技术特征：
1.一种重大危机及死亡风险预测方法，其特征是，包括以下步骤：步骤1：从医院的his，lis，emr系统里获取多维度数据；步骤2：根据患者在接下来24小时内的状态来定义患者目标状态；步骤3：对获取的多维度临床数据进行清洗整理，并按照进入icu的时间以每小时为频次进行排序，变成结构化的时间序列数据；步骤4：对结构化的时间序列数据，按6h，12h，24h为周期计算各个基础变量的变化值，得到时间序列数据的衍生变量；步骤5：对基本变量和获得的衍生的变量进行合并，整理成标准的输入数据集；步骤6：对标准的输入数据集，将其输入到死亡风险预测模型中，判断患者在当前状态下的死亡风险，并输出给医生；步骤7：对当前的死亡风险预测模型，定期将icu内新增加的数据放入模型中，让模型进行再次学习，完成更新与优化；步骤8：针对模型给出的判断，提供特征贡献度的解释，给医生的临床决策提供循证依据，医生结合模型预测的患者死亡风险与特征贡献度的解释进行综合判断，为患者制定个性化治疗方案。2.根据权利要求1所述的一种重大危机及死亡风险预测方法，其特征是，死亡风险预测的目标状态，不仅是指患者的死亡还有患者可能会发生需要抢救的重大危重事件，重大危重事件包括电除颤、心外按压、肾上腺素使用等。3.根据权利要求1至2任意一项所述的重大危机及死亡风险预测方法，其特征是：所述多维度数据包括患者基本信息、生命体征数据、呼吸支持参数、血气数据、检验数据。4.根据权利要求3所述的一种重大危机及死亡风险预测方法，其特征是：所述患者基本信息包括年龄、身高、体重等，所述生命体征数据包括心率、收缩压、舒张压、体温、呼 吸频率，所述呼吸支持参数包括呼吸机模式、潮气量、每分钟通气量、吸入氧浓度、呼吸末正压，所述血气数据包括ph值、二氧化碳分压、氧分压、碱剩余、乳酸、阴离子间隙，所述检验数据包括血红蛋白、白细胞、红细胞、平均红细胞体积、血小板。