目的:系统评价脑卒中后认知障碍的风险预测模型。方法:检索中国知网、万方数据库、维普网、中国生物医学文献服务系统、PubMed、EMbase、the Cochrane Library、Web of Science和EBSCO数据库中的脑卒中后认知障碍风险预测模型相关研究,...目的:系统评价脑卒中后认知障碍的风险预测模型。方法:检索中国知网、万方数据库、维普网、中国生物医学文献服务系统、PubMed、EMbase、the Cochrane Library、Web of Science和EBSCO数据库中的脑卒中后认知障碍风险预测模型相关研究,检索时限为建库至2023年1月30日。由2名研究者独立筛选文献、提取资料并评价纳入研究的偏倚风险和适用性。结果:共纳入16项研究,包括19个脑卒中后认知障碍风险预测模型,其中,16个模型采用了Logistic回归分析方法,2个模型采用了随机森林的方法,1个模型采用了LASSO回归的方法。建模时受试者工作特征曲线下面积(AUC)为0.773~0.940。4个模型进行了Hosmer-Lemeshow(H-L)检验,其中2个模型报告了P值且P≥0.05。11个模型进行了内部验证,5个模型进行了外部验证,4个模型同时进行了内部验证和外部验证。16项研究适用性较好,但存在较高的偏倚风险,主要问题集中在分析领域。结论:脑卒中后认知障碍风险预测模型整体性能良好,但模型质量有待提高,在未来的研究中需优化研究设计、扩大样本量、根据临床需要选择合适的预测因子、改进统计分析方法,并注重模型的外部验证,以验证模型的泛化能力。展开更多
文摘目的:系统评价脑卒中后认知障碍的风险预测模型。方法:检索中国知网、万方数据库、维普网、中国生物医学文献服务系统、PubMed、EMbase、the Cochrane Library、Web of Science和EBSCO数据库中的脑卒中后认知障碍风险预测模型相关研究,检索时限为建库至2023年1月30日。由2名研究者独立筛选文献、提取资料并评价纳入研究的偏倚风险和适用性。结果:共纳入16项研究,包括19个脑卒中后认知障碍风险预测模型,其中,16个模型采用了Logistic回归分析方法,2个模型采用了随机森林的方法,1个模型采用了LASSO回归的方法。建模时受试者工作特征曲线下面积(AUC)为0.773~0.940。4个模型进行了Hosmer-Lemeshow(H-L)检验,其中2个模型报告了P值且P≥0.05。11个模型进行了内部验证,5个模型进行了外部验证,4个模型同时进行了内部验证和外部验证。16项研究适用性较好,但存在较高的偏倚风险,主要问题集中在分析领域。结论:脑卒中后认知障碍风险预测模型整体性能良好,但模型质量有待提高,在未来的研究中需优化研究设计、扩大样本量、根据临床需要选择合适的预测因子、改进统计分析方法,并注重模型的外部验证,以验证模型的泛化能力。