2015—2019年江西省缺血性脑卒中患者特征及住院费用分析

目的 了解江西省2015—2019年缺血性脑卒中住院患者特征及住院费用情况，为缺血性脑卒中防控提供数据支持。方法 收集来自江西省卫生健康委员会DRGs管理系统中2015—2019年全省228家医院（69家三级综合医院，159家二级综合医院），总计381 416例出院主诊断疾病编码为I63（采用国际疾病分类第十版ICD - 10）的缺血性脑卒中患者住院信息。对住院患者特征及费用进行描述性分析。结果 2015—2019年江西省缺血性脑卒中患者,男性占比大于女性，近5年住院率由119.09/10万升高至206.61/10万。缺血性脑卒中患者最常见的共病及并发症为高血压、糖尿病、动脉粥样硬化。缺血性脑卒中次均住院费用为7 067.2(6 846.1)元，5年间，次均住院费用由7 384.0（7 353.6）元降低至6 816.9（6 769.1）元，差异具有统计学意义（H = 12.155，P＜0.002），总费用中药费占比最高，但未见明显变化趋势（H = 7.425，P = 0.063）。结论 2015—2019年江西省缺血性脑卒中住院患者住院率增长较快，高血压、糖尿病、动脉粥样硬化为3个最常见的共病,次均住院费用呈下降趋势，但住院费用负担仍较重。     

2015—2019年江西省出血性脑卒中流行特征及住院费用分析

背景 我国尚缺乏大样本的出血性脑卒中流行病学调查,江西省脑血管病流行形势严峻。 目的 分析江西省出血性脑卒中住院患者流行特征及住院费用情况,为出血性脑卒中防控提供科学依据。 方法 通过江西省卫生健康委员会信息中心疾病诊断相关分组（DRGs）管理系统,获取江西省2015—2019年出院主诊断为I60~I61〔依据国际疾病分类第10版（ICD-10）标准〕的出血性脑卒中的患者信息,对其流行特征及住院费用进行分析。 结果 2015—2019年江西省出血性脑卒中住院患者总计128 788例,其中脑出血115 254例（89.49%）,蛛网膜下腔出血13 534例（10.51%）。2015—2019年江西省出血性脑卒中患者总住院率由64.36/10万升高至86.05/10万,呈上升趋势（χ2趋势=1 144.969,P<0.001）;脑出血总住院率由58.96/10万升高至75.22/10万,呈上升趋势（χ2趋势=727.089,P<0.001）;蛛网膜下腔出血总住院率由5.41/10万升高至10.83/10万,呈上升趋势（χ2趋势=659.513,P<0.001）。出血性脑卒中患者共病及并发症前5顺位排序为高血压、肺部感染、脑梗死、其他脑血管病、糖尿病。2015—2019年,江西省出血性脑卒中住院患者中位住院时长为14（14）d;患者住院总费用由14 300.61元升高至15 982.47元,不同年份住院患者住院总费用比较,差异有统计学意义（H=834.590,P<0.001）。2017—2019年,药费在住院总费中占比最大,近3年均达35%以上,但3年间比较,差异无统计学意义（H=3.323,P=0.190）。 结论 2015—2019年江西省出血性脑卒中及其亚型患者住院率持续增长,高血压、肺部感染为较常见的共病,住院费用负担仍较重,预防并发症、降低药费可能有助于减轻出血性脑卒中患者的经济负担。     

急性缺血性脑卒中精准用药患者预后的多因素联合预测研究

目的:探讨多因素联合预测对急性缺血性卒中(AIS)精准用药患者预后的影响,并通过建立多因素联合模型预测精准用药AIS患者预后。方法:采用前瞻性队列研究设计,于2019年3月1日至2020年12月30日在本院神经内科进行病例招募,在出院后第90天进行随访。根据90 d随访的改良Rankin量表(mRS)分为预后良好组(mRS评分0~2分)和预后不良组(mRS评分3~6分),使用多因素Logistic回归分析影响精准用药AIS患者预后的标志物;采用ROC曲线验证Logistic回归模型的诊断效度,采用Delong检验评价曲线下面积(AUC)的差异。结果:共招募240例患者,221例随访,预后良好组168例,预后不良组53例。多因素Logistic回归分析显示白细胞介素-6(IL-6)水平及入院NIHSS评分是影响患者预后的独立危险因素,其联合预测值高于单一变量预测效果。结论:血清IL-6和入院NIHSS评分可作为预测精准用药AIS患者预后的因素,并且通过多因素联合预测模型可以更好地预测AIS患者90 d的预后。     

基于XGboost学习算法构建模型对缺血性脑卒中合并房颤患者并发肺部感染的预测价值

目的 探讨基于XGboost学习算法构建模型对缺血性脑卒中合并房颤患者并发肺部感染的预测价值。方法 选择2018年1月-2019年12月南昌大学第二附属医院收治的缺血性脑卒中合并房颤患者1 075例为研究对象,按照7∶3随机分为训练集与验证集,训练集用于构建预测模型,验证集用于评价模型效果;分别采用XGboost和Logistic回归构建缺血性脑卒中合并房颤并发肺部感染的预测模型,通过灵敏度、特异度和受试者特征(ROC)曲线下面积(AUC)评价模型的预测效果。结果 共纳入1 075例缺血性脑卒中合并房颤患者,年龄(74.82±10.85)岁,其中男性554例(51.53%),肺部感染341例(31.72%);Logistic回归分析模型和XGboost模型的AUC分别为0.671和0.723,灵敏度分别为72.63%和79.01%,特异度分别为68.10%和62.42%,约登指数分别为0.407和0.414。结论 在针对缺血性脑卒中合并房颤患者是否并发肺部感染预测研究中,基于XGboost算法构建的预测模型较Logistic具有良好的预测效能。     

新冠肺炎住院患者危重症的危险因素分析及危重症预测

目的 回顾性探讨新冠住院患者危重症的相关危险因素并进行危重症预测。方法 收集2022年11月—2023年1月某三甲医院收治的新冠住院2 745例患者的临床资料，根据住院结局分组。通过单因素分析和多因素logistic回归分析明确危险因素，并通过受试者工作特征(ROC)曲线下面积(AUC)、训练集和验证集的校准曲线、训练模型和验证模型的决策曲线分析（DCA曲线）等评价联合因素对新冠住院患者预后结局的预测价值。结果 经单因素和多因素logistic回归分析结果显示年龄（OR=1.05,95%CI:1.03～1.06）、手术（OR=8.81,95%CI:5.64～13.76）、预后营养指数（PNI）(OR=0.92,95%CI:0.89～0.96)、淋巴细胞绝对值（OR=0.47,95%CI:0.26～0.83）、胸腔积液（OR=0.49,95%CI:0.28～0.86）等与新冠住院危重症相关（P<0.05）。ROC曲线下面积显示几项指标联合预测AUC值为0.924。结论 发现高龄、中性粒细胞绝对值高、红细胞压积低、乳酸脱氢酶高、手术、营养状况差、血红蛋白低、血小板计数低、淋巴细胞绝对...     

基于机器学习的缺血性脑卒中抗栓治疗后消化道出血预测模型研究

目的 筛选出缺血性脑卒中抗栓治疗后发生消化道出血的关键变量，评价Catboost、支持向量机（SVM）、logistic回归(LR)三种机器学习算法对缺血性脑卒中抗栓治疗后消化道出血的预测效果。方法 选取2018年1月1日—2020年1月1日南昌大学第二附属医院确诊为急性缺血性脑卒中并接受抗栓治疗的住院患者，根据单因素分析结果确定初始变量，综合多因素logistic回归、RFE、lasso回归三种特征选择方法筛选变量，比较Catboost、SVM、LR在缺血性脑卒中抗栓治疗后消化道出血预测模型中的效果。结果 在1 605名缺血性脑卒中患者中，消化道出血的患者84名，单因素分析初步确定了17个变量，根据三种特征选择方法确定年龄、GCS、谷草/谷丙、碱性磷酸酶、低密度脂蛋白、出血性转化为关键变量，构建机器学习模型后重复交叉验证结果显示, Catboost算法的综合性能较好，特异度、准确率、AUC、阳性似然比分别为0.851(95%CI:0.85～0.853)、0.84(95%CI:0.838～0.841)、0.848(95%CI:0.841～0.855)、4.463(95%CI:4.378...