留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

急性缺血性脑卒中后认知障碍相关因素分析及列线图模型构建

姬燕梅 李文俊 李青芸 郭妮 蒙妮 周丹 李秋宇 金醒昉

黄浩, 李雪林, 韩泽华, 舒文, 朱鹏飞, 向盈盈. CAD/CAM在口腔修复中的应用现状[J]. 昆明医科大学学报, 2024, 45(8): 161-165. doi: 10.12259/j.issn.2095-610X.S20240823
引用本文: 姬燕梅, 李文俊, 李青芸, 郭妮, 蒙妮, 周丹, 李秋宇, 金醒昉. 急性缺血性脑卒中后认知障碍相关因素分析及列线图模型构建[J]. 昆明医科大学学报, 2024, 45(5): 73-81. doi: 10.12259/j.issn.2095-610X.S20240511
Hao HUANG, Xuelin LI, Zehua HAN, Wen SHU, Pengfei ZHU, Yingying XIANG. Application Status of CAD/CAM in Prosthodontics[J]. Journal of Kunming Medical University, 2024, 45(8): 161-165. doi: 10.12259/j.issn.2095-610X.S20240823
Citation: Yanmei JI, Wenjun LI, Qingyun LI, Ni GUO, Ni MENG, Dan ZHOU, Qiuyu LI, Xingfang JIN. The Analysis of Related Factors of Cognitive Impairment after the Acute Ischemic Stroke and Construction of Nomogram Model[J]. Journal of Kunming Medical University, 2024, 45(5): 73-81. doi: 10.12259/j.issn.2095-610X.S20240511

急性缺血性脑卒中后认知障碍相关因素分析及列线图模型构建

doi: 10.12259/j.issn.2095-610X.S20240511
基金项目: 国家自然科学基金资助项目(81460209);云南省科技厅中央引导地方发展基金资助项目(202307AB110005);云南省肿瘤免疫防治重点实验室开放基金资助项目(2017DG004-01);昆明市卫生健康委员会卫生科研基金资助项目(2022-0402-007)
详细信息
    作者简介:

    姬燕梅(1995~),女,云南保山人,在读博士研究生,住院医师,主要从事心脑血管疾病研究工作

    通讯作者:

    金醒昉,E-mail:jinxf177@126.com

  • 中图分类号: R743

The Analysis of Related Factors of Cognitive Impairment after the Acute Ischemic Stroke and Construction of Nomogram Model

  • 摘要:   目的  探索急性缺血性脑卒中后认知障碍发生的相关因素并构建列线图临床预测模型。  方法  以175例急性缺血性脑卒中患者为研究对象,入院后使用简易精神状态量表、蒙特利尔认知评测量表进行认知功能评估,其中卒中后认知功能障碍(post-stroke cognitive impairment,PSCI)组81例,卒中后无认知障碍(post-stroke no cognitive impairment,PSNCI)组94例,收集2组患者基线资料、外周血及头颅磁共振结果,单因素及多因素分析探索急性缺血性卒中后认知障碍发生的影响因素,据此构建列线图预测模型,并对模型进行评价。  结果  多因素回归分析显示日常活动能力受损、HCY、脑梗死体积、脑萎缩是早期PSCI发生的独立危险因素(P < 0.05)。受教育年限、血红蛋白是PSCI发生的保护因素(P < 0.05)。据此构建列线图预测模型,ROC曲线分析列线图模型预测认知障碍的曲线下面积为0.830(95%CI:0.77~0.89),校准曲线内部验证结果显示偏倚校正曲线趋于理想曲线,模型区分度与准确度均较好。  结论  卒中后认知障碍早期往往容易被忽略,临床决策曲线显示模型能有较好的临床净获益。多因素联合构建临床预测模型有助于PSCI的早期识别和高危人群的筛查,对其防治有重要意义。
  • 计算机辅助设计(computer aided design,CAD)和计算机辅助制造(computer aided manufacturing,CAM)是20世纪60年代快速发展起来的新生的综合性计算机应用技术,它是以计算机作为主要技术手段,处理各种数字信息和图形信息,辅助完成产品设计和制造中的各项活动。20世纪80年代,CAD/CAM技术引入口腔领域,促进了口腔医学的发展和进步,在就诊便捷性和流程规范性等方面有明显优势[1-2]

    口腔数字化技术的进步也不断改变着口腔医生的工作方式[3]。数字化技术在口腔科中最显着的好处之一是能够简化复杂的流程,减少患者预约,以及临床手术和实验室时间,并在不影响临床结果的情况下减少制造步骤[46],优化工作流程、提高工作效率[78]。同时CAD/CAM修复材料具有许多优点,如材料质量稳定,成本较低和节省时间等[9] ,这使得CAD/CAM修复材料得到广泛使用。本文将从CAD/CAM在嵌体、全冠、活动义齿、种植义齿及固定桥5种修复方式中的应用进行描述,从而概述CAD/CAM在口腔修复中的应用进展。

    嵌体(Inlay)是1种嵌入患牙内部,用以恢复缺损牙体形态和功能的修复体。如果嵌体部分嵌入牙冠内、部分高于牙面则命名为高嵌体(Onlay)。研究表明[10],高嵌体可良好的修复牙齿缺损,得到极佳的修复效果。Metiner等[11]对数字印模制造嵌体和传统印模制造的嵌体进行了长达12个月的研究,随访结果表明用数字印模制造的嵌体修复体是传统嵌体修复的可靠替代品。嵌体修复后5 a,嵌体和牙冠的平均保存率分别为93.50%和95.38%[1213]。 Tunac等[1415]在经过2 a评估后得出结论:CAD/CAM树脂复合嵌体可以成功用于后牙II类洞修复,且失败率极低,随访结果也显示出高保存率。CAD/CAM高嵌体在修复根管治疗后磨牙大面积缺损的临床应用中各方面表现良好,患者满意度高,值得临床推广[1617]。用CAD/CAM进行嵌体修复时,对医生技术有较高要求,收费也偏高。

    在口腔修复中最多见的1种修复体是全冠,它包绕了整个牙冠,修复缺损牙体,恢复牙齿功能。良好的边缘密合度是全冠修复的基础,修复体与自身牙体的紧密贴合也是我们希望达到的效果。研究表明[18],通过口内扫描仪(intraoral scanners,IOS)获得的CAD/CAM制造修复体比通过传统印模和随后实验室扫描获得的修复体显示出更好的边缘和内部贴合。直接数字工作流程是间接数字工作流程的有效替代方案,用于生产CAD/CAM全陶瓷修复体。口外扫描仪的类型也会影响CAD/CAM制造的牙冠的边缘密合,但它对牙冠与牙体的内部契合度没有显著影响[19]。CAD/CAM 技术可以增强陶瓷材料在口腔中应用,从而提高修复体的生物相容性,满足患者的美学需求[20]。另有研究表明[21],通过CAD/CAM制造的陶瓷全冠寿命低于传统制造的全冠。这可能与陶瓷的类型及其特性有关,关于CAD/CAM在全冠中的应用还有待进一步研究。此外,CAD/CAM行全冠修复对口腔技师有较高要求[22],经验不足、缺乏对材料的了解、数字技术等原因都能造成修复体临床并发症[23]

    可摘局部义齿(removable partial dentures,RPD)是1种患者可以自行摘戴的用于部分牙缺失(牙列缺损)的修复体。由于预期寿命的增加以及人口老龄化,无牙颌种群正在增加。越来越多的老年人要求保留更多牙齿。因此,对RPD治疗的需求将升高,这样的需求还将持续到将来[24]

    传统制造RPD是1个复杂、容易出错、耗时且昂贵的过程。使用CAD/CAM技术,可以快速原型制作,有望成为制造RPD支架的更有效方法[25]。1994年,首次尝试开发CAD/CAM系统来制造完整的RPD修复体[26]。随着当前数字化口腔的创新和发展,CAD/CAM技术制造已能成功地运用于RPD的修复[27]。传统制造的RPD可能非常耗时,并且它们的不贴合已被确定为RPD使用者的主要诉求之一[28]。与传统RPD相比,使用CAD/CAM支架和聚甲基丙烯酸甲酯(polymethyl methacrylate,PMMA)光盘进行数字RPD具有许多优势,它可以进行更准确的RPD支架设计,从而提高贴合度。RPD的贴合度越好,RPD就越舒适和实用。此外,使用计算机化技术可以减少RPD的制作时间,使其比传统技术更快地给患者使用[29]。与传统制造的RPD支架相比,通过CAD/CAM和快速原型技术制造的RPD支架具有临床可接受的拟合度,更高的精度和更好的准确性。但是支架和义齿基底之间粘合的准确性和耐用性的技术仍有待解决。在数字化制造中,人为因素也会影响支架的质量[30]。全数字化RPD可以在没有石膏确定铸件的情况下制造,但全数字RPD的指征仅限于肯氏III/IV类部分牙列缺失的病例[31]。数字印模采集和上颌骨关系记录的困难仍有待解决,需要扩展修复的适应症[32]

    种植义齿(implant denture)是由牙种植体及其支持的上部结构组成的修复体。

    CAD/CAM的引入使临床医生能够使用更便宜的材料和更快的制造程序,提高了义齿修复治疗的效率[33]。口内扫描在单种植体和多种植体修复体中都表现出很高的准确性[34]。IOS数字扫描的准确性与传统的印模技术相比,在单基台或双基台印模时,口内数字扫描具有更高的效率。患者对口内数字扫描的满意度和偏好优于接受传统印模手术的患者[35]。Pesce等[36]通过体外研究,提出数字印模可能可以成为1种可靠的方法,用于在存在倾斜植入物时制作具有良好被动配合的全牙弓植入物支架。李瑾等[37]通过比较上颌前牙缺失后行常规即刻种植修复术和联合应用CAD/CAM牙种植导板进行即刻种植修复术的术前术后咀嚼效率、言语功能及美学效果等指标,提出CAD/CAM牙种植导板联合应用在上颌前牙即刻种植术中能增强修复的精确性、提高咀嚼效率及改善牙周环境。种植导板良好的固位力是提高手术精确度的前提,这对技师的要求较高[38]

    通常情况下,为获得良好的骨支持,上颌窦底至牙槽嵴要有足够的距离,反之则会选择行上颌窦底提升术来处理骨量不足的问题,进行上颌窦底提升术时,应选择“最佳选择”—CAD/CAM引导的设计,因为它减少了组之间和组内所选参数的差异。这有助于没有足够的种植手术经验的口腔医生取得更好的种植效果[39]。Yeung等[40]还将现有的设计原则和CAD/CAM材料相结合,制作出1种金属丙烯酸树脂,最大限度地减少了单个牙齿断裂,并促进了磨损表面的有效表面修复。

    CAD/CAM牙种植导板引导下的牙种植手术治疗效果高于常规牙种植手术,可有效改善咀嚼功能。CAD/CAM引入种植义齿修复,需要医生和技师的高度配合,以保证手术的精确性。

    固定桥用于修复牙列中1个或几个缺失牙,通过粘接剂或固定装置与缺牙2侧预备好的基牙或种植体连接成一体,恢复缺失牙的形态和功能。将CAD/CAM技术整合到完整的义齿设计和制造中,简化了临床和加工厂的流程,并改善了义齿的物理特性,提高了义齿质量[41]。CAD/CAM 系统能够生产可重复制作且边缘间隙小的固定桥[42]。与传统方法和其他合金制成的结构相比,由CAD/CAM技术制成的锆基修复体在边缘贴合、减少炎症、良好维护以及牙周健康等方面展现了更好的临床效果[43]

    综上所述,CAD/CAM在嵌体、全冠、活动义齿、种植义齿及固定桥五种修复方式中应用广泛。CAD/CAM的应用增加了修复体的精密度、准确度,减少临床诊治时间和就诊次数,数字存档可显著提高数据保留率,更有利于以患者为中心的治疗和临床修复后随访。CAD/CAM制作的修复义齿在强度、刚度及耐腐蚀性等方面具有优势,提升了义齿与牙体之间的贴合度,增加了义齿的韧性、极限弯曲强度和更高的弹性模量等[44]。除此之外,CAD/CAM还可应用于过渡粘接中以恢复咬合[45]。虽然CAD/CAM技术还存在部分如初始成本高的局限性[46],但其给口腔修复带来的诸多优点不容小觑。未来,CAD/CAM将更加广泛的应用于口腔修复,促进口腔修复的迅猛发展。

  • 图  1  急性缺血性卒中后发生认知障碍的列线图预测模型

    Figure  1.  A nomogram model for predicting cognitive impairment after acute ischemic stroke

    图  2  列线图预测模型 ROC 曲线

    Figure  2.  The ROC curve of nomogram model

    图  3  列线图模型校准曲线

    Figure  3.  The Correction curve of nomogram model

    图  4  列线图模型决策曲线

    Figure  4.  The decision curve of nomogram model

    表  1  2组一般资料比较[n(%)/($\bar x \pm s $)/M(P25P75)]

    Table  1.   Comparison of general data between 2 groups[n(%)/($\bar x \pm s $)/M(P25P75)]

    比较指标 PSCI(n=81) PSNCI(n=94) t/χ2/z P
    性别
     男 49(60.49) 66(70.21) 1.824 0.177
     女 32(39.51) 28(29.79)
    年龄(岁) 66.420±10.42 60.030±11.74 −3.780 <0.001*
    受教育年限(a) 6.457±4.60 9.154±3.88 −4.205 <0.001*
    吸烟史 34(42.00) 42(44.70) 0.13 0.719
    饮酒史 10(12.35) 17(18.09) 1.098 0.295
    高血压 51(62.96) 70(74.47) 2.699 0.100
    糖尿病 21(25.93) 28(29.79) 0.322 0.571
    冠心病 5(6.17) 9(9.57) 0.684 0.408
    房颤 6(7.41) 7(7.45) 0.868 1.000
    卒中史 22(27.16) 16(17.02) 2.631 0.105
    TOAST分型
     LAA 59(72.84) 65(69.15) 1.608 0.658
     CE 7(8.64) 8(8.51)
     SAO 8(9.88) 15(15.96)
     UND&ODC 7(8.64) 6(6.38)
    MMSE评分(分) 22(17.5~24) 28(27~29) −10.197 <0.001*
    MoCA评分(分) 16(11.5~20) 25(24~27) −11.284 <0.001*
    NIHSS评分(分) 3(2~6) 3.5(1~5) −0.768 0.443
    ADL评分(分) 80(65~100) 100(80~100) −3.937 <0.001*
    就医时间间隔(d) 1.0(1.0~3.0) 1.0(0.58~3.25) −0.387 0.699
      *P < 0.05。
    下载: 导出CSV

    表  2  2组颅内病变情况比较[n(%)/M(P25P75)]

    Table  2.   Comparison of intracranial lesions between 2 groups[n(%)/M(P25P75)]

    组别 PSCI(n=81) PSNCI(n=94) Z/χ2 P
    脑梗死半球
     左侧 37(45.7) 49(52.1) 3.462 0.177
     右侧 36(44.4) 42(44.4)
     双侧 8(9.9) 3(3.2)
    脑白质病变 46(56.8) 38(40.4) 4.668 0.031*
    腔隙性梗死 55(67.9) 67(71.3) 0.235 0.628
    脑萎缩 49(60.5) 34(36.2) 10.324 0.001*
    脑梗死体积(mL) 1.76(0.33~9.00) 0.72(0.28~1.33) −2.782 0.005*
    脑梗死部位
     脑叶 7(8.6) 9(9.6) 0.046 0.831
     基底节 20(24.7) 30(31.9) 1.112 0.292
     脑干 6(7.4) 19(20.2) 5.826 0.016*
     小脑 2(2.5) 6(6.4) 0.289
     丘脑 3(3.7) 4(4.3) 1.00
     胼胝体 2(2.5) 1(1.1) 0.337
     多发 41(50.6) 25(26.6) 10.688 0.001*
      *P < 0.05。
    下载: 导出CSV

    表  3  外周血液学指标的比较[($\bar x \pm s $)/M(P25P75)]

    Table  3.   Comparison of peripheral hematological indicators[($\bar x \pm s $)/M(P25P75)]

    指标 PSCI(n=81) PSNCI(n=94) t/Z P
    白细胞(×109/L) 6.918±1.904 6.968±1.786 −0.180 0.857
    中性粒细胞(×109/L) 4.363±1.632 4.287±1.522 0.318 0.751
    淋巴细胞(×109/L) 1.826±0.651 1.954±0.723 −1.223 0.223
    单核细胞(×109/L) 0.575±0.184 0.567±0.174 0.313 0.756
    红细胞(×1012/L) 4.575±0.533 4.789±0.573 −2.548 0.012*
    红细胞平均体积(fl) 90.457±11.331 91.367±4.965 −0.705 0.482
    平均红细胞血红蛋白量(pg) 30.526±2.135 30.754±1.853 −0.758 0.45
    平均红细胞血红蛋白浓度(g/L) 333.02±10.882 336.63±10.208 −2.258 0.025*
    血红蛋白(g/L) 139.56±18.599 147.37±20.423 −2.631 0.009*
    血小板(×109/L) 241.51±98.521 219.38±55.636 1.860 0.065
    总蛋白(g/L) 64.059±5.260 65.934±5.578 −2.276 0.024*
    白蛋白(g/L) 38.016±3.385 39.829±3.565 −3.433 0.001*
    谷草转氨酶(U/L) 21.310±7.576 24.970±31.197 −1.029 0.305
    谷丙转氨酶(U/L) 17.690±9.608 21.830±12.975 −2.365 0.019*
    血肌酐(μmol/L) 76.203±23.765 79.200±22.120 −0.855 0.394
    尿素(mmol/L) 5.130±1.684 4.932±1.659 0.780 0.436
    总胆汁酸(μmol/L) 3.3(2.0~5.1) 2.9(1.9~4.8) −1.331 0.183
    前白蛋白(mg/L) 209.190±52.015 227.340±45.259 −2.469 0.015*
    胆碱酯酶(U/L) 6661.310±1693.373 7091.160±1608.846 −1.720 0.087
    尿酸(μmol/L) 311.510±107.031 349.500±96.974 −2.463 0.015*
    随机血糖(mmol/L) 5.54(4.805~6.385) 5.52(5.075~6.765) −1.122 0.262
    总胆固醇(mmol/L) 4.41(3.775~5.235) 4.415(3.733~5.003) −0.432 0.665
    甘油三酯(mmol/L) 1.41(1.010~1.985) 1.49(1.145~2.043) −1.094 0.274
    HDL-C(mmol/L) 1.06(0.88~1.30) 0.955(0.858~1.14) −1.739 0.082
    LDL-C(mmol/L) 2.7(2.13~3. 47) 2.8(2.20~3.30) −0.186 0.853
    HCY(μmol/L) 13.7(11.5~17.8) 13.0(10.0~16.2) −1.730 0.084
      *P < 0.05。
    下载: 导出CSV

    表  4  PSCI发生的相关影响因素

    Table  4.   Related influencing factors of PSCI

    指标 B 标准误差 Wald P OR(95%CI
    受教育年限(a) −0.153 0.045 11.408 0.001* 0.858(0.785~0.938)
    脑梗死体积(mL) 0.123 0.038 10.597 0.001* 1.131(1.050~1.217)
    脑萎缩 0.901 0.391 5.299 0.021* 2.462(1.143~5.300)
    ADL受损 1.089 0.377 8.349 0.004* 2.971(1.420~6.220)
    HGB(g/L) −0.021 0.010 4.128 0.042* 0.980(0.960~0.999)
    HCY(μmol/L) 0.038 0.016 5.316 0.021* 1.038(1.006~1.072)
    常量 1.851 1.439 1.655 0.198* 6.367
      *P < 0.05。
    下载: 导出CSV

    表  5  不同指标及预测模型对PSCI发生的预测价值

    Table  5.   The predictive value of different indexes and prediction models for PSCI

    影响因素 最佳截断值 AUC 敏感性(%) 特异性(%) 95%CI P
    受教育年限(a) 6.5 0.66 60.5 70.2 0.578~0.741 <0.001*
    ADL (分) 97.5 0.664 69.1 60.6 0.582~0.745 <0.001*
    脑梗死体积(mL) 1.522 0.622 51.9 78.7 0.536~0.708 0.005*
    脑萎缩 0.622 60.5 63.83 0.538~0.705 0.006*
    HCY (μmol/L) 11.45 0.576 79 37.2 0.491~0.661 0.084
    HGB (g/L) 144.5 0.621 64.2 57.4 0.538~0.705 0.006*
    模型预测值 0.529 0.830 69.1 83 0.77~0.89 <0.001*
      *P < 0.05。
    下载: 导出CSV
  • [1] 中国脑卒中防治报告2019 编写组. 中国脑卒中防治报告2019 概要[J]. 中国脑血管病杂志,2020,17(5):272-281.
    [2] 中国卒中学会血管性认知障碍分会. 卒中后认知障碍管理专家共识2021[J]. 中国卒中杂志,2021,16(4):376-389.
    [3] Bejot Y,Daubail B,Giroud M. Epidemiology of stroke and transient ischemic attacks: Current knowledge and perspectives[J]. Rev Neurol (Paris),2016,172(1):59-68. doi: 10.1016/j.neurol.2015.07.013
    [4] Wang Y J,Li Z X,Gu H Q,et al. China stroke statistics 2019: A report from the national center for healthcare quality management in neurological diseases,China national clinical research center for neurological diseases,the Chinese stroke association,national center for chronic and non-communicable disease control and prevention,Chinese center for disease control and prevention and institute for global neuroscience and stroke collaborations[J]. Stroke Vasc Neurol,2020,5(3):211-239. doi: 10.1136/svn-2020-000457
    [5] 贾建平,陈生弟. 神经病学[M]. 第8版. 北京: 人民卫生出版社,2018: 231-235.
    [6] 中国卒中学会卒中后认知障碍研究圆桌会议专家组. 中国卒中后认知障碍防治研究专家共识[J]. 中国卒中杂志,2020,15(2):158-166.
    [7] Sun J H,Tan L,Yu J T. Post-stroke cognitive impairment: Epidemiology,mechanisms and management[J]. Ann Transl Med,2014,2(8):80.
    [8] Pendlebury S T,Rothwell P M. Prevalence,incidence,and factors associated with pre-stroke and post-stroke dementia: A systematic review and meta-analysis[J]. Lancet Neurol,2009,8(11):1006-1018. doi: 10.1016/S1474-4422(09)70236-4
    [9] 中国医师协会神经内科分会认知障碍专业委员会, 中国血管性认知障碍诊治指南编写组. 2019年中国血管性认知障碍诊治指南[J]. 中华医学杂志,2019,99(35):2737-2744.
    [10] 中华医学会神经病学分会, 中华医学会神经病学分会脑血管病学组. 中国急性缺血性脑卒中诊治指南2018[J]. 中华神经科杂志,2018,51(9):666-682.
    [11] 邱晓雪,陈红霞,李世文,等. 卒中后认知障碍的危险因素分析[J]. 中国卒中杂志,2021,16(3):272-277.
    [12] Meng X,Wen R,Li X. Values of serum LDL and PCT levels in evaluating the condition and prognosis of acute cerebral infarction[J]. Exp Ther Med,2018,16(4):3065-3069.
    [13] 曲艳吉,卓琳,詹思延. 中国脑卒中后认知障碍流行病学特征的系统评价[J]. 中华老年心脑血管病杂志,2013,15(12):1294-1301.
    [14] Rost N S,Brodtmann A,Pase M P,et al. Post-stroke cognitive impairment and dementia[J]. Circ Res,2022,130(8):1252-1271. doi: 10.1161/CIRCRESAHA.122.319951
    [15] Akinyemi R O,Firbank M,Ogbole G I,et al. Medial temporal lobe atrophy,white matter hyperintensities and cognitive impairment among Nigerian African stroke survivors[J]. BMC Res Notes,2015,8(1):625. doi: 10.1186/s13104-015-1552-7
    [16] Zhu Y,Zhao S,Fan Z,et al. Evaluation of the mini-mental state examination and the montreal cognitive assessment for predicting post-stroke cognitive impairment during the acute phase in Chinese minor stroke patients[J]. Front Aging Neurosci,2020,12(2020):236.
    [17] Boutros C F,Khazaal W,Taliani M,et al. Factors associated with cognitive impairment at 3,6,and 12 months after the first stroke among Lebanese survivors[J]. Brain Behav,2023,13(1):e2837. doi: 10.1002/brb3.2837
    [18] Srithumsuk W,Kabayama M,Gondo Y,et al. The importance of stroke as a risk factor of cognitive decline in community dwelling older and oldest peoples: The SONIC study[J]. BMC Geriatr,2020,20(1):24. doi: 10.1186/s12877-020-1423-5
    [19] Wolters F J,Zonneveld H I,Licher S,et al. Hemoglobin and anemia in relation to dementia risk and accompanying changes on brain MRI[J]. Neurology,2019,93(9):e917-e926.
    [20] Gu Y,Wang F,Gong L,et al. A nomogram incorporating red blood cell indices to predict post-stroke cognitive impairment in the intracerebral hemorrhage population[J]. Front Aging Neurosci,2022,14(2022):985386.
    [21] Dlugaj M,Winkler A,Weimar C,et al. Anemia and mild cognitive impairment in the German general population[J]. J Alzheimers Dis,2016,49(4):1031-1042. doi: 10.3233/JAD-150434
    [22] 张小丽,邢凤梅. 脑卒中患者认知障碍与人口学及临床特征的关系[J]. 中国老年学杂志,2011,31(16):3146-3147.
    [23] Galle S A,Deijen J B,Milders M V,et al. The effects of a moderate physical activity intervention on physical fitness and cognition in healthy elderly with low levels of physical activity: A randomized controlled trial[J]. Alzheimers Res Ther,2023,15(1):12. doi: 10.1186/s13195-022-01123-3
    [24] Cumming T B,Tyedin K,Churilov L,et al. The effect of physical activity on cognitive function after stroke: A systematic review[J]. Int Psychogeriatr,2012,24(4):557-567. doi: 10.1017/S1041610211001980
    [25] Di Raimondo D,Rizzo G,Musiari G,et al. Role of Regular physical activity in neuroprotection against acute ischemia[J]. Int J Mol Sci,2020,21(23):9086.
    [26] Gorelick P B,Furie K L,Iadecola C,et al. Defining optimal brain health in adults: A presidential advisory from the American Heart Association/American Stroke Association[J]. Stroke,2017,48(10):e284-e303.
    [27] 方靖. MRI病灶体积和BDNF在缺血性脑卒中病情及预后评估中的价值[J]. 临床放射学杂志,2016,35(12):1800-1803.
    [28] Prodjohardjono A,Vidyanti A N,Susianti N A,et al. Higher level of acute serum VEGF and larger infarct volume are more frequently associated with post-stroke cognitive impairment[J]. PLoS One,2020,15(10):e0239370. doi: 10.1371/journal.pone.0239370
    [29] Jaillard A,Grand S,Le Bas J F,et al. Predicting cognitive dysfunctioning in nondemented patients early after stroke[J]. Cerebrovasc Dis,2010,29(5):415-423. doi: 10.1159/000289344
    [30] 韩燕,印旭阳,曹鑫,等. 脑小血管病头颅磁共振成像特征与认知损害的研究新进展[J]. 中国临床神经科学,2022,30(4):451-459.
    [31] Ding M Y,Xu Y,Wang Y Z,et al. Predictors of cognitive impairment after stroke: A prospective stroke cohort study[J]. J Alzheimers Dis,2019,71(4):1139-1151. doi: 10.3233/JAD-190382
    [32] Casolla B,Caparros F,Cordonnier C,et al. Biological and imaging predictors of cognitive impairment after stroke: A systematic review[J]. J Neurol,2019,266(11):2593-2604. doi: 10.1007/s00415-018-9089-z
    [33] Pendlebury S T,Rothwell P M,Oxford Vascular S. Incidence and prevalence of dementia associated with transient ischaemic attack and stroke: analysis of the population-based Oxford Vascular Study[J]. Lancet Neurol,2019,18(3):248-258. doi: 10.1016/S1474-4422(18)30442-3
    [34] 陆珍辉. H型高血压与脑白质疏松及卒中后认知障碍的关系研究[D],苏州: 苏州大学,2020.
    [35] 王维维,申致远,李凡,等. 血浆低密度脂蛋白胆固醇和同型半胱氨酸与脑小血管病患者认知功能的相关性研究[J]. 中国脑血管病杂志,2021,18(12):836-842.
    [36] Smith A D,Refsum H,Bottiglieri T,et al. Homocysteine and dementia: An international consensus statement[J]. J Alzheimers Dis,2018,62(2):561-570. doi: 10.3233/JAD-171042
  • [1] 邓俊, 王均, 王茜, 高嫦娥, 陈晓, 史明霞.  基于外周血标志物初步探讨irAEs预测模型及价值, 昆明医科大学学报.
    [2] 刘东艳, 刘燕, 任治铭, 王枫, 汪勇.  基于Logistic回归分析的恶性肿瘤患者化疗相关骨髓抑制的影响因素分析及预测模型建立, 昆明医科大学学报.
    [3] 王远珍, 魏红艳, 田仁海, 陈永臻, 许丹青, 张映媛, 常丽仙, 刘春云, 刘立.  原发性肝癌干预前并发慢性肝衰竭的风险预测模型建立与评价, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20250321
    [4] 曾慧娟, 田波, 袁红伶, 何杰, 李冠羲, 茹国佳, 许敏, 詹东.  机器学习算法构建慢性肾脏病伴高血压或糖尿病的预测模型, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240315
    [5] 沈蓝, 陈朝明, 代建能, 普伦庆, 王天瑞, 马刚.  快速康复技术配合损伤控制外科技术在多发伤患者中的运用效果及影响因素分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240516
    [6] 王坤, 蒲军, 李东波, 杨涛.  面神经显微血管减压术对中重度面肌痉挛疗效及延迟治愈影响因素分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20241008
    [7] 董勇, 杨娇, 蔡帅中, 苏艳, 杨海银, 杨诗瑶, 朱悦熙, 关琼瑶.  护生安宁疗护认知能力水平的潜在类别及影响因素分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240130
    [8] 王睿, 韩此林, 曹渊卿, 杨小燕.  医师职业倦怠影响因素的多水平模型分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20241110
    [9] 刘天云, 陈科容, 周文刚, 计全月, 许坤, 王秀芳, 施红玲, 周盛.  卒中吞咽功能障碍患者生活状况及不同体位对吞咽功能影响的研究, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240826
    [10] 黄鹞, 李曦, 严波, 雷蕾, 尹泽钢, 范进, 白鹏.  颈内动脉狭窄与轻度认知障碍的相关性, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20230105
    [11] 薛淋淋, 李秉翰, 刘春云, 李卫昆, 常丽仙, 李慧敏, 祁燕伟, 刘立.  预测普通病房中丙型肝炎肝硬化并脓毒症患者潜在死亡列线图的建立及评价, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20230630
    [12] 周敏, 马智慧, 李加艳, 范建华, 林灵, 余亭颖, 张慧芳, 刘立.  肝硬化并胸水再发危险因素的预测, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20220524
    [13] 王虹, 杨德兴, 王强, 周维钰, 唐杰夫, 王振方, 付凯, 刘圣哲, 刘荣.  ICU脓毒症患者发生再喂养综合征的危险因素分析及预测模型建立, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20221102
    [14] 张桂梅, 陈蜀, 宋云华, 吴阳, 周虹媛.  AECOPD患者再入院危险因素分析及预测模型的构建, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20220830
    [15] 贾吉, 陶四明.  基于血浆渗透压建立急性ST段抬高型心肌梗死重症患者发生院内死亡风险预测模型, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20221212
    [16] 李生浩, 丁洁, 王晴晴, 刘思奇, 华丽娟, 段劲宇, 柏保利, 杜安瑞, 常国楫, 李俊义.  慢性乙型病毒性肝炎合并NAFLD患者发生中重度肝损伤的影响因素, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20210712
    [17] 戴靖榕, 李婕, 何旭, 李杨, 李燕.  云南某医院老年医学科住院患者抑郁状态的危险因素分析及风险预测模型的构建, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20211104
    [18] 蒋恩琰, 杨博伟, 刘建和.  基于24 h尿液代谢构建列线图模型预测高危泌尿系结石的复发, 昆明医科大学学报.
    [19] 阿各, 刘晓艳, 刘莉, 詹瑜佳, 唐婷婷, 陶静楠.  老年髋部骨折伴认知障碍患者家庭照顾者负担及其影响因素, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20201246
    [20] 代谢综合征与卒中后抑郁的关系, 昆明医科大学学报.
  • 加载中
图(4) / 表(5)
计量
  • 文章访问数:  1561
  • HTML全文浏览量:  510
  • PDF下载量:  30
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-09-30
  • 网络出版日期:  2024-04-29
  • 刊出日期:  2024-05-31

目录

/

返回文章
返回