中国卒中防治正面临巨大挑战。2018年,中国脑血管病的死亡率为149.49/10万,造成了157万人死亡。脑血管病是我国居民的第三位死亡原因,位列恶性肿瘤和心脏病之后。2013年,卒中年龄标化患病率和发病率分别为1114.8/10万和246.8/10万人年...中国卒中防治正面临巨大挑战。2018年,中国脑血管病的死亡率为149.49/10万,造成了157万人死亡。脑血管病是我国居民的第三位死亡原因,位列恶性肿瘤和心脏病之后。2013年,卒中年龄标化患病率和发病率分别为1114.8/10万和246.8/10万人年。根据2017年全球疾病负担研究,1990-2017年卒中造成的过早死亡损失寿命年(year of life lost,YLL)增加了14.6%,卒中由造成YLL的第三位原因跃升为第一位;卒中造成的全年龄组伤残调整生命年(disability-adjusted life year,DALY)的绝对数和百分率也呈持续增长趋势,2017年卒中是造成全年龄组DALY的首位原因。脑血管病的主要危险因素包括行为危险因素(如吸烟和酗酒)和既往疾病(如高血压、糖尿病、血脂异常和心房颤动)。卒中存活者中最普遍的危险因素是高血压(63.0%~84.2%)和吸烟(31.7%~47.6%),心房颤动的比例相对最低(2.7%~7.4%)。这些主要的危险因素在人群中流行水平也较高,并呈持续增长的趋势。根据最新的国家流行病学调查数据,我国15岁及以上人群的现在吸烟率为26.6%(现在吸烟人数为3.08亿)。18岁及以上人群的高血压年龄标化患病率为25.2%;高胆固醇血症的标化患病率为5.8%;糖尿病标化患病率为10.9%。40岁及以上人群心房颤动的标化患病率为2.31%。医院质量监测系统(Hospital Quality Monitoring System,HQMS)数据显示,2018年我国1853家三级医院共计收治3010204例卒中住院患者,其中2466785例(81.9%)为缺血性卒中(ischemic stroke,IS),447609例(14.9%)为脑出血(intracerebral hemorrhage,ICH),95810例(3.2%)为蛛网膜下腔出血(subarachnoid hemorrhage,SAH)。入院患者的平均年龄为66岁,近60%为男性。在IS、ICH和SAH中,分别有1555例(0.1%)、2774例(0.6%)和1347例(1.4%)为儿童卒中(年龄<18岁)。超过三分之一(1063892例,35.3%)患者的医保类型为城镇居民基本医疗保险,其次是城镇职工基本医疗保险(699513例,23.2%)和新�展开更多
《干预试验方案报告标准》(Standard Protocol Items:Recommendations for Interventional Trials,SPIRIT)2013通过为试验最小条目集的确定提供基于证据的建议,旨在改善临床试验方案报告的完整性。该指南有助于促进新干预措施的透明评...《干预试验方案报告标准》(Standard Protocol Items:Recommendations for Interventional Trials,SPIRIT)2013通过为试验最小条目集的确定提供基于证据的建议,旨在改善临床试验方案报告的完整性。该指南有助于促进新干预措施的透明评估。近年来,人们越来越认识到,涉及人工智能(artificial interlligence,AI)的干预措施需要经过严格的前瞻性临床研究评估,以证明其对健康结局的影响。《人工智能干预试验方案报告标准(Standard Protocol Items:Recommendations for Interventional Trials-Artificial Intelligence,SPIRIT-AI)扩展》是一份新的评估AI干预措施的临床试验方案的报告指南。它与配套的《人工智能试验报告统一标准》(Consolidated Standards of Reporting Trials-Artificial Intelligence,CONSORT-AI)是同步编制的。这两项指南的编制通过分阶段的文献回顾和专家咨询等过程达成共识,产生26项候选条目。由国际多方利益相关小组在两阶段德尔菲调查(103个利益相关者)中对这些条目进行了咨询,并在共识会议上达成一致意见(31个利益相关者),通过34个试点参与进行了改进和优化。SPI RI T-AI扩展包括15项对AI干预的临床试验方案非常重要的新条目。除SPIRIT 2013的核心条目外,这些新条目也应定期报告。SPIRIT-AI建议研究人员提供关于AI干预的清晰描述,包括使用AI所需的说明和操作技能、AI干预集成环境的设置、输入和输出数据处理的注意事项、人-AI交互和错误案例分析。SPI RI T-AI将有助于提高AI干预临床试验方案的透明度和完整性,也有助于编辑、同行评审以及普通读者理解、解释和严格评估临床试验的设计和偏倚风险。展开更多
目的基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型,并进行初步比较。方法利用中国国家卒中登记Ⅱ(China National Stoke RegistryⅡ,CNSRⅡ)数据库中按医嘱离院的缺血性卒中患者数据,分别基于Logistic回归和XGBoos...目的基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型,并进行初步比较。方法利用中国国家卒中登记Ⅱ(China National Stoke RegistryⅡ,CNSRⅡ)数据库中按医嘱离院的缺血性卒中患者数据,分别基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型。备选的预测因子包括人口学特征、卒中严重程度、既往病史、用药史以及临床测量指标。模型的评价指标包括ROC曲线下面积(area under the cure,AUC)、校准截距、校准斜率以及Brier得分。所有统计分析均在R(3.6.2版)中完成。结果最终纳入17227例符合条件的患者,平均年龄64.72±11.84岁,女性6317例(36.7%),发病前mRS评分为0或1分的病例14482例(84.1%),入院NIHSS评分4(2~6)分,院内卒中复发444例(2.6%)。预测模型识别的前三位强预测因子,在Logistic回归中为发病前mRS评分、心房颤动及卒中史;在XGBoost中为发病前mRS评分、心房颤动及总胆固醇。Logistic回归预测模型与XGBoost预测模型的AUC无显著差异(0.63,95%CI 0.58~0.68 vs 0.64,95%CI 0.59~0.68,P=0.9229)。Logistic预测模型校准截距、校准斜率以及Brier得分分别为-0.81、0.76和0.03;XGBoost预测模型的校准截距、校准斜率以及Brier得分分别为-1.37、1.20和0.38。Logistic预测模型校准度更好。结论利用CNSRⅡ数据构建的缺血性卒中院内复发风险预测模型应用中,基于XGBoost方法构建的预测模型相比Logistic回归构建的预测模型的区分度没有显著差异,但校准度略低。展开更多
文摘中国卒中防治正面临巨大挑战。2018年,中国脑血管病的死亡率为149.49/10万,造成了157万人死亡。脑血管病是我国居民的第三位死亡原因,位列恶性肿瘤和心脏病之后。2013年,卒中年龄标化患病率和发病率分别为1114.8/10万和246.8/10万人年。根据2017年全球疾病负担研究,1990-2017年卒中造成的过早死亡损失寿命年(year of life lost,YLL)增加了14.6%,卒中由造成YLL的第三位原因跃升为第一位;卒中造成的全年龄组伤残调整生命年(disability-adjusted life year,DALY)的绝对数和百分率也呈持续增长趋势,2017年卒中是造成全年龄组DALY的首位原因。脑血管病的主要危险因素包括行为危险因素(如吸烟和酗酒)和既往疾病(如高血压、糖尿病、血脂异常和心房颤动)。卒中存活者中最普遍的危险因素是高血压(63.0%~84.2%)和吸烟(31.7%~47.6%),心房颤动的比例相对最低(2.7%~7.4%)。这些主要的危险因素在人群中流行水平也较高,并呈持续增长的趋势。根据最新的国家流行病学调查数据,我国15岁及以上人群的现在吸烟率为26.6%(现在吸烟人数为3.08亿)。18岁及以上人群的高血压年龄标化患病率为25.2%;高胆固醇血症的标化患病率为5.8%;糖尿病标化患病率为10.9%。40岁及以上人群心房颤动的标化患病率为2.31%。医院质量监测系统(Hospital Quality Monitoring System,HQMS)数据显示,2018年我国1853家三级医院共计收治3010204例卒中住院患者,其中2466785例(81.9%)为缺血性卒中(ischemic stroke,IS),447609例(14.9%)为脑出血(intracerebral hemorrhage,ICH),95810例(3.2%)为蛛网膜下腔出血(subarachnoid hemorrhage,SAH)。入院患者的平均年龄为66岁,近60%为男性。在IS、ICH和SAH中,分别有1555例(0.1%)、2774例(0.6%)和1347例(1.4%)为儿童卒中(年龄<18岁)。超过三分之一(1063892例,35.3%)患者的医保类型为城镇居民基本医疗保险,其次是城镇职工基本医疗保险(699513例,23.2%)和新�
文摘《干预试验方案报告标准》(Standard Protocol Items:Recommendations for Interventional Trials,SPIRIT)2013通过为试验最小条目集的确定提供基于证据的建议,旨在改善临床试验方案报告的完整性。该指南有助于促进新干预措施的透明评估。近年来,人们越来越认识到,涉及人工智能(artificial interlligence,AI)的干预措施需要经过严格的前瞻性临床研究评估,以证明其对健康结局的影响。《人工智能干预试验方案报告标准(Standard Protocol Items:Recommendations for Interventional Trials-Artificial Intelligence,SPIRIT-AI)扩展》是一份新的评估AI干预措施的临床试验方案的报告指南。它与配套的《人工智能试验报告统一标准》(Consolidated Standards of Reporting Trials-Artificial Intelligence,CONSORT-AI)是同步编制的。这两项指南的编制通过分阶段的文献回顾和专家咨询等过程达成共识,产生26项候选条目。由国际多方利益相关小组在两阶段德尔菲调查(103个利益相关者)中对这些条目进行了咨询,并在共识会议上达成一致意见(31个利益相关者),通过34个试点参与进行了改进和优化。SPI RI T-AI扩展包括15项对AI干预的临床试验方案非常重要的新条目。除SPIRIT 2013的核心条目外,这些新条目也应定期报告。SPIRIT-AI建议研究人员提供关于AI干预的清晰描述,包括使用AI所需的说明和操作技能、AI干预集成环境的设置、输入和输出数据处理的注意事项、人-AI交互和错误案例分析。SPI RI T-AI将有助于提高AI干预临床试验方案的透明度和完整性,也有助于编辑、同行评审以及普通读者理解、解释和严格评估临床试验的设计和偏倚风险。
文摘目的基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型,并进行初步比较。方法利用中国国家卒中登记Ⅱ(China National Stoke RegistryⅡ,CNSRⅡ)数据库中按医嘱离院的缺血性卒中患者数据,分别基于Logistic回归和XGBoost方法构建缺血性卒中院内复发风险预测模型。备选的预测因子包括人口学特征、卒中严重程度、既往病史、用药史以及临床测量指标。模型的评价指标包括ROC曲线下面积(area under the cure,AUC)、校准截距、校准斜率以及Brier得分。所有统计分析均在R(3.6.2版)中完成。结果最终纳入17227例符合条件的患者,平均年龄64.72±11.84岁,女性6317例(36.7%),发病前mRS评分为0或1分的病例14482例(84.1%),入院NIHSS评分4(2~6)分,院内卒中复发444例(2.6%)。预测模型识别的前三位强预测因子,在Logistic回归中为发病前mRS评分、心房颤动及卒中史;在XGBoost中为发病前mRS评分、心房颤动及总胆固醇。Logistic回归预测模型与XGBoost预测模型的AUC无显著差异(0.63,95%CI 0.58~0.68 vs 0.64,95%CI 0.59~0.68,P=0.9229)。Logistic预测模型校准截距、校准斜率以及Brier得分分别为-0.81、0.76和0.03;XGBoost预测模型的校准截距、校准斜率以及Brier得分分别为-1.37、1.20和0.38。Logistic预测模型校准度更好。结论利用CNSRⅡ数据构建的缺血性卒中院内复发风险预测模型应用中,基于XGBoost方法构建的预测模型相比Logistic回归构建的预测模型的区分度没有显著差异,但校准度略低。
