数学模型在颅脑损伤患者入院指标与预后指标多因素模型分析中的应用

doi:10.3877/cma.j.issn.2096-1537.2019.04.010

中华重症医学电子杂志 ›› 2019, Vol. 05 ›› Issue (04) : 346 -352. doi: 10.3877/cma.j.issn.2096-1537.2019.04.010

所属专题：文献；

重症医学研究

数学模型在颅脑损伤患者入院指标与预后指标多因素模型分析中的应用

韦广发¹, 郑庆斌¹, 孟丽君¹, 冯庆玲¹, 袁文杰¹, 欧金磊¹, 王玉荣¹, 孙京京¹, 刘微丽¹^,^†(

), 李勇¹

^1. 225000　扬州大学附属医院　扬州市第一人民医院重症医学科

收稿日期:2019-05-30 出版日期:2019-11-28
通信作者: 刘微丽
基金资助:
江苏省扬州市社会发展项目(YZ2017080)

The application of mathematical model in the analysis of multi-factor models of admission indicators and prognostic indicators for patients with brain injury

Guangfa Wei¹, Qingbin Zheng¹, Lijun Meng¹, Qingling Feng¹, Wenjie Yuan¹, Jinlei Ou¹, Yurong Wang¹, Jingjing Sun¹, Weili Liu¹^,^†(), Yong Li¹

^1. Department of Critical Care Medicine, Affiliated Hospital of Yangzhou University, Yangzhou First People′s Hospital, Yanghzou 225000, China

Received:2019-05-30 Published:2019-11-28
Corresponding author: Weili Liu
About author:
Corresponding author: Liu Weili, Email: 090499@yzu.edu.cn

全文 ( ) 下载PDF ( ) 导出引用

引用本文：

韦广发, 郑庆斌, 孟丽君, 冯庆玲, 袁文杰, 欧金磊, 王玉荣, 孙京京, 刘微丽, 李勇. 数学模型在颅脑损伤患者入院指标与预后指标多因素模型分析中的应用[J/OL]. 中华重症医学电子杂志, 2019, 05(04): 346-352.

Guangfa Wei, Qingbin Zheng, Lijun Meng, Qingling Feng, Wenjie Yuan, Jinlei Ou, Yurong Wang, Jingjing Sun, Weili Liu, Yong Li. The application of mathematical model in the analysis of multi-factor models of admission indicators and prognostic indicators for patients with brain injury[J/OL]. Chinese Journal of Critical Care & Intensive Care Medicine(Electronic Edition), 2019, 05(04): 346-352.

目的

探讨颅脑损伤患者入院时的多项指标以及指标间交互作用对患者预后指标的影响。

方法

收集2013年1月至2017年8月入住扬州大学附属医院重症医学科的130例颅脑外伤患者的临床资料进行分析，建立预后指标与入院指标的数学模型，进行数学模型相关分析。并收集2017年10月至2018年12月26例颅脑外伤患者临床资料进行建模数据外部验证。

结果

镇静躁动评分（RASS）平方项、格拉斯哥昏迷评分（GCS）与RASS评分交互项、年龄与急性生理和慢性健康状况（APACHEⅡ）评分交互项、心率与乳酸（LAC）交互项等对预后指标有显著影响。

结论

数学模型可以对颅脑损伤患者进行预后指标评估预测。

关键词: 颅脑损伤, 入院指标, 预后指标, 数学模型

Objective

To explore the influence of prognosis indicators of multiple indicators and their interactionat hospital admission in patients with brain injury.

Methods

We analyzed the clinical data of 130 patients with craniocerebral trauma who were admitted to the Department of Critical Care Medicine of the Affiliated Hospital of Yangzhou University from January 2013 to August 2017. We performed a mathematical model to identify the correlation between data at hospital admission and outcome. The clinical data of 26 patients with craniocerebral trauma from October 2017 to December 2018 were collected for external validation.

Results

Sedation score (RASS) squared item, Grasse coma (GCS) score and RASS score interaction item, age and acute physiology and chronic health status (APACHEⅡ) score interaction item, heart rate and lactic acid (LAC) interaction term were significantly associated with outcome.

Conclusion

Mathematical models can be used to assess prognostic indicators in patients with brain injury.

Key words: Brain injury, Admission indicators, Prognosis indicators, Mathematical model

表1 临床数据

编号	代码	指标	单位	内部验证数据（±s）	外部验证数据（±s）	P值
1	X₁	年龄	岁	54.60±13.88	57.80±18.62	0.072
2	X₂	APACHEⅡ评分	分	23.94±6.75	21.60±6.34	0.677
3	X₃	GCS	分	6.55±2.66	8.60±3.59	0.011
4	X₄	HR	次/分	84.58±22.15	89.56±31.42	0.025
5	X₅	SBP	mmHg	155.21±38.86	159.96±39.33	0.881
6	X₆	影像学出血量	ml	65.80±31.73	39.48±43.80	0.998
7	X₇	中线偏移	mm	9.26±7.23	7.16±5.54	0.067
8	X₈	PO₂	mmHg	87.19±23.85	90.16±27.89	0.093
9	X₉	PCO₂	mmHg	40.45±11.66	40.92±12.00	0.603
10	X₁₀	Lac	mmol/L	2.89±2.23	2.88±1.52	0.101
11	X₁₁	BG	mmol/L	9.66±3.51	10.88±4.31	0.380
12	X₁₂	RASS镇静评分	分	0.11±2.11	-2.00±2.00	0.497
13	Y	GOS	分	2.74±1.47	3.36±1.32	0.437

表1 临床数据

编号	代码	指标	单位	内部验证数据（±s）	外部验证数据（±s）	P值
1	X₁	年龄	岁	54.60±13.88	57.80±18.62	0.072
2	X₂	APACHEⅡ评分	分	23.94±6.75	21.60±6.34	0.677
3	X₃	GCS	分	6.55±2.66	8.60±3.59	0.011
4	X₄	HR	次/分	84.58±22.15	89.56±31.42	0.025
5	X₅	SBP	mmHg	155.21±38.86	159.96±39.33	0.881
6	X₆	影像学出血量	ml	65.80±31.73	39.48±43.80	0.998
7	X₇	中线偏移	mm	9.26±7.23	7.16±5.54	0.067
8	X₈	PO₂	mmHg	87.19±23.85	90.16±27.89	0.093
9	X₉	PCO₂	mmHg	40.45±11.66	40.92±12.00	0.603
10	X₁₀	Lac	mmol/L	2.89±2.23	2.88±1.52	0.101
11	X₁₁	BG	mmol/L	9.66±3.51	10.88±4.31	0.380
12	X₁₂	RASS镇静评分	分	0.11±2.11	-2.00±2.00	0.497
13	Y	GOS	分	2.74±1.47	3.36±1.32	0.437

表2 系数的显著性分析

项	偏相关	T检验	P值
r（Y，X₁₂*X₁₂）	-0.3582	4.1674	0.0001
r（Y，X₁*X₂）	-0.3303	3.8014	0.0002
r（Y，X₃*X₇）	-0.3465	4.0132	0.0001
r（Y，X₃*X₈）	0.5916	7.9700	0.0001
r（Y，X₃*X₁₂）	-0.1854	2.0490	0.0427
r（Y，X₄*X₈）	-0.2004	2.2222	0.0282
r（Y，X₄*X₁₀）	-0.3522	4.0872	0.0001
r（Y，X₅*X₆）	-0.3427	3.9622	0.0001
r（Y，X₅*X₇）	0.2808	3.1779	0.0019
r（Y，X₆*X₁₁）	0.2547	2.8606	0.0050
r（Y，X₇*X₁₁）	-0.1851	2.0463	0.0429

表2 系数的显著性分析

项	偏相关	T检验	P值
r（Y，X₁₂*X₁₂）	-0.3582	4.1674	0.0001
r（Y，X₁*X₂）	-0.3303	3.8014	0.0002
r（Y，X₃*X₇）	-0.3465	4.0132	0.0001
r（Y，X₃*X₈）	0.5916	7.9700	0.0001
r（Y，X₃*X₁₂）	-0.1854	2.0490	0.0427
r（Y，X₄*X₈）	-0.2004	2.2222	0.0282
r（Y，X₄*X₁₀）	-0.3522	4.0872	0.0001
r（Y，X₅*X₆）	-0.3427	3.9622	0.0001
r（Y，X₅*X₇）	0.2808	3.1779	0.0019
r（Y，X₆*X₁₁）	0.2547	2.8606	0.0050
r（Y，X₇*X₁₁）	-0.1851	2.0463	0.0429

图1 镇静评分RASS单因素对预后指标影响的曲线图

图2 GCS评分与镇静评分RASS交互作用等值线图

图3 年龄与APACHEⅡ评分交互作用等值线图

图4 心率与乳酸交互作用等值线图

表3 内部验证130例患者的观测值和拟合值

样本	观测值	拟合值	拟合误差
1	1	1.3094	-0.3094
2	5	4.3413	0.6587
3	3	2.1499	0.8501
4	1	1.7955	-0.7955
5	4	4.0702	-0.0702
6	3	2.5322	0.4678
7	2	2.3195	-0.3195
8	4	3.6383	0.3617
9	1	2.2940	-1.2940
10	1	1.5881	-0.5881
11	1	2.2016	-1.2016
12	5	3.0091	1.9909
13	4	4.2750	-0.2750
14	3	2.8244	0.1756
15	1	1.2850	-0.285
16	3	3.2680	-0.268
17	4	3.8662	0.1338
18	1	1.0000	0
19	5	4.4367	0.5633
20	1	1.8224	-0.8224
21	5	5.0000	0
22	5	4.1995	0.8005
23	3	3.6493	-0.6493
24	1	1.0000	1.0000
25	2	3.2827	-1.2827
26	1	2.5245	-1.5245
27	5	4.5873	0.4127
28	3	3.5043	-0.5043
29	2	1.9846	0.0154
30	1	1.0000	0.0000
31	2	1.4150	0.585
32	4	3.4235	0.5765
33	3	2.0516	0.9484
34	1	1.0000	1.0000
35	4	4.0225	-0.0225
36	1	2.0697	-1.0697
37	3	2.6211	0.3789
38	1	2.2449	-1.2449
39	3	2.8299	0.1701
40	4	3.1361	0.8639
41	5	3.7609	1.2391
42	3	3.4085	-0.4085
43	5	3.3069	1.6931
44	3	3.6481	-0.6481
45	3	3.0972	-0.0972
46	2	3.3202	-1.3202
47	1	1.0000	0
48	2	2.3267	-0.3267
49	1	1.0000	0
50	3	3.1241	-0.1241
51	1	1.5364	-0.5364
52	2	3.1129	-1.1129
53	1	1.3995	-0.3995
54	3	2.6472	0.3528
55	4	3.9615	0.0385
56	5	3.9626	1.0374
57	4	4.1137	-0.1137
58	1	1.3217	-0.3217
59	5	5.0000	0
60	1	1.9954	-0.9954
61	2	2.2912	-0.2912
62	3	3.5790	-0.579
63	4	3.2437	0.7563
64	3	2.9375	0.0625
65	5	4.2667	0.7333
66	4	4.5576	-0.5576
67	5	4.4843	0.5157
68	2	2.3068	-0.3068
69	3	1.8361	1.1639
70	1	1.4134	-0.4134
71	1	1.3807	-0.3807
72	1	1.2379	-0.2379
73	2	2.3563	-0.3563
74	2	2.8986	-0.8986
75	5	4.0512	0.9488
76	2	1.2737	0.7263
77	3	3.7541	-0.7541
78	4	2.8553	1.1447
79	4	4.7874	-0.7874
80	3	3.2123	-0.2123
81	5	4.6262	0.3738
82	5	3.8452	1.1548
83	5	5.2690	-0.2690
84	2	1.4489	0.5511
85	1	1.1753	-0.1753
86	5	3.6253	1.3747
87	4	3.5735	0.4265
88	1	1.5942	-0.5942
89	1	1.0000	0
90	1	2.2918	-1.2918
91	4	3.3102	0.6898
92	5	4.3525	0.6475
93	1	1.0000	0
94	3	2.6012	0.3988
95	2	1.7479	0.2521
96	3	2.4006	0.5994
97	3	2.8533	0.1467
98	1	2.5910	-1.5910
99	3	2.7021	0.2979
100	1	2.2252	-1.2252
101	1	1.0199	-0.0199
102	4	4.4977	-0.4977
103	3	2.3896	0.6104
104	1	1.0997	-0.0997
105	1	1.2433	-0.2433
106	1	1.0833	-0.0833
107	1	1.2784	-0.2784
108	1	2.2542	-1.2542
109	5	4.0411	0.9589
110	3	2.4991	0.5009
111	4	4.3917	-0.3917
112	3	2.7506	0.2494
113	1	1.5952	-0.5952
114	5	5.0000	0
115	3	2.6814	0.3186
116	1	2.6136	-1.6136
117	2	2.0309	-0.0309
118	4	3.7946	0.2054
119	4	3.1958	0.8042
120	4	1.8218	2.1782
121	1	1.0000	0
122	1	1.9108	-0.9108
123	2	2.9382	-0.9382
124	4	3.4696	0.5304
125	1	1.4539	-0.4539
126	4	4.2663	-0.2663
127	2	1.9344	0.0656
128	3	2.5227	0.4773
129	5	5.0000	0
130	4	3.6591	0.3409

表3 内部验证130例患者的观测值和拟合值

样本	观测值	拟合值	拟合误差
1	1	1.3094	-0.3094
2	5	4.3413	0.6587
3	3	2.1499	0.8501
4	1	1.7955	-0.7955
5	4	4.0702	-0.0702
6	3	2.5322	0.4678
7	2	2.3195	-0.3195
8	4	3.6383	0.3617
9	1	2.2940	-1.2940
10	1	1.5881	-0.5881
11	1	2.2016	-1.2016
12	5	3.0091	1.9909
13	4	4.2750	-0.2750
14	3	2.8244	0.1756
15	1	1.2850	-0.285
16	3	3.2680	-0.268
17	4	3.8662	0.1338
18	1	1.0000	0
19	5	4.4367	0.5633
20	1	1.8224	-0.8224
21	5	5.0000	0
22	5	4.1995	0.8005
23	3	3.6493	-0.6493
24	1	1.0000	1.0000
25	2	3.2827	-1.2827
26	1	2.5245	-1.5245
27	5	4.5873	0.4127
28	3	3.5043	-0.5043
29	2	1.9846	0.0154
30	1	1.0000	0.0000
31	2	1.4150	0.585
32	4	3.4235	0.5765
33	3	2.0516	0.9484
34	1	1.0000	1.0000
35	4	4.0225	-0.0225
36	1	2.0697	-1.0697
37	3	2.6211	0.3789
38	1	2.2449	-1.2449
39	3	2.8299	0.1701
40	4	3.1361	0.8639
41	5	3.7609	1.2391
42	3	3.4085	-0.4085
43	5	3.3069	1.6931
44	3	3.6481	-0.6481
45	3	3.0972	-0.0972
46	2	3.3202	-1.3202
47	1	1.0000	0
48	2	2.3267	-0.3267
49	1	1.0000	0
50	3	3.1241	-0.1241
51	1	1.5364	-0.5364
52	2	3.1129	-1.1129
53	1	1.3995	-0.3995
54	3	2.6472	0.3528
55	4	3.9615	0.0385
56	5	3.9626	1.0374
57	4	4.1137	-0.1137
58	1	1.3217	-0.3217
59	5	5.0000	0
60	1	1.9954	-0.9954
61	2	2.2912	-0.2912
62	3	3.5790	-0.579
63	4	3.2437	0.7563
64	3	2.9375	0.0625
65	5	4.2667	0.7333
66	4	4.5576	-0.5576
67	5	4.4843	0.5157
68	2	2.3068	-0.3068
69	3	1.8361	1.1639
70	1	1.4134	-0.4134
71	1	1.3807	-0.3807
72	1	1.2379	-0.2379
73	2	2.3563	-0.3563
74	2	2.8986	-0.8986
75	5	4.0512	0.9488
76	2	1.2737	0.7263
77	3	3.7541	-0.7541
78	4	2.8553	1.1447
79	4	4.7874	-0.7874
80	3	3.2123	-0.2123
81	5	4.6262	0.3738
82	5	3.8452	1.1548
83	5	5.2690	-0.2690
84	2	1.4489	0.5511
85	1	1.1753	-0.1753
86	5	3.6253	1.3747
87	4	3.5735	0.4265
88	1	1.5942	-0.5942
89	1	1.0000	0
90	1	2.2918	-1.2918
91	4	3.3102	0.6898
92	5	4.3525	0.6475
93	1	1.0000	0
94	3	2.6012	0.3988
95	2	1.7479	0.2521
96	3	2.4006	0.5994
97	3	2.8533	0.1467
98	1	2.5910	-1.5910
99	3	2.7021	0.2979
100	1	2.2252	-1.2252
101	1	1.0199	-0.0199
102	4	4.4977	-0.4977
103	3	2.3896	0.6104
104	1	1.0997	-0.0997
105	1	1.2433	-0.2433
106	1	1.0833	-0.0833
107	1	1.2784	-0.2784
108	1	2.2542	-1.2542
109	5	4.0411	0.9589
110	3	2.4991	0.5009
111	4	4.3917	-0.3917
112	3	2.7506	0.2494
113	1	1.5952	-0.5952
114	5	5.0000	0
115	3	2.6814	0.3186
116	1	2.6136	-1.6136
117	2	2.0309	-0.0309
118	4	3.7946	0.2054
119	4	3.1958	0.8042
120	4	1.8218	2.1782
121	1	1.0000	0
122	1	1.9108	-0.9108
123	2	2.9382	-0.9382
124	4	3.4696	0.5304
125	1	1.4539	-0.4539
126	4	4.2663	-0.2663
127	2	1.9344	0.0656
128	3	2.5227	0.4773
129	5	5.0000	0
130	4	3.6591	0.3409

表4 外部验证26例患者的观测值和拟合值

样本	观测值	拟合值	拟合误差
1	2	2.60	0.60
2	4	2.70	1.30
3	2	1.00	1.00
4	5	3.96	1.04
5	5	3.54	1.46
6	3	2.99	0.01
7	2	2.25	0.25
8	5	4.41	0.59
9	5	5.00	0
10	3	3.27	0.27
11	2	2.07	0.07
12	2	1.00	1.00
13	4	4.28	0.28
14	3	1.44	1.56
15	2	1.00	1.00
16	5	4.16	0.84
17	1	1.00	0
18	4	4.37	0.37
19	5	4.87	0.13
20	5	4.44	0.56
21	4	3.82	0.18
22	2	3.40	1.40
23	4	4.66	0.66
24	3	4.32	1.32
25	2	4.12	2.12
26	2	2.60	0.60

表4 外部验证26例患者的观测值和拟合值

样本	观测值	拟合值	拟合误差
1	2	2.60	0.60
2	4	2.70	1.30
3	2	1.00	1.00
4	5	3.96	1.04
5	5	3.54	1.46
6	3	2.99	0.01
7	2	2.25	0.25
8	5	4.41	0.59
9	5	5.00	0
10	3	3.27	0.27
11	2	2.07	0.07
12	2	1.00	1.00
13	4	4.28	0.28
14	3	1.44	1.56
15	2	1.00	1.00
16	5	4.16	0.84
17	1	1.00	0
18	4	4.37	0.37
19	5	4.87	0.13
20	5	4.44	0.56
21	4	3.82	0.18
22	2	3.40	1.40
23	4	4.66	0.66
24	3	4.32	1.32
25	2	4.12	2.12
26	2	2.60	0.60

1	Jiang JY, Gao GY, Feng JF, et al. Traumatic brain injury in China [J]. Lancet Neurol, 2019, 18(3): 286-295.
2	Stocchetti N, Carbonara M, Citerio G, et al. Severe traumatic brain injury: targeted management in the intensive care unit [J]. Lancet Neurol, 2017, 16(6): 452-464.
3	Kuceyeski A, Shah S, Dyke JP, et al. The application of a mathematical model linking structural and functional connectomes in severe brain injury [J]. Neuroimage Clin, 2016, 11: 635-647.
4	Srinivasan US. A mathematical model for predicting the outcome in moderate head injury [J]. Neurol India, 2006, 54(1): 28-32.
5	Vaughan LE, Ranganathan PR, Kumar RG, et al. A mathematical model of neuroinflammation in severe clinical traumatic brain injury [J]. J Neuroinflammation, 2018, 15(1): 345.
6	Sheikhi S, Saboory E, Farjah GH. Correlation of nerve fibers in corpus callosum and number of neurons in cerebral cortex: an innovative mathematical model [J]. Int J Neurosci, 2018, 128(10): 995-1002.
7	Lord LD, Stevner AB, Deco G, et al. Understanding principles of integration and segregationusing whole-brain computational connectomics: implications for neuropsychiatric disorders [J]. Philos Trans A Math Phys Eng Sci, 2017, 375(2096).pii: 20160283.
8	Shiozaki T, Hayakata T, Tasaki O, et al. Cerebrospinal fluid concentrations of anti-inflammatory mediators inearly-phase severe traumatic brain injury [J]. Shock, 2005, 23(5): 406-410.
9	Porta A, Marchi A, Bari V, et al. Assessing the strength of cardiac and sympathetic baroreflex controls via transfer entropy during orthostatic challenge [J]. Philos Trans A Math Phys Eng Sci, 2017, 375(2096).pii: 20160290.
10	McCullough M, Small M, Iu HHC, et al. Multiscale ordinal network analysis of human cardiac dynamics [J]. Philos Trans A Math Phys Eng Sci, 2017, 375(2096).pii: 20160292.

[1]	王守森, 傅世龙, 鲜亮, 林珑. 深入理解控制性减压技术对创伤性颅脑损伤术中脑膨出的预防机制与效果[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(05): 257-262.
[2]	吴东阳, 林向丹, 石佐林, 赵玉龙, 王振, 文安国, 纪鑫, 李俊之, 赵明光. NF-L、NLRP3、S100B 蛋白在颅脑损伤严重程度及预后评估中的应用价值[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(05): 279-285.
[3]	罗磊, 熊建平, 郑宏伟, 王嗣嵩, 柴祥, 吴青, 潘海鹏. 静脉留置针穿刺引流治疗颅骨修补术后硬膜外积液一例报道[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(05): 315-317.
[4]	从长春, 王春琳, 武孝刚, 王金标, 章福彬, 孙磊, 王李. 重型颅脑损伤患者呼吸机相关性肺炎的危险因素及病原学分析[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(03): 151-157.
[5]	毛进鹏, 陶治鹤, 刘琦, 王勇, 周明安, 陈劲松, 田少斌. 保守治疗大量创伤性硬膜外血肿的体会（附10例报告）[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(03): 164-168.
[6]	辛强, 朱文豪, 何川, 李文臣, 陈勃, 王海峰. 神经胶质细胞来源的外泌体miRNAs对创伤性颅脑损伤后神经炎症的影响[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(03): 169-173.
[7]	鹿海龙, 朱玉辐, 贺雪凤, 蔡廷江, 王栋, 朱圣玲, 张恩刚, 王策. 创伤性颅脑损伤二次手术的危险因素分析及预警模型构建[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(02): 97-101.
[8]	刘彪, 巍山, 关永胜. 基于Rotterdam CT评分及凝血功能指标的创伤性颅脑损伤预后预测模型的构建与验证[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(01): 22-27.
[9]	罗丹, 柏宋磊, 易峰. HMGB1-TLR2/TLR4/RAGE通路与颅脑损伤并发认知功能障碍病情变化的关系研究[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(01): 28-34.
[10]	袁宝玉, 管义祥, 王东流, 陆正. 不同时机颅骨修补术治疗颅脑外伤的临床疗效[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(01): 35-41.
[11]	李鑫, 刘炳辉, 程名, 王凡, 刘玉明, 周绍明. 基于Rotterdam CT评分评估的颅脑损伤术中控制性减压的临床应用价值[J/OL]. 中华神经创伤外科电子杂志, 2024, 10(01): 16-21.
[12]	沈汉超, 何炯周, 田君, 魏梁锋, 王守森. 老年重型颅脑损伤合并脑疝患者预后不良的危险因素分析[J/OL]. 中华神经创伤外科电子杂志, 2023, 09(06): 350-354.
[13]	聂玉金, 曹培成. 创伤性颅脑损伤患者保守治疗发生脑积水的危险因素分析[J/OL]. 中华神经创伤外科电子杂志, 2023, 09(06): 355-359.
[14]	张卓媛, 杨二万, 田志成, 包明冬, 罗鹏. 慢性创伤性脑病的研究新进展[J/OL]. 中华神经创伤外科电子杂志, 2023, 09(06): 360-366.
[15]	胡志恒, 任洪波, 宋志远, 张运刚, 韩晓正. 血清sTIM-3及其配体Gal-9、CEACAM-1与创伤性颅脑损伤患者脑损伤程度及预后的关系[J/OL]. 中华脑科疾病与康复杂志(电子版), 2024, 14(04): 201-207.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

The application of mathematical model in the analysis of multi-factor models of admission indicators and prognostic indicators for patients with brain injury

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

The application of mathematical model in the analysis of multi-factor models of admission indicators and prognostic indicators for patients with brain injury