心脏病妊娠患者分娩前新生儿风险预测方法、系统及介质

摘要

本公开公开了心脏病妊娠患者分娩前新生儿风险预测方法、系统及介质，包括：将预先采集的先天性心脏病妊娠患者及其新生儿的医疗数据进行数据筛选和特征提取，获取分娩风险对应的影响因子；对影响因子进行单因素logistic回归分析，将概率值p小于设定阈值的所有变量均筛选出来；对筛选出的所有变量进行多因素logistic回归分析，建立logistic回归模型；将待预测患者的左心室射血分数、左心房直径、左心室直径、升主动脉内径、主肺动脉内径、肺动脉收缩压与肺动脉平均压输入到将logistic回归模型中，获得待预测目标的分娩前新生儿风险评估结果。

说明书

技术领域

本公开涉及心脏病妊娠患者分娩前新生儿风险预测方法、系统及介质。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

先天性心脏病患者通常存在血氧饱和度低、心功能差等特点，在妊娠的状态下，随着孕周的增加，发生心功能下降、心力衰竭等严重心脏并发症的概率极高。在这种状态下，胎儿存在一个相对低血氧饱和度的状态，并且随着母亲病情的加重，随时存在早产的风险，因此新生儿在出生后发生不良并发症的概率极高，危及生命安全。

现有的心脏病妊娠患者分娩前新生儿风险预测一般是根据医生的工作经验，而通过工作经验来判断新生儿风险存在如下缺陷：由于心脏病发生原因及机制相当复杂，医生的工作经验具有主观性，新生儿风险预测的难度较大、分析效率较低、估计准确度较低。

发明内容

为了解决现有技术的不足，本公开提供了心脏病妊娠患者分娩前新生儿风险预测方法、系统及介质，其具有有效降低先天性心脏病妊娠患者分娩前新生儿风险评估的难度，提高分析的准确率和预测的准确度的效果；

第一方面，本公开提供了心脏病妊娠患者分娩前新生儿风险预测方法；

心脏病妊娠患者分娩前新生儿风险预测方法，包括：

将预先采集的先天性心脏病妊娠患者及其新生儿的医疗数据进行数据筛选和特征提取，获取分娩风险对应的影响因子；所述影响因子，包括：是否发生新生儿不良事件、分娩时患者年龄、孕产史、先天性心脏病类型、既往治疗史、纽约心功能分级、心电图、心脏彩超结果、血液检查结果、心脏不良事件、产科并发症、分娩孕周、分娩方式、新生儿Apager评分以及新生儿体重；

对影响因子进行单因素logistic回归分析，将概率值p小于设定阈值的所有变量均筛选出来；

对筛选出的所有变量进行多因素logistic回归分析，建立logistic回归模型；

将待预测患者的左心室射血分数、左心房直径、左心室直径、升主动脉内径、主肺动脉内径、肺动脉收缩压与肺动脉平均压输入到将logistic回归模型中，获得待预测目标的分娩前新生儿风险评估结果。

优选地，建立logistic回归模型，同时还获得所述logistic回归模型对应的预测概率；

以所述预测概率为分析变量，所述影响因子中是否发生新生儿不良事件为分类变量，构建所述logistic回归模型对应的ROC曲线；

如果ROC曲线的下面积大于设定阈值，则表示logistic回归模型预测能力满足要求，输出logistic回归模型；

如果ROC曲线的下面积小于等于设定阈值，则表示logistic回归模型的预测能力不满足要求，则返回将预先采集的先天性心脏病妊娠患者及其新生儿的医疗数据进行数据筛选和特征提取，获取分娩风险对应的影响因子步骤。

所述ROC曲线的下面积，是指，ROC曲线、X轴所在直线、Y轴所在直线、ROC曲线上不与Y轴连接的端点到X轴垂线，这四条线所围成区域的面积。

ROC曲线有两个端点，其中一个端点与Y轴连接；另外一个端点不与Y轴连接。

优选地，所述新生儿不良事件，包括：早产(37周前分娩或新生儿体重小于1000g)、小于胎龄儿(出生体重低于同胎龄平均体重的第10百分位数，或低于同胎龄平均体重的2个标准差的新生儿)、低出生体重儿(出生体重小于2500g的婴儿)、胎死宫内和新生儿死亡；如果发生新生儿不良事件，则对应元素的取值为1，如果未发生新生儿不良事件，则对应元素的取值为0；例如，发生早产，则对应的早产项取值为1，如果未发生早产，则对应的早产项取值为0；

优选地，所述心脏不良事件，包括：心源性死亡、心力衰竭、心律失常和围产期心肌病；如果存在心脏不良事件，则对应事件的取值为1；如果不存在心脏不良事件，则对应事件的取值为0；例如，如果存在心源性死亡，则心源性死亡取值为1；如果不存在心源性死亡，则心源性死亡取值为0；如果存在心力衰竭，则心力衰竭取值为1；如果不存在心力衰竭，则心力衰竭取值为0；如果存在心律失常，则心律失常取值为1；如果不存在心律失常，则心律失常取值为0；如果存在围产期心肌病，则围产期心肌病取值为1；如果不存在围产期心肌病，则围产期心肌病取值为0。

优选地，所述既往治疗史，包括：怀孕前手术是否修复过心脏；如果怀孕前手术修复过心脏，则怀孕前手术是否修复过心脏取值为1；如果怀孕前未手术修复过心脏，则怀孕前手术是否修复过心脏取值为0。

优选地，所述心电图，包括：窦性心动过速或异位心律；如果存在窦性心动过速，则窦性心动过速取值为1；如果不存在窦性心动过速，则窦性心动过速取值为0；如果存在异位心律，则异位心律取值为1；如果不存在异位心律，则异位心律取值为0。

优选地，所述心脏彩超结果，包括：左心室射血分数、左心房直径、左心室直径、升主动脉内径、主肺动脉内径、肺动脉收缩压或肺动脉平均压；

优选地，所述血液检查结果，包括：血小板数量、经皮氧饱和度、血红蛋白数量或血清总蛋白数量；

优选地，所述心脏不良事件，包括：二尖瓣关闭不全或心包积液；如果存在二尖瓣关闭不全，则二尖瓣关闭不全取值为1；如果不存在二尖瓣关闭不全，则二尖瓣关闭不全取值为0；如果存在心包积液，则心包积液取值为1；如果不存在心包积液，则心包积液取值为0。

优选地，所述产科并发症，包括：妊娠期高血压、先兆子痫或妊娠期糖尿病；如果存在妊娠期高血压，则妊娠期高血压取值为1；如果不存在妊娠期高血压，则妊娠期高血压取值为0；如果存在先兆子痫，则先兆子痫取值为1；如果不存在先兆子痫，则先兆子痫取值为0；如果存在妊娠期糖尿病，则妊娠期糖尿病取值为1；如果不存在妊娠期糖尿病，则妊娠期糖尿病取值为0。

优选地，所述分娩方式，包括：经阴分娩或剖宫产分娩；如果存在经阴分娩，则经阴分娩取值为1；如果不存在经阴分娩，则经阴分娩取值为0；如果存在剖宫产分娩，则剖宫产分娩取值为1；如果不存在剖宫产分娩，则剖宫产分娩取值为0。

优选地，对筛选出的所有变量进行多变量逻辑回归分析，建立logistic回归模型，具体包括：以是否发生新生儿不良事件为因变量，以筛选出的所有变量为自变量，采用最大似然估计法进行回归分析，建立logistic回归模型。

优选地，基于统计学分析软件SPSS，对筛选出的所有变量进行多变量逻辑回归分析，建立logistic回归模型。

第二方面，本公开还提供了心脏病妊娠患者分娩前新生儿风险预测系统；

心脏病妊娠患者分娩前新生儿风险预测系统，包括：

影响因子获取模块：将预先采集的先天性心脏病妊娠患者及其新生儿的医疗数据进行数据筛选和特征提取，获取分娩风险对应的影响因子；所述影响因子，包括：是否发生新生儿不良事件、分娩时患者年龄、孕产史、先天性心脏病类型、既往治疗史、纽约心功能分级、心电图、心脏彩超结果、血液检查结果、心脏不良事件、产科并发症、分娩孕周、分娩方式、新生儿Apager评分以及新生儿体重；

变量筛选模块：对影响因子进行单因素logistic回归分析，将概率值p小于设定阈值的所有变量均筛选出来；

模型获取模块：对筛选出的所有变量进行多因素logistic回归分析，建立logistic回归模型；

风险评估模块：将待预测患者的左心室射血分数、左心房直径、左心室直径、升主动脉内径、主肺动脉内径、肺动脉收缩压与肺动脉平均压输入到将logistic回归模型中，获得待预测目标的分娩前新生儿风险评估结果。

优选的，模型优化模块：获取logistic回归模型的预测概率，以所述预测概率为分析变量，所述影响因子中是否发生新生儿不良事件为分类变量，构建所述logistic回归模型对应的ROC曲线；

如果ROC曲线的下面积大于设定阈值，则表示logistic回归模型预测能力满足要求，输出logistic回归模型；

如果ROC曲线的下面积小于等于设定阈值，则表示logistic回归模型的预测能力不满足要求，则返回影响因子获取模块。

第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面任一可能的实现方式中的方法。

第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面任一可能的实现方式中方法的步骤。

与现有技术相比，本公开的有益效果是：

本公开通过数据挖掘技术，利用logistic回归模型，建立最优的先天性心脏病妊娠患者分娩前新生儿风险预测模型，并进行分娩前新生儿风险预测，有效降低了先天性心脏病患者分娩前风险评估的难度，提高了分析的效率和月的准确度。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本公开实施例一的方法流程图；

图2为本公开实施例二的系统功能模块图；

图3为本公开实施例一的新生儿产前紧急评估模型的ROC曲线。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一：

如图1所示，心脏病妊娠患者分娩前新生儿风险预测方法，包括：

将预先采集的先天性心脏病妊娠患者及其新生儿的医疗数据进行数据筛选和特征提取，获取分娩风险对应的影响因子；所述影响因子，包括：是否发生新生儿不良事件、分娩时患者年龄、孕产史、先天性心脏病类型、既往治疗史、纽约心功能分级、心电图、心脏彩超结果、血液检查结果、心脏不良事件、产科并发症、分娩孕周、分娩方式、新生儿Apager评分以及新生儿体重；

对影响因子进行单因素logistic回归分析，将概率值p小于设定阈值的所有变量均筛选出来；

对筛选出的所有变量进行多因素logistic回归分析，建立logistic回归模型；

建立logistic回归模型，同时还获得所述logistic回归模型对应的预测概率；

以所述预测概率为分析变量，所述影响因子中是否发生新生儿不良事件为分类变量，构建所述logistic回归模型对应的ROC曲线；

如果ROC曲线的下面积大于设定阈值，则表示logistic回归模型预测能力满足要求，输出logistic回归模型；

如果ROC曲线的下面积小于等于设定阈值，则表示logistic回归模型的预测能力不满足要求，则返回将预先采集的先天性心脏病妊娠患者及其新生儿的医疗数据进行数据筛选和特征提取，获取分娩风险对应的影响因子步骤；

将待预测患者的左心室射血分数、左心房直径、左心室直径、升主动脉内径、主肺动脉内径、肺动脉收缩压与肺动脉平均压输入到将logistic回归模型中，获得待预测目标的分娩前新生儿风险评估结果。

优选地，所述新生儿不良事件，包括：早产(37周前分娩或新生儿体重小于1000g)、小于胎龄儿(出生体重低于同胎龄平均体重的第10百分位数，或低于同胎龄平均体重的2个标准差的新生儿)、低出生体重儿(出生体重小于2500g的婴儿)、胎死宫内和新生儿死亡；如果发生新生儿不良事件，则对应元素的取值为1，如果未发生新生儿不良事件，则对应元素的取值为0；例如，发生早产，则对应的早产项取值为1，如果未发生早产，则对应的早产项取值为0；

优选地，所述心脏不良事件，包括：心源性死亡、心力衰竭、心律失常和围产期心肌病；如果存在心脏不良事件，则对应事件的取值为1；如果不存在心脏不良事件，则对应事件的取值为0；例如，如果存在心源性死亡，则心源性死亡取值为1；如果不存在心源性死亡，则心源性死亡取值为0；如果存在心力衰竭，则心力衰竭取值为1；如果不存在心力衰竭，则心力衰竭取值为0；如果存在心律失常，则心律失常取值为1；如果不存在心律失常，则心律失常取值为0；如果存在围产期心肌病，则围产期心肌病取值为1；如果不存在围产期心肌病，则围产期心肌病取值为0。

优选地，所述既往治疗史，包括：怀孕前手术是否修复过心脏；如果怀孕前手术修复过心脏，则怀孕前手术是否修复过心脏取值为1；如果怀孕前未手术修复过心脏，则怀孕前手术是否修复过心脏取值为0。

优选地，所述心电图，包括：窦性心动过速或异位心律；如果存在窦性心动过速，则窦性心动过速取值为1；如果不存在窦性心动过速，则窦性心动过速取值为0；如果存在异位心律，则异位心律取值为1；如果不存在异位心律，则异位心律取值为0。

优选地，所述心脏彩超结果，包括：左心室射血分数、左心房直径、左心室直径、升主动脉内径、主肺动脉内径、肺动脉收缩压或肺动脉平均压；

优选地，所述血液检查结果，包括：血小板、经皮氧饱和度、血红蛋白或血清总蛋白；

优选地，所述心脏不良事件，包括：二尖瓣关闭不全或心包积液；如果存在二尖瓣关闭不全，则二尖瓣关闭不全取值为1；如果不存在二尖瓣关闭不全，则二尖瓣关闭不全取值为0；如果存在心包积液，则心包积液取值为1；如果不存在心包积液，则心包积液取值为0。

优选地，所述产科并发症，包括：妊娠期高血压、先兆子痫或妊娠期糖尿病；如果存在妊娠期高血压，则妊娠期高血压取值为1；如果不存在妊娠期高血压，则妊娠期高血压取值为0；如果存在先兆子痫，则先兆子痫取值为1；如果不存在先兆子痫，则先兆子痫取值为0；如果存在妊娠期糖尿病，则妊娠期糖尿病取值为1；如果不存在妊娠期糖尿病，则妊娠期糖尿病取值为0。

优选地，所述分娩方式，包括：经阴分娩或剖宫产分娩；如果存在经阴分娩，则经阴分娩取值为1；如果不存在经阴分娩，则经阴分娩取值为0；如果存在剖宫产分娩，则剖宫产分娩取值为1；如果不存在剖宫产分娩，则剖宫产分娩取值为0。

优选地，对筛选出的所有变量进行logistic回归分析，建立logistic回归模型：

以是否发生新生儿不良事件为因变量，以筛选出的所有变量为自变量，采用最大似然估计法进行回归分析，建立logistic回归模型。

优选地，基于统计学分析软件SPSS，对影响因子进行共线性分析；

优选地，基于统计学分析软件SPSS，对筛选出的所有变量进行多变量逻辑回归分析，建立logistic回归模型。

搜集某医院2004-2017年之间28周以后终止妊娠的270例先天性心脏病患者的临床资料，主要包括：年龄、孕产史、先天性心脏病类型、既往治疗史、纽约心功能分级、心电图及心脏彩超结果、血液检查结果、心脏不良事件、产科并发症、分娩孕周及分娩方式等指标。

新生儿不良结局包括：早产(37周前分娩或新生儿体重小于1000g)、小于胎龄儿(出生体重低于同胎龄平均体重的第10百分位数，或低于同胎龄平均体重的2个标准差的新生儿)、低出生体重儿(出生体重小于2500g的婴儿)、胎死宫内和新生儿死亡。

使用SPSS(IBM SPSS Statistics，V.24.0，IBM SPSS Statistics，IBMCorporation，Armonk，New York，USA)进行统计学分析。使用单因素及多因素logistic回归分析，识别与母亲心脏不良结局相关的高危因素。主要对以下临床特征进行分析：分娩时的母亲年龄、怀孕前手术修复的心脏、双胎妊娠、妊娠期高血压或先兆子痫、妊娠期糖尿病、二尖瓣关闭不全(中度或重度)、心包积液、左心室射血分数(left ventricular ejectionfraction，LVEF)、左心房(left atrium diameter，LA)、左心室直径(left ventriclediameter，LV)、升主动脉内径(aorta ascendens，AO)、主肺动脉内径(main pulmonaryartery，MPA)、肺动脉收缩压(pulmonary arterial systolic pressure，PASP)与肺动脉平均压(pulmonary artery mean pressure，PAMP)、窦性心动过速、异位心律、咯血、血小板(platelet，PLT)、经皮氧饱和度(percutaneous oxygen saturation，SpO2)、血红蛋白(hemoglobin，HB)、血清总蛋白(total serum protein，TSP)、剖宫产分娩、新生儿出生体重、Apager评分以及新生儿不良事件等。在各自变量之间使用共线性检测之后，将p值<0.10的变量输入多变量逻辑回归分析。结果表示为OR(95％CI)和p值。通过ROC曲线计算曲线下面积，来评估多变量模型的识别能力。

根据logistics回归结果，我们得出了新生儿并发症的风险的分标准：

表1母亲心脏并发症的风险的分标准

根据上述风险评分标准，得出风险评分，然后对应表2，可得出新生儿在围产期发生心脏不良并发症的具体概率。

表2新生儿在围产期发生心脏不良并发症的具体概率

针对上述风险评分标准，得出ROC曲线，然后对应图3，可得出新生儿产前评估模型的ROC曲线下面积为0.809，概率值p＜0.001。

1.首次提出先天性心脏病患者产前新生儿并发症的紧急评估模型；

2.首次全面使用母亲的分娩前临床检查、检验指标评估新生儿的预后；

3.该模型可综合评估新生儿的预后情况，给临床医师提供参考，指导临床治疗；

4.根据受试者工作曲线对评估模型进行检验，该模型具有较高的预测准确性。

实施例二：

如图2所示，心脏病妊娠患者分娩前新生儿风险预测系统，包括：

影响因子获取模块：将预先采集的先天性心脏病妊娠患者及其新生儿的医疗数据进行数据筛选和特征提取，获取分娩风险对应的影响因子；所述影响因子，包括：是否发生新生儿不良事件、分娩时患者年龄、孕产史、先天性心脏病类型、既往治疗史、纽约心功能分级、心电图、心脏彩超结果、血液检查结果、心脏不良事件、产科并发症、分娩孕周、分娩方式、新生儿Apager评分以及新生儿体重；

变量筛选模块：对影响因子进行单因素logistic回归分析，将概率值p小于设定阈值的所有变量均筛选出来；

模型获取模块：对筛选出的所有变量进行多因素logistic回归分析，建立logistic回归模型；

风险评估模块：将待预测患者的左心室射血分数、左心房直径、左心室直径、升主动脉内径、主肺动脉内径、肺动脉收缩压与肺动脉平均压输入到将logistic回归模型中，获得待预测目标的分娩前新生儿风险评估结果；

模型优化模块：建立logistic回归模型，同时还获得所述logistic回归模型对应的预测概率；以所述预测概率为分析变量，所述影响因子中是否发生新生儿不良事件为分类变量，构建所述logistic回归模型对应的ROC曲线；

如果ROC曲线的下面积大于设定阈值，则表示logistic回归模型预测能力满足要求，输出logistic回归模型；

如果ROC曲线的下面积小于等于设定阈值，则表示logistic回归模型的预测能力不满足要求，则返回将预先采集的先天性心脏病妊娠患者及其新生儿的医疗数据进行数据筛选和特征提取，获取分娩风险对应的影响因子步骤。

实施例三：

本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成方法中的各个操作，为了简洁，在此不再赘述。

所述电子设备可以是移动终端以及非移动终端，非移动终端包括台式计算机，移动终端包括智能手机(Smart Phone，如Android手机、IOS手机等)、智能眼镜、智能手表、智能手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。

应理解，在本公开中，该处理器可以是中央处理单元CPU，该处理器还算可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本公开所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能的划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外一点，所显示或讨论的相互之间的耦合或者直接耦合或者通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。