第一部分颈内动脉钙化在接受静脉溶栓治疗的急性缺血性脑卒中患者中的患病率及其影响因素分析背景与目的:颈内动脉钙化是颅脑非增强CT中常见的影像学改变,尤其在老年人中高发。既往研究报道,颈内动脉钙化与急性缺血性脑卒中（acute ischemic stroke,AIS）的发生、预后及并发症均具有一定相关性。进一步明确颈内动脉钙化的患病率及其影响因素对AIS患者的防治及预后评估具有重要意义。目前,这方面的研究多基于外国人群,然而,与其他种族人群相比,颈内动脉钙化在亚裔人群中患病率更高。因此,我们有必要对我国人群进行相关研究,从而为我国患者的临床诊疗提供理论依据。本研究旨在对我中心AIS患者的颈内动脉钙化分布情况和患病率进行描述,并对颈内动脉钙化的影响因素进行分析和探讨。方法:本研究回顾性地分析了我们前瞻性收集的自2015年7月至2021年1月就诊于我院神经内科并接受静脉溶栓（intravenous thrombolysis,IVT）治疗的AIS患者。所有患者均进行颅脑非增强CT扫描。使用第三方软件3Dslicer对颈内动脉钙化进行识别和测量,定义CT值≥130Hu且超过2个连续体素的高密度影为钙化灶。我们首先按性别和年龄分组对颈内动脉钙化的分布情况和患病率进行描述。然后采用多因素logistic回归分析对颈内动脉钙化的影响因素进行探讨,定义p值＜0.05具有统计学差异。结果:本研究最终纳入1022例患者,年龄中位数为63岁（55-71岁）,其中男性患者747例（73.1%）。颈内动脉钙化的患病率为82.1%,钙化体积中位数为86.55 mm3（12.25 mm3-286.65 mm3）,左右两侧及男女两性间颈内动脉钙化的患病率及体积未见明显差异。随年龄增长,颈内动脉钙化的患病率和钙化体积在男女两性中整体均呈上升趋势。经多因素logistic回归分析发现,年龄（OR=3.019,95%CI:2.506-3.638,p＜0.001,每增加10岁）、糖尿病（OR=2.213,95%CI:1.237-3.957,p=0.007）、既往卒中史（OR=2.134,95%CI:1.127-4.043,p=0.020）与颈内动脉钙化的发生独立相关。结论:在接受IVT治疗的AIS患者中,颈内动脉钙化患病率较高且随年龄增长整体呈上升趋势。高龄、糖尿病以及既往卒中史是颈内动脉钙化发生的重要影响因素。第二部分颈内动脉钙化与急性缺血性脑卒中患者溶栓后出血转化和功能预后的相关性研究背景与目的:IVT是目前世界公认的实现超早期脑缺血再灌注治疗的主要措施。通过及时恢复AIS患者脑血流灌注,可以有效减少脑梗死面积,改善患者神经功能缺损,最终到达减少卒中致死率和致残率的目的。尽管如此,IVT显著增加了卒中患者发生溶栓后出血转化的风险,而且部分患者在接受IVT治疗后仍然预后不良。颈内动脉钙化可导致血管管壁僵硬和脑血流动力学不稳,进而造成钙化血管下游微循环的损伤。故其可能对溶栓患者的临床转归具有潜在影响。然而,既往对颈内动脉钙化与溶栓后出血转化和功能预后的研究比较有限且均采用定性测量的方法。为此,在这部分研究中我们将基于本中心接受IVT治疗的前循环AIS患者队列,采用定量测量的方法对颈内动脉钙化与患者溶栓后出血转化以及3个月功能预后的相关性进行探讨。方法:本研究回顾性地分析了我们前瞻性收集的自2015年7月至2021年1月就诊于我院神经内科并接受阿替普酶IVT治疗的前循环AIS患者。所有患者均完善基线和发病后24h颅脑非增强CT。使用3Dslicer对颈内动脉钙化相关指标进行评估,包括:是否存在颈内动脉钙化、钙化体积、钙化积分。结局指标包括溶栓后出血转化和预后不良,其中溶栓后出血转化的判定参照ECASS II分类标准;预后不良定义为发病后3个月m RS评分≥3分。采用多因素logistic回归分析对颈内动脉钙化与溶栓患者的临床结局的相关性进行验证。由于钙化体积呈偏态分布,而且部分患者钙化体积为0.00 mm3,故在进行统计分析时,我们以ln（钙化体积+1.00 mm3）的形式纳入方程,同时为进一步验证所得结果,我们又按四分位数对钙化体积进行分组,将其按分类变量带入方程。钙化积分的处理同钙化体积。定义p值＜0.05具有统计学差异。结果:本研究最终纳入600例患者,年龄中位数为63岁（54-71岁）,男性患者424（70.7%）例。对患者功能预后进行分析发现,共214（35.7%）例患者预后不良,53（8.8%）例患者发生溶栓后出血转化。对颈内动脉钙化进行分析发现,共489（79.7%）例患者存在任意一侧颈内动脉钙化,钙化体积中位数为70.10mm3（5.38 mm3-274.66 mm3）,钙化积分中位数为159.77（6.35-671.31）。在单因素分析中,与预后良好的患者相比,预后不良的患者颈内动脉钙化的患病率更高（p＜0.001）、钙化体积更大（p=0.005）并且钙化积分也更高（p=0.008）;对于溶栓后出血转化,钙化体积与其具有一定相关性（p=0.037）,而钙化积分仅表现出边缘显著性（p=0.052）。在敏感性分析中,经校正人口学资料、主要危险因素、溶栓基线资料和入院后化验结果后,存在颈内动脉钙化是卒中患者溶栓后3个月预后不良的独立预测因子（OR=1.866,95%CI:1.073-3.244,p=0.027）,而钙化体积或钙化积分并不是溶栓预后的独立预测因子;此外,存在颈内动脉钙化、钙化体积或钙化积分与溶栓后出血转化均不独立相关。结论:在接受IVT治疗的前循环AIS患者中,存在颈内动脉钙化与患者预后不良独立相关;颈内动脉钙化体积与溶栓后出血转化虽然具有一定相关性,但并不是其独立预测因子。第三部分基于患者基线资料建立急性缺血性脑卒中患者静脉溶栓预后的机器学习预测模型背景与目的:对卒中患者的远期预后进行早期、精准预测,不仅能够用于指导医生的临床决策,还可用于指导患者对治疗及康复的期望,设立合理目标,有助于患者功能恢复和医患间有效沟通。近年来,机器学习以其对复杂数据强大的处理能力和优秀的预测效能在医疗卫生领域中逐渐受到关注。在这部分研究中我们将采用机器学习算法,利用患者溶栓前可获取的资料构建临床预测模型,以对卒中患者溶栓后3个月的预后情况进行早期预测。在此基础之上,我们分析了颈内动脉钙化在预测模型中的重要性,拟通过机器学习的方法进一步验证颈内动脉钙化对卒中预后的预测价值。方法:本研究回顾性地分析了我们前瞻性收集的自2015年7月至2021年1月就诊于我院神经内科并接受阿替普酶IVT治疗的前循环AIS患者。收集患者人口学信息、基线临床资料、急诊检验指标,并采用颅脑非增强CT判断颈内动脉是否存在钙化。为简化模型,我们根据已发表文献及临床经验,对特征进行筛选。结局指标为患者长期功能预后,定义溶栓后3个月m RS评分≥3分为预后不良。对数据进行清洗后采用min-max归一化方法对数据进行标准化处理。通过随机拆分法将数据按8:2的比例分为训练集和测试集。模型构建采用3种使用较为广泛且预测效能较好的机器学习算法（库）,分别为逻辑回归、随机森林和极限梯度提升。使用网格寻参法进行超参数调整并使用受试者工作特征曲线（receiver operating characteristic curve,ROC）和混淆矩阵对模型效能进行评估。同时,我们将患者按年龄是否超过70岁进行分层,观察模型在各组中的预测效果。我们使用沙普利附加解释法（Shapley Additive Explanations,SHAP）对模型进行解释并对各变量在模型中的重要性进行排名。结果:本研究最终共纳入600例患者,其中有214（35.7%）例患者预后不良。我们从患者基线资料中共提取出39个特征并进一步筛选出了10个特征进行建模。在模型选择方面,随机森林模型表现最好,而且使用筛选特征建模可以优化模型预测效能,具体参数如下:利用患者所有特征建模时,逻辑回归、随机森林和极限梯度提升模型ROC曲线下面积（area under the curve,AUC）分别为0.738、0.769和0.756,准确率分别为0.700、0.716以及0.675;利用筛选特征构建模型时,以上3种算法模型的AUC值分别为0.745、0.784和0.767,准确率分别为0.733、0.750以及0.725。基于随机森林模型对患者进行分层分析发现,模型对年龄超过70岁的患者预测的区分度更高,具体如下:使用所有特征建模时,≥70岁和＜70岁人群的AUC值分别为0.824和0.717;使用筛选特征建模时,≥70岁和＜70岁人群的AUC值分别为0.891和0.728。基于SHAP算法对特征重要性进行分析发现:基于所有特征构建的随机森林模型中,排名前五位的变量分别为基线NIHSS评分（相对特征重要性为29.7%）、中性粒细胞绝对值（7.9%）、白细胞计数（6.2%）、年龄（5.4%）和颈内动脉钙化（4.5%）;基于筛选特征建模时,排名前五位的变量分别为基线NIHSS评分（47.2%）、白细胞计数（14.4%）、年龄（9.5%）、血红蛋白（8.5%）和颈内动脉钙化（8.2%）。同时,我们通过SHAP算法发现,存在颈内动脉钙化对患者预后不良的预测起到正向推动作用。结论:随机森林模型能够较好地对前循环卒中患者溶栓后的功能预后做出早期预测,并且在超过70岁的高龄患者中预测效能较高。同时,颈内动脉钙化是模型较为重要的预测因子,对卒中患者预后具有一定预测价值。