一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法与流程

本发明属于技术领域，尤其涉及一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法。

背景技术：

急性冠脉综合征是指冠状动脉内不稳定的动脉粥样斑块破裂或糜烂引起血栓形成所导致的心脏急性缺血综合征，包括不稳定型心绞痛、非st段抬高型心肌梗死和st段抬高型心肌梗死。grace注册研究发现，急性冠脉综合征发生后4年的死亡率约为50％。目前治疗急性冠脉综合征的主要手段包括经皮冠状动脉介入治疗和抗栓药物治疗。双联抗血小板治疗(dapt)指联合使用阿司匹林与p2y12受体拮抗剂(氯吡格雷、替格瑞洛或普拉格雷)，是抗栓药物治疗和经皮冠状动脉介入治疗术后治疗的重要方法。plato研究发现，相比氯吡格雷，替格瑞洛可显著降低急性冠脉综合征患者的心血管死亡率、心肌梗死和卒中的发生率，但同时会显著增加致死性和非致死性颅内出血等出血事件的发生率。

目前，常用于预测急性冠脉综合征或经皮冠状动脉介入治疗患者的出血风险评分(如crusade、action和acuity-horizons等)应用在中国经皮冠状动脉介入治疗术后的急性冠脉综合征患者中时，均存在高估出血的风险的情况。本申请的发明人旨在利用源于中国的真实世界数据，通过机器学习的方法建立预测中国经皮冠状动脉介入治疗术后的急性冠脉综合征患者的近远期出血风险的预测模型，对于包括抗血小板治疗用药选择在内的临床治疗决策、降低出血发生率或有一定的指导意义。

技术实现要素：

本发明的目的在于提供一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法，用源于中国的真实世界数据，通过机器学习的方法建立预测模型，对于包括抗血小板治疗用药选择在内的临床治疗决策、降低出血发生率或有一定的指导意义。

1、为实现上述目的，本发明提供如下技术方案：一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法，该建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法包括下列步骤：

s1、收集来自医院电子病历系统的数据；

s2、筛选行经皮冠状动脉介入术的急性冠脉综合征患者，并提取所需患者信息；

s3、应用机器学习方法，建立患者术后近远期出血风险预测模型；

s4、评估各模型预测价值，选取最优的预测模型。

作为本发明一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法优选的技术方案，所述步骤s1中收集的数据来自医院电子病历系统脱敏后的数据，具体包括患者的人口学特征、体征、行为、实验室检查结果、心脏彩超检查结果、合并症、病史、用药、在院期间出血相关事件和其他所有可获得的患者基线特征。

作为本发明一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法优选的技术方案，所述步骤s2中提取的患者信息包括患者行经皮冠状动脉介入治疗时的人口学特征、体征、行为、实验室检查结果、心脏彩超检查结果、合并症、病史、经皮冠状动脉介入治疗当次就诊相关特征、经皮冠状动脉介入治疗相关信息、入院前长期用药、在院期间治疗、出院带药、在院期间出血相关事件。

作为本发明一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法优选的技术方案，所述步骤s3中应用的机器学习模型包括svm、rf、nb、lr等。

作为本发明一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法优选的技术方案，所述步骤s4中选取最优的预测模型通过比对最终产生的各风险预测模型的预测价值，包括auc、灵敏度、特异度、阳性预测值和阴性预测值等，分别选取最优的近、远期出血风险预测模型。

作为本发明一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法优选的技术方案，所述出血事件包括timimajor和minor出血，通过患者诊断、病程、影像学诊断和实验室检查判断出血发生。

作为本发明一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法优选的技术方案，所述近期出血为患者经皮冠状动脉介入治疗术后一个月内的出血，一年内的出血定义为远期出血，均参考timi出血分级。

本发明的有益效果是：通过在医院电子病历系统中回顾性收集接受经皮冠状动脉介入治疗的急性冠脉综合征患者的信息，对于患者的人口学特征、体征、行为、实验室检查结果、心脏彩超检查结果、合并症、病史、用药、在院期间出血相关事件和其他所有可获得的患者基线特征进行分析收集，完全针对急性冠脉综合征患者信息，并通过应用机器学习的多种模型，建立使用患者信息对其出血风险进行预测的模型，便于医护人员的观察，对于指导临床治疗决策和降低出血发生率有一定的意义。

附图说明

图1是本发明提供的一种建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法的步骤流程示意图；

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

请参考图1，下面将结合附图对本发明实施例作详细说明。

参照图1所示，该建立急性冠脉综合征在介入治疗术后的出血风险预测模型的方法包括如下步骤：

s1、收集来自医院电子病历系统的数据；

s2、筛选行经皮冠状动脉介入术的急性冠脉综合征患者，并提取所需患者信息；

s3、应用机器学习方法，建立患者术后近远期出血风险预测模型；

s4、评估各模型预测价值，选取最优的预测模型。

具体的，步骤s1中收集的数据来自医院电子病历系统脱敏后的数据，具体包括患者的人口学特征、体征、行为、实验室检查结果、心脏彩超检查结果、合并症、病史、用药、在院期间出血相关事件和其他所有可获得的患者基线特征；

在上述步骤中的收集数据，首先，通过根据患者纳入排除标准，在医院电子病历系统中回顾性收集接受经皮冠状动脉介入治疗的急性冠脉综合征患者的信息，纳入标准包括：(1)年龄≥18岁；(2)确诊急性冠脉综合征的患者；(3)接受经皮冠状动脉介入治疗治疗。排除标准包括：(1)接受搭桥治疗；(2)孕产妇及哺乳期妇女。

本发明将对所有入选患者基线/筛选期回顾性收集包括人口学特征、体征、行为、实验室检查结果、心脏彩超检查结果、合并症、病史、用药、在院期间出血相关事件各项特征在内的所有可获得的脱敏后的患者信息；

上述特征涵盖了除种族和dapt持续时长(30个月vs.12个月，长于本研究设定的最长观察时长)以外，既有11个急性冠脉综合征患者经皮冠状动脉介入治疗术后出血风险预测评分使用的患者特征，以及其他潜在的急性冠脉综合征患者经皮冠状动脉介入治疗术后出血和心血管事件的影响因素。对于观察期，即患者经皮冠状动脉介入治疗术后一年内，本发明将通过患者诊断、病程、影像学诊断和实验室检查结果等回顾性收集患者timimajor和minor出血事件相关信息。当患者诊断、病程和/或影像学诊断中确认发生发生‘出血|咯血|血尿|尿血|黑便|柏油样便|便血|潜血阳性|渗血|血肿|假性动脉瘤’时，即认为有出血事件发生。timimajor出血包括颅内出血(除外仅梯度回波mri可见<10mm的微出血)、临床显性出血且血红蛋白下降≥5g/dl和致死性出血(出血直接导致7天內死亡)；timiminor出血包括临床显性出血(包括影像学检查)，造成血红蛋白下降3到<5g/dl。

具体的，所述步骤s2中提取的患者信息包括患者行经皮冠状动脉介入治疗时的人口学特征、体征、行为、实验室检查结果、心脏彩超检查结果、合并症、病史、经皮冠状动脉介入治疗当次就诊相关特征、经皮冠状动脉介入治疗相关信息、入院前长期用药、在院期间治疗、出院带药、在院期间出血相关事件。

具体的，所述步骤s3中应用的机器学习模型包括svm、rf、nb、lr等；对提取出的患者数据，应用包括svm、rf、nb、lr等在内的机器学习方法，将分别建立以所有患者特征和表1中罗列的患者特征预测经皮冠脉介入治疗后出血1个月内(近期)和1年内(远期)发生timimajor/minor出血风险的模型。

具体的，所述步骤s4中选取最优的预测模型通过比对最终产生的各风险预测模型的预测价值，包括auc、灵敏度、特异度、阳性预测值和阴性预测值等，分别选取最优的近、远期出血风险预测模型；通过比对最终产生的各风险预测模型的预测价值，包括roc曲线下面积、灵敏度、特异度、阳性预测值和阴性预测值等，分别选取最优的近、远期出血风险预测模型。

本发明的工作原理是：收集包括患者的人口学特征、体征、行为、实验室检查结果、心脏彩超检查结果、合并症、病史、用药、在院期间出血相关事件特征在内的所有可获得的入选患者特征和术后一年内出血事件信息，收集信息完成后，对提取出的患者数据，应用包括svm、rf、nb、lr等在内的机器学习方法，将分别建立以所有患者特征和上述特征的患者特征预测经皮冠脉介入治疗后出血1个月内(近期)和1年内(远期)发生timimajor/minor出血风险的模型，最后通过比对最终产生的各风险预测模型的预测价值，包括auc、灵敏度、特异度、阳性预测值和阴性预测值等，分别选取最优的近、远期出血风险预测模型。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。