有变量，包括年龄、性别、呼吸、收缩压、慢性心力衰竭、尿素氮、肌酐、白细胞、碳酸氢盐、血钠、血钾、血小板、阴离子间隙和sofa；

20、(2)然后，基于r语言中的“randomforest”包构建包含所有变量的原始模型；为确定最优参数，采用均方误差最小的独立树数量的方法进行判定，初步确定预测变量。

21、优选的，step242所述的基于单因素逻辑回归分析、lasso模型确定最终进入急性肾损伤14天死亡风险预测模型的变量，并建立急性肾损伤患者早期预后预测模型的过程包括

22、(1)对步骤step241确定的预测变量进行单因素逻辑回归分析，根据单因素回归结果筛选出所有p值小于0.05的变量；

23、(2)将所有p值大于0.05的变量剔除；

24、(3)利用r语言中的“mass”包基于lasso回归筛选出更有预测价值的变量，并确定最终进入急性肾损伤14天死亡风险预测模型的变量；

25、其中，lasso回归筛选过程包括首先将单因素logistic回归分析中的影响因素纳入多因素logistic进行回归分析，然后使用lasso回归方法筛选，筛选出具有非0系数的急性肾损伤14天死亡风险相关的变量。

26、优选的，所述的最终进入急性肾损伤14天死亡风险预测模型的变量包括年龄、呼吸、收缩压、尿素氮、白细胞、碳酸氢盐、血钠、血钾和阴离子间隙。

27、优选的，步骤step25所述的构建预后预测模型的可视化列线图的过程包括

28、根据建模组单因素logistic回归、多因素logistic回归和lasso回归分析的最终结果，利用r软件的“rms”包，根据分析的结果，绘制预测aki患者14天死亡概率的列线图。

29、一种急性肾损伤患者早期预后预测模型，包括数据提取模块、数据预处理模块、数据统计模块、预后预测模块和可视化列线图模块；其中

30、所述数据提取模块接数据输入口，用于数据提取；

31、所述数据预处理模块用于对经数据提取模块提取的数据进行数据清洗和缺失值预处理；

32、所述数据统计模块用于对经数据预处理模块预处理后的数据进行统计，并送至预后预测模块的数据出入端口；

33、所述预后预测模块内置训练好的预后预测模型，用于对输入的数据进行处理，并将结果输出至可视化列线图模块；

34、所述可视化列线图模块用于构建列线图，通过函数转换关系计算出不同患者早期预后的预测值，完成急性肾损伤患者早期预测。

35、优选的，所述的数据提取模块提取的数据包括年龄、呼吸、收缩压、尿素氮、白细胞、碳酸氢盐、血钠、血钾和阴离子间隙。

36、优选的，所述的急性肾损伤患者早期预后预测模型用于预后预测、治疗方案选择、出院风险评估、有监督数据端到端地决策和真实世界效果评估。

37、本发明的有益效果是：本发明公开了一种急性肾损伤患者早期预后预测模型及其建立方法，与现有技术相比，本发明的改进之处在于：

38、1.本发明设计了一种急性肾损伤患者早期预后预测模型的建立方法，本方法采用2012年改善全球肾脏病预后组织(kdigo)的诊断标准对aki进行诊断：首先，利用威尔逊弗朗西斯课题组的数据库，通过单因素logistic回归、多因素logistic回归以及lasso回归分析的方法，确定了aki患者14天死亡相关的独立危险因素；然后，基于这些危险因素，构建了一个预测模型，用于预测aki患者14天内死亡的风险；与常用的sofa评分相比，该模型具有良好的准确性、特异性和auc值；此外，通过mimic iv数据库的验证，也显示了该预测模型的性能优于sofa评分；能够使得医生和患者可以更加直观地了解患者的死亡风险；

39、2.本预测模型的优势在于它利用了列线图来展现预测结果，使得医生和患者可以更加直观地了解患者的死亡风险；该模型仅包含了9个临床中常规记录的简单变量，包括年龄、呼吸、收缩压、尿素氮、白细胞、碳酸氢盐、血钠、血钾和阴离子间隙等；这些变量在临床工作中容易获得，使得医生可以快速准确地评估患者的死亡风险；

40、3.本模型在使用时，能够应用于预后预测、治疗方案选择、出院风险评估、有监督数据端到端地决策和真实世界效果评估；具有准确性、特异性和auc值高的优点。