目的:本研究旨在应用数据挖掘技术对临床确诊的脑卒中病人康复治疗的病历资料进行分析和总结,探索出影响其日常生活活动能力恢复的重要因素并构建初步的预测模型。方法:（1）本研究通过收集310例临床确诊的脑卒中病例相关信息,包括电子病历数据（患者人口统计学信息、入院诊断、康复治疗项目、影像检查指标、出院诊断等）、康复评定量表等临床资料,建立数据库;（2）对治疗转归结果的影响因素进行统计分析,以初步找出显著的相关因素,然后使用主成分分析（PCA）方法筛选代表性指标;（3）对主成分分析形成的新代表性指标用数据挖掘分类算法建立脑卒中康复结局预测模型,包括logistic回归分析模型、支持向量机、人工神经网络模型和决策树模型等;（4）通过准确度、敏感度、特异度、阳性预测值、阴性预测值以及ROC曲线下面积等评价指标对各个模型的性能进行评价;（5）最后,选择较优的模型应用于根据病人的临床资料进行前瞩性研究,预测出病人脑卒中后日常生活活动能力的恢复程度,从而为临床医生制定更优化康复治疗方案提供决策依据,并在临床实践中不断进行验证和完善。结果:（1）本研究得出脑卒中后日常生活恢复不能独立组与独立组在总住院天数、康复天数、总费用、自付金额、出院主诊断、多发病灶、基底节区、颞叶、岛叶、手术、病例分型、危重疑难病人、从ICU转出、抗生素使用、既往有高血压、既往有糖尿病、伴意识障碍、伴头晕、言语功能障碍、吞咽功能障碍、认知功能障碍、合并肺炎、合并颈椎病、合并慢性乙肝、合并高血压、伴恶心呕吐、抽烟、合并低蛋白血症、白细胞升高、心电图、大脑中动脉、下肢静脉血栓、（入）上肢Brunnstrom分期、（入）手Brunnstrom分期、（入）下肢Brunnstrom分期、（入）Holden步行能力分级、（入）患侧上肢肌力、（入）患者下肢肌力、（入）坐位平衡、（入）站位平衡、（入）手功能、（入）ADL分、FIM初评、VTE风险评估、冲击波、偏瘫肢体综合训练、神经促通技术、神经肌肉电刺激、磁疗、吞咽障碍电刺激训练、吞咽功能障碍训练、言语训练、呼吸训练比较差异有统计学意义（P＜0.05）。（2）本研究通过主成分分析技术,将167个自变量浓缩成47个能代表大部分信息并且互相独立的新变量。（3）本研究中Logistic回归模型对脑卒中后日常生活活动能力的预测准确率达93.5%,敏感度为85.3%,特异度为96.1%,阳性预测值为87.7%,阴性预测值为95.3%,ROC曲线下面积为0.902。支持向量机对脑卒中后日常生活活动能力的预测准确度为97.1%,敏感度为88.3%,特异度为100%,阳性预测值为100%,阴性预测值为96.3%,ROC曲线下面积为0.942。人工神经网络对脑卒中后日常生活活动能力的预测准确度为89.7%,敏感度为75.3%,特异度为94.4%,阳性预测值为81.7%,阴性预测值为92.1%,ROC曲线下面积为0.849。分类回归树对脑卒中后日常生活活动能力的预测准确度为95.2%,敏感度为88.3%,特异度为97.4%,阳性预测值为91.9%,阴性预测值为96.2%,ROC曲线下面积为0.929。QUEST对脑卒中后日常生活活动能力的预测准确度为92.9%,敏感度为84.4%,特异度为95.7%,阳性预测值为86.7%,阴性预测值为94.9%,ROC曲线下面积为0.901。CHAID对脑卒中后日常生活活动能力的预测准确度为95.5%,敏感度为87.0%,特异度为98.3%,阳性预测值为94.4%,阴性预测值为95.8%,ROC曲线下面积为0.926。结论:（1）本研究发现对脑卒中后日常生活活动能力的功能独立性评分有影响的因素有53个,并对这些因素进行详细的分析,阐明了它们对脑卒中后日常生活活动能力产生影响的机理和机制。此外,我们运用了主成分分析技术,将167个自变量浓缩成47个能代表大部分信息并且互相独立的新变量,这些新变量都具有明确的含义,并且都代表了患者诊疗信息的各个维度,如FAC1为肢体功能障碍因子,FAC2为病情严重程度因子,FAC3为综合康复治疗因子,等。（2）本研究在主成分分析的基础上,成功地构建了定量预测模型,包括支持向量机模型、分类回归树模型、CHAID模型、Logistic回归模型、QUEST模型、人工神经网络等模型,并用准确度、敏感度、特异度、阳性预测值、阴性预测值以及ROC曲线下面积等指标进行考核,结果表明,这些模型都具有较高的准确性、特异性、敏感度,ROC曲线下面积等指标也比较理想,其中支持向量机模型对脑卒中后日常生活活动能力的综合性能最佳,而logistic回归模型使用最为简便和直观,可根据临床的不同需要来选择。（3）通过筛选出对脑卒中后日常生活活动能力的功能独立性评分有显著影响的因素和建立预测模型,本研究提炼出针对性较强的脑卒中后日常生活活动能力恢复的康复要点,为临床医生制定更优化的康复治疗方案提供决策依据。