基于SMOTE算法的急性缺血性腦卒中患者發生吞咽功能障礙風險預警模型的構建

中圖分類號：R743.3 文獻標識碼：A文章編號：1006-1959（2025）12-0006-06

DOI：10.3969/j.issn.1006-1959.2025.12.002

ConstructionofaRiskWarningModel forSwallowingDysfunctioninPatientswith AcuteIschemic StrokeBased on SMOTE Algorithm

ZHANG Jia，XU Jing

（DepartmentofurologythecondAlatedHositalofjngdicalUversityUrumio，ing，a）

Abstract：ObeeTalhisctorsfalogfuciisutestroedtablisndidlag modelbasedonSOTElgoritMetodsAtotalof187patientswithacutescheicstrokeadmitedtoourhospitalfromJauarytoDecember 2022wereseeedAcodngttreatitsadspgiatddditosggoun=6ndallogfuc group（n=17）Uatedistcsalsefoolialataofoosofit independent risk factors fordysphagia，andaprediction model P₁ wasestablished.At the same time，the earlywarningmodel P₂ of the improved data setwasonstructedasedontheMOEalgorittoexpandthlowsampledtasetndteprediciveailityofteodelwaseaatedbyte receiveroperatigueOCsulseasdeasdoesicsioslaedinsedfct were independent risk factors for dysphagia in patients with acute stroke（ Plt;0.05） .The prediction rateof model P₁=1/[1+e^{-（-5.102+0.044×X1+0.164×X2+1.141×X3+0.725×X4）}] ， （20 P₂ =11 +e P₂ model wassignificantly higherthan thatof P₁ modelt=10.642， （204 Plt;0.001 ），andthe sensitivity and specificity of P₂ model in predicting swallowing dysfunction were higher than those of P₁ model.The calibration curveshowstatthemodelpredictshighconsistencybetweenthepredictedprobabilityandtheactualprobabiltofacutestrok.Cocusion Increasedgeesdsiladistdzoelyaedtalogui inpatientswithcuetroke.ouhteOEoversamplingagoi，teidividualiedalwaingodelasedonteaboeisctos ahigh diagnostic efficiency for swallowing dysfunction in patients with acute stroke.

KeyWords：Acute ischemic stroke;Swallowingdysfunction;Oversampling;Model

吞咽功能障礙（swallowingdysfunction）是腦卒中（stroke）后常見的并發癥，患者主要表現為吞咽困難及飲水或進食嗆咳等，不僅可導致卒中患者產生心理障礙，且由于進食困難，還可進一步引起患者飲食量減少，導致營養攝入不足，并增加了吸入性肺炎，甚至室息等并發癥的發生風險。有調查發現，急性腦卒中后患者吞咽功能障礙的發生率高達 42% ，且是導致患者住院期間發生吸入性肺炎和卒中不良預后的獨立危險因素[2。卒中后吞咽功能障礙的發生機制復雜，既往研究認為，其發生主要與卒中發生的病灶部位密切相關。但也有研究發現，發生在非吞咽功能區的腦梗死病灶患者也可出現于吞咽功能障礙患者。由此可見，卒中后吞咽功能障礙的發生可能是多種因素作用下的結果，有必要進一步探索其發生的危險因素，并建立個體化的風險預警模型，以充分評估腦卒中患者發生吞咽功能障礙的發生風險，進而采取個體化的干預措施，促進卒中患者的臨床治療和康復。本研究基于SMOTE（syntheticmi-norityoversamplingtechnique）過抽樣算法構建腦卒中患者發生吞咽障礙風險預警模型，旨在為有針對性的開展護理干預措施提供參考，現報道如下。

1資料與方法

1.1一般資料回顧性選取2022年1月-12月新疆醫科大學第二附屬醫院收治的急性缺血性腦卒中患者作為研究對象。納入標準： ① 患者經腦部影像學檢查后，缺血性腦卒中臨床診斷明確，符合《中國急性缺血性腦卒中診治指南 2018? 中的相關標準，且為首次發作； ② 年齡 ?18 周歲，男女不限； ③ 生命體征穩定。排除標準： ① 伴有意識障礙，無法進行溝通和交流； ② 入院前合并有影響吞咽功能的其他疾病； ③ 合并有嚴重的肝腎功能障礙、血液系統疾病或惡性腫瘤性疾病等。根據上述納入及排除標準，共計納入187例急性腦卒中患者，其中男101例，女86例；年齡44＼～69歲，平均年齡（ 63.47±9.87 歲；合并高血壓病史129例，糖尿病61例；梗死灶部位右側大腦半球67例，左側大腦半球59例，雙側大腦半球多發32例，腦干29例。本研究經我院醫學倫理學委員會批準同意，由于為回顧性研究，免于患者知情同意。

1.2吞咽功能障礙評估和分組方法參考由歐洲卒中吞咽障礙學會制定的《卒中后吞咽困難診斷和治療指南（2021）》中關于吞咽功能障礙的評估方法，采用洼田飲水試驗和標準吞咽功能評估量表評分對卒中患者吞咽功能進行評估。其中，洼田飲水試驗結果1級為正常，3級或3級以上即可診斷為吞咽功能障礙。對2級患者進一步行標準吞咽功能評估量表評分，該量表通過3個步驟，共計20項指標（每項1＼～4分）對患者吞咽功能障礙進行評估，第1個步驟共計8個指標，無異常者進入第2個步驟，包含6個指標，所有指標重復3次，成功完成2次或3次則進入第3個步驟，共計5項指標。以上任一指標異常即可診斷為吞咽功能障礙。將合并有吞咽功能障礙的患者作為吞咽功能障礙組，吞咽功能正常的患者作為吞咽功能正常組。

1.3臨床資料收集于醫院電子病例系統收集患者一般臨床資料，包括性別、年齡、體重質量指數（BMI）既往病史（高血壓、糖尿病）飲酒史、吸煙史等。同時參照既往研究，收集吞咽功能障礙的潛在風險因素，如入院時美國國立衛生院卒中量表（NIHstrokescale，NIHSS）評分、缺血病灶位置（大腦半球或腦干）和梗死灶面積（ ?3cm² 或 lt;3cm² 等。所有患者臨床資料均由1名經過培訓的醫務人員收集。1.4SMOTE過抽樣算法SMOTE過抽樣算法通過SPSSMODELER18.1軟件實現。樣本擴充倍數為吞咽功能障礙組患者例數/吞咽功能正常患者例數的商，按照四舍五人取整數 n 具體方法為： ① 通過k- 最近鄰算法計算與吞咽功能障礙組每個樣本距離最近的 k 個點； ② 選擇吞咽功能障礙組中樣本i，并隨機抽取其 k 個最近鄰點中的一個樣本j，計算樣本i和j各變量屬性差值Q; ③ 生成介于0＼～1的隨機數R，新樣本 =i+R×Q ④ 重復步驟 ① ， ③ ，使吞咽功能障礙組患者例數達到吞咽功能正常患者例數的Π_n 倍； ⑤ 重復步驟 ① （ ④ ，直至咽功能障礙組樣本量處理完畢。通過上述步驟，可隨機增大特定少數類樣本的數量，其優勢在于在特征空間中進行采樣，所以它不改變原有樣本的空間屬性，準確率高于傳統的采樣方式。

1.5統計學方法采用SPSS23.0和MedCalc19.0軟件對數據進行分析和繪圖。計數資料采用 和 （%） ）表示，組間比較采用 χ² 檢驗；計量資料采用 表示，組間比較采用獨立樣本t檢驗。通過單因素和二元Logistic回歸分析篩選腦卒中患者發生吞咽功能障礙獨立風險因素，并建立預測模型。采用受試者工作特征曲線（receiver operator characteristic curve，ROC）計算預測模型的曲線下面積（areaunder curve，AUC），評估模型的診斷效能。以 AUCgt;0.8 時認為具有較高的診斷價值。以 α=0.05 作為檢驗水準。

2結果

2.1急性缺血性腦卒中患者發生吞咽功能障礙的單因素分析187例患急性缺血性腦卒中患者中，發生吞咽功能障礙者60例，發生率為 32.09% 。兩組臨床資料單因素分析結果顯示，吞咽功能障礙組年齡、NIHSS評分及缺血病灶位于腦干和梗死灶面積 ?3cm² 的患者比例高于吞咽功能正常組，差異有統計學意義（ Plt;0.05 ，見表1。

2.2急性缺血性腦卒中患者發生吞咽功能障礙的二元Logistic回歸分析以單因素分析中具有統計學意義指標（年齡、NIHSS評分、缺血病灶位置和梗死灶面積）作為自變量，以患者是否發生吞咽功能障礙作為因變量，進行二元Logistic回歸分析，各變量賦值見表2。Logistic回歸分析結果顯示，患者年齡增加、NIHSS評分增高、缺血病灶位于腦干及梗死灶面積 ?3cm² 是急性腦卒中患者發生吞咽功能障礙的獨立危險因素（ Plt;0.05 ，見表3。模型 P₁=111+e^-（-

2.3基于SMOTE過抽樣算法的Logistic預警模型構建基于初始二元Logistic回歸分析得到的獨立危險因素，采用SMOTE法對吞咽功能障礙組進行過抽樣。需擴充倍數 n= 吞咽功能正常組例數/吞咽功能障礙組例數 =127/60≈2 ，應擴充樣本量為 60+60× 2=180 例。對過抽樣后的數據重新擬合Logistic回歸模型，結果見表4。基于SMOTE過抽樣算法的預警模型。

2.4預測模型 P₁ 和 P₂ 的ROC和校正曲線分析對P₁ 和 P₂ 模型進行ROC曲線分析可知， P₂ 模型AUC高于 P₁ 模型，差異有統計學意義（ .Plt;0.05） ，且 P₂ 模型預測吞咽功能障礙的敏感度和特異度均高于 P₁ 模型，見表5和圖1。進一步對 P₂ 模型各指標進行ROC曲線分析可知，模型預測吞咽功能障礙年齡和HIHSS評分的最佳截斷值分別為 ?62 歲和 ?7 分，聯合預測的AUC為0.834，最佳截斷值為 ? 0.58，此時模型預測吞咽功能障礙的敏感度和特異度分別為 81.72% 和 77.19% ，相較于單個指標顯著提升。通過校正曲線可知，模型預測急性腦卒中的預測概率和實際概率具有較高的一致性，見表6和圖2。

3討論

吞咽是由人體頜面部和咽部多個肌肉群共同參與的一種運動，涉及口腔準備期、口腔期、咽期和食管期4個過程，接受大腦皮層至延髓等高級中樞控制，上述任一環節異常時均可導致吞咽功能障礙，使口腔內食物難以安全有效地送入胃內。急性缺血性腦卒中可引起腦細胞梗死，若涉及吞咽運動控制中樞，常可出現吞咽功能障礙等并發癥，不僅增加了患者誤吸風險，還可因水分或營養成分攝入不足導致營養不良，不利于卒中患者預后。本研究發現，急性缺血性腦卒中患者吞咽功能障礙發生率為 32.09% ，與張娟等[8報道的 35.5% 較為一致，但高于王艷艷等報道的 27.87% ，其主要原因可能與不同研究間對吞咽功能障礙的診斷標不同有關。目前，關于急性腦卒中患者發生吞咽功能障礙的具體機制尚不完全清楚，有學者對其危險因素進行了分析，但缺乏定量的評估標準，臨床實際應用價值較為有限。

本研究結果顯示，患者年齡增加、NIHSS評分增高、缺血病灶位于腦干及梗死灶面積 ?3cm² 是急性腦卒中患者發生吞咽功能障礙的獨立危險因素（ Plt; 0.05）。我國流行病學調查顯示[0，隨著年齡增加，吞咽功能障礙發生率明顯增高。國外研究也提示，64歲以上老年人群吞咽功能障礙風險顯著增加，尤其在合并卒中等非器質性疾病患者中，其發生風險將進一步升高。目前研究認為[]，高齡急性腦卒中患者發生吞咽功能障礙的主要原因與年齡相關的吞咽肌肉量和功能衰退及卒中引起的感覺神經損傷有關。NIHSS評分是目前用于評估卒中患者神經功能損傷的常用指標，其分值越高，代表患者神經功能缺損越嚴重。本研究結果提示，患者入院時NIHSS評分升高與吞咽功能異常具有密切關系。GaravelliF等[3研究發現，卒中患者人院時NIHSS評分與吞咽功能障礙等非神經系統并發癥的發生具有密切關系。其主要原因可能是NIHSS評分越高，患者神經缺損越為嚴重，吞咽運動相關肌肉和神經損傷的風險越大有關。研究證實[4，患者卒中部位與吞咽功能障礙發生具有密切關系。本研究提示，相較于大腦半球，缺血灶發生在腦干位置的患者發生吞咽功能障礙風險明顯升高。李超等[15研究發現單側腦干梗死患者較大腦半球卒中不僅更易發生吞咽障礙，還與吞咽障礙的嚴重程度密切相關。人體腦干部位涉及舌咽、迷走和舌下等多個神經核團，而發生在腦干部位的缺血性病灶，上述神經核團的損傷風險將明顯增加，可導致真性和假性延髓性球麻痹，從而引起吞咽肌肉不完全性麻痹以及和口咽面部感覺遲鈍，使吞咽運動和感覺協同障礙，出現吞咽異常[。除與缺血病灶位置相關外，本研究還發現梗死面積與吞咽功能障礙的發生也具有密切關系。汪進丁等發現大面積梗死（ ?3cm² 0的卒中患者發生吞咽功能障礙風險明顯升高，賀利峰等[8進一步證實梗死面積與卒中患者吞咽功能障礙程度呈正相關。

樣本量不均衡是臨床預測模型構建過程中較為常見的問題，可對模型診斷效能產生嚴重影響[19]。SMOTE是目前用于處理臨床不平衡數據的常用統計手段，在擴充低樣本組的同時，不改變原有樣本的空間屬性，具有較高的信效度[20.21]。本研究在常規二元Logistic回歸分析基礎上，建立了急性缺血性腦卒中患者發生吞咽功能障礙的預測模型 P₁ ，并通過SMOTE過抽樣算法建立了新的診斷模型 P₂ ，通過對兩個模型進行ROC曲線分析發現，后者預測吞咽功能障礙的AUC明顯高于前者（ Plt;0.001 ），且具有較高的敏感度和特異度。提示通過SMOTE過抽樣，模型參數得到進一步優化，在預測吞咽功能障礙發生的效能方面也更高。通過對 P₂ 模型各因素進行ROC曲線分析可知，模型聯合預測效能高于單個指標。

綜上所述，年齡增加、NIHSS評分增高、缺血病灶位于腦干及梗死灶面積 ?3cm² 與急性腦卒中患者發生吞咽功能障礙具有密切關系。通過SMOTE過抽樣算法，基于以上危險因素建立的個體化預警模型對急性腦卒中患者發生吞咽功能障礙具有較高的診斷效能。醫護人員可以根據該模型在早期進行有效的防范與干預，改善卒中患者預后。

參考文獻：

[1]Banda KJ，ChuH，KangXL，etal.Prevalence ofdysphagiaand risk of pneumonia and mortality in acute stroke patients：a meta-analysis[J].BMC Geriatr，2022，22（1）：420.

[2]OuyangM，Boaden E，Arima H，et al.Dysphagia screening and risks of pneumonia and adverse outcomes after acute stroke：An international multicenter study[J].IntJ Stroke，202O，15（2）：206-215.

[3]ImS，HanYJ，Kim SH，etal.Roleof bilateral corticobulbar tractsin dysphagia aftermiddle cerebral artery stroke [J].EurJ Neurol，2020，27（11）：2158-2167.

[4]KimJH，Oh SH，JeongHJ，etal.Association BetweenDuration ofDysphagia Recovery andLesion Location on Magnetic Resonance Imagingin Patients With Middle Cerebral Artery Infarction[J].AnnRehabil Med，2019，43（2）：142-148.

[5]鐘迪，張舒婷，吳波《中國急性缺血性腦卒中診治指南2018》解讀 [].中國現代神經疾病雜志，2019，19（11）：897-901.

[6]DziewasR，Michou E，Trapl-Grundschober M，et al.European Stroke Organisation and European Society for Swallowing Disorders guideline for the diagnosis and treatment of post-stroke dysphagia[J].Eur Stroke J，2021，6（3）：LXXXIX-CXV.

[7]Popoola SI，Adebisi B，Ande R，et al.SMOTE-DRNN：A Deep Learning Algorithm for Botnet Detection in the Internetof-Things Networks[].Sensors （Basel），2021，21（9）：2985.

[8]張娟，徐雨玲，邱云.腦卒中患者發生吞咽障礙的影響因素分 析].心血管康復醫學雜志，2022，31（6）：685-688.

[9]王艷艷，張娟.急性缺血性腦卒中患者并發吞咽障礙的相關 危險因素分析[].四川解剖學雜志，2023，31（3）：181-183.

[10]李超，張夢清，竇祖林，等.中國特定人群吞咽功能障礙的流 行病學調查報告[].中華物理醫學與康復雜志，2017，39（12）： 937-943.

[11]Mehraban-FarS，Alrasi J，PatelR，etal.Dysphagiaintheelderly population： A Videofluoroscopic study D].AmJOtolaryngol，2021，42（2）：10254.

[12]Christmas C，Rogus-Pulia N.Swallowing Disorders in the Older Population[J].J Am Geriatr Soc，2019，67（12）：2643-2649.

[13]Garavelli F，Ghelfi AM，Kilstein JG.Usefulnessof NIHSS score as a predictor of non-neurological in-hospital complications in stroke.Utilidad del score NIHSS como predictor de complicacionesintrahospitalariasno neurol6gicasenictus isquemico[J].Med Clin （Barc），2021，157（9）：434-437.

[14]張國棟，肖飛，呂昕.急性缺血性腦卒中后吞咽功能障礙 發生率及危險因素的分析.中西醫結合心腦血管病雜志， 2016，14（8）：910-912.

[15]李超，曾妍，戴萌，等.不同病灶部位腦卒中患者吞咽障礙特 點分析].中華物理醫學與康復雜志，2018，40（1）：20-23.

[16]Lee S，Moon HI，Shin JH.Post-stroke palatal tremorasa clinical predictor of dysphagia and its neuroanatomical correlates in patients with midbrain and pontine lesions[].JNeural Transm （Vienna），2021，128（12）：1863-1872.

[17]汪進丁，唐震宇，徐麗君，等.急性腦梗死部位及面積與吞咽 障礙嚴重程度的關系.中國康復醫學雜志，2009，24（11）：1015- 1017，1027.

[18]賀利峰，王亞仙，談鷹，等.急性缺血性腦卒中患者吞咽障礙 的臨床分析[].浙江中醫藥大學學報，2010，34（6）：868-869.

[19]高永祥，張晉昕.Logistic回歸分析的樣本量確定].循證醫 學，2018，18（2）：122-124.

[20]張天翼，丁立新.一種基于SMOTE的不平衡數據集重采 樣方法[].計算機應用與軟件，2021，38（9）：273-279.

[21]Dablain D，Krawczyk B，Chawla NV.DeepSMOTE：Fusing DeepLearningand SMOTE for Imbalanced Data[J].IEEE Trans Neural Netw Learn Syst，2023，34（9）：6390-6404.

收稿日期：2024-04-07；修回日期：2024-05-14

編輯/王萌