当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 复旦大学研究:强化降压对溶栓后脑水肿影响

复旦大学研究:强化降压对溶栓后脑水肿影响

2025-06-03 21:00:22 0浏览 收藏

复旦大学团队在顶级期刊Stroke发表的研究显示,强化降压治疗对急性缺血性卒中(AIS)溶栓后脑水肿的发生率及严重程度无显著影响。该研究纳入了2196例AIS患者,通过ENCHANTED研究的二次分析,比较了强化降压组与指南推荐降压组的效果。结果表明,两组间的平均收缩压差异为6.6毫米汞柱,但脑水肿的发生率和严重程度无显著差异。这一发现为AIS患者强化降压治疗的安全性提供了Evidence,未来需进一步研究血压与AIS预后的关系。

急性缺血性卒中(AIS)是卒中最常见的类型,通常由于脑血管阻塞导致局部脑组织缺血缺氧而发病。脑水肿是AIS的常见并发症,与不良预后密切相关。血压升高会加剧脑水肿的发展,但强化降压治疗是否能有效减轻脑水肿尚不确定。

复旦大学类Craig Anderson/宋莉莉团队研究揭示强化降压对急性缺血性卒中溶栓后脑水肿的影响

近期,脑卒中领域顶级期刊Stroke发表了一项由复旦大学类脑智能科学与技术研究院Craig Anderson教授和宋莉莉研究员团队领导的ENCHANTED研究的二次分析结果,揭示了强化降压对AIS溶栓后脑水肿的影响。

ENCHANTED研究是一项国际多中心、开放标签、盲终点的随机对照试验,旨在评估不同强度血压控制对AIS溶栓患者的影响。该研究共纳入2196例AIS患者,随机分为强化降压组(收缩压目标130-140mmHg,维持72小时)和指南推荐降压组(收缩压目标小于180mmHg)。通过对患者基线和随访的脑部影像学资料进行集中分析,采用标准化技术评估脑水肿的严重程度。

复旦大学类Craig Anderson/宋莉莉团队研究揭示强化降压对急性缺血性卒中溶栓后脑水肿的影响

图1. 研究概要

结果显示,在1477例有连续扫描数据的患者中,两组间平均收缩压差异为6.6毫米汞柱。强化降压组与指南推荐降压组在脑水肿发生率(22.12%对22.39%)及脑水肿严重程度方面均无显著差异。这一结果在不同脑水肿严重程度分组及脑水肿评分变化的分析中均保持一致。

复旦大学类Craig Anderson/宋莉莉团队研究揭示强化降压对急性缺血性卒中溶栓后脑水肿的影响

图2.亚组分析森林图

研究团队表示,该研究结果表明,在AIS溶栓患者中,早期强化降压治疗并未显著改变脑水肿的发生率及严重程度。这一发现为AIS患者强化降压治疗的安全性提供了进一步的证据,未来仍需更多研究来深入探究血压与AIS预后之间的复杂关系,以优化AIS患者的治疗策略。

上海交通大学附属上海市第六人民医院张国滨博士、上海市东方医院陈晨博士和新南威尔士大学任新闻博士为本文共同第一作者。复旦大学类脑智能科学与技术研究院Craig Anderson教授和宋莉莉研究员为本文的通讯作者。

文中关于安全性,强化降压,急性缺血性卒中,脑水肿,ENCHANTED研究的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《复旦大学研究:强化降压对溶栓后脑水肿影响》文章吧,也可关注golang学习网公众号了解相关技术文章。

win8初始化电脑需时多久?详细解析win8初始化电脑需时多久?详细解析
上一篇
win8初始化电脑需时多久?详细解析
win10开机密码删除及取消设置教程
下一篇
win10开机密码删除及取消设置教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1043次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1040次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1184次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1143次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    987次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码