基于神经网络的脑卒中风险预测模型研究 *
吴菊华,张烁,陶雷,姜顺军

Predicting Stroke Risks with Neural Network
Juhua Wu,Shuo Zhang,Lei Tao,Shunjun Jiang
表1 脑卒中风险因素及预测模型相关研究
研究者 时间 风险因素 研究方法
Feigin等[9] 2015 环境颗粒物污染、固体燃料污染、铅暴露、高钠饮食、饮食含糖量高、少水果蔬菜谷物、饮酒、体力活动、二手烟、高体重指数、高空腹血糖、高收缩压、高总胆固醇、肾小球滤过率 贝叶斯回归方程
Jusuf等[10] 2016 收缩压、舒张压、甘油三酯、卒中史、高血压史、血脂异常史、蔬菜消耗、睡眠持续时间、打鼾、运动、情绪压力 判别分析
Hijazi等[4] 2016 年龄、心脏生物标志物 N-末端片段B型利钠肽、心肌肌钙蛋白高敏感性和既往卒中 回归
Aigner等[11] 2017 高血压、高脂血症、糖尿病、冠心病、吸烟、大量发作性饮酒、低体力活动和肥胖 逻辑回归
Wang等[12] 2017 高血压、糖尿病、心脏病、中风家族史、高脂血症、超重、吸烟、体育锻炼 固定效应模型
杜秋明等[13] 2018 血压晨峰、颈动脉斑块形成、夜间平均收缩压、白昼血压负荷值、低密度脂蛋白 逻辑回归
Wang等[5] 2018 高血压、糖尿病、高脂血症、心脏病或心房颤动、肥胖、吸烟、体育锻炼、中风家族史 健康风险评估模型
邵泽国等[6] 2018 高血压、糖尿病、胆固醇、体重指数超标、少量食用蔬菜水果、吸烟、饮酒、过量食肉或牛奶、少运动 决策树
Navis等[14] 2018 年轻(<80): 糖尿病、吸烟; 老年(≥80): 高血压、高脂血症、心房颤动、冠状动脉疾病 回顾性综述