脑卒中后谵妄风险预测模型的构建方法

1.一种脑卒中后谵妄风险预测模型的构建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的脑卒中后谵妄风险预测模型的构建方法，其特征在于，所述s1包括s11、s12和s13；

3.根据权利要求2所述的脑卒中后谵妄风险预测模型的构建方法，其特征在于，s12，对获取初始患者数据集draw进行提取与谵妄风险相关的关键词语w，并对关键词语w的出现频率进行统计，通过大数据处理技术，计算关键词语w在病例患者数据中的频率fi，并进行标记相关的关键词出现的序列信息s，关键词语在患者的病例信息中的位置和顺序，组成关键词频率集合q={f1，f2，...，fi}；

4.根据权利要求3所述的脑卒中后谵妄风险预测模型的构建方法，其特征在于，s13，

5.根据权利要求1所述的脑卒中后谵妄风险预测模型的构建方法，其特征在于，所述s2包括s21和s22；

6.根据权利要求5所述的脑卒中后谵妄风险预测模型的构建方法，其特征在于，s22，根据生成的标记有关联关系的风险因素数据fi进行重组第m个关键词语wm与第p个关键词语wp的关联信息，构建出关联词语的关联矩阵a，具体表示第m个关键词语wm与第p个关键词语wp的互相关联程度；

7.根据权利要求1所述的脑卒中后谵妄风险预测模型的构建方法，其特征在于，所述匹配因子mm通过以下计算公式获取：；式中，mm表示匹配因子，具体表示第m个关键词语wm的匹配因子，amp表示关联矩阵a中的元素，具体表示第m个关键词语和第p个关键词语之间的关联强度，pp表示第p个关键词语在关键词频率集合q中的频率值；

8.根据权利要求7所述的脑卒中后谵妄风险预测模型的构建方法，其特征在于，所述并发症表现集m_fi基于梯度标记状态结果，进行整合风险因素数据fi获取并发症表现集m_fi，具体通过筛选第m个关键词语wm与第p个关键词语wp为第一梯度的关联度的第p个关键词语wp，进而组成只有第一梯度的关联度的风险因素数据fi的并发症表现集m_fi。

9.根据权利要求8所述的脑卒中后谵妄风险预测模型的构建方法，其特征在于，通过使用非线性计算公式计算出患者的谵妄风险pd，其中患者通过s1至s4步骤获取一般资料、既往病史、入院后症状、血液指标和医护人员评分信息，组成患者的体征数据集p，并将体征数据集p与并发症表现集m_fi进行匹配，获取出现的并发症总数量nmatch，并与并发症表现集m_fi的长度值mfc进行计算，获取谵妄风险pd；

10.根据权利要求1所述的脑卒中后谵妄风险预测模型的构建方法，其特征在于，所述当前患者的谵妄风险评估策略方案通过以下匹配方式获取：