脑卒中治疗十年进展

脑卒中是急性发生的血管或血流异常引起的脑血液循环障碍而致神经功能缺损综合征.随着人口的老龄化,脑卒中目前已是导致全球人口死亡的第二大病因,也是致残的主要原因,居我国死亡病因的首位,业已成为威胁人类健康和生命的主要疾病.     

脑卒中治疗十年进展

脑卒中是急性发生的血管或血流异常引起的脑血液循环障碍而致神经功能缺损综合征。随着人口的老龄化,脑卒中目前已是导致全球人口死亡的第二大病因,也是致残的主要原因,居我国死亡病因的首位,业已成为威胁人类健康和生命的主要疾病。随着循证医学的发展,越来越多的临床证据可以用于指导脑卒中的治疗,近10年来,开展了许多有关脑卒中治疗的临床试验和研究,     

人工智能在缺血性卒中诊断与治疗中的应用

脑卒中是导致人类死亡的第二大类疾病,尤以缺血性卒中最为常见.人工智能在缺血性卒中早期筛查、梗死灶识别和缺血半暗带评估、血管闭塞识别、疗效评估和预后预测方面显示出巨大的应用价值,有望进一步提高缺血性卒中的诊断效率和治疗效果.     

阿司匹林在脑卒中一级预防中的应用

阿司匹林对脑卒中二级预防的效果已经确定,但其在脑卒中一级预防中的获益和风险仍存在较大争议。基于现有的临床证据,仅部分人群从阿司匹林一级预防措施中获益,本文结合相关脑卒中一级预防指南和主要文献,就阿司匹林在脑卒中一级预防中的应用依据、作用机制、适用人群及风险评价等简要概述。     

脑卒中后抑郁临床研究进展

脑卒中后抑郁是影响脑卒中患者生存和功能恢复的严重并发症,患病率约30%,多发生于脑卒中1年内,尤其是脑卒中3个月内。其危险因素主要包括脑卒中后病残、脑卒中前抑郁病史、脑卒中严重程度、认知功能障碍和焦虑症状等。治疗方法主要有药物治疗、心理治疗、康复治疗和物理治疗等,其中康复治疗可以显著减少脑卒中后抑郁发生率,改善预后。进一步深入研究脑卒中后抑郁发生机制、优化康复治疗方案,对改善预后具有重要意义。     

虚拟现实康复技术在脑卒中后上肢运动障碍中的应用进展

虚拟现实康复技术是计算机模拟真实环境的集成技术,具有沉浸、交互和想象三大特点,广泛应用于脑卒中后上肢运动功能康复。本文简要阐述虚拟现实康复技术在脑卒中后上肢运动障碍中的应用进展。     

脑卒中急性期康复治疗

<正>脑卒中是首要病残原因,我国有70%~80%脑卒中患者因残疾不能生活自理[1-2]。我国脑卒中患者病残率较高,与未开展有效的急性期康复治疗有关。尽管关于缺血性卒中和自发性脑出血急性期的时间划分尚未达成共识,但通常认为缺血性卒中急性期指发病2周内[1],自发性脑出血急性期指发病4周内[3]。脑卒中急性期的定义与《中国脑卒中康复治疗指南(2011完全版)》[2]中一级康复开始时     

定量脑电图在脑血管病临床应用中的进展

定量脑电图是近年临床中常用的无创实时脑功能监测手段。脑血管病后神经网络受损所 致的神经电生理传导改变可通过皮层脑电图记录并总结出其规律性,结合计算机技术给予定量处理, 可为卒中的发展、预后以及卒中后抑郁、卒中后认知功能障碍的评估方面提供客观依据。现从定量脑 电图在卒中和卒中后相关疾病的特点及临床应用方面作一综述。     

脑卒中康复治疗新技术研究进展

脑卒中患者遗留不同程度功能障碍,恢复缓慢且不彻底,给患者及其家庭带来沉重而长期的负担。虽然康复训练在脑卒中治疗中发挥至关重要作用,但是由于受到专业康复服务缺乏、难以离家或交通不便等条件的限制,无法得到充分的康复治疗。新型康复技术(包括远程康复技术、虚拟现实康复技术、康复机器人技术、电子织物技术等)应运而生,为上述问题带来解决办法。本文拟就新型康复技术研究进展进行简要概述,以为脑卒中康复治疗提供新视角。     

机器学习模型在急性缺血性卒中并发症及预后预测中的研究进展

随着医疗数据的不断集成和计算机运算能力的大幅提升,基于机器学习的卒中预测研究逐渐成为交叉学科中的研究热点。相较于传统量表评分,机器学习模型具有快速、准确、可重复性等优势,已被用于卒中的诊断和预后预测,帮助临床医师准确判断患者病情及预后。本文介绍了目前机器学习算法用于急性缺血性卒中并发症及预后预测的研究进展,并分析了当前研究存在的问题,如研究数量不足、样本量过少、缺少外部验证等。     

脑卒中康复治疗技术发展史

脑卒中是引起感觉运动障碍最常见的神经系统疾病,严重影响患者生活质量。康复治疗能够显著改善脑卒中患者生活质量。祖国传统医学在治疗脑卒中及其相关症状方面历史悠久;第二次世界大战以来,西方医学开始广泛出现针对脑卒中患者功能恢复的康复治疗技术。本文以时间顺序为主线重点介绍脑卒中康复治疗技术的发展概况,以帮助康复医师和治疗师根据脑卒中患者的个体差异选择最佳康复治疗技术,恢复受损功能。     

机器学习在网络社交平台自杀预测领域的研究进展

本文针对机器学习在网络社交平台自杀预测领域的相关成果进行系统综述,为群体及个体自杀预测提供参考。本文将从机器学习在多个平台自杀预测的现状（博客与轻博客、熟人社交平台、论坛、图片与视频社交平台、临床数据库）和局限性（算法准确性和效率、隐私泄露、污名化问题）等方面进行阐述。     

脑卒中后癫痫药物修饰治疗进展

脑卒中后癫痫患者对低剂量抗癫痫发作药物治疗反应良好,但仍有部分患者进展为耐药性癫痫,因此亟待研发有效预防或逆转癫痫发生和发展且具备疾病修饰治疗作用的药物。业已证实,左乙拉西坦、拉莫三嗪、唑尼沙胺等新型抗癫痫发作药物,大麻二酚、多酚类化合物等天然化合物,线粒体抗氧化药、非甾体抗炎药等药物不仅能控制癫痫发作,甚至能够阻止脑卒中后癫痫的发生,以此发挥抗癫痫发生及疾病修饰治疗作用。本文对具有疾病修饰治疗作用的药物进行归纳,以为脑卒中后癫痫的疾病修饰治疗提供新的研究思路。     

高血压与脑卒中发展史

目前,我国高血压患病率呈逐年升高之趋势,而国人对高血压的知晓率、诊断率、控制率明显低于发达国家水平。20世纪,研究者通过对不同国家、不同人种的综合分析,发现高血压可使脑卒中风险增加,抗高血压药物的应用可明显降低脑卒中发生率和复发率;21世纪,研究者将目光转向诊室外血压监测,24小时动态血压监测研究发现不同时间段血压水平与脑卒中发病的关系有所不同,以夜间血压的影响较大,而家庭血压监测则可更全面、真实地提供长期血压变化;未来,将通过对血压的全面监测与治疗,以遏制目前脑卒中"井喷"之景。     

机器学习在脑血管病诊疗应用中的研究进展

正脑血管病以其高死亡率、高复发率和高致残率成为我国乃至全球最严重的疾病负担之一~([1-2])。快速评估、诊断和干预对改善脑血管病患者的结局至关重要,并高度依赖于特征性的神经影像表现,比如应用头颅CT快速鉴别缺血和出血性脑血管病、大血管闭塞和缺血半暗带的快速评估等~([3])。脑血管病神经影像特征的快速评估高度依赖经验丰富的血管神经病学医师和神经放射医师。然而,不断增加的脑血管病疾病负担和不断攀升的就诊量对医院尤其是基层医院的专业医师带来巨大的需求,但是     

进展性缺血性脑卒中预测与治疗的研究

在神经科临床实践中，医生经常会遇到一些脑梗死患者，虽经过正规治疗其病情仍不断加重、逐渐进展恶化甚至死亡，这就是通常所称的进展性缺血性脑卒中（简称进展性卒中）。据国内统计其发生率大约为缺血性脑卒中的30％左右^[1]，国外统计大约为9．8％～43％^[2]，致残率、死亡率均较高，已引起国内外学者广泛关注。现就目前进展性卒中的预测与治疗的研究进展综述如下。     

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。     

人工智能在脑卒中管理中的研究进展

人工智能作为一种新兴技术,已应用于脑卒中预防、诊治和康复等多领域,并突显出巨大的潜力.人工智能与大数据相结合,可用于脑卒中高危人群的精准识别、自动化病因分型、辅助脑卒中急性期和二级预防策略的制定,从而提高脑卒中患者康复治疗效果.本文综述人工智能在脑卒中预防、诊治和康复中的研究进展.     

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 RegistryⅡ,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...     

脑卒中精准康复

<正>随着医疗技术的发展和脑卒中防控政策的实施,脑卒中流行病学特征逐渐变化,过去10年间脑卒中病死率在发展中国家和发达国家分别下降20%和37%~([1])。流行病学调查显示,脑卒中病死率已降至疾病谱第3位,但其病残率逐渐升高,目前已高居疾病谱首位~([2]),约50%以上脑卒中患者预后重残,生活不能自理~([2-3])。我国是脑卒中高发国家,近年其发病率以每年8.7%的速度递增,是国民病死和病残的首要原因~([4])。脑卒中后病残带来的社会和家