[发明专利]一种脑卒中发病的自动检测方法

权利要求书

1.一种脑卒中发病的自动检测方法，其特征在于，包括以下步骤：

步骤S1、获取脑卒中患者的病理数据集合，病理数据集合包括多种与患者相关联的病理参数；

步骤S2、从每个脑卒中患者的病理数据集合中，筛选出与脑卒中复发具有显著相关的参数并确定为病理数据子集合；

步骤S3、基于每个脑卒中患者的住院登记记录、体检、门诊复查等方式更新其病理数据子集合；

步骤S4、实时对每个脑卒中患者的病理数据子集合与复发预测模型进行对比分析，得出相应危险等级，并基于危险等级来告知脑卒中患者及时前来复诊。

2.根据权利要求1所述的一种脑卒中发病的自动检测方法，其特征在于：在所述的步骤S2中，病理数据子集合包括有可预见性特征和不可预见性特征，可预防性特征包括有性别、年龄及遗传，不可预见性特征包括高血压、糖尿病、高同型半胱氨酸、颈动脉斑块形成、饮酒及吸烟。

3.根据权利要求1所述的一种脑卒中发病的自动检测方法，其特征在于,在所述的步骤S4中，复发预测模型的建立过程如下：

步骤S41、从至今一年以前所有具有病理数据子集合的脑卒中患者中抽取若干名患者作为样本；

步骤S42、从样本中进行筛选，剔除年龄未满18周岁、具有恶性肿瘤病史、非脑卒中所致的神经功能损坏的疾病、妊娠以及入院期间感染严重、发病时间少于2周的急性期患者；

步骤S43、进行单因素分析，将数字1和0作为因变量，并对每个患者的病理数据子集合进行赋值，经过卡方检验，在α＝0.05的水平下，一次筛选出具有统计学意义的临床表征变量；

步骤S44、进行多因素分析，以临床表现作为因变量，对每个患者的病理数据子集合采用二项Logistic回归分析方法，二次筛选出具有统计学意义的临床表征变量；

步骤S45、建立复发预测模型。