一种儿童急性肾损伤早期预警模型、方法及系统

1.本发明涉及医疗技术领域，更具体地，涉及一种儿童急性肾损伤早期预警模型、方法及系统。


背景技术：

2.急性肾损伤（aki）是一种临床常见的综合征，是为威胁人类健康的重要疾病。aki是指发生急性肾功能异常，它概括了从肾功能微小改变到最终肾衰竭整个过程。aki可见于临床各科，与继发于原发性肾脏疾病（如急性肾小球肾炎、肾病综合征或溶血尿毒综合征）相比，aki更多继发于系统性、多器官性疾病；危重症患者更易发生aki。发表于新英格兰医学杂志的一项针对重症儿童的多中心前瞻性临床研究显示，儿童aki发生率为26.9%。aki是死亡的独立危险因素，尤其对于重症患者，aki是其主要死因之一。一项纳入200多万住院儿童的大样本研究显示，无aki的住院儿童病死率为0.6%，伴有aki的病死率达15.3％，而其中重症患儿aki病死率则高达32.8%。可以说尽管目前重症监护治疗水平和血液净化技术不断发展，儿童aki的病死率仍居高不下。因此，明确aki的高危因素，早期诊断、早期干预对儿童具有极其重要的意义。
3.然而，对儿童aki做出准确的早期诊断是一项挑战。目前国内外临床上对重症患者肾功能的评估依然依赖于血肌酐和尿量的变化，但这些指标存在明显的不足。肾小球滤过率下降50%以上时，血肌酐才明显上升。尿量敏感性和特异性均更差，血肌酐明显升高的aki患儿其尿量仍可以表现正常。此外，由于儿童的摄入量、活动量等因素可导致液体出入量变异较成人明显增大，且部分儿童尿量收集的准确性较差，以尿量作为儿童aki标准存在明显不足。因此，不能作为诊断aki的理想标志物。近十余年，各国学者对aki早期诊断进行了深入的探索，致力于寻找理想的标志物，以便在血肌酐开始升高之前就能够对aki做出诊断。然而，由于导致aki的病因复杂多样，临床上多种病理生理机制相互作用，现有的指标并不能准确反映aki病理生理变化过程；加之标志物自身都有局限性，或是单个标志物不具有足够的敏感性与特异性，临床诊断性能在多中心、大样本的临床研究中不能充分肯定；或是标志物易受年龄、性别、窒息或感染等其他因素的影响，难以用目前发现的指标来代替肌酐和尿量标化aki的诊断及疾病的严重程度而应用于临床实践。因此设计指标的联合检测，建立理想的预警模型，实现aki早期诊治是亟待解决的临床实际问题。


技术实现要素：

4.本发明要解决的问题是现有技术没有针对儿童急性肾损伤早期识别的有效方法，从而提供一种早期预警方法及系统，应用在儿科医疗领域，以解决医院内现有的儿童急性肾损伤早期识别依靠血肌酐及尿量导致的诊断延迟（不准确）的现状。通过一种儿童急性肾损伤早期预警模型，早期智能计算出重症患儿发生急性肾损伤的风险得分，为精确度高的一种儿童急性肾损伤早期预警风险评分模型，也是一种预测模型与方法。
5.为解决上述技术问题，本发明采用如下技术方案：
一种儿童急性肾损伤早期预警模型，其根据儿童年龄、儿童序贯器官衰竭评分（psofa）、血肌酐、血ph以及血碳酸氢根值得到，为儿童急性肾损伤风险评分计算模型，以预测重症儿童发生急性肾损伤的风险概率。具体的，所述预儿童急性肾损伤早期预警模型的风险得分公式如下：logit(p)=13.865-0.038*age+0.260*psofa+0.159*scr-2.832*ph+0.063*hco3其中 logit(p)是风险得分；age是儿童年龄，单位是月；psofa是儿童序贯器官衰竭评分；scr是血肌酐，单位是μmoi/l；ph是血酸碱度ph数值；hco3是血实际碳酸氢根浓度，单位是mmoi/l。
6.上述儿童急性肾损伤早期预警模型为：p＝1/(1+e^-z)，其中z＝logit(p)，e是自然对数；logit(p)是风险得分；p表示概率值。
7.概率值的截断值为0.5，当概率值高于或等于截断值（p≥0.5）时，为高风险患者，倾向于急性肾损伤；当概率值低于截断值（p＜0.5）时，为低风险患儿，倾向于非急性肾损伤。
8.一种计算机可读存储介质，存储用于存储评估儿童急性肾损伤的程序，所述评估儿童急性肾损伤的程序根据上述儿童急性肾损伤早期预警模型得到。
9.一种可视化预警模型，包括载体以及载体上的可视化列线图，载体可以为显示屏、纸张等，所述可视化列线图为根据上述儿童急性肾损伤早期预警模型得到。利用可视化预警模型，输出发生急性肾损伤的风险得分及概率值，具体如下：步骤1，将logistic回归方程转变为可视化的图形，建立可视化列线图；步骤2，在可视化列线图上得到每个预测因子对应的得分；将每个因子得分相加获得总得分，既发生急性肾损伤的风险得分；步骤3，列线图上总得分对应的概率值即为发生急性肾损伤的概率值。概率值p的截断值为0.5，当概率值高于或等于截断值（p≥0.5）时，为高风险患者，倾向于急性肾损伤；当概率值低于截断值（p＜0.5）时，为低风险患儿，倾向于非急性肾损伤。
10.一种儿童急性肾损伤早期预警系统，包括数据输入模块、预测模块、预测输出模块，所述预测模块包括上述儿童急性肾损伤早期预警模型。
11.一种儿童急性肾损伤早期预警装置，包括处理器、存储器，所述存储器用于存储评估儿童急性肾损伤的程序，处理器用于运行评估儿童急性肾损伤的程序，所述评估儿童急性肾损伤的程序根据上述儿童急性肾损伤早期预警模型得到。
[0012] 本发明公开的上述儿童急性肾损伤早期预警模型涉及的指标都是采集重症儿童入picu（儿童重症监护病房）24小时内的临床医疗数据以及疾病严重程度评分；所述临床医疗数据包括重症儿童的一般资料、临床症状、急性肾损伤的危险因素、急性肾损伤的分期和预后及入picu 24小时内首个血液、生化、免疫指标信息；所述入picu 24小时内的疾病严重程度评分包括第三代儿童死亡风险评分（prism
ꢀⅲ
）和儿童序贯器官衰竭评分（psofa）；本发明创造性的根据儿童年龄、儿童序贯器官衰竭评分（psofa）、血肌酐、血ph以及血碳酸氢根值得到早期预警儿童急性肾损伤的模型，对急性肾损伤的预测能力好，得到与疾病相关度高的预测结果。
[0013]
本发明模型的拟合度通过 hosmer-lemeshow 拟合优度检验进行评价；鉴别效度通过受试者工作特征曲线（roc）和曲线下面积（auc）及决策曲线分析（dca）进行评价；采用
bootstrap自抽样法、10折交叉验证及10折交叉验证后的roc曲线和c-statistic进行内部验证，评价所构建logistic 回归模型的稳健性。
[0014]
进一步的，还对所建立的预警模型进行外部验证，建立外部验证数据集，在验证数据集中对 logistic 回归模型进行验证；将外部验证数据集中重症儿童的相应变量值代入 logistic 回归模型，计算得出其进展为急性肾损伤的风险得分和概率值。
[0015]
本发明通过敏感度、特异度、阳性预测值、阴性预测值、整体准确性、roc曲线、校准度曲线、净重新分类改善指数（nri）、综合判别改善指数（idi），验证了上述儿童急性肾损伤预警模型预警能力的准确性。
[0016]
本发明公开了利用上述儿童急性肾损伤早期预警模型进行预警的方法，包括以下步骤，将儿童年龄、儿童序贯器官衰竭评分（psofa）、血肌酐、血ph以及血碳酸氢根值输入所述儿童急性肾损伤早期预警模型；然后利用预警模型进行预测，输出被测儿童发生急性肾损伤的风险得分logit(p)及概率值p；根据风险得分及概率值得到儿童急性肾损伤预警结果；具体的, 将步骤2获得的风险得分及概率值分别与阈值比较：根据风险得分logit(p)绘制roc曲线，根据roc曲线获得风险得分最佳临界值（阈值）。当风险得分高于或等于阈值时，为高风险患者，倾向于急性肾损伤；当风险得分低于阈值时，为低风险患儿，倾向于非急性肾损伤。概率值p的截断值（阈值）为0.5，当概率值高于或等于截断值（p≥0.5）时，为高风险患者，倾向于急性肾损伤；当概率值低于截断值（p＜0.5）时，为低风险患儿，倾向于非急性肾损伤。
[0017]
与现有技术相比，本发明具有以下优点和积极效果：本发明构建的早期预警模型简单易用，所纳入的临床数据指标均为临床上常规收集和记录的指标，具有易获得、价格低廉和使用便捷等优势；且所纳入的临床数据指标均为入picu 24小时内的临床医疗数据以及疾病严重程度评分，可以在血肌酐升高之前对aki做出准确预测。本发明在避免过度拟合的基础上，得出与儿童急性肾损伤相关的特征变量，并整合各项变量，给出与急性肾损伤高度相关的预测因子，并公开各预测因子的具体影响系数，从而使预测模型具有较强的可解释性和早期预警效能。本发明为临床医师提供了一个简单、实用的儿童急性肾损伤风险预测工具，有利于早期精准识别可能进展为急性肾损伤的高危患儿，从而为进一步制定个体化的治疗策略和管理方案，从而改善重症患儿的临床预后、降低病死率提供科学依据。
附图说明
[0018]
图1为本发明儿童急性肾损伤早期预警模型及验证流程图。
[0019]
图2为预警模型预测急性肾损伤的roc曲线。
[0020]
图3为预警模型预测急性肾损伤的敏感度和特异度曲线。
[0021]
图4为预警模型的校准度曲线。
[0022]
图5为预警模型的决策曲线分析；与单一指标血肌酐（scr）或儿童序贯器官衰竭评分（psofa）比较，本发明模型（aki model）预测效果最佳。
[0023]
图6为内部验证测试集的校准曲线。
[0024]
图7为测试集1000次bootstrap的校准曲线。
[0025]
图8为10折交叉验证后的roc曲线，模型稳定。
[0026]
图9为外部验证预警模型对外部数据集儿童急性肾损伤的预测价值（roc曲线、校
准度曲线、决策曲线分析）；应用外部数据，预警模型预测急性肾损伤的auc高达0.9159。
[0027]
图10为预警模型列线图。
具体实施方式
[0028]
血肌酐及尿量是临床诊断aki的方法，但依靠血肌酐及尿量导致aki诊断延迟是公认的，现有技术没有合适的预测模型以替代血肌酐及尿量诊断aki的方法；而且入picu时的第一次scr一般不足以诊断aki，scr预测aki的auc值低。本发明首次提供了一种儿童急性肾损伤早期预警模型，为联合检测的预警模型：p=1/(1+e^-z)， 其中p为概率值，e是自然对数；z为预测风险得分logit(p)，该风险得分的公式如下：logit(p)=13.865-0.038age+0.260psofa+0.159scr-2.832ph+0.063hco3其中，age是年龄，单位是月；psofa是儿童序贯器官衰竭评分；scr是血肌酐，单位是μmoi/l；ph是血液酸碱度ph值；hco3是血实际碳酸氢根浓度，单位是mmoi/l。采集重症儿童入picu 24小时内的临床医疗数据，建立数据集。
[0029]
本发明验证预警模型。
[0030]
拟合度通过 hosmer-lemeshow 拟合优度检验进行评价；鉴别效度通过受试者工作特征曲线（roc）和曲线下面积（auc）及决策曲线分析（dca）进行评价；根据风险得分logit(p)绘制roc曲线，根据roc曲线获得风险得分最佳临界值（阈值）。当风险得分高于或等于阈值时，为高风险患者，倾向于急性肾损伤；当风险得分低于阈值时，为低风险患儿，倾向于非急性肾损伤。概率值p的截断值为0.5，当概率值高于或等于截断值0.5时，为高风险患者，倾向于急性肾损伤；当概率值低于截断值时，为低风险患儿，倾向于非急性肾损伤。
[0031]
进一步的，将所述数据集分为训练集和测试集，采用bootstrap自抽样法、10折交叉验证及10折交叉验证后的roc曲线进行内部验证，评价所构建logistic 回归模型的稳健性。
[0032]
进一步的，建立外部验证数据集，在外部验证数据集中对 logistic 回归模型进行验证；将外部验证数据集中重症儿童的相应变量值代入 logistic 回归模型，计算得出其进展为急性肾损伤的概率值。通过敏感度、特异度、阳性预测值、阴性预测值、整体准确性、roc曲线、校准度曲线及净重新分类改善指数nri、综合判别改善指数idi评估上述儿童急性肾损伤预警模型预警新数据的能力。
[0033]
上述步骤如图1所示。
[0034]
本发明提供一种急性肾损伤早期预警方法，输出发生急性肾损伤的风险得分及概率值，步骤如下：（1）采集重症儿童入picu 24小时内的临床医疗数据，将重症儿童的5个预测因子指标输入所述的预警模型；（2）利用预警模型进行预测，输出被测患儿发生急性肾损伤的风险得分及概率值；（3）将步骤2获得的风险得分及概率值分别与阈值（临界值、截断值）比较。本发明根据风险得分logit(p)，绘制roc曲线，预警aki的auc为0.90，敏感度为85%、特异度为82%、准确度为83%。概率值检验水平定在0.5，当概率值p≥0.5倾向于急性肾损伤，概率值p＜0.5倾向于非急性肾损伤。
[0035]
本发明还提供一种可视化的急性肾损伤早期预警方法，输出发生急性肾损伤的风
险得分及概率值，如下：（1）将预警模型logistic回归方程转变为可视化的图形，建立可视化列线图；（2）在列线图上得到每个预测因子对应的得分；将每个因子得分相加获得总得分，既发生急性肾损伤的风险得分；总得分对应的概率值即为发生急性肾损伤的风险概率值p；（3）当概率值p≥0.5，为高风险患者，倾向于急性肾损伤；当概率值p＜0.5时，为低风险患儿，倾向于非急性肾损伤。
[0036]
本发明提供了一种儿童急性肾损伤早期预警系统，包括：预测模块：包括上述儿童急性肾损伤预警模型；数据输入模块：用于将重症儿童入picu 24小时内的一般资料、临床表现及血液、生化和免疫指标输入所述的急性肾损伤预警模型；数据处理模块：用于根据儿童急性肾损伤预警模型，输出发生急性肾损伤的风险得分及概率值。
[0037]
为使本技术的目的、技术方案和优点更加清楚，本技术领域的人员更好地理解本发明方案，下面将结合本发明实施方式中的附图和表，对本发明实施方式中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。本发明的具体实验操作以及计算为常规技术。本发明研究经四个儿童医院的医学伦理委员会批准，并经患儿监护人签署知情同意书。
[0038]
实施例一本发明首次提供了一种儿童急性肾损伤早期预警模型，为联合检测的预警模型：p=1/(1+e^-z)， 其中p为概率值，e是自然对数；z为预测风险得分logit(p)，该风险得分的公式如下：logit(p)=13.865-0.038age+0.260psofa+0.159scr-2.832ph+0.063hco3其中，age是年龄，单位是月；psofa是儿童序贯器官衰竭评分；scr是血肌酐，单位是μmoi/l；ph是血液酸碱度ph值；hco3是血实际碳酸氢根浓度，单位是mmoi/l。生化数据为采集重症儿童入picu 24小时内的临床医疗数据。
[0039]
概率值检验水平定在0.5，当概率值p≥0.5倾向于急性肾损伤，概率值p＜0.5倾向于非急性肾损伤。
[0040]
实施例二本实施例共纳入959例来自中国四个代表性儿童医疗中心入住儿童重症监护病房（picu）的患儿。在本队列中，住picu期间发生急性肾损伤214 (22.3%)例，非急性肾损伤745 (77.7% ) 例。急性肾损伤和非急性肾损伤患儿一般资料、临床特征和实验室指标比较见表1
值为中值[四分位范围]或数字[百分比]。
[0041]
急性肾损伤的诊断根据2012年改善全球肾脏病预后组织指南，即血清肌酐较基线值增加 ≥0.3mg/dl或上升 ≥1.5倍基线值，或尿量 《0.5ml/kg/h持续超过6小时。
[0042]
筛选出符合条件的重症患者。需要满足：
①
年龄1个月~ 18岁；
②
符合入住picu标准。其中，需要排除下列患者：
①
入picu不满24小时，包括入picu 24小时内死亡、转院及放弃治疗自动出院的患儿；
②
入picu前患有严重先天性肾脏发育异常或慢性肾脏病3期及以
上。
[0043]
符合上述的患儿，为本发明范围的重症患儿。
[0044]
建立数据集：采集picu重症儿童的临床医疗数据，包括一般资料、临床资料及实验室指标。
[0045]
一般资料：年龄、体质量、身长、性别。
[0046]
临床资料：原发病、入院诊断、入picu 时临床症状和体征、急性肾损伤诊断和分期、休克、弥散性血管内凝血和多器官功能障碍综合征发生情况及机械通气、血液净化、药物应用以及picu住院时间和预后。
[0047]
实验室指标：血液、生化、免疫指标，入picu 24小时内。
[0048]
重症儿童疾病严重程度评分，包括第三代儿童死亡风险评分（prism
ꢀⅲ
）和儿童序贯器官衰竭评分（psofa）。
[0049]
prism
ꢀⅲ
：根据重症儿童入picu后第一个24小时内16项指标的最差值进行评分，包括收缩血压、心率、体温、异常瞳孔反射、神志改变（格拉斯哥昏迷gcs评分）、酸中毒状态和/或二氧化碳总含量、血清ph值、氧分压、二氧化碳分压、血糖、血钾、血肌酐、血清尿素氮、白细胞计数、凝血酶原时间和/或部分凝血活酶时间、血小板计数。分值越高，病情越重。
[0050]
psofa：对重症儿童进行年龄分层；评分涵盖呼吸、凝血、肝脏、心血管、神经、肾脏6个系统，根据入picu 24小时内各系统的最差情况评分（0-4分），6个系统评分总和即为psofa得分（0-24分）。
[0051]
采用儿童急性肾损伤早期预警模型，包括以下5个连续变量：年龄（age）、儿童序贯器官衰竭评分（psofa）、血肌酐（scr）、血ph值、血实际碳酸氢根（hco3）。对5个预测因子进行多因素二元logistic回归分析，结果见表2。
[0052]
儿童急性肾损伤早期预警模型为：p=1/(1+e^-z)。
[0053]
z=13.865-0.038age+0.260psofa+0.159scr-2.832ph+0.063hco3；其中e是自然对数；z为预测风险得分logit(p)；p表示概率值；age是年龄，单位是月；psofa是儿童序贯器官衰竭评分，单位是分；scr是血肌酐，单位是μmoi/l；ph是血液酸碱度ph值；hco3是血实际碳酸氢根浓度，单位是mmoi/l。
[0054]
模型评价：通过受试者工作特征曲线（roc）和曲线下面积（auc）及决策曲线分析（dca）评价模型的鉴别效度；通过hosmer-lemeshow 拟合优度检验评价logistic回归模型的拟合度。
[0055]
图2为预警模型预测急性肾损伤的roc曲线，图3为预警模型预测急性肾损伤的敏感度和特异度曲线，图4为预警模型的校准度曲线，图5为预警模型的决策曲线分析。可以看出，预警aki的auc为0.90；在风险得分logit(p)截断值为-1.44时，预警aki的敏感度为85%、特异度为82%、准确度为83%；近一步将概率值（p）检验水平定在0.5时，预警aki的特异度高达97%，准确度达89%。dca决策曲线近一步证实，与单一指标血肌酐或psofa比较，本发明模型预测效果最佳。
[0056]
模型内部验证，图6、图7为内部验证测试集及测试集bootstrap（1000次）下的校准曲线，图8为10折交叉验证后的roc曲线。本实施例执行了1000次bootstrap内部验证和10折交叉验证。测试集内部验证显示模型的校准曲线与对角线接近，且预测模型c-statistic为0.900，1000次bootstrap下的c-statistic为0.899，表明模型稳定。10折交叉验证后的roc曲线结果显示训练集和测试集的auc值为 0.8998和0.8946，近一步证实模型稳定。
[0057]
实施例三模型外部验证：建立外部验证数据集，纳入来自不同时间段苏州大学附属儿童医院picu的重症患儿159例，将该数据集中重症儿童的相应变量值代入本发明儿童急性肾损伤早期预警模型，计算得出其进展为急性肾损伤的风险得分logit(p)和概率值p。根据风险得分logit(p)，绘制roc曲线，评价所构建logistic 回归模型的稳健性；并近一步在外部验证集中同样使用风险得分logit(p)截断值-1.44，通过计算敏感度、特异度、阳性预测值、阴性预测值、整体准确性、校准度曲线、净重新分类改善指数（nri）、综合判别改善指数（idi），评估上述儿童急性肾损伤预警模型早期预警新数据的能力。
[0058]
图9为外部验证时，预警模型对外部数据集儿童急性肾损伤的预测价值（roc曲线、校准度曲线、决策曲线分析）。应用外部数据，预警模型预测急性肾损伤的auc高达0.9159。在外部验证集患儿（n=159）中，本实施例根据风险得分logit(p)，绘制roc曲线，预警aki的auc达0.9159。在风险得分logit(p)截断值为-1.44时，预警aki的敏感度为88%、特异度为78%、准确度为81%；近一步计算概率值p，根据概率值p≥0.5，预警aki的特异度高达97%，准确度达91%，而nri为1.4971（p《0.0001）、idi为0.6469（p《0.0001），结果证实本发明预警模型具有非常好的预测能力。
[0059]
表3为外部验证集预警模型对儿童aki的预测价值（敏感度、特异度、阳性预测值、阴性预测值、准确性、净重新分类改善指数、综合判别改善指数）。
[0060]
实施例四 临床验证一位进入picu儿童，年龄age 15个月（month）；psofa评分2（score）；入picu首个血肌酐scr 55.4 μmoi/l、血ph值7.490、血实际碳酸氢根hco3为16.1 mmoi/l。进展为aki。
[0061]
回顾性将上述变量取值根据所述预测模型风险评分计算公式和概率公式，计算得到该患儿logit(p)值为2.421 (》-1.44)，患儿进展为aki的预测概率p值为0.918 (》0.5)，
为高风险患儿，与实际相符。
[0062]
logit(p)是风险得分。
[0063]
logit(p)=13.865-0.038*age+0.260*psofa+0.159*scr-2.832*ph+0.06p表示概率值。
[0064]
p＝1/(1+e^-z)，其中z＝logit(p)，e是自然对数。
[0065]
一位进入picu儿童，年龄age 18个月（month）；psofa评分0（score）；入picu首个血肌酐scr 22.6 μmoi/l、血ph值7.340、血实际碳酸氢根hco3为19.3 mmoi/l。未进展为aki。
[0066]
回顾性将上述变量取值根据所述预测模型风险评分计算公式和概率公式，计算得到该患儿logit(p)值为-2.797 (《-1.44)，患儿进展为aki的预测概率为0.06 (《0.5)，为低风险患儿，与实际相符。
[0067]
一位进入picu儿童，年龄age 72个月（month）；psofa评分0（score）；入picu首个血肌酐scr 30.0 μmoi/l、血ph值7.400、血实际碳酸氢根hco3为18.0 mmoi/l。未进展为aki。
[0068]
回顾性将上述变量取值根据所述预测模型概率公式，计算得到该患儿logit(p)值为-3.929 (《-1.44)，患儿进展为aki的预测概率为0.02 (《0.5)，为低风险患儿，与实际相符。
[0069]
一位进入picu儿童，年龄age 2个月（month）；psofa评分8（score）；入picu首个血肌酐scr 84.0 μmoi/l、血ph值7.430、血实际碳酸氢根hco3为9.4 mmoi/l。进展为aki。
[0070]
回顾性将上述变量取值根据所述预测模型概率公式，计算得到该患儿logit(p)值为8.778 (》-1.44)，患儿进展为aki的预测概率为0.9998 (》0.5)，为高风险患儿，与实际相符。
[0071]
实施例五如图10所示，本发明还提供一种可视化预警模型，输出发生急性肾损伤的风险得分及概率值，包括以下步骤：（1）在列线图上得到每个预测因子对应的得分；将每个因子得分相加获得总得分，既发生急性肾损伤的风险得分；总得分对应的概率值即为发生急性肾损伤的风险概率值。
[0072]
（2）比较获得的概率值与截断值；当概率值高于截断值时（p≥0.5），为高风险患者，倾向于急性肾损伤；当概率值低于截断值时（p《0.5），为低风险患儿，倾向于非急性肾损伤。
[0073]
采用可视化预警模型，回顾性输出上述患儿发生急性肾损伤的风险得分及概率值。
[0074]
年龄age 2个月（month）；psofa评分8分（score）；入picu首个血肌酐scr 84.0 μmoi/l、血ph值7.430、血实际碳酸氢根hco3为9.4mmoi/l。
[0075]
列线图上每个预测因子对应得分如下：年龄2个月（37.5分）；psofa 8（10分）；血肌酐 84.0（55分）；血ph 7.430（3.5分）；血实际碳酸氢根hco
3 9.4（2.5分）。将每个因子得分相加获得总得分。总得分108.5分对应的预警患儿进展为aki的概率》0.999，为高风险患儿，与实际相符。
[0076]
以上几个例子都是来自苏州大学附属儿童医院，充分证实了本发明模型的预测准确性。
[0077]
对比例
源于文献：soluble urokinase receptor and acute kidney injury. n engl j med, 2020, 382:416-26。salim s等的研究纳入3827名患者，692名重症患者，探讨生物标志物血清supsr对aki的预测价值。结果显示simplified integer risk score评分预测aki的受试者工作特征曲线下面积（auc）为0.579，加入supsr后auc仅提升至0.628，预测效能显著低于本发明所述预警模型的预测效能。
[0078]
源于文献：prediction of the development of acute kidney injury following cardiac surgery by machine learning. critical care, 2020, 24:478。po-yu tseng等的研究纳入671名心脏术后的患者，通过采用logistic回归、支持向量机（svm）、随机森林（rf）、极端梯度增强（xgboost）和集成（rf+xgboost）等机器学习方法，建立了预测心脏手术-相关急性肾损伤预测模型。结果显示该模型预测aki的受试者工作特征曲线下面积为0.84，预测效能低于本发明所述预警模型的预测效能。
[0079]
相比于现有技术，由本发明构建的预测模型所纳入的临床数据指标均为临床上常规收集和记录的指标，具有易获得、价格低廉和使用便捷等优势，预测模型具有较强的可解释性和预测效能。与包括对比例在内的现有技术相比，本发明首次公开的儿童急性肾损伤早期预警模型将多项临床指标结合，受试者工作特征曲线下面积高达0.90，敏感度高达85%和特异度高达82%，预测效能明显高于现有技术使用的风险评分+生物标志物、根据机器学习构建的预测模型、及单一生物标志物的预测效能。此外，本发明纳入959例重症儿童，样本量较大，以8:2的比例将总样本随机分为训练集和测试集，并另纳入159例picu重症儿童创建外部验证集，通过测试集和外部验证集的设置，进一步验证了该模型具有较好的预测效能，确保了模型的稳定性和实用性。综合实施例和对比例分析，本发明为临床医师提供了一个简单、实用的儿童aki风险预测工具，有利于早期识别可能进展为aki的重症患者，从而为进一步制定个体化的治疗策略和管理方案，从而改善重症患儿的临床预后、降低病死率提供科学依据。
[0080]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。