本發明涉及風險預測，尤其涉及糖尿病患者結腸鏡檢查低血糖風險預測模型及方法。
背景技術：
1、風險預測技術領域主要涉及通過收集并分析大量歷史數據與實時信息來推算未來特定事件發生概率的相關內容，其主要目的作用在于幫助決策者提前識別潛在隱患并制定對應的干預策略，廣泛應用于醫療健康金融風控工業安全以及交通運輸等眾多行業。其中，糖尿病患者結腸鏡檢查低血糖風險預測模型是指在醫療臨床場景下針對患有糖尿病的人群在準備或進行結腸鏡操作期間由于禁食和腸道準備等因素容易觸發低血糖不良事件所構建的專門評估工具，用來在操作前對患者個體發生低血糖的概率進行量化評價與風險預警。
2、結腸鏡檢查被廣泛認為是結直腸癌篩查的參考標準，但其需要禁食和使用瀉劑等操作可能導致低血糖等并發癥。糖尿病患者由于復雜的代謝失調，在結腸鏡檢查期間低血糖風險更高，不僅是短期血糖管理的挑戰，還可能導致心血管和神經系統損害等嚴重不良事件。目前，現有指南缺乏關于如何有效預防和管理低血糖的具體建議，特別是針對糖尿病患者的個性化護理策略（如用藥調整、禁食時間優化等）仍有待完善。
技術實現思路
1、本發明的目的是解決現有技術中存在的缺點，而提出的糖尿病患者結腸鏡檢查低血糖風險預測模型及方法。
2、為了實現上述目的，本發明采用了如下技術方案：糖尿病患者結腸鏡檢查低血糖風險預測模型包括：
3、特征提取模塊，獲取糖尿病住院患者臨床病歷資料及血糖監測記錄，提取年齡、結腸鏡腸道準備波士頓評分、結腸鏡檢查前禁食時間、結腸鏡檢查前灌腸操作狀態、格列奈類藥物使用狀態及結腸鏡檢查鎮靜劑使用狀態作為特征參數，組合得到臨床獨立危險特征集；
4、權重分析模塊，分析所述臨床獨立危險特征集，獲取所述臨床獨立危險特征集中各特征參數對應的風險關聯權重，篩選顯著獨立危險特征及對應的風險關聯權重，構建低血糖危險特征映射權重集；
5、模型構建模塊，處理所述低血糖危險特征映射權重集，確定所述低血糖危險特征映射權重集在預設低血糖風險評分基準尺度下的圖形化刻度投影，構建初始低血糖風險列線圖預測模型；
6、模型標定模塊，分析所述初始低血糖風險列線圖預測模型，獲取對應模型預測曲線下面積和預測擬合偏差，若所述預測擬合偏差大于預設預測容忍閾值則根據所述模型預測曲線下面積調整所述初始低血糖風險列線圖預測模型的風險刻度分布狀態，輸出標定低血糖風險列線圖預測模型；
7、風險預測模塊，獲取待測糖尿病患者的當前臨床數據，輸入至所述標定低血糖風險列線圖預測模型進行處理，獲取對應低血糖發生概率與預設風險預警閾值進行比較，確定待測糖尿病患者發生風險狀態，生成糖尿病患者結腸鏡檢查低血糖風險預測結果。
8、作為本發明的進一步方案，所述篩選顯著獨立危險特征過程中，若所述風險關聯權重大于預設顯著性關聯閾值則將對應特征參數提取為顯著獨立危險特征，若所述風險關聯權重小于等于預設顯著性關聯閾值則剔除對應的特征參數；
9、所述確定待測糖尿病患者發生風險狀態過程中，若所述低血糖發生概率大于所述預設風險預警閾值則判定所述待測糖尿病患者存在高危發生風險，若所述低血糖發生概率小于等于所述預設風險預警閾值則判定所述待測糖尿病患者存在常規發生風險。
10、作為本發明的進一步方案，所述臨床獨立危險特征集包括患者體征指標項、術前準備評估項、臨床用藥追蹤項；所述低血糖危險特征映射權重集包括特征重要度數值、風險影響乘數、獨立變量系數；所述初始低血糖風險列線圖預測模型包括變量評分尺、綜合累加計分項、風險映射轉換軸；所述標定低血糖風險列線圖預測模型包括評估校準圖、刻度修正量、優化后概率參考線；所述糖尿病患者結腸鏡檢查低血糖風險預測結果包括患者危險層級、血糖異常記錄。
11、作為本發明的進一步方案，所述特征提取模塊包括：
12、臨床病歷采集子模塊，在糖尿病患者結腸鏡檢查前至結腸鏡腸道準備過程中獲取糖尿病住院患者臨床病歷資料，提取臨床病歷資料中各項基礎生理指標數值，對比各項基礎生理指標數值與預設常態指標基準線，計算各項基礎生理指標數值與預設常態指標基準線之間絕對差值，匯總全部絕對差值得到基礎生理差量集；
13、監測記錄提取子模塊，根據所述基礎生理差量集，在糖尿病住院患者開始腸道準備至結腸鏡檢查結束后規定時間段內采集糖尿病住院患者血糖監測記錄，提取血糖監測記錄中各項時序血糖變動數值，融合基礎生理差量集與各項時序血糖變動數值，計算各時間節點下綜合生理變動幅度，生成時序生理波動幅度；
14、危險特征組合子模塊，根據時序生理波動幅度以及提取年齡以及結腸鏡腸道準備波士頓評分以及結腸鏡檢查前禁食時間以及結腸鏡檢查前灌腸操作狀態以及格列奈類藥物使用狀態以及結腸鏡檢查鎮靜劑使用狀態，整合各項狀態數值與時序生理波動幅度形成特征映射矩陣，建立臨床獨立危險特征集。
15、作為本發明的進一步方案，所述權重分析模塊包括：
16、風險權重分析子模塊，基于所述臨床獨立危險特征集，拆解各維度獨立特征參數項，計算各維度獨立特征參數項在多因素邏輯回歸規則下對應偏回歸系數值以及標準誤數值，合并各維度獨立特征參數項對應偏回歸系數值與標準誤數值，獲取風險關聯權重；
17、顯著特征篩選子模塊，比較所述風險關聯權重與預設顯著性關聯閾值之間數值大小差異，當所述風險關聯權重大于預設顯著性關聯閾值狀態下將對應特征參數提取至候選區域，當所述風險關聯權重不大于預設顯著性關聯閾值狀態下剔除對應特征參數，得到顯著獨立危險特征；
18、映射權重構建子模塊，提取所述顯著獨立危險特征對應各項特征權重數值，根據預設權重分配常數處理各項特征權重數值，計算各項特征權重數值在整體特征空間中占比系數，組合顯著獨立危險特征及對應占比系數，建立低血糖危險特征映射權重集。
19、作為本發明的進一步方案，所述模型構建模塊包括：
20、尺度權重歸一子模塊，獲取預設低血糖風險評分基準尺度，按照標準歸一化函數處理低血糖危險特征映射權重集中各項權重數值，計算各項權重數值在預設區間范圍內相對映射坐標值，整合各項相對映射坐標值構建標準化一維數值向量序列，得到統一尺度權重集；
21、刻度投影比對子模塊，比對所述統一尺度權重集中各項數值與預設低血糖風險評分基準尺度下各個節點坐標系數值，計算所述統一尺度權重集數值在預設低血糖風險評分基準尺度中對應偏移距離向量，轉換偏移距離向量生成圖形化刻度投影；
22、初始模型構建子模塊，提取所述圖形化刻度投影中各項節點位置分布坐標值，結合節點位置分布坐標值繪制各項危險特征因子得分標尺線，排列各項危險特征因子得分標尺線與總分預測軸線形成多變量交互界面架構視圖，依據多變量交互界面架構視圖建立初始低血糖風險列線圖預測模型。
23、作為本發明的進一步方案，所述模型標定模塊包括：
24、陽性分布分析子模塊，依照受試者工作特征曲線分析提取所述初始低血糖風險列線圖預測模型預測輸出分類結果，計算各個預測概率截斷點下對應真陽性率數值以及假陽性率數值，統計真陽性率數值以及假陽性率數值空間分布狀態，建立真假陽性分布指標；
25、擬合偏差檢驗子模塊，匯總所述真假陽性分布指標中各項坐標值序列生成模型預測曲線下面積，按照擬合優度檢驗函數比對模型預測曲線下面積對應實際觀測頻次數值與預期發生頻次數值，計算實際觀測頻次數值與預期發生頻次數值之間絕對離散差值總和，獲取預測擬合偏差；
26、模型標定輸出子模塊，比較所述預測擬合偏差與預設預測容忍閾值數值差異，當所述預測擬合偏差大于預設預測容忍閾值狀態下依據模型預測曲線下面積對應調整原有風險刻度分布距離值，當所述預測擬合偏差不大于預設預測容忍閾值狀態下維持原有結構參數，生成標定低血糖風險列線圖預測模型。
27、作為本發明的進一步方案，所述風險預測模塊包括：
28、臨床數據采集子模塊，獲取待測糖尿病患者結腸鏡檢查前準備階段獲取當前臨床數據，提取當前臨床數據中待測糖尿病患者各項實時生理指標數值，對比各項實時生理指標數值與基準健康生理指標閾值，計算各項實時生理指標數值對應偏差百分比系數，整合全部偏差百分比系數得到當前臨床危險特征數據；
29、發生概率評估子模塊，將所述當前臨床危險特征數據中各項偏差百分比系數輸入至所述標定低血糖風險列線圖預測模型各項特征標尺節點中，計算各項特征標尺節點對應單項風險積分值，匯總全部單項風險積分值轉換輸出低血糖發生概率；
30、風險預警判定子模塊，比較所述低血糖發生概率與預設風險預警閾值，當所述低血糖發生概率超出預設風險預警閾值時輸出待測患者高危發生風險狀態，當所述低血糖發生概率未超出預設風險預警閾值時輸出待測患者常規發生風險狀態，生成糖尿病患者結腸鏡檢查低血糖風險預測結果。
31、糖尿病患者結腸鏡檢查低血糖風險預測方法，包括以下步驟：
32、s1：獲取糖尿病住院患者臨床病歷資料及血糖監測記錄，提取年齡、結腸鏡腸道準備波士頓評分、結腸鏡檢查前禁食時間、結腸鏡檢查前灌腸操作狀態、格列奈類藥物使用狀態及結腸鏡檢查鎮靜劑使用狀態作為特征參數，組合得到臨床獨立危險特征集；
33、s2：分析所述臨床獨立危險特征集，獲取所述臨床獨立危險特征集中各特征參數對應的風險關聯權重，篩選顯著獨立危險特征及對應的風險關聯權重，構建低血糖危險特征映射權重集；
34、s3：處理所述低血糖危險特征映射權重集，確定所述低血糖危險特征映射權重集在預設低血糖風險評分基準尺度下的圖形化刻度投影，構建初始低血糖風險列線圖預測模型；
35、s4：分析所述初始低血糖風險列線圖預測模型，獲取對應模型預測曲線下面積和預測擬合偏差，若所述預測擬合偏差大于預設預測容忍閾值則根據所述模型預測曲線下面積調整所述初始低血糖風險列線圖預測模型的風險刻度分布狀態，輸出標定低血糖風險列線圖預測模型；
36、s5：獲取待測糖尿病患者的當前臨床數據，輸入至所述標定低血糖風險列線圖預測模型進行處理，獲取對應低血糖發生概率與預設風險預警閾值進行比較，確定待測糖尿病患者發生風險狀態，生成糖尿病患者結腸鏡檢查低血糖風險預測結果。
37、與現有技術相比，本發明的優點和積極效果在于：
38、本發明中，通過提取患者年齡、腸道準備評分、禁食時間及特定藥物使用狀態等核心臨床特征，結合權重分析構建低血糖風險列線圖預測模型，并通過計算預測擬合偏差進行模型動態標定等技術手段，實現對待測糖尿病患者結腸鏡檢查期間低血糖發生概率的精準量化與高危狀態預警，起到輔助醫療人員提前識別潛在隱患、優化個性化禁食與用藥護理方案，從而有效規避心血管及神經系統嚴重不良事件發生，進而充分保證糖尿病患者正常進行結腸鏡檢查。