急性卒中院前诊断识别研究进展(Research Progress in Prehospital Diagnosis and Identification of Acute Stroke)
卒中作为全球第二大死亡原因和首要致残因素，其救治效果高度依赖早期识别与及时治疗干预。目前，院前卒中预测工具主要包括传统量表、机器学习模型及生物标志物三大类，这些诊断工具各具特点但均存在明显局限性。传统量表（如FAST、辛辛那提院前卒中量表）因其操作简便成为基层筛查的主要手段，但对后循环卒中识别不足，而针对大血管闭塞的专项量表（如洛杉矶运动量表、动脉闭塞快速评价量表）虽特异性较高，但仍面临假阳性率偏高的问题。机器学习模型（如极端梯度提升、随机森林）在卒中分型及大血管闭塞预测中展现出优越性能，但受限于数据维度不足和临床转化障碍。生物标志物（如胶质纤维酸性蛋白、S100钙结合蛋白B）在区分卒中亚型方...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
Editorial Department of Chinese Journal of Stroke
2025-07-01
|
| Series: | Zhongguo cuzhong zazhi |
| Subjects: | |
| Online Access: | https://www.chinastroke.org.cn/CN/10.3969/j.issn.1673-5765.2025.07.003 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|