绝经后女性人群骨质疏松症风险列线图预测系统及方法

1.本发明属于绝经后女性人群骨质疏松症风险预测技术领域，尤其涉及一种基于lasso回归的绝经后女性人群骨质疏松症风险列线图预测系统及预测方法。


背景技术：

2.绝经后女性人群骨质疏松症发病率高，很多患者在进行骨密度检查时，已经发病较长、病情较重，甚至伴有骨质疏松症性骨折。
3.目前已有的存在的骨质疏松症预测工具，均为评价量表，使用起来较为困难，需要医师操作，健康督导与宣教能力差。尚无骨质疏松症风险的列线图(nomogram)，列线图的优势在于简单可行，并将其制作app或微信小程序，经过患者自行点选回答问题后，即可生产骨质疏松症风险概率，并给与医学建议。
4.因此，简便的女性预测骨质疏松症风险，并进行骨密度检查，可以促使患者早期治疗，防止严重并发症。因此，亟需建立一个简单、易行的绝经后女性人群骨质疏松症风险预测工具，以初步筛查患者骨质疏松症风险，建议高风险患者进行骨密度检查及给出医疗建议。
5.通过上述分析，现有技术存在的问题及缺陷为：
6.(1)目前已有的存在的骨质疏松症预测工具，均为评价量表，使用起来较为困难，需要医师操作，健康督导与宣教能力差。
7.(2)现有技术中尚无预测绝经后女性人群骨质疏松症风险的列线图。


技术实现要素：

8.针对现有技术存在的问题，本发明提供了一种绝经后女性人群骨质疏松症风险列线图预测系统及预测方法。
9.本发明是这样实现的，一种绝经后女性人群骨质疏松症风险列线图预测方法，所述绝经后女性人群骨质疏松症风险列线图预测方法包括以下步骤：
10.步骤一，设计与绝经后女性人群骨质疏松症预测相关的数据收集表，形成训练数据集与验证数据集；
11.步骤二，训练数据集经过lasso回归进行数据降维及变量筛选。将筛选后的变量作为自变量，并结合临床适当增加其他变量以是否骨质疏松症作为因变量，通过logistic回归建立预测模型，并制作绝经后女性人群骨质疏松症风险列线图；
12.步骤三，运用步骤二得出的模型，计算建立数据集与验证数据集患者骨质疏松症的概率，进行模型的验证，模型评价指标包括-校准度、分辨度及临床实用性。
13.步骤四，将列线图制作为app或微信小程序，供患者使用。
14.进一步，所述步骤一中，通过文献学习，设计与骨质疏松症预测相关的数据收集表，内容主要包括：年龄、体重、身高、运动量、饮酒习惯、吸烟习惯、每日饮用咖啡量、每日豆制品食用量、每日饮奶量、每日食肉量、每日坚果食用量、停经年龄、糖皮质激素使用史、高
血压病史、糖尿病史、高脂血症病史、既往非暴力骨折史、父母髋关节骨折史、长期使用枸杞、长期使用三七、是否有腰背痛症状、是否有肢体抽筋症状等，通过对绝经后女性患者的问卷调查及骨密度检查结果，形成训练数据集与验证数据集。
15.进一步，所述步骤二中，训练数据集经过lasso回归进行数据降维及变量筛选。将筛选后的变量作为自变量，并结合临床适当增加他变量，以是否骨质疏松症作为因变量，通过logistic回归建立预测模型。
16.本发明的另一目的在于提供一种应用所述的绝经后女性人群骨质疏松症风险列线图预测方法的绝经后女性人群骨质疏松症风险列线图预测系统，所述绝经后女性人群骨质疏松症风险列线图预测系统包括：
17.数据收集表设计模块，用于通过文献学习，设计与绝经后女性人群骨质疏松症预测相关的数据收集表；
18.训练数据集构建模块，用于通过对女性患者的问卷调查及骨密度检查结果，形成训练数据集；
19.预测模型构建模块，用于训练数据集经过lasso回归筛选变量，logistic回归建立预测模型；
20.模型验证模块，通过logistic回归建立的模型，计算建立数据集与验证数据集患者骨质疏松症的概率，进行模型的验证，模型评价指标包括-校准度、分辨度及临床实用性；
21.模型应用模块，用于将列线图制作为app或微信小程序，供患者使用。
22.本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
23.通过文献学习，设计与绝经后女性人群骨质疏松症预测相关的数据收集表；通过门诊患者的量表填写及骨密度检查结果，形成训练数据集与验证数据集；训练数据集经过lasso回归进行数据降维及变量筛选。将筛选后的变量作为自变量，并结合临床适当增加其他变量，以是否骨质疏松症作为因变量，通过logistic回归建立预测模型；通过logistic回归建立的模型，计算建立数据集与验证数据集患者骨质疏松症的概率骨质疏松症，进行模型评价，指标包括-校准度、分辨度及临床实用性。制作绝经后女性人群骨质疏松症风险列线图，可将列线图制作为app或微信小程序，供患者使用。
24.本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
25.通过文献学习，设计与绝经后女性人群骨质疏松症预测相关的数据收集表；通过对女性患者的问卷调查及骨密度检查结果，形成训练数据集(大于200例)与验证数(大于100例)据集；训练数据集经过lasso回归进行数据降维及变量筛选。将筛选后的变量作为自变量，并结合临床适当增加其他变量，以是否骨质疏松症作为因变量，通过logistic回归建立预测模型；通过logistic回归建立的模型，计算建立数据集与验证数据集患者骨质疏松症的概率，进行模型评价，指标包括-校准度、分辨度及临床实用性。制作绝经后女性人群骨质疏松症风险列线图，可将列线图制作为app或微信小程序，供患者使用。本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述的绝经后女性人群骨质疏松症风险列线
图预测系统。
26.本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述的绝经后女性人群骨质疏松症风险列线图预测系统。
27.本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的绝经后女性人群骨质疏松症风险列线图预测系统。
28.结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的骨质疏松症风险列线图预测方法，能够简便的预测骨质疏松症风险，并进行骨密度检查，可以促使患者早期治疗，防止严重并发症；通过建立一个简单、易行的骨质疏松症风险预测工具，以初步筛查患者骨质疏松症风险，建议高风险患者进行骨密度检查及给出医疗建议。
附图说明
29.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
30.图1是本发明实施例提供的绝经后女性人群骨质疏松症风险列线图预测方法流程图。
31.图2是本发明实施例提供的绝经后女性人群骨质疏松症风险列线图预测系统结构框图；
32.图中：1、数据收集表设计模块；2、训练与验证数据集构建模块；3、预测模型构建模块；4、模型验证模块；5、模型应用模块。
33.图3是本发明实施例提供的绝经后女性人群骨质疏松症风险列线图预测系统实验效果图。
具体实施方式
34.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
35.针对现有技术存在的问题，本发明提供了一种骨质疏松症风险列线图预测系统及预测方法，下面结合附图对本发明作详细的描述。
36.如图1所示，本发明实施例提供的骨质疏松症风险列线图预测方法包括以下步骤：
37.s101，通过文献学习，设计与骨质疏松症预测相关的数据收集表，内容主要包括：年龄、体重、身高、运动量、饮酒习惯、吸烟习惯、每日饮用咖啡量、每日豆制品食用量、每日饮奶量、每日食肉量、每日坚果食用量、停经年龄、糖皮质激素使用史、高血压病史、糖尿病史、高脂血症病史、既往非暴力骨折史、父母髋关节骨折史、长期使用枸杞、长期使用三七、是否有腰背痛症状、是否有肢体抽筋症状等，通过对绝经后女性患者的问卷调查及骨密度检查结果，形成训练数据集(大于200例)与验证数据集(大于100例)；
38.s102，训练数据集经过lasso回归进行数据降维及变量筛选。将筛选后的变量作为
自变量，并结合临床适当增加其他变量，以是否骨质疏松症作为因变量，通过logistic回归建立预测模型；
39.s103，运用s102得出的模型，计算建立数据集与验证数据集患者骨质疏松症的概率，进行模型的验证，模型评价指标包括：校准度、分辨度及临床实用性；
40.s104，将列线图制作为app或微信小程序，供患者使用。
41.如图2所示，本发明实施例提供的绝经后女性人群骨质疏松症风险列线图预测系统包括：
42.数据收集表设计模块1，用于通过文献学习，设计与绝经后女性人群骨质疏松症预测相关的数据收集表；
43.训练数据集构建模块2，用于通过门诊患者的量表填写及骨密度检查结果，形成训练数据集与验证数据集；
44.预测模型构建模块3，训练数据集经过lasso回归进行数据降维及变量筛选。将筛选后的变量作为自变量，并结合临床适当增加其他变量，以是否骨质疏松症作为因变量，通过logistic回归建立预测模型；
45.模型验证模块4，运用模块3得出的模型，计算建立数据集与验证数据集患者骨质疏松症的概率，进行模型的验证，模型评价指标包括-校准度、分辨度及临床实用性；
46.模型应用模块5，制作绝经后女性人群骨质疏松症风险列线图，可将列线图制作为app或微信小程序，供患者使用。
47.下面结合实施例对本发明的技术方案作进一步描述。
48.图3是本发明提供的绝经后女性人群骨质疏松症风险列线图预测系统实验效果图。
49.本发明实施例提供的绝经后女性人群骨质疏松症风险列线图预测方法包括：
50.通过文献学习，设计与骨质疏松症预测相关的数据收集表，通过对女性患者的问卷调查及骨密度检查结果，形成训练数据集(大于200例)与验证集(大于100例)。训练数据集经过lasso回归筛选变量，logistic回归建立预测模型。计算建立数据集与验证数据集患者骨质疏松症的概率，进行模型的验证，模型评价指标包括-校准度、分辨度及临床实用性。制作绝经后女性人群骨质疏松症风险列线图，可将列线图制作为app或微信小程序，供患者使用。简便的女性预测骨质疏松症风险，并进行骨密度检查，可以促使患者早期治疗，防止严重并发症。建立一个简单、易行的绝经后女性人群骨质疏松症风险预测工具，以初步筛查患者骨质疏松风险，建议高风险患者进行骨质疏松筛查及给出医疗建议。
51.目前已采集数据共700余例，并进行预测模型的建立。其风险列线图大致如下(参数可能进行调整)。
52.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。