一种脑卒中复发风险预警模型及分级干预系统

摘要

本发明公开了一种脑卒中复发风险预警模型及分级干预系统，包括风险因素获取系统、自测数据获取模块和预测结果输出系统，通过以脑卒中短期复发评估用ABCD评分系统为基础，以社区为单位，以社区内发生过短暂性脑缺血发作或脑卒中症状的常住居民为对象进行构建，并通过设置的自测数据获取模块协助患者在日常生活中即可及时对独立风险因素中的患者单侧肢体无力症状、患者不伴肢体无力的言语障碍等两项偶然性风险因子进行自测自评，帮助患者及时发现脑卒中复发的风险因素，降低卒中复发风险对于个体患者的影响，可用于以社区为单位的脑卒中复发高危人群的风险预测，使该群体中个体的卒中风险无法得到有效的评估。

说明书

技术领域

本发明涉及风险预警领域，特别涉及一种脑卒中复发风险预警模型及分级干预系统。

背景技术

脑卒中高发病率、高致残率及高死亡率的特点，严重影响居民的生活质量和生命健康，这情况在发展中国家形式尤为严峻。脑卒中的危险因素多样，发病机制也较为复杂，到目前为止仍有许多因素未被发现与证实今后还需进一步深入研究。疾病风险评估模型是慢性病风险评估的主要工具，也是慢性病防治的关键环节。纵观慢性病风险评估方法众多，但各有利弊，疾病风险评估模型的选择应根据建模目的，结合流行病学研究结果，合理的选择建模方法。因此，预防脑卒中的发生，需在危险因素分析的基础上建立可行的、有效的、方便的、经济的疾病风险评估模型，为脑卒中的预防和控制工作提供理论依据。

脑卒中复发预测模型为CVD类疾病的二级预防预测，为脑卒中或短暂性脑缺血发作发生后长期复发风险的评分系统，其依据预测发病周期可分为复发长期风险预测系统和复发短期风险预测系统。目前常用于脑卒中短期复发风险评估的量表主要包括California风险评分、ABCD评分系统。

Rothwell等于2005年首次提出了ABCD评分系统，其内容如下：①A（年龄）：年龄＞60岁(1分)；②B(血压)：SBP＞140mmHg和/或DBP＞90mmHg(1分)；③C(临床症状)：一侧肢体无力(2分)，言语障碍而不伴肢体无力(1分)，其他症状(0分)；④D（症状持续时间）：＞60分钟(2分)，10-59分钟(1分)，＜10分钟(0分)；总分6分。2006年，Tsivgoulis等用ABCD评分回顾性分析了226例短暂性脑缺血发作患者的病历资料，研究结果表明：在短暂性脑缺血发作后的第30天，ABCD评分在0-2分、3分、4分、5分、6分的卒中风险分别为：0%、3.5%、7.6、21.3%、31.3%。

表1 ABCD评分系统表

2007年，Johnston等结合美国的California评分和英国的Oxfordshire模型(ABCD评分)提出了ABCD2评分，将糖尿病也作为评分的重要标准。根据得分不同，将其分为三组，分别为：高危组：6-7分，中危组：4-5分，低危组：0-3分。

表2 ABCD2评分系统表

2010年，Tsivgoulis等运用ABCD2评分对148例短暂性脑缺血发作患者进行了分析，结果发现，短暂性脑缺血发作后7天和90天的卒中风险分别为8％和16％，ABCD2评分能较好的预测所有研究对象7天和90天卒中风险，其AUC分别为0.72和0.75。

随着科学技术的发展，影像学在短暂性脑缺血发作后卒中的预测方面起到了越来越重要的作用。2010年，Giles等在ABCD2评分的基础上加入了DWI或CT确诊的脑梗死，进而开发了ABCD2-I评分，ABCD2评分预测7天脑卒中风险的AUC为0.66，而ABCD2-I的AUC则提升为0.78，明显高于前者。同年，Merwick等在ABCD2评分的基础上加入了短暂性脑缺血发作发作频率和影像学检查，开发出了ABCD3和ABCD3-I两种评分。ABCD3评分将短暂性脑缺血发作七天内再次发作作为评分标准（2分），该评分预测2天、7天、28天和90天卒中风险的AUC分别为0.78、0.80、0.79和0.69；ABCD3-Ⅰ评分将同侧颈动脉狭窄＞50%（2分）及DWI高信号（2分）作为评分标准，其预测2天、7天、28天和90天卒中风险的AUC分别为0.90、0.92、0.85和0.79。与ABCD2相比，ABCD3和ABCD3-I评分预测90天卒中风险的NRI分别为29.1%（P=0.003）和39.4%（P=0.034）。

表3 ABCD2-Ⅰ评分系统表

表4 ABCD3评分系统表

表5 ABCD3-Ⅰ评分系统表

2011年，Meng等在我国短暂性脑缺血发作患者中验证了ABCD2和ABCD2-I评分，结果发现ABCD2-I评分预测1年脑卒中风险的AUC为0.77，而ABCD2评分仅为0.59。2012年，Engleter等将病因学及DWI结果加入ABCD2评分开发了ABCDE+评分，ABCDE+的AUC为0.70，而ABCD2仅为0.48。随着影像学及各项危险因素的加入，ABCD评分系统对脑卒中的预测价值越来越高。

上述研究表明ABCD2-I评分系统更加适合我国患者的风险预测，但其应用范围往往受到严格限制，由于需要具备神经科临床方面的基础知识，所以该评分运用的主要场所在医院，而社区人群中未就医的短暂性脑缺血发作患者占大多数，这部分人的卒中风险无法得到有效的评估，限制了该评分的实用性。为此我们提出一种适用于社区或者家庭环境的脑卒中复发风险预警模型及分级干预系统。

发明内容

本发明的主要目的在于提供一种脑卒中复发风险预警模型及分级干预系统，可以有效解决背景技术中的问题。

为实现上述目的，本发明采取的技术方案为：一种脑卒中复发风险预警模型及分级干预系统，复发风险预警模型以脑卒中短期复发评估用ABCD评分系统为基础，以社区为单位，以社区内发生过短暂性脑缺血发作或脑卒中症状的常住居民为对象进行构建，包括风险因素获取系统、自测数据获取模块和预测结果输出系统，独立风险因素包括不可改变风险因子、偶然性风险因子和确定性风险因子，其特征在于：风险因素获取系统包括以社区为单位设置的不可改变风险因子录入模块和确定性风险因子获取模块、以个体对象为单位的偶然性风险因子获取模块，自测数据获取模块包括佩戴式言语障碍测试模块、单侧肢体肌力测评模块和自测辅助模块。

言语障碍测试模块包括患者语音采集器和语音分析器，语音采集器用于患者语音声波数据的采集，并通过语音分析器对语音声波数据进行比对分析，并将语音声波数据比对结果通过自测辅助模块发送至预测结果输出系统。

语音声波数据比对结果的获取步骤如下：

步骤一：语音采集器以设置的固定频率采集患者语音片段；

步骤二：语音分析仪对语音片段进行初步分析，获取语音片段中的汉字数量数据，并将识别的汉字按顺序A1、A2、A3……An进行标记，且n值与识别的汉字数量相等；

步骤三：分别记录识别汉字A1、A2、A3……An时的时刻值T1、T2、T3……Tn，并分别计算出相邻汉字识别时刻之间的时间差值T

步骤四：将步骤三中获取的时间差值T

步骤五：统计步骤四中的异常差值时刻出现的次数M，并通过公式计算出异常差值时刻出现率；

步骤六：当步骤五中获取的异常差值时刻出现率＜50%时，输出语音声波数据比对结果为正常，当步骤五中获取的异常差值时刻出现率≥50%时，输出语音声波数据比对结果为异常，判定为出现言语障碍症状。

单侧肢体肌力测评模块包括握力采集器和握力分析仪，握力采集器用于患者手掌握力数据的采集，并通过握力分析仪获取两侧手掌握力数据的差值信号，并将两侧手掌握力数据的差值信号通过自测辅助模块发送至预测结果输出系统。

两侧手掌握力数据的差值信号的获取步骤如下：模式一：

步骤一，患者左手握住握力采集器进行单次抓握，通过握力采集器以1秒间隔的频率发出抓握的语音指令，并重复5次；

步骤二，握力采集器采集左手手掌抓握过程中的最大压力Pmax1、最小压力Pmin1和每次抓握时的手掌压力值P1、P2、P3、P4、P5，并将最大压力Pmax1、最小压力Pmin1和5次采集数值发送至握力分析仪处，由握力分析仪计算出5次抓握的平均压力值Pave1；

步骤三，患者右手握住握力采集器进行单次抓握，通过握力采集器以1秒间隔的频率发出抓握的语音指令，并重复5次；

步骤四，握力采集器采集左手手掌抓握过程中的最大压力Pmax2、最小压力Pmin2和每次抓握时的手掌压力值P6、P7、P8、P9、P10，并将最大压力Pmax2、最小压力Pmin2和5次采集数值发送至握力分析仪处，由握力分析仪计算出5次抓握的平均压力值Pave2；

步骤五，握力分析仪分别计算Pmax1与Pmax2的差值、Pmin1与Pmin2的差值以及Pave1与Pave2的差值作为两侧手掌握力数据的差值信号输出。

模式二：

步骤一，患者左手握住握力采集器进行持续抓握10秒，通过握力采集器对抓握时长进行计时，并发出开始语音指令和停止语音指令；

步骤二，握力采集器采集左手手掌抓握过程中的起始压力Pbeg1、终了压力Pend1，并采集抓握过程中第4秒、第5秒、第6秒、第7秒和第8秒时刻的手掌压力值P1、P2、P3、P4、P5，并将起始压力Pbeg1、终了压力Pend1和5次采集数值发送至握力分析仪处，由握力分析仪计算出5次抓握的平均压力值Paver1；

步骤三，患者右手握住握力采集器进行持续抓握10秒，通过握力采集器对抓握时长进行计时，并发出开始语音指令和停止语音指令；

步骤四，握力采集器采集左手手掌抓握过程中的起始压力Pbeg2、终了压力Pend2，并采集抓握过程中第4秒、第5秒、第6秒、第7秒和第8秒时刻的手掌压力值P6、P7、P8、P9、P10，并将起始压力Pbeg2、终了压力Pend2和5次采集数值发送至握力分析仪处，由握力分析仪计算出5次抓握的平均压力值Paver2；

步骤五，握力分析仪分别计算Pbeg1与Pbeg2的差值、Pend1与Pend2的差值以及Paver1与Paver2的差值作为两侧手掌握力数据的差值信号输出。

进一步的，不可改变风险因子包括患者年龄信息；偶然性风险因子包括患者血压数据、患者单侧肢体无力症状、患者不伴肢体无力的言语障碍以及患者出现单侧肢体无力症状或患者不伴肢体无力的言语障碍时的症状持续时间；确定性风险因子包括患者患有糖尿病和患者出现影像学证实的脑梗死病灶症状。

进一步的，自测辅助模块包括计时器、数据存储器和数据收发器，计时器通过患者主动控制，用于记录患者出现单侧肢体无力症状或不伴肢体无力的言语障碍时的症状持续时间数据，并将记录数据通过数据存储器进行储存、通过数据收发器进行收发传递。

进一步的，预测结果输出系统包括用于建立患者档案的处理微机、用于记录预测过程及结果数据的存储器和数据传播介质，且处理微机与数据收发器之间无线通信。

进一步的，数据传播介质通过多种信息传播媒介将个体患者的预测结果进行告知，数据传播介质包括但不限于电话电话传播媒介、短信传播媒介和互联网传播媒介。

进一步的，偶然性风险因子中的患者血压数据的获取方式包括但不限于体检数据和患者自测数据，确定性风险因子中的患者患有糖尿病和患者出现影像学证实的脑梗死病灶症状的获取方式包括但不限于体检数据。

进一步的，分级干预系统用于患者出现单侧肢体无力和不伴肢体无力的言语障碍症状中任意一项偶然性风险因子发生时的报警，其具体实施步骤为：

步骤一，言语障碍测试模块或单侧肢体肌力测评模块获取语音声波数据比对结果和两侧手掌握力数据的差值信号，并通过自测辅助模块发送至预测结果输出系统的控制微机；

步骤二，控制微机在判定患者出现上述任意一项风险因素时发出报警信息，并通过多种数据传播媒介与患者实现通信，在第一时间内了解患者病情。

与现有技术相比，本发明具有如下有益效果：

（1）本发明通过以脑卒中短期复发评估用ABCD评分系统为基础，以社区为单位，以社区内发生过短暂性脑缺血发作或脑卒中症状的常住居民为对象进行构建，并通过设置的自测数据获取模块协助患者在日常生活中即可及时对独立风险因素中的患者单侧肢体无力症状、患者不伴肢体无力的言语障碍等两项偶然性风险因子进行自测自评，帮助患者及时发现脑卒中复发的风险因素，降低卒中复发风险对于个体患者的影响，可用于以社区为单位的脑卒中复发高危人群的风险预测，使该群体中个体的卒中风险无法得到有效的评估；

（2）本发明可在患者出现单侧肢体无力症状和患者不伴肢体无力的言语障碍等症状时，通过自测辅助模块的数据收发器通过局域网将患者症状信息传递至社区的处理微机处，处理微机可设置在社区的便民服务处或者社区医院处，当社区服务人员接收到患者病症信息后，可通过多种数据传播媒介与患者实现通信，从而可以在第一时间内了解患者病情，防止意外事故的发生。

附图说明

图1为本发明一种脑卒中复发风险预警模型及分级干预系统的整体结构框图。

具体实施方式

下面结合具体实施方式对本发明作进一步的说明，其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制，为了更好地说明本发明的具体实施方式，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸。

实施例1

如图1所示，一种脑卒中复发风险预警模型及分级干预系统，复发风险预警模型以脑卒中短期复发评估用ABCD评分系统为基础，以社区为单位，以社区内发生过短暂性脑缺血发作或脑卒中症状的常住居民为对象进行构建，包括风险因素获取系统、自测数据获取模块和预测结果输出系统，独立风险因素包括不可改变风险因子、偶然性风险因子和确定性风险因子，其特征在于：风险因素获取系统包括以社区为单位设置的不可改变风险因子录入模块和确定性风险因子获取模块、以个体对象为单位的偶然性风险因子获取模块，自测数据获取模块包括佩戴式言语障碍测试模块、单侧肢体肌力测评模块和自测辅助模块。

言语障碍测试模块包括患者语音采集器和语音分析器，语音采集器用于患者语音声波数据的采集，并通过语音分析器对语音声波数据进行比对分析，并将语音声波数据比对结果通过自测辅助模块发送至预测结果输出系统。

单侧肢体肌力测评模块包括握力采集器和握力分析仪，握力采集器用于患者手掌握力数据的采集，并通过握力分析仪获取两侧手掌握力数据的差值信号，并将两侧手掌握力数据的差值信号通过自测辅助模块发送至预测结果输出系统。

进一步的，不可改变风险因子包括患者年龄信息；偶然性风险因子包括患者血压数据、患者单侧肢体无力症状、患者不伴肢体无力的言语障碍以及患者出现单侧肢体无力症状或患者不伴肢体无力的言语障碍时的症状持续时间；确定性风险因子包括患者患有糖尿病和患者出现影像学证实的脑梗死病灶症状。

进一步的，自测辅助模块包括计时器、数据存储器和数据收发器，计时器通过患者主动控制，用于记录患者出现单侧肢体无力症状或不伴肢体无力的言语障碍时的症状持续时间数据，并将记录数据通过数据存储器进行储存、通过数据收发器进行收发传递。

进一步的，预测结果输出系统包括用于建立患者档案的处理微机、用于记录预测过程及结果数据的存储器和数据传播介质，且处理微机与数据收发器之间无线通信。

进一步的，数据传播介质通过多种信息传播媒介将个体患者的预测结果进行告知，数据传播介质包括但不限于电话电话传播媒介、短信传播媒介和互联网传播媒介。

进一步的，偶然性风险因子中的患者血压数据的获取方式包括但不限于体检数据和患者自测数据，确定性风险因子中的患者患有糖尿病和患者出现影像学证实的脑梗死病灶症状的获取方式包括但不限于体检数据。

进一步的，分级干预系统用于患者出现单侧肢体无力和不伴肢体无力的言语障碍症状中任意一项偶然性风险因子发生时的报警，其具体实施步骤为：

步骤一：言语障碍测试模块或单侧肢体肌力测评模块获取语音声波数据比对结果和两侧手掌握力数据的差值信号，并通过自测辅助模块发送至预测结果输出系统的控制微机；

步骤二：控制微机在判定患者出现上述任意一项风险因素时发出报警信息，并通过多种数据传播媒介与患者实现通信，在第一时间内了解患者病情。

通过采用上述技术方案：根据ABCD2-I评分系统的内容，其独立风险因素包括①患者年龄；②患者血压数据；③患者单侧肢体无力症状；④不伴肢体无力的言语障碍；⑤糖尿病；⑥影像学证实的脑梗死病灶症状；⑦出现独立因素③或④时症状的持续时间，其中患者年龄信息为短期不可改变且固定的，因此在采集过程中，可以以社区为单位设置采集设备，建立社区内以个体为对象的档案信息，并通过采集患者的体检数据获取患者的血压数据、糖年病史以及心血管类疾病史信息，并通过患者随身佩戴的言语障碍测试模块对患者是否出现不伴肢体无力的言语障碍症状进行判定，通过单侧肢体肌力测评模块对患者是否出现单侧肢体无力症状进行判定，在获取该两项偶然性风险因子数据后，自测辅助模块的数据收发器将数据信息传送至处理微机处，处理微机整合多项独立风险因素数据后，根据根据ABCD2-I评分系统的评分标准，对患者的复发风险做出预测，并将预测结果通过多种信息传播媒介告知患者。

实施例2

如图1所示，一种脑卒中复发风险预警模型及分级干预系统，复发风险预警模型以脑卒中短期复发评估用ABCD评分系统为基础，以社区为单位，以社区内发生过短暂性脑缺血发作或脑卒中症状的常住居民为对象进行构建，包括风险因素获取系统、自测数据获取模块和预测结果输出系统，独立风险因素包括不可改变风险因子、偶然性风险因子和确定性风险因子，其特征在于：风险因素获取系统包括以社区为单位设置的不可改变风险因子录入模块和确定性风险因子获取模块、以个体对象为单位的偶然性风险因子获取模块，自测数据获取模块包括佩戴式言语障碍测试模块、单侧肢体肌力测评模块和自测辅助模块。

言语障碍测试模块包括患者语音采集器和语音分析器，语音采集器用于患者语音声波数据的采集，并通过语音分析器对语音声波数据进行比对分析。

自测辅助模块包括计时器、数据存储器和数据收发器，计时器通过患者主动控制，用于记录患者出现单侧肢体无力症状或不伴肢体无力的言语障碍时的症状持续时间数据，并将记录数据通过数据存储器进行储存、通过数据收发器进行收发传递。

语音声波数据比对结果的获取步骤如下：

步骤一：语音采集器以设置的固定频率采集患者语音片段；

步骤二：语音分析仪对语音片段进行初步分析，获取语音片段中的汉字数量数据，并将识别的汉字按顺序A1、A2、A3……An进行标记，且n值与识别的汉字数量相等；

步骤三：分别记录识别汉字A1、A2、A3……An时的时刻值T1、T2、T3……Tn，并分别计算出相邻汉字识别时刻之间的时间差值T

步骤四：将步骤三中获取的时间差值T

步骤五：统计步骤四中的异常差值时刻出现的次数M，并通过公式计算出异常差值时刻出现率；

步骤六：当步骤五中获取的异常差值时刻出现率＜50%时，输出语音声波数据比对结果为正常，当步骤五中获取的异常差值时刻出现率≥50%时，输出语音声波数据比对结果为异常，判定为出现言语障碍症状。

通过采用上述技术方案：脑卒中患者由于脑部器质性损伤，导致原有语言功能逐渐丧失，以对语言符号表达、理解、辨知、感知等方面功能障碍为主要表现，言语障碍测试模块的使用方式为：在患者日常生活过程中，语音采集器会周期性的对患者的语音信息进行采集，并将采集后的语音声波数据传送至语音分析器处，语音分析器对采集的声波数据进行连续性、规律性等方面进行分析，与其内部数据库中的存储信息进行对比，从而对采集的声波数据进行评测，以确定患者是否出现不伴肢体无力的言语障碍症状，并通过自测辅助模块的计时器对出现异常数据的时刻及时段进行记录。

实施例3

如图1所示，一种脑卒中复发风险预警模型及分级干预系统，复发风险预警模型以脑卒中短期复发评估用ABCD评分系统为基础，以社区为单位，以社区内发生过短暂性脑缺血发作或脑卒中症状的常住居民为对象进行构建，包括风险因素获取系统、自测数据获取模块和预测结果输出系统，独立风险因素包括不可改变风险因子、偶然性风险因子和确定性风险因子，其特征在于：风险因素获取系统包括以社区为单位设置的不可改变风险因子录入模块和确定性风险因子获取模块、以个体对象为单位的偶然性风险因子获取模块，自测数据获取模块包括佩戴式言语障碍测试模块、单侧肢体肌力测评模块和自测辅助模块。

单侧肢体肌力测评模块包括握力采集器和握力分析仪，握力采集器用于患者手掌握力数据的采集，并通过握力分析仪获取两侧手掌握力数据的差值信号。

两侧手掌握力数据的差值信号的获取步骤如下：

模式一：

步骤一：患者左手握住握力采集器进行单次抓握，通过握力采集器以1秒间隔的频率发出抓握的语音指令，并重复5次；

步骤二：握力采集器采集左手手掌抓握过程中的最大压力Pmax1、最小压力Pmin1和每次抓握时的手掌压力值P1、P2、P3、P4、P5，并将最大压力Pmax1、最小压力Pmin1和5次采集数值发送至握力分析仪处，由握力分析仪计算出5次抓握的平均压力值Pave1；

步骤三：患者右手握住握力采集器进行单次抓握，通过握力采集器以1秒间隔的频率发出抓握的语音指令，并重复5次；

步骤四：握力采集器采集左手手掌抓握过程中的最大压力Pmax2、最小压力Pmin2和每次抓握时的手掌压力值P6、P7、P8、P9、P10，并将最大压力Pmax2、最小压力Pmin2和5次采集数值发送至握力分析仪处，由握力分析仪计算出5次抓握的平均压力值Pave2；

步骤五：握力分析仪分别计算Pmax1与Pmax2的差值、Pmin1与Pmin2的差值以及Pave1与Pave2的差值作为两侧手掌握力数据的差值信号输出。

模式二：

步骤一：患者左手握住握力采集器进行持续抓握10秒，通过握力采集器对抓握时长进行计时，并发出开始语音指令和停止语音指令；

步骤二：握力采集器采集左手手掌抓握过程中的起始压力Pbeg1、终了压力Pend1，并采集抓握过程中第4秒、第5秒、第6秒、第7秒和第8秒时刻的手掌压力值P1、P2、P3、P4、P5，并将起始压力Pbeg1、终了压力Pend1和5次采集数值发送至握力分析仪处，由握力分析仪计算出5次抓握的平均压力值Paver1；

步骤三：患者右手握住握力采集器进行持续抓握10秒，通过握力采集器对抓握时长进行计时，并发出开始语音指令和停止语音指令；

步骤四：握力采集器采集左手手掌抓握过程中的起始压力Pbeg2、终了压力Pend2，并采集抓握过程中第4秒、第5秒、第6秒、第7秒和第8秒时刻的手掌压力值P6、P7、P8、P9、P10，并将起始压力Pbeg2、终了压力Pend2和5次采集数值发送至握力分析仪处，由握力分析仪计算出5次抓握的平均压力值Paver2；

步骤五：握力分析仪分别计算Pbeg1与Pbeg2的差值、Pend1与Pend2的差值以及Paver1与Paver2的差值作为两侧手掌握力数据的差值信号输出。

自测辅助模块包括计时器、数据存储器和数据收发器，计时器通过患者主动控制，用于记录患者出现单侧肢体无力症状或不伴肢体无力的言语障碍时的症状持续时间数据，并将记录数据通过数据存储器进行储存、通过数据收发器进行收发传递。

通过采用上述技术方案：对于脑卒中患者，由于脑供血不足，常常出现间歇性的一侧肢体无力症状，通过设置的单侧肢体肌力测评模块，由握力采集器采集对患者两侧手掌的握力进行采集，通过握力分析仪对采集的两组握力数据进行比对分析，由于患者本身两侧肢体生理结构上和习惯手的不同，正常状态下两侧肢体的握力也会存在一定的差距，但相差数值较小，实际操作中，通过设定安全阈值的方法来排除上述情况引起的偏差性问题，当两侧肢体握力值支架的差值大于设置的安全阈值，且连续多组数据均大于设置的安全阈值时，则判定患者出现一侧肢体无力的症状，并通过自测辅助模块的计时器对出现异常数据的时刻及时段进行记录。

实施例4

如图1所示，一种脑卒中复发风险预警模型及分级干预系统，复发风险预警模型以脑卒中短期复发评估用ABCD评分系统为基础，以社区为单位，以社区内发生过短暂性脑缺血发作或脑卒中症状的常住居民为对象进行构建，包括风险因素获取系统、自测数据获取模块和预测结果输出系统，独立风险因素包括不可改变风险因子、偶然性风险因子和确定性风险因子，其特征在于：风险因素获取系统包括以社区为单位设置的不可改变风险因子录入模块和确定性风险因子获取模块、以个体对象为单位的偶然性风险因子获取模块，自测数据获取模块包括佩戴式言语障碍测试模块、单侧肢体肌力测评模块和自测辅助模块。

进一步的，自测辅助模块包括计时器、数据存储器和数据收发器，计时器通过患者主动控制，用于记录患者出现单侧肢体无力症状或不伴肢体无力的言语障碍时的症状持续时间数据，并将记录数据通过数据存储器进行储存、通过数据收发器进行收发传递。

进一步的，预测结果输出系统包括用于建立患者档案的处理微机、用于记录预测过程及结果数据的存储器和数据传播介质，且处理微机与数据收发器之间无线通信。

进一步的，数据传播介质通过多种信息传播媒介将个体患者的预测结果进行告知，数据传播介质包括但不限于电话电话传播媒介、短信传播媒介和互联网传播媒介。

进一步的，分级干预系统用于患者出现单侧肢体无力和不伴肢体无力的言语障碍症状中任意一项偶然性风险因子发生时的报警，其具体实施步骤为：

步骤一：言语障碍测试模块或单侧肢体肌力测评模块获取语音声波数据比对结果和两侧手掌握力数据的差值信号，并通过自测辅助模块发送至预测结果输出系统的控制微机；

步骤二：控制微机在判定患者出现上述任意一项风险因素时发出报警信息，并通过多种数据传播媒介与患者实现通信，在第一时间内了解患者病情。

通过采用上述技术方案：当患者出现单侧肢体无力症状和患者不伴肢体无力的言语障碍等症状时，自测辅助模块的数据收发器通过局域网将患者症状信息传递至社区的处理微机处，处理微机可设置在社区的便民服务处或者社区医院处，当社区服务人员接收到患者病症信息后，可通过多种数据传播媒介与患者实现通信，从而可以在第一时间内了解患者病情，防止意外事故的发生。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。