基于Logistic回归与XGBoost构建缺血性卒中院内复发风险预测模型的初步比较研究

目的 基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型，并进行初步比较。 方法 利用中国国家卒中登记Ⅱ（China National Stoke Registry Ⅱ，CNSRⅡ）数据库中按医嘱离院的 缺血性卒中患者数据，分别基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型。 备选的预测因子包括人口学特征、卒中严重程度、既往病史、用药史以及临床测量指标。模型的评价 指标包括ROC曲线下面积（area under the cure，AUC）、校准截距、校准斜率以及Brier得分。所有统计 分析均在R（3.6.2版）中完成。 结果 最终纳入17 227例符合条件的患者，平均年龄64.72±11.84岁，女性6317例（36.7%），发病前 mRS评分为0或1分的病例14 482例（84.1%），入院NIHSS评分4（2～6）分，院内卒中复发444例（2.6%）。 预测模型识别的前三位强预测因子，在Logistic回归中为发病前mRS评分、心房颤动及卒中史；在 XGBoost中为发病前mRS评分、心房颤动及总胆固醇。Logistic回归预测模型与XGBoost预测模型的AUC无 显著差异（0.63，95%CI 0.58～0.68 vs 0.64，95%CI 0.59～0.68，P =0.9229）。Logistic预测模型校准截 距、校准斜率以及Brier得分分别为-0.81、0.76和0.03；XGBoost预测模型的校准截距、校准斜率以及 Brier得分分别为-1.37、1.20和0.38。Logistic预测模型校准度更好。 结论 利用CNSRⅡ数据构建的缺血性卒中院内复发风险预测模型应用中，基于XGBoost方法构建的 预测模型相比Logistic回归构建的预测模型的区分度没有显著差异，但校准度略低。     

机器学习基于不平衡数据预测急性新发缺血性卒中患者院内死亡模型研究

目的 探索利用机器学习基于不平衡数据预测急性新发缺血性卒中患者的院内死亡风险,并比较 机器学习模型和传统logistic模型的预测性能。 方法 以中国卒中联盟多中心登记数据库中急性新发缺血性卒中患者为研究对象,分别基于机器学 习[XGBoost模型、CatBoost模型、随机森林模型、支持向量机（support vector machine,SVM）模型]和传 统logistic方法构建患者院内死亡预测模型。按照7∶3比例随机分为训练集和测试集,训练集用于构建 预测模型,测试集用于评价模型效果。采用欠采样技术和平衡权重的方法处理死亡结局的不平衡 数据。模型的评价指标包括区分度指标ROC中AUC和校准度指标Brier分数。 结果 共纳入601 466例急性新发缺血性卒中的患者,女性231 235例（38.45%）,院内死亡2206 例（0.37%）。logistic模型、XGBoost模型、CatBoost模型、随机森林模型、SVM模型预测患者院内死亡的 AUC分别是0.913±0.000、0.921±0.000、0.919±0.001、0.925±0.000和0.900±0.001,其中XGBoost模 型（P =0.0002）、CatBoost模型（P =0.0094）和随机森林模型（P＜0.0001）的预测性能优于logistic模型, logistic模型表现优于SVM模型（P =0.0029）。logistic模型、XGBoost模型、CatBoost模型、随机森林模型、 SVM模型的Brier分数分别为0.115±0.001、0.096±0.001、0.093±0.001、0.084±0.000和0.045±0.001, 机器学习模型的校准度均优于logistic模型,差异有统计学意义。 结论 平衡数据处理后,机器学习模型和传统logistic模型预测急性新发缺血性卒中患者院内死亡风 险表现均良好且稳定,其中,随机森林模型的预测性能最佳,SVM模型的校准度最佳。     

基于机器学习的缺血性卒中功能预后预测模型研究

目的 建立基于机器学习的缺血性卒中功能预后预测模型,为患者分层管理提供科学依据。 方法 选取中国国家卒中登记Ⅱ（China National Stoke Registry Ⅱ,CNSRⅡ）数据库中发病7 d内的缺 血性卒中患者为研究对象。logistic回归分析采用逐步回归方法筛选候选预测因子,机器学习采用Boruta 算法筛选特征。使用logistic回归和CatBoost、XGBoost、LightGBM三种机器学习方法构建功能预后预测 模型,并比较这四种预测模型对缺血性卒中患者3个月功能预后（mRS＞2分为预后不良）的预测价值。 结果 本研究共纳入14 885例缺血性卒中患者,平均年龄64.34±11.71岁,其中男性占63.96% （9521/14 885）。患者按8∶2随机分为训练集（11 908例）和测试集（2977例）,两组3个月功能预后 不良率分别为17.36%和17.06%（P =0.7045）。多因素分析结果显示年龄（OR 1.05,95%CI 1.04～1.05, P <0.0001）、男性（OR 0.77,95%CI 0.69～0.86,P <0.0001）、糖尿病（OR 1.16,95%CI 1.00～1.35, P = 0.0497）、脑血管病史（O R 1.53,95%C I 1.37～1.70,P <0.0001）、合并肺炎（O R 2.4 5, 95%CI 2.03～2.95,P <0.0001）、入院时NIHSS评分（OR 1.14,95%CI 1.13～1.15,P <0.0001）、发病前 mRS（OR 3.11,95%CI 2.67～3.63,P <0.0001）、LDL-C（OR 1.07,95%CI 1.02～1.12,P =0.0057）、空腹 血糖（OR 1.03,95%CI 1.01～1.06,P =0.0072）和白细胞计数（OR 1.07,95%CI 1.05～1.09,P <0.0001） 可作为预测模型的预测因子。logistic回归、CatBoost、XGBoost、LightGBM预测模型预测缺血性卒中功 能预后的AUC分别为0.815（0.801～0.829）、0.828（0.814～0.841）、0.826（0.812～0.839）和0.822 （0.808～0.836）。CatBoost（P =0.0023）和XGBoost（P =0.0182）建立的预测模型预测效果均优于传统 logistic回归模型。 结论 基于机器学习算法建立的缺血性卒中功能预后预测模型具有较高的预测价值。     

基于机器学习算法的脑出血相关肺炎预测模型研究

目的 建立基于机器学习的脑出血相关肺炎预测模型。 方法 选择中国国家卒中登记Ⅱ（China National Stoke Registry Ⅱ，CNSRⅡ）数据库中发病7 d内的急 性脑出血住院患者为研究对象，登记时间为2012年5月-2013年1月，研究覆盖我国219家医院。研究对 象按照8∶2比例随机分为训练集和测试集。采用多因素Logistic回归分析，筛选出候选预测因子。应用 基于机器学习的Logistic回归、CatBoost、XGBoost和LightGBM算法构建诊断预测模型，比较4种方法构建 的模型对脑出血相关肺炎的预测诊断价值。 结果 本研究共筛选2303例患者，平均年龄62.1±12.7岁，其中男性占62.1%。患者随机分为训 练集（n =1841）和测试集（n =462），两组脑出血相关肺炎发生率分别为15.6%和15.8%（χ 2=0.007， P =0.934）。根据多因素Logistic回归分析，候选预测因子为年龄（OR 1.03，95%CI 1.02～1.04）、NIHSS 评分（OR 1.02，95%CI 1.00～1.04）、白细胞计数（OR 1.11，95%CI 1.07～1.16）和吞咽功能障碍（OR 6.85，95%CI 5.01～9.39）。Logistic回归、CatBoost、XGBoost和LightGBM四种模型灵敏度分别为75.34%、 50.68%、80.82%和80.82%；特异度分别为68.64%、86.12%、52.96%和57.33%；ROC曲线下面积分别 为0.776、0.692、0.736和0.767。Logistic回归和LightGBM模型诊断效果显著高于CatBoost和XGBoost模型 （DeLong test，P <0.05）。 结论 基于机器学习建立的脑出血相关肺炎风险预测模型有较高的诊断价值，年龄、NIHSS评分、白 细胞计数和吞咽功能障碍为模型的候选预测因子，可将模型纳入脑出血相关肺炎诊断决策。本研究 结果的临床应用价值有待于更大样本的外部队列进行验证。     

急性缺血性卒中患者行阿替普酶静脉溶栓治疗住院期间脑出血预测模型研究

目的 基于机器学习算法对急性缺血性卒中（acute ischemic stroke，AIS）或TIA患者行rt-PA静脉溶栓治疗住院期间脑出血的发生情况进行预测，并探索影响rt-PA溶栓治疗后脑出血发生的危险因素。方法 纳入中国卒中中心联盟（Chinese Stroke Center Alliance，CSCA）2016年1月—2020年12月登记的被初步诊断为AIS或TIA且接受rt-PA静脉溶栓治疗的患者74 654例，平均年龄为（65.55±12.14）岁，其中，男性患者48 493例（64.96%），住院期间发生脑出血患者2038例（2.73%）。将数据按年份划分为训练集和测试集，即2016—2019年登记患者划分为训练集，2020年登记患者划分为测试集，采用原型选择下采样技术对训练集数据正负样本进行77∶100平衡处理，构建了逻辑回归、极致梯度提升（extreme gradient boosting，XGBoost）、随机森林、梯度提升决策树（gradient boosting decision tree，GBDT）和分类梯度提升（categorical boosting，CatBoost）共5个模型对脑出血结局进行预测，并使用AUC、灵敏度、特异度、Brier评分等指标对模型预测效果进行评价和比较，采用SHAP图对机器学习模型筛选出的特征进行可解释性分析。 结果 XGBoost、GBDT、CatBoost、逻辑回归和随机森林模型的AUC值分别为0.770（95%CI 0.745～0.774）、0.766（95%CI 0.753～0.786）、0.765（95%CI 0.752～0.766）、0.758（95%CI 0.747～0.761）和0.757（95%CI 0.739～0.759），灵敏度分别为0.624（95%CI 0.574～0.672）、0.606（95%CI 0.555～0.655）、0.570（95%CI 0.519～0.620）、0.557（95%CI 0.506～0.607）和0.585（95%CI 0.534～0.635），特异度分别为0.780（95%CI 0.773～0.786）、0.785（95%CI 0.778～0.791）、0.790（95%CI 0.783～0.796）、0.805（95%CI 0.799～0.811）和0.769（95%CI 0.762～0.776），Brier评分分别为0.157、0.154、0.156、0.160和0.161分。通过SHAP图解释结果发现，住院NIHSS评分高、年龄大、空腹血糖水平高、既往心房颤动病史、血小板计数低、发病距溶栓治疗时间窗长、BMI低、就诊时NIHSS评分高等特征为rt-PA溶栓治疗住院期间发生脑出血的危险因素。结论 基于机器学习构建的预测模型对行rt-PA静脉溶栓治疗的AIS患者住院期间脑出血的发生具有一定预测效果，本研究对未来机器学习技术在脑出血预测领域的应用有一定探索价值。     

尿激酶静脉溶栓治疗急性缺血性卒中/短暂性脑缺血发作的院内死亡率及相关影响因素的多中心分析

目的 探讨尿激酶静脉溶栓治疗急性缺血性卒中/TIA患者的院内死亡率及其影响因素。 方法 回顾性分析2013年1月-2016年5月河南省11家市级、县级医院神经内科连续收治的发病6 h内 接受尿激酶静脉溶栓治疗的急性缺血性卒中和TIA患者的临床资料，统计院内全因死亡率，采用多因 素Logistic回归分析院内死亡的相关影响因素。 结果 共入组444例患者，平均年龄60.19±11.61岁，男性296例（66.7%），院内死亡25例（5.6%）。多 因素Logistic回归分析显示，发病至溶栓时间3～6 h（OR 3.006，95%CI 1.120～8.071，P =0.029）、溶栓前 NI HSS评分（OR 1.130，95%CI 1.079～1.183，P＜0.001）及心房颤动病史（OR 3.671，95%CI 1.282～10.511， P =0.015）是尿激酶静脉溶栓治疗急性缺血性卒中/TIA患者院内死亡的独立影响因素。 结论 发病至溶栓时间3～6 h、严重神经功能损害、心房颤动病史是尿激酶静脉溶栓治疗急性缺 血性卒中/TIA患者住院期间死亡的独立危险因素。     

尿激酶静脉溶栓治疗急性缺血性卒中/短暂性脑缺血发作的院内死亡率及相关影响因素的多中心分析

目的 探讨尿激酶静脉溶栓治疗急性缺血性卒中/TIA患者的院内死亡率及其影响因素。
方法 回顾性分析2013年1月-2016年5月河南省11家市级、县级医院神经内科连续收治的发病6 h内
接受尿激酶静脉溶栓治疗的急性缺血性卒中和TIA患者的临床资料，统计院内全因死亡率，采用多因
素Logistic回归分析院内死亡的相关影响因素。
结果 共入组444例患者，平均年龄60.19±11.61岁，男性296例（66.7%），院内死亡25例（5.6%）。多
因素Logistic回归分析显示，发病至溶栓时间3～6 h（OR 3.006，95%CI 1.120～8.071，P =0.029）、溶栓前
NI HSS评分（OR 1.130，95%CI 1.079～1.183，P＜0.001）及心房颤动病史（OR 3.671，95%CI 1.282～10.511，
P =0.015）是尿激酶静脉溶栓治疗急性缺血性卒中/TIA患者院内死亡的独立影响因素。
结论 发病至溶栓时间3～6 h、严重神经功能损害、心房颤动病史是尿激酶静脉溶栓治疗急性缺
血性卒中/TIA患者住院期间死亡的独立危险因素。     

缺血性卒中患者急性期血清血脂水平与其短期预后的关系

目的 探讨缺血性卒中患者急性期血清血脂水平与其短期预后之间的关系。方法 收集急性缺血性卒中患者459例,经病因学分型后分为动脉粥样硬化型卒中组（n=310）和非动脉粥样硬化型卒中组（n=149）,随访患者发病后3个月的死亡、残疾情况。分析不同病因分型缺血性卒中患者预后影响因素。统计方法采用单因素分析及多元逐步Logistic回归分析。结果 与非动脉粥样硬化卒中患者相比,动脉粥样硬化型卒中患者年龄较大,既往有高血压病、糖尿病比率高,甘油三酯、总胆固醇水平较高,差异有统计学意义（P值分别为0.000,0.000,0.001,0.018,0.015）。非动脉粥样硬化患者中,高密度脂蛋白胆固醇（high density lipoprotein Cholesterol,HDL-C）水平与预后不良呈负相关,优势比（odds ratio,OR）为0.068,95%可信区间（confidence interval,CI）为（0.005～0.897）。结论 较高的HDL-C水平是非动脉粥样硬化型卒中预后良好的保护因素。     

脑白质疏松和陈旧性腔隙性脑梗死对首发缺血性卒中患者预后的影响

目的 探讨脑白质疏松和陈旧性腔隙性脑梗死对于首发缺血性卒中患者预后的影响。 方法 连续选取791例7 d以内首次发病的非心源性缺血性卒中患者。收集患者的人口学信息和脑血 管病的危险因素,评价患者的头颅磁共振成像包括脑白质疏松的严重程度、无症状性腔隙性脑梗死 的数量、缺血性卒中的病因分型以及急性梗死灶的分布特征,通过多因素Logistic回归分析脑白质疏 松和陈旧性腔隙性脑梗死与缺血性卒中患者预后相关的危险因素。 结果 分别有14例（1.8%）、38例（4.8%）患者在缺血性卒中发病1年内死亡、缺血性卒中或短暂性脑 缺血发作（transient ischemic attack,TIA）复发。多元Logistic回归发现：存在陈旧性腔隙性脑梗死、有 皮层新发脑梗死灶、入院后未给予抗血小板药物、出院时未服用他汀药物是缺血性卒中患者1年内 死亡的危险因素;而脑白质疏松对于缺血性卒中患者1年内的死亡无显著影响。冠状动脉粥样硬化性 心脏病、入院美国国立卫生研究院卒中量表（National Institute of Health stroke scale,NIHSS）评分<4 分、新发梗死灶的责任脑动脉闭塞或狭窄程度≥70%、出院时未给予抗血小板药物是缺血性卒中患 者1年内缺血性卒中或TIA复发的危险因素;而脑白质疏松和陈旧性腔隙性脑梗死对于缺血性卒中患 者1年内缺血性卒中或TIA的复发无显著影响。 结论 陈旧性腔隙性脑梗死是缺血性卒中患者1年内死亡的危险因素。而脑白质疏松和陈旧性腔隙 性脑梗死对于缺血性卒中患者1年内缺血性卒中或TIA的复发无显著影响。     

ASTRAL评分预测急性缺血性卒中患者3个月预后的价值

目的 探讨洛桑卒中量表（Acute Stroke R egistry and Analysis of Lausanne,ASTRAL）评分预测不同 性别、不同梗死部位、不同病情严重程度急性缺血性卒中（acute i schemi c stroke,AI S）患者3个月预后 的价值,并与PLAN（Preadmission Comorbidities,Level of Consciousness,Age,Neurologic Deficit,PLAN）评 分、血管事件总体健康风险（Totaled Health Risks in Vascular Events,THRIVE）评分对急性缺血性卒中 3个月预测价值进行比较。 方法 记录符合纳入标准的急性缺血性卒中患者的基线资料,按照性别、梗死部位、病情严重程度 进行分组,然后记录并分别使用ASTRAL评分、PLAN评分与THRIVE评分预测患者3个月预后。通过受 试者工作特征曲线下面积（area under the receiver operating characteristic curve,AUC）进行Z 检验来比 较它们的预测价值。 结果 ①本研究共纳入513例AIS患者,男性309例、女性204例;梗死部位：前循环305例,后循环153 例,混合型55例;病情轻重程度：轻型卒中260例,非轻型卒中253例;②ASTRAL预测所有入组AIS患 者的AUC为0.845,预测男性组AUC为0.804,女性组AUC为0.878,两者比较Z 值为1.86（P ＞0.05）;预 测前循环组AUC为0.843、后循环组AUC分别为0.857、混合组AUC为0.814,三者比较Z 值均＜1.98（P ＞0.05）;预测轻型卒中AUC为0.714、非轻型卒中AUC为0.855,两者比较Z 值为4.03,其值＞1.98（P值 为0.000）。ASTRAL评分、PLAN评分、THRIVE评分预测所有入组AIS患者的AUC分别为0.845、0.783和 0.740,三者比较Z值均＞1.98（P值分别为0.000、0.010和0.000）。 结论 ASTRAL评分可对AIS患者3个月预后进行预测,更适合非轻型AIS患者,预测价值高于PLAN评分、 THRIVE评分。     

Extreme Gradient Boosting Model Has a Better Performance in Predicting the Risk of 90-Day Readmissions in Patients with Ischaemic Stroke

ObjectIschemic stroke readmission within 90 days of hospital discharge is an important quality of care metric. The readmission rates of ischemic stroke patients are usually higher than those of patients with other chronic diseases. Our aim was to identify the ischemic stroke readmission risk factors and establish a 90-day readmission prediction model for first-time ischemic stroke patients.MethodsThe readmission prediction model was developed using the extreme gradient boosting (XGboost) model, which can generate an ensemble of classification trees and assign a predictive risk score to each feature. The patient data were split into a training set (5159) and a validation set (911). The prediction results were evaluated with the receiver operating characteristic (ROC) curve and time-dependent ROC curve, which were compared with the outputs from the logistic regression (LR) model.ResultsA total of 6070 adult patients (39.6% female, median age 67 years) without any ischemic attack (IS) history were included, and 520 (8.6%) were readmitted within 90 days. The XGboost-based prediction model achieved a standard area under the curve (AUC) value of .782 (.729-.834), and the best time-dependent AUC value was .808 in 54 days for the validation set. In contrast, the LR model yielded a standard AUC value of .771 (.714-.828) and best time-dependent AUC value of .797.ConclusionsThe XGboost model obtained a better risk prediction for 90-day readmission for first-time ischemic stroke patients than the LR model. This model can also reveal the high risk factors for stroke readmission in first-time ischemic stroke patients.     

高龄急性轻型缺血性卒中早期阿替普酶静脉溶栓疗效观察

目的 探讨高龄轻型缺血性卒中3 h内行阿替普酶静脉溶栓治疗的疗效及安全性。 方法 将我院2015年10月-2017年10月连续收治入院的发病3 h内48例高龄急性轻型缺血性卒中患者 随机分为阿替普酶静脉溶栓组24例和未溶栓组24例。比较两组患者入院时的一般情况,基线美国 国立卫生研究院卒中量表（National Institutes of Health Stroke Scale,NHISS）评分,治疗24 h后颅内出 血转化率,治疗后90 d改良Rankin量表（modified Rankin Scale,mRS）评分及90 d病死率。 结果 阿替普酶静脉溶栓组和未溶栓组患者一般临床资料、基线NIHSS评分比较,差异无统计学意 义。阿替普酶静脉溶栓组和未溶栓组治疗24 h后颅内出血转化率分别为4.17%和0（P =1.000）,两组 90 d病死率均为4.17%（P =1.000）,阿替普酶静脉溶栓组及未溶栓组90 d mRS评分为0～2分的比率 分别为83.33%和54.17%（P =0.029）。 结论 早期阿替普酶静脉溶栓治疗高龄急性轻型缺血性卒中不增加急性期颅内出血转化的风险, 可以改善高龄轻型缺血性卒中患者预后,不增加病死率。     

脑小血管病总负荷评分与静脉溶栓治疗急性缺血性卒中患者1年预后相关性研究

目的 探讨脑小血管病（cerebral small vessel disease，CSVD）总负荷评分与急性缺血性卒中（acute ischemic stroke，AIS）患者静脉溶栓后1年预后的关系。 方法 前瞻性连续纳入2017年1月-2018年12月于深圳市人民医院神经内科住院并接受rt-PA静脉溶 栓治疗的AIS患者，根据MRI评估CSVD负荷并计算CSVD总负荷评分。使用mRS量表评估患者发病1年的 神经功能预后，利用多因素Logistic回归分析确定CSVD的总负荷与1年的神经功能预后之间的关系，利 用ROC曲线分析CSVD总负荷评分对不良预后的预测价值及最佳界值。 结果 最终入组135例静脉溶栓的AIS患者，平均年龄为61.56±12.64岁，CVSD总负荷评分0分者17例 （12.59%），1分者44例（32.59%），2分者38例（28.15%），3分者30例（22.22%），4分者6例（4.44%）。 多因素分析发现溶栓前NIHSS评分（OR 1.615，95%CI 1.209～2.157，P =0.001）、CSVD总负荷评分（OR 1.570，95%CI 1.095～4.094，P =0.026）为AIS静脉溶栓患者1年功能预后的独立影响因素。CSVD总负 荷预测静脉溶栓后1年不良预后的ROC曲线下面积（area under the ROC curve，AUC）为0.735（95%CI 0.641～0.828），最佳界值为2.5分；溶栓前NIHSS评分的AUC为0.773（95%CI 0.684～0.862），最佳界 值为6.5分。 结论 CSVD总负荷评分及溶栓前NIHSS评分为AIS患者静脉溶栓治疗1年功能预后不良的可靠预测指 标，有助于临床评估静脉溶栓患者长期预后。     

应用移动卒中单元对急性缺血性卒中院前静脉溶栓的初步探索

目的 大多数急性缺血性卒中患者难以在发病早期接受静脉溶栓治疗，而移动卒中单元（mobile stroke unit，MSU）的应用将静脉溶栓治疗从院内提到院前。本研究初步探讨中国首台MSU在急性卒中 患者院前静脉溶栓中的作用。 方法 回顾性分析荥阳市人民医院卒中中心2018年11月-2019年4月期间应用MSU进行院前静脉溶 栓的患者（MSU溶栓组）和使用传统救护车转运至院内静脉溶栓的患者（常规溶栓组）的临床资料。 观察终点包括主要时间指标从呼叫至溶栓时间、从发病至溶栓时间；疗效指标为90 d良好预后（mRS 评分≤2分）率；安全性指标包括溶栓后48 h内症状性颅内出血及随访90 d内的全因死亡。比较静脉 溶栓患者应用两种治疗模式的终点差异。 结果 MSU溶栓组共计14例患者接受了院外静脉溶栓，同时期常规溶栓组有24例患者在院内进行了 静脉溶栓治疗。与常规溶栓组相比，MSU溶栓组呼叫至溶栓时间（59 min vs 92 mi n，P =0.001）、发病 至溶栓时间（73 min vs 114 mi n，P =0.002）均较短。两组的90 d良好预后率（79% vs 67%，P =0.488） 和安全性指标均未见统计学差异。 结论 基于MSU的急性缺血性卒中院前溶栓可以显著缩短患者从发病至溶栓时间及呼叫至溶栓时 间，但对于急性卒中的救治疗效仍需要多中心前瞻性研究进一步验证。     

重组组织型纤溶酶原激活剂静脉治疗轻型缺血性卒中患者的疗效分析

目的 观察轻型缺血性卒中患者重组组织型纤溶酶原激活剂（recombinant tissue plasminogen activator,rt-PA）静脉溶栓治疗的疗效及安全性。      

后循环缺血性卒中与认知障碍相关性研究

目的 探究后循环缺血性卒中与认知障碍发生的关系。 方法 连续选取2013年11月至2014年11月浙江大学医学院附属第一医院及嘉兴市第二医院收治的急 性后循环缺血性卒中患者67例,收集患者人口学、影像学及认知功能评价资料,并通过磁共振成像 统计梗死部位;通过简明精神状态量表、阿尔兹海默病评定量表认知分量表、临床痴呆量表评估认 知功能;根据认知诊断标准同时结合认知功能评价结果,将患者分为认知功能正常组、血管性轻度 认知障碍组、血管性痴呆组。 结果 67例患者中,认知功能正常32例（47.8%）、血管性轻度认知障碍20例（29.9%）,血 管性痴呆15例（2 2.4%）。通过校正年龄、性别、汉密尔顿抑郁评分等因素后,多因素回归分 析显示：颞枕叶缺血性卒中［比值比（odd ratio,OR）75.89,95%可信区间（confidence interval, C I ）3.92～1 470.06）］增加认知障碍发生风险,脑桥缺血性卒中患者发生认知障碍的风险比 非脑桥缺血性卒中降低90%（OR 0.10,95%CI 0.02～0.60）;进一步分析显示,颞枕叶缺血性卒 中（OR 542.24,95%CI 7.85～37 481.44）增加轻度认知障碍发生风险;小脑缺血性卒中（OR 12.49, 95%CI 1.03～151.58）增加血管性痴呆发生风险。 结论 50%以上后循环缺血性卒中患者发生认知障碍;其中颞枕叶及小脑缺血性卒中增加认知障碍 发生风险,脑桥缺血性卒中与认知障碍发生无显著相关性。     

基于数据挖掘的脑白质疏松症相关因素分析

目的 利用数据挖掘技术分析脑白质疏松症相关因素。