文摘
急性冠脉综合征(ACS)是一组症状和体征定义一系列条件相关的意外减少流向心脏的血液。在ACS,心脏肌肉不能正常工作由于血流量的减少。心肌梗死是一个条件,是急性冠脉综合征的伞下。危险分层的目的在ACS (RS)是识别高危患者缺血性事件。然而,没有可用的调查研究来识别高危病人。因此,促进这一过程中,最好是有一个可靠和值得信赖的方法的帮助下,医生可以为病人早期和容易做决定和检测相关的疾病。本研究使用恩典分数RS在ACS的特点,提出了决策支持系统(DSS)。概率方法的概念已被用作工具模型决策(DM)的识别功能。这种技术可以进一步用于DM RS ACS的医疗保健。此外,该方法的结果被证明是更紧密、更可靠的DM患者,最终可用于医学和其他相应的医生的建议。
1。介绍
应急部门主要是面对病人的胸痛。胸部疼痛的主要原因之一是ACS的发生在短期和长期预后不良。ACS是一组症状和体征的描述条件范围与减少流向心脏的血液。在ACS,心脏肌肉无法正常工作由于血流量减少。RS在ACS的目的是识别高危患者缺血性事件。
根据世卫组织的报告(1),心血管疾病是死亡的主要原因之一。招生的医院,急性胸痛的患者是一个很大的负担。这个范围内提出的数量目前40%的急性医疗招生和5%的所有紧急(2]。及时和有效的治疗是一个必要组成部分,确保病人的成本效益和精确管理。同时,穷人识别和治疗与增加死亡率,发病率,和成本3]。ACS的识别依赖于缺血性症状,如缺血性心电图改变,胸部疼痛,心脏生物标志物升高。有不同的原因ACS和MI的识别分类是基于任何原因4]。
ACS是一种多因素疾病,包括遗传因素引起的冠状动脉阻塞的动脉粥样化。它是受到其他因素的风险,比如糖尿病、高血压、肥胖、吸烟、血脂异常。其中,高血压和血脂异常被认为是最常见的因素在ACS患者中,有一个建议,防止这些因素可以减少动脉粥样硬化的过程。高危后不久ACS患者的诊断一直是临床医生几十年的具有挑战性的问题。几项研究表明存在更严格的管理病人的结果在相当好的结果不良心脏事件。严重程度的诊断ACS患者重要的风险,病人可以造福与早期和适当的治疗。林等。5)公布了一份研究报告包含一个数据集2200万年新生在台湾从1999年到2010年。研究已经承认27948 CS和患者性别、年龄和合并症匹配控制。多元回归分析在修正案可能心血管混杂因素和奇怪的比率计算95%置信区间来衡量CS和ACS之间的关系。
ACS风险评分的目的是诊断高危患者在短时间内可以通过最佳治疗。患者ST段的MI和non-ST海拔MI遭受到RS研究和提出了一些风险评分。一些临床试验测试分数的人群,而另一些则来自大的注册中心。
目前,没有可用探索性研究识别高危患者。帮助这个进程,它将最终有一个可靠和值得信赖的方法通过从业者可以让病人早期和容易的决定。提出研究的贡献是使用恩典评分的特点为DM RS在ACS。概率模糊工具的方法已被用于模型DM的特性。这项技术可以进一步用于DM RS在ACS医疗目的。模糊集是一个有效的工具来传达不确定和不完全认知信息的会员,nonmembership,犹豫度(6]。模糊逻辑已经广泛应用在各领域的研究(7]。技术接受模型,提出了通过模糊多准则DM方法(8]。这项研究分析了136个研究文章关于软件开发组织基于云技术的实现。
本文组织如下:部分2描述了RS ACS病人的相关工作。部分3描述的方法用于研究计划。部分4描述了结果和讨论,本文结尾部分5。
2。相关工作
早期糖尿病的病人有巨大的潜在精炼保健的价值,降低护理成本,并减少错误和浪费。几项研究都与RS ACS的患者。辛格和Guttag9)提出了一个算法类不平衡在医学数据集和基于非对称的分类树算法性能评估。表示算法的性能评估和比较与那些基于SVM的分类器应用于4219 non-ST海拔ACS患者。三种策略用于管理类不平衡。这些策略是合成少数采样过密,厂商支持向量机学习,随机多数欠采样。哈利勒et al。10)评估的有效性和准确性Canadian-ACS风险评分作为病人的预后评分系统在医院与RS ACS患者TIMI和优雅的风险相比分数的埃及。的作者(11)对疑似ACS评估研究的临床效用。研究表明心肌肌钙蛋白的附加值出现症状后的初期阶段。研究还发现病人即将行动的心脏疾病的风险增大。j . Přeček et al。12]表明ACS患者的预后分层的摘要根据基线肾功能水平的生物标记。的作者(13)提供了一个模型可表示长期的心电图记录,发现在所有的关联短心率模式在病人的人口。实验上执行4557年non-ST海拔ACS患者和证实,心率明显好转RS主题模型。
麦克唐纳et al。14)的两个临床评分方法相比RS疑似ACS在急诊室。卡伦et al。15)进行了诊断研究急诊科ACS的患者症状的两小时的敏感肌钙蛋白测定结果。结果阐述了使用标准的测试精度的措施。的作者(16)综述了最新的方法识别和RS nste - acs的急救护理。进一步,作者强调了现有方法的局限性,并建议改善。一个方法提出了量化的水平从击败击败微妙的心电图形态变化。时间和形状特征被认为是形态变化来测量这些变量的变化在心脏事件顺序对心脏跳动。该方法检测400例ACS (17]。研究探讨了挑战,操纵病人的膳食选择参加二级预防诊所MI后(18]。
德拉斯et al。19]研究心肌脂肪酸结合蛋白的预测性能和综合ESC算法。subanalysis研究提出了糖尿病的疾病和外周动脉疾病患者的RS承认在ACS (20.]。山等。21)提出了一个路线图计算心脏病。的方法包括三个阶段:(i)基准模型的发展,(ii)疾病模拟,和(3)翻译。的作者(22)提出了有一些障碍在RS与ACS适当的实现,所以他们提出开发一个简单的和分数的RS ACS早期病人。这项研究是进行诊断ACS的危险因素年龄低于40岁的Slemani心脏医院,苏莱曼尼亚、伊拉克(23]。Pezawas et al。24)提出了一个研究心律失常死亡在缺血性心脏病的风险。前瞻性的研究,控制,observer-blind RS为10年。林等。5)提出了一个研究的量化关系颈椎病和ACS。细节的一些现有方法如表所示1。这些方法在今年出版。
3所示。方法
ACS是一组症状和体征的描述条件和突然的变化,减少血液流向心脏。在ACS,心脏的肌肉无法适当功能由于血流量的减少。心肌梗死是ACS的伞下。拟议的研究工作使用恩典分数RS在ACS的特点。概率方法(模糊工具)的概念已经被用于模型DM的识别特性。下面简要描述该方法的细节。
3.1。RS在ACS
RS在ACS的目的是识别高危患者缺血性事件。早期糖尿病医疗系统有巨大的潜力精炼的护理质量和减少医疗成本,浪费,错误。急性冠状动脉事件的全球注册的风险评分(GRACE)是一个工具的验证RS增量预测价值RS与评价临床试验(16]。一些国家已经部分实现的恩典评分在急诊医学。年龄因素制定一个指数恩典分数的输入。添加新的心脏生物标志物识别途径可以分配早期治疗分层。强劲的恩典得分的优势(30.,31日)是基于注册表,但缺点在于包括变量的时候现有招生(实验室结果),所以它并不适用于即时分层。相关的研究,讨论了RS部分2的纸。
3.2。模糊逻辑
模糊逻辑(FL)是一种数学工具,用于解决模糊性和不确定性的情况下。它是1965年由德32,33]。FL转换的具体分析,处理模糊信息,提供了一个最好的决定存在的模糊和不完整的数据。有些FL的应用在控制系统中,汽车传动系统、洗衣机、吸尘器、软件系统(7,34- - - - - -37]。详细研究中可以找到关于模糊的想法在32]。Messaoud et al。38)模糊逻辑用于认知刺激的应用使用语音信息和加强麦克风系统。刘和张39)综合图片模糊集和语言术语;照片模糊语言集定义的研究(PFLS)和操作画面模糊语言数字发展阿基米德照片模糊语言加权算术平均算子和提出各种属性和特殊情况下的操作符。他们也提出了一个方法处理问题的基础上多属性群DM发达A-PFLWAA算子。背后的原因是它提出的模糊逻辑中使用的工作情况的不确定性和模糊性,而其他方法如层次分析法和ANP在复杂的情况下工作。
3.3。DSS在ACS RS
模糊逻辑作为DSS的RS ACS。刘等人。40]扩展ensemble-based评分系统通过使用神经网络的快速极限学习机算法。新加坡中央医院急诊科的患者12导心电图检查和功能参数,提取心率变异性,生命体征。一个ensemble-based得分system-extreme学习机器(ESS-ELM)对心脏事件的预测算法。优雅的特点分被认为该DSS模型。图1显示了欧洲心脏病学会(ESC)快速排除的ACS hs-cTn算法(41]。与高灵敏度肌钙蛋白快速排除ACS。恩=急性冠脉事件的全球注册;ULN =上限的正常健康对照组的99;hsTn =高敏感肌钙蛋白。图1显示的图形表示心脏疾病和他们的症状。
恩典1.0分数是广泛的认证(41]。这个评分诊断病人在医院6个死亡的风险通过使用下列因素:心率、年龄、Killip类,收缩压,肌酐,卡通升高,st段偏移和心脏骤停。新修订的恩典恩典2.0分,为死亡的诊断算法1和3年,称为医疗设备(可用http://www.gracescore.org/WebSite/WebVersion.aspx)。图2展示了优雅的分数,它包含的因素年龄、心率、收缩压,Killip类和肌酐16]。
图3显示了通用的模糊化和去模糊化建模过程提出了ACS研究RS。图由模糊化、数据库、规则库、去模糊化,并输出。一旦规则设计基于隶属函数,它们可以存储在数据库所提供的模糊推理系统。之后,可以通过从设计模型的输入和输出将显示出来。
隶属度函数是单独为每个输入设计的优雅中提供基于分数分数表。MFs是每个输入的程度的表征。的开始和结束边界可以显示一个特定的输入。所有的输入都是分为四个隶属度函数。这背后的原因是一些输入功能较少,而他们中的一些人有更详细的功能。使模型中的一致性,所有输入都同样分为四个隶属度函数。这些类别显示特定输入的级别和严重性。图4显示输入的会员功能设计的时代。
剩下的其他输入隶属函数可以一样的人物4。同样可以以同样的方式绘制剩下的隶属度函数。
不同的规则是根据定义的成员函数。对读者的理解,给出了一些规则如下:(我)如果年龄(40年)、心率(bpm)是70,收缩压(毫米汞柱)< 200克利斯和类是类I)和肌酸酐(mg / dL)是0.0- - - - - -0.39,那么风险分层很低(0.1)(2)如果年龄(年)是49- - - - - -59、心率(bpm)是89- - - - - -109年,收缩压(毫米汞柱)是199- - - - - -克利斯140年,还注重类是抚慰心灵,肌酐(mg / dL)是0.4- - - - - -1.19,那么风险分层较低(0.3)(3)如果年龄(年)是69- - - - - -89年,心率(bpm)是110- - - - - -199),收缩压(毫米汞柱)是139- - - - - -克利斯80年,还注重类是抚慰心灵,肌酐(mg / dL)是1.2- - - - - -3.99;那么危险分层介质(0.5)(iv)如果年龄(年)是69- - - - - -89年,心率(bpm)是110- - - - - -199年,收缩压(毫米汞柱)是139- - - - - -80年,克利斯(还注重类ClassII)和肌酸酐(mg / dL)是1.2- - - - - -3.99,那么风险分层高(0.8)(v)如果年龄(年)≤90、心率(bpm)< 200)、收缩压(毫米汞柱)> 80克利斯,还注重类是四级,肌酐(mg / dL)>4,然后分层风险非常高)(1)…等等
该系统是基于五个输入(克利斯时代,还注重类、心率、收缩压、和肌酐);规则和它们的输出如图5。这个系统的目的是在Matlab处理不确定性和模糊性的情况引起的RS ACS。在此系统中,最初的隶属度函数定义其次是曼氏金融的规则开发,和规则组合起来以形成模型。输入可以通过模型和产生相应的输出将被用来促进病人。
图6描述了命名的输入,隶属度函数,规则,和输出。提出的系统是利用Matlab模糊工具箱中生成。在图中,最初的黑色圆圈显示输入的年龄、心率、收缩压,Killip类,肌酐,第二个空白圈表示隶属度函数为规则建模、定义和淡蓝色圆圈显示生成的规则。最后输出所示图和突出黑色圆圈。
图7显示规则的图形表示视图获得隶属函数设计规则和模糊推理系统。
4所示。结果和讨论
一旦模型设计变量的隶属度函数的恩典得分由年龄、心率、收缩压,Killip类,肌酐。隶属度函数的模糊推理系统和规则。不同的输入相同的格式是通过设计模型检查的RS ACS。输入和输出值的范围在0和1之间,0显示最低的范围,而1显示了最高的范围。拟议的ACS的危险分层系统检查和验证假设的输入值。后来,这些值证实从心脏病到显示方法的正确性。本研究的主要部分是模型的设计RS ACS在Matlab建模的从容和支持医疗保健的目的。的值可以是任意数字输入的特性取决于病人的健康状况。因此,该系统是测试假设的值显示研究的有效性。可用其他方法如前所述2和表2,从不同的角度衡量RS ACS。
本文没有提到的方法计算基于定义的标准RS在ACS在复杂和不确定的情况。该方法可以很容易地和有效地测量ACS的RS。表3显示了通过模型的输入和输出。在表中,12例的值被认为是不同的输入范围相同变量的恩典。该系统可以检查任何病人的样本大小。最近,12个样本大小。它可以减少和/或根据病房或医院的能力增加。
后来,这些值绘制概略地为了方便DM过程的实践者。所以从上面的表中,RS可以很容易识别的水平。
5。结论
ACS的体征和症状来定义一个范围的情况下与突然,心脏的血流量减少。心脏肌肉无法正常工作由于ACS的血流量减少。ACS的RS旨在认识缺血性事件的高危患者。在时间和初始DM医疗具有巨大潜在启发护理质量,减少护理的成本,减少浪费和错误。协助过程说,拟议的研究工作使用恩典分数RS在ACS的特点。这将是一个可靠和值得信赖的方法的帮助下,医生可以使病人早期和容易DM和检测相关的疾病。FL的方法已经被用来作为工具模型的特点恩典分数DM的ACS。该方法被证明是更密切的结果和真正的DM病人,可用于医学和其他相应的医生的建议。将来,该研究可以探索一个更可靠、更高效的系统与大样本大小显示系统的有效性和实用性,增强医疗。这将进一步提高一步改善医疗保健。
数据可用性
没有数据是可用的。
的利益冲突
作者宣称没有利益冲突。