Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

便捷化分层老年MODS早期死亡风险评估模型、装置及建立方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:北京航空航天大学

摘要:本申请公开一种便捷化分层老年MODS早期死亡风险评估模型、装置及其建立方法,评估模块基于融合了SHAP方法的XGBoost模型,评估模块包括四个子模块,分别针对高龄老年患者或低龄老年患者,基于13或14个输入特征进行死亡风险评估并提供风险因素贡献程度分析。本申请的便捷化分层老年MODS早期死亡风险评估模型、装置,使得医生获可以便捷地对患者的疾病紧急和危险程度进行准确评估。

主权项:1.一种便捷化分层老年MODS早期死亡风险评估模型,其包括评估模块;所述评估模块基于融合了SHAP方法的XGBoost模型,所述评估模块包括四个子模块,其中,第一、第二子模块用于年龄大于等于65岁但小于80岁的MODS患者;第三、第四子模块用于年龄大于等于80岁的MODS患者;其中,第一、第三子模块包括14个特征,分别为:年龄、BMI、GCS均值、CCI、心率均值、呼吸速率均值、休克指数均值、氧饱和度均值、体温最大值、体温最小值、24小时尿量、尿素氮最大值、肌酐最大值、是否进行机械通气;第二、第四子模块包括13个特征,分别为:年龄、BMI、GCS均值、心率均值、呼吸速率均值、休克指数均值、氧饱和度均值、体温最大值、体温最小值、24小时尿量、尿素氮最大值、肌酐最大值、是否进行机械通气;所述评估模块基于输入的特征,通过相应的子模块进行不良结局和风险等级评估;且所述评估模块对所述输入的特征对评估结果的重要性进行排名并计算出每个所述输入的特征对评估结果的贡献作为风险因素贡献程度;所述XGBoost模型的超参数设置为:params={'base_score':0.5,'booster':'gbtree','colsample_bylevel':1,'colsample_bynode':1,'colsample_bytree':1,'gamma':0,'learning_rate':0.025,'max_delta_step':0,'max_depth':7,'min_child_weight':4.0,'missing':1,'n_estimators':430,'n_jobs':-1,'nthread':None,'objective':'binary:logistic','random_state':0,'reg_alpha':0,'reg_lambda':1,'scale_pos_weight':1,'seed':None,'silent':None,'subsample':0.85,'verbosity':1};所述便捷化分层老年MODS早期死亡风险评估模型,在其构建与评估中,基于多中心数据集进行模型的训练、参数调优和内部验证后,采用7个评估指标和2个功能指标对模型性能进行评估,采用内部验证、外部验证、时序验证和亚组分析的方式对模型的性能进行评估;所述7个评估指标为:AUROC、特异性、敏感性、准确性、F1值、精准性、AUPRC;所述2个功能指标为可解释性功能指标和便捷性功能指标;所述多中心数据集包括:MIMIC-III、eICU-CRD、AmsterdamUMCdb和MIMIC-IV;在训练模型时,将来自MIMIC-III和eICU-CRD的数据进行融合作为一个大样本、多中心的训练集,其中80%的患者数据用于模型的训练和采用交叉验证调节预测模型的超参数,剩余20%的患者数据用于模型性能的内部验证;内部验证采用与训练集一致的数据集20%来自MIMIC-III和eICU-CRD的患者数据进行评估;外部验证采用与训练数据不一致分布的AmsterdamUMCdb的全部患者数据进行评估;时序验证采用比训练集时间跨度更新的MIMIC-IV的全部患者数据进行评估;亚组分析对验证的群体分为白种人、非洲和西班牙裔分别进行验证。

全文数据:

权利要求:

百度查询: 北京航空航天大学 便捷化分层老年MODS早期死亡风险评估模型、装置及建立方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。