一种基于常规体检指标的早期肾损伤风险评估方法及系统

摘要: 本技术涉及一种基于常规体检指标的早期肾损伤风险评估方法及系统,属于医学数据处理及慢性病辅助风险评估。背景技术:1、目前,临床公认的慢性肾脏病(ckd)诊断金标准...
一种基于常规体检指标的早期肾损伤风险评估方法及系统

本技术涉及一种基于常规体检指标的早期肾损伤风险评估方法及系统,属于医学数据处理及慢性病辅助风险评估。

背景技术:

1、目前,临床公认的慢性肾脏病(ckd)诊断金标准依据《kdigo 2024慢性肾脏病临床实践指南》,需满足以下条件之一且持续时间≥3个月:

2、1)估算肾小球滤过率(egfr)<60 ml/min/1.73m²;

3、2)尿白蛋白/肌酐比值(acr)≥ 30 mg/g;

4、3)其他肾损伤标志物异常,包括:尿沉渣异常(如红细胞管型、白细胞管型等)、影像学检查异常(如肾脏形态结构改变、肾囊肿、肾积水等)、肾小管疾病相关标志物异常、肾组织病理学异常等。

5、在早期肾损伤阶段(即egfr轻度下降至60-90 ml/min/1.73m²(g2期),或acr轻度升高至30-299 mg/g(a2期),虽尚未完全达到ckd的确诊标准,但已提示肾功能开始出现可逆性损伤,是干预的关键窗口期。该阶段的筛查同样依赖上述指标。

6、然而,在基层社区,如社区卫生服务中心、乡镇卫生院,该筛查模式面临以下现实困境:

7、acr检测需要特定设备与试剂,许多基层机构无法开展;

8、尿沉渣镜检依赖经验丰富的检验人员,基层难以标准化执行;

9、影像学检查(如肾脏b超)需要专业设备和超声医师,难以在大规模筛查中普及;

10、上述检测手段成本高、耗时长,难以在数千人规模的大规模体检中覆盖;

11、基层人群ckd知晓率极低(约8.7%),大量早期患者被漏诊。

12、因此,亟需一种仅依赖常规体检指标、低成本、易操作的早期肾损伤风险筛查工具,用于在基层大规模人群中快速识别高危个体。

技术实现思路

1、本技术的发明目的是:针对现有早期肾损伤筛查技术依赖特殊设备(如acr检测仪、超声设备)、检测成本高、操作复杂、难以在基层社区大规模人群中实施的缺陷,本技术旨在提供一种早期肾损伤风险评估方法及系统,仅采用年龄、血尿素氮、尿酸、尿蛋白四项常规体检必查指标,配套逻辑回归模型、自动化计算机评估流程、可视化列线图评估工具,兼顾大规模信息化体检与无设备基层、居家自查场景,内外部独立数据集验证区分性能优异,可实现低成本、全覆盖的社区早期肾损伤人群筛查。

2、为了实现上述目的,本技术采取了以下技术方案:

3、第一方面,本技术提供一种早期肾损伤风险评估方法,包括以下步骤:

4、a1、指标输入:采集待测个体或人群的年龄、血尿素氮、尿酸、尿蛋白定性四项指标;

5、a2、数据预处理:对年龄、血尿素氮、尿酸按标准化公式计算标准化 z 值,依据编码规则对尿蛋白定性结果赋值编码:阴性 = 0,弱阳性 = 1,1+=2,2+=3,3+=4,4+=5;所述标准化公式为:z=(xμ)/σ,x 为指标原始检测值,μ为预先确定的均值, σ为预先确定的标准差;

6、a3、风险概率计算:代入逻辑回归公式计算 logit 值,再通过 platt 校准公式计算得到个体早期肾损伤校准后风险概率 p;其中,logit 值的计算公式为:logit = 0.0086+ 0.4026×z_年龄 + 0.3270×z_bun + 0.3735×z_ua + 0.1586×x_尿蛋白;式中 z_年龄、z_bun、z_ua 为对应指标标准化值,x_为尿蛋白编码数值;platt 校准公式为:

7、校准后概率p= 1 / [1+exp ((1.4419×logit0.0929))];

8、a4、风险分级判定:将风险概率 p 与预先确定的最优分类阈值p0比对:

9、若 p>p0,输出评估结论:早期肾损伤高危,提示建议至肾内科完成专科精细检查;

10、若 p≤p0,输出评估结论:低风险,提示按常规体检周期定期复查。

11、进一步地,该方法部署于电子病历系统、体检管理软件、web 网页、智能手机 app、云端 api、体检嵌入式设备中任意一种,实现批量人群自动化筛查。

12、进一步地,所述a2中均值和标准差通过预先收集的样本或目标待测人群的体检数据进行确定;优选地,所述均值和方差为:年龄均值 μ=74.5、标准差 σ=6.8;血尿素氮 bun均值 μ=5.75、标准差 σ=1.35;尿酸 ua 均值 μ=328、标准差 σ=78。

13、进一步地,所述a4中最优分类阈值p0通过预先收集的样本或目标待测人群的体检数据进行确定;优选地,最优分类阈值p0为0.4797。

14、进一步地,所述a3中的逻辑回归公式以列线图展示,相应地,所述a2+a3替换为:在列线图上根据待测个体四项指标实际检测值,分别读取各指标对应单项得分;再将四项单项得分累加,得到总评分;依据总评分在列线图概率轴读取对应校准后风险概率。

15、所述列线图支持纸质打印版、电子图片版、交互式数字版三种展示形式,适用于居家自测、基层医师无电子设备诊间快速评估。

16、第二方面,本技术提供一种早期肾损伤风险评估系统,包括:

17、指标采集模块:用于录入或批量导入待测个体或人群年龄、血尿素氮、尿酸、尿蛋白四项指标;

18、数据预处理模块:存储权利要求 1 标定的标准化参数、尿蛋白编码规则,完成连续指标标准化、定性指标编码;

19、概率计算模块:内置用于计算 logit 值的逻辑回归计算公式、platt 校准公式,输出校准后个体风险概率;

20、风险判定模块:存储基准阈值 0.4797 及阈值调整配置逻辑,输出高危 / 低风险分级结论与健康指导建议。

21、进一步地,系统载体为本地电脑软件、云端 web 平台、移动端 app、体检一体机嵌入式程序、第三方系统调用 api 中的任意一种

22、进一步地,所述系统还包括:

23、可视化输出模块:用于输出自动化文字评估报告或手动查阅的列线图可视化界面;

24、和/或,存储模块:存储模型的标定参数、人群体检数据、和历史评估结果。

25、第三方面,本技术提供检测受试者血尿素氮和尿酸浓度的试剂以及检测尿蛋白定性的试剂在制备用于早期肾损伤风险筛查的产品中的应用。

26、进一步地,所述产品为试剂或试剂盒,所述试剂盒中还包括说明书,所述说明书中记载了如下platt 校准的风险概率计算公式及其使用说明:

27、风险概率计算公式为 p= 1 / [1+exp ((1.4419×logit0.0929))];其中z为基于逻辑回归公式计算的logit 值,logit 值的计算公式为:

28、logit = 0.0086 + 0.4026×z_年龄 + 0.3270×z_bun + 0.3735×z_ua +0.1586×x_尿蛋白;式中 z_年龄、z_bun、z_ua 为对应指标标准化值,x_为尿蛋白编码数值。

29、进一步地,所述产品为试剂或试剂盒,所述试剂盒中还包括说明书,所述说明书中记载了基于逻辑回归公式生成的列线图及其使用说明,所述逻辑回归公式为:

30、logit = 0.0086 + 0.4026×z_年龄 + 0.3270×z_bun + 0.3735×z_ua +0.1586×x_尿蛋白;式中 z_年龄、z_bun、z_ua 为对应指标标准化值,x_为尿蛋白编码数值。

31、与现有技术相比,本技术具有如下有益效果:

32、1.极低的实施成本与高度的可及性

33、本技术仅依赖年龄、血尿素氮、尿酸、尿蛋白四项常规体检指标。上述指标均为基层社区体检的必查项目,检测成本极低,设备普及率高达100%,无需任何额外设备投入或特殊试剂。与现有技术中依赖acr检测(需特定设备)的金标准方案相比,本技术可无缝嵌入现有基层体检流程,实现早期肾损伤的大规模、低成本筛查,直接解决了现有技术“成本高、难以大规模实施”的技术问题。

34、2.优异的预测性能与跨人群泛化能力

35、本技术通过严谨的lasso回归结合3-se规则筛选核心特征,并经过platt概率校准,所构建的逻辑回归模型在独立的内部验证集中auc达到0.7611,在外部验证集中auc达到0.8227。特别值得指出的是,外部验证集与训练集来源不同(来自不同社区),且人群特征存在差异,但模型auc不降反升,证明了本技术具有良好的跨人群泛化能力。校准曲线和决策曲线分析进一步证实模型预测概率与实际观测概率高度一致,且临床净获益显著。上述技术效果是由本技术的特征筛选方法(lasso+3-se规则)和概率校准方法(platt校准)直接带来的。

36、3.操作简便,适配多种应用场景

37、本技术提供两种并列的实施方案,分别适配不同场景:

38、方式一(系统集成式):将模型嵌入电子病历或体检系统,用户仅需输入四项指标,计算机自动完成标准化、计算、校准、比较和输出,全程无需人工干预,适用于大规模自动化筛查。

39、方式二(列线图手动评估):将模型参数转化为可视化列线图,用户通过“画线-加分-读概率”三步即可完成评估,无需任何电子设备或计算工具,适用于个人自查、基层医生手动评估等场景。

40、上述两种方式均由本技术的核心参数(标准化参数、回归系数、校准参数、阈值)和列线图生成方法直接产生,实现了“一套模型,两种用法”的技术效果。

41、4.模型可解释性强,临床可信度高

42、本技术采用逻辑回归模型,各预测因子的风险贡献方向(正向/负向)和强度(回归系数)清晰明确。shap分析进一步量化了各特征的重要性排序(年龄贡献最大,其次为尿酸、血尿素氮、尿蛋白)和作用方向(均为正向风险因素,尿蛋白具有高特异性),与早期肾损伤的病理生理机制高度一致。良好的可解释性增强了临床医生对模型预测结果的信任度,有利于模型的临床落地和推广。

43、5.灵活的临床适应性

44、本技术提供的分类阈值(0.4797)可根据目标人群的预期发病率进行灵活调整:高发人群适当降低阈值(如调整为0.4、0.3或更低)以提高灵敏度,低发人群适当提高阈值(如调整为0.5、0.6或更高)以提高特异度。同时,标准化参数可根据不同地区人群的体检数据分布进行更新,以适应当地人群特征。这种灵活性使本技术能够适应不同地区、不同人群、不同临床场景的需求,具有良好的推广应用前景。这一效果是由本技术设置的阈值调整机制和标准化参数更新机制直接带来的。