本发明涉及体温预测领域，特别涉及一种围手术期低体温预测方法。
背景技术：
随着社会经济的发展，医疗资源的开发也变得更加深入和广泛，如对人体体温的临床实践指南和建议、体温的管理目标和操作规程等。
目前，患者若出现围手术期低体温的情况(围手术期低体温定义为核心温度小于36℃)，将会引发更高比例的并发症和带来许多不良后果。例如，根据调查，围手术期的患者发生心血管不良事件，在体温正常患者的发生率约为1.4％，而在低体温患者中发生率却高达6.3％，其中室性心律失常、心肌缺血、术后心肌梗死并发症在体温正常和低体温患者中的发生率均存在显著差异，发生率分别为2.4％比7.9％、13.0％比36.0％、1.5％比18.0％，概率值＜0.05；外科伤口感染率在低体温患者中可高达19％，而在体温正常患者中仅为6％，伤口拆线时间在低体温患者中延长1天，住院时间在低体温患者中延长2.6天；且围手术期中的低体温患者容易发生凝血或者纤溶功能障碍、输血需求增加、麻醉药物效能和代谢改变、术后苏醒延迟、留观时间延长、寒战不适增加等不良反应。
围手术期中低体温是全身麻醉常见且可预防的并发症，造成低体温的因素可以是全身麻醉影响体温调节功能、手术室温度较低、使用未经加热的液体进行静脉输注或进行伤口冲洗等。据近几年调查显示，围手术期患者低体温发生率很高。然而，现有的体温管理的现状却不容乐观，故针对围手术期低体温现象对人体体温变化趋势的预测手段迫在眉睫。
技术实现要素：
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种围手术期低体温预测方法，能够预测患者在围手术期中发生低体温的概率，便于识别围手术期中具有低体温高风险的患者，从而便于及时为围手术期患者提供预防性措施，且便于对围手术期患者的体温进行管理。
本发明解决其问题所采用的技术方案是：
本发明实施例提供了一种围手术期低体温预测方法，包括：基于手术类型参数、静脉输入量参数、麻醉时间参数、保暖方式参数、bmi参数、手术环境温度参数和术前核心体温参数，构建低体温预测模型；获取目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数和目标术前核心体温参数；根据所述目标手术类型参数、所述目标静脉输入量参数、所述目标麻醉时间参数、所述目标保暖方式参数、所述目标bmi参数、所述目标手术环境温度参数、所述目标术前核心体温参数和所述低体温预测模型，得到目标预测因子评分；当所述预测因子评分达到预设阈值，判断为低体温。
本发明实施例中提供的一个或多个技术方案，至少具有如下有益效果：本发明实施例提供了一种围手术期低体温预测方法，通过手术类型参数、静脉输入量参数、麻醉时间参数、保暖方式参数、bmi参数、手术环境温度参数和术前核心体温参数来构建低体温预测模型，再获取目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数和目标术前核心体温参数，之后根据目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数、目标术前核心体温参数和低体温预测模型，得到目标预测因子评分，当预测因子评分达到预设阈值，则判断为低体温。相比现有技术的技术方案，本发明实施例的技术方案能够预测患者在围手术期中发生低体温的概率，便于识别围手术期中具有低体温高风险的患者，从而便于及时为围手术期患者提供预防性措施，且便于对围手术期患者的体温进行管理，助于体温管理应用领域的发展。
根据本发明的一些实施例，所述低体温预测模型为：
根据本发明的一些实施例，根据手术类型大小，所述手术类型参数从小到大依次设置为1至4。
根据本发明的一些实施例，所述静脉输入量参数的取值包括1和2，其中，1表示静脉输入量小于等于1000毫升，2表示静脉输入量大于1000毫升。
根据本发明的一些实施例，所述麻醉时间参数的取值包括1和2，其中，1表示麻醉时间小于2小时，2表示麻醉时间大于等于2小时。
根据本发明的一些实施例，若保暖方式为被动方式，所述保暖方式参数设置为1；若保暖方式为主动方式，所述保暖方式参数设置为2。
本发明的附加方面和/或优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一个实施例所提供的围手术期低体温预测方法的流程图；
图2是本发明另一个实施例所提供的派生队列数据和验证队列数据的基线特征表；
图3是本发明另一个实施例所提供的低体温预测模型与预测因子表；
图4是本发明另一个实施例所提供的派生队列数据中第一患者术中核心温度变化曲线图；
图5是本发明另一个实施例所提供的派生队列的低体温预测模型性能示意图；
图6是本发明另一个实施例所提供的验证队列的低体温预测模型性能示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
参照图1，本发明实施例提供了一种围手术期低体温预测方法，包括：
步骤s100，基于手术类型参数、静脉输入量参数、麻醉时间参数、保暖方式参数、bmi参数、手术环境温度参数和术前核心体温参数，构建低体温预测模型；
步骤s200，获取目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数和目标术前核心体温参数；
步骤s300，根据目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数、目标术前核心体温参数和低体温预测模型，得到目标预测因子评分；
步骤s400，当预测因子评分达到预设阈值，判断为低体温。
在本发明实施例中，通过获取手术类型参数、静脉输入量参数、麻醉时间参数、保暖方式参数、bmi参数、手术环境温度参数和术前核心体温参数。手术类型可以为普通外科、产科/妇科、周围血管外科、心血管外科、胸外科、骨科手术、神经外科、泌尿科学、整形外科等；保暖方式可以分为被动方式或者主动方式，被动方式为患者在手术中使用棉毯、床单或手术被单等进行被动变暖的方式，主动方式为患者使用充气加热、电子加热毯等在手术中接受主动变暖的方式。bmi参数具体为体重指数(bmi)参数，即用体重公斤数除以身高米数平方得出的数字,是目前国际上常用的衡量人体胖瘦程度以及是否健康的一个标准。基于获取到的手术类型参数、静脉输入量参数、麻醉时间参数、保暖方式参数、bmi参数、手术环境温度参数和术前核心体温参数，构建低体温预测模型。再通过获取待测目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数和目标术前核心体温参数，根据目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数、目标术前核心体温参数和低体温预测模型，得到目标预测因子评分，当预测因子评分达到预设阈值，判断为低体温。值得注意的是，预设阈值可以根据实际的使用需要而进行设定，例如，预设阈值可以设置为50％或60％等，本实施例并不对预设阈值的具体数值进行限定。
本发明实施例中提供的一个或多个技术方案，至少具有如下有益效果：本发明实施例提供了一种围手术期低体温预测方法，相比现有技术的技术方案，本发明的技术方案根据待测目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数和目标术前核心体温参数和低体温预测模型，来预测患者在围手术期中发生低体温的概率，当预测因子评分达到预设阈值，判断为低体温，便于识别围手术期中具有低体温高风险的患者，从而便于及时为围手术期患者提供预防性措施，且便于对围手术期患者的体温进行管理，有助于体温管理应用领域的发展。
根据本发明的一些实施例，低体温预测模型为：
在发明实施例中，可选地采用该低体温预测模型来得到目标预测因子评分，当预测因子评分达到预设阈值，则判断为低体温。具体地，根据手术类型大小，手术类型参数可以设置为1、2、3和4；对应地，1表示小手术、2表示中手术、3表示大手术和4表示特大手术。小手术、中手术、大手术和特大手术划分依据为：小手术为切除皮肤病变、引流乳房脓肿；中手术为腹股沟疝的初步修复、腹股沟疝的引流、切除腿部静脉曲张、扁桃体切除术、腺扁桃体切除术、膝关节镜检查等；大手术为全腹子宫切除术、内窥镜切除前列腺、腰椎间盘切除术、甲状腺切除术等；特大手术为全关节置换、肺部手术、结肠切除、颈部彻底根治术和神经外科手术或者心脏手术等。静脉输入量参数的取值为1或2，其中，1表示静脉输入量小于等于1000毫升，2表示静脉输入量大于1000毫升。麻醉时间参数的取值为1或2，其中，1表示麻醉时间小于2小时，2表示麻醉时间大于等于2小时。保暖方式参数可以设置为1或2；对应地，1表示被动方式，被动方式为患者在手术中使用棉毯、床单或手术被单等进行被动变暖的方式；2表示主动方式，主动方式为患者使用充气加热、电子加热毯等在手术中接受主动变暖的方式。手术环境温度参数和术前核心体温参数的单位均为摄氏度。
通过获取待测目标(或待测患者)的目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数和目标术前核心体温参数，并将上述目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数和目标术前核心体温参数各变量，相应地输入该低体温预测模型：
本发明实施例的具体过程为：
参照图2-图6，首先，分别获取派生队列数据、验证队列数据，派生队列数据为全身麻醉的第一患者的数据，用于构建低体温预测模型；验证队列数据用于验证低体温预测模型，即计算准确度、鉴别和校准度量。
验证队列数据为：在全国区域性范围内通过多阶段抽样，获取并记录全身麻醉的第二患者的数据。通过统计分析，得出在持续60分钟以上的全身麻醉的第二患者中，围手术期低体温的发生率为39.9％。
派生队列数据为：确定派生队列的样本量，具体地，通过公式：n＝pq/(d/t)2确定，其中，p表示围手术期低体温的发生率，在本发明实施例中，围手术期低体温的发生率为39.9％；q＝1-p，表示未发生低体温的概率；d表示公差；t表示显着性检验的统计量。在本实施例中，在全国范围内通过随机抽样，获取并记录全身麻醉的第一患者的数据，作为派生队列数据。
参考图2、图3，具体地，派生队列数据或者验证队列数据可以为：人口统计学参数，人口统计学参数可以分为第一患者或者第二患者的年龄参数、性别参数、体重指数(bmi)参数、病史参数和身体状况参数；还可以为第一患者或者第二患者的手术类型参数、静脉输入量参数、麻醉时间参数、保暖方式参数、手术环境温度参数以及术前、术中、术后核心体温参数等。在其他实施例中，身体状况参数为参照美国麻醉医师协会(asa)在麻醉前根据患者身体状况和对手术危险性进行分类的分级标准。在其他实施例中，由于人体的鼓膜温度容易达到核心温度，因此可以通过获取鼓膜温度来反映核心温度。采用红外鼓膜温度计，获取并记录术前、术中、术后第一患者或者第二患者每间隔十五分钟的鼓膜温度。为了减少偏差，在每次使用前可以对红外鼓膜温度计进行校准。在其他实施例中，若第一患者或第二患者若存在以下情况：脑血管疾病、脑外伤、脑手术、癫痫或急性脑积水引起的高中枢性发热；体温调节异常，例如恶性体温过高、抗精神病药物恶性综合症；手术前1周核心温度感染发烧高于38.5℃；甲状腺功能减退或甲亢的病史等，则不在考虑范围内。在其他实施例中，第一患者或者第二患者全身麻醉的时间为大于等于30分钟，为了便于获取并记录第一患者或者第二患者在全身麻醉下的各项数据，第一患者或者第二患者在术中的全身麻醉持续时间大于等于30分钟。在其他实施例中，对第一患者或者第二患者可以进行全身麻醉或者全身麻醉联合区域麻醉。全身麻醉药可以采用2～2.5mg/kg的异丙酚、2～4μg/kg芬太尼和0.8～1mg/kg罗库溴铵作为诱导剂，以及混合1.5～2vol％的七氟醚和50％的o2/50％的n2o进行维护；罗哌卡因或利多卡因用于区域麻醉。
根据图4所示，派生队列数据中第一患者在进行全身麻醉诱导后直至手术结束，每隔15分钟获取一次第一患者的核心温度。图中曲线代表在特定时间点核心温度的5个百分点、25个百分点、50个百分点、75个百分点和95个百分点的连接。再参照图2至图4，根据获取的派生队列数据，通过统计分析，围手术期低体温的发生率达44.3％。全身麻醉的第一患者低体温在1小时、2小时、3小时和4小时内的平均发生率分别为17.8％、36.2％、42.5％和44.1％。第一患者也均通过使用棉毯、床单或手术被单等进行被动方式变暖，14.17％的第一患者则在手术中使用充气加热、电子加热毯等接受主动方式变暖。
根据获取的验证队列数据，通过统计分析，围手术期低体温的发生率为39.9％。在获取和记录验证队列数据中，第二患者均通过使用棉毯、床单或手术被单等进行被动方式变暖；10.7％的第二患者则在手术中还使用充气加热、电子加热毯等接受主动方式变暖；16.9％的第二患者输注预热的静脉输液，34.6％的第二患者在手术中用预热的液体灌洗。
之后，对派生队列数据进行描述性分析，包括平均值、标准偏差、频率和百分比，并对派生队列数据中的连续变量和分类变量分别进行t检验和卡方检验。基于第一患者的手术类型参数、静脉输入量参数、麻醉时间参数、保暖方式参数、bmi参数、手术环境温度参数和术前核心体温参数，采用sas9.0软件对各变量进行多元逻辑回归分析，并确定手术类型参数和相应的权重系数、静脉输入量参数和相应的权重系数、麻醉时间参数和相应的权重系数、保暖方式参数和相应的权重系数、bmi参数和相应的权重系数、手术环境温度参数和相应的权重系数、术前核心体温参数和相应的权重系数，从而构建低体温预测模型。具体地，低体温预测模型表现为：
在其他实施例中，低体温预测模型可以为：p＝100％×1/{1 exp[-(119 0.201a-0.1847b 0.5299c-0.2269d-0.306e-0.1912f-3.1057g)]}；其中a1为119，a2为0.201，a3为0.1847，a4为0.5299，a5为0.2269，a6为0.306，a7为0.1912，a8为3.1057，a为手术类型参数,b为静脉输入量参数,c为麻醉时间参数,d为保暖方式参数,e为bmi参数,f为手术环境温度参数,g为术前核心体温参数。将目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数、目标术前核心体温参数输入该低体温预测模型，得到目标预测因子评分，当预测因子评分达到预设阈值，判断为低体温。值得注意的是，预设阈值可以根据实际的使用需要而进行设定，例如，预设阈值可以设置为50％或60％等，本实施例并不对预设阈值的具体数值进行限定。通过该低体温预测模型，能够预测患者在围手术期中发生低体温的概率，便于识别围手术期中具有低体温高风险的患者。
使用c统计量、布莱尔分数(brierscore)和霍斯默·莱梅肖(hosmer-lemeshow)拟合优度检验来评估低体温预测模型的性能。c统计量或接收器操作特性曲线下面积(auc)是判别的度量，0.5对应于不比偶然性好的判别，1.0对应于完美预测。参照图5至图6，基于接收器操作特性曲线分析，派生队列数据和验证队列数据的c统计量分别为0.789和0.771，良好的区分。布莱尔分数(brierscore)是校准的度量，定义为预测的低体温和实际低体温之间的均方差，结果为0.0表示完美的模型表现；而在本实施例中，布莱尔分数为0.211，代表良好的准确性。霍斯默·莱梅肖(hosmer-lemeshow)拟合优度检验用于测试验证低体温预测模型的可靠性，较大的p值(p>0.05)表明预测低体温的概率与观察到的低体温概率的良好匹配，在本实施例中，p为0.5611则表明预测低体温的概率与观察到的低体温概率的良好匹配。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
1.一种围手术期低体温预测方法，其特征在于，包括：
基于手术类型参数、静脉输入量参数、麻醉时间参数、保暖方式参数、bmi参数、手术环境温度参数和术前核心体温参数，构建低体温预测模型；
获取目标手术类型参数、目标静脉输入量参数、目标麻醉时间参数、目标保暖方式参数、目标bmi参数、目标手术环境温度参数和目标术前核心体温参数；
根据所述目标手术类型参数、所述目标静脉输入量参数、所述目标麻醉时间参数、所述目标保暖方式参数、所述目标bmi参数、所述目标手术环境温度参数、所述目标术前核心体温参数和所述低体温预测模型，得到目标预测因子评分；
当所述预测因子评分达到预设阈值，判断为低体温。
2.根据权利要求1所述的围手术期低体温预测方法，其特征在于，所述低体温预测模型为：
其中，p为预测因子评分；h＝a1 a2a-a3b a4c-a5d-a6e-a7f-a8g，a1、a2、a3、a4、a5、a6、a7和a8均为权重系数，a为手术类型参数,b为静脉输入量参数,c为麻醉时间参数,d为保暖方式参数,e为bmi参数,f为手术环境温度参数,g为术前核心体温参数。
3.根据权利要求1或2所述的围手术期低体温预测方法，其特征在于：根据手术类型大小，所述手术类型参数从小到大依次设置为1至4。
4.根据权利要求1或2所述的围手术期低体温预测方法，其特征在于：所述静脉输入量参数的取值包括1和2，其中，1表示静脉输入量小于等于1000毫升，2表示静脉输入量大于1000毫升。
5.根据权利要求1或2所述的围手术期低体温预测方法，其特征在于：所述麻醉时间参数的取值包括1和2，其中，1表示麻醉时间小于2小时，2表示麻醉时间大于等于2小时。
6.根据权利要求1或2所述的围手术期低体温预测方法，其特征在于：若保暖方式为被动方式，所述保暖方式参数设置为1；若保暖方式为主动方式，所述保暖方式参数设置为2。
技术总结