基于个体化临床特征构建的评估类风湿性关节炎患者脑卒中风险的预测模型

摘要

基于个体化临床特征构建的评估类风湿性关节炎患者脑卒中风险的预测模型，医疗预测模型技术领域，步骤为：筛选与模型构建的用户：RA与脑卒中组与单纯RA组，排除标准为:患有其他结缔组织疾病，强直性脊柱炎或痛风关节炎。获取表征目标用户的特征变量，建立目标用户数据集，采用广义的线性回归分析模型中逻辑回归筛选特征变量并建立模型，最终模型中的特征变量包括：性别、年龄、总胆固醇、低密度脂蛋白、收缩压、C反应蛋白、红细胞沉降率、降压药用史、冠心病和心房颤动。最终将预测模型可视化，提供一个预测类风湿关节炎患者脑卒中风险的定量工具。

说明书

本发明属于医疗预测模型技术领域，特别涉及基于个体化临床特征构建的评估类风湿性关节炎患者脑卒中风险的预测模型。

背景技术

类风湿关节炎(RA)是一种全球分布的疾病，是导致工作致残的主要原因之一，在中国的发病率为0.32％～0.36％，其中东北地区最高为0.5％。RA患者的基本病理改变包括滑膜炎和血管翳。滑膜炎是关节损伤的基础，血管翳可累及关节外的病变，使RA预后变差，增加心脑血管疾病发生风险。

RA患者炎症水平升高和血脂异常是动脉粥样硬化和脑卒中等心血管疾病的独立危险因素。有研究报道RA患者发生脑卒中的风险可能与红细胞沉降率(ESR)升高、高密度脂蛋白(HDL)、总胆固醇(TC)、甘油三酯(TG)、抗环瓜氨酸肽抗体(anti-CCP)、低密度脂蛋白(LDL)和C反应蛋白(CRP)密切相关。在临床实践中，上述临床检查指标属于RA患者入院的常规检测，可在电子病历(EMR)中检索到。由于大多数慢性疾病是由几个较弱的危险因素共同作用引起的，从统计学上综合它们的影响可能比单独考虑这些因素产生更可靠的风险预测。由于没有此类预测模型，因此在类风湿关节炎患者中建立合适的脑卒中预测模型，有助于患者和医生了解RA预后患脑卒中的风险，有助于及时作出临床决策改善预后。

发明内容

本发明的目的是在于解决现有技术的不足，提供基于个体化临床特征构建的评估类风湿性关节炎患者脑卒中风险的预测模型，使模型应用范围具有指向性：类风湿性关节炎患者。本模型可以指导专业人员的临床决策，为个人(患者)和医疗保健提供健康结果的客观估计，以帮助他们进行主观解释并给予指导。

采用的技术方案是：

基于个体化临床特征构建的评估类风湿性关节炎患者脑卒中风险的预测模型：基于逻辑回归模型将类风湿性关节炎患者脑卒中风险的预测问题采用以下算法进行建模：

其中y指待观测个体患脑卒中的概率，应用该函数的目的在于不管影响脑卒中的因素有多少，最终得到的是一个关于脑卒中的患病风险，即，取值在[0,1]之间的概率。X

其优点在于：

利用广义的线性回归分析模型中逻辑回归筛选特征变量并建立模型，最终通过列线图将预测模型可视化。本发明预测模型应用范围明确，即确诊的类风湿关节炎患者，可以指导专业人员的临床决策，为个人(患者)和医疗保健提供健康结果的客观估计，以帮助他们进行主观解释并给予指导。

附图说明

图1为本发明系统的模型可视化，即多变量逻辑回归预测模型的列线图。

图中英文及其缩写:Points为得分，SEX为性别，age为年龄，AF为心房颤动，hy-med为降压药用史，SBP为收缩压，CHD为冠心病，CRP为C反应蛋白，ESR为红细胞沉降率，TC为总胆固醇，LDL为低密度脂蛋白，Total Points为总分，the risk of stroke为脑卒中风险。

具体实施方式

基于个体化临床特征构建的评估类风湿性关节炎患者脑卒中风险的预测模型，包括以下步骤：

1、筛选模型构建的用户，需满足如下条件：

参考的标准包括美国风湿病学会1987/2010的RA标准和1995年中国神经科学学会第四次学术会议采用的CVD(脑血管疾病)标准的脑卒中标准。

RA与脑卒中组,患者应该满足:Ⅰ)患者符合以上脑卒中和RA诊断标准；Ⅱ)具有临床实验室检查指标的患者：血清炎症分析、抗体补体分析或代谢指标中至少一项；Ⅲ)18岁及以上。

单纯RA组:Ⅰ)符合上述RA诊断标准，Ⅱ)18岁及以上。

上述两组中排除标准为:Ⅰ)患有其他结缔组织疾病,包括系统性红斑狼疮、硬皮病、干燥综合症或血管炎，Ⅱ)患有强直性脊柱炎或痛风关节炎。

2、获取用于表征目标用户的特征变量：包括年龄、性别、身高、体重、代谢指标(包括总胆固醇、甘油三酯、低密度脂蛋白、高密度脂蛋白和空腹血糖)、收缩压、血清学炎症指标(包括C-反应蛋白、红细胞沉降率和类风湿因子)、抗体补体(包括补体3、补体4和抗环瓜氨酸肽抗体)、降压药用史、冠心病、心房颤动、左心室肥厚和心血管疾病的历史记录，参照《中国成人血脂异常预防指南(2012及2016修订版)诊断标准》将代谢指标(血脂检查指标)转化为分类数据，其它指标利用四分位数(P

3、利用训练集构建模型，采用广义的线性回归分析模型中逻辑回归筛选特征变量并建立模型，即：

X

最终模型中的特征变量包括：性别、年龄、总胆固醇、低密度脂蛋白、收缩压、C反应蛋白、红细胞沉降率、降压药用史、冠心病和心房颤动，预测模型公式为：

模型中各个特征变量(哑变量编码)逻辑回归系数如下表1：

表1。

4、模型可视化，为了提供一个预测类风湿关节炎患者脑卒中风险的定量工具，我们将多变量逻辑回归分析建立的预测模型即步骤3中的最终模型进行了可视化，表达为列线图(nomogram)，如图1所示。

适用条件：目标人群应满足如下条件：

(1)美国风湿病学会1987/2010的RA标准。

(2)未患其他结缔组织疾病,包括系统性红斑狼疮、硬皮病、干燥综合症或血管炎。

(3)未患有强直性脊柱炎或痛风关节炎。

(4)18岁及以上。

例如，一个70岁(47分)，男性(30分)的RA患者，有心房颤动(55分)和冠心病(62分)病史，60mm/H红细胞沉降率(27分)，5mmol/L总胆固醇(65分)，总评分286分，估计有46％的概率发生脑卒中。

本发明采用了简单易实现的逻辑回归算法，相较机器学习的其他复杂算法而言具有较强的可行性和易推广性。机器学习模型基于开源代码的机器学习库scikit-learn，利用贝叶斯优化方法实现算法优化，采用n-fold＝5的交叉验证方法完成优化过程中的算法评估。我们使用逻辑回归、支持向量机(SVM)、随机森林(RF)、极端梯度提升(XGBoost)、梯度增强决策树(GBDT)、近邻算法k-Nearest Neighbors(KNN)6种机器算法，通过准确度、精确度、召回率、F值和平衡误差参数评估模型的开发和验证，经过验证，本发明的结果合格。