神经重症患者误吸风险预测模型的Meta分析

doi:10.3877/cma.j.issn.1674-6880.2026.03.006

中华危重症医学杂志(电子版) ›› 2026, Vol. 19 ›› Issue (03) : 234 -240. doi: 10.3877/cma.j.issn.1674-6880.2026.03.006

荟萃分析

神经重症患者误吸风险预测模型的Meta分析

许云娟¹, 陆蓉², 贾平², 李艳³, 郭丹阳⁴, 姜青云⁵, 蒲在春⁶, 张勤⁷^,^†(

)

¹637100　四川南充，川北医学院护理学院
²610072　成都，四川省医学科学院·四川省人民医院电子科技大学附属医院神经外科
³610072　成都，四川省医学科学院·四川省人民医院电子科技大学附属医院肾内科
⁴610072　成都，四川省医学科学院·四川省人民医院电子科技大学附属医院综合监护室
⁷610072　成都，四川省医学科学院·四川省人民医院电子科技大学附属医院日间手术病房
⁵610050　成都，电子科技大学医学院
⁶610500　成都，成都市新都区人民医院普通外科

收稿日期:2026-02-25 出版日期:2026-06-30
通信作者: 张勤

Prediction models for aspiration risk in neurological intensive care unit patients: a meta-analysis

Yunjuan Xu¹, Rong Lu², Ping Jia², Yan Li³, Danyang Guo⁴, Qingyun Jiang⁵, Zaichun Pu⁶, Qin Zhang⁷^,^†()

¹School of Nursing, North Sichuan Medical College, Nanchong 637100, China
²Department of Neurosurgery, Sichuan Academy of Medical Sciences & Sichuan Provincial People's Hospital/Affiliated Hospital of University of Electronic Science and Technology of China, Chengdu 610072, China
³Department of Nephrology, Sichuan Academy of Medical Sciences & Sichuan Provincial People's Hospital/Affiliated Hospital of University of Electronic Science and Technology of China, Chengdu 610072, China
⁴Comprehensive Intensive Care Unit, Sichuan Academy of Medical Sciences & Sichuan Provincial People's Hospital/Affiliated Hospital of University of Electronic Science and Technology of China, Chengdu 610072, China
⁷Day Surgery Unit, Sichuan Academy of Medical Sciences & Sichuan Provincial People's Hospital/Affiliated Hospital of University of Electronic Science and Technology of China, Chengdu 610072, China
⁵School of Medicine, University of Electronic Science and Technology of China, Chengdu 610050, China
⁶Department of General Surgery, Xindu District People's Hospital of Chengdu, Chengdu 610500, China

Received:2026-02-25 Published:2026-06-30
Corresponding author: Qin Zhang

全文 ( ) 下载PDF ( ) 导出引用

引用本文：

许云娟, 陆蓉, 贾平, 李艳, 郭丹阳, 姜青云, 蒲在春, 张勤. 神经重症患者误吸风险预测模型的Meta分析[J/OL]. 中华危重症医学杂志(电子版), 2026, 19(03): 234-240.

Yunjuan Xu, Rong Lu, Ping Jia, Yan Li, Danyang Guo, Qingyun Jiang, Zaichun Pu, Qin Zhang. Prediction models for aspiration risk in neurological intensive care unit patients: a meta-analysis[J/OL]. Chinese Journal of Critical Care Medicine(Electronic Edition), 2026, 19(03): 234-240.

目的

系统评价神经重症患者误吸风险预测模型的预测价值。

方法

运用计算机对中国知网、维普、万方、中国生物医学文献、Web of Science、the Cochrane Library、PubMed、Embase数据库展开检索，查找有关神经重症患者误吸风险预测模型的研究，检索时限为数据库建库至2025年12月30日。由2名研究者独立进行数据检索以及资料提取工作，使用预测模型研究的偏倚风险和适用性评估工具（PROBAST）进行文献质量评价，运用RevMan 5.4以及MedCalc软件实施Meta分析。

结果

共纳入文献21篇，纳入研究的样本总量为103 ~ 3 408例，神经重症患者误吸发生例数为24 ~ 448例。21项研究总体均评定为高偏倚性风险。Meta分析结果显示，模型的受试者工作特征曲线下面积为0.879，95%置信区间（CI）（0.849，0.909），Z = 57.892，P < 0.001。格拉斯哥昏迷量表（GCS）评分≥ 8分[比值比（OR）= 2.43，95%CI（1.29，4.57），Z = 2.75，P = 0.006]、高美国国立卫生研究院卒中量表（NIHSS）评分[OR = 1.96，95%CI（1.49，2.60），Z = 4.74，P < 0.001]、误吸史[OR = 3.26，95%CI（1.40，7.61），Z = 2.74，P = 0.006]、年龄≥ 60岁[OR = 1.35，95%CI（1.19，1.52），Z = 4.79，P < 0.001]、洼田饮水试验≥ 3级[OR = 4.74，95%CI（2.50，9.01），Z = 4.76，P < 0.001]、胃残留量≥ 150 mL[OR = 2.31，95%CI（1.69，3.16），Z = 5.26，P < 0.001]、脑干梗死[OR = 2.85，95%CI（2.14，3.80），Z = 7.14，P < 0.001]、机械通气[OR = 5.31，95%CI（1.76，16.05），Z = 2.96，P = 0.003]均是神经重症患者误吸的危险因素。

结论

神经重症患者误吸风险预测模型预测性能较好，但总体偏倚风险高。

关键词: 神经重症, 误吸, 预测模型, Meta分析

Objective

To systematically evaluate the predictive value of aspiration risk models in neurological intensive care unit patients.

Methods

A computerized search was conducted in databases such as CNKI, VIP, Wanfang, CBM, Web of Science, the Cochrane Library, PubMed, and Embase for studies on prediction models for aspiration risk in neurological intensive care unit patient from the inception of each database to December 30, 2025. Two researchers independently conducted data retrieval and material extraction. The prediction model risk of bias assessment tool (PROBAST) was used to evaluate the quality of the included literature. A meta-analysis was conducted using RevMan 5.4 and MedCalc software.

Results

A total of 21 articles were included. The total sample size ranged from 103 to 3 408 patients, and the number of aspiration patients with severe neuropathy ranged from 24 to 448. All the 21 studies were rated as having a high risk of bias. The meta-analysis showed that the area under the receiver operating characteristic curve of the model was 0.879 [95% confidence interval (CI) (0.849, 0.909), Z = 57.892, P < 0.001]. A Glasgow coma scale (GCS) score ≥ 8 [odds ratio (OR) = 2.43, 95%CI (1.29, 4.57), Z = 2.75, P = 0.006], a high National Institutes of Health stroke scale (NIHSS) score [OR = 1.96, 95%CI (1.49, 2.60), Z = 4.74, P < 0.001], history of aspiration [OR = 3.26, 95%CI (1.40, 7.61), Z = 2.74, P = 0.006], age ≥ 60 years [OR = 1.35, 95%CI (1.19, 1.52), Z = 4.79, P < 0.001], Kubota water swallowing test ≥ level 3 [OR = 4.74, 95%CI (2.50, 9.01), Z = 4.76, P < 0.001], gastric residual volume ≥ 150 mL [OR = 2.31, 95%CI (1.69, 3.16), Z = 5.26, P < 0.001], brainstem infarction [OR = 2.85, 95%CI (2.14, 3.80), Z = 7.14, P < 0.001], and mechanical ventilation [OR = 5.31, 95%CI (1.76, 16.05), Z = 2.96, P = 0.003] were all risk factors for aspiration in neurological intensive care unit patients.

Conclusion

The aspiration risk prediction model for neurological intensive care unit patients demonstrates good performance but carries a high risk of overall bias.

Key words: Neurological intensive care unit, Aspiration, Prediction models, Meta-analysis

表1 纳入研究的基本特征

纳入研究	研究类型	样本量（例）	误吸发生数（例）	验证方法	校准方法	预测因子
Chen等^[9]	病例对照	412	184	内部+外部	校准曲线、H-L检验、临床决策曲线	①②
Park等^[10]	队列研究	3 408	448	内部	-	①
Wang等^[11]	病例对照	528	89	内部+外部	校准曲线、H-L检验、临床决策曲线	③
Xu等^[12]	病例对照	160	80	内部+外部	校准曲线、临床决策曲线	④
蔡晓调和陆艳^[13]	病例对照	146	29	-	校准曲线、H-L检验	②③④⑤
陈蓓香等^[14]	病例对照	103	31	-	-	⑤⑥⑦
李好正等^[15]	病例对照	228	24	-	H-L检验	①④⑤⑧
李梦媛^[16]	巢式病例对照	228	24	内部+外部	H-L检验、校准图	④⑤⑧
彭宇等^[17]	回顾性队列研究	421	147	内部+外部	校准曲线	②④⑤⑥
邵金洁等^[18]	病例对照	410	53	内部+外部	H-L检验	⑧
石欢等^[19]	病例对照	379	78	外部	-	⑦
石娟和刘荣^[20]	病例对照	320	79	-	校准曲线、H-L检验	①⑤⑥⑧
谈月蓉等^[21]	病例对照	998	297	-	-	②⑥⑦⑧
田雅琦等^[22]	病例对照	235	89	内部	校准曲线、H-L检验、临床决策曲线	②③
王宇馨^[23]	病例对照	521	149	内部+外部	H-L检验、临床决策分析	⑤⑦⑧
谢小磊^[24]	病例对照	250	56	外部	H-L检验	②⑤⑥⑧
徐金娟和吴丽萍^[25]	病例对照	110	55	内部	H-L检验、校准曲线	①②③
余灵芝等^[26]	病例对照	212	102	内部	H-L检验、校准曲线	①⑧
俞玲英等^[27]	病例对照	316	89	内部	校准曲线、临床决策曲线	①②④
张珊等^[28]	病例对照	158	61	-	H-L检验、校准曲线	⑧
邹宛霖^[29]	病例对照	236	107	内部	H-L检验	①②③

表1 纳入研究的基本特征

纳入研究	研究类型	样本量（例）	误吸发生数（例）	验证方法	校准方法	预测因子
Chen等^[9]	病例对照	412	184	内部+外部	校准曲线、H-L检验、临床决策曲线	①②
Park等^[10]	队列研究	3 408	448	内部	-	①
Wang等^[11]	病例对照	528	89	内部+外部	校准曲线、H-L检验、临床决策曲线	③
Xu等^[12]	病例对照	160	80	内部+外部	校准曲线、临床决策曲线	④
蔡晓调和陆艳^[13]	病例对照	146	29	-	校准曲线、H-L检验	②③④⑤
陈蓓香等^[14]	病例对照	103	31	-	-	⑤⑥⑦
李好正等^[15]	病例对照	228	24	-	H-L检验	①④⑤⑧
李梦媛^[16]	巢式病例对照	228	24	内部+外部	H-L检验、校准图	④⑤⑧
彭宇等^[17]	回顾性队列研究	421	147	内部+外部	校准曲线	②④⑤⑥
邵金洁等^[18]	病例对照	410	53	内部+外部	H-L检验	⑧
石欢等^[19]	病例对照	379	78	外部	-	⑦
石娟和刘荣^[20]	病例对照	320	79	-	校准曲线、H-L检验	①⑤⑥⑧
谈月蓉等^[21]	病例对照	998	297	-	-	②⑥⑦⑧
田雅琦等^[22]	病例对照	235	89	内部	校准曲线、H-L检验、临床决策曲线	②③
王宇馨^[23]	病例对照	521	149	内部+外部	H-L检验、临床决策分析	⑤⑦⑧
谢小磊^[24]	病例对照	250	56	外部	H-L检验	②⑤⑥⑧
徐金娟和吴丽萍^[25]	病例对照	110	55	内部	H-L检验、校准曲线	①②③
余灵芝等^[26]	病例对照	212	102	内部	H-L检验、校准曲线	①⑧
俞玲英等^[27]	病例对照	316	89	内部	校准曲线、临床决策曲线	①②④
张珊等^[28]	病例对照	158	61	-	H-L检验、校准曲线	⑧
邹宛霖^[29]	病例对照	236	107	内部	H-L检验	①②③

图1 神经重症患者误吸风险预测模型预测性能的森林图注：AUC.曲线下面积；CI.置信区间

表2 神经重症患者误吸预测因子的Meta分析结果

预测因子	纳入研究（篇）	异质性检验结果		效应模型	Meta分析结果
预测因子	纳入研究（篇）	I²值（%）	P值	效应模型	OR值	95%CI	Z值	P值
GCS评分≥ 8分	9^{[15,16,18,20,21,23,24,26,28]}	93	< 0.001	随机效应	2.43	1.29 ~ 4.57	2.75	0.006
NIHSS评分	9^{[9,13,17,21,22,24,25,27,29]}	90	< 0.001	随机效应	1.96	1.49 ~ 2.60	4.74	< 0.001
误吸史	8^{[13,14,15,16,17,20,23,24]}	85	< 0.001	随机效应	3.26	1.40 ~ 7.61	2.74	0.006
年龄≥ 60岁	8^{[9,10,15,20,25,26,27,29]}	92	< 0.001	随机效应	1.35	1.19 ~ 1.52	4.79	< 0.001
洼田饮水试验≥ 3级	6^{[12,13,15,16,17,27]}	82	< 0.001	随机效应	4.74	2.50 ~ 9.01	4.76	< 0.001
胃残留量≥ 150 mL	5^{[14,17,20,21,24]}	0	0.49	固定效应	2.31	1.69 ~ 3.16	5.26	< 0.001
脑干梗死	5^{[11,13,22,25,29]}	0	0.81	固定效应	2.85	2.14 ~ 3.80	7.14	< 0.001
机械通气	4^{[14,19,21,23]}	81	0.001	随机效应	5.31	1.76 ~ 16.05	2.96	0.003

表2 神经重症患者误吸预测因子的Meta分析结果

预测因子	纳入研究（篇）	异质性检验结果		效应模型	Meta分析结果
预测因子	纳入研究（篇）	I²值（%）	P值	效应模型	OR值	95%CI	Z值	P值
GCS评分≥ 8分	9^{[15,16,18,20,21,23,24,26,28]}	93	< 0.001	随机效应	2.43	1.29 ~ 4.57	2.75	0.006
NIHSS评分	9^{[9,13,17,21,22,24,25,27,29]}	90	< 0.001	随机效应	1.96	1.49 ~ 2.60	4.74	< 0.001
误吸史	8^{[13,14,15,16,17,20,23,24]}	85	< 0.001	随机效应	3.26	1.40 ~ 7.61	2.74	0.006
年龄≥ 60岁	8^{[9,10,15,20,25,26,27,29]}	92	< 0.001	随机效应	1.35	1.19 ~ 1.52	4.79	< 0.001
洼田饮水试验≥ 3级	6^{[12,13,15,16,17,27]}	82	< 0.001	随机效应	4.74	2.50 ~ 9.01	4.76	< 0.001
胃残留量≥ 150 mL	5^{[14,17,20,21,24]}	0	0.49	固定效应	2.31	1.69 ~ 3.16	5.26	< 0.001
脑干梗死	5^{[11,13,22,25,29]}	0	0.81	固定效应	2.85	2.14 ~ 3.80	7.14	< 0.001
机械通气	4^{[14,19,21,23]}	81	0.001	随机效应	5.31	1.76 ~ 16.05	2.96	0.003

1	郑爽，张昕彤，陈晨，等.神经重症患者气管插管拔除失败的风险因素分析[J/OL].中华危重症医学杂志（电子版），2024，17（3）：211-218.
2	中华医学会神经病学分会，中华医学会神经病学分会脑血管病学组.中国重症卒中管理指南2024[J].中华神经科杂志，2024，57（7）：698-714.
3	Miao P, Zhang Y, Zhong A. Risk factors of aspiration occurrence with different feeding patterns in elderly intensive care unit patients: a cross-sectional study [J]. J Thorac Dis, 2023, 15 (5): 2585-2600.
4	高学莉，牛意柔，任志方，等.医院神经科普通病房患者误吸防治与管理的最佳证据总结[J].中国初级卫生保健，2024，38（10）：93-97.
5	邵金洁，杜超群，杨晓英，等.高血压脑出血术后肠内营养病人发生误吸的影响因素及风险预测模型的构建[J].循证护理，2025，11（15）：3172-3175.
6	Moons KG, de Groot JA, Bouwmeester W, et al. Critical appraisal and data extraction for systematic reviews of prediction modelling studies: the CHARMS checklist [J]. PLoS Med, 2014, 11 (10): e1001744.
7	Moons KGM, Wolff RF, Riley RD, et al. PROBAST: a tool to assess risk of bias and applicability of prediction model studies: explanation and elaboration[J]. Ann Intern Med, 2019, 170 (1): W1-W33.
8	蒲在春，贾平，刘娟，等.肝硬化门静脉血栓形成风险预测模型的Meta分析[J].循证护理，2024，10（16）：2869-2874.
9	Chen L, Li J, Tian F, et al. A simple nomogram for predicting aspiration associated with dysphagia in hospitalized patients after stroke [J]. Neurol Sci, 2024, 45 (6): 2729-2736.
10	Park D, Son SI, Kim MS, et al. Machine learning predictive model for aspiration screening in hospitalized patients with acute stroke [J]. Sci Rep, 2023, 13 (1): 7835.
11	Wang Y, Feng W, Peng J, et al. Development and validation of a risk prediction model for aspiration in patients with acute ischemic stroke[J]. J Clin Neurosci, 2024, 124: 60-66.
12	Xu YY, Wei Y, Sha L. Validation of an aspiration risk prediction model for Parkinson's disease based on nomogram: a single-center study [J]. Peer J, 2025, 13: e20443.
13	蔡晓调，陆艳.脑卒中吞咽障碍患者IOE风险评估及模型构建[J].中国现代医生，2024，62（13）：15-20.
14	陈蓓香，黄志文，刘乐乐.神经外科ICU患者胃内容物反流误吸风险预测模型的构建与验证[J].河南医学高等专科学校学报，2025，37（2）：217-220.
15	李好正，李梦媛，肖抒情，等.脑肿瘤患者术后误吸风险预测模型的构建[J].军事护理，2022，39（8）：54-57.
16	李梦媛.脑肿瘤患者术后误吸危险因素分析及风险预测模型的构建与验证研究[D].天津：天津医科大学，2021.
17	彭宇，沙丽艳，刘子龙，等.重症脑出血患者肠内营养支持发生误吸风险预测模型的构建及验证[J].中国护理管理，2022，22（9）：1391-1397.
18	邵金洁，杜超群，杨晓英，等.高血压脑出血术后肠内营养病人发生误吸的影响因素及风险预测模型的构建[J].循证护理，2025，11（15）：3172-3175.
19	石欢，柳月，袁媛.颅脑胶质瘤术后患者重症监护病房误吸风险及预测模型建立[J].中华老年心脑血管病杂志，2024，26（10）：1201-1204.
20	石娟，刘荣.神经外科老年昏迷患者鼻饲反流误吸调查及其危险因素分析[J].老年医学与保健，2023，29（6）：1253-1257.
21	谈月蓉，丁海燕，李育平，等.神经外科ICU患者误吸的列线图风险预测模型构建及其诊断效能[J].川北医学院学报，2023，38（11）：1551-1554.
22	田雅琦，邱立欣，谷媛媛，等.脑卒中吞咽困难病人吞咽造影特点及其对误吸的预测价值研究[J].中西医结合心脑血管病杂志，2023，21（23）：4421-4428.
23	王宇馨.脑卒中鼻饲患者误吸风险预测模型构建与验证[D].天津：天津中医药大学，2023.
24	谢小磊.急诊脑梗死住院患者肠内营养误吸风险预测模型的建立与验证[J].国际护理学杂志，2024，43（14）：2536-2541.
25	徐金娟，吴丽萍.卒中误吸风险分析及预测模型的构建与验证[J].重庆医学，2023，52（23）：3638-3642.
26	余灵芝，林兴，朱秀梅，等.基于列线图构建重症颅脑损伤患者肠内营养误吸风险预测模型研究[J].创伤与急危重病医学，2022，10（6）：467-470.
27	俞玲英，王晓磊，沈晓芳，等.缺血性脑卒中患者住院期间误吸的危险因素及预测模型构建[J].实用临床医药杂志，2024，28（9）：103-108.
28	张珊，蒋林芷，张盼.脑出血患者早期肠内营养并发误吸的危险因素分析及预测模型构建[J].现代医学，2025，53（5）：804-809.
29	邹宛霖.缺血性脑卒中吞咽功能障碍患者发生误吸的风险预测模型构建及验证的研究[D].吉林：北华大学，2025.
30	蒋美丽，陈友芬，许季祥，等.基于机器学习算法构建鼻胃管患者发生误吸的风险预测模型[J].浙江医学，2024，46（22）：2400-2404.
31	汪海霞，何飞，朱丛梅，等. ICU患者早期肠内营养治疗发生误吸的列线图风险预测模型建立与验证[J].天津医药，2025，53（10）：1037-1042.
32	Lesch H, Wittayer M, Dias M, et al. Clinical features and voxel-based-symptom-lesion mapping of silent aspiration in acute infratentorial stroke [J]. Dysphagia, 2024, 39 (2): 289-298.
33	Tran KH, Akhtar N, Ali A, et al. Impact of stroke severity on aspiration pneumonia risks in the medical ward versus the stroke unit: a 10-year retrospective cohort study[J]. BMJ Open, 2025, 15 (3): e093328.
34	景英霞，吴云龙.鼻饲患者误吸风险预测模型的开发和验证[J].全科医学临床与教育，2023，21（12）：1131-1134.
35	Wang J, Wang Y, Wang P, et al. Construction and evaluation of a nomogram prediction model for aspiration pneumonia in patients with acute ischemic stroke[J]. Heliyon, 2023, 9 (11): e22048.
36	葛佩，勇琴歌，章洁.老年人误吸危险因素与风险评估的研究进展[J].中华老年多器官疾病杂志，2023，22（11）：873-876.
37	张晶，丁小容，窦丽君，等.神经外科重症病人肠内营养误吸筛查的研究进展[J].护理研究，2024，38（13）：2365-2370.
38	Labeit B, Michou E, Hamdy S, et al. The assessment of dysphagia after stroke: state of the art and future directions[J]. Lancet Neurol, 2023, 22 (9): 858-870.
39	Hu X, Wang M, Wang Z, et al. Predictors and lesion patterns of dysphagia and swallowing outcomes after acute intracerebral hemorrhage [J]. Ther Adv Neurol Disord, 2025, 18: 17562864241311130.
40	张洋，刁海清，李梦月，等.神经重症患者误吸影响因素的Meta分析[J].实用临床医药杂志，2025，29（1）：118-124.
41	宋海瑞，唐姿燕，孟宪梅，等.脑卒中误吸风险预测模型研究进展[J].中国科技期刊数据库医药，2024，1：80-83.
42	Goelen N, Janssen P, Tack J, et al. Continuous assessment of gastric motility and its relation to gastric emptying in adult critically ill patients [J]. JPEN J Parenter Enteral Nutr, 2021, 45 (8): 1779-1784.
43	张骄莹，蔡莲珠，汪梅贵.脑卒中吞咽障碍患者发生隐性误吸的危险因素及对策[J].西藏医药，2025，46（1）：67-68.
44	Abd-Elhamid MH, Aldugiem MM, Salameh B, et al. Complementary therapies in ICU: the effect on aspiration and physiological parameters in mechanically ventilated patients[J]. Crit Care Nurs Q, 2025, 48 (3): 325-334.
45	Zhang H, Li J, Deng S, et al. Risk prediction models for enteral nutrition aspiration in adult inpatients: a systematic review and critical appraisal[J]. J Clin Nurs, 2026, 35 (3): 1125-1141.

[1]	苏金铭, 田萍, 李青林, 马静, 宋伟伟, 刘博文, 曹晓莹, 薛玲, 王文军. HER-2阳性乳腺癌患者复发转移的影响因素及风险预测模型的构建[J/OL]. 中华乳腺病杂志(电子版), 2026, 20(04): 228-235.
[2]	丁彩霞, 曲景辉, 裴英宏, 李静娜, 郑晓瑜, 徐岭植, 李思思. 基于RNA结合蛋白基因表达特征的乳腺癌预后预测模型构建及评价分析[J/OL]. 中华乳腺病杂志(电子版), 2026, 20(03): 138-147.
[3]	宋雪云, 张立群. 结核性脑膜炎诊断预测模型构建与验证[J/OL]. 中华实验和临床感染病杂志(电子版), 2026, 20(03): 139-147.
[4]	罗文勇, 黄文龙, 阮沁桐, 蔡莹, 王欣, 吴柱国, 王利玲, 于海兵. 甲状腺癌术后并发低钙血症的发病风险预测模型构建[J/OL]. 中华普通外科学文献(电子版), 2026, 20(04): 257-264.
[5]	鲁峰刚, 刘宇, 张毅, 王秦玉. 新辅助放化疗直肠癌根治术患者术后吻合口漏影响因素分析及风险预测模型构建[J/OL]. 中华普外科手术学杂志(电子版), 2026, 20(04): 347-351.
[6]	袁强, 范慈勃, 韩丽丽, 陈光, 陈纲, 赵锁. 融合病理图像与报告的多模态模型用于乳腺癌预后预测[J/OL]. 中华普外科手术学杂志(电子版), 2026, 20(04): 374-378.
[7]	王珩, 马金曼, 王弼偲. 腹主动脉瘤腔内修复术后并发症的风险因素分析及预测模型构建[J/OL]. 中华普外科手术学杂志(电子版), 2026, 20(03): 292-295.
[8]	黄伟, 林湘杰, 吴俊文, 胡浩, 杨雪菲. 部分可吸收补片在腹腔镜腹股沟疝修补术中有效性和安全性的Meta分析[J/OL]. 中华疝和腹壁外科杂志(电子版), 2026, 20(04): 461-470.
[9]	柯雨仙, 刘罡, 郭莹莹, 何李谦, 姜轶. 慢性阻塞性肺疾病急性加重期并发呼吸衰竭风险预测模型研究进展[J/OL]. 中华肺部疾病杂志(电子版), 2026, 19(03): 500-503.
[10]	李海波, 李洋, 曾涛, 冯程, 李华. 基于3期RCT中国人群数据的肝细胞癌一线治疗方案网状Meta分析[J/OL]. 中华肝脏外科手术学电子杂志, 2026, 15(04): 558-567.
[11]	王浩, 张伟杰, 员百慧, 宋知远, 于艳龙. 甘油三酯葡萄糖指数预测急性胰腺炎严重程度Meta分析[J/OL]. 中华肝脏外科手术学电子杂志, 2026, 15(03): 405-412.
[12]	孟春孜, 章群, 钱晓萍. 晚期结直肠癌三线免疫联合方案与单药化疗或单药靶向治疗的疗效对比Meta分析[J/OL]. 中华结直肠疾病电子杂志, 2026, 15(03): 215-223.
[13]	郑顺, 张楠, 丁奕, 李文静. 基于人工智能的血液透析患者容量状态评估研究进展[J/OL]. 中华肾病研究电子杂志, 2026, 15(04): 202-205.
[14]	马凯蒂, 哈团结. 基于机器学习的糖尿病肾脏病患者疲乏状态诊断预测模型构建[J/OL]. 中华肾病研究电子杂志, 2026, 15(03): 144-150.
[15]	张菁菁, 朱发勇, 刘亚, 潘晓虎, 施学松, 杨明刚, 谢春明, 赵国锋. 急性前循环大血管闭塞卒中取栓术后预后不良影响因素及预测模型构建[J/OL]. 中华介入放射学电子杂志, 2026, 14(03): 292-298.

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

Prediction models for aspiration risk in neurological intensive care unit patients: a meta-analysis

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

Prediction models for aspiration risk in neurological intensive care unit patients: a meta-analysis