脓毒症是临床急危重患者的严重并发症之一,其病情发展迅速,病死率高,给临床救治工作带来了极大的困难。造成以上问题的原因之一就是缺乏有效的早期预警及危险分级体系来帮助临床重症医学工作者判断疾病的预后。本课题以临床医学知识为指导,筛选得到与脓毒症早期诊断及病情评估相关的特异性指标,并应用工程技术手段,构建了脓毒症早期预警与危险分级模型,从而实现了对脓毒症疾病的有效评估。本课题主要完成了以下工作：1.搭建为多中心临床试验服务的脓毒症数据管理网站,从国内16家医院收集脓毒症病例样本。2.对采集到的临床数据进行分析,筛选得到与脓毒症相关的特异性参数指标。3.根据目标数据集的统计特征,利用蒙特卡罗模拟方法从朴素贝叶斯分类器,支持向量机和径向基神经网络中挑选出最合适的模型分类算法。4.建立脓毒症早期预警模型,预测患者的28天死亡率。5.建立脓毒症危险分级模型,评估患者发病的危险程度。6.比较新构建的模型与APACHE II评分系统以及SOFA评分系统对脓毒症患者死亡率的预测能力。本课题建立的模型进一步完善后,将能够对脓毒症患者所处的危险等级及死亡率进行有效的评估和预后,从而为医生及时、准确地制定脓毒症治疗方案提供一种客观的辅助诊断方法。