论文部分内容阅读
目的:通过调查缺血性脑卒中患者的复发情况,得出本地区缺血性脑卒中患者的流行病学资料,为其他学者的研究提供科学依据,也为今后进行脑卒中患者的大型流行病学调查奠定基础。并通过探讨缺血性脑卒中患者复发的影响因素,可为缺血性脑卒中患者二级预防策略的制定提供理论参考。同时利用BP人工神经网络建立缺血性脑卒中患者复发的预测模型,为临床医生提供一种简单、高效、准确地评估缺血性脑卒中患者是否复发的方法。 方法:采用前瞻性和回顾性相结合的调查方法,收集徐州医学院附属医院的缺血性脑卒中患者的相关资料,将回顾性调查资料作为训练集,前瞻性调查资料作为测试集。应用Logistic回归模型对资料进行单因素筛选,将筛选出有统计学意义的指标进行BP神经网络和多因素Logistic回归分析,建立缺血性脑卒中患者复发的预测模型,并对两个模型进行比较。 结果:本次调查589例患者,复发184人,总复发率为31.2%,男性复发124例,复发率为33.2%;女性复发60例,复发率为27.8%。对调查数据进行缺血性脑卒中复发的单因素分析,筛选出P<0.05的因素作为预测模型的输入变量,年龄、舒张压、语言障碍、饮酒等16个因素与缺血性脑卒中的复发有关。应用BP神经网络和Logistic回归模型建模,对测试集样本预测中,BP神经网络和Logistic回归模型预测正确率分别为84.6%和81.7%,BP神经网络模型的灵敏度和特异度为81.0%和79.3%,Logistic回归模型的灵敏度和特异度为61.9%和72.3%,BP神经网络和Logistic回归模型的ROC曲线下面积分别为0.787和0.729,说明BP神经网络模型预测性能优于Logistic回归模型。 结论:1.年龄、舒张压、ADL分型、语言障碍、饮洒、阿司匹林、甘油三酯、睡眠等指标是缺血性脑卒中患者复发的影响因素。2.人工神经网络模型预测效果优于Logistic回归模型。3.建立好的人工神经网络预测模型,可以用于筛查缺血性脑卒中患者复发的高危人群,为更快更好地诊断和确定治疗方案提供理论依据。