外科治疗高分级动脉瘤性蛛网膜下腔出血的随访分析

来源 :南方医科大学 | 被引量 : 0次 | 上传用户:watermb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
颅内动脉瘤(intracranial aneurysm,AN)是指颅内动脉壁上的异常突起,它们是自发性蛛网膜下腔出血(subarachniod hemorrhage,SAH)发生的首要病因。而高分级颅内动脉瘤则是指Hunt-Hess分级为Ⅳ~Ⅴ级的破裂动脉瘤,占动脉瘤性蛛网膜下腔出血的20%~30%。动脉瘤性蛛网膜下腔出血有着较高的致残致死率,而高分级动脉瘤性蛛网膜下腔出血则有着更高的危害性。虽然随着科学技术的发展,神经外科医生对于动脉瘤的治疗手段在不断提高,但患者的术后致残、致死率仍高达60%。同时目前对于高分级动脉瘤的治疗时机及治疗方式仍存在诸多争议。目的:探讨高分级动脉瘤性蛛网膜下腔出血患者的治疗方式和影响预后的相关因素。方法:回顾性分析南方医科大学第三附属医院神经外科2011年4月至2017年7月收治Hunt-HessⅣ~Ⅴ级颅内动脉瘤性蛛网膜下腔出血24例患者(Ⅳ级20例,Ⅴ级4例)的临床资料,具体包括患者的年龄、性别、高血压病史、糖尿病病史、吸烟史、入院时Hunt-Hess分级、改良Fisher分级、出血次数、动脉瘤位置、动脉瘤大小、是否急性脑积水、是否脑内血肿、是否脑室出血、是否术前脑疝、手术方式、手术时机、是否镇痛镇静治疗等。采用改良Rankin评分(mRS)量表评价患者的预后。结果:按mRS评分,预后良好12例,预后差12例,其中死亡4例。预后良好12例,预后差12例。单因素分析显示患者年龄≥65岁(P=0.028)、高血压病史(P=0.041)、动脉瘤直径>5mm(P=0.041)、急性脑积水(P=0.028)、镇静镇痛治疗(P=0.025)与预后不良有关。将单因素分析中的年龄、高血压病病史、动脉瘤大小、急性脑积水和镇痛镇静治疗作为自变量进行多因素Logistic回归分析,结果显示年龄(OR=3.44,95%CI:1.58~14.23,P= 0.014)、高血压病病史(OR=5.68,95%CI:3.24~19.83,P= 0.026)、动脉瘤大小(OR=8.43,95%CI:2.56~24.46,P=0.037)是影响患者预后的独立影响因素。Hunt-HessⅣ级患者不同手术时机分组间死亡率差异有统计学意义(P=0.018)。结论:通过积极的治疗,高分级动脉瘤性蛛网膜下腔出血患者可以取得较好的预后。患者的年龄、高血压病史、急性脑积水、动脉瘤大小、进行镇痛镇静治疗与预后相关,其中患者的年龄、高血压病病史、动脉瘤大小是影响患者预后的独立危险因素。超早期手术可能有助于降低Hunt-HessⅤ级患者死亡率。
其他文献
随着互联网应用的高速发展和云计算的兴起,数据的生产速度越来越快,数据中心内每秒钟都有大量较小文件的生成、分析和返回。海量数据的处理和应用已成为当今信息技术领域所面
2016年3月,李克强总理在政府工作报告中首次提出“培育精益求精的工匠精神”。2016年4月,习近平总书记在知识分子、劳动模范、青年代表座谈会上也指明要弘扬“工匠精神”。20
目的:探讨育龄妇女妇科病普查情况。方法:回顾性分析我院参与妇科病普查的3458例育龄妇女的临床资料。结果:患病率为45.7%;病种以宫颈炎、阴道炎为主;宫颈炎、宫颈糜烂患病率随年龄
通过清污分流,利用混凝-CASS澄-清砂滤工艺处理漂染厂废水。工程运行结果表明:经分流后,CODC r平均865.4 mg/L,色度356倍的高浓度废水,处理后分别降至62.9 mg/L和17倍,实现了达标排放;低浓度废水CODC r平均216.9 mg/L,色度85倍,处理后分别降至3.1 mg/L和1倍,直接回用于生产,废水回用率达到近70%。
随着经济全球化深入发展,金融业已经成为现代经济的核心,经济的发展需要金融的支撑,而金融的发展也需要以经济发展为基础。据初步统计,目前全国先后至少有26座城市提出以建设区域
改进LMA451-A-180型预缩整理机的控制系统,其硬件采用西门子S7-200系列的CPU224加外扩I/O模块及数/模模块的混合式结构,实现了多点输入、输出的控制,通过软件编程用OTP(触摸屏)实
互联网的迅速发展,使得信息量急剧增长,为用户带来便利的同时也面临着信息过载的问题,因此推荐系统作为一种有效的解决方法迅速发展起来。推荐算法作为推荐系统的核心,近些年受到了广泛的研究。矩阵分解是推荐算法中常用的一类经典而重要的技术,到目前为止仍受到广泛的关注和研究。传统的矩阵分解利用用户隐特征和物品隐特征的内积来预测评分,但是该方法通常会面临数据稀疏性的问题。近年来,深度学习在自然语言处理和图像分类
视频人脸表情识别是计算机视觉和人机交互领域的一个重要分支内容,面部表情是人类情绪的真实表达。研究自动面部表情识别可以帮助机器理解人的情感,在人机交互中更好与人沟通。在早期的研究工作中,视频人脸表情识别一般采用传统图像算法(如光流法等)取表情特征,再将特征送入分类器进行分类训练。该方法高度依赖于图像及特征取的质量。此外,现实场景中人自发产生的表情图像易受光线、姿态等干扰,将大大降低传统图像算法的鲁棒