目的探究言语训练联合神经电刺激对老年脑卒中后非流畅性失语的有效性。方法选择2020年1月至2024年6月苏州大学附属第一医院康复医学科收治的老年脑卒中后非流畅性失语患者102例,按随机数表法分为研究组51例和对照组51例。对照组接受言...目的探究言语训练联合神经电刺激对老年脑卒中后非流畅性失语的有效性。方法选择2020年1月至2024年6月苏州大学附属第一医院康复医学科收治的老年脑卒中后非流畅性失语患者102例,按随机数表法分为研究组51例和对照组51例。对照组接受言语训练,研究组在此基础上联合神经电刺激,疗程14 d。比较两组疾病症状(中国康复研究中心汉语标准失语症检查量表)、认知功能[非语言性认知功能评估量表(non-language-based cognitive assessment,NLCA)]、心理状态[脑卒中失语抑郁量表(stroke aphasia depression questionnaire,SADQ)、中文版简易老年焦虑问卷(Chinese version of geriatric anxiety inventory-short form,GAI-SF)]、生活质量[脑卒中失语症生活质量量表(stroke aphasia quality of life scale-39,SAQOL-39g)]的差异。结果研究组治疗后听理解、复述能力、漫画说明、名词列举、计算能力、自发性谈话、朗读能力、描写能力、听写能力评分明显高于对照组,差异有统计学意义(P<0.05,P<0.01)。研究组NLCA评分总分及各维度记忆力、注意力、执行力、视空间力、逻辑推理评分明显高于对照组,差异有统计学意义(P<0.05,P<0.01)。研究组治疗后GAI-SF、SADQ评分明显低于对照组[(2.10±0.65)分vs(2.45±0.72)分,P<0.05;(20.15±4.83)分vs(23.42±4.95)分,P<0.01]。研究组治疗后SAQOL-39g评分总分、交流、心理社会评分明显高于对照组,差异有统计学意义[(131.90±13.78)分vs(126.15±15.02)分,P<0.05;(24.30±2.85)分vs(22.45±2.90)分,P<0.01;(55.30±5.80)分vs(51.75±6.10)分,P<0.01]。结论言语训练联合神经电刺激治疗老年脑卒中后非流畅性失语有助于减轻失语症状,提高认知功能,改善不良心理状态,有效提高生活质量。展开更多
目的构建并验证基于CT及灌注特征的分级预测模型,评估其对急性缺血性卒中血管内治疗后神经功能改善的预测价值。方法回顾性分析2019年1月至2024年3月重庆医科大学附属永川医院收治的183例接受机械取栓治疗的缺血性卒中患者的临床资料。...目的构建并验证基于CT及灌注特征的分级预测模型,评估其对急性缺血性卒中血管内治疗后神经功能改善的预测价值。方法回顾性分析2019年1月至2024年3月重庆医科大学附属永川医院收治的183例接受机械取栓治疗的缺血性卒中患者的临床资料。根据6个月mRS评分将患者分为未改善组(n=44)和改善组(n=139)。收集临床资料、CT平扫及CTP参数,构建6个创新性综合指标,包括早期神经功能严重程度指数(ENSI)、灌注-核心不匹配指数(PCMI)等。采用分级建模策略构建基础模型(临床变量)、增强模型(+CT形态学)和综合模型(+CTP及创新性变量),通过受试者工作特征(ROC)曲线、净重分类改善指数(NRI)和综合判别改善指数(IDI)评估模型性能。结果未改善组患者的基线NIHSS评分[(18.45±5.68)分vs(12.41±5.70)分]、血糖水平[(8.76±4.68)mmol/L vs(6.70±2.25)mmol/L]和核心梗死体积[20.28(1.92~67.59)mL vs 3.68(0.86~11.80)mL]均明显高于改善组,差异均有统计学意义(P<0.01)。多因素分析结果显示,基线NIHSS(OR=1.231,P<0.001)、血糖(OR=1.285,P=0.001)、核心梗死体积(OR=1.016,P=0.037)和ENSI(OR=0.831,P=0.006)是独立预测因子。综合模型AUC值(0.855)优于增强模型(0.830)和基础模型(0.825)。相对于增强模型,综合模型NRI达0.677,IDI为0.091。结论整合CTP参数和创新性综合指标的分级预测模型可有效预测缺血性卒中血管内治疗后神经功能改善。ENSI作为独立预测因子,计算简便,具有良好的临床应用前景。展开更多
目的基于机器学习特征辅助筛选来构建脑梗死早期精准诊断及预后的预测模型。方法将2023年2月~2025年2月南阳市第二人民医院收治的140例脑梗死患者纳入脑梗死组,选取同期于笔者医院进行体检的210例健康人群为非脑梗死组。并将350例研究...目的基于机器学习特征辅助筛选来构建脑梗死早期精准诊断及预后的预测模型。方法将2023年2月~2025年2月南阳市第二人民医院收治的140例脑梗死患者纳入脑梗死组,选取同期于笔者医院进行体检的210例健康人群为非脑梗死组。并将350例研究对象按照6∶4分为训练集(n=210)和验证集(n=140)。观察研究对象的基线资料;分析与脑梗死诊断显著相关的风险变量,构建列线图预测模型并进行验证;分析模型对患者预后的预测价值。结果两组年龄、体重指数、吸烟史、高血压、糖尿病、颈动脉斑块、收缩压、舒张压、血糖、总胆固醇、甘油三酯、尿素、血肌酐、总胆红素、谷丙转氨酶、同型半胱氨酸、美国国立卫生研究院卒中量表(national institutes of health stroke scale,NIHSS)评分、改良Rankin量表评分等指标比较,差异有统计学意义(P<0.05);Logistic回归分析结果显示,年龄、吸烟史、血糖、血肌酐、同型半胱氨酸、NIHSS评分为与脑梗死诊断显著相关的风险变量(P<0.05);基于Boruta算法,最终筛选出血糖、血肌酐、同型半胱氨酸、NIHSS评分等4个变量纳入模型;Hosmer Lemeshow拟合优度检验显示:χ^(2)=0.101,P>0.05,且模型的预测概率与实际事件发生率之间的一致性较高;训练集和验证集中,主成分分析显示低风险和高风险两组均较为离散;与低风险组比较,高风险组患者血糖、血肌酐、同型半胱氨酸、NIHSS评分较高(P<0.05)。结论基于血糖、血肌酐、同型半胱氨酸、NIHSS评分构建的列线图预测模型可以较好地辅助评估脑梗死诊断,且对患者预后有一定的预测价值。展开更多
文摘目的探究言语训练联合神经电刺激对老年脑卒中后非流畅性失语的有效性。方法选择2020年1月至2024年6月苏州大学附属第一医院康复医学科收治的老年脑卒中后非流畅性失语患者102例,按随机数表法分为研究组51例和对照组51例。对照组接受言语训练,研究组在此基础上联合神经电刺激,疗程14 d。比较两组疾病症状(中国康复研究中心汉语标准失语症检查量表)、认知功能[非语言性认知功能评估量表(non-language-based cognitive assessment,NLCA)]、心理状态[脑卒中失语抑郁量表(stroke aphasia depression questionnaire,SADQ)、中文版简易老年焦虑问卷(Chinese version of geriatric anxiety inventory-short form,GAI-SF)]、生活质量[脑卒中失语症生活质量量表(stroke aphasia quality of life scale-39,SAQOL-39g)]的差异。结果研究组治疗后听理解、复述能力、漫画说明、名词列举、计算能力、自发性谈话、朗读能力、描写能力、听写能力评分明显高于对照组,差异有统计学意义(P<0.05,P<0.01)。研究组NLCA评分总分及各维度记忆力、注意力、执行力、视空间力、逻辑推理评分明显高于对照组,差异有统计学意义(P<0.05,P<0.01)。研究组治疗后GAI-SF、SADQ评分明显低于对照组[(2.10±0.65)分vs(2.45±0.72)分,P<0.05;(20.15±4.83)分vs(23.42±4.95)分,P<0.01]。研究组治疗后SAQOL-39g评分总分、交流、心理社会评分明显高于对照组,差异有统计学意义[(131.90±13.78)分vs(126.15±15.02)分,P<0.05;(24.30±2.85)分vs(22.45±2.90)分,P<0.01;(55.30±5.80)分vs(51.75±6.10)分,P<0.01]。结论言语训练联合神经电刺激治疗老年脑卒中后非流畅性失语有助于减轻失语症状,提高认知功能,改善不良心理状态,有效提高生活质量。
文摘目的构建并验证基于CT及灌注特征的分级预测模型,评估其对急性缺血性卒中血管内治疗后神经功能改善的预测价值。方法回顾性分析2019年1月至2024年3月重庆医科大学附属永川医院收治的183例接受机械取栓治疗的缺血性卒中患者的临床资料。根据6个月mRS评分将患者分为未改善组(n=44)和改善组(n=139)。收集临床资料、CT平扫及CTP参数,构建6个创新性综合指标,包括早期神经功能严重程度指数(ENSI)、灌注-核心不匹配指数(PCMI)等。采用分级建模策略构建基础模型(临床变量)、增强模型(+CT形态学)和综合模型(+CTP及创新性变量),通过受试者工作特征(ROC)曲线、净重分类改善指数(NRI)和综合判别改善指数(IDI)评估模型性能。结果未改善组患者的基线NIHSS评分[(18.45±5.68)分vs(12.41±5.70)分]、血糖水平[(8.76±4.68)mmol/L vs(6.70±2.25)mmol/L]和核心梗死体积[20.28(1.92~67.59)mL vs 3.68(0.86~11.80)mL]均明显高于改善组,差异均有统计学意义(P<0.01)。多因素分析结果显示,基线NIHSS(OR=1.231,P<0.001)、血糖(OR=1.285,P=0.001)、核心梗死体积(OR=1.016,P=0.037)和ENSI(OR=0.831,P=0.006)是独立预测因子。综合模型AUC值(0.855)优于增强模型(0.830)和基础模型(0.825)。相对于增强模型,综合模型NRI达0.677,IDI为0.091。结论整合CTP参数和创新性综合指标的分级预测模型可有效预测缺血性卒中血管内治疗后神经功能改善。ENSI作为独立预测因子,计算简便,具有良好的临床应用前景。
文摘目的基于机器学习特征辅助筛选来构建脑梗死早期精准诊断及预后的预测模型。方法将2023年2月~2025年2月南阳市第二人民医院收治的140例脑梗死患者纳入脑梗死组,选取同期于笔者医院进行体检的210例健康人群为非脑梗死组。并将350例研究对象按照6∶4分为训练集(n=210)和验证集(n=140)。观察研究对象的基线资料;分析与脑梗死诊断显著相关的风险变量,构建列线图预测模型并进行验证;分析模型对患者预后的预测价值。结果两组年龄、体重指数、吸烟史、高血压、糖尿病、颈动脉斑块、收缩压、舒张压、血糖、总胆固醇、甘油三酯、尿素、血肌酐、总胆红素、谷丙转氨酶、同型半胱氨酸、美国国立卫生研究院卒中量表(national institutes of health stroke scale,NIHSS)评分、改良Rankin量表评分等指标比较,差异有统计学意义(P<0.05);Logistic回归分析结果显示,年龄、吸烟史、血糖、血肌酐、同型半胱氨酸、NIHSS评分为与脑梗死诊断显著相关的风险变量(P<0.05);基于Boruta算法,最终筛选出血糖、血肌酐、同型半胱氨酸、NIHSS评分等4个变量纳入模型;Hosmer Lemeshow拟合优度检验显示:χ^(2)=0.101,P>0.05,且模型的预测概率与实际事件发生率之间的一致性较高;训练集和验证集中,主成分分析显示低风险和高风险两组均较为离散;与低风险组比较,高风险组患者血糖、血肌酐、同型半胱氨酸、NIHSS评分较高(P<0.05)。结论基于血糖、血肌酐、同型半胱氨酸、NIHSS评分构建的列线图预测模型可以较好地辅助评估脑梗死诊断,且对患者预后有一定的预测价值。
