CN117672486A - 一种血液透析中目标超滤量的估算***及方法 - Google Patents
一种血液透析中目标超滤量的估算***及方法 Download PDFInfo
- Publication number
- CN117672486A CN117672486A CN202311349846.1A CN202311349846A CN117672486A CN 117672486 A CN117672486 A CN 117672486A CN 202311349846 A CN202311349846 A CN 202311349846A CN 117672486 A CN117672486 A CN 117672486A
- Authority
- CN
- China
- Prior art keywords
- ultrafiltration volume
- target
- data
- dialysis
- volume
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000108 ultra-filtration Methods 0.000 title claims abstract description 131
- 238000001631 haemodialysis Methods 0.000 title claims abstract description 30
- 230000000322 hemodialysis Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims description 16
- 238000000502 dialysis Methods 0.000 claims abstract description 61
- 238000011282 treatment Methods 0.000 claims abstract description 41
- 238000013528 artificial neural network Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000009417 prefabrication Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 26
- 206010020751 Hypersensitivity Diseases 0.000 claims description 6
- 208000026935 allergic disease Diseases 0.000 claims description 6
- 230000007815 allergy Effects 0.000 claims description 6
- 230000010100 anticoagulation Effects 0.000 claims description 6
- 229940079593 drug Drugs 0.000 claims description 6
- 239000003814 drug Substances 0.000 claims description 6
- 238000003908 quality control method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000035515 penetration Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 4
- 230000037396 body weight Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000004217 heart function Effects 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 208000009304 Acute Kidney Injury Diseases 0.000 description 1
- 208000033626 Renal failure acute Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 201000011040 acute kidney failure Diseases 0.000 description 1
- 208000012998 acute renal failure Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000020832 chronic kidney disease Diseases 0.000 description 1
- 208000022831 chronic renal failure syndrome Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
Landscapes
- External Artificial Organs (AREA)
Abstract
本发明公开了一种血液透析中目标超滤量的估算***，属于透析量分析技术领域，包括：数据采集模块，所述数据采集模块用于时序性记录患者历次的透析病例数据；数据处理模块，所述数据处理用于通过数据预处理确保数据的质量；策略学习模块，本***使用人工神经网络算法构建预测模型，根据个人信息作为输入特征计算超滤量；辅助决策模块，用于基于目标超滤量进行预制判断，若超出目标阈值上报至***后台提交医生评估。本发明中，利用深度学习技术，构建人工神经网络模型，均衡多次治疗的超滤量，使得患者在不同治疗间隔的情况下，预估超滤量的波动得到控制，从而提高透析治疗的质量和稳定性，在安全范围内达到更好的透析治疗效果。
Description
技术领域
本发明属于透析量分析技术领域，尤其涉及一种血液透析中目标超滤量的估算***。
背景技术
血液透析是急慢性肾功能衰竭患者肾脏替代治疗方式之一，它通过将体内血液引流至体外，经弥散、超滤、吸附和对流原理进行物质交换，清除体内过多的水分、代谢废物、维持电解质和酸碱平衡，经过净化的血液回输，整个过程称为血液透析。血液透析的超滤量就是每次透析的超滤量，简单的计算是超滤量等于透析前的体重减去干体重，基本等于两次透析间期患者的体重增长量。
中国专利申请公开号：CN107106040A公开了一种医疗流体治疗机器及相关的***和方法，包括：接收关于患者的一个或更多个主观特性的患者评估信息；基于接收的患者评估信息来确定患者评估评分；以及基于患者评估评分来修改医疗流体治疗机器的操作，上述方案公开了与患者评估信息有关的历史数据。临床服务器可评价和分析历史数据量，以检测治疗趋势。自动透析治疗可基于统计数据随着时间而改进；
但在实际使用时，血液透析一般要求每周做三次，选择一三五或者二四六做治疗，但本周最后一次治疗到下周第一次治疗的时间间隔就会超出一天，三次治疗间隔不同，患者体重增长量不同，按照传统的超滤量预估方法就会出现超滤量的上下波动，从而影响患者心脏功能的稳定性和透析治疗质量，存在改进的空间。
发明内容
本发明的目的在于：为了解决传统的超滤量预估方法就会出现超滤量的上下波动，从而影响患者心脏功能的稳定性和透析治疗质量的问题，而提出的一种血液透析中目标超滤量的估算***。
为了实现上述目的，本发明采用了如下技术方案：
一种血液透析中目标超滤量的估算***，包括：
数据采集模块，所述数据采集模块用于时序性记录患者历次的透析病例数据；
数据处理模块，所述数据处理用于通过数据预处理确保数据的质量；
策略学习模块，本***使用人工神经网络算法构建预测模型，根据个人信息作为输入特征计算超滤量；
辅助决策模块，用于基于目标超滤量进行预制判断，若超出目标阈值上报至***后台提交医生评估。
作为上述技术方案的进一步描述：
所述透析病例数据包括患者的基本信息、用药情况、透析方案、抗凝方案、过敏信息和历次透析记录。
作为上述技术方案的进一步描述：
所述数据预处理具体包括以下步骤：
指标质控：利用***计算关键指标，观察指标结果值的合理性，如果结果值在正确区间之内，则认为数据可用，反之则交由人工质控；
人工质控：人工质控主要是对指标质控的辅助，人工质控后的数据可以加入最终的数据集，进一步提高数据的准确度。
作为上述技术方案的进一步描述：
所述策略学习模块具体包括：将预处理后的历史数据作为输入参数，将对应的历史数据中的实际超滤量作为输出参数，进行训练；
因治疗中可能存在的数据误差，历史数据中的目标超滤量与实际超滤量的差值在阈值范围内的，认为该次透析的目标超滤量为准确的，否则认为目标超滤量设置错误。
作为上述技术方案的进一步描述：
所述辅助决策具体包括：患者在报到称重后，***根据其个人信息、用药情况、透析方案、抗凝方案、过敏信息和本次的透前信息，给出本次治疗的目标超滤量，医生可以设置***评估阈值，低于***评估阈值的目标超滤量将由护士直接评估并选择性执行，高于***评估阈值时，将***预估生成的目标超滤量提交医生评估并选择性执行，实现对透析目标超滤量的辅助支持。
作为上述技术方案的进一步描述：
还包括模型更新模块，用于记录每次透析疗程中目标超滤量的推荐值、实际执行的目标超滤量和实际超滤量，定期评估患者的透析充分性，反馈至模型进行更新和优化。
作为上述技术方案的进一步描述：
一种血液透析中目标超滤量的估算方法，具体包括以下步骤：
时序性记录患者历次的透析相关数据；
对透析相关数据进行预处理；
通过建立人工神经网络算法构建预测模型，将预处理后的历史数据作为输入参数，所对应的历史数据中的实际超滤量作为输出参数，进行训练；
患者在报到称重后，***根据患者相应信息输入训练后的人工神经网络预测模型，给出本次治疗的目标超滤量；
判断输出的超滤量是否超出医生设置的***评估阈值，低于***评估阈值的目标超滤量将由护士直接评估并选择性执行，高于***评估阈值的，将***预估生成的目标超滤量提交医生评估并选择性执行，实现对透析目标超滤量的辅助支持；
记录每次透析疗程中目标超滤量的推荐值、实际执行的目标超滤量和实际超滤量，通过定期评估患者的透析充分性，反馈至人工神经网络预测模型进行再次训练，对模型进行更新和优化。
作为上述技术方案的进一步描述：
还包括因治疗中可能存在的数据误差，历史数据中的目标超滤量与实际超滤量的差值在阈值范围内的，认为该次透析的目标超滤量为准确的，否则认为目标超滤量设置错误。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、本发明中，利用深度学习技术，构建人工神经网络模型，均衡多次治疗的超滤量，使得患者在不同治疗间隔的情况下，预估超滤量的波动得到控制，从而提高透析治疗的质量和稳定性，在安全范围内达到更好的透析治疗效果。
2、本发明中，通过不仅仅以本次的体重增长设定超滤量，而是综合考虑近期整体的体重变化，均衡历次透析超滤量，综合考虑患者的体征变化，设定合适的超滤量，平滑超滤量曲线，有望改善血透患者的透析治疗效果和长期生存情况。
附图说明
图1为本发明提出的一种血液透析中目标超滤量的估算方法的流程示意图；
图2为本发明提出的一种血液透析中目标超滤量的估算***的逻辑框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供一种技术方案：一种血液透析中目标超滤量的估算***，包括：数据采集模块，所述数据采集模块用于时序性记录患者历次的透析病例数据；
数据处理模块，所述数据处理用于通过数据预处理确保数据的质量；
策略学习模块，本***使用人工神经网络算法构建预测模型，根据个人信息作为输入特征计算超滤量；
辅助决策模块，用于基于目标超滤量进行预制判断，若超出目标阈值上报至***后台提交医生评估；
所述透析病例数据包括患者的基本信息、用药情况、透析方案、抗凝方案、过敏信息和历次透析记录；
所述数据预处理具体包括以下步骤：
指标质控：利用***计算关键指标，观察指标结果值的合理性，如果结果值在正确区间之内，则认为数据可用，反之则交由人工质控；
人工质控：人工质控主要是对指标质控的辅助，人工质控后的数据可以加入最终的数据集，进一步提高数据的准确度；
所述策略学习模块具体包括：将预处理后的历史数据作为输入参数，将对应的历史数据中的实际超滤量作为输出参数，进行训练；
因治疗中可能存在的数据误差，历史数据中的目标超滤量与实际超滤量的差值在阈值范围内的，其中，本实施例汇总阈值范围为0.01-0.1kg，认为该次透析的目标超滤量为准确的，否则认为目标超滤量设置错误。
所述辅助决策具体包括：患者在报到称重后，***根据其个人信息、用药情况、透析方案、抗凝方案、过敏信息和本次的透前信息，给出本次治疗的目标超滤量，医生可以设置***评估阈值，本实施例中阈值为患者干体重的5％，低于***评估阈值的目标超滤量将由护士直接评估并选择性执行，高于***评估阈值时，将***预估生成的目标超滤量提交医生评估并选择性执行，实现对透析目标超滤量的辅助支持；
还包括模型更新模块，用于记录每次透析疗程中目标超滤量的推荐值、实际执行的目标超滤量和实际超滤量，定期评估患者的透析充分性，反馈至模型进行更新和优化；
一种血液透析中目标超滤量的估算方法，具体包括以下步骤：
时序性记录患者历次的透析相关数据；
对透析相关数据进行预处理；
通过建立人工神经网络算法构建预测模型，将预处理后的历史数据作为输入参数，所对应的历史数据中的实际超滤量作为输出参数，进行训练；
患者在报到称重后，***根据患者相应信息输入训练后的人工神经网络预测模型，给出本次治疗的目标超滤量；
判断输出的超滤量是否超出医生设置的***评估阈值，低于***评估阈值的目标超滤量将由护士直接评估并选择性执行，高于***评估阈值的，将***预估生成的目标超滤量提交医生评估并选择性执行，实现对透析目标超滤量的辅助支持；
记录每次透析疗程中目标超滤量的推荐值、实际执行的目标超滤量和实际超滤量，通过定期评估患者的透析充分性，反馈至人工神经网络预测模型进行再次训练，对模型进行更新和优化；
还包括因治疗中可能存在的数据误差，历史数据中的目标超滤量与实际超滤量的差值在阈值范围内的，认为该次透析的目标超滤量为准确的，否则认为目标超滤量设置错误。
与传统的超滤评估方法比较，本发明综合考虑患者的体征变化，设定合适的超滤量，平滑超滤量曲线，有望改善血透患者的透析治疗效果和长期生存情况，不仅仅以本次的体重增长设定超滤量，而是综合考虑近期整体的体重变化，均衡历次透析超滤量。
进一步的，本申请实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例所述的一种血液透析中目标超滤量的估算***。
进一步的，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上述实施例所述的一种血液透析中目标超滤量的估算***。
本发明更适合采用软件形式实现，但也可用硬件或软硬件结合的形式实现。本发明也可被实现为计算机可读媒体上的可被计算机读取的代码。所述计算机可读媒体是任何可以保存能够被计算机***读取的数据的数据存储装置。计算机可读媒体的实例包括只读存储器，随机存取存储器，CD光盘(CD-ROM)，数字化视频光盘(DVD)，磁带，光学数据存储装置，以及载波。所述计算机可读媒体也可分布在通过网络相连的多台计算机***中，这样所述可被计算机读取的代码将以分布式的方式存储和运行；
在本发明中，术语“第一”、“第二”仅用于描述的目的，而不能理解为指示或暗示相对重要性；术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种血液透析中目标超滤量的估算***，其特征在于，包括：
数据采集模块，所述数据采集模块用于时序性记录患者历次的透析病例数据；
数据处理模块，所述数据处理用于通过数据预处理确保数据的质量；
策略学习模块，本***使用人工神经网络算法构建预测模型，根据个人信息作为输入特征计算超滤量；
辅助决策模块，用于基于目标超滤量进行预制判断，若超出目标阈值上报至***后台提交医生评估。
2.根据权利要求1所述的一种血液透析中目标超滤量的估算***，其特征在于，所述透析病例数据包括患者的基本信息、用药情况、透析方案、抗凝方案、过敏信息和历次透析记录。
3.根据权利要求1所述的一种血液透析中目标超滤量的估算***，其特征在于，所述数据预处理具体包括以下步骤：
指标质控：利用***计算关键指标，观察指标结果值的合理性，如果结果值在正确区间之内，则认为数据可用，反之则交由人工质控；
人工质控：人工质控主要是对指标质控的辅助，人工质控后的数据可以加入最终的数据集，进一步提高数据的准确度。
4.根据权利要求1所述的一种血液透析中目标超滤量的估算***，其特征在于，所述策略学习模块具体包括：将预处理后的历史数据作为输入参数，将对应的历史数据中的实际超滤量作为输出参数，进行训练；
因治疗中可能存在的数据误差，历史数据中的目标超滤量与实际超滤量的差值在阈值范围内的，认为该次透析的目标超滤量为准确的，否则认为目标超滤量设置错误。
5.根据权利要求1所述的一种血液透析中目标超滤量的估算***，其特征在于，所述辅助决策具体包括：患者在报到称重后，***根据其个人信息、用药情况、透析方案、抗凝方案、过敏信息和本次的透前信息，给出本次治疗的目标超滤量，医生可以设置***评估阈值，低于***评估阈值的目标超滤量将由护士直接评估并选择性执行，高于***评估阈值时，将***预估生成的目标超滤量提交医生评估并选择性执行，实现对透析目标超滤量的辅助支持。
6.根据权利要求1所述的一种血液透析中目标超滤量的估算***，其特征在于，还包括模型更新模块，用于记录每次透析疗程中目标超滤量的推荐值、实际执行的目标超滤量和实际超滤量，定期评估患者的透析充分性，反馈至模型进行更新和优化。
7.一种血液透析中目标超滤量的估算方法，应用于权利要求1-6任意一项所述的血液透析中目标超滤量的估算***，其特征在于，具体包括以下步骤：
时序性记录患者历次的透析相关数据；
对透析相关数据进行预处理；
通过建立人工神经网络算法构建预测模型，将预处理后的历史数据作为输入参数，所对应的历史数据中的实际超滤量作为输出参数，进行训练；
患者在报到称重后，***根据患者相应信息输入训练后的人工神经网络预测模型，给出本次治疗的目标超滤量；
判断输出的超滤量是否超出医生设置的***评估阈值，低于***评估阈值的目标超滤量将由护士直接评估并选择性执行，高于***评估阈值的，将***预估生成的目标超滤量提交医生评估并选择性执行，实现对透析目标超滤量的辅助支持；
记录每次透析疗程中目标超滤量的推荐值、实际执行的目标超滤量和实际超滤量，通过定期评估患者的透析充分性，反馈至人工神经网络预测模型进行再次训练，对模型进行更新和优化。
8.根据权利要求7所述的一种血液透析中目标超滤量的估算方法，其特征在于，还包括因治疗中可能存在的数据误差，历史数据中的目标超滤量与实际超滤量的差值在阈值范围内的，认为该次透析的目标超滤量为准确的，否则认为目标超滤量设置错误。
9.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任意一项所述的一种血液透析中目标超滤量的估算方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于使计算机执行如权利要求1-6任意一项所述血液透析中目标超滤量的估算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311349846.1A CN117672486A (zh) | 2023-10-17 | 2023-10-17 | 一种血液透析中目标超滤量的估算***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311349846.1A CN117672486A (zh) | 2023-10-17 | 2023-10-17 | 一种血液透析中目标超滤量的估算***及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117672486A true CN117672486A (zh) | 2024-03-08 |
Family
ID=90081438
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311349846.1A Pending CN117672486A (zh) | 2023-10-17 | 2023-10-17 | 一种血液透析中目标超滤量的估算***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117672486A (zh) |
-
2023
- 2023-10-17 CN CN202311349846.1A patent/CN117672486A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN204463124U (zh) | 用于预测透析中参数的装置 | |
| US8246567B2 (en) | Method of monitoring hypertensive haemodialysis patients | |
| US8088094B2 (en) | Planning method and apparatus for peritoneal dialysis and hemodialysis hybrid remedy | |
| AU2011304420B2 (en) | Obtaining control settings for a dialysis machine | |
| US8444593B2 (en) | Method for testing peritoneum function and a peritoneal dialysis planning apparatus | |
| US20220047789A1 (en) | Adequacy assessment method and system | |
| US20230122618A1 (en) | Method and system for postdialytic determination of dry weight | |
| CN108877924A (zh) | 一种哮喘概率的确定方法及装置 | |
| Tetta et al. | The rise of hemodialysis machines: new technologies in minimizing cardiovascular complications | |
| CN113744832B (zh) | 连续性肾脏替代治疗智慧决策及质量控制*** | |
| US20220093261A1 (en) | Chronic kidney disease (ckd) machine learning prediction system, methods, and apparatus | |
| CN116453706A (zh) | 一种基于强化学习的血液透析方案制定方法及*** | |
| CN114049952A (zh) | 一种基于机器学习的术后急性肾损伤智能预测方法及装置 | |
| CN117672486A (zh) | 一种血液透析中目标超滤量的估算***及方法 | |
| Fernandez et al. | Dialysate-side urea kinetics. Neural network predicts dialysis dose during dialysis | |
| CN113643807B (zh) | 一种基于特征分析的透析治疗匹配方法及*** | |
| CN114937486A (zh) | Idh预测及干预措施推荐多任务模型的构建方法及应用 | |
| Azar | A novel system for haemodialysis efficiency monitoring | |
| CN115775633B (zh) | 基于多维数据的死亡率实时预测方法、***及电子设备 | |
| Fernandez et al. | Partial least squares regression: a valuable method for modeling molecular behavior in hemodialysis | |
| Fernández et al. | Bedside linear regression equations to estimate equilibrated blood urea | |
| Valtuille et al. | Dialysate-side urea kinetics. Neural network predicts dialysis dose during dialysis | |
| CN113241174A (zh) | 一种血液净化患者crrt治疗参数的核查*** | |
| CN117393169A (zh) | 机械辅助装置上机效果的预测方法及心血管模型电路 | |
| CN117275741A (zh) | 机械辅助装置不良工作参数的确定方法、装置及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |