張曉林，彭晨，殷淑娟，陳積標，王嘉晶，易應(yīng)萍

（南昌大學(xué)第二附屬醫(yī)院信息處，江西 南昌 330006）

腦卒中是一種全球范圍內(nèi)的常見疾病，發(fā)病率和病死率高，且復(fù)發(fā)率和殘疾率也較高[1]。腦卒中居我國死因第一位[2]，且發(fā)病率每年以近9%的速度不斷上升[3]，其中缺血性腦卒中占70%～80%。近年來，國內(nèi)外關(guān)于腦卒中復(fù)發(fā)的研究較多，但大多數(shù)是針對影響腦卒中復(fù)發(fā)的獨立危險因素研究，缺少多因素聯(lián)合預(yù)測研究。隨機森林[4]（random forests）是一種基于分類樹的算法，其因?qū)颖玖恳蟮?、準確而高效、具有良好的穩(wěn)定性以及可以綜合考慮各因素等優(yōu)勢，目前已廣泛應(yīng)用于人工智能、大數(shù)據(jù)分析、臨床醫(yī)療等領(lǐng)域[4]。本研究針對首發(fā)缺血性腦卒中患者構(gòu)建基于隨機森林算法的出院90 d復(fù)發(fā)預(yù)測模型，將所有影響指標按重要度排序，旨在為臨床上預(yù)測及預(yù)防復(fù)發(fā)提供依據(jù)，現(xiàn)報道如下。

1 資料與方法

1.1 臨床資料 回顧性分析2019年1月至2019年7月于南昌大學(xué)第二附屬醫(yī)院就診的580 例首發(fā)缺血性腦卒中患者的臨床資料，根據(jù)出院90 d 是否復(fù)發(fā)分為復(fù)發(fā)組（n=110）和正常組（n=470）。

納入標準：均經(jīng)頭顱CT 或MRI 確診；年齡18～85 歲；出院診斷為缺血性腦卒中（ICD10 編碼為I63-I639）。排除標準：癌癥者；出血性卒中或合并血管畸形等嚴重神經(jīng)系統(tǒng)疾病者；合并嚴重心、肝臟、肺、腎臟系統(tǒng)疾病者；有卒中史者；使用抗凝藥物者；醫(yī)院內(nèi)或出院90 d內(nèi)死亡者；臨床資料不完整以及失訪者。

1.2 方法 通過大數(shù)據(jù)平臺收集患者年齡、性別、高血壓史、糖尿病史、吸煙史、飲酒史等；同時，收集患者血液檢查值包括紅細胞計數(shù)、血紅蛋白、白細胞計數(shù)、淋巴細胞計數(shù)、單核細胞計數(shù)、中性粒細胞計數(shù)、血小板計數(shù)、紅細胞壓積、平均紅細胞體積、總膽固醇、血清載脂蛋白A、血清載脂蛋白B、高密度脂蛋白、低密度脂蛋白等33 個指標。MHR=單核細胞計數(shù)/高密度脂蛋白膽固醇，NLR=中性粒細胞計數(shù)/淋巴細胞計數(shù)。于患者出院90 d后進行電話隨訪，調(diào)查患者復(fù)發(fā)情況（90 d內(nèi)有新發(fā)神經(jīng)系統(tǒng)表現(xiàn)、原有表現(xiàn)突然加重及頭顱MRI或CT確診新發(fā)，則視為復(fù)發(fā)[5]）。

1.3 觀察指標 采用隨機森林模型與多因素Logistci 回歸模型篩選患者出院后90 d內(nèi)復(fù)發(fā)的影響因素，比較兩種方法的準確度、靈敏度、特意度、約登指數(shù)，并評價隨機森林的預(yù)測效果。

1.4 統(tǒng)計學(xué)方法 采用SPSS 25.0 和R 統(tǒng)計軟件進行數(shù)據(jù)分析，計量資料符合正態(tài)分布以“±s”表示，組間比較采用獨立樣本t檢驗，計量資料呈偏態(tài)分布以M（P25，P75）表示，組間比較采用Mann-WhitneyU檢驗，計數(shù)資料組間率（%）的比較采用χ2/Z檢驗，以P＜0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 復(fù)發(fā)組與正常組臨床資料比較 首發(fā)缺血性腦卒中患者出院90 d 內(nèi)復(fù)發(fā)率為18.97%（110/580）。復(fù)發(fā)組與正常組比較，男性、吸煙、飲酒、糖尿病、高脂血癥比例明顯升高，肌酐、MHR水平明顯升高，舒張壓、總蛋白、白蛋白、高密度脂蛋白膽固醇、載脂蛋白A、載脂蛋白B 明顯下降，差異均有統(tǒng)計學(xué)意義（P＜0.05）。兩組其他特征指標比較差異均無統(tǒng)計學(xué)意義，見表1。

表1 復(fù)發(fā)組與正常組臨床資料比較Table 1 Comparison of clinical data between recurrence group and normal group

2.2 復(fù)發(fā)影響因素的多因素Logistic 回歸分析 以首發(fā)缺血性腦卒中患者出院90 d內(nèi)是否復(fù)發(fā)作為因變量，將單因素分析篩選的性別、吸煙、飲酒、糖尿病、高脂血癥、舒張壓、總蛋白、白蛋白、肌酐、高密度脂蛋白膽固醇、載脂蛋白A、載脂蛋白B、MHR因素作為自變量，納入多因素Logistic回歸分析模型中，結(jié)果顯示，飲酒、糖尿病、高脂血癥、舒張壓、載脂蛋白A 首發(fā)缺血性腦卒中患者出院90 d 內(nèi)復(fù)發(fā)的獨立危險因素（P＜0.05），見表2。

表2 復(fù)發(fā)影響因素的多因素Logistc回歸分析Table 2 Multivariate Logistic regression analysis of influencing factors of recurrence

2.3 基于隨機森林的首發(fā)缺血性腦卒中患者出院90 d復(fù)發(fā)的風(fēng)險預(yù)測模型分析 隨機森林模型中各影響因素按重要程度排序依次為載脂蛋白A、天門冬氨酸氨基轉(zhuǎn)移酶、白蛋白、紅細胞壓積、糖尿病、乳酸脫氫酶、肌酐、尿素、飲酒、總蛋白，重要程度依次為6.091、5.045、4.531、4.492、4.346、4.331、4.251、4.135、4.086、3.976。

2.4 多因素Logictic回歸分析模型與隨機森林模型預(yù)測復(fù)發(fā)效能比較 以患者出院90 d內(nèi)是否復(fù)發(fā)為因變量，隨機森林模型的準確性、靈敏度、約登指數(shù)均高于多因素Logistic回歸分析，見表3。

表3 多因素Logictic回歸分析模型與隨機森林模型預(yù)測復(fù)發(fā)效能比較Table 3 Comparison of recurrence prediction efficiency between Logistic regression analysis model and random forest model

3 討論

目前，隨機森林算法已廣泛應(yīng)用于人工智能等領(lǐng)域，在醫(yī)學(xué)相關(guān)領(lǐng)域研究較少，如劉文博等[6]利用隨機森林對Pima印第安人是否患有糖尿病進行預(yù)測；張英男等[7]利用隨機森林模型探究老年人生活方式與阿爾茨海默癥之間的相關(guān)性；在國外，隨機森林算法已應(yīng)用于疾病的診斷，如Sundarsingh 等[8]將椎間盤形狀特征與紋理特征結(jié)合利用隨機森林算法進行椎間盤突出診斷與預(yù)測分析。

本研究中首發(fā)缺血性腦卒中的復(fù)發(fā)率為18.96%（110/580），在基于隨進森林算法的首發(fā)缺血性腦卒中患者出院90 d 的復(fù)發(fā)風(fēng)險預(yù)測模型中，在排名前6 的影響因素中，載脂蛋白A、糖尿病、飲酒與多因素Logistic 回歸分析中差異有統(tǒng)計學(xué)意義的變量一致。兩個模型預(yù)測效能比較發(fā)現(xiàn)，隨機森林模型的準確性、靈敏度、約登指數(shù)均高于多因素Logistic 回歸分析模型，分析原因為隨機森林算法具有較高的準確率，同時，不易過擬合，對噪聲和異常數(shù)據(jù)有較高的忍耐[9]，此外，多因素Logistic 回歸分析中各特征之間相互獨立，且模型只有線性分割性[10]，故導(dǎo)致準確率更低。

在隨機森林模型顯各影響因素中，飲酒、糖尿病是目前公認的腦卒中復(fù)發(fā)的危險因素[11-12]；載脂蛋白A主要存在于高密度脂蛋白中，可抑制低密度脂蛋白氧化、激活卵磷脂膽固醇脂?；D(zhuǎn)移酶，調(diào)節(jié)炎癥反應(yīng)，還可促進膽固醇從動脈符合符合血管壁中流出，對腦卒中的復(fù)發(fā)具有一定的抑制作用[12]；天門冬氨酸氨基轉(zhuǎn)移酶屬于細胞酶類，廣泛存在于全身細胞內(nèi)，當腦細胞受損時，增加細胞內(nèi)酶釋放活性[13]，但目前尚未有對腦卒中復(fù)發(fā)的影響相關(guān)研究；血清總蛋白與白蛋白是臨床上常用的評價營養(yǎng)狀態(tài)的指標，低水平的總蛋白和白蛋白可明顯增加患者的住院時間、感染率及康復(fù)時間，不利于機體神經(jīng)功能恢復(fù)，從而可能會導(dǎo)致腦卒中的復(fù)發(fā)[14]；紅細胞壓積是影響血黏度的主要因素，動脈血管的血流動力異常影響腦卒中斑塊的形成和發(fā)展進程[15]；乳酸脫氫酶是腦組織損傷時最敏感的酶，當腦組織受損時，大量蛋白酶通過血腦屏障進入血液，使乳酸脫氫酶活性增加，細胞破壞加重，進而易導(dǎo)致腦卒中復(fù)發(fā)[16]；肌酐、尿素的變化是急性腎功能障礙的主要表現(xiàn)之一，腎功能不全作為腦卒中發(fā)生的獨立危險因素[17-18]，其與腦卒中復(fù)發(fā)之間的關(guān)聯(lián)仍需進一步研究。本研究存在以下不足：①本研究所選樣本全部來源于南昌大學(xué)第二附屬醫(yī)院，以江西地區(qū)為主，缺乏一定的代表性；②所選樣本量較少，缺乏一定的準確性；③一些生化指標由于缺失嚴重，而未納入如C反應(yīng)蛋白、同型半胱氨酸等指標，可能會對研究結(jié)果造成一定的影響。

綜上所述，隨機森林算法構(gòu)建的首發(fā)缺血性腦卒中患者出院90 d 的復(fù)發(fā)的預(yù)測模型的預(yù)測效果相對于傳統(tǒng)的多因素Logistic 回歸分析模型有顯著優(yōu)勢，可用于首發(fā)缺血性腦卒中患者出院90 d復(fù)發(fā)的預(yù)測，臨床應(yīng)用價值較高。