基于机器学习的健康分析和首次缺血性中风的多维轨迹分析:多中心横截面和前纵向研究的协议
Shu-Lin Li1, Jia-Chun You1, Qi Wang2
1School of Nursing, University of South China, Hengyang, China.
BMJ open
|December 9, 2025
概括
这项研究确定了第一次缺血性中风后的不同患者群体,以了解不同的恢复途径. 研究人员的目标是揭示健康结果的模式,以便更好地照顾中风患者.
科学领域:
- 神经学 神经学
- 公共卫生 公共卫生
- 数据科学数据科学数据科学
背景情况:
- 缺血性中风是最常见的中风类型,造成显著的长期健康负担.
- 首次缺血性中风患者在中风后的健康状况和临床表现方面表现出相当大的变化.
- 了解这种异质性对于改善患者的治疗结果至关重要.
研究的目的:
- 使用k-原型集群算法识别具有异质多维健康配置文件的不同患者集群.
- 通过并行过程潜伏类增长建模,在最大集群中描述核心健康属性的协同轨迹.
- 为了阐明静态异质性和动态恢复模式后,有史以来第一次缺血性中风.
主要方法:
- 一个多中心,横截面和纵向研究设计.
- 利用患者自我报告的结果和客观测量来进行全面的健康评估.
- 采用k-原型集群和并行过程隐性类增长建模用于数据分析.
主要成果:
- 该研究旨在根据人口统计,临床和行为因素确定不同的患者群.
- 它将在不良健康结果的发展中描述共享的纵向轨迹.
- 分析将结合横截面和纵向数据,以揭示静态和动态恢复模式.
结论:
- 这项研究将在缺血性中风后划定异质患者群.
- 它将阐明共享的纵向恢复轨迹.
- 预计这些发现将有助于更好地理解和管理中风后的健康异质性.
更多相关视频
10:28Dynamic Digital Biomarkers of Motor and Cognitive Function in Parkinson's Disease
Published on: July 24, 2019
15.9K
09:36A Magnetic Resonance Imaging-based Computational Protocol for Analysis of Plaque Morphology and Hemodynamics in Patients with Carotid Artery Stenosis
Published on: August 12, 2025
518
