残余胆固醇水平与缺血性脑卒中复发风险的关联性及其预测价值研究

背景血清残余胆固醇(RC)与缺血性脑卒中发病相关,然而RC水平与缺血性脑卒中复发的相关性研究较少,且尚少有研究探讨RC在缺血性脑卒中患者脑卒中复发中的预测价值。目的通过检测缺血性脑卒中患者血清RC水平,探讨RC水平与脑卒中复发的相关性及其预测价值。方法纳入2019年3月—2021年3月在南昌大学第一附属医院、南昌大学第二附属医院、南昌市第二医院和南昌市第三医院住院且确诊为缺血性脑卒中的住院患者为研究对象,收集入院后48 h内的相关临床信息,并对其随访12个月,明确脑卒中复发情况。采用Cox比例风险回归模型及限制性立方样条(RCS)分析RC水平与缺血性脑卒中复发的相关性。通过受试者工作特征(ROC)曲线分析RC水平对缺血性脑卒中复发的预测价值。结果研究共纳入1023例患者,其中107例(10.46%)缺血性脑卒中患者1年内复发。多因素Cox比例风险回归模型分析结果显示,高RC水平是缺血性脑卒中复发的独立危险因素(HR=2.709,95%CI=1.150~6.382,P<0.05)。RC水平与缺血性脑卒中患者复发风险存在非线性的正性剂量-反应关系(P-Nonlinear=0.0193)。RC预测缺血性脑卒中患者1年内复发的ROC曲线下面积为0.687(95%CI=0.631~0.743),最佳截断值为0.58 mmol/L。RC联合Essen卒中风险评分量表(ESRS)与单独ESRS预测缺血性脑卒中患者1年内复发的ROC曲线下面积比较,差异有统计学意义(Z=2.3562,P<0.05)。结论高RC水平是缺血性脑卒中患者复发的独立危险因素,并对于缺血性脑卒中复发具有一定的预测价值。

虚拟现实技术在DSA手术示教和指导平台的应用研究

目的构建一种基于5G网络、虚拟现实VR和MEC边缘云技术的DSA神经介入手术示教平台,为基层医院提供更加全面和沉浸式的手术示教观看体验。方法该平台通过多种数据采集设备,将神经介入手术中DSA设备影像与手术全景及其它生命体征数据实时反馈,并采用高性能编码器和专业VR相机,实现DSA神经介入手术的高质量教学演示和实时交互功能。结果平台可以支持多种终端在线观看手术示教过程,通过微信和PC网页实现DSA神经介入手术直播转播,同时运用VR眼镜端为医护人员提供沉浸式的观看体验,已在江西省内36个区县的45家基层医院的神经介入手术中应用。结论DSA神经介入手术示教平台有效地利用了5G网络、虚拟现实VR和MEC边缘云技术,为基层医院提供了一个更加全面和便捷的神经介入手术示教观看体验,提高了当地的医疗水平和服务质量。

全身炎症反应指数与缺血性脑卒中患者复发风险的关联性研究

背景全身炎症反应指数(SIRI)是一种较新的炎症生物标志物,其与缺血性脑卒中患者复发的关系尚不明确。目的探讨SIRI水平与缺血性脑卒中患者1年内复发的关联性。方法选取2019年3月—2021年3月在南昌大学第一附属医院、南昌大学第二附属医院、南昌市第二医院和南昌市第三医院住院且确诊为缺血性脑卒中的患者作为研究对象进入队列,并对其随访1年。收集患者入院后48 h内的基线信息、随访过程中的缺血性脑卒中复发情况。采用Cox比例风险回归模型、限制性立方样条、亚组分析探讨SIRI与缺血性脑卒中患者1年内复发之间的关联性。结果本研究纳入了1023例患者,在1年随访期间共107例(10.46%)复发。多因素Cox比例风险回归模型分析结果显示,在调整变量后,SIRI升高是缺血性脑卒中复发的危险因素(HR=1.06,95%CI=1.01~1.10,P<0.05)。将SIRI按四分位数分类时,与Q1亚组(256例)相比,Q4亚组(256例)有较高的缺血性脑卒中复发风险(HR=1.80,95%CI=1.08~3.00,P<0.05)。限制性立方样条分析结果显示,SIRI与缺血性脑卒中复发风险呈J型的剂量-反应关系(PNonlinear=0.025)。进一步按性别、年龄、既往脑卒中、入院时美国国立卫生研究院卒中量表(NIHSS)评分分层进行亚组分析,结果显示,SIRI和入院时NIHSS评分分层存在交互作用(P<0.001),在NIHSS评分为0~1分时,SIRI(HR=1.25,95%CI=1.04~1.51,P=0.020)与缺血性脑卒中复发存在相关关系;在NIHSS评分为5~15分时,SIRI(HR=1.20,95%CI=1.12~1.28,P<0.001)与缺血性脑卒中复发存在相关关系;在上述评分区间SIRI升高与缺血性脑卒中复发风险增加有关。结论较高的SIRI与缺血性脑卒中复发风险增加明显相关。在SIRI与缺血性脑卒中复发之间观察到J型关联,且在NIHSS评分为0~1、5~15分的缺血性脑卒中患者中,SIRI升高与缺血性脑卒中复发风险增加有关。

医学人工智能新基建的应用发展研究

本研究调研了人工智能在医学领域的应用发展现状,分析了目前医学人工智能的发展情况及面临的挑战,提出医学人工智能新基建的概念及其应用发展目标与对策,涵盖医学大数据汇聚与治理、云计算与大语言模型、医疗健康协同服务、医学人工智能教学科研等方面。期望促进健康医疗大数据资源的汇聚、融合、交互和共享,推动数据治理、临床辅助诊断、医院智慧管理、专科专病数据库建设和智能药物研发等医学人工智能技术的应用与创新,为健康医疗基础设施建设提供战略支撑。

降雨量与脑卒中入院的关联性:基于分布滞后非线性模型

背景脑卒中是严重危害人类健康的主要慢性病,降雨量与脑卒中发病的关系尚未明确。目的分析南昌市降雨量与脑卒中入院的关联性,为制定脑卒中综合防治策略和措施提供科学依据。方法收集江西省卫生健康委员会信息中心DRGs管理系统中南昌市2015—2019年脑卒中入院数据及全国城市空气质量实时发布平台大气污染物和南昌市气象基站数据,分析脑卒中入院患者、大气污染物及气象因素的基本特征。采用Spearman秩相关分析探究脑卒中入院例数与大气污染物和气象因素的相关性,利用分布滞后非线性模型分析降雨量与脑卒中入院的关系,并按照性别、年龄(<65岁和≥65岁)进行分层分析,lag代表滞后天数。结果2015—2019年南昌市脑卒中入院患者79523例,其中男性(49072例,61.71%)、年龄≥65岁(48092例,60.48%)的患者所占比例较大,冬(12月~次年2月)、春(3~5月)季脑卒中入院例数分别为20065例(25.23%)、20358例(25.60%)。降雨量与脑卒中入院呈非线性关系,并存在一定的滞后效应。降雨量对脑卒中入院的效应在lag1、lag2的RR值均为1.009,95%CI分别为1.000~1.019、1.001~1.016。分层分析显示:较高降雨量对男性脑卒中入院例数的主要效应为lag6,RR值为1.003;对女性脑卒中入院例数的主要效应为lag1和lag2,RR值分别为1.018(95%CI=1.004~1.031)、1.020(95%CI=1.009~1.031);对65岁以下缺血性脑卒中入院例数的主要效应为lag1(RR=1.016,95%CI=1.003~1.030)、lag2(RR=1.018,95%CI=1.007~1.029)。结论短期暴露于较高降雨量可增加脑卒中入院风险,女性、65岁以下人群对降雨暴露更为敏感,应加强对该人群的防护。

血液检测值对首发缺血性脑卒中患者并发肺部感染的影响

背景住院期间并发肺部感染会明显增加住院费用、时间和死亡率,大大加重了疾病负担。入院24 h内血液检测值对肺部感染是否存在影响尚不清楚。目的分析血液检测值对首发缺血性脑卒中患者并发肺部感染的影响。方法回顾性收集2009年1月-2017年7月南昌大学第二附属医院收治的6 284例首发缺血性脑卒中患者的临床资料,根据是否并发肺部感染将患者分为两组,比较两组患者性别、年龄、当前饮酒情况、当前吸烟情况等基本信息及入院24 h内的血液检测值,采用非条件Logistic回归分析首发缺血性脑卒中患者并发肺部感染的影响因素。结果6 284例首发缺血性脑卒中患者中并发肺部感染者373例(5.94%),其中男237例,女136例,平均年龄为(72.6±10.1)岁。Logistic回归分析显示,年龄、当前吸烟情况、血小板计数、血红蛋白、中性粒细胞绝对值、红细胞分布宽度标准差、肌酐、脂蛋白a是并发肺部感染与否的影响因素(OR值分别为2.316、2.258、0.998、0.987、1.106、1.029、1.003、1.056,P<0.05)。结论首发缺血性脑卒中的血液检测值对并发肺部感染有预测作用,其中血小板计数、血红蛋白水平升高者并发肺部感染的风险降低,中性粒细胞、红细胞分布宽度标准差、肌酐、脂蛋白a升高者并发肺部感染风险加大。

基于XGboost学习算法构建模型对缺血性脑卒中合并房颤患者并发肺部感染的预测价值

目的探讨基于XGboost学习算法构建模型对缺血性脑卒中合并房颤患者并发肺部感染的预测价值.方法选择2018年1月-2019年12月南昌大学第二附属医院收治的缺血性脑卒中合并房颤患者1075例为研究对象,按照7∶3随机分为训练集与验证集,训练集用于构建预测模型,验证集用于评价模型效果;分别采用XGboost和Logistic回归构建缺血性脑卒中合并房颤并发肺部感染的预测模型,通过灵敏度、特异度和受试者特征(ROC)曲线下面积(AUC)评价模型的预测效果.结果共纳入1075例缺血性脑卒中合并房颤患者,年龄(74.82±10.85)岁,其中男性554例(51.53%),肺部感染341例(31.72%);Logistic回归分析模型和XGboost模型的AUC分别为0.671和0.723,灵敏度分别为72.63%和79.01%,特异度分别为68.10%和62.42%,约登指数分别为0.407和0.414.结论在针对缺血性脑卒中合并房颤患者是否并发肺部感染预测研究中,基于XGboost算法构建的预测模型较Logistic具有良好的预测效能.

XGboost模型对缺血性脑卒中出院后90d内复发再入院风险的预测效果分析

目的评价XGboost模型对缺血性脑卒中出院后90d内复发再入院风险的预测效果，为缺血性脑卒中复发再入院高危人群的早期筛查及预防提供参考依据。方法回顾性收集南昌大学第二附属医院神经内科自2007年1月至2017年7月收治的6070例初发缺血性脑卒中患者的临床资料，采用XGboost模型及多因素Logistic回归分析模型筛选出患者出院后90d内复发再入院的影响因素，分析比较两者的受试者工作特征曲线（ROC）及计算敏感度、特异度、约登指数，以评价XGboost模型的预测效果。结果出院后90d内复发再入院的缺血性脑卒中患者共520例，发病率为8．57％。多因素Logistic回归分析显示住院天数（OR=1．016，P=0．000，95％CI：1．008-1．025）、高血压（OR=4．598，P=-0．000，95％CI：3．717-5．687）、肺部感染（OR=1．452，P=-0．025，95％CI：1．048—2．012）、中性粒细胞百分比（OR=1．013，P=-0．006，95％CI：1．004～1．022）、红细胞分布宽度（变异系数）（OR=I．161，P=-0．000，95％CI：1．090～1．237）、碱性磷酸酶（OR=1．003，P=-0．023，95％CI：1．000～1．005）是复发再入院的独立影响因素。XGboost模型显示排名前六位的复发再人院的影响因素分别为高血压（重要度评分32分）、红细胞分布宽度（变异系数）（重要度评分20分）、直接胆红素（重要度评分19分）、住院天数（重要度评分18分）、肺部感染（重要度评分15分）、碱性磷酸酶（重要度评分14分）。ROC曲线分析显示，XGboost模型预测复发再人院的ROC下面积[0．792（95％CI：0．717～0．762）较多因素Logistic回归分析模型[0．739（95％CI：0．764～0．818）]提升了约5个百分点，且模型灵敏度（89．30％）、约登指数（0．444）均明显高于多因素Logistic回归分析模型（77．3％、0．405）。结论XGboost模型对缺血性脑卒中出院后90d内复发再人院的预测效果优于多因素Logistic回归分析模型，可应用于复发再人院的预测和早期诊断，具有一定的临床应用价值。