一种子痫前期风险筛查信息系统及模型构建方法

本发明属于临床医学，具体的说是一种子痫前期风险筛查信息系统及模型构建方法。

背景技术：

1、子痫前期作为孕产妇常见的并发症之一，近20年的发病率上升了25％，全球范围内，每年导致5-6万的患者死亡，在发展中国家尤其突出。该病伴发着医源性早产增加，且与孕产妇远期心血管、代谢性疾病密切相关。因此，国际妇产科联盟建议各国学者应关注子痫前期及其相关孕期健康问题，优先针对育龄妇女采取公共卫生手段提高孕前咨询及产后随访。所有孕妇均应在早孕期接受针对足月型子痫前期的母体危险因素与生物标记物检测的联合一步法筛查。

2、联合筛查手段包括母体危险因素、平均动脉压(map)、血清胎盘生长因子(plgf)及子宫动脉搏动指数(utpi)。当无法测量plgf和/或utpi时，基线筛查应包括母体危险因素及map，而非单独评估母体危险因素。如母体血清妊娠相关血浆蛋白a(papp-a)已用于早孕期筛查胎儿非整倍体畸形，则可将此项目纳入对子痫前期的风险评估中。采取不同的联合筛查方案可能降低筛查的有效性。如联合母体危险因素、map、plgf及utpi进行筛查，相关风险≥1/100即为高危。

3、利用流行病因素综合评估，可以预测37％早发型子痫前期和29％的晚发型子痫前期，这些风险因素包括：初产、子痫前期病史及家族史、慢性高血压/肾病史、血栓性疾病、多胎、人工授精、糖尿病、肥胖、系统性红斑狼疮、年龄大于40岁。

4、我团队在前期研究中发现了50余个中国人群的子痫前期风险基因，并获得国家发明专利授权(专利号：202110510509.0)。该专利在实现临床推广前，从医学经济学成本考虑，应当对目标人群进行初步筛查。上述所谈到的风险因素显然并不能实现诊疗的全覆盖，且均未涉及生活习惯与临床生化检查；联合筛查的方法虽然有效，却依赖于国外进口的特殊的检查项目及技术，无法实现基层医院的普及工作。

技术实现思路

1、针对以上问题，本发明提供了一种子痫前期风险筛查信息系统及模型构建方法，针对我国现有国情和卫生事业发展特点，我们首先利用我国互联网的普及和高度与共享，通过非常规检测技术和患者流行病学指标结合，对广大孕产妇进行初步的评估，对高危人群进行重点深入的评估和监管。结合目前国际报道的多个风险因素，又引进化验室结果、生活习惯参数进行分析，这是首次以流行病学特点及人类行为指标作为研究对象，分析疾病的发病风险，着重关注环境风险因素的阈值对子痫前期的预测效能，为技术的临床推广奠定基础。

2、本发明公开了一种子痫前期风险筛查信息系统，包括用户病史、生活习惯及临床常规化验检查结果、问卷调查、档案查询、病史统计及结果分析，数据采集模块获取用户的体征数据，通过手机安卓端和pc终端发送给app服务器，app服务器根据数据存储模块中存储的数据，对新接收的体征数据进行分析，制备临床参数的子痫前期预测模型，并将优势参数转化到app，用户可自行应用手机安卓端app输入个人信息及检查结果，数据中心对每个用户进行风险评估，从而实现个性化的自我预测，实现孕产妇主动加强自我保健与卫生机构实行监管与防治的互动。

3、本发明技术方案如下，一种子痫前期风险筛查信息系统，包括：基础数据系统、后台管理系统、监控系统和管理系统；

4、基础数据系统由基础信息管理模块和问卷调查模块组成；

5、后台管理系统由病例管理模块、化验结果模块、问卷模块、病史统计模块和结果分析模块组成；

6、监控系统由在线用户模块、定时任务模块、服务监控模块、缓存监控模块和缓存模块组成；

7、管理系统由用户管理模块、角色管理模块、菜单管理模块、部门管理模块和岗位管理模块组成；

8、基础信息管理模块与各系统模块连接，为系统管理端主界面首页展示页面，显示系统版本号以及各系统界面，显示用户名和id；

9、问卷调查模块包括：数据收集模块和分析模块；

10、进一步的，数据收集模块包括：午餐方式、零食时间、饮食口味、主食结构、饮食鱼类、食用油分类、豆制品摄入量、乳制品摄入量、蔬菜摄入量、水果摄入量、饮用水摄入量、做菜方式、睡眠时间、睡眠质量、运动情况，午睡情况、孕期上班时间、教育程度、家庭收入、牛羊肉摄入量；通过设置的数据采集、转换网关程序，提供对外数据接口，支持其他机构的体检数据传输导入，完成从批量体检数据采集、实现数据的传输、清洗、转换和装载功能；分析模块与数据收集模块相连，对收集的数据进行分析汇总，并将数据可视化。

11、进一步的，病例管理模块包括用户的名称、年龄、经期、孕次、产次、自发流产史、子痫前期病史、子痫前期家族史、高血压病史、高血压家族史、肾病、糖尿病、糖尿病家族史、自身免疫病、抗磷脂抗体综合征、阻塞性睡眠呼吸暂停、妊娠间隔大于10年、血小板减少、既往死胎史、母体子宫肌瘤、胎盘早剥病史、吸烟、人工助孕、易栓症、牙周炎、龋齿、自然流产、甲减、备注和操作；提供数据的导入、修改、删除、隐藏和导出工具，支持数据excel格式或特定数据统计格式的导出和导入，以便更好的对数据库数据进行管理应用；化验结果模块包括用户名称、身高、孕前或早孕体重、血型、孕前或早孕血压、胎盘位置、左侧子宫动脉pi、右侧子宫动脉pi、血红蛋白、红细胞、血小板、平均血小板mpv、血小板分布宽度pdw、中性粒细胞、白细胞wbc、tsh促甲状腺激素、ft3、ft4、tga抗甲状腺球蛋白抗体、甲状腺过氧化物酶抗体、尿蛋白、生化血糖、谷丙转氨酶alt、谷草转氨酶ast、尿素氮、肌酐、胆固醇、高密度脂蛋白、低密度脂蛋白、甘油三酯；提供数据的导入、修改、删除、隐藏和导出工具，支持数据excel格式或特定数据统计格式的导出和导入，以便更好的对数据库数据进行管理应用；问卷模块包括：生成调查问卷及填写，与数据收集模块连接，问卷内容包括：午餐方式、零食时间、饮食口味、主食结构、饮食鱼类、食用油分类、豆制品摄入量、乳制品摄入量、蔬菜摄入量、水果摄入量、饮用水摄入量、做菜方式、睡眠时间、睡眠质量、运动情况，午睡情况、孕期上班时间、教育程度、家庭收入、牛羊肉摄入量；病史统计模块与病例管理模块和数据收集模块连接，将病史进行分析统计，提供可视化数据；分组n、对照、子痫前期、p值、风险评估和解释；统计包括：子痫前期病史、子痫前期家族史、慢性高血压、高血压家族史、肾病、糖尿病家族史、妊娠期糖尿病、自身免疫、睡眠呼吸暂停、妊娠间隔大于10年、血小板减少、不良孕产史、子宫肌瘤、胎盘早剥、吸烟、人工助孕、牙周炎、龋齿、甲减、甲亢、盆腔手术史和双胎；根据风险评估值提示用户；结果分析模块与病史统计模块数据连接，包括参数、pe组(患病组)、对照组、风险权重和解释。

12、进一步的，在线用户模块包括：在线用户序号、会话编号、登陆名称、部门名称、主机ip、登录地点、浏览器、操作系统和登陆时间；还提供搜索引擎，能够通过登录地址和用户名称进行快速定位，能够强制登出用户，对用户进行管理；定时任务模块包括：任务编号、任务名称、任务组名、调用目标字符串、cron执行表达式和状态；还包括记录以往任务的日志，浏览全部任务；服务监控模块包括：cpu：核心、用户使用率、系统使用率和当前空闲率；内存：总内存、已用内存、剩余内存和使用率；服务器信息：服务器名称、服务器ip、操作系统和系统架构；java虚拟机信息：java名称、java版本、启动时间、运行时长、安装路径、项目路径和运行参数；缓存监控模块包括：基本信息：redis版本、运行时间、aof是否开启、运行模式、使用内存、rdb是否启动、端口、使用cpu、key数量、客户端数、内存配置和网络出入口；命令统计和内存消耗信息；缓存模块包括：缓存列表：序号、缓存名称、备注和操作；键名列表：序号、缓存键名和操作；缓存内容：缓存名称、缓存键名和缓存内容。

13、进一步的，用户管理模块包括：用户编号、用户名称、用户昵称、部门、手机号码、状态、创建时间和操作；通过输入用户名、手机号码、状态和创建时间来搜索用户，还能够通过索引能够快速定位用户；角色管理模块包括：角色编号、角色名称、权限字符、显示顺序、状态、创建时间和操作；菜单管理模块包括：菜单名称、图标、排序、权限标识、组件路径、状态、创建时间和操作；部门管理包括：部门名称、排序、状态、创建时间和操作；岗位管理模块包括：岗位编号、岗位编码、岗位名称、岗位排序、状态、创建时间和操作。

14、一种子痫前期风险筛查模型构建方法，包括以下步骤：

15、s1采集样本数据，累计对多名患者进行病史情况调查，统计结果见表1，其中p为统计学参数，p＜0.05具备统计学意义；

16、s2对步骤s1中人群进行体格调查，统计结果如表2；

17、s3对步骤s1人群进行生活习惯调查，制备问卷表格，统计结果见表3；

18、s4对步骤s1人群进行血常规、尿常规及甲状腺功能进行调查，统计结果见表4；

19、s5根据s1至s4中统计的结果，将p＜0.1的参数筛选出来，包括：子痫前期病史、慢性高血压史、肾病、高血压家族史、血小板减少、胎盘早剥、睡眠呼吸暂停、bmi、收缩压、舒张压、奶制品摄入情况、奶制品摄入量、新鲜水果摄入量、睡眠质量、孕期工作、文化程度、牛羊肉摄入量、白细胞数量和尿蛋白(+)；以上数据进行二元回归分析，结果见表5-表15；

20、s6根据s5中数据建立的二元回归分析模型，得到子痫前期病史、慢性高血压史、高血压家族史、收缩压≥120mmhg、舒张压≥80mmhg和白细胞>13*10^9/l能够作为预测子痫前期的数据依据；

21、s7根据公式

22、

23、计算，p1值，其中p1为m个自变量作用下阳性结果发生概率，p1根据公式计算，将上述公式做变换，logistic回归模型可以表示成如下线性形式：

24、

25、其中β0为常数项或截距，β1、β2···βm为模型的回归系数，即β1为3.213，x1为子痫前期病史，β2为3.17，x2为慢性高血压史，β3为1.244，x3为高血压家族史，β4为0.837，x4为收缩压≥120mmhg，β5为3.118，x5为舒张压≥80mmhg，β6为0.959，x6为白细胞＞13*10^9/l。

26、进一步的，步骤s1中，问卷内容包括：年龄、子痫前期病史、子痫前期家族史、慢性高血压史、高血压家族史、肾病、糖尿病家族史、妊娠期糖尿病、自身免疫、睡眠呼吸暂停、妊娠间隔>10年、血小板减少、不良孕产史、子宫肌瘤、胎盘早剥、吸烟、人工助孕、易栓症、牙周炎、龋齿、甲减、自然流产史、孕次和产次。

27、进一步的，步骤s2中，体格调查内容包括：年龄、身高、体重、bmi、收缩压和舒张压。

28、进一步的，步骤s3中，生活习惯调查内容包括：午餐的方式、吃零食时间、口味、主食结构、豆制品摄入情况、奶制品摄入情况、奶制品摄入量、深海鱼摄入量、新鲜蔬菜摄入量、新鲜水果摄入量、吃水果时间、饮水习惯、常用油、烹饪方式、睡眠时长、睡眠质量、运动时长、午睡、孕期工作、文化程度和牛羊肉摄入量。

29、进一步的，步骤s1-s4中，对照组为未患子痫前期622人，pe组为患子痫前期177人。

30、本发明的有益效果为：

31、子痫前期具有遗传易感性，我团队在前期研究中发现了50余个中国人群的子痫前期风险基因，并获得国家发明专利授权。风险基因的检测在疾病防治和药物治疗领域被广泛采用，前期专利研究结果在临床推广前，从医学经济学成本考虑，应当对目标人群进行初步筛查。而美国妇产科医师协会指南所推荐的子痫前期高危人群的范围界定同样需要在我国人群中进一步的验证，从而评价该体系是否满足我国孕产妇高危人群的筛查。

32、患者群均为中国境内本民族的人群，收集的病人信息和生活习惯均具有地域性特点，基于这样的数据研发的疾病预测模型具有良好的针对性。一方面体现了团队的自主研发能力，基于这样的数据研发的疾病预测模型具有良好的针对性。一方面体现了团队的自主研发能力，另一方面也是我们专注于本土医疗水平改善的体现。该模型所纳入的风险因素，突破了原有国内外所报道的参数范围。本技术的应用，即保证了研发项目的顺利进行，同时也彰显我研发团队的先进性；本发明结合目前国际报道的多个风险因素，又引进化验室结果、生活习惯参数进行分析，这是首次以流行病学特点及人类行为指标作为研究对象，分析疾病的发病风险，着重关注环境风险因素的阈值对子痫前期的预测效能，为技术的临床推广奠定基础；重点在于统计学方法的设定。我们选用回归分析的方法进行数据处理，可有效地解决数据量大且复杂的统计学问题。回归分析算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法，是处理复杂大数据的最新手段。