XiaoMi-AI文件搜索系统
World File Search SystemNIHSS
预测急性缺血性中风早期结果影响因素的机器学习模型：基于登记的研究
背景：及时准确的结果预测在指导急性缺血性卒中的临床决策中起着至关重要的作用。急性期后的早期病情恶化和严重程度是长期结果的决定因素。因此，预测早期结果在急性卒中管理中至关重要。然而，解释预测并将其转化为临床可解释的概念与预测本身一样重要。目的：这项工作专注于机器学习模型分析在预测缺血性卒中早期结果中的应用，并使用模型解释技巧来解释结果。方法：招募 2009 年在长庚医疗系统卒中登记处 (SRICHS) 登记的急性缺血性卒中患者，对两个主要结果进行机器学习预测：出院时的改良 Rankin 量表 (mRS) 和住院期间病情恶化。我们将 4 种机器学习模型，即支持向量机 (SVM)、随机森林 (RF)、轻梯度提升机 (LGBM) 和深度神经网络 (DNN) 与受试者工作特征曲线的曲线下面积 (AUC) 进行了比较。此外，3 种重采样方法，即随机欠采样（RUS）、随机过采样和合成少数过采样技术，处理了不平衡数据。模型基于特征重要性排序和 SHapley 加性解释（SHAP）进行解释。结果：RF 在两种结果中均表现良好（出院 mRS：平均 AUC 0.829，SD 0.018；院内恶化：原始数据上的平均 AUC 0.710，SD 0.023，对于不平衡数据，使用 RUS 重采样数据上的平均 AUC 0.728，SD 0.036）。此外，DNN 在预测未重采样数据的院内恶化方面优于其他模型（平均 AUC 0.732，SD 0.064）。总体而言，重采样对使用不平衡数据预测院内恶化的模型性能的改善有限。从美国国立卫生研究院卒中量表 (NIHSS) 获得的特征、白细胞分类计数和年龄是预测出院 mRS 的关键特征。相反，NIHSS 总分、初始血压、是否患有糖尿病以及血象特征是预测住院期间病情恶化的最重要特征。SHAP 摘要描述了特征值对每个结果预测的影响。结论：机器学习模型在预测早期卒中结果方面是可行的。丰富的特征库可以提高模型性能。初始神经系统水平和年龄决定了出院时的活动独立性。此外，
血清心脏肌钙蛋白T的临床意义和诊断为急性缺血性卒中的患者的危险因素
目的：我们探讨了患有急性缺血性中风（AIS）患者血清心脏肌钙蛋白T（CTNT）水平增加的临床意义和相关危险因素。方法：我们的研究对象由在发病后48小时内入院的患者组成。这些研究参与者的CTNT水平分为两组：正常CTNT组和CTNT组升高。我们对一系列数据进行了统计分析，包括一般临床特征，病史，实验室测试结果，心电图，影像学扫描和医疗记录，例如美国国家健康研究所（NIHSS）的患者评分。结果：在被诊断为AIS的232名患者中，有84名患者（36.21％）表现出升高的CTNT水平。将CTNT队列与常规CTNT水平进行比较时，CTNT升高的人会年龄较大[中位年龄为76岁（四分位间范围：67至83），而四分之一年间范围为70年：61至79至79），p = 0.002]，p = 0.002]，与较高的NIHS相比，4.5（4.5）[8.5（4.5）（4.5）[8.5（4.5）[8.5（4.5）[8.5（ （四分位数范围：2至9），p = 0.002]。此外，升高的CTNT组患者中较大的患者均患有冠状动脉疾病（23.81％vs. 7.43％，P <0.001）和心脏不足（25.00％vs. 3.38％，P <0.001）作为合并症。同时，升高的CTNT组还显示出较高的心电图异常发生，包括束分支块（29.76％vs. 9.46％，p <0.001）和心房颤动（32.14％vs. 11.49％，p <0.001），相比之下。收集了患者的临床数据和相关实验室指标以进行危险因素分析，这表明捆绑分支块[优势比（OR）= 4.17，95％置信区间（95％CI）= 1.43–12.16），将10 N末端的Pro-Brain natriaretic natriuretic肽（log 10 Nt-probnp = 3.41）登录至基础。 1.62-7.16），胱抑素C（OR = 6.86，95％CI = 2.01–23.43）和中性粒细胞/淋巴细胞比率（OR = 1.13，95％CI = 1.02-1.25）是AIS患者中CTNT的独立风险因素。结论：CTNT较高水平的AIS患者表现出更严重的神经系统障碍和更多的合并症。此外，AIS患者的CTNT升高可能与心脏不足，肾功能变化和炎症迹象有关。
通过蛋白质组学分析了解急性脑违规中针灸的机制：前瞻性随机对照试验的方案
方法：在针灸组，对照组和假针刺组中，总共将以1：1：1的比例随机分配132名涉及四家医院的患者。所有患者将接受基本治疗，针灸和假针刺组中的患者也将分别接受针灸或假针刺治疗，每周六次疗程为2周，然后进行3个月的随访。主要结果是在治疗后国家健康中风量表（NIHSS）分数的变化。次要结果将包括FUGL-MEYER评估（FMA）量表得分和Barthel指数（BI）。将记录在试验期间发生的不良事件。要发现差异表达的蛋白质（DEP）及其在ACI受试者和健康对照之间的作用，我们还将执行4D定量蛋白质组学分析，并且将通过酶联免疫吸收测定法（ELISA）确认DEPS。这项研究得到了天津传统中医大学第一教学医院（TYLL2023043）的机构审查委员会的批准。需要患者的书面知情同意书。该试验在中国临床试验注册中注册（CHICTR2300079204）。试验结果将在经过同行评审的学术期刊上发布。
静脉溶栓后，通过机器学习预测与急性缺血性中风相关的糖尿病的结果
本队列研究旨在利用机器学习技术评估急性缺血性卒中 (AIS) 合并糖尿病患者静脉溶栓后的预后结果。分析使用来自沈阳市第一人民医院的数据进行，涉及 2018 年 1 月至 2023 年 12 月接受溶栓治疗的 3,478 名患有糖尿病的 AIS 患者，最终在筛选后关注 1,314 名患者。测量的主要结果为 90 天改良 Rankin 量表 (MRS)。采用 80/20 的训练测试分割进行模型开发和验证，采用各种机器学习分类器，包括人工神经网络 (ANN)、随机森林 (RF)、XGBoost (XGB) 和 LASSO 回归。结果表明，XGB 模型的平均准确率为 0.7355 (±0.0307)，优于其他模型。溶栓后预后的关键预测因素包括美国国立卫生研究院卒中量表 (NIHSS) 和血小板计数。研究结果强调了机器学习算法（尤其是 XGB）在预测糖尿病 AIS 患者功能结果方面的有效性，为临床医生提供了有价值的治疗计划工具，并根据接收者操作特性 (ROC) 分析和准确性评估改善了患者结果预测。
药物在自闭症治疗中的作用
由于两个主要的随机对照试验 - 机会和点，预防次级中风的双重抗血小板疗法已受到越来越多的关注。机会在高风险的短暂性缺血发作（ABCD2≥4）18或次要中风（国立健康研究所中风量表≤3）中发现了阿司匹林和氯吡格雷，在最初的21天中，降低了复发，而与阿司匹林相比，复发率降低而没有增加出血的风险。20点研究表明，与单独的次要中风或高风险短暂性缺血性发作相比，阿司匹林/氯吡格雷组合患者在90天的缺血性中风减少了，而仅大量出血率增加。21随后的荟萃分析（包括这两个试验）都表明，双重抗pipletelets在轻微中风后的头三周似乎是最有益的。22在澳大利亚，中风基金会目前建议使用双重抗血小板疗法在非浮力，非心律失常，次要缺血性中风或高风险短暂性缺血性发作后三周，然后转向单一疗法。3没有证据可以继续进行90天以上的双重治疗。对于较大的中风（NIHSS> 3），双重抗血小板疗法出血的风险超过了好处，不是常规实践。
定量eeg-in-In-In-In-chaemictoke。 ...
抽象简介：中风是全球发病率和死亡率的主要原因。虽然脑电图（EEG）提供了有关中风后大脑活动的有价值的数据，但可能会误解定性的EEG评估。因此，我们检查了定量脑电图（QEEG）的潜力，以确定可以用作中风患者潜在电生理生物标志物的关键带频率。材料和方法：进行了一项单中心病例对照研究，在同意下招募了患有中风和健康对照的患者。EEG在中风患者入院后的48小时内以及对照组的门诊评估期间进行。预处理EEG信号，使用MATLAB分析光谱功率，并绘制为topoplots。结果：总共包括194名参与者，并将同样分为缺血性中风和对照的患者。我们研究队列的平均年龄为55.11岁（SD±13.12），中位国家卫生中风量表（NIHSS）得分中位数为6（IQR 4-6），而Lacunar Stroke是最常见的亚型（49.5％）。光谱分析，随后进行了地形脑映射，突出了Beta，Alpha和Gamma频段内重要通道的聚类。结论：QEEG分析确定了卒中后患者感兴趣的重要带频率，这表明是诊断和预后工具的作用。地形大脑映射提供了可以指导干预和康复策略的精确表示。未来的研究应探讨机器学习用于中风检测并提供个性化治疗方法。关键词：定量脑电图，QEEG，中风，光谱脑电图，地形简介中风是一种异质疾病，其特征是各种血管，血液动力学和全身异常。根据2017年全球疾病，伤害和危险因素研究
补充特里戈纳蜂蜜的潜在影响和相关因素对轻度缺血后中风认知障碍的进展：EX
简介：PSCI最多影响中风患者，是一种并发症，可预测生活质量差，独立性和实质性经济负担。PSCI仍然是中风后并发症，具有LIM的治疗选择。基于当前对PSCI发病机理的理解，Trigona Honey是一种有吸引力的治疗选择，因为它可以通过多种多酚的作用作用于与PSCI发病机理有关的许多神经病理底物。材料和方法：该研究是在与两个平行组模型的单中心，统治，同时进行的，同时进行的主动治疗控制的优势试验之后进行的。介入组还包括除标准治疗方以及对照组的参与者，而对照组的参与者仅继续进行标准治疗方案。两个蜂蜜小袋被宣布为每天口服食用三个月，每天总剂量为20 g。人口统计学和临床特征问卷，MOCA和NIHSS用于数据收集。使用SPSS分析收集的数据。结果：三个月后两组之间平均MOCA得分的差异在统计学上很重要（p <0.05），介入组的增益更高3分。在人口统计学特征，临床因素，中风参数和PSCI的3个月进展之间没有统计学上的显着关系。唯一的例外是改善介入组中当前吸烟者的认知功能。结论：Trigona蜂蜜补充剂可以有效停止PSCI的进展，吸烟会影响PSCI的3个月进展。在中风的严重程度，吐司和OCSP分类和PSCI的3个月进展之间未检测到任何关联。马来西亚医学与健康科学杂志（2024）20（SUPP8）：139-150。 doi：10.47836/mjmhs20.s8.19马来西亚医学与健康科学杂志（2024）20（SUPP8）：139-150。 doi：10.47836/mjmhs20.s8.19
缺血性中风的定量脑电图。......
摘要 简介：中风是全世界发病和死亡的主要原因。虽然脑电图 (EEG) 提供了有关中风后大脑活动的宝贵数据，但定性 EEG 评估可能会被误解。因此，我们研究了定量 EEG (qEEG) 识别可作为中风患者潜在电生理生物标志物的关键波段频率的潜力。材料和方法：进行了一项单中心病例对照研究，其中招募了中风入院患者和健康对照者，并征得其同意。中风患者在入院后 48 小时内进行 EEG 测试，而对照者在门诊评估期间进行 EEG 测试。对 EEG 信号进行预处理，使用 MATLAB 分析其频谱功率，并绘制为地形图。结果：共纳入 194 名参与者，分为缺血性中风患者和对照者。我们研究队列的平均年龄为 55.11 岁（SD±13.12），美国国立卫生研究院卒中量表 (NIHSS) 评分中位数为 6（IQR 4-6），腔隙性卒中是最常见的亚型 (49.5%)。频谱分析，以及随后的脑地形图映射，突出显示了 β、α 和 γ 波段内重要通道的聚集。结论：qEEG 分析确定了卒中后患者感兴趣的重要波段频率，表明其可作为诊断和预后工具。脑地形图映射提供了精确的表示，可以指导干预和康复策略。未来的研究应探索使用机器学习进行卒中检测并提供个性化治疗。关键词：定量脑电图、qEEG、卒中、频谱脑电图、地形介绍卒中是一种异质性疾病，以各种血管、血流动力学和全身异常为特征。根据 2017 年全球疾病、伤害和风险因素负担研究，它是全球第二大死亡原因和第三大残疾原因
标准操作程序（SOP） 再通治疗
该内部标准旨在帮助减少歧义、构建和标准化流程，并促进与其他部门就额外诊断的含义和范围进行讨论。它不想也无法覆盖所有可能的治疗情况。当然，根据医疗经验和对个人情况的评估，合理的例外和偏差也是可能的。个体化再通治疗的决定并不完全取决于神经系统症状的程度，而是取决于患者因此遭受的残疾程度。因此，下面给出的 NIHSS 限制应理解为仅供参考，而非绝对的。可以采用 rt-PA 系统性溶栓治疗 (静脉溶栓：IVT) 和神经放射介入手术 (血管内卒中治疗：EST) 进行血管再通。许多限制和特定房屋的例外情况适用于 IVT（参见 C.1 和 C.2）。 2022年和2023年阿替普酶和替奈普酶将出现供应短缺。 Actilyse® 的 IVT 费用约为 1000 欧元，并且不会在 DRG 系统中额外报销。 EST（见 C.3）在症状出现后 24 小时内也可能有效。因此，对我们来说，影像诊断还应包括对 9 小时时间窗口内的所有中风患者、24 小时时间窗口内的所有严重中风患者（NIHSSS 至少 6）以及所有临床症状出现波动的患者进行即时血管诊断。附录 (第 20 页) 中提供了包含相应更改的版本列表。与之前版本相比，主要的变化以蓝色文本格式显示。作为一项基本的质量标准，我们可以影响住院时间（“门到针时间”、“门到腹股沟时间”）直至再通治疗开始。对于标准溶解术（要点 C.1），“从进门到注射针的时间”不应超过 30 分钟 - 无论到达急诊室需要多长时间。血管内治疗从门到腹股沟的时间应少于60分钟。此版本有哪些新内容？ • 修正了围手术期抗血栓管理部分
基于机器学习的急性缺血性卒中患者接受茶碱辅助溶栓治疗的脑组织梗塞预测：随机临床试验亚组分析
血管活性药物茶碱在动物中风模型中表现出良好的神经保护作用，可减少脑组织水肿、脑损伤和死亡率（1-3），但之前的随机临床试验中的结果存在争议（4、5）。急性缺血性中风试验旨在克服之前试验的局限性，即缺乏急性缺血性中风验证、缺乏血运重建治疗和干预延迟（6）。总共 64 例经 MRI 证实的急性缺血性中风患者被随机分配接受单次 220 毫克茶碱或安慰剂输注，作为溶栓疗法的辅助治疗。共同主要终点是早期临床改善，定义为从基线到 24 小时随访时 NIHSS 评分的变化。茶碱组改善了 4.7 分（标准差 [SD] 5.6），而单纯溶栓治疗组改善了 1.3 分（SD 7.5）（p=0.04）（7）。共同主要终点是 24 小时随访时梗塞生长，茶碱组为 141.6%（SD 126.5），对照组为 104.1%（SD 62.5）（p=0.15）。虽然单独的临床终点可以显示出统计学上显著的早期改善，但由于有两个主要终点，经过多重检验校正后被认为不具有统计学意义。关于成像终点，比较两个样本量较小且中风病变体积差异较大的独立组可能会阻止检测到茶碱的微小影响。因此，预先计划了一种预测后续病变的机器学习方法作为亚组分析。该方法的基本思想是基于在急性期获取的逐体素图像数据和已知的后续病变信息来训练两个机器学习模型。因此，可以为每位患者量化两个预测的后续病变体积，一个病变结果用于茶碱虚拟治疗，一个病变用于安慰剂虚拟治疗，这实际上使可用于统计检验的结果测量值增加了一倍。本研究的目的是利用这种预测模型方法来比较接受茶碱和安慰剂作为溶栓疗法辅助治疗的患者的后续病变体积，以调查茶碱在个别患者中是否存在细微的治疗效果，而在比较小组中的病变体积时这种效果并不明显。