一种预测急性胰腺炎患者严重程度的早期预测系统的制作方法

1.本发明属于预测模型领域，具体涉及一种预测急性胰腺炎患者严重程度的早期预测系统。


背景技术：

2.急性胰腺炎(acute pancreatitis，ap)是一种全身炎症反应，涉及多个器官系统。大多数ap患者的病情比较轻，通常能在一周内痊愈。但也有部分患者的炎症反应，会由胰腺局部扩散至全身系统，影响各个脏器的正常功能，比如呼吸功能不全、肾功能不全、循环系统功能不全(血压降低甚至休克)、凝血障碍(血液高凝血状态)等，严重的则会发生器官功能衰竭(organ failure，of)，伴随低蛋白血症、低钙血症等。of是造成ap患者早期死亡的主要原因。ap的总体病死率介于5-10％。但若患者发生了重症ap，其死亡率明显增高，可达20-40％。
3.根据2012年修订版的atlanta分类，重症急性胰腺炎(sap)被重新定义为ap伴有持续性器官功能衰竭(persistent organ failure，pof)。研究发现，早期对ap患者进行准确的预测，可以尽早对这些患者进行积极的治疗护理措施，例如心电监护、液体复苏、抗生素使用、腹腔穿刺引流等，这些干预措施均可以显著改善ap患者的并发症率(如感染性坏死)和病死率。因此，早期对sap患者的严重程度进行准确判断，对降低患者病死率、改善患者预后情况具有重要意义。
4.目前，临床上使用的判断ap严重程度的常规评分系统主要有bisap，apache ii，sirs，glasgow，sofa等，但是，这些评分系统对ap发展为sap的预测准确率有待进一步提高。陈清等(预测首次发作急性胰腺炎病情严重程度列线图的建立，中华胰腺病杂志，2019年)公开了一种对首次发作急性胰腺炎病情严重程度有早期预测价值的可视化列线图的建立方法。该方法收集2013年1月至2016年1月间温州医科大学附属第一医院收治的发病72h内入院的首次发作ap患者706例，依据2012年修订版的atlanta分类标准将ap患者分为非重症急性胰腺炎和重症急性胰腺炎两组，统计并分析患者的一般资料(年龄、体重指数和人院时间等)、实验室检査(血淀粉酶、血糖、白蛋白、白细胞、肌酐、尿素氮)结果。对纳入的相关临床指标进行logistic单因素及多因素回归分析，根据有统计学差异的指标得出回归方程式，利用r语言软件可视化处理逻辑回归(lr)模型获得列线图，并通过受试者工作特征(roc)曲线分析验证发现，该方法建立的模型预测sap发生的灵敏度、特异度优于尿素氮、肌酐、bisap评分。但是，该文献报道的列线图主要存在以下问题：(1)该预测模型纳入的是发病72h内入院的患者，对于ap这种急性病早期病情变化快的疾病而言，不具备时效性；(2)该预测模型缺乏对预测模型临床效用的评估，例如决策曲线分析和临床影响曲线；(3)该预测模型缺乏前瞻性试验设计和多中心验证，从科学角度而言推广性不强，临床应用价值不高；(4)可视化应用不足且不方便，缺乏移动终端应用。
5.为了解决现有技术中存在的上述问题，开发出一种能够在临床上推广应用的准确预测急性胰腺炎患者严重程度的早期预测系统具有重要意义。


技术实现要素：

6.本发明的目的在于提供一种能够在临床上推广应用的准确预测急性胰腺炎患者严重程度的早期预测系统具有重要意义。
7.本发明提供了一种预测急性胰腺炎患者严重程度的预测系统，所述预测系统是以急性胰腺炎患者的年龄、呼吸频率、白蛋白、乳酸脱氢酶ldh、氧气支持和胸腔积液为预测指标构建的。
8.进一步地，所述预测系统是列线图，该列线图包含第1～9条直线，第1～9条直线由上至下依次排列，且相互平行；每条直线代表一个标尺，标尺上有刻度；
9.第1个标尺表示第2～7个标尺上刻度对应的分值的标尺；
10.第2个标尺表示年龄；
11.第3个标尺表示呼吸频率；
12.第4个标尺表示白蛋白；
13.第5个标尺表示乳酸脱氢酶ldh；
14.第6个标尺表示氧气支持；
15.第7个标尺表示胸腔积液；
16.第8个标尺表示第2～7个标尺上刻度对应的分值的总和的标尺；
17.第9个标尺表示患者发展为重症急性胰腺炎的概率。
18.进一步地，第1个标尺的刻度范围为0～100，0在最左端，100在最右端；
19.第2个标尺中，年龄范围为15～80；
20.第3个标尺中，呼吸频率范围为10～50；
21.第4个标尺中，白蛋白范围为25～55；
22.第5个标尺中，乳酸脱氢酶ldh范围为0～2600；
23.第6个标尺中，氧气支持范围为0或1；
24.第7个标尺中，胸腔积液范围为0或1；
25.第8个标尺的刻度范围为0～180，0在最左端，180在最右端；
26.第9个标尺中，患者发展为重症急性胰腺炎的概率＝第8个标尺上分值的总和在第9个标尺上对应的刻度值，范围为0.001～0.999。
27.进一步地，第2个标尺中，当年龄为15时，在第1个标尺上对应的分值为0，当年龄为80时，在第1个标尺上对应的分值为21；
28.第3个标尺中，当呼吸频率为10时，在第1个标尺上对应的分值为0，当呼吸频率为50时，在第1个标尺上对应的分值为100；
29.第4个标尺中，当白蛋白为55时，在第1个标尺上对应的分值为0，当白蛋白为25时，在第1个标尺上对应的分值为24；
30.第5个标尺中，当乳酸脱氢酶ldh为0时，在第1个标尺上对应的分值为0，当乳酸脱氢酶ldh为2600时，在第1个标尺上对应的分值为50；
31.第6个标尺中，当有氧气支持时，取0，在第1个标尺上对应的分值为0，当无氧气支持时，取1，在第1个标尺上对应的分值为15；
32.第7个标尺中，当有胸腔积液时，取0，在第1个标尺上对应的分值为0，当无胸腔积液时，取1，在第1个标尺上对应的分值为13。
33.进一步地，年龄的单位为岁，呼吸频率的单位为次/分，白蛋白的单位为iu/l，乳酸脱氢酶ldh的单位为iu/l。
34.进一步地，所述预测系统的构建方法包括以下步骤：
35.(1)收集急性胰腺炎患者的预测指标，录入输入模块；
36.(2)利用输入模块中的预测指标构建losgistic回归模型，绘制列线图。
37.进一步地，所述急性胰腺炎患者为腹痛发作48小时以内的患者。
38.进一步地，所示预测系统如图1所示。
39.本发明还提供了一种预测急性胰腺炎患者严重程度的设备，所述设备包括上述的预测系统。
40.本发明还提供了上述的预测系统在制备预测急性胰腺炎患者严重程度的设备中的用途。
41.进一步地，所述急性胰腺炎患者为腹痛发作48小时以内的患者。
42.对于急性胰腺炎这种早期病情变化快的急性病而言，在腹痛发作至入院时间不超过48小时内对患者的严重程度进行准确预测至关重要。与现有技术的预测系统相比，本发明提供的预测系统更具时效性。
43.与目前临床上使用的判断ap严重程度的常规评分系统(包括bisap、news、apache ii、sirs、glasgow、sofa)相比，本发明构建的列线图对急性胰腺炎患者发展为重症急性胰腺炎的概率具有更好的预测效果；同时表现出良好的临床效用，具有良好的临床用于识别重症ap患者的净收益，可以帮助临床医生在做出临床决策时获得最大收益。
44.本发明提供的预测系统构建方法简单，预测准确度和区分度高，能够准确判断急性胰腺炎患者的早期严重程度，准确判断患者发展为重症急性胰腺炎的概率，有助于指导医师制定个体化治疗决策，提高患者生存率。
45.显然，根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。
46.以下通过实施例形式的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。
附图说明
47.图1为本发明构建的预测急性胰腺炎患者严重程度的列线图。
48.图2为预测模型分别在训练队列(a、b)、内部验证队列(c、d)和外部验证队列(e、f)的受试者工作特征曲线下面积和校准曲线。其中，a表示预测系统在训练队列的受试者工作特征曲线下面积为0.88，b表示预测系统在训练队列的校准曲线显示的预测sap与实际观察到的pof之间具有良好的一致性，c表示预测系统在内部验证队列的受试者工作特征曲线下面积为0.91，d表示预测系统在内部验证队列的校准曲线显示的预测sap与实际观察到的pof之间具有很好的一致性，e表示预测系统在外部验证队列的受试者工作特征曲线下面积为0.814，f表示预测系统在外部验证队列的校准曲线显示的预测sap与实际观察到的pof之间具有良好的一致性。
49.图3为预测系统的临床效用验证结果。其中，a表示预测系统和其他临床评分系统
在训练队列的临床决策曲线，b表示预测系统在训练队列预测pof的临床影响曲线，c表示预测系统和其他临床评分系统在内部验证队列的临床决策曲线，d表示预测系统在内部验证队列预测pof的临床影响曲线，e表示预测系统和其他临床评分系统在外部验证队列的临床决策曲线，f表示预测系统在外部验证队列预测pof的临床影响曲线。
50.图4为列线图可视化网页计算器示意图。
具体实施方式
51.本发明所用原料与设备均为已知产品，通过购买市售产品所得。
52.实施例1建立预测急性胰腺炎患者发展为重症急性胰腺炎概率的早期预测系统
53.本发明的早期预测系统为预测急性胰腺炎患者发展为重症急性胰腺炎概率的可视化列线图，构建方法包括以下步骤。
54.1、患者资料
55.(1.1)纳入和排除标准
56.纳入标准：(1)明确诊断的ap，(2)年龄18至80岁，(3)腹痛发作至入院时间不超过48小时。
57.排除标准：慢性胰腺炎、胰腺肿瘤、外伤或妊娠等作为ap病因，有严重系统并发症的患者。
58.(1.2)数据来源
59.包括训练队列、内部验证和外部验证队列，具体如下：
60.(1)训练队列：四川大学华西医院2009年7月1日至2013年6月30日的回顾性数据集(用于开发早期预测模型)，共816例。
61.(2)内部验证队列：四川大学华西医院2016年1月1日至2017年8月31日的前瞻性数据集，共398例。
62.(3)外部验证队列：南昌大学第一附属医院2005年1月至2012年12月的急性胰腺炎数据库，共880例。
63.2、收集患者临床数据
64.收集患者常规入院时容易获得的基本临床信息，包括基本人口统计学特征，例如年龄、性别、基础疾病(以评分charlson合并症指数)和入院前腹痛发作时间，入院时生命体征、实验室参数(常规血液和生化指标)、氧气治疗的详细信息和胸腔积液的存在。
65.3、建立可视化列线图
66.(3.1)预后因素的单变量和多变量逻辑回归分析
67.将训练队列的所有收集的临床基本信息经单因素和多因素logistic回归分析(表1)后，得出pof的独立预后因素是以下6个：年龄(or 1.03[95％ci 1.01-0.05]；p＝0.01)、呼吸频率(1.25[1.10-1.42]；p＝0.001)、白蛋白(0.92[0.87-0.98]；p＝0.013)、乳酸脱氢酶ldh；1.002[1.000-1.003]；p＝0.036)、氧气支持(5.17[2.91-9.20]；p《0.001)和胸腔积液(3.61[1.97-6.61]；p《0.001)。
[0068]
表1.训练队列中pof危险因素的单变量和多变量逻辑回归分析
[0069][0070][0071]
(3.2)绘制可视化列线图
[0072]
基于以上6个独立预后因素，将6个独立预后因素纳入多因素logistic回归模型，绘制预测急性胰腺炎患者发展为重症急性胰腺炎概率的早期预测列线图(图1)。
[0073]
如图1所示，列线图包含第1～9条直线，第1～9条直线由上至下依次排列，且相互平行；每条直线代表一个标尺，标尺上有刻度：
[0074]
第1个标尺是第2～7个标尺上刻度对应的分值的标尺，分值范围为0～100，0在最左段，100在最右端；
[0075]
第2个标尺表示年龄，范围为15～80，单位为岁；当年龄为15时，对应的分值为0，当年龄为80时，对应的分值为21；
[0076]
第3个标尺表示呼吸频率，范围为10～50，单位为次/分；当呼吸频率为10时，对应的分值为0，当呼吸频率为50时，对应的分值为100；
[0077]
第4个标尺表示白蛋白，范围为25～55，单位为iu/l；当白蛋白为55时，对应的分值为0，当白蛋白为25时，对应的分值为24；
ii、sirs、glasgow、sofa)的临床效用(dca)，以及临床用于识别sap患者的净收益(cic)。
[0099]
2、实验结果
[0100]
表2.本发明列线图和临床预后评分系统对pof的预测价值比较
[0101][0102][0103]
表2中，plr表示阳性似然比，是筛检结果的真阳性率与假阳性率之比。说明筛检试验正确判断阳性的可能性是错误判断阳性可能性的倍数。比值越大，试验结果阳性时为真阳性的概率越大。nlr表示阴性似然比，是筛检结果的假阴性率与真阴性率之比。表示错误判断阴性的可能性是正确判断阴性可能性的倍数。其比值越小，试验结果阴性时为真阴性的可能性越大。当plr》10或nlr《0.1时，基本可确定或排除诊断。
[0104]
在训练、内部验证和外部验证队列中，分别有9.8％(80/816)、7.5％(30/398)和20.2％(178/880)的患者实际发生pof。
[0105]
在训练队列中(表2)bisap对pof的预测效果最佳(auc 0.89[0.87-0.91]，plr 7.24)，其次是本发明列线图(auc 0.88[0.86-0.91]，plr4.26)，且两者均优于apache ii(0.79[0.76-0.82]，plr 3.61)和glasgow(0.75[0.72-0.78]，plr 2.89)(p《0.05)。
[0106]
在内部验证队列中(表2)，本发明列线图显示出最佳预测效果(auc0.91[0.88-0.94]，plr 7.89)，并且优于所有其他临床评分系统(p《0.05)；其次是news(0.79[0.75-0.83],plr 2.80)和bisap(0.75[0.71-0.79],plr5.72)；此外，本发明列线图的nlr(0.11)在所有系统中最好，且不发生pof的验后概率最低(0.9％)，表明本发明列线图的阴性预测值最高，采用该列线图预测患者不发展成为sap的预测效能最大，可以使临床最大程度排除患者重症急性胰腺炎的发生。
[0107]
在外部验证队列中(表2)，本发明列线图同样具有最高的auc(0.81[0.79-0.84])、最低的nlr(0.29)和不发生pof的验后概率(6.7％)，且本发明列线图的auc高于news、bisap、apache ii和sirs(p《0.05)。
[0108]
另外，训练队列(图3a、b)、内部验证队列(图3c、d)和外部验证队列(图3e、f)的列线图与其他预后评分系统相比，表现出更好或相等的临床效用，并且具有良好的临床用于识别重症ap患者的净收益。特别值得注意的是，本发明列线图优于内部验证队列中的所有其他预后评分系统，这表明本发明列线图可以帮助临床医生在做出临床决策时获得最大收益，因为它比在所有患者中诊断pof或没有诊断pof的极端情况显示出更多的益处。
[0109]
上述结果表明，与目前临床上使用的判断ap严重程度的常规评分系统(包括bisap、news、apache ii、sirs、glasgow、sofa)相比，本发明构建的列线图对急性胰腺炎患者发展为重症急性胰腺炎的概率具有更好的预测效果；同时表现出良好的临床效用，具有良好的临床用于识别重症ap患者的净收益，可以帮助临床医生在做出临床决策时获得最大收益。
[0110]
综上，本发明提供了一种能够在临床上推广应用的预测急性胰腺炎患者严重程度的早期预测系统，该预测系统构建方法简单，预测准确度和区分度高，能够准确判断急性胰腺炎患者的早期严重程度，准确判断患者发展为重症急性胰腺炎的概率，帮助临床医生在做出临床决策时获得最大收益，有助于指导医师制定个体化治疗决策，提高患者生存率。