CN111028948A - 一种基于相关风险因素的中风风险评估方法及系统 - Google Patents
一种基于相关风险因素的中风风险评估方法及系统 Download PDFInfo
- Publication number
- CN111028948A CN111028948A CN201911334287.0A CN201911334287A CN111028948A CN 111028948 A CN111028948 A CN 111028948A CN 201911334287 A CN201911334287 A CN 201911334287A CN 111028948 A CN111028948 A CN 111028948A
- Authority
- CN
- China
- Prior art keywords
- information
- risk
- risk factor
- value
- individual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 208000006011 Stroke Diseases 0.000 title claims abstract description 63
- 238000012502 risk assessment Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 title claims abstract description 12
- 206010008190 Cerebrovascular accident Diseases 0.000 title description 5
- 230000002068 genetic effect Effects 0.000 claims abstract description 24
- 201000010099 disease Diseases 0.000 claims abstract description 22
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 22
- 108010030837 Methylenetetrahydrofolate Reductase (NADPH2) Proteins 0.000 claims description 10
- 102100029684 Methylenetetrahydrofolate reductase Human genes 0.000 claims description 10
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 102200088679 rs1801131 Human genes 0.000 claims description 5
- 102200088972 rs1801133 Human genes 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 description 8
- 206010020772 Hypertension Diseases 0.000 description 6
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 206010012601 diabetes mellitus Diseases 0.000 description 5
- 238000013058 risk prediction model Methods 0.000 description 5
- 230000000391 smoking effect Effects 0.000 description 5
- 208000024172 Cardiovascular disease Diseases 0.000 description 4
- 208000032382 Ischaemic stroke Diseases 0.000 description 4
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 206010003658 Atrial Fibrillation Diseases 0.000 description 3
- 206010003210 Arteriosclerosis Diseases 0.000 description 2
- 201000001320 Atherosclerosis Diseases 0.000 description 2
- 108010074051 C-Reactive Protein Proteins 0.000 description 2
- 102100032752 C-reactive protein Human genes 0.000 description 2
- 208000032928 Dyslipidaemia Diseases 0.000 description 2
- FFFHZYDWPBMWHY-VKHMYHEASA-N L-homocysteine Chemical compound OC(=O)[C@@H](N)CCS FFFHZYDWPBMWHY-VKHMYHEASA-N 0.000 description 2
- 208000017170 Lipid metabolism disease Diseases 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 235000020824 obesity Nutrition 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010011469 Crying Diseases 0.000 description 1
- 208000034826 Genetic Predisposition to Disease Diseases 0.000 description 1
- 108010023302 HDL Cholesterol Proteins 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 208000007177 Left Ventricular Hypertrophy Diseases 0.000 description 1
- 208000005764 Peripheral Arterial Disease Diseases 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009862 primary prevention Effects 0.000 description 1
- 230000009861 stroke prevention Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种基于相关风险因素的中风风险评估方法及系统,所述方法包括以下步骤1)采集被评估者的风险因素信息和遗传信息,所述风险因素信息的类型包括个人信息、疾病史信息、生理生化信息和生活习惯信息;每个类型的信息都包括多个信息项目,每个信息项目可包括一个或多标注,并为标注和/或信息项目设定对应的风险因素值(Value),2)以被评估者的风险因素信息和遗传信息的对应的各项风险因素值计算风险分数f。
Description
技术领域
本发明涉及一种基于中风相关的风险因素提供中风全面风险评估的系统。
背景技术
中国每年中风的新发病例是200万。年龄标准化后的中风患病率是1114.8/100000,发病率是246.8/100000,死亡率是114.8/100000。《中国心血管病报告2018》指出,我国心血管病现患人数为2.9亿,其中中风1300万人,高血压2.45亿人。过去30年里,我国中风发病率急剧攀升,并呈现出低收入群体中快速增长、性别和地域差异明显以及年轻化趋势。据2016年综合标化患病率测算,我国40岁以上人群现患和曾患脑卒中人数为1242万。据此测算,全国每年死于中风的患者达196万。
中风的致死率和致残率较高,是世界第二、中国首位的死亡原因。我国中风发病率、患病率整体呈上升趋势,疾病负担不断加重。2015年中风的直接医疗消费达到500亿人民币。
与中风发生相关性最强的危险因素为高血压,其次是家族史、高脂血症、房颤、糖尿病、身体活动不足、吸烟以及肥胖等。如果对血脂异常和高血压进行有效管理,2016~2030年期间可以减少800万~3000万例中风,节省医疗费用9320亿美元。
70%的中风有可能通过改变生活方式来预防的。中风的不可调控风险因素包括年龄、性别、遗传倾向和种族,可控风险因素包括相关疾病史、生活习惯、心理因素、教育水平和血液检查指标。
中风相关疾病史包括高血压、心肌梗死、房颤、缺血性心脏病、肾病、糖尿病、肥胖和血脂异常等,其中高血压是中风的最重要风险因素;生活习惯的影响因素包括吸烟、饮酒和缺乏锻炼;心理因素如害怕、哭泣和抱怨;教育水平低;中风相关的血液指标有C-反应蛋白,血液同型半胱氨酸,总胆固醇和甘油三酯等。
目前评估中风风险的方法大体分为以下几种:量表评估,中风风险模型预测评估,血液、超声及血管影像学等检查辅助评估等。
常见量表有改良的弗明翰卒中量表、Essen量表等,风险模型有ChinaPAR(中国动脉粥样硬化性心血管病发病风险预测研究)卒中风险预测模型。
改良的弗明翰卒中量表,该量表用于预测未来10年卒中发病风险,适用于缺血性脑卒中一级预防风险评估。弗明翰风险评估表综合了年龄、血压、血脂、糖尿病、吸烟、心血管疾病、心房纤颤、左心室肥厚。
Essen量表是一个简便、易于临床操作的9分量表,综合了年龄、高血压、糖尿病、吸烟、心血管疾病、外周动脉疾病、既往缺血性脑卒中。评分增高,患者的卒中复发风险越高。
ChinaPAR(中国动脉粥样硬化性心血管病发病风险预测研究)卒中风险预测模型,为个体化预测卒中10年和终生发病风险提供了依据。China-PAR卒中发病风险预测模型更为适宜中国人群。除了纳入现有卒中风险预测所考虑的年龄、治疗和未治疗的收缩压、当前是否吸烟、是否患糖尿病、总胆固醇和高密度脂蛋白胆固醇水平等6个主要风险因素外,还纳入了能体现我国人群卒中风险特征的因素:男性和女性模型中均考虑了城镇化(是否为城市居民)和居住地(南/北方)因素。此外,男性模型纳入父母亲卒中病史;女性模型纳入了腰围,预测能力提升优于体质指数。
现有的量表和风险模型中,改良的弗明翰卒中量表适用于缺血性卒中一级预防风险评估,涉及的中风风险因素不够全面,Essen量表适用于临床应用评估缺血性卒中患者长期复发风险,其预测作用有限。China-PAR卒中发病风险预测模型虽然相较前两者更加准确,但是缺少中风遗传因素、教育水平、心理因素、饮酒频次、血液同型半胱氨酸、C反应蛋白等因素。基于这样的背景下,提供一种新的中风风险评估模型,能将遗传因素纳入风险评估模型,可精准预测20岁以上人群的中风发病风险,并可推广应用于常见慢性病人群的健康管理,实时评估干预手段的有效性成为现有技术中亟待解决的问题。
发明内容
为解决前述技术问题,本发明采用了以下技术方案:
一种基于相关风险因素的中风风险评估方法,其特征是包括以下步骤:
1)采集被评估者的风险因素信息和遗传信息,所述风险因素信息的类型包括个人信息、疾病史信息、生理生化信息和生活习惯信息;每个类型的信息都包括多个信息项目,每个信息项目可包括一个或多标注,并为标注和/或信息项目设定对应的风险因素值(Value),所述风险因素信息类型、与项目、标注和风险值的对应关系如下表1
所述遗传信息包括对亚甲基四氢叶酸还原酶(MTHFR)基因的SNP位点rs1801131和rs1801133的基因型检测结果,并为不同的的基因型设定不同的风险因素值,基因型与风险因素值的对应关系如下表2
2)以被评估者的风险因素信息和遗传信息的对应的各项风险因素值计算风险分数𝑓,风险分数𝑓与中风风险等级对应关系如下表:
所述风险分数𝑓的算法如下
其中:(1)a为年龄;(2)𝑉𝑔𝑒𝑛d𝑒𝑟为个体性别值,即表1中匹配性别的获取的风险因素值;
(3)𝑉𝑔𝑒𝑛𝑒为个体遗传信息值,即从表2中匹配基因型获取的风险因素值;
(4)𝑥𝑖为个体疾病史值,从表1中获取匹配疾病史信息获取的风险因素值之和;
(5)𝑦𝑖为个体生理生化值,从表1中获取匹配生理生化信息获取的风险因素值之和;
(6)𝑧𝑖为个体生活习惯值,从表1中获取匹配生活习惯信息获取的风险因素值之和;
(7)𝐸𝑖为个体学历值,从表1中获取匹配个人信息中学历和BMI项目获取的风险因素值之和。
一种基于相关风险因素的中风风险评估系统,其特征是所述系统包括输入模块、算法模块和输入模块;
所述输入模块用于输入采集到的被评估者的风险因素信息和遗传信息,所述风险因素信息的类型包括个人信息、疾病史信息、生理生化信息和生活习惯信息;每个类型的信息都包括多个信息项目,每个信息项目可包括一个或多标注,并为标注和/或信息项目设定对应的风险因素值(Value),所述风险因素信息类型、与项目、标注和风险值的对应关系如下表1
所述遗传信息包括对亚甲基四氢叶酸还原酶(MTHFR)基因的SNP位点rs1801131和rs1801133的基因型检测结果,并为不同的的基因型设定不同的风险因素值,基因型与风险因素值的对应关系如下表2
所述算法模块用于将输入模块输入的不同风险因素值计算风险分数𝑓,所述风险分数𝑓的算法如下
其中:(1)a为年龄;(2)𝑉𝑔𝑒𝑛d𝑒𝑟为个体性别值,即表1中匹配性别的获取的风险因素值;
(3)𝑉𝑔𝑒𝑛𝑒为个体遗传信息值,即从表2中匹配基因型获取的风险因素值;
(4)𝑥𝑖为个体疾病史值,从表1中获取匹配疾病史信息获取的风险因素值之和;
(5)𝑦𝑖为个体生理生化值,从表1中获取匹配生理生化信息获取的风险因素值之和;
(6)𝑧𝑖为个体生活习惯值,从表1中获取匹配生活习惯信息获取的风险因素值之和;
(7)𝐸𝑖为个体学历值,从表1中获取匹配个人信息中学历和BMI项目获取的风险因素值之和;
所述输出模块用于根据不同的风险分数f划分相应的中风风险等级,所述风险分数𝑓与中风风险等级对应关系如下表:
输出模块将得到中风风险等级作为结果输出。
通过本发明提供的风险评估方法及系统,可以借助与中风相关的大范围的人口统计、生理生化、疾病史、遗传、生活习惯等风险因素来进行评估,从而揭示个体罹患中风的全面风险。
本发明相对现有技术的优点在于,通过调节选定的风险因素,不仅包括传统的人口统计、生理生化、疾病史和生活习惯,还将遗传信息(基因)数据纳入评估系统,将模块逻辑应用到模型变化的个体全面评估,以便对个体进行针对性的中风预防,进而调节那些可显著降低全面风险的风险因素,同时对个体进行风险等级划分,给予个体最大的可能的风险提示。
附图说明
图1是本发明提供一种基于相关风险因素的中风风险评估系统的系统架构图。
具体实施方式
一种基于相关风险因素的中风风险评估系统,所述系统包括输入模块、算法模块和输入模块,所述系统架构如图1所示;
所述输入模块用于输入采集到的被评估者的风险因素信息和遗传信息,所述风险因素信息的类型包括个人信息、疾病史信息、生理生化信息和生活习惯信息;每个类型的信息都包括多个信息项目,每个信息项目可包括一个或多标注,并为标注和/或信息项目设定对应的风险因素值(Value),所述风险因素信息类型、与项目、标注和风险值的对应关系如下表1
所述遗传信息包括对亚甲基四氢叶酸还原酶(MTHFR)基因的SNP位点rs1801131和rs1801133的基因型检测结果,并为不同的的基因型设定不同的风险因素值,基因型与风险因素值的对应关系如下表2
所述算法模块用于将输入模块输入的不同风险因素值计算风险分数f,所述风险分数f的算法如下
即
其中:(1)a为年龄;(2)𝑉𝑔𝑒𝑛d𝑒𝑟为个体性别值,即表1中匹配性别的获取的风险因素值;
(3)𝑉𝑔𝑒𝑛𝑒为个体遗传信息值,即从表2中匹配基因型获取的风险因素值;
(4)𝑥𝑖为个体疾病史值,从表1中获取匹配疾病史信息获取的风险因素值之和;
(5)𝑦𝑖为个体生理生化值,从表1中获取匹配生理生化信息获取的风险因素值之和;
(6)𝑧𝑖为个体生活习惯值,从表1中获取匹配生活习惯信息获取的风险因素值之和;
(7)Ei为个体学历值,从表1中获取匹配个人信息中学历和BMI项目获取的风险因素值之和;
(8)ψ为年龄患病系数,跟值直接个体的年龄相关;(9)ω为当前患病风险,跟个体的性别、遗传信息、疾病史、生理生化指标、生活习惯相关。
所述输出模块用于根据不同的风险分数f划分相应的中风风险等级,所述风险分数𝑓与中风风险等级对应关系如下表:
输出模块将得到风险分数f值和中风风险等级作为结果输出。
实施例1
以年龄在55周岁至75周岁的老人100人作为被评估者,其中50人为中风病人,50人为体征健康的正常人,被评估者的风险因素信息和遗传信息输入所述的一种基于相关风险因素的中风风险评估系统,得到的相应的风险分数f值作为评估结果。得到数据用SPSS处理,以均数±标准差方式记录,并对数据进行卡方检验,分组与实验结果如下表:
Claims (2)
1.一种基于相关风险因素的中风风险评估方法,其特征是包括以下步骤:
1)采集被评估者的风险因素信息和遗传信息,所述风险因素信息的类型包括个人信息、疾病史信息、生理生化信息和生活习惯信息;每个类型的信息都包括多个信息项目,每个信息项目可包括一个或多标注,并为标注和/或信息项目设定对应的风险因素值(Value),所述风险因素信息类型、与项目、标注和风险值的对应关系如下表1
所述遗传信息包括对亚甲基四氢叶酸还原酶(MTHFR)基因的SNP位点rs1801131和rs1801133的基因型检测结果,并为不同的的基因型设定不同的风险因素值,基因型与风险因素值的对应关系如下表2
2)以被评估者的风险因素信息和遗传信息的对应的各项风险因素值计算风险分数𝑓,风险分数𝑓与中风风险等级对应关系如下表:
所述风险分数𝑓的算法如下:
其中:(1)𝛼为年龄;(2)𝑉𝑔𝑒𝑛d𝑒𝑟为个体性别值,即表1中匹配性别的获取的风险因素值;
(3)𝑉𝑔𝑒𝑛𝑒为个体遗传信息值,即从表2中匹配基因型获取的风险因素值;
(4)𝑥𝑖为个体疾病史值,从表1中获取匹配疾病史信息获取的风险因素值之和;
(5)𝑦𝑖为个体生理生化值,从表1中获取匹配生理生化信息获取的风险因素值之和;
(6)𝑧𝑖为个体生活习惯值,从表1中获取匹配生活习惯信息获取的风险因素值之和;
(7)𝐸𝑖为个体学历值,从表1中获取匹配个人信息中学历和BMI项目获取的风险因素值之和。
2.一种基于相关风险因素的中风风险评估系统,其特征是所述系统包括输入模块、算法模块和输入模块;
所述输入模块用于输入采集到的被评估者的风险因素信息和遗传信息,所述风险因素信息的类型包括个人信息、疾病史信息、生理生化信息和生活习惯信息;每个类型的信息都包括多个信息项目,每个信息项目可包括一个或多标注,并为标注和/或信息项目设定对应的风险因素值(Value),所述风险因素信息类型、与项目、标注和风险值的对应关系如下表1
所述遗传信息包括对亚甲基四氢叶酸还原酶(MTHFR)基因的SNP位点rs1801131和rs1801133的基因型检测结果,并为不同的的基因型设定不同的风险因素值,基因型与风险因素值的对应关系如下表2
所述算法模块用于将输入模块输入的不同风险因素值计算风险分数f,所述风险分数𝑓的算法如下
其中:(1)𝛼为年龄;(2)𝑉𝑔𝑒𝑛d𝑒𝑟为个体性别值,即表1中匹配性别的获取的风险因素值;
(3)𝑉𝑔𝑒𝑛𝑒为个体遗传信息值,即从表2中匹配基因型获取的风险因素值;
(4)𝑥𝑖为个体疾病史值,从表1中获取匹配疾病史信息获取的风险因素值之和;
(5)𝑦𝑖为个体生理生化值,从表1中获取匹配生理生化信息获取的风险因素值之和;
(6)𝑧𝑖为个体生活习惯值,从表1中获取匹配生活习惯信息获取的风险因素值之和;
(7)𝐸𝑖为个体学历值,从表1中获取匹配个人信息中学历和BMI项目获取的风险因素值之和;
所述输出模块用于根据不同的风险分数f划分相应的中风风险等级,所述风险分数𝑓与中风风险等级对应关系如下表:
输出模块将得到中风风险等级作为结果输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911334287.0A CN111028948A (zh) | 2019-12-23 | 2019-12-23 | 一种基于相关风险因素的中风风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911334287.0A CN111028948A (zh) | 2019-12-23 | 2019-12-23 | 一种基于相关风险因素的中风风险评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111028948A true CN111028948A (zh) | 2020-04-17 |
Family
ID=70211520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911334287.0A Pending CN111028948A (zh) | 2019-12-23 | 2019-12-23 | 一种基于相关风险因素的中风风险评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111028948A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112489789A (zh) * | 2020-11-25 | 2021-03-12 | 上海市同仁医院 | 一种用于心血管疾病风险评估的分层管理系统及方法 |
CN113838576A (zh) * | 2021-07-14 | 2021-12-24 | 北京航空航天大学 | 一种中国人中风风险的评估方法、装置、设备及介质 |
CN113913509A (zh) * | 2021-11-18 | 2022-01-11 | 江苏博嘉生物医学科技有限公司 | 脑卒中风险筛查相关分子标志物基因突变的检测试剂盒与检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101302563A (zh) * | 2008-07-08 | 2008-11-12 | 上海中优医药高科技有限公司 | 一种多基因疾病遗传风险综合评估方法 |
US20150234999A1 (en) * | 2014-02-18 | 2015-08-20 | Biosignia, Inc. | Systems, methods and computer program products for determining a consolidated disease risk score from risk factors and a level of composite risk |
US20190259501A1 (en) * | 2018-02-15 | 2019-08-22 | Atlas Llc | Method for evaluation of disease risk in the user on the basis of genetic data and data on the composition of gut microbiota |
CN110428901A (zh) * | 2019-07-19 | 2019-11-08 | 中国医学科学院阜外医院 | 脑卒中发病风险预测系统及应用 |
-
2019
- 2019-12-23 CN CN201911334287.0A patent/CN111028948A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101302563A (zh) * | 2008-07-08 | 2008-11-12 | 上海中优医药高科技有限公司 | 一种多基因疾病遗传风险综合评估方法 |
US20150234999A1 (en) * | 2014-02-18 | 2015-08-20 | Biosignia, Inc. | Systems, methods and computer program products for determining a consolidated disease risk score from risk factors and a level of composite risk |
US20190259501A1 (en) * | 2018-02-15 | 2019-08-22 | Atlas Llc | Method for evaluation of disease risk in the user on the basis of genetic data and data on the composition of gut microbiota |
CN110428901A (zh) * | 2019-07-19 | 2019-11-08 | 中国医学科学院阜外医院 | 脑卒中发病风险预测系统及应用 |
Non-Patent Citations (1)
Title |
---|
田胜利 等 著: "《H型高血压霍勇推荐2018观点》", 中国中医药出版出版, pages: 38 - 43 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112489789A (zh) * | 2020-11-25 | 2021-03-12 | 上海市同仁医院 | 一种用于心血管疾病风险评估的分层管理系统及方法 |
CN113838576A (zh) * | 2021-07-14 | 2021-12-24 | 北京航空航天大学 | 一种中国人中风风险的评估方法、装置、设备及介质 |
CN113913509A (zh) * | 2021-11-18 | 2022-01-11 | 江苏博嘉生物医学科技有限公司 | 脑卒中风险筛查相关分子标志物基因突变的检测试剂盒与检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Joshi et al. | Prevalence of hypertension and associated cardiovascular risk factors in an urban slum in Nairobi, Kenya: a population-based survey | |
Wilkins et al. | Blood pressure in Canadian adults | |
Tjepkema | Health care use among gay, lesbian and bisexual Canadians. | |
CN111028948A (zh) | 一种基于相关风险因素的中风风险评估方法及系统 | |
Kingsley et al. | Quality of life and the outcome of established rheumatoid arthritis | |
Smith et al. | Measuring health status: self-, interviewer, and physician reports of overall health | |
CN112890816A (zh) | 一种个人用户的健康指数评分方法和装置 | |
Mohandas et al. | Current and future directions in frailty research | |
CN112652397A (zh) | 一种用于门诊和社区的老年综合征筛查评估及干预的方法 | |
Hirsso et al. | Health-related quality of life and physical well-being among a 63-year-old cohort of women with androgenetic alopecia; a Finnish population-based study | |
Satapathy et al. | Human bancroftian filariasis: immunological markers of morbidity and infection | |
CN113593705B (zh) | 社区老年人衰弱进展预测的列线图模型系统 | |
Kakkad et al. | Factors affecting recovery after stroke: a narrative review | |
RU2692667C1 (ru) | Способ прогнозирования развития рецидивирующего инфаркта миокарда после повторного инфаркта миокарда у мужчин моложе 60 лет | |
Duan et al. | Clinical manifestations and genetic characteristics in the Taiwan thoracic aortic aneurysm and dissection cohort-a prospective cohort study | |
CN110265118A (zh) | 一种肺部影像诊断报告质量的评估方法和系统 | |
Zheng et al. | Estimation of hypertension risk from lifestyle factors and health profile: a case study | |
CN112489789A (zh) | 一种用于心血管疾病风险评估的分层管理系统及方法 | |
Choi et al. | Factors influencing the quality of sleep in Korean adults by age groups | |
CN115886818B (zh) | 一种基于胃肠电信号的抑郁焦虑障碍预测系统及其构建方法 | |
Lee et al. | Association of sasang constitutional type with sarcopenia | |
CN116584962B (zh) | 一种基于胃肠电信号的睡眠障碍预测系统及其构建方法 | |
CN116844728A (zh) | Il-17a抑制剂治疗银屑病疗效预测模型和系统及其构建方法 | |
Naheeda et al. | Development of a cost-effective CVD prediction model using lifestyle factors. A cohort study in Pakistan | |
Clark et al. | Loneliness and Type 2 Diabetes Incidence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210506 Address after: Room 1002-2-a, 75 Lane 1688, Guoquan North Road, Yangpu District, Shanghai 200082 Applicant after: Guanghan Technology (Shanghai) Co.,Ltd. Address before: Room 403, No.12 Wuzhong Road, Xuhui District, Shanghai Applicant before: Ding Ding |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |