脑梗死的危险因素,以及心肌梗死后颈动脉内膜切除手术分析了机器学习

文摘

客观的。脑梗塞和心肌梗死的发生率较高患者颈动脉内膜切除术(CEA)。基于coprotection的心脏和大脑的概念,本研究试图屏幕早期脑梗死的相关因素和心肌梗死后CEA与机器学习的方法提供临床数据预防术后脑梗塞和心肌梗死。方法。443名患者接受CEA手术在全身麻醉下两年内收集为研究对象。人口数据,以前的病史,颈部血管狭窄程度,在所有时间点的血压在围手术期期间,阻塞时,是否将分流器,和住院的时间,是否有脑梗塞和心肌梗死被收集。机器学习模型成立,和稳定的变量选择是基于单因素分析。结果。脑梗死的发生率为1.4%(6/443)和心肌梗死是2.3% (10/443)。脑梗死患者的住院时间和心肌梗死长于对照组(8(7、15)天与7 5、8天, )。稳定的相关因素筛选xgboost模型。重要性评分(分数)如下:平均动脉压在闭塞是222点,身体质量指数是159分,平均动脉压术后是156点,收缩压在闭塞的标准差是153点,舒张压在闭塞是146分,平均动脉压条目143点后,收缩压在闭塞是121点,和年龄是117分。结论。八个因素,如血压、体重指数、年龄,可能与术后脑梗塞和心肌梗死患者CEA。机器学习方法值得进一步研究。

1。介绍

颈动脉内膜切除术(CEA)可以纠正颈总动脉或颈内动脉的狭窄,防止中风的动脉粥样硬化斑块。东航后主要并发症包括脑梗塞和心肌梗死;脑梗死的发病率是报告为3%至4% (1,2),心肌梗死的发生率是0.5% - -1% (3]。因为操作网站的特殊性和CEA的围手术期管理,基于脑coprotection有氧运动的概念,脑梗死的危险因素,心肌梗死和其他活动分析后结合在一个统一的方式,试图找到一种围手术期管理策略,考虑了大脑和心脏的血流灌注(4- - - - - -6]。

事件的发生率较低,传统的统计方法有一定的局限性。机器学习是一种新的工具来探索和分析大数据领域的人工智能(AI),使计算机自动学习并根据情况做出调整而无需人工干预或援助。目前,机器学习在临床医学中的应用已初步讨论(7]。

在本回顾性研究,选择接受选择性颈动脉内膜切除手术的病人,心肌梗塞和脑梗塞,被端点的观察指标。基于单因素分析,建立了机器学习模型,脑梗塞和心肌梗死的相关指标进行了讨论。

2。材料和方法

2.1。材料

所有患者接受标准颈动脉内膜切除手术在全身麻醉下两年回顾性收集的两种不同的手术单位北京大学第三医院。同时CEA + CABG患者被排除在外,而术前人口数据和过去病史的患者收集。因为CEA手术在我们医院是有选择性的,所有病人满足入选标准选择性外科手术。高血压患者定期服用利尿剂,钙拮抗剂,ACEI,或ARB药物控制血压在操作之前,和糖尿病患者术前血糖控制满意。患者血压或血糖控制差首先会在会议之前接受专家治疗选择性外科手术的标准。所有患者接受颈部血管超声和/或CTA在操作之前。根据NASCET标准,颈部血管狭窄程度分为轻度(0% - -49%),中等(50% - -69%),重度狭窄和闭塞(70%以上)。收缩压,舒张压和平均动脉压的前一天操作(T1),进入手术室(T2)、颈动脉阻塞(T3)前10分钟,期间阻塞(T4)、血流恢复后的10分钟(T5),手术后一天(T6)记录。血压在闭塞(T4)是每5分钟记录一次,平均血压值在每个病人的闭塞的期间血压闭塞(T4)。并记录血压标准差在闭塞。 Record the time of carotid artery occlusion, whether to use the shunt, and hospitalization after the operation, whether cerebral infarction (definite neurological symptoms, imaging examination confirmed that there were new infarcts or the area of original infarcts increased) or myocardial infarction (myocardial ischemia symptoms and laboratory examination indicated that myocardial injury markers were increased and confirmed by consultation of cardiology department) occurred during hospitalization.

标准的颈动脉内膜切除手术是由外科医生在手术单位。然而,有不同的分流策略选择。在一个手术,外科医生决定是否将显示颈动脉分流术前血管造影的结果或CTA:如果成像结果表明,侧颈动脉严重狭窄或闭塞和威利斯环是不完整的(Willis环的定义不完整,CTA显示的任何部分环,这是由双边大脑前动脉、双边大脑后动脉的初始段,结束两国颈内动脉,动脉和前部和后部沟通不能开发)和前或后动脉不满意地打开,交流的分流手术期间被称为成像组。在其他手术,外科医生不需要血管造影和CTA试运行。外科医生测量了树桩颈动脉闭塞时的压力。如果树桩压力小于40岁,分流器将被执行,而血压提高到满足脑灌注在树桩的需求压力大于或等于40毫米汞柱。这些病人被称为压力团体演讲。

我们之前研究的结果表明,不同的分流策略并非术后严重不良事件的风险因素。因此,不同的分流策略包括机器学习模型的相关因素。脑梗塞和心肌梗塞住院期间作为观察指标。脑梗死患者和/或心肌梗死被定义为事件组在这项研究中,和那些没有发生被定义为对照组。

2.2。统计方法

使用SPSS 23.0分析的数据。符合正态分布的测量数据所表达的 ( )。独立样本 - - - - - -测试是用于分析。数据不符合正态分布表示中位数和四分位数,和Wilcoxon rank-sum测试用于分析。计算卡方检验或测试的数据Fisher精确概率法。 在统计学上意义重大。

2.3。机器学习

模型建立:广泛使用的工具包scikit-learn 0.21 (https://scikit-learn.org/stable/)[8算法)是用来进行筛查的两分类问题在这项研究表示。算法包含在scikit-learn包括线性支持向量机,决策树,随机森林,人工神经网络,二次判别分析,xgboost。目标结果是否有术后住院期间脑梗塞和心肌梗死。所有患者的所有特征参数包含在模型,筛选阳性结果的准确性,不同的算法作为评价标准,和模型精度最高的选择。

交叉验证优化预测模型:作为选择模型。每一次,3/4的数据被随机提取的正样本(事件组)和负样本(对照组)来构建一个训练集,剩下的1/4的正负样本作为验证设置为测试模型。重复以上步骤1000次,最后平均测试结果平衡过程中的随机误差样本提取。

筛选稳定变量:如果模型的AUC较低或不稳定的交叉验证后,屏幕上变量的稳定性。试着删除变量重要性较低的分数,把剩余的变量到模型再培训。如果变量的类型和等级秩序的结果并没有改变的变量删除时,该变量被认为没有对结果的影响。它将被删除。如果变量的类型和排名结果改变了很多,该变量被认为有更大影响的结果。它将被保留。这是重复,直到变量不能被删除。这时,其余变量的关键变量,一个稳定的对结果的影响。

解决数据不平衡的问题:当不同类型的训练集数据的病例数会有很大不同,它被称为不平衡数据。解决了这个问题通过调整scale_pos_weight的学习速率和增加少量的样本。

预测变量重要性评分(分数):在培训的过程中,变量重要性评分的分数每个特性给出根据变量的次数是用作分区变量,指示每个特性模型的重要性。分数越高的变量,该变量对结果的影响就越大。

3所示。结果

总共有443例CEA手术在全身麻醉下包括在内。有6例脑梗死(1.4%),10例心肌梗死(2.3%),16例病人的事件组。有427例在对照组,其中5例颈动脉狭窄小于50%,没有达到公认的手术适应症。这五个病人都与对侧颈动脉严重狭窄。手术后,病人坚持处理的潜在风险,所以他们仍然接受了手术治疗。没有显著差异的基线数据,如病人的状况,性别、年龄、体重指数、先前的并发症的发生率,和血管狭窄的等级(表1)。

的单因素分析在每个时间点的血压患者,闭塞时间、搭桥手术期间,和术后住院时间见表2。没有显著差异收缩压(SBP)、舒张压(菲律宾)和平均动脉压(MBP)事件组和对照组( )。术后住院时间是8(7、15)天7天(5、8)事件组,对照组。两组之间有显著性差异( )。

将数据输入到机器学习,xgboost精度最高的积极事件筛选不同的算法。所以xgboost被选为本研究的机器学习算法(图1)。

在交叉验证,AUC波动在0.2 - -0.9之间有不同的随机抽样。它表明,模型的预测是不稳定的。所以进一步评估的稳定性不同的变量对结果进行关键变量。一开始,所有的37个变量被投入机器学习,和对结果变量的影响评估根据重要性分数表3。

后的选择变量的稳定性,八得到了稳定的关键变量:平均动脉压在闭塞(T4 MBP),身体质量指数(BMI),手术后平均动脉压(T6 MBP),收缩压在闭塞的标准差(T4 SBP标准差),舒张压在闭塞(T4)类似,平均动脉压在手术室(T2 MBP),收缩压在闭塞(T4 SBP),和年龄。和他们的分数图所示2。

4所示。讨论

443名患者CEA, 6例(1.4%)有脑梗塞,低于3% ~ 4%的发病率。这可能是相关的观测时间短(住院治疗与术后30天)。10例(2.3%)的心肌梗死是类似于波峰和蓝宝石试验的结果(2.3% - -5.9%)9,10]。因为心血管和脑血管疾病的病理生理变化,心脏和大脑的coprotection围手术期期间的东航一直是关注的焦点。众所周知,血管动脉粥样硬化等因素的系统性疾病,通常涉及全身多个器官。它显示在多个部分患者伴有病变如冠状动脉和下肢动脉颈动脉时。结果Steinvil et al。5)和Hallerstam et al。6)表明,颈动脉狭窄的严重程度有明显关联的冠状动脉狭窄程度和心肌灌注不足。和以前的研究已经表明,脑梗塞和心肌梗死后CEA有许多相同的危险因素,包括年龄、糖尿病、心脏衰竭,肾功能不全,低血压(4,11- - - - - -15]。建议可能有一个共同的病理生理基础和脑梗死的发生机制和心肌梗塞的病人接受CEA。因此,指盖茨等人的研究。4),本研究脑梗塞和心肌梗死为研究端点,基于心血管和脑血管疾病的机理和患者总体预后的角度。会探讨围手术期战略coprotection心脏和大脑,可能提供一个全面、平衡优化方案东航的围手术期管理,并避免损伤器官由于保护另一个。

事件的一个小样本大小和发病率低,传统的统计方法有一定的局限性。相比与传统的回归分析,机器学习算法具有松散的数据分布要求,各种各样的算法,根据数据的特点,可以选择多个随机选择样本进行训练,抽样误差可以平衡。使用机器学习领域的临床医学已经开始(16]。Xgboost是一种梯度起重机器学习算法。它分配重量低精度的数据点在每一轮的培训,最后强调了决策树分类质量高的重量来提高算法的精度和泛化能力(17- - - - - -19]。在一些研究中,xgboost优于传统逻辑回归。在这项研究中,xgboost得到最高的精度算法选择的过程,所以后续数据计算由该算法。然而,在优化预测模型的过程中,发现模型的效率差别很大,这可能是由于小数量的正样本,导致穷人预测模型的效率。因此,变量对预测结果有一个稳定的影响进行了探讨。的过程中增加和减少变量重要性较低的分数,8个变量总是排在前8和不能被排除在外,包括平均动脉压在闭塞,身体质量指数,手术后平均动脉压、收缩压的标准差在闭塞,舒张压在闭塞,平均动脉压进入房间,收缩压在闭塞,和年龄。和这些8的顺序变量只在一个或两个变化。建议无论多大错误引起的随机抽样,这8个因素总是有一个稳定的影响结果。在这项研究中,样本量太小和发病率很低。有限数量的因素,可以纳入传统逻辑回归导致有限的分析。 It provided a new way to explore the related factors of cardiac and cerebral complications after CEA by using machine learning.

在这八个关键变量通过机器学习中,六人与血压有关,包括收缩压、舒张压和平均动脉压。许多先前的研究报道,对脑梗死收缩压和脑梗死之间的关系,并认为收缩压是脑梗死的危险因素与预测价值(20.- - - - - -22]。近年来,一些研究报告的预测价值在围手术期脑梗死舒张压。结果de Waard et al。23)表明,高舒张压(> 90毫米汞柱)是一个围手术期脑梗死的独立危险因素,死亡( ,95%可信区间1.04 - -4.06, )。平均动脉压,作为一个因素直接影响脑灌注,也具有十分重要的意义。就时间而言,它包括三次点的分布:术前,术中,术后。女性研究(国际心形支架研究)指出,术前血压是一个术后心肌梗死和死亡的独立危险因素(24]。的术中管理、术中血压管理一直是东航的麻醉管理的核心。这项研究的结果表明,平均动脉压的标准差收缩压、舒张压、收缩压在阻塞所有高重要性分类决策,与重要的重量。所以我们应该关注血压的影响(包括平均动脉压、收缩压和舒张压)早期术后脑梗塞。

但与此同时,我们也注意到,机器学习方法在本研究中没有得到一个稳定的预测模型,但稳定的影响因素是获得稳定的筛选相关的因素,这表明尽管血压对结果有着重要的影响,它不是一个独立的决定因素。可能有其他因素不包括在这项研究中,这可能也发挥了重要作用,如抗血小板药物的使用在操作和栓子脱落引起的栓塞。据报道,微分离是最重要的因素之一,在围手术期期间中风的CEA (25]。和抗血小板药物的使用将减少中风的发病率在患者CEA (26]。在这项研究中,由于回顾性研究数据的限制,微栓塞术前抗血小板药物使用,和其他因素不包括在内。添加其他因素是否会改变机器学习的结果还有待进一步验证了未来的研究。

先前的研究表明,有一个相关性低血压和心肌梗塞,但没有明确的共识低血压的程度和持续时间的定义在不同的研究15,27]。在这项研究中,收缩压的重要性评分标准偏差在阻塞在第四位,表明除了高和低水平的血压,收缩压的波动程度也具有重要意义。帽子等人的结果表明,高血压患者手术期间波动更有可能患心肌缺血(28]。建议术后心肌梗死的机制是复杂的,和血压水平可能不是一个独立的预测因素。许多其他因素影响心肌的氧平衡应该考虑全面,包括血压波动的程度、心率和收缩压的力量。

BMI是其次的重要性得分与年龄是在第八。体重指数的影响仍存在争议。前面的观点表明,超重或肥胖是心血管疾病的主要相关因素和可能缩短2 - 4年(平均存活时间29日]。然而,一些研究表明,患者体重指数30到35公斤·m²有更高的存活率(30.和降低中风利率31日东航]。BMI在东航的影响可能来自更深层的机制需要进一步研究。以前的研究报道,年龄是一个常见的脑梗塞的危险因素和心肌梗死后CEA (4,12),

在这项研究中,数据和小样本大小和低发病率分析了机器学习方法,有限的传统逻辑回归分析。对于模型的稳定性差,稳定性的相关因素探讨了屏幕相关因素作为一种新的尝试。这些方法的应用在未来需要更多的研究。这个方法不能给具体因素的直接影响的结果,尽管选择的风险因素与先前的报告相一致。东航的最佳的围手术期管理需要更多的研究。

5。结论

八因素筛选通过机器学习的方法,这可能与早期脑梗塞和心肌梗死后CEA,包括平均动脉压在闭塞,身体质量指数,平均动脉压,标准差在闭塞的收缩压,舒张压在闭塞,平均动脉压进入房间,收缩压在闭塞,和年龄。机器学习方法在临床的应用在未来研究值得进一步研究。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者声明没有利益冲突。

作者的贡献

彭巴姨,扬州,刘元的贡献同样这项工作。

引用

1. j·h·里奇曼·m·r·琼斯·e·c·Leifheit et al .,“颈动脉内膜切除手术和颈动脉支架在美国医疗保险的人口,1999 - 2014,”《美国医学会杂志》,卷318,不。11日,第1046 - 1035页,2017年。视图:出版商的网站|谷歌学术搜索
2. g . y . Chen歌,l .焦y, y, f .凌,“在中国人口研究颈动脉内膜切除手术:最初的经验在一个单一的中心,“临床神经病学和神经外科卷,126年,第92 - 88页,2014年。视图:出版商的网站|谷歌学术搜索
3. 通用汽车LaMuraglia特区布鲁斯特,a·c·mouncure et al .,“千禧:颈动脉内膜切除手术介入治疗必须匹配,”年报的手术,卷240,不。3,页535 - 546,2004,544 - 536年的讨论。视图:出版商的网站|谷歌学术搜索
4. l·盖茨,r·博塔携手f . Schlosser et al .,”特征定义高危颈动脉内膜切除手术血管研究小组的新英格兰,“血管外科杂志》,卷62,不。4、929 - 936年,2015页。视图:出版商的网站|谷歌学术搜索
5. a . Steinvil Sadeh表示,y Arbel et al .,”相伴的患病率和预测颈动脉和冠状动脉粥样硬化疾病,”美国心脏病学会杂志》上卷,57号7,779 - 783年,2011页。视图:出版商的网站|谷歌学术搜索
6. s . Hallerstam p·t·拉尔森e . Zuber和s . Rosfors“颈动脉粥样硬化与冠状动脉疾病的程度和严重性评估心肌灌注显像,”血管学,55卷,不。3、281 - 288年,2016页。视图:出版商的网站|谷歌学术搜索
7. a . Rajkomar j·迪恩,小羽,“机器学习在医学上,”新英格兰医学杂志》上,卷380,不。14日,第1358 - 1347页,2019年。视图:出版商的网站|谷歌学术搜索
8. f . Pedregosa g . Varoquaux a Gramfort et al .,“Scikit-learn:机器学习在python中,”机器学习研究杂志》上》12卷,第2830 - 2825页,2011年。视图:谷歌学术搜索
9. t . g .王硕g·霍华德,g . s . Roubin et al .,“长期结果颈动脉狭窄的支架和动脉内膜切除术”《新英格兰医学杂志》上,卷374,不。11日,第1031 - 1021页,2016年。视图:出版商的网站|谷歌学术搜索
10. j·l·Blackshear d e . Cutlip g s Roubin et al .,“颈动脉支架植入后心肌梗塞,动脉内膜切除术:颈动脉血管内膜切除手术和支架植入试验,结果”循环,卷123,不。22日,第2578 - 2571页,2011年。视图:出版商的网站|谷歌学术搜索
11. k·a·贾尔斯a·d·哈姆丹f·b·Pomposelli m . c . Wyers和m . l . Schermerhorn“中风和死亡后颈动脉内膜切除手术和颈动脉支架植入没有风险高的标准,”血管外科杂志》,52卷,不。6,1497 - 1504年,2010页。视图:出版商的网站|谷歌学术搜索
12. m·雅l . Cameliere r . Felgueiras et al .,“周期性心肌梗塞后颈动脉内膜切除手术和支架:系统回顾和荟萃分析,“中风,46卷,不。10日,2843 - 2848年,2015页。视图:出版商的网站|谷歌学术搜索
13. g . n . Levine e·r·贝茨j . a . Bittl et al .,“2016年ACC / AHA指南更新关注时间双重抗血小板治疗冠状动脉疾病患者:一个报告的美国心脏病学院/美国心脏病协会临床实践指南专题小组:一个更新2011 ACCF / AHA /脊髓改变方针的经皮冠状动脉介入,2011年ACCF / AHA指南对于冠状动脉搭桥手术,2012年ACC / AHA / ACP / aat / PCNA /脊髓/ STS指导诊断和管理稳定患者的缺血性心脏病,2013 ACCF /啊哈方针管理st段抬高心肌梗死2014啊/ ACC指南non-ST-elevation急性冠状动脉综合征患者的管理,和2014年ACC / AHA指南在围手术期心血管评估和管理接受非心脏手术的病人,”循环,卷134,不。10、pp. e123-e155, 2016年。视图:出版商的网站|谷歌学术搜索
14. t·e·f·艾伯特·r·m·皮尔斯发起,r . A . Archbold et al .,“未来的国际多中心队列研究术中心率和收缩压和非心脏手术后心肌损伤:视觉研究的结果,“麻醉与镇痛,卷126,不。6,1936 - 1945年,2018页。视图:出版商的网站|谷歌学术搜索
15. j·a·r·范电波,w·a·范Klei d . n . Wijeysundera l . van Wolfswinkel t·f·林赛·w·s·比蒂,“术中低血压和心肌损伤后血管手术,”麻醉学,卷124,不。1,35-44,2016页。视图:出版商的网站|谷歌学术搜索
16. g .光照派f·施耐德,g . Pizzardi f·g·f·∙马希Calio’,和j·b·Ricco”双重抗血小板治疗颈动脉内膜切除手术后不增加出血的风险:前瞻性研究的结果,“《血管外科手术40卷,39-43,2017页。视图:出版商的网站|谷歌学术搜索
17. t .问:陈和c . Guestrin“Xgboost:一个可伸缩的树增加系统”22日ACM SIGKDD国际会议上知识发现和数据挖掘美国,旧金山,CA, 2016年8月。视图:出版商的网站|谷歌学术搜索
18. 杨x梅,r . Wang w . et al .,“预测恶性肿瘤肺毛玻璃结节及其侵袭性的随机森林,”胸疾病杂志,10卷,不。1,第463 - 458页,2018。视图:出版商的网站|谷歌学术搜索
19. r·a·泰勒·c·l·摩尔k·h·张,和c·布兰德,“预测尿路感染与机器学习急诊,”《公共科学图书馆•综合》,13卷,不。第三条e0194085, 2018年。视图:出版商的网站|谷歌学术搜索
20. j . p . m . Rothwell Slattery, c·p·Warlow“中风和死亡的临床和血管造影预测颈动脉内膜切除手术:系统回顾,“BMJ,卷315,不。7122年,第1577 - 1571页,1997年。视图:出版商的网站|谷歌学术搜索
21. g . w . van Lammeren l . m . Catanzariti l . m . Peelen et al .,“临床预测规则来估计绝对颈动脉内膜切除手术后三年主要心血管事件的风险,”中风,43卷,不。5,1273 - 1278年,2012页。视图:出版商的网站|谷歌学术搜索
22. j·a·斯泰森j . Gasowski j·g·王et al .,“未经治疗的风险和治疗老年单纯收缩期高血压:荟萃分析试验结果,“《柳叶刀》,卷355,不。9207年,第872 - 865页,2000年。视图:出版商的网站|谷歌学术搜索
23. d . d . de Waard g . j . de Borst r . Bulbulia a Huibers, a .韩礼德和无症状的颈动脉手术Trial-1协作小组,“舒张压是peri-procedural中风的危险因素在无症状患者颈动脉内膜切除手术之后,“欧洲杂志的血管和血管内手术,53卷,不。5,626 - 631年,2017页。视图:出版商的网站|谷歌学术搜索
24. j·d·多依格e . l . Turner Dobson et al .,“风险因素中风、心肌梗死或死亡后颈动脉内膜切除手术:国际颈动脉支架的研究结果,“欧洲杂志的血管和血管内手术,50卷,不。6,688 - 694年,2015页。视图:出版商的网站|谷歌学术搜索
25. d .皮质和m . Siebler”与经颅多普勒超声microembolic信号检测,”神经病学和神经科学的前沿21卷,第205 - 194页,2006年。视图:出版商的网站|谷歌学术搜索
26. c . Knappich a . Kuehnl p Tsantilas et al .,“局部麻醉,术中完成的研究和抗血小板药物是降低颈动脉内膜切除手术的风险,”中风,48卷,不。4、955 - 962年,2017页。视图:出版商的网站|谷歌学术搜索
27. m·沃尔什p . j .审视a . x Garg et al .,“术中平均动脉压和临床结果之间的关系非心脏手术后:对实证低血压的定义,“麻醉学,卷119,不。3、507 - 515年,2013页。视图:出版商的网站|谷歌学术搜索
28. w·a·c·帽子之一种,即w . c .白色,n . Donen et al .,“血液动力学的不稳定性和颈动脉内膜切除手术中心肌缺血:比较异丙酚和异氟烷”加拿大麻醉学杂志,42卷,不。7,577 - 587年,1995页。视图:出版商的网站|谷歌学术搜索
29. 前瞻性研究合作,“体重指数和死因别死亡率在900年000名成年人:协作分析57前瞻性研究,“《柳叶刀》,卷373,不。9669年,第1096 - 1083页,2009年。视图:出版商的网站|谷歌学术搜索
30. r·s·杰克逊,a . n . Sidawy r . l . Amdur和r . a . Macsata“肥胖是一个独立的死亡和颈动脉内膜切除手术后心脏并发症的危险因素,”美国外科医生杂志》上,卷214,不。2、148 - 155年,2012页。视图:出版商的网站|谷歌学术搜索
31. r·s·杰克逊,j·h·黑三世,y . w .亮度et al .,“类我肥胖是矛盾与颈动脉内膜切除手术后减少术后中风的危险,”血管外科杂志》,55卷,不。5,1306 - 1312年,2012页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020彭白等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。