專(zhuān)利名稱(chēng)：一種中風(fēng)預(yù)警檢測(cè)儀的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)療器械領(lǐng)域，具體涉及一種用腦血管血液動(dòng)力學(xué)檢測(cè)參數(shù)和中風(fēng)危險(xiǎn)因素構(gòu)建的中風(fēng)預(yù)警檢測(cè)儀。
背景技術(shù)：
中風(fēng)已經(jīng)上升為我國(guó)男性總死亡原因的第一位，中風(fēng)一旦發(fā)生，約3/4的患者遺留有不同程度的殘疾。因此，應(yīng)在中風(fēng)發(fā)生前，準(zhǔn)確預(yù)測(cè)中風(fēng)的發(fā)病風(fēng)險(xiǎn)，有效識(shí)別出中風(fēng)高危個(gè)體，采取有效的措施進(jìn)行早期預(yù)防和治療，才能降低中風(fēng)的發(fā)病率和死亡率。
國(guó)內(nèi)外在中風(fēng)預(yù)警領(lǐng)域有過(guò)長(zhǎng)期的研究和探索，其主要方法是通過(guò)中風(fēng)危險(xiǎn)因素的調(diào)查和臨床實(shí)驗(yàn)室檢測(cè)指標(biāo)，建立中風(fēng)預(yù)警手段。但上述指標(biāo)不能準(zhǔn)確反映腦血管受損害的程度，還存在個(gè)體易感性差異及所用實(shí)驗(yàn)室指標(biāo)敏感度和特異度差等不足，預(yù)警手段的準(zhǔn)確性一直難以達(dá)到理想的水平。因此，目前尚缺乏能夠應(yīng)用于臨床和社區(qū)預(yù)防，準(zhǔn)確的預(yù)警方法。

發(fā)明內(nèi)容
本發(fā)明的目的在于利用現(xiàn)有的腦血管血液動(dòng)力學(xué)檢測(cè)參數(shù)信息，建立一種用于中風(fēng)預(yù)警的檢測(cè)儀，提供一種準(zhǔn)確、實(shí)用、可行的中風(fēng)預(yù)警手段。
本發(fā)明的中風(fēng)預(yù)警檢測(cè)儀，包括腦血管血液動(dòng)力學(xué)檢測(cè)儀在內(nèi)的結(jié)構(gòu)，其特征在于由腦血管血液動(dòng)力學(xué)檢測(cè)儀輸出的血液運(yùn)動(dòng)學(xué)參數(shù)和血液動(dòng)力學(xué)參數(shù)，連同人群調(diào)查、檢測(cè)數(shù)據(jù)庫(kù)資料，一起導(dǎo)入主成分分析模塊進(jìn)行主成分等統(tǒng)計(jì)分析，輸出各參數(shù)主成分因子貢獻(xiàn)；將主成分因子貢獻(xiàn)和中風(fēng)危險(xiǎn)因素信息輸出至Logistic回歸模塊，然后Logistic回歸模塊輸出回歸模型至中風(fēng)概率估算模塊；最后由中風(fēng)發(fā)病概率估算模塊輸出中風(fēng)發(fā)病概率，并可反饋至腦血管血液動(dòng)力學(xué)檢測(cè)儀。
實(shí)施該技術(shù)后的明顯優(yōu)點(diǎn)本發(fā)明針對(duì)中風(fēng)預(yù)警進(jìn)行了長(zhǎng)期、深入的科學(xué)研究。研究證實(shí)，在中風(fēng)發(fā)生前，即出現(xiàn)腦血管血液動(dòng)力學(xué)檢測(cè)參數(shù)的規(guī)律性異常變化；中風(fēng)發(fā)病與腦血管血液動(dòng)力學(xué)檢測(cè)參數(shù)異常密切相關(guān)；在大樣本人群調(diào)查和檢測(cè)的基礎(chǔ)上，通過(guò)數(shù)據(jù)分析，建立中風(fēng)預(yù)警模型和檢測(cè)儀，能夠定量、準(zhǔn)確地評(píng)估中風(fēng)的發(fā)病概率。上述發(fā)現(xiàn)對(duì)于早期篩選和識(shí)別中風(fēng)高危個(gè)體及中風(fēng)預(yù)防具有極其重要的意義。


圖1為中風(fēng)預(yù)警檢測(cè)儀結(jié)構(gòu)示意圖圖中，1-腦血管血液動(dòng)力學(xué)檢測(cè)儀；2-為血液運(yùn)動(dòng)學(xué)指標(biāo)；3-血液動(dòng)力學(xué)指標(biāo)；4-2.5萬(wàn)中風(fēng)隊(duì)列人群調(diào)查、檢測(cè)數(shù)據(jù)庫(kù)；5-主成分分析模塊；6-主成分因子貢獻(xiàn)；7-中風(fēng)危險(xiǎn)因素調(diào)查信息；8-Logistic回歸模塊；9-Logistic回歸模型；10-中風(fēng)發(fā)病概率估算模塊；10-中風(fēng)發(fā)病概率。
具體實(shí)施例方式
以下結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述見(jiàn)圖1，由腦血管血液動(dòng)力學(xué)檢測(cè)儀1輸出一組血液運(yùn)動(dòng)學(xué)參數(shù)2和血液動(dòng)力學(xué)參數(shù)3，連同人群調(diào)查、檢測(cè)數(shù)據(jù)庫(kù)資料4，一起導(dǎo)入主成分分析模塊5進(jìn)行主成分等統(tǒng)計(jì)分析，輸出各參數(shù)2、3的主成分因子貢獻(xiàn)6；將主成分因子貢獻(xiàn)6和中風(fēng)危險(xiǎn)因素信息7輸出至Logistic回歸模塊8，經(jīng)回歸處理，Logistic回歸模塊8輸出回歸模型9至中風(fēng)概率估算模塊10；最后由中風(fēng)概率估算模塊10進(jìn)行估算，并輸出中風(fēng)發(fā)病概率11。中風(fēng)發(fā)生概率可通過(guò)血液動(dòng)力學(xué)檢測(cè)儀的輸出系統(tǒng)輸出，并打印出結(jié)果。
見(jiàn)圖1，腦血管血液動(dòng)力學(xué)檢測(cè)儀1輸出的一組血液運(yùn)動(dòng)學(xué)參數(shù)2和血液動(dòng)力學(xué)參數(shù)3，以及2.5萬(wàn)人群調(diào)查、檢測(cè)數(shù)據(jù)庫(kù)資料4，共同輸入至主成分分析模塊5。該模塊以2.5萬(wàn)例中風(fēng)隊(duì)列研究人群的調(diào)查、檢測(cè)和隨訪(fǎng)資料為基本數(shù)據(jù)，對(duì)腦血管血液動(dòng)力學(xué)檢測(cè)數(shù)據(jù)進(jìn)行主成分分析，得到該數(shù)據(jù)的前四個(gè)主成分，其累積貢獻(xiàn)率達(dá)94.6％，從而得到各參數(shù)每一主成分的因子貢獻(xiàn)6，并輸出至Logistic回歸模塊8。
在Logistic回歸模塊8中，以隨訪(fǎng)過(guò)程中中風(fēng)的發(fā)生與否為應(yīng)變量，以主成分分析獲得的因子貢獻(xiàn)6包括的前四個(gè)主成分、中風(fēng)危險(xiǎn)因素7(含年齡、性別、高血壓病、心臟病、糖尿病史、體重指數(shù)等參數(shù))為自變量，導(dǎo)入Logistic回歸模型進(jìn)行回歸分析，得到進(jìn)入回歸方程的變量第一、第二、第三、第四主成分和高血壓病史、年齡和性別，結(jié)合入選變量的回歸系數(shù)，得到回歸模型9。
中風(fēng)概率估算模塊10，根據(jù)回歸模型9建立方程中風(fēng)概率＝1.025*第一主成分-0.136*第二主成分-0.299*第三主成分+0.033*第四主成分+0.543*高血壓病史-0.681*性別+0.035*年齡+常數(shù)項(xiàng)，并據(jù)此方程估算中風(fēng)概率11。此時(shí)，可將中風(fēng)發(fā)病概率與血液動(dòng)力學(xué)參數(shù)一同輸出打印結(jié)果。
也可用如下方法，估算中風(fēng)預(yù)警效能參數(shù)計(jì)算隊(duì)列人群中每一個(gè)體中風(fēng)的患病概率，再根據(jù)概率和實(shí)際發(fā)病情況，繪制ROC曲線(xiàn)，曲線(xiàn)下面積為0.855。以隊(duì)列人群隨訪(fǎng)3年的資料，根據(jù)預(yù)測(cè)概率的大小取不同的截?cái)帱c(diǎn)，當(dāng)取值0.05時(shí)，Youden指數(shù)的值最大，0.05即為預(yù)警的最佳截段點(diǎn)。
以0.05作為截?cái)帱c(diǎn)，將所有的受試者分成真陽(yáng)性、假陽(yáng)性、真陰性、假陰性等四種情況，并匯入四格表(表1)。
表1.中風(fēng)預(yù)測(cè)模型的預(yù)測(cè)效果分析

根據(jù)表1，即可計(jì)算如下中風(fēng)預(yù)警效能參數(shù)



權(quán)利要求
1.本發(fā)明一種中風(fēng)預(yù)警檢測(cè)儀，包括腦血管功能檢測(cè)儀1在內(nèi)的結(jié)構(gòu)，其特征在于由腦血管血液動(dòng)力學(xué)檢測(cè)儀1輸出一組血液運(yùn)動(dòng)學(xué)參數(shù)2和血液動(dòng)力學(xué)參數(shù)3，連同人群調(diào)查、檢測(cè)數(shù)據(jù)庫(kù)資料4，一起導(dǎo)入主成分分析模塊5進(jìn)行主成分等統(tǒng)計(jì)分析，輸出各參數(shù)2、3的主成分因子貢獻(xiàn)6；將主成分因子貢獻(xiàn)6和中風(fēng)危險(xiǎn)因素信息7輸出至Logistic回歸模塊8，經(jīng)回歸處理，Logistic回歸模塊8輸出回歸模型9至中風(fēng)概率估算模塊10；最后由中風(fēng)概率估算模塊10進(jìn)行估算，并輸出中風(fēng)發(fā)病概率11。中風(fēng)發(fā)生概率可通過(guò)血液動(dòng)力學(xué)檢測(cè)儀的輸出系統(tǒng)輸出，并打印出結(jié)果。
2.依據(jù)權(quán)利要求1所述的一種中風(fēng)預(yù)警檢測(cè)儀，其特征在于在Logistic回歸模塊8，以隨訪(fǎng)過(guò)程中中風(fēng)的發(fā)生與否為應(yīng)變量，以主成分分析獲得的因子貢獻(xiàn)6包括的前四個(gè)主成分、中風(fēng)危險(xiǎn)因素7(含年齡、性別、高血壓病、心臟病、糖尿病史、體重指數(shù)等參數(shù))為自變量，導(dǎo)入Logistic回歸模型進(jìn)行回歸分析，得到進(jìn)入回歸方程的變量第一、第二、第三、第四主成分和高血壓病史、年齡和性別，結(jié)合入選變量的回歸系數(shù)，得到回歸模型9；中風(fēng)概率估算模塊10，根據(jù)回歸模型9建立方程中風(fēng)概率＝1.025*第一主成分-0.136*第二主成分-0.299*第三主成分+0.033*第四主成分+0.543*高血壓病史-0.681*性別+0.035*年齡+常數(shù)項(xiàng)，并據(jù)此方程估算中風(fēng)概率11。
全文摘要
本發(fā)明公開(kāi)了一種中風(fēng)預(yù)警檢測(cè)儀，目的在于利用現(xiàn)有的腦血管血液動(dòng)力學(xué)檢測(cè)參數(shù)信息，提供一種準(zhǔn)確、實(shí)用、可行的中風(fēng)預(yù)警手段。包括腦血管血液動(dòng)力學(xué)檢測(cè)儀在內(nèi)的結(jié)構(gòu)，其特征在于由腦血管血液動(dòng)力學(xué)檢測(cè)儀輸出的血液運(yùn)動(dòng)學(xué)參數(shù)和血液動(dòng)力學(xué)參數(shù)，連同人群調(diào)查、檢測(cè)數(shù)據(jù)庫(kù)資料，一起導(dǎo)入主成分分析模塊進(jìn)行主成分等統(tǒng)計(jì)分析，輸出各參數(shù)主成分因子貢獻(xiàn)；將主成分因子貢獻(xiàn)和中風(fēng)危險(xiǎn)因素信息輸出至Logistic回歸模塊，然后Logistic回歸模塊輸出回歸模型至中風(fēng)概率估算模塊；最后由中風(fēng)發(fā)病概率估算模塊輸出中風(fēng)發(fā)病概率，并可反饋至腦血管血液動(dòng)力學(xué)檢測(cè)儀。
文檔編號(hào)A61B5/02GK1891144SQ20051002743
公開(kāi)日2007年1月10日 申請(qǐng)日期2005年7月1日 優(yōu)先權(quán)日2005年7月1日
發(fā)明者王桂清, 黃久儀, 郭佐, 曹奕豐, 楊永舉, 郭吉平, 沈鳳英 申請(qǐng)人:上海祥鶴制藥廠(chǎng)