一种老年髋部骨折围术期麻醉风险智能评估系统及方法与流程
本发明涉及医疗评估,具体涉及一种老年髋部骨折围术期麻醉风险智能评估系统及方法。
背景技术:
1、髋部骨折情况在老年这一年龄段较为容易出现,由于患者高龄、多病共存、生理储备下降,术后并发症发生率高。目前,围术期麻醉风险评估主要依赖以下几种方式:
2、(1)传统临床评估方法:
3、麻醉医生主要依据年龄、asa分级、合并症等传统指标进行经验性判断。部分医院采用改良possum及p-possum评分对老年髋部骨折手术风险进行评估。这些方法主观性强,缺乏客观量化依据,难以实现精准风险分层。
4、(2)现有围术期风险评估系统:
5、已有一些围术期风险评估系统公开报道,如基于人工智能的手术麻醉风险动态评估系统、基于大数据分析的围术期患者麻醉风险评估和预警系统等。
6、现有技术至少存在以下未解决的技术问题或缺陷:
7、1、指标来源单一:现有系统依赖患者基本信息、病史等常规数据,未充分利用常规检验(血常规、白蛋白)中蕴含的炎症-营养信息;
8、2、缺乏麻醉科专用工具:现有风险评估系统主要服务于外科决策,或采用机器学习从大量原始数据中自动筛选特征,未针对麻醉科术前访视、术中管理和术后预警的临床工作流程优化;
9、3、未量化手术应激反应:缺乏反映患者对手术创伤应激反应强度的客观量化指标;
10、4、人群特异性不足:多数系统为通用围术期评估工具,未针对老年髋部骨折患者进行专门优化;
11、5、炎症-营养协同评估缺失:sii、pni等炎症-营养指标虽已被证实与术后预后相关,但未形成系统化的临床决策工具;
12、6、数据利用不充分:术前、术后常规血常规和白蛋白数据未被系统化整合用于风险评估。
13、因此,亟需一种专门针对老年髋部骨折人群、基于常规检验指标的围术期麻醉风险智能评估系统,实现术前评估、术中决策到术后预警的全流程覆盖,并输出麻醉医生可直接使用的决策建议。
技术实现思路
1、本发明的目的在于提供:
2、一种老年髋部骨折围术期麻醉风险智能评估系统及方法,以解决现有技术中围术期麻醉风险评估指标来源单一、缺乏麻醉科专用工具、未针对老年髋部骨折人群优化、无法量化手术应激反应等技术问题或其组合。本发明通过自动采集患者围术期常规检验数据及临床数据,计算多个炎症-营养指标,与经临床数据验证的风险阈值进行比较,输出综合风险等级及麻醉决策建议。系统采用模块化架构,可部署于医院信息系统(his)或麻醉信息管理系统(aims),解决了现有问题。
3、术语说明:
4、除非另有定义,否则本文所有科技术语具有的涵义与本发明所属领域技术人员通常理解的涵义相同。
5、应理解,上述简述和下文的详述为示例性且仅用于解释,而不对本发明的主题作任何限制。在本发明中,除非另有具体说明,否则使用单数时也包括复数。还应注意,除非另有说明,否则所用“或”、“或者”表示“和/或”。此外,所用术语“包括”以及其他形式,例如“包含”、“含”和“含有”并非限制性。
6、除非另有说明,否则采用本领域技术范围内的常规方法。
7、除非提出具体定义,本文中使用的各类市售产品的使用,均采用标准技术。例如,可利用厂商对试剂盒的使用说明,或者按照本领域公知的方式或本发明的说明来实施。通常可根据本说明书中引用和讨论的多个概要性和较具体的文献中的描述,按照本领域熟知的常规方法实施上述技术和方法。
8、术语“任选/任意”或“任选地/任意地”是指随后描述的事件或情况可能发生或可能不发生,该描述包括发生所述事件或情况和不发生所述事件或情况。
9、本文所用的术语“sii”,指:英文表达为systemic immune-inflammation index,中文释义为系统性免疫炎症指数。
10、本文所用的术语“pni”,指:英文表达为prognostic nutritional index,中文释义为预后营养指数。
11、本文所用的术语“c-d分级”,指:clavien-dindo分级,用于评估术后并发症严重程度。
12、本文所用的术语“eras”,指:加速康复外科,英文表达为enhanced recoveryafter surgery。
13、本文所用的术语“sar”,指:sii/白蛋白比值,英文为sii to albumin ratio。
14、本文所用的术语“δbarthel”,指:barthel指数差值,barthel指数为临床通用日常生活自理能力量化评分体系,总分0-100分,分值越高代表患者生活自理能力越强、功能恢复状态越优,通过动态监测barthel指数变化可精准量化患者术后功能恢复水平。
15、δbarthel<10分为本发明模型开发阶段采用的术后功能恢复不良结局判定标准;c-d分级、δbarthel仅用于模型训练与效能验证,系统临床实际运行评估患者时,不参与指标计算与风险计分。
16、第一方面,本发明提供了:
17、一种老年髋部骨折围术期麻醉风险智能评估系统,包括数据获取模块、指标计算模块、风险分层与决策模块以及结果显示模块;数据获取模块将获取的数据通信传输至指标计算模块;指标计算模块根据接收的数据获得术前sii、术后sii、术前术后sii差值δsii、术前pni、术后pni、术前术后pni差值δpni以及sar指标数据,并将指标数据通信传输至风险分层与决策模块,风险分层与决策模块通过结合术前基线危险因素与术后动态指标进行危险因素计分,完成术前麻醉风险分层及术后风险预警,根据计分情况输出对应的麻醉方案与干预建议,并通过结果显示模块可视化展示。
18、基于对本发明的技术问题的进一步解决或同时解决多个技术问题,在本发明第一方面所提供的技术方案中,优选方案包括:
19、第一项优选方案:
20、所述获取的数据包括:
21、人口学数据:年龄、性别;
22、麻醉评估数据:asa分级;
23、衰弱评估数据:mfi-11衰弱评分;
24、术前检验数据:血小板计数、中性粒细胞计数、淋巴细胞计数、白蛋白;
25、术后检验数据:血小板计数、中性粒细胞计数、淋巴细胞计数、白蛋白。
26、第二项优选方案:
27、所述术前sii=术前血小板计数×中性粒细胞计数/淋巴细胞计数;
28、术后sii=术后血小板计数×中性粒细胞计数/淋巴细胞计数;
29、δsii=术后sii-术前sii;
30、术前pni=术前白蛋白+5×淋巴细胞计数;
31、术后pni=术后白蛋白+5×淋巴细胞计数;
32、δpni=术后pni-术前pni;
33、sar=术后sii/术后白蛋白。
34、第三项优选方案:
35、所述危险因素和对应的阈值为:
36、当危险因素为年龄时,对应的阈值为≥80岁;
37、当危险因素为asa分级时,对应的阈值为ⅲ-ⅳ级;
38、当危险因素为mfi-11衰弱评分时,对应的阈值为≥3分;
39、当危险因素为术后sii时,对应的阈值为≥800;
40、当危险因素为δsii时,对应的阈值为≥200;
41、当危险因素为δpni时,对应的阈值为<-5;
42、当危险因素为sar时,对应的阈值为≥33.23;
43、当危险因素为术后pni时,对应的阈值为<35.2。
44、第四项优选方案:
45、依据术前基线危险因素的数量进行术前综合风险等级划分:
46、当术前基线危险因素数量为0-1项时,对应术前低风险等级;
47、当术前基线危险因素数量为2项时,对应术前中风险等级;
48、当术前基线危险因素数量为3项时,对应术前高风险等级;
49、其中,任一危险因素达到对应的阈值时计1分;
50、依据术后累计总分进行术后预后预警等级划分:
51、当累计积分为0-2分时,划分为术后低预警风险;
52、当累计积分为3-4分时,划分为术后中预警风险;
53、当累计积分为5分及5分以上,则划分为术后高预警风险。
54、第五项优选方案:
55、基于术前综合风险等级结果,对应输出麻醉方案决策;
56、当为术前中风险等级时,麻醉方式推荐椎管内麻醉复合外周神经阻滞麻醉,药物选择右美托咪定辅助;
57、当为术前高风险等级时,麻醉方式推荐椎管内麻醉复合外周神经阻滞麻醉,药物选择右美托咪定持续泵注,且避免苯二氮卓类药物。
58、第二方面,本发明提供了:
59、一种老年髋部骨折围术期麻醉风险智能评估方法,包括以下步骤:
60、s1、获取患者围术期原始数据并对数据进行预处理;
61、s2、基于预处理后的数据构建评估模型,获得术前sii、术后sii、δsii、术前pni、术后pni、δpni以及sar;
62、s3、分别将术后sii与预设的第一阈值800比较,将sar与预设的第二阈值33.23比较,将δsii与预设的第三阈值200比较,将δpni与预设的第四阈值-5比较;将术后pni与预设的第五阈值35.2比较;危险因素达到高危阈值则计1分;所述危险因素包括术前基线危险因素以及术后动态危险因素。
63、s4、统计术前基线危险因素数量,确定术前综合风险等级;计算术后累计总分,确定术后预后预警等级;
64、s5、根据术前综合风险等级输出术中麻醉方案建议,根据术后预后预警等级输出术后早期干预建议。
65、基于对本发明的技术问题的进一步解决或同时解决多个技术问题,在本发明第二方面所提供的技术方案中,优选方案包括:
66、第一项优选方案:
67、s1中,预处理过程包括数据清洗、数据标准化和衍生指标计算。
68、第二项优选方案:
69、s2中,构建过程为:
70、步骤一、采用单因素logistic回归初筛核心有效指标:以c-d≥ⅱ级并发症、δbarthel指数<10分为因变量,分别以各炎症-营养指标为自变量进行单因素logistic回归,筛选p<0.05的指标;
71、步骤二、基于步骤一的筛选结果,采用roc曲线分析标定单指标最佳截断阈值;
72、步骤三、基于步骤二的标定结果,采用多因素logistic回归校正混杂因素:将标定指标结果纳入多因素logistic回归方程,校正年龄、性别、bmi、asa分级、衰弱因素,确认各指标的独立预测价值;
73、步骤四、进行校准度与区分度验证,完成模型最终定型:采用hosmer-lemeshow检验及roc曲线评价校准度与区分度。
74、第三项优选方案:
75、s4中,所述术后累计积分总分等于术前基线得分与术后动态得分相加;
76、累计积分为0-2分,则划分为术后低预警风险;
77、累计积分为3-4分,则划分为术后中预警风险;
78、累计积分为5分及5分以上,则划分为术后高预警风险。
79、与现有技术相比,本发明至少具有如下有益效果:
80、1、多指标集成评估:本发明首次将sii、pni、δsii、δpni、sar五个炎症-营养指标集成为一个自动化评估系统,实现多维度的围术期风险分层;且所有指标来源于常规血常规和生化检查,无需额外检验项目,有利于控制医疗成本。
81、2、手术应激反应的量化指标:本发明首次提出δsii和δpni作为手术应激反应的量化指标,δsii>200提示应激过度,δpni<-5提示营养严重消耗。
82、3、拓展sar指标临床应用:本发明首次将sii/白蛋白比值(sar)应用于老年髋部术后风险预判,可辅助识别高预后风险患者。
83、4、麻醉决策直接输出:区别于仅输出风险评分的现有系统,本发明直接输出麻醉方式推荐、药物选择建议和监测建议,辅助提升临床决策质量。
84、5、围术期全流程覆盖:本发明形成从术前评估→术中麻醉决策→术后风险预警的完整工作链条,覆盖围术期管理的完整时间轴。
85、6、拓展适用场景:除老年髋部骨折外,本发明还可以应用于其他骨科手术(如膝关节置换、脊柱手术)的围术期麻醉风险评估;应用于普外科、泌尿外科等其他老年患者外科手术的围术期风险评估;应用于社区老年人群的术前筛查,提前识别高危患者。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com