第一部分：预测大面积脑梗死患者院内死亡的列线图
　　目的：大面积脑梗死(LHI)是最危重的卒中形式之一，具有较高的死亡率和致残率。本部分研究的目的是发掘仅接受内科治疗而未进行手术的大面积脑梗死患者院内死亡的预测因素并建立预测模型。
　　方法：我们收集了2016年1月1日至2019年5月31日期间于我院神经内科重症监护室入院的187名大面积脑梗死患者的病历资料进行回顾性研究。通过Logistic回归寻找院内死亡的相关指标并通过建立受试者工作特征(ROC)曲线评价它们的预测性能。最终联合所有独立预测因素以建立列线图预测大面积脑梗死患者的院内死亡。
　　结果：研究最终纳入了158名大面积脑梗死患者，其中有58名在住院期间死亡。通过多因素Logistic回归我们发现年龄(校正后的比值比为1.066；95%可信区间为1.025–1.108；P=0.001)，中线移位(MLS，校正后的比值比为1.330，95%可信区间为1.177-1.503；P<0.001)和中性粒细胞淋巴比(NLR，校正后的比值比为3.319，95%可信区间为1.542-7.144；P=0.02)是院内死亡的独立预测因素。NLR相较于白细胞计数和中性粒细胞计数有更好的预测性能。最后我们联合所有独立预测指标建立了列线图，该列线图的曲线下面积为0.858，95%可信区间为0.794-0.908。
　　结论：本研究发现年龄，MLS和NLR是大面积脑梗死患者院内死亡的独立预测因素，并在此基础上建立了兼具精确性和实用性的列线图预测患者的预后。
　　第二部分：基于网络的恶性脑水肿预测模型
　　目的：对于大面积脑梗死患者来说，恶性脑水肿的其最常见的致命并发症且死亡率高达80%。建立准确便捷的恶性脑水肿预测模型对其潜在机制的理解和临床风险评估十分重要。
　　方法：我们连续纳入了2016年1月1日至2019年8月31日于我院神经内科重症监护室住院并在发病24h内入院的142名LHI患者。恶性脑水肿定义为患者在院内死亡并伴有明显的占位效应(中线移位≥5mm)。使用二元Logistic回归寻找恶性脑水肿的独立预测因素，并联合所有独立预测因素建立基于网络的动态列线图。
　　结果：通过校正可能的混杂因素后我们找到四个独立预测因素，分别是中线移位(MLS)，美国国立卫生院脑卒中量表(NIHSS)评分，累及大脑前动脉供血区的梗死和卒中前诊断的房颤(KAF)。在此基础上，我们使用R软件的“Dynnom”软件包建立了名为MANA的网络动态列线图(www.MANA-nom.com)以计算具体的预测值。该模型的C值为0.887±0.041，内部验证后的AUC-ROC为0.887(95%可信区间为0.828~0.934).
　　结论：中线移位、NIHSS评分、累及大脑前动脉供血区的梗死和KAF为恶性脑水肿的独立预测指标。动态列线图是预测中国大面积脑梗死患者发生MCE的一种方便、实用、有效的临床决策工具。