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。