【技術實現步驟摘要】
本專利技術屬于醫療器械，涉及一種胸痛患者的冠狀動脈疾病風險預測方法及日常鍛煉裝置。
技術介紹
1、血液經由兩條主要冠狀動脈進入心臟，并經由心臟肌肉表面上的一個血管網絡，使心臟得到養分。冠狀動脈疾病(cad)是由于動脈管腔內積累了粥樣硬化物質而導致的動脈狹窄，這種狹窄會導致心肌供血不足，尤其是在心肌需求增加的情況下，從而導致心肌缺血。動脈粥樣硬化物質是一種柔軟的脂肪物質，通過與血液元素(細胞和凝血因子)和血液攜帶的脂肪相互作用，在動脈內表面形成。隨著時間的推移，動脈粥樣硬化斑塊會鈣化并變硬。鑒于其發病率高、住院率高、致殘率高、死亡率高，早期發現冠狀動脈粥樣硬化具有極其重要的意義。
2、冠狀動脈疾病患者日常還需要進行慢跑、慢走等較為舒緩的運動，有助于提高患者心肺功能。而冠狀動脈疾病的患者身體較差，運動時因供血不足或其他原因可能出現站立不穩等情況，必須有陪護人員在場，以便在患者要摔倒時進行及時攙扶，防止摔倒損傷，且若患者體重較大，僅一位陪護人員可能還并不能滿足安全陪護需求。這使得冠狀動脈疾病患者的護理需要耗費更多人力，占用醫護人員或其家屬大量時間。
技術實現思路
1、本專利技術的目的在于提供一種胸痛患者的冠狀動脈疾病風險預測方法及日常鍛煉裝置，預測胸痛患者是否為冠狀動脈疾病患者，以便及時干預和改善患者預后。
2、為了達到上述目的，本專利技術的基礎方案為：一種胸痛患者的冠狀動脈疾病風險預測方法，包括如下步驟：
3、采集多個樣本的臨床數據；
4
5、基于識別出的危險因素構建預測模型，并對該預測模型進行訓練；
6、獲取胸痛患者的電子病歷數據中的危險因素，并輸入訓練后的預測模型，預測胸痛患者是否存在冠狀動脈疾病風險。
7、本基礎方案的工作原理和有益效果在于：本技術方案采集樣本的臨床特征數據，并篩選危險因素，僅利用危險因素進行后續預測，避免模型指標過多而導致預測模型的運算速度慢、性能不佳等問題。預測模型根據危險因素，預測胸痛患者是否為冠狀動脈疾病患者，操作簡便，以便及時干預和改善患者預后。
8、進一步，對缺失率≤30％的臨床數據使用缺失值算法填補，具體缺失值填補方法為：
9、獲取所有樣本的臨床數據的數值并將一個樣本的臨床數據作為一個集合，將所有樣本的臨床數據中與某一樣本的待填充數據同類型的已知數據按照大小順序排序；
10、對缺失值以外其余類型的臨床特征數據分別設立權重，若有的數據缺失，則數值取為0；
11、利用聚類算法對樣本的其余類型的臨床數據進行聚類；
12、選取與該樣本所在簇對應的待填充數據作為填充的數值。
13、因機械原因或人為原因而導致數據收集或保存失敗造成數據缺失，產生缺失值，數據中的缺失值導致數據的真實性不能得到保證，所以需要對數據進行填補，增強數據的可靠性。且缺失率太大的數據真實性較低，不具有填補價值，可直接排除。
14、進一步，采集預測模型的靈敏度、特異度、精確度、auc、plr和nlr數值，將采集的數據數值與預設的對應數值范圍進行對比，得出對比差值，根據對比差值評估預測模型的預測性能。
15、對預測模型的各項數據進行評估，以此判斷預測模型的運算性能，以便后期對預測模型進行優化，同時以此判斷預測模型的可靠性。
16、進一步，所述危險因素包括年齡、單核細胞、高密度脂蛋白膽固醇、谷草轉氨酶和谷丙轉氨酶等。
17、上述因素對冠狀動脈疾病的影響較大，預測模型僅根據這些危險因素，判斷胸痛患者是否為冠狀動脈疾病患者，判斷的準確性更高。
18、進一步，所述預測模型采用隨機森林模型、gdboost模型、xgboost模型、catboost模型或邏輯回歸模型。
19、根據需要選擇合適的模型，便于使用。
20、本專利技術還提供一種冠狀動脈疾病患者的日常鍛煉裝置，包括輔助運動機構、監測模塊、人機交互模塊和處理模塊；
21、所述輔助運動機構包括跑步機、第二齒輪、u型齒條、連接桿和伸縮桿，所述跑步機的電機輸出軸上同軸連接有第一齒輪，第一齒輪的側面設有定位桿，所述定位桿上套接有第二齒輪，第二齒輪可沿定位桿移動至與第一齒輪嚙合，第二齒輪連接有推桿；
22、所述不完全齒輪設置在跑步機的上方，且位于跑步機的前側，不完全齒輪通過同步傳動連接件與第二齒輪連接，不完全齒輪位于u型齒條內側，所述u型齒條的圓弧端未設有嚙合齒，所述連接桿的一端與不完全齒輪的邊緣鉸接，另一端與伸縮桿的一端鉸接，伸縮桿的另一端與u型齒條的開口端鉸接，所述連接桿與伸縮桿的鉸接處，以及u型齒條的開口端均連接有抓握件；
23、所述監測機構穿戴在患者身上，用于采集患者身體數據；
24、所述人機交互模塊設置在輔助運動機構的側邊，人機交互模塊的輸出端與處理模塊連接，所述處理模塊執行本專利技術所述方法，預測胸痛患者是否為冠狀動脈疾病患者，并將預測結果返回至人機交互模塊中顯示。
25、設置跑步機，患者可直接在跑步機上進行慢走或慢跑運動。當患者需要同時進行上肢運動輔助時，可將第二齒輪推動至與第一齒輪嚙合，跑步機運行通過第一齒輪帶動第二齒輪轉動，再基于同步傳動連接件，帶動不完全齒輪轉動。
26、不完全齒輪在u型齒條的圓弧端轉動時，此圓弧端無嚙合齒，則u型齒條不動，此時不完全齒輪轉動帶動連接桿和伸縮桿擺動，此時患者可抓握連接桿與伸縮桿鉸接處的抓握件進行上肢運動，隨抓握件的移動進行手臂移動，進行多角度多位置擺動，運動更全面。
27、患者可抓握u型齒條的開口端的抓握件，將u型齒條相對不完全齒輪進行推動，使不完全齒輪與u型齒條上的嚙合齒嚙合，這樣不完全齒輪轉動，其輪齒與u型齒條一側的嚙合齒嚙合，此時u型齒條向一側平移，當不完全齒輪轉動與u型齒條的另一側嚙合齒嚙合時，u型齒條則向另一側平移，控制u型齒條水平往復移動，從而帶動患者手臂進行水平彎折運動。這樣帶動患者運動，進行輔助引導，更省力，利于患者堅持，也避免過度運動或運動姿勢不當。
28、若不進行下肢運動時，患者可自行進行上肢運動，由患者手臂自發抓握抓握件，推動u型齒條平移，或連接桿與伸縮桿擺動。
29、同時利用監測機構隨時監測患者身體數據，也通過人機交互模塊和處理模塊，可隨時檢查患者是否為冠狀動脈疾病患者，以便及時干預，加強運動。
30、進一步，還包括防護機構，所述防護機構包括防護板、支撐桿、彈性防護件、氣缸和氣囊；
31、所述防護板設置在跑步機的后側，所述支撐桿設置在防護板兩側，支撐桿的一端與防護板連接，另一端與跑步機的機架轉動鉸接，防護板的兩側設有滑槽，滑槽內滑動連接有第一滑塊，所述第一滑塊鉸接有第一擺動桿，第一擺動桿遠離第一滑塊的一端連接有控制其擺動的動力源，所述動力源安裝在機架或地面上，動力源與跑步機處于同一水平位置；
【技術保護點】
1.一種胸痛患者的冠狀動脈疾病風險預測方法，其特征在于，包括如下步驟：
2.如權利要求1所述的胸痛患者的冠狀動脈疾病風險預測方法，其特征在于，對缺失率≤30％的臨床數據使用缺失值算法填補，具體缺失值填補方法為：
3.如權利要求1所述的胸痛患者的冠狀動脈疾病風險預測方法，其特征在于，采集預測模型的靈敏度、特異度、精確度、AUC、PLR和NLR數值，將采集的數據數值與預設的對應數值范圍進行對比，得出對比差值，根據對比差值評估預測模型的預測性能。
4.如權利要求1所述的胸痛患者的冠狀動脈疾病風險預測方法，其特征在于，所述危險因素包括年齡、單核細胞、高密度脂蛋白膽固醇、谷草轉氨酶和谷丙轉氨酶。
5.如權利要求1所述的胸痛患者的冠狀動脈疾病風險預測方法，其特征在于，所述預測模型采用隨機森林模型、GdBoost模型、XGBoost模型、CatBoost模型或邏輯回歸模型。
6.一種冠狀動脈疾病患者的日常鍛煉裝置，其特征在于，包括輔助運動機構、監測模塊、人機交互模塊和處理模塊；
7.如權利要求6所述的冠狀動脈疾病患者的日常
8.如權利要求7所述的冠狀動脈疾病患者的日常鍛煉裝置，其特征在于，還包括距離傳感器、距離比較器、壓力傳感器、壓力比較器和警報模塊；
...【技術特征摘要】
1.一種胸痛患者的冠狀動脈疾病風險預測方法，其特征在于，包括如下步驟：
2.如權利要求1所述的胸痛患者的冠狀動脈疾病風險預測方法，其特征在于，對缺失率≤30％的臨床數據使用缺失值算法填補，具體缺失值填補方法為：
3.如權利要求1所述的胸痛患者的冠狀動脈疾病風險預測方法，其特征在于，采集預測模型的靈敏度、特異度、精確度、auc、plr和nlr數值，將采集的數據數值與預設的對應數值范圍進行對比，得出對比差值，根據對比差值評估預測模型的預測性能。
4.如權利要求1所述的胸痛患者的冠狀動脈疾病風險預測方法，其特征在于，所述危險因素包括年齡、單核細胞、高密度脂蛋白膽固醇、谷草轉氨酶和...
【專利技術屬性】
技術研發人員：陳龍聰，何松濤，陳焱，李仙云，
申請(專利權)人：重慶醫科大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。