张晓林，彭晨，殷淑娟，陈积标，王嘉晶，易应萍

（南昌大学第二附属医院信息处，江西 南昌 330006）

脑卒中是一种全球范围内的常见疾病，发病率和病死率高，且复发率和残疾率也较高[1]。脑卒中居我国死因第一位[2]，且发病率每年以近9%的速度不断上升[3]，其中缺血性脑卒中占70%～80%。近年来，国内外关于脑卒中复发的研究较多，但大多数是针对影响脑卒中复发的独立危险因素研究，缺少多因素联合预测研究。随机森林[4]（random forests）是一种基于分类树的算法，其因对样本量要求低、准确而高效、具有良好的稳定性以及可以综合考虑各因素等优势，目前已广泛应用于人工智能、大数据分析、临床医疗等领域[4]。本研究针对首发缺血性脑卒中患者构建基于随机森林算法的出院90 d复发预测模型，将所有影响指标按重要度排序，旨在为临床上预测及预防复发提供依据，现报道如下。

1 资料与方法

1.1 临床资料 回顾性分析2019年1月至2019年7月于南昌大学第二附属医院就诊的580 例首发缺血性脑卒中患者的临床资料，根据出院90 d 是否复发分为复发组（n=110）和正常组（n=470）。

纳入标准：均经头颅CT 或MRI 确诊；年龄18～85 岁；出院诊断为缺血性脑卒中（ICD10 编码为I63-I639）。排除标准：癌症者；出血性卒中或合并血管畸形等严重神经系统疾病者；合并严重心、肝脏、肺、肾脏系统疾病者；有卒中史者；使用抗凝药物者；医院内或出院90 d内死亡者；临床资料不完整以及失访者。

1.2 方法 通过大数据平台收集患者年龄、性别、高血压史、糖尿病史、吸烟史、饮酒史等；……