[发明专利]外科患者术后恢复状态预测模型构建系统

权利要求书

1.外科患者术后恢复状态预测模型构建系统，其特征在于，实现的方法包括以下步骤：

步骤一：

采集时间序列变量以及非时间序列变量，将时间序列变量转化为趋势变量，步骤具体如下：

(1)计算在相邻数据采集时间t-1和t之间每一类时间序列变量X_i＝(X_i，t1，X_i，t2，...，X_i，tj，...)的变化量，i表示时间序列变量类型，

(2)确定每一个时间序列变量在各时间的趋势变量TR_i，t取值，如果变化量为负值，则相应的趋势变量取值-1；如果变化量为非负值，则相应的趋势变量取值1，

步骤二：

利用趋势变量和指标的正常范围确定每个指标的术后恢复状态变量，具体如下：

(1)判断在每一个数据采集时刻，每一个趋势变量的取值是否在相应的指标正常范围之间，如果在正常范围之间，则指标变量取值1；反之，则指标变量取值0，

(2)根据临床诊疗标准、趋势变量是否在指标正常范围内，确定每位患者在各个指标的术后恢复状态变量I_i取值；如果趋势变量均为-1或者趋势变量先升高再下降，并且最后一个数据采集时刻趋势变量的取值在指标正常范围内，则该患者指标术后恢复较好，术后恢复状态变量记为1；如果最后两个数据采集时刻趋势变量的取值都在指标正常范围内，那么这位患者指标术后恢复较好，术后恢复状态变量记为1；如果3个趋势变量皆为-1，但最后一个数据采集时刻趋势变量的取值不在指标正常范围内，那么这位患者的指标术后恢复一般，术后恢复状态变量记为0；如果趋势变量出现波动和反复、数值升高，说明这位患者的术后恢复差，术后恢复状态变量记为-1；

步骤三：

利用支持向量机(SVM)算法，根据所有时间序列变量转化的术后恢复状态变量和非时间序列变量中除下床活动次数、下床活动时长截止术后3天外的其他变量，对患者的术后恢复状态变量进行分类：

步骤四：

以术后恢复状态分类为因变量，以所有非时间序列中的术前变量、术后患者行为变量、术后下床活动次数和术后下床活动时长截止术后3天为自变量，利用随机森林算法，构建预测模型，如果观测值出现某种或某几种术后恢复状态分类占全部观测值比例小于理论占比的20％的情形，数据视为不平衡数据，其中每种分类的理论占比等于

其中，时间序列变量包括VAS评分、BI评分、主动咳嗽及咳痰次数和深呼吸次数；非时间序列变量包括术前变量和术后变量，所述术前变量包括术后住院时长、性别、切口类型、切口长度、BMI、CA、肿瘤直径、肿瘤数目、手术时间、切除范围、出血量、有无输血、输血浆量、输悬红量、ISHAK评分、组织分化等级、有无侵犯包膜、切除范围、有无癌栓、有无卫星结节和术前PT；所述术后变量包括术后1月生命质量评分、有无并发症、手术并发症Clavien分级、有无再入院、下床活动次数、下床活动时长截止术后3天、术后出现肠鸣音时间、术后肛门排气或排便时间和术后1月生命质量评分。

2.如权利要求1所述的外科患者术后恢复状态预测模型构建系统，其特征在于，所述步骤四具体为：术后恢复状态共有n类，那么每种分类的理论占比为1/n，如果在数据集中，属于某一类型的患者人数与患者总数的比例小于1/n的20％，则此类型观测值为少数类，对于数据集中的少数类，用以下方法人工合成数据，进行数据集的补充，再利用补充后的新数据集，构建预测模型：

(1)如果数据集中只有一个少数类

①对于少数类中的每一个样本寻找与其欧氏距离最近的属于同一类的样本且二者之间没有其他类的样本即

或

或

…

且

与之间没有其他类的样本

②在这两个样本间的连线上，随机选择一个点，生成一个人工合成数据

y_ab＝y_a+β_y(y_b-y_a)，β_y∈(0，1)

x_ab1＝x_a1+β_x1(x_b1-x_a1)，β_x1∈(0，1)

x_ab2＝x_a2+β_x2(x_b2-x_a2)，β_x2∈0，1

…

③将新合成的数据与原始数据合并，形成新数据集，重新计算这一少数类在新数据集中所占比例，如果比例大于等于理论占比的40％，停止人工合成数据；否则，进入④；

④利用新数据集，寻找少数类中的三个相邻样本且以三个样本为顶点形成的三角形中没有其他类的样本即

y_o＝c₁y_a+c₂y_b+c₃y_c

x_o1＝c₁x_a1+c₂x_b1+c₃x_c1

x_o2＝c₁x_a2+c₂x_b2+c₃x_c2

…

且满足c₁+c₂+c₃≠1或c₁，c₂，c₃至少有一个不在[0，1]；

⑤在这三个样本形成的三角形中，随机选择一个点，生成一个人工合成数据

y_abc＝c₁y_a+c₂y_b+c₃y_c

x_abc1＝c₁x_a1+c₂x_b1+c₃x_c1

x_abc2＝c₁x_a2+c₂x_b2+c₃x_c2

…

c₁+c₂+c₃＝1

⑥将新合成的数据与原始数据合并，形成新数据集，重新计算这一少数类在新数据集中所占比例，如果比例大于等于理论占比的40％，停止人工合成数据；否则，进入⑦；

⑦按照上述步骤，利用新数据集，依次基于四个、五个、六个等样本人工合成数据，直到新数据集中少数类所占比例大于等于理论占比的40％，或无法寻找到不覆盖其它类样本的少数类样本组合，停止人工合成数据；

(2)如果数据集包含两个及两个以上少数类

①对于每一个少数类利用步骤四中(1)的①和②方法，基于两个样本人工合成数据；

②将新合成的数据与原始数据合并，形成新数据集，重新计算每一个少数类在新数据集中所占比例，对于比例小于理论占比的40％的少数类进入③；

③对于每一个少数类利用步骤四中(1)的④和⑤方法，基于两个样本人工合成数据；

④将新合成的数据与原始数据合并，形成新数据集，重新计算每一个少数类在新数据集中所占比例，对于比例小于理论占比的40％的少数类进入⑤；

⑤按照上述步骤，利用新数据集，依次基于四个、五个、六个等样本对每一个少数类人工合成数据，直到新数据集中所有少数类所占比例大于等于理论占比的40％，或无法寻找到不覆盖其它类样本的少数类样本组合。