本文選題：GWTG-Stroke預(yù)測模型 + SOAR預(yù)測模型��； 參考：《首都醫(yī)科大學(xué)》2014年碩士論文

【摘要】：目的 應(yīng)用中國國家卒中登記數(shù)據(jù)庫（China National Stroke Register, CNSR）對卒中類型-牛津郡社區(qū)卒中項目-年齡-卒中前mRS評分模型（Stroke subtype,Oxfordshire Community Stroke Project Classification, Age, and prestroke Rankinstroke，SOAR）評分和跟著指南走（Get With the Guidelines Stroke，GWTG-Stroke）死亡預(yù)測評分進(jìn)行外部驗證，以明確上述兩個預(yù)測模型能否應(yīng)用于中國人群，同時探討上述兩個模型預(yù)測遠(yuǎn)期死亡的能力。 資料與方法 在CNSR中篩選符合原文準(zhǔn)入及排除標(biāo)準(zhǔn)的子數(shù)據(jù)庫。主要終點(diǎn)事件為在院死亡，次要終點(diǎn)為30天、3個月、6個月、1年死亡。對CNSR中子數(shù)據(jù)庫的人群特征及終點(diǎn)事件與原文人群進(jìn)行單因素分析和比較，其中連續(xù)變量的比較應(yīng)t檢驗，分類變量應(yīng)用卡方檢驗，P0.01提示兩組差異有統(tǒng)計學(xué)意義。應(yīng)用多因素Logistic回歸的方法對模型的辨別能力和校正能力進(jìn)行評估，其中辨別能力通過受試者工作曲線下面積（C值）及95%可信區(qū)間進(jìn)行評定，C值越接近1，提示預(yù)測能力越好；校正能力應(yīng)用Pearson相關(guān)系數(shù)比較預(yù)測的及觀察到的死亡事件的擬合程度，相關(guān)系數(shù)0.9提示擬合優(yōu)度好。 結(jié)果 1.對于GWTG-Stroke模型的驗證 CNSR中的人群與GWTG的人群相比存在顯著差異。中國人群較為年輕，男性比例較高，通過私人交通工具到院的比例較高（P0.001）；患房顫、心臟瓣膜置換、既往卒中/TIA、冠狀動脈病、糖尿病、周圍血管病、高血壓和脂代謝紊亂的比例明顯較低（P0.001）。CNSR的在院死亡率為6.3%，明顯低于GWTG的8.5%，其差異具有統(tǒng)計學(xué)意義。無美國國立衛(wèi)生研究院卒中量表(NationalInstitute of Health stroke scale, NIHSS)評分的模型預(yù)測在院死亡的C值為0.76(0.75-0.78)，有NIHSS評分模型的為0.86(0.84-0.88)。有NIHSS評分的模型預(yù)測30天、3個月、6個月和1年死亡率的C值分別為0.86（0.84-0.88），0.84（0.83-0.86），0.83（0.81-0.84），0.82（0.80-0.83），無NIHSS評分的模型預(yù)測中遠(yuǎn)期死亡的C值在0.71-0.76之間。這兩個模型預(yù)測在院死亡時的擬合優(yōu)度欠佳（Pearson相關(guān)系數(shù)分別為0.213、0.689）。 2.對于SOAR模型的驗證 CNSR中的人群與SOAR的人群相比，中國人群較為年輕，男性比例較高，發(fā)病前mRS評分較低（P0.001）；OCSP分型之間存在明顯差異。CNSR的在院死亡率為4.7%，明顯低于SOAR的19.8%，其差異具有統(tǒng)計學(xué)意義。SOAR模型預(yù)測在院、30天、3個月、6個月、1年死亡的C值及95%可信區(qū)間分別為0.73（0.71-0.75），0.71（0.69-0.73），，0.71（0.69-0.72），0.71（0.69-0.72），0.71（0.69-0.72）。并且具有較好的擬合優(yōu)度（Pearson相關(guān)系數(shù)分別為0.9）。 結(jié)論 1. GWTG-Stroke涉及的兩個模型，即無NIHSS模型和有NIHSS均能夠預(yù)測中國卒中患者在院死亡。 2. GWTG-Stroke涉及的兩個模型，能夠預(yù)測中國卒中患者30天、3個月、6個月及1年的死亡，其中有NIHSS模型能夠預(yù)測能力更好。 3. SOAR預(yù)測模型能預(yù)測中國人群卒中在院死亡及30天、3個月、6個月及1年的死亡。
[Abstract]:Purpose Use of China National Stroke Register, CNSR) to evaluate Stroke subtype Oxfordshire Community Stroke Project Classification, Age, and prestroke Rankinstroke-SOARAR-Stroke Type-Oxage in Oxfordshire Community Stroke projects and follow the guidelines to estimate the death of Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-Stroke-death The prediction score was externally validated, In order to determine whether the two prediction models can be applied to Chinese population, and to explore the ability of these two models to predict long-term mortality. Data and methods Screen subdatabases in CNSR that meet the original access and exclusion criteria. The primary end point event was hospital death, and the secondary end point was 30 days, 3 months, 6 months and 1 year. Univariate analysis and comparison of population characteristics and endpoint events between CNSR neutron database and the original population showed that the comparison of continuous variables should be t test, and the difference between the two groups was statistically significant by chi-square test (P0.01). The discriminative ability and correction ability of the model were evaluated by using multivariate Logistic regression method. The better the predictive ability was, the closer the C value of discrimination was assessed by the area under the operating curve (C value) and 95% confidence interval. Pearson correlation coefficient was used to compare the fitting degree of predicted and observed death events, and the correlation coefficient was 0. 9 indicating good fit. Result 1. Verification of GWTG-Stroke Model There was significant difference between the population of CNSR and that of GWTG. The Chinese population is relatively young, the proportion of men is higher, the proportion of people coming to hospital by private means of transportation is higher (P0.001); patients with atrial fibrillation, heart valve replacement, previous stroke / TIA, coronary artery disease, diabetes mellitus, peripheral vascular disease, The hospital mortality of hypertension and lipid metabolism disorder was significantly lower than that of GWTG (P 0.001N. CNSR), which was significantly lower than that of GWTG (8.5%). The model without the National Institute of Health stroke scale, NIHSS) score of the National Institutes of Health (NIH) was used to predict the death in hospital with a C value of 0.76 ~ 0.75 ~ 0.78, and a NIHSS score of 0.86 ~ 0.84-0.88. The C values of the model with NIHSS score were 0.86 ~ 0.84-0.88 ~ 0.83-0.86 ~ 0.86 ~ 0.83-0.86 ~ 0.84 ~ 0.81-0.84 ~ 0.82 ~ 0.80-0.83 respectively. The C value of the model without NIHSS score was between 0.71-0.76 for medium and long term mortality, which was predicted by the model of 30 days, 3 months, 6 months and 1 year, respectively. The Pearson correlation coefficients of the two models were 0.213 ~ 0.689g respectively. 2. Verification of SOAR Model The population in CNSR is younger than that in SOAR, and the proportion of men is higher. There was a significant difference between the mRS scores before onset and P0.001OCSP classification. The mortality rate in hospital was 4.70.It was significantly lower than that of SOAR 19.8.The difference was statistically significant. The Soar model predicted the C value and 95% confidence interval of death in hospital for 30 days, 3 months, 6 months, and 1 year were 0.730.71-0.750.750.730.730.71-0.730.71-0.71 and 0.69-0.72ng 0.779-0.72P, respectively. And the Pearson correlation coefficient with good fitting degree was 0.9. Conclusion 1. The two models involved in GWTG-Stroke, no NIHSS model and NIHSS, were able to predict nosocomial death of stroke patients in China. 2. The two models involved in GWTG-Stroke were able to predict 30 days, 3 months, 6 months and 1 year of death in Chinese stroke patients, among which NIHSS models were better predictors. 3. The SOAR predictive model can predict hospital death and 30 days, 3 months, 6 months and 1 year death of stroke in Chinese population.
【學(xué)位授予單位】：首都醫(yī)科大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：R743.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱建軍,褚新奇;海軍醫(yī)院住院費(fèi)用預(yù)測模型的建立與應(yīng)用[J];解放軍醫(yī)院管理雜志;2002年05期

2 許乾雄,肖創(chuàng)普;用灰色預(yù)測模型對病毒性肝炎發(fā)病率作預(yù)測[J];中國公共衛(wèi)生;1993年02期

3 Schneck M.E. ,Bearse Jr. M.A. ,楊建剛;糖尿病視網(wǎng)膜病變進(jìn)展的定位預(yù)測模型的形成和評估[J];世界核心醫(yī)學(xué)期刊文摘.眼科學(xué)分冊;2005年04期

4 Spears J.;TerBrugge K.G.;Moosavian M.;M.Tymianski;郭俊;;腦動靜脈畸形手術(shù)治療后患者神經(jīng)功能預(yù)后的判別預(yù)測模型[J];世界核心醫(yī)學(xué)期刊文摘(神經(jīng)病學(xué)分冊);2006年12期

5 王平根,吳海濤,高志平;醫(yī)院藥品預(yù)測模型[J];中國藥學(xué)雜志;1999年03期

6 李娟;方慧生;;一種新的基于平均相似性方法的蛋白質(zhì)天然構(gòu)象預(yù)測模型質(zhì)量評測方法[J];藥物生物技術(shù);2010年04期

7 李清江;;基于結(jié)核病預(yù)測模型的比較研究[J];硅谷;2012年14期

8 朱卉;韓昌斌;李曉武;阮積棟;李國華;;武漢市市區(qū)車禍死亡人數(shù)灰色預(yù)測模型及其近期效果評價[J];中國衛(wèi)生統(tǒng)計;1991年01期

9 孔超;劉元鳳;沈續(xù)雷;;灰色預(yù)測模型的SAS程序改進(jìn)[J];中國衛(wèi)生統(tǒng)計;2008年06期

10 伍麗萍;王述蓉;陳玉;陳聰;吳佳琦;葉利明;;生物分配膠束液相色譜中β-內(nèi)酰胺類抗生素定量保留-活性關(guān)系預(yù)測模型的研究[J];中國藥學(xué)雜志;2008年07期

相關(guān)會議論文 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預(yù)測[A];第九屆中國青年信息與管理學(xué)者大會論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的服務(wù)業(yè)發(fā)展預(yù)測模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 李兆芹;姚克敏;;一種新的疾病發(fā)病率預(yù)測模型研究[A];首屆長三角氣象科技論壇論文集[C];2004年

4 王亮;劉豹;徐德民;;預(yù)測模型的選擇及其智能化實現(xiàn)[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第六次年會論文集[C];1990年

5 肖健華;吳今培;;基于支持向量機(jī)的預(yù)測模型及應(yīng)用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

6 李兆芹;姚克敏;;一種新的疾病發(fā)病率預(yù)測模型研究[A];首屆長三角科技論壇——?dú)庀罂萍及l(fā)展論壇論文集[C];2004年

7 李陽旭;鄧輝文;;一種新的企業(yè)市場預(yù)測模型及其比較研究[A];2004年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2004年

8 張曉f^;;全球煤炭產(chǎn)量的灰色預(yù)測模型[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學(xué)術(shù)年會論文集[C];2007年

9 馬志元;;城市區(qū)域經(jīng)濟(jì)、人口、能源、環(huán)境綜合系統(tǒng)預(yù)測模型及應(yīng)用[A];中國城市建設(shè)與環(huán)境保護(hù)實踐——城市建設(shè)與環(huán)境保護(hù)學(xué)術(shù)研討會論文集[C];1997年

10 肖會敏;樊為剛;;基于神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測模型[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學(xué)會學(xué)術(shù)年會專輯[C];2004年

相關(guān)重要報紙文章 前10條

1 劉慶;“預(yù)測模型”要緩行[N];網(wǎng)絡(luò)世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設(shè)計價格預(yù)測模型見成效[N];中國石油報;2010年

3 南方日報記者 彭琳　實習(xí)生 周鵬程;預(yù)測世界杯之外 大數(shù)據(jù)還能做什么[N];南方日報;2014年

4 本報記者 張超;預(yù)測模型：推算SARS起落潮[N];科技日報;2003年

5 本報記者 段佳;機(jī)器“品肉師”替您“嘗鮮”[N];大眾科技報;2010年

6 BMC首席IT技術(shù)官 Mahendra Durai　IDC顧問 Eric Hatcher Randy Perry;預(yù)測智能：管理復(fù)雜基礎(chǔ)架構(gòu)的鎖鑰[N];中國計算機(jī)報;2010年

7 張琳 趙偉;巧用Excel構(gòu)建利潤預(yù)測模型[N];財會信報;2007年

8 楊宜勇（作者為國家發(fā)改委經(jīng)濟(jì)研究所副所長）;發(fā)揮信息化對就業(yè)的“增補(bǔ)效應(yīng)”[N];第一財經(jīng)日報;2005年

9 本報記者 湯潯芳　實習(xí)記者 董文萍;“孵化器”模式：大數(shù)據(jù)的垂直運(yùn)營樣本[N];21世紀(jì)經(jīng)濟(jì)報道;2014年

10 本報記者 安豐;深部找礦的探鏡[N];中國國土資源報;2006年

相關(guān)博士學(xué)位論文 前10條

1 孫忠林;煤礦安全生產(chǎn)預(yù)測模型的研究[D];山東科技大學(xué);2009年

2 王冬光;控制技術(shù)在投資預(yù)測模型建立中的應(yīng)用研究[D];哈爾濱工程大學(xué);2005年

3 張麗峰;中國能源供求預(yù)測模型及發(fā)展對策研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2006年

4 王育紅;灰色預(yù)測模型與灰色證據(jù)組合模型研究及應(yīng)用[D];南京航空航天大學(xué);2010年

5 崔立志;灰色預(yù)測技術(shù)及其應(yīng)用研究[D];南京航空航天大學(xué);2010年

6 崔杰;灰色不確定系統(tǒng)建模的理論與方法研究[D];南京航空航天大學(xué);2010年

7 陳玉海;我國CPI預(yù)測數(shù)量研究[D];中南大學(xué);2009年

8 李勇;肉仔雞生長機(jī)制性預(yù)測模型的研究[D];中國農(nóng)業(yè)科學(xué)院;2010年

9 孫文霞;公共交通系統(tǒng)規(guī)劃若干關(guān)鍵問題研究[D];天津大學(xué);2010年

10 米生權(quán);中國成人個體糖尿病發(fā)病風(fēng)險預(yù)測模型的建立及驗證[D];中國疾病預(yù)防控制中心;2011年

相關(guān)碩士學(xué)位論文 前10條

1 龍博學(xué);汽車整車銷售預(yù)測模型的研究[D];北方工業(yè)大學(xué);2010年

2 郭慶;我國農(nóng)業(yè)災(zāi)害預(yù)測模型的研究[D];武漢理工大學(xué);2009年

3 陳蓉;話務(wù)量分析和多種預(yù)測模型的比較研究[D];北京郵電大學(xué);2008年

4 王忠桃;灰色預(yù)測模型相關(guān)技術(shù)研究[D];西南交通大學(xué);2008年

5 彭旭;破產(chǎn)預(yù)測模型的比較研究[D];西南財經(jīng)大學(xué);2013年

6 王娜;高校就業(yè)預(yù)測模型的初探[D];北京林業(yè)大學(xué);2009年

7 閆夏;基于預(yù)測模型的預(yù)警集成系統(tǒng)在瓦斯安全管理中的應(yīng)用[D];太原理工大學(xué);2010年

8 張倩;基于Real-time PCR方法建立Escherichia coli O157:H7生長預(yù)測模型[D];南京師范大學(xué);2014年

9 劉瑞年;汽車銷售預(yù)測模型應(yīng)用研究[D];武漢理工大學(xué);2009年

10 張玨;網(wǎng)絡(luò)輿情預(yù)測模型與平臺的研究[D];北京交通大學(xué);2009年

本文編號：1839690