一种针对全麻腹部手术患者的液体治疗预警系统的制作方法

1.本发明涉及诊疗设备技术领域，尤其涉及一种针对全麻腹部手术患者的液体治疗预警系统。


背景技术：

2.腹部手术是临床上常见的外科手术类型。术中液体治疗作为围术期管理的重要组成部分，与术后并发症发生风险密切相关。液体治疗不当，补液量不足导致循环容量不足，器官灌注减少，容易发生全身性炎症反应综合征、败血症、甚至多器官功能衰竭等术后并发症；补液过多则会导致容量负荷过重则会引起组织器官水肿、伤口愈合不良以及心力衰竭等并发症风险增加。这些术后并发症以及不良反应严重影响患者生存质量以及预后，导致患者住院时间延长，医疗费用增加。因此，加强围术期液体管理对于降低腹部手术患者术后并发症发生风险，提高患者术后康复质量意义重大。


技术实现要素：

3.(一)要解决的技术问题
4.基于上述问题，本发明提供一种针对全麻腹部手术患者的液体治疗预警系统，解决围术期液体治疗不合理导致的腹部手术患者术后并发症风险增加、预后不良的问题。
5.(二)技术方案
6.基于上述的技术问题，本发明提供一种针对全麻腹部手术患者的液体治疗预警系统，包括数据筛选模块、变量筛选模块、液体治疗预警模块、以及治疗效果评估模块，所述数据筛选模块和变量筛选模块连接电子病历数据库，所述数据筛选模块和变量筛选模块连接液体治疗预警模块，所述液体治疗预警模块连接治疗效果评估模块；
7.所述数据筛选模块用于收集回顾性的真实的电子病历数据，根据纳入标准和排除标准从中筛选出训练数据集和测试数据集；
8.所述变量筛选模块用于从所述训练数据集中收集临床变量，所述临床变量分为患者基本信息变量、连续性变量、分类性变量；从患者基本信息量中选择性别、年龄、体重3个变量，根据与液体治疗有效性相关性从连续性变量中筛选10个变量，从分类性变量中筛选5个变量，从所述临床变量中共筛选得到18个变量，即预测因子；
9.所述连续性变量包括：术前中性粒细胞百分比、术前平均红细胞血红蛋白浓度、术中平均动脉压、术前总蛋白、术前平均红细胞体积、术前舒张压、术前血小板平均体积、术前收缩压、术中补液量、术前白蛋白、术前平均红细胞血红蛋白含量、术前球蛋白、术前血小板分布宽度、术前红细胞、术前红细胞比容、术前白球蛋白比值、术前血红蛋白、术前egfr、术前血糖、术前血尿酸、术前血小板比积、术前血小板、术前单核细胞百分比、术前白细胞、术前血尿素、术前淋巴细胞百分比、术前红细胞分布宽度、术前淋巴细胞绝对值、术前中性粒细胞绝对值、术前单核细胞绝对值、术前血肌酐、手术开始前spv、手术开始前ppv、ast、术前嗜碱细胞百分比、术前嗜酸细胞百分比、术前嗜酸细胞绝对值、术前嗜碱细胞绝对值、alt、
和术前总胆红素；所述分类性变量包括：术中是否计划使用nsaids、术中是否计划使用右美托嘧啶、手术部位、手术等级、术前是否患有糖尿病、术前是否患有高血压、是否为机器人辅助手术、术前是否患有恶性肿瘤、手术类型及预计手术时长、和是否为腹腔镜手术；
10.所述液体治疗预警模块用于数据标准化处理，构建逻辑回归模型，并利用训练数据集迭代训练，得到各个预测因子的回归系数，并利用测试数据集回代验证，然后通过插值计算得到液体治疗有效时的补液量预警值，所述逻辑回归模型为其中，其中，xi表示第i个患者对应的输入特征向量，yi表示第i个患者液体治疗是否有效的分类标签，当yi＝1时，表明液体治疗有效，当yi＝0时，表明液体治疗无效，kj为第j个特征所对应的回归系数，通过迭代训练得到，xj代表每一个患者的第j个输入预测因子结果的归一化值，p则为液体治疗有效的概率，若概率≥0.5，则输出yi为1，证明液体治疗方案有效，若概率小于0.5，则输出yi为0，代表液体治疗方案无效，β为常数项；
11.所述治疗效果评估模块用于将实际补液量与补液量预警值进行比较，对治疗效果进行评估，若补液量预警值≤实际补液量≤(补液量预警值 500ml)，则补液良好，若实际补液量《补液量预警值，则补液不足，若实际补液量》(补液量预警值 500ml)，则补液过量。
12.进一步的，所述临床变量均满足缺失率＜15％。
13.进一步的，所述纳入标准为：年龄≥18岁；手术位置为腹部；全身麻醉并进行机械通气；术中进行有创动脉血压监测。
14.进一步的，所述排除标准为：入室时出现心律失常患者；手术时间＜1小时；术中出血量＞1500ml；术前被诊断为尿毒症的患者；补液量、补液种类、动脉压等数据缺失＞15％。
15.进一步的，对所述连续性变量的筛选具体为：从连续性变量中筛选出与手术结束时最后一次ppv、术中尿量和手术结束乳酸的皮尔逊相关系数最大的10个变量。
16.进一步的，对所述分类性变量的筛选具体为：从分类性变量中筛选出与手术结束时最后一次ppv、术中尿量、手术结束乳酸和最终方案是否有效的斯皮尔曼相关系数最大的5个变量。
17.进一步的，由所述连续性变量筛选出的变量包括：术中补液量、术前收缩压、术前舒张压、术前中性粒细胞百分比、术前平均红细胞血红蛋白浓度、术前平均红细胞血红蛋白含量、术前平均红细胞体积、术前血小板平均体积、术前总蛋白和术前白蛋白；
18.进一步的，由所述分类性变量筛选出的变量包括：是否计划使用非甾体抗炎药、术中是否计划使用右美托咪定、手术部位、手术等级、术前是否患有糖尿病。
19.进一步的，所述连续性变量的数据标准化处理为：数据归一化以及等级离散化处理，即将变量真实数值转等比例缩放至[0,1]，再对数据进行等距等级离散化处理，将其分为10个等级，每个变量均以第一等级组为参考。
[0020]
(三)有益效果
[0021]
本发明的上述技术方案具有如下优点：
[0022]
(1)本发明为一种治疗预警系统，自动通过数据筛选模块和变量筛选模块根据以往的电子病历临床数据库进行筛选数据和变量，自动通过液体治疗预警模块利用逻辑回归算法建立液体治疗预警的模型，再利用插值算法为患者个性化预测补液量预警值，提供个
体化、规范化参考，并自动通过治疗效果评估模块评估液体治疗方案的效果；实现在手术前的麻醉评估阶段为全麻腹部手术患者预测明确合适的补液量，并对治疗方案进行评估，提供一个补液量的安全范围，有利于辅助围术期液体管理，减少围术期液体治疗和腹部手术患者术后并发症，提升患者的康复质量；
[0023]
(2)本发明在后续前瞻性临床研究中，具有全麻腹部手术患者的临床应用价值，为临床风险分析提供数据支撑。
附图说明
[0024]
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
[0025]
图1为本发明实施例的治疗预警系统的结构示意图。
具体实施方式
[0026]
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0027]
本发明提出了一种针对全麻腹部手术患者的液体治疗预警系统，包括数据筛选模块、变量筛选模块、液体治疗预警模块、以及治疗效果评估模块，所述数据筛选模块和变量筛选模块连接电子病历数据库，所述数据筛选模块和变量筛选模块连接液体治疗预警模块，所述液体治疗预警模块连接治疗效果评估模块。
[0028]
(1)所述数据筛选模块用于回顾性收集临床病历数据库中2011年10月-2017年7月于中南大学湘雅三医院在全身麻醉下行腹部手术的患者，根据纳入标准和排除标准进行筛选，最终纳入分析的对象共计1361名，并将患者随机分为1000例训练数据集和361例测试数据集。本发明所收集资料均为回顾性且去隐私的数据。
[0029]
纳入标准如下：
[0030]
①
年龄≥18岁；
[0031]
②
手术位置为腹部(部位包括上腹部和下腹部，类型包括腹腔镜以及开腹)；
[0032]
③
全身麻醉并进行机械通气；
[0033]
④
术中进行有创动脉血压监测。
[0034]
排除标准如下：
[0035]
①
入室时出现心律失常患者；
[0036]
②
手术时间＜1小时；
[0037]
③
术中出血量＞1500ml；
[0038]
④
术前被诊断为尿毒症的患者；
[0039]
⑤
补液量、补液种类、动脉压等数据缺失＞15％。
[0040]
(2)所述变量筛选模块在1000例训练集中进行变量筛选和模型建立，收集患者缺失率＜15％的临床变量共50个，先将数据分为患者基本信息变量、连续性变量、分类性变量。
[0041]
所述患者基本信息变量包括：性别、年龄、和体重；
[0042]
所述连续性变量包括：术前中性粒细胞百分比、术前平均红细胞血红蛋白浓度、术
中平均动脉压、术前总蛋白、术前平均红细胞体积、术前舒张压、术前血小板平均体积、术前收缩压、术中补液量、术前白蛋白、术前平均红细胞血红蛋白含量、术前球蛋白、术前血小板分布宽度、术前红细胞、术前红细胞比容、术前白球蛋白比值、术前血红蛋白、术前egfr、术前血糖、术前血尿酸、术前血小板比积、术前血小板、术前单核细胞百分比、术前白细胞、术前血尿素、术前淋巴细胞百分比、术前红细胞分布宽度、术前淋巴细胞绝对值、术前中性粒细胞绝对值、术前单核细胞绝对值、术前血肌酐、手术开始前spv、手术开始前ppv、ast、术前嗜碱细胞百分比、术前嗜酸细胞百分比、术前嗜酸细胞绝对值、术前嗜碱细胞绝对值、alt、和术前总胆红素，其中，egfr为估计肾小球滤过率，spv为收缩压变异，ppv为动脉脉压差变异，ast为天冬氨酸氨基转移酶，alt为谷氨酸丙酮酸转氨酶；
[0043]
所述分类性变量包括：术中是否计划使用nsaids、术中是否计划使用右美托嘧啶、手术部位、手术等级、术前是否患有糖尿病、术前是否患有高血压、是否为机器人辅助手术、术前是否患有恶性肿瘤、手术类型及预计手术时长、和是否为腹腔镜手术，其中，nsaids为非甾体类抗炎药；
[0044]
所述患者基本信息变量直接纳入即可，但所述连续性变量和分类性变量需要通过相关性分析进行筛选，相关系数越大代表变量与液体治疗有效性指标相关性越大。从50个临床变量中筛选18个预测因子用来搭建模型，其筛选过程如下：
[0045]
①
3个患者基本信息变量：性别、年龄、体重；
[0046]
②
10个连续性变量：取连续性变量中与手术结束时最后一次动脉脉压差变异(arterial pulse pressure variation,ppv)、术中尿量和手术结束乳酸三个代表术中补液有效性指标的pearson皮尔逊相关系数最大的10个变量；
[0047]
如表1所示计算出上述三项相关系数，由于变量术中平均动脉压为术中指标，因此排除此变量，则筛选出与液体治疗有效性相关性最大的前10位的连续性变量包括：术中补液量、术前收缩压、术前舒张压、术前中性粒细胞百分比、术前平均红细胞血红蛋白浓度、术前平均红细胞血红蛋白含量、术前平均红细胞体积、术前血小板平均体积、术前总蛋白和术前白蛋白；
[0048]
③
5个分类性变量：取分类性变量中与手术结束时最后一次ppv、术中尿量、手术结束乳酸以及最终方案是否有效的spearman斯皮尔曼相关系数最大的5个变量。
[0049]
如表2所示计算出上述四项相关系数，则筛选出与液体治疗有效性相关性最大的前5位的分类性变量包括：是否计划使用非甾体抗炎药(non-steroidal anti-inflammatory drugs，nsaids)、术中是否计划使用右美托咪定、手术部位、手术等级、术前是否患有糖尿病；
[0050]
共计纳入18个变量作为模型的预测因子。
[0051]
表1连续性变量相关分析结果
[0052]
[0053][0054]
表2分类性变量相关分析结果
[0055]
[0056][0057]
(3)所述液体治疗预警模块：
[0058]
一般以术中最后一次ppv＜10％、术中尿量≥0.5ml/kg/h以及手术结束时血乳酸＜2mmol/l作为全麻腹部手术患者术中实现最佳补液的评判依据。以术中补液量为主要研究指标，依据患者术前及手术开始前的基本信息、检查检验结果等数据为预测因子，根据手术结束时ppv、术中平均尿量、手术结束乳酸等容量指标判断液体治疗有效性，以液体治疗是否有效为结果，在1000例训练集中利用逻辑回归算法建立补液方案治疗效果预测模型。该模型可以预测术中真实补液量是否有效，利用插值计算利用该逻辑回归预测模型，根据术前特征个体化的为患者预测术中补液量的预警值。具体包括：
[0059]
①
数据标准化处理
[0060]
首先对连续性变量进行数据归一化以及等级离散化处理，即将变量真实数值转等比例缩放至[0,1]，再对数据进行等距等级离散化处理，将其分为10个等级，每个变量均以第一等级组为参考。对于多分类变量以及等级变量，设置第一类或第一等级为参考组，如手术等级以特大类型手术为参考组，手术部位以肝胆胰脾手术为参考组。
[0061]
②
模型选择及训练
[0062]
本发明选择逻辑概率分布的广义线性模型：
[0063][0064][0065]
其中，e为自然常数，β为常数项；xi表示第i个患者对应的输入特征向量，yi表示第i个患者液体治疗是否有效的分类标签，当yi＝1时，表明液体治疗有效，当yi＝0时，表明液体治疗无效，kj(j＝1,2,
…
,18)为第j个特征所对应的回归系数，通过迭代训练得到，xj代表每一个患者的第j个输入预测因子结果的归一化值，即液体量以及患者术前基本信息、术前血压、术前检验结果、手术麻醉信息等；p则为液体治疗有效的概率，若估算出概率≥0.5，则输出yi为1，证明液体治疗方案有效，若估算概率小于0.5，则输出yi为0，代表液体治疗方案无效。
[0066]
该模型可以找到输入变量与输出概率的直接关系，并通过比较输出的概率来判断分类。进而，在1000例训练数据集中进行迭代训练并确定每个特征的回归系数，最终得到液体治疗有效性预测的逻辑回归模型。当患者即将进行腹部手术时，应对术中液体量进行判断与预警，以使术中液体治疗有效，如表3所示，计算p为不同值时的精度，当p≥0.5时，逻辑
回归模型最优。因此，当18个特征值及回归系数已知时，可通过插值计算评估有效液体治疗的术中补液量。
[0067]
表3参数p取值的参考
[0068][0069][0070]
③
插值计算
[0071]
建立逻辑回归模型并进行迭代训练后，可以得到各个预测因子的回归系数。因此，当一名患者即将进行腹部手术时，期望为其预测出术中补液量的预警值，使其术中液体治疗有效，即液体治疗有效性的逻辑回归模型估计结果为p≥0.5，那么，在患者术前特征的测量值、预测因子回归系数以及补液量回归系数均已知的条件下，通过插值计算即可得到使液体治疗有效的术中补液量预警值。最终得到模型18个预测因子的回归系数及结果如表4所示。
[0072]
表4液体治疗有效性预测模型
[0073]
[0074][0075]
经过测试数据集回代验证，如表3所示，得到本预算模型准确性为98.6％，精确率和灵敏度分别为92.9％和93.8％。
[0076]
(4)所述治疗效果评估模块通过将治疗过程中实际补液量与补液量预警值进行比较，对治疗效果进行评估。根据是实际补液量与补液量预警值的差异，将治疗方案分为以下三组：
[0077]
a)补液良好组：定义为满足以下条件的观察对象：
[0078]
补液量预警值≤实际补液量≤(补液量预警值 500ml)
[0079]
b)补液不足组：定义为满足以下条件的观察对象：
[0080]
实际补液量《补液量预警值
[0081]
c)补液过量组：定义为满足以下条件的观察对象：
[0082]
实际补液量》(补液量预警值 500ml)
[0083]
将患者数据代入以上分类，根据补液量预警值，患者被分为补液不足组15例，补液良好组66例，补液过量组30例，研究比较了每组患者基线数据，统计三组存在的不良治疗效果。由此，可将治疗方案输液量输入治疗效果评估模块即可得到患者的预后情况评估。当患者被评估为补液不足组、补液过量组，会被判断为风险较大的方案，会对医生进行预警，为医生提供可能出现的不良临床症状，辅助医生修改补液量或者制定相应的预后治疗方案。
[0084]
综上可知，通过上述的一种针对全麻腹部手术患者的液体治疗预警系统，具有以下有益效果：
[0085]
(1)本发明为一种治疗预警系统，自动通过数据筛选模块和变量筛选模块根据以往的电子病历临床数据库进行筛选数据和变量，自动通过液体治疗预警模块利用逻辑回归算法建立液体治疗预警的模型，再利用插值算法为患者个性化预测补液量预警值，提供个体化、规范化参考，并自动通过治疗效果评估模块评估液体治疗方案的效果；实现在手术前的麻醉评估阶段为全麻腹部手术患者预测明确合适的补液量，并对治疗方案进行评估，提供一个补液量的安全范围，有利于辅助围术期液体管理，减少围术期液体治疗和腹部手术患者术后并发症，提升患者的康复质量；
[0086]
(2)本发明在后续前瞻性临床研究中，具有全麻腹部手术患者的临床应用价值，为临床风险分析提供数据支撑。
[0087]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。