神经科常用的5个脑卒中风险评估量表,医生必备!

2024-03-12 17:28

本文主要是介绍神经科常用的5个脑卒中风险评估量表,医生必备!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

脑卒中俗称中风,包括缺血性脑卒中和出血性脑卒中。脑卒中风险评估的相关量表,是神经科医生临床常用的量表类型。

常笑医学整理了神经科常用的5个脑卒中风险评估量表,包括Essen脑卒中风险评分量表(ESRS评分)、卒中预测工具-Ⅱ(SPI-Ⅱ)、TIA(Transient ischemic attack)短期(90天)脑卒中风险评估、脑卒中预防与心房颤动试验评分(SPAF)、房颤患者卒中预防风险CHA2DS2-VASc评分。这些脑卒中风险评估量表在常笑医学网上均支持在线使用和下载。

1、Essen脑卒中风险评分量表(ESRS评分)

量表源自常笑医学网

Essen脑卒中风险评估量表,是一个简便、易于临床操作的9分量表,是根据氯吡格雷与阿司匹林相比用于缺血事件高危患者试验(Clopidogrel versus Aspirin in Patients at Risk of ischemic Events,CAPRIE)的脑卒中患者的数据开发。迄今,已经在欧美脑卒中人群中进行过效度研究。该量表适用于相对稳定的门诊就诊的缺血性卒中患者以及住院治疗的急性缺血性卒中患者的脑卒中复发风险预测评估,也可用于研究人群和个体患者的风险分层。

评估结果及应用:ESRS 3~6分者为高度风险,年脑卒中复发风险为7%~9%;6分以上者为极高度风险,年脑卒中复发风险为11%。ESRS评分≥3分的患者再发脑卒中或心血管死亡的风险是显著高于ESRS<3分的患者,应该实施氯吡格雷强化二级防抗血小板治疗策略。

2、卒中预测工具-Ⅱ(SPI-Ⅱ)

量表源自常笑医学网

卒中预测工具-Ⅱ(SPI-Ⅱ)是卒中再发风险的评估标准,由Kernan等在2000年在SPI-Ⅰ评分基础上添加充血性心力衰竭和既往脑卒中2个评分项目,各计3分,并调整了年龄计分标准。

该量表最高得分15分,评分注重心血管危险因素,并进行危险分层:0~3分划定为低危组;4~7分划定为中危组;8~15分划定为高危组。

3、TIA(Transient ischemic attack)短期(90天)脑卒中风险评估

量表源自常笑医学网

TIA(Transient ischemic attack)患者有较大的短期内发生脑卒中、住院、心血管病事件和死亡的风险。Johnston等来自旧金山的3个医院(UCSF、VAMC、KPNC)的作者根据回归分析结果得出5项相关危险因素,根据这些危险因素可以有效地评估到急诊就诊的TIA患者短期内(90天内)发生脑卒中的危险程度。

该量表根据年龄、糖尿病、发作时间、发作时无力、发作时言语受损5项危险因素的分数之和,可反映脑卒中风险大小。例如总分为5分,即表示该患者90天内发生脑卒中的危险程度为34%,利用该评估量表能够更进一步评估和治疗患者。

4、脑卒中预防与心房颤动试验评分(SPAF)

量表源自常笑医学网

脑卒中预防与心房颤动试验评分(the stroke prevention and atrial fibrillation, SPAF)中总结了一个预测口服阿司匹林的心房颤动患者发生缺血性卒中风险的分层方法。SPAF将AF房颤患者分为高危、中危和低危类型。

高危患者具有以下任意一项危险因素:既往脑卒中或TIA史;年龄>75岁女性,年龄>75岁患者有高血压史;收缩压>160mmHg。中危患者为年龄<75岁有高血压或者糖尿病史。低危患者无任何危险因素。

根据SPAF方法,其高危人群脑卒中发生率为每年5.7%(95%置信区间:4.4%~7.0%);中危人群脑卒中发生率为每年3.3%(95%置信区间:1.7%~5.2%);低危人群脑卒中发生率为每年1.5%(95%置信区间:0.5%~2.8%)。

5、房颤患者卒中预防风险CHA2DS2-VASc评分

量表源自常笑医学网

2010年Lip等人提出CHA2DS2-VASc作为新的房颤脑卒中危险分层管理评分,并被2012年ESC和2014年ACC/AHA房颤管理指南推荐为唯一的非瓣膜性房颤患者脑卒中危险分层评分,用于指导抗栓治疗。

目前对栓塞风险评估主要依靠“CHA2DS2-VASc”评分,其中S2和A2分别代表既往有血栓栓塞病史和年龄≥75 岁。这两项因素可成倍增加患者血栓栓塞的风险,是房颤患者血栓栓塞的主要危险因素,所以这两项的评分各为2分。而A、H、C、D、Sc、V则分别代表年龄>65岁、高血压、心衰、糖尿病、女性和血管疾病等,血管疾病是指心肌梗死、复合型主动脉斑块以及外周动脉疾病,这几项分别代表1分。

最高评分为9分,CHA2DS2-VASc评分≥2分者需口服抗凝药物;评分为1分者,口服抗凝药物或不进行抗栓治疗均可;无危险因素,即评分0分者不需抗栓治疗。

以上就是常笑医学整理的神经科常用的5个脑卒中风险评估量表,可用于脑卒中疾病的筛查和评估,供临床医生参考使用。

这篇关于神经科常用的5个脑卒中风险评估量表,医生必备!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/802021

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

JS常用组件收集

收集了一些平时遇到的前端比较优秀的组件,方便以后开发的时候查找!!! 函数工具: Lodash 页面固定: stickUp、jQuery.Pin 轮播: unslider、swiper 开关: switch 复选框: icheck 气泡: grumble 隐藏元素: Headroom

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

常用的jdk下载地址

jdk下载地址 安装方式可以看之前的博客: mac安装jdk oracle 版本:https://www.oracle.com/java/technologies/downloads/ Eclipse Temurin版本:https://adoptium.net/zh-CN/temurin/releases/ 阿里版本: github:https://github.com/

30常用 Maven 命令

Maven 是一个强大的项目管理和构建工具,它广泛用于 Java 项目的依赖管理、构建流程和插件集成。Maven 的命令行工具提供了大量的命令来帮助开发人员管理项目的生命周期、依赖和插件。以下是 常用 Maven 命令的使用场景及其详细解释。 1. mvn clean 使用场景:清理项目的生成目录,通常用于删除项目中自动生成的文件(如 target/ 目录)。共性规律:清理操作

019、JOptionPane类的常用静态方法详解

目录 JOptionPane类的常用静态方法详解 1. showInputDialog()方法 1.1基本用法 1.2带有默认值的输入框 1.3带有选项的输入对话框 1.4自定义图标的输入对话框 2. showConfirmDialog()方法 2.1基本用法 2.2自定义按钮和图标 2.3带有自定义组件的确认对话框 3. showMessageDialog()方法 3.1

工作常用指令与快捷键

Git提交代码 git fetch  git add .  git commit -m “desc”  git pull  git push Git查看当前分支 git symbolic-ref --short -q HEAD Git创建新的分支并切换 git checkout -b XXXXXXXXXXXXXX git push origin XXXXXXXXXXXXXX

java常用面试题-基础知识分享

什么是Java? Java是一种高级编程语言,旨在提供跨平台的解决方案。它是一种面向对象的语言,具有简单、结构化、可移植、可靠、安全等特点。 Java的主要特点是什么? Java的主要特点包括: 简单性:Java的语法相对简单,易于学习和使用。面向对象:Java是一种完全面向对象的语言,支持封装、继承和多态。跨平台性:Java的程序可以在不同的操作系统上运行,称为"Write once,

nginx介绍及常用功能

什么是nginx nginx跟Apache一样,是一个web服务器(网站服务器),通过HTTP协议提供各种网络服务。 Apache:重量级的,不支持高并发的服务器。在Apache上运行数以万计的并发访问,会导致服务器消耗大量内存。操作系统对其进行进程或线程间的切换也消耗了大量的CPU资源,导致HTTP请求的平均响应速度降低。这些都决定了Apache不可能成为高性能WEB服务器  nginx:

PR曲线——一个更敏感的性能评估工具

在不均衡数据集的情况下,精确率-召回率(Precision-Recall, PR)曲线是一种非常有用的工具,因为它提供了比传统的ROC曲线更准确的性能评估。以下是PR曲线在不均衡数据情况下的一些作用: 关注少数类:在不均衡数据集中,少数类的样本数量远少于多数类。PR曲线通过关注少数类(通常是正类)的性能来弥补这一点,因为它直接评估模型在识别正类方面的能力。 精确率与召回率的平衡:精确率(Pr