目的:研究創(chuàng)傷患者輸血前需求評(píng)估與輸血后療效評(píng)價(jià)輔助診療軟件系統(tǒng)(紅細(xì)胞輸注數(shù)學(xué)模型),結(jié)合無(wú)創(chuàng)監(jiān)測(cè)技術(shù),研制便攜式、智能化輸血診療輔助裝置,為創(chuàng)傷患者出血救治提供準(zhǔn)確、快速的輸血決策意見(jiàn)。意義:解決對(duì)急診創(chuàng)傷患者應(yīng)急救援時(shí),由于檢測(cè)輔助手段缺乏,醫(yī)生無(wú)足夠時(shí)間制定輸血救治方案,且僅依靠描述性檢查結(jié)果、僅憑個(gè)人經(jīng)驗(yàn)制定的輸血方案不精準(zhǔn),輸血后又無(wú)法及時(shí)評(píng)估輸血效果而影響患者救治成功率的輸血難題。該輸血輔助決策系統(tǒng)的應(yīng)用,可精準(zhǔn)制定個(gè)體化輸血救治方案,有效降低創(chuàng)傷患者死亡率、提高創(chuàng)傷救治成功率。第一部分目的本研究基于人工智能技術(shù),通過(guò)大數(shù)據(jù)分析可能影響紅細(xì)胞輸注量的多項(xiàng)參數(shù),構(gòu)建圍術(shù)期紅細(xì)胞需求量評(píng)估的數(shù)學(xué)模型。方法回顧性分析我院2011.1-2017.6期間手術(shù)患者130996例,利用患者的基本生理指標(biāo)、實(shí)驗(yàn)室檢查、手術(shù)信息等作為變量,采用梯度提升決策樹(shù)(boostingtrees)算法來(lái)構(gòu)建紅細(xì)胞需求量的人工智能(artificial intelligence,AI)預(yù)測(cè)模型,利用該模型分別對(duì)上述患者“是否需要紅細(xì)胞輸注”和“紅細(xì)胞輸注需求量”進(jìn)行預(yù)測(cè)并將AI模型預(yù)測(cè)結(jié)果和臨床醫(yī)生的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。結(jié)果對(duì)是否輸血預(yù)測(cè),AI模型準(zhǔn)確度顯著高于醫(yī)生(85.6%VS.45.4%),精確度高于醫(yī)生(85%VS.77%)。對(duì)輸血患者的需求量預(yù)測(cè),AI模型準(zhǔn)確度高于醫(yī)生(RMSE 1.758 VS.1.97)。結(jié)論基于機(jī)器學(xué)習(xí)算法構(gòu)建的圍術(shù)期紅細(xì)胞輸注量預(yù)測(cè)模型比醫(yī)生經(jīng)驗(yàn)式預(yù)測(cè)更為準(zhǔn)確,可為外科醫(yī)師提供紅細(xì)胞備血決策支持。第二部分目的本研究對(duì)以往創(chuàng)傷急救病例進(jìn)行全面、系統(tǒng)評(píng)價(jià),分析紅細(xì)胞輸注量與創(chuàng)傷類型、患者基本生命體征信息、實(shí)驗(yàn)室檢查/檢驗(yàn)指標(biāo)等各項(xiàng)參數(shù)的相關(guān)性。根據(jù)大數(shù)據(jù)的挖掘、計(jì)算,構(gòu)建創(chuàng)傷患者輸血前需求評(píng)估與輸血后療效評(píng)價(jià)的多參數(shù)數(shù)學(xué)模型,可快速得出受血者輸血的決策性意見(jiàn)并提供輸血后的療效評(píng)價(jià)參考。方法回顧性分析我院2015.4-2018.3期間在我院急診科就診的,匹配或模糊匹配診斷帶“傷”的1667名患者。利用患者的生命體征、實(shí)驗(yàn)室檢查、入科、出科情況、輸血情況等作為變量,采用boostingtrees算法來(lái)構(gòu)建紅細(xì)胞需求量的智能預(yù)測(cè)模型,利用該模型分別對(duì)上述患者“是否需要紅細(xì)胞輸注”和“紅細(xì)胞輸注需求量”進(jìn)行預(yù)測(cè)并將測(cè)試集的數(shù)據(jù)與真實(shí)輸血量值進(jìn)行對(duì)比。結(jié)果對(duì)是否輸血預(yù)測(cè),ROC曲線下面積0.80。對(duì)輸血患者的需求量預(yù)測(cè),MAE=1.60。結(jié)論基于boosting trees算法構(gòu)建的創(chuàng)傷患者紅細(xì)胞輸注量預(yù)測(cè)模型為應(yīng)急救援環(huán)境下協(xié)助醫(yī)生迅速、準(zhǔn)確做出輸血決策提供技術(shù)支持。第三部分目的研發(fā)人體無(wú)創(chuàng)、便攜式多波長(zhǎng)光譜血紅蛋白檢測(cè)儀,并驗(yàn)證儀器的實(shí)用性和檢測(cè)準(zhǔn)確性。方法利用光電傳感器采集的光電容積脈搏波信號(hào),通過(guò)吸光度的變化分析人體生理參數(shù)-血紅蛋白的變化,并對(duì)我院獻(xiàn)血人員及病房患者采集信號(hào)共234例,對(duì)比常規(guī)實(shí)驗(yàn)室有創(chuàng)方法與本研究研發(fā)的無(wú)創(chuàng)儀器檢測(cè)血紅蛋白的準(zhǔn)確性。結(jié)果常規(guī)實(shí)驗(yàn)室有創(chuàng)方法與本研究研發(fā)的無(wú)創(chuàng)儀器檢測(cè)血紅蛋白相關(guān)系數(shù)R為0.935,具有明顯的相關(guān)性。均方根誤差RMSE為0.8563。結(jié)論本研究研發(fā)的人體無(wú)創(chuàng)、便攜式多波長(zhǎng)光譜血紅蛋白檢測(cè)儀快捷無(wú)創(chuàng)檢測(cè)血紅蛋白的實(shí)用性好,與常規(guī)實(shí)驗(yàn)室有創(chuàng)方法比較,準(zhǔn)確度高,一致性好。
【學(xué)位單位】：中國(guó)人民解放軍醫(yī)學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R641;TP273.5
【部分圖文】：

圖２邋ＡＩ模型ＲＯＣ曲線逡逑面積代表分類器整體的分類能力。Ｘ軸：假陽(yáng)性，即ＡＩ預(yù)測(cè)患者輸血；Ｙ軸：真陽(yáng)性，即ＡＩ預(yù)測(cè)患者需要輸血，實(shí)際術(shù)中確實(shí)曲線，曲線下面積就會(huì)越大，代表分類器性能越高，預(yù)測(cè)需要能力越高。此ＡＩ模型通過(guò)二分類預(yù)測(cè)是否輸血，ＲＯＣ曲線下設(shè)置閾值Ｐ＝０．５。大于Ｐ預(yù)測(cè)為輸血，小于Ｐ預(yù)測(cè)為不輸血。重性相同，應(yīng)該選擇Ｐ＝０．５。但臨床實(shí)際情況并非如此，我們，不同的閾值會(huì)得到不同的假陽(yáng)性、真陽(yáng)性率。逡逑的結(jié)果和醫(yī)生預(yù)測(cè)的結(jié)果進(jìn)行比較：綜合來(lái)看，醫(yī)生預(yù)測(cè)的ａｃｓｉｏｎ邋７７％，ｒｅｃａｌｌ邋４５％0Ｐ＝０．５時(shí)，ＡＩ預(yù)測(cè)的ａｃｃｕｒａｃｙ邋為８５＿６％，ｐｒｅｃｉ效果明顯優(yōu)于醫(yī)生的經(jīng)驗(yàn)預(yù)測(cè)。逡逑測(cè)模型，設(shè)置分類器閾值Ｐ＝０．５時(shí)，可以將９４．９％邋（１８２９４／１９２７識(shí)別出來(lái)，可以降低占用有限血液資源的情況，但隨之而來(lái)會(huì)

紅細(xì)胞輸注量0＜＝ＢＴＶ＜＝１０，每個(gè)階段輸血量ＡＩ預(yù)測(cè)模型的ＲＭＳＥ值小于醫(yī)生預(yù)逡逑測(cè)的ＲＭＳＥ值，以ＲＭＳＥ為評(píng)價(jià)指標(biāo)，ＡＩ預(yù)測(cè)準(zhǔn)確性高于醫(yī)生（１．７５８邋ＶＳ．邋１．９７），逡逑見(jiàn)下圖４：逡逑今邋ＡＩ邋ｍｏｄｅｌ邋ＲＭＳＥ逡逑Ｄｏｃ邋ＲＭＳＥ逡逑．Ａ邐＞邐＞邐夕逡逑，／邋／邋／邋／逡逑圖４：邋ＲＭＳＥ為評(píng)價(jià)指標(biāo)，ＡＩ預(yù)測(cè)與醫(yī)生評(píng)估輸血量準(zhǔn)確率比較逡逑４、各特征變量重要性分析逡逑４．１、本研究對(duì)紅細(xì)胞輸注預(yù)測(cè)模型中各個(gè)特征按照權(quán)重大小進(jìn)行排序，對(duì)模型１，預(yù)逡逑２１逡逑

手術(shù)的比例，收縮壓最高值、活化凝血活酶時(shí)間（ＡＰＴＴ）、凝血酶原時(shí)間（ＰＴ）、手術(shù)名逡逑稱涉及的手術(shù)部位個(gè)數(shù)、體溫、纖維蛋白原（ＦＩＢ）、凝血酶原活動(dòng)度（ＰＴＡ）。結(jié)果見(jiàn)下逡逑圖５：逡逑ｉｓ＿ｔｒａｎｓ邋Ｆｅａｔｕｒｅ邋Ｉｍｐｏｒｔａｎｃｅｓ逡逑３５００逡逑§邋３０００逡逑（ｆ＞逡逑？邋２５００逡逑ｃ逡逑（Ｑ逡逑備邋２０００逡逑｜邋１５００逡逑｜邋１０００邋Ｉ邋｜逡逑／邋／邐＾邐＾邋＾邋／邋ｆ邋0ｖ＾邋／邋／邋＾邐＾邐＾逡逑／逡逑圖５預(yù)測(cè)是否輸血模型，特征變量權(quán)重大小排序逡逑４．２、模型２，預(yù)測(cè)術(shù)中輸血量，權(quán)重較大的特征變量與模型１基本相同，但權(quán)重大小逡逑有區(qū)別，權(quán)重最大的分別為科室、年齡、白細(xì)胞計(jì)數(shù)（ＷＢＣ）、血小板計(jì)數(shù)（ＰＬＴ）、全逡逑身血容量（ＰＢＶ）、血紅蛋白（ＨＢ）。逡逑２２逡逑

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊連珍;;中國(guó)橡膠需求量預(yù)測(cè)[J];世界熱帶農(nóng)業(yè)信息;2007年04期

2 ;2003～2010年我國(guó)汽車保有量及新增汽車需求量預(yù)測(cè)[J];金融信息參考;2003年11期

3 ;中國(guó)汽車用漆需求量預(yù)測(cè)[J];化學(xué)工程師;2000年05期

4 ;我國(guó)轎車需求量預(yù)測(cè)[J];輪胎工業(yè);1999年11期

5 郭麗雅;;全國(guó)味精需求量的預(yù)測(cè)分析[J];預(yù)測(cè);1987年02期

6 張學(xué)慶;;陜西省城鎮(zhèn)居民主要食品需求量預(yù)測(cè)[J];預(yù)測(cè);1987年05期

7 金桂生;許學(xué)武;;1988年上海市洗衣粉需求量預(yù)測(cè)[J];預(yù)測(cè);1987年06期

8 尹輝喜;;世界鈮資源及供求概況[J];新疆有色金屬;1987年02期

9 戴思銳;盧清富;黃楚材;;重慶市糧食需求量預(yù)測(cè)[J];西南農(nóng)業(yè)大學(xué)學(xué)報(bào);1987年03期

10 楊玉英;全國(guó)閥門(mén)需求量預(yù)測(cè)[J];預(yù)測(cè);1988年01期

相關(guān)會(huì)議論文 前10條

1 閆彥;沈維春;;“九五”乃至2010年中國(guó)轎車需求量預(yù)測(cè)[A];發(fā)展的信息技術(shù)對(duì)管理的挑戰(zhàn)——99’管理科學(xué)學(xué)術(shù)會(huì)議專輯（上）[C];1999年

2 王靜;董祚繼;;土地利用總體規(guī)劃中的土地需求量預(yù)測(cè)——以福建龍巖地區(qū)為例[A];土地利用總體規(guī)劃理論與實(shí)踐——中國(guó)土地學(xué)會(huì)土地利用分會(huì)成立十周年學(xué)術(shù)討論會(huì)論文集[C];1995年

3 吳桂平;曾永年;齊慶超;楊松;;基于灰色-馬爾柯夫鏈模型的耕地需求量預(yù)測(cè)實(shí)證研究——以湘西北巖溶山區(qū)為例[A];2007中國(guó)可持續(xù)發(fā)展論壇暨中國(guó)可持續(xù)發(fā)展學(xué)術(shù)年會(huì)論文集（2）[C];2007年

4 陳士濤;楊建軍;趙英俊;;基于溫特法的地空導(dǎo)彈裝備備件需求量預(yù)測(cè)[A];第八屆中國(guó)不確定系統(tǒng)年會(huì)論文集[C];2010年

5 許琪;曹振宇;周根貴;;ATM現(xiàn)金需求量預(yù)測(cè)研究現(xiàn)狀與展望[A];第十一屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2009年

6 史偉;崔源聲;武夷山;;2011年到2050年中國(guó)水泥需求量預(yù)測(cè)[A];2011中國(guó)水泥技術(shù)年會(huì)暨第十三屆全國(guó)水泥技術(shù)交流大會(huì)論文集[C];2011年

7 唐偉家;;世界聚酰胺工程塑料市場(chǎng)及預(yù)測(cè)[A];2002年中國(guó)工程塑料加工應(yīng)用技術(shù)研討會(huì)論文集[C];2002年

8 曹異生;蔣繼穆;王忠實(shí);;鎳工業(yè)的發(fā)展戰(zhàn)略[A];中國(guó)有色金屬學(xué)會(huì)第三屆學(xué)術(shù)會(huì)議論文集——戰(zhàn)略研究綜述部分[C];1997年

9 張華發(fā);李世蘊(yùn);李學(xué)明;吳運(yùn)席;;安徽省土地利用需求量預(yù)測(cè)研究[A];土地利用總體規(guī)劃理論與實(shí)踐——中國(guó)土地學(xué)會(huì)土地利用分會(huì)成立十周年學(xué)術(shù)討論會(huì)論文集[C];1995年

10 史偉;;2011年到2050年中國(guó)水泥需求量預(yù)測(cè)[A];中國(guó)11省市硅酸鹽發(fā)展報(bào)告（2011）[C];2012年

相關(guān)重要報(bào)紙文章 前10條

1 美佳;未來(lái)十年我國(guó)新型建材需求預(yù)測(cè)[N];中國(guó)物資報(bào);2000年

2 數(shù)據(jù)來(lái)源 中國(guó)船舶工業(yè)市場(chǎng)研究中心;2015年前世界豪華游船需求量預(yù)測(cè)[N];中國(guó)船舶報(bào);2005年

3 張楠;歐佩克對(duì)今年原油需求量預(yù)測(cè)不變[N];中國(guó)證券報(bào);2007年

4 許秀成;化肥需求量預(yù)測(cè)要謹(jǐn)慎[N];中國(guó)化工報(bào);2004年

5 汪輝;我國(guó)高性能纖維需求量預(yù)測(cè)[N];中國(guó)建材報(bào);2011年

6 ;“十一五”上海市住房需求量預(yù)測(cè)[N];房地產(chǎn)時(shí)報(bào);2005年

7 魯佳;北美港口集裝箱裝卸需求量預(yù)測(cè)[N];國(guó)際商報(bào);2006年

8 劉占;塑料管材需求量預(yù)測(cè)[N];中華建筑報(bào);2004年

9 中研網(wǎng);中國(guó)航空機(jī)隊(duì)的需求量預(yù)測(cè)分析[N];中國(guó)航空?qǐng)?bào);2019年

10 賽迪科譯;Mloop揭示手機(jī)低價(jià)銷售根源[N];中國(guó)計(jì)算機(jī)報(bào);2002年

相關(guān)博士學(xué)位論文 前1條

1 李雙晶;豬肉供需平衡調(diào)控模型及其應(yīng)用研究[D];東北農(nóng)業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 封彥楠;創(chuàng)傷患者紅細(xì)胞需求量智能預(yù)測(cè)系統(tǒng)的研發(fā)[D];中國(guó)人民解放軍醫(yī)學(xué)院;2019年

2 況東鈺;基于時(shí)間序列分析的網(wǎng)約車需求短時(shí)預(yù)測(cè)研究[D];北京交通大學(xué);2019年

3 魏楷聰;基于機(jī)器學(xué)習(xí)方法的打車需求量預(yù)測(cè)研究[D];廣州大學(xué);2019年

4 趙娟禾;基于多層混合深度神經(jīng)網(wǎng)絡(luò)的電商商品短期需求量預(yù)測(cè)方法研究[D];長(zhǎng)安大學(xué);2019年

5 嚴(yán)晨;基于混合模型的水果需求量預(yù)測(cè)應(yīng)用研究[D];安徽工業(yè)大學(xué);2018年

6 閆廈;基于站點(diǎn)聚類的公共自行車系統(tǒng)需求量預(yù)測(cè)[D];大連理工大學(xué);2018年

7 王鵬濤;公共自行車數(shù)據(jù)分析及站點(diǎn)需求量預(yù)測(cè)的研究[D];太原理工大學(xué);2018年

8 于揚(yáng)紅雪;出租車需求量預(yù)測(cè)模型的研究[D];大連海事大學(xué);2017年

9 賀嶸;縣級(jí)土地利用總體規(guī)劃中建設(shè)用地需求量預(yù)測(cè)研究[D];湖南農(nóng)業(yè)大學(xué);2006年

10 牟春光;縣級(jí)土地規(guī)劃中的建設(shè)用地需求量預(yù)測(cè)系統(tǒng)[D];湖南農(nóng)業(yè)大學(xué);2008年

本文編號(hào)：2815253