一种维持性血液透析患者死亡风险预测方法与流

本发明属于医疗数据，具体地说是一种维持性血液透析患者死亡风险预测方法。背景技术：1、近年来随着大数据和人工智能技术的发展，越来越多的研究者开始利用这些数据科学手段来构建预测模型，这些模型可以基于患者的各种生理指标、病史、治疗情况等信息，通过复杂的算法和计算，预测患者的死亡风险，这种预测方法具有更高的准确性和可靠性。2、公开号为cn115547489a的一项中国专利申请公开了一种维持性血液透析患者死亡风险预测方法，包括：采集血液透析患者的多项数据指标作为自变量，基于自变量建立预测模型，得到血液透析患者死亡风险预测模型，通过血液透析患者死亡风险预测模型可以预测，得到患者的死亡风险预测率以及死亡风险分级。3、现有技术中，只通过建立预测模型，基于静态数据血液透析患者的多项数据进行处理，得到患者死亡风险预测率以及死亡风险分级，但是，没有将患者的静态数据和患者的动态数据进行结合分析，得到的结论较为单一化，也没有对模型预测患者死亡风险的概率和等级进行评估是否准确，因此，不具有权威性。4、为此，本发明提供了一种维持性血液透析患者死亡风险预测方法技术实现思路1、为了弥补现有技术的不足，解决背景技术中所提出的至少一个技术问题。2、本发明解决其技术问题所采用的技术方案是：一种维持性血液透析患者死亡风险预测方法，包括以下步骤：3、步骤一，获取患者静态数据，静态数据包括：患者血压指标量、血糖指标量和血脂指标量；4、在步骤一中，通过公式：e＝(p1+p2+p3)×θ获取得到患者静态数据e，p1表示为患者血压指标代表值，p2表示为患者血糖指标代表值，p3表示为患者血脂指标代表值，θ表示为预设的比例系数；5、步骤二，获取患者动态数据，动态数据包括：血液生化数据和心动超声主动脉数据；6、在步骤二中，获取患者不同时间段内的血液生化数据和心动超声主动脉数据，将患者不同时间段内的血液生化数据和心动超声主动脉数据进行处理并结合，得到患者动态数据代表值，将患者动态数据代表值作为患者动态数据；7、步骤三，基于患者静态数据和动态数据进行处理，得到患者死亡风险等级；8、在步骤三中，将患者死亡风险判定值与预设的患者死亡风险判定阈值进行比较，具体比较过程如下：9、若患者死亡风险判定值大于或者等于预设的患者死亡风险判定阈值，则判定患者死亡风险高；10、若患者死亡风险判定值小于预设的患者死亡风险判定阈值，则判定患者死亡风险低；11、步骤四，基于患者静态数据和动态数据的历史数据，对患者死亡风险等级判定的结果进行验证准确性。12、作为本发明进一步的方案：在步骤一中，将患者血压指标量、血糖指标量和血脂指标量进行处理，得到患者静态数据，具体处理过程如下：13、a1，获取患者周期内的血压指标量，将周期内的血压指标量进行求和取平均值，得到的平均值作为患者血压指标代表值；14、a2，获取患者周期内的血糖指标量，将周期内的患者血糖指标量进行求和取平均值，得到的平均值作为患者血压指标代表值；15、a3，获取患者周期内的血脂指标量，将周期内的患者血糖指标量进行求和取平均值，得到的平均值作为患者血压指标代表值。16、作为本发明进一步的方案：在步骤二，获取患者动态数据，动态数据包括：血液生化数据和心动超声主动脉数据；17、在步骤二中，获取患者不同时间段内的血液生化数据和心动超声主动脉数据，将患者不同时间段内的血液生化数据和心动超声主动脉数据进行处理并结合，得到患者动态数据代表值，具体处理过程如下：18、b1，获取患者不同时间段内的血压指标量、血糖指标量和血脂指标量，将不同时间段内的血压指标量、血糖指标量和血脂指标量进行处理，得到患者的血液生化数据代表值；19、b2，获取患者不同时间段内的主动脉血管内径值，将患者不同时间段内的主动脉血管内径值进行处理，得到患者心动超声主动脉数据代表值；20、b3，基于患者血液生化数据代表值和患者心动超声主动脉数据代表值，通过公式进行处理，得到患者动态数据代表值。21、作为本发明进一步的方案：在b1中，具体处理过程如下：22、b101，将患者不同时间段内的多组血压指标量与血压指标代表值p1作比值，并将比值进行求和取平均值，将平均值作为患者血压指标偏差系数；23、b102，将患者不同时间段内的多组血糖指标量与血糖指标代表值p2作比值，并将比值进行求和取平均值，将平均值作为患者血糖指标偏差系数；24、b103，将患者不同时间段内的多组血脂指标量与血脂指标代表值p3作比值，并将比值进行求和取平均值，将平均值作为患者血脂指标偏差系数；25、b104，基于患者血压指标偏差系数、患者血糖指标偏差系数和患者血脂指标偏差系数进行处理，得到血液生化数据代表值。26、作为本发明进一步的方案：在b104中，通过公式：r＝a1×α+a2×β+a3×γ获取得到血液生化数据代表值r，a1表示为患者血压指标偏差系数，a2表示为患者血糖指标偏差系数，a3表示为患者血脂指标偏差系数，α、β和γ表示为预设的权重系数。27、作为本发明进一步的方案：在b2中，通过图像采集得到患者大血管图像，获取患者不同时间段内的多组主动脉血管内径值，将多组主动脉血管内径值进行求和取平均值，将平均值作为患者大血管内径代表值，将患者大血管内径代表值记为患者心动超声主动脉数据代表值m。28、作为本发明进一步的方案：在b3中，通过公式：获取得到患者动态数据代表值w，ε表示为预设的比例系数。29、作为本发明进一步的方案：在步骤三中，根据患者静态数据和动态数据结合处理，得到患者死亡风险判定值；30、通过公式：k＝w×e×μ获取得到患者死亡分析判定值k，μ表示为预设的比例系数。31、作为本发明进一步的方案：在步骤四中，将死亡患者的历史数据与患者的数据进行比较，死亡患者的历史数据包括死亡患者静态数据代表值e1、死亡患者动态数据代表值w1和死亡患者死亡风险判定值k1，具体过程如下：32、s1，获取死亡患者多组静态数据，将多组静态数据求和取方差，将方差值作为死亡患者静态数据代表值e1；33、s2，获取死亡患者多组动态数据，将多组动态数据求和去方差，将方差值作为死亡患者动态数据代表值w1；34、s3，基于死亡患者静态数据代表值e1和死亡患者动态数据代表值w1，对死亡患者静态数据代表值e1和死亡患者动态数据代表值w1进行处理，得到死亡患者死亡风险判定值k1；35、s4，将死亡患者死亡风险判定值k1与患者死亡风险判定值k进行作差，将差值作为判定结果准确代表值。36、作为本发明进一步的方案：在s4中，将判定结果准确代表值与判定结果准确阈值进行比较，具体比较过程如下：37、若判定结果准确代表值大于或者等于判定结果准确阈值，则判定对患者死亡风险等级判定的结果准确；38、若判定结果准确代表值小于判定结果准确阈值，则判定对患者死亡风险等级判定的结果不准确。39、本发明的有益效果如下：40、1.本发明所述的一种维持性血液透析患者死亡风险预测方法，通过获取患者静态数据，静态数据包括：患者血压指标量、血糖指标量和血脂指标量，获取患者动态数据，动态数据包括：血液生化数据和心动超声主动脉数据，基于患者静态数据和动态数据进行处理，得到患者死亡风险等级，从而早期识别mhd患者的危险因素，识别死亡和心血管事件的高危人群，以实现早期干预，对于大大降低mhd人群不良事件的发生率、减轻疾病负担；41、2.本发明所述的一种维持性血液透析患者死亡风险预测方法，获取死亡患者多组静态数据，将多组静态数据求和取方差，将方差值作为死亡患者静态数据代表值e1，获取死亡患者多组动态数据，将多组动态数据求和去方差，将方差值作为死亡患者动态数据代表值w1，基于死亡患者静态数据代表值e1和死亡患者动态数据代表值w1，对死亡患者静态数据代表值e1和死亡患者动态数据代表值w1进行处理，得到死亡患者死亡风险判定值k1，将死亡患者死亡风险判定值k1与患者死亡风险判定值k进行做差，将差值作为判定结果准确代表值，从而对患者预测结论的准确性进行了判定。