早产儿发生率正呈逐年上升趋势,而其带伴随的新生儿感染、败血症已成为远期不良发育乃至死亡的主要原因之一。婴儿临床病征往往缺乏特异性,难以早期准确识别。但从监测的生理指标分析,败血症患儿发病前常有暂态心率减速、血压降低,血氧、体温以及呼吸等异动。有研究表明,心率变异性的改变,和最终发病联系密切。若能通过信号处理、算法设计,配合医学诊断经验,搭建预测性监护系统、实现感染的早期预警,则新生儿科医生可避免盲目的抗生素试探治疗,婴儿也尽可能少受实验室检查之苦。本课题旨在研究符合中国婴儿特点的败血症发病预测模型。通过基于样本熵设计并优化参数选择的算法,计算分析连续的心率、心电序列,搭建的模型预测指标包括样本熵绝对值、变化值、整体趋势、拐点,分析多个病例,针对健康、感染并治愈、感染并死亡三大类,归纳不同的模型结果特点。最后简述采用心电输入和心率输入在反映心率变异性上的一致性。健康婴儿样本熵绝对值较稳定、无明显陡增或陡减、曲线趋势平缓、波动范围较小;随着时间进展,波动幅度愈发收窄。感染并治愈的婴儿从趋势上看,下降趋势对应不良临床结果,上升趋势对应较好临床结果;从数值上看,拐点之后的曲线相对波幅较大,用药和停药时往往伴随着样本熵绝对值极大点,发病时或发病前也可能有绝对值极小点。发病并死亡的婴儿发病前的样本熵绝对值有坠落最低点、同时也是曲线大幅度下降的下降拐点;用药时,样本熵与之同时有上升;整体趋势继续下降,直至死亡。