基于多状态马尔可夫模型的脑卒中功能恢复动态预测：状态转移概率与预后评估新策略

　　为解决脑卒中康复过程中功能状态动态变化的量化难题，天津医科大学总医院研究团队开展了"多状态马尔可夫模型在脑卒中功能恢复中的应用研究"。该研究通过对1000例患者2000次功能状态观察，构建五状态马尔可夫模型，量化了不同功能状态间的转移概率。研究发现中度残疾患者完全康复概率最高(年概率15.99%)，而重度残疾患者向中度残疾的月转移强度最大(3.13%)。该模型为个体化康复策略制定提供了量化依据，发表于《Scientific Reports》。

　　

脑卒中作为全球致残和死亡的主要原因之一，给患者、家庭和医疗系统带来沉重负担。功能恢复过程复杂多变，患者可能在改善、恶化或稳定等不同功能状态间动态转换。传统评估方法多采用单时间点横断面设计或二元结局指标（如改善vs未改善），难以捕捉功能状态随时间变化的动态过程，这种简化忽视了恢复的复杂轨迹，可能导致预后估计不准确和临床决策欠佳。

为解决这些局限，天津医科大学总医院康复医学科Bowen Li和Chunxiao Wan团队在《Scientific Reports》发表了创新性研究，开发并验证了一个五状态马尔可夫模型，用于量化状态转移概率和预测脑卒中患者的功能结局。

研究采用纵向队列设计，纳入1000例2018-2022年间收治的脑卒中患者，共获得2000次功能状态观察（基线和随访）。基于改良Rankin量表（mRS）评分，患者被分为五个功能状态：轻度残疾（mRS 1-2）、中度残疾（mRS 3）、重度残疾（mRS 4-5）、完全恢复（mRS 0）和死亡（mRS 6）。研究使用连续时间多状态马尔可夫模型估计转移强度和概率，并通过观察值与预测值比较以及综合敏感性分析进行验证。

关键技术方法包括：使用改良Rankin量表（mRS）进行功能状态分类；建立连续时间多状态马尔可夫模型；采用最大似然估计法计算转移强度矩阵；通过观察值与预测值比较验证模型预测能力；进行一维敏感性分析和概率敏感性分析（1000次蒙特卡洛模拟）；所有统计分析使用R软件的msm包完成（版本4.1.0）。样本来自天津医科大学总医院康复医学科脑卒中患者队列。

研究人群基线特征显示，平均年龄69.99±11.78岁，性别分布均衡（男性51.6%，女性48.4%）。平均美国国立卫生研究院卒中量表（NIHSS）评分20.72±12.06，表明研究人群总体具有中重度脑卒中。缺血性脑卒中（76.8%）多于出血性脑卒中（23.2%）。高血压（64.7%）是最常见合并症，其次为糖尿病（29.6%）、心脏病（25.3%）和肺部疾病（20.8%）。

转移强度矩阵估计结果显示，轻度残疾患者月转移强度为：向中度残疾恶化1.57%，向重度残疾恶化0.41%，向完全恢复改善1.30%，向死亡转移0.41%。中度残疾患者月转移强度为：向轻度残疾改善1.42%，向重度残疾恶化0.92%，向完全恢复改善1.55%，向死亡转移0.73%。重度残疾患者月转移强度为：向轻度残疾改善0.71%，向中度残疾改善3.13%，向完全恢复改善1.36%，向死亡转移0.95%。值得注意的是，从重度向中度残疾的转移强度（3.13%/月）高于其他改善途径。

12个月转移概率预测显示，轻度残疾患者12个月后状态分布为：维持轻度残疾65.37%，恶化为中度残疾12.15%，恶化为重度残疾3.35%，改善为完全恢复14.32%，死亡4.82%。中度残疾患者12个月后状态分布为：改善为轻度残疾10.78%，维持中度残疾59.59%，恶化为重度残疾6.11%，改善为完全恢复15.99%，死亡7.53%。重度残疾患者12个月后状态分布为：改善为轻度残疾6.64%，改善为中度残疾20.43%，维持重度残疾48.99%，改善为完全恢复14.53%，死亡9.42%。

模型

模型预测能力评估表明，短期预测（≤1年）表现优异，预测值与实际观察值高度一致，状态分布差异不超过5个百分点。但长期预测（>1年）出现较大差异，可能源于时间依赖性转移强度、累积干预效应、选择性随访偏倚等因素。

敏感性分析显示模型对参数变化具有良好稳健性。一维敏感性分析中，所有参数±10%变化对关键输出指标影响极小，相对百分比变化接近0%。概率敏感性分析（PSA）通过1000次蒙特卡洛模拟计算关键转移概率的95%置信区间，结果显示即使考虑参数估计不确定性，模型输出仍保持高度稳定。

临床

临床特征与转移模式关系的事后分析发现，从重度改善到中度残疾的患者（n=67）与保持重度残疾的患者（n=89）相比，基线特征存在显著差异：年龄更轻（64.2±12.3 vs 71.8±11.4岁，p<0.001），基线NIHSS评分更低（18.4±8.7 vs 23.6±9.2，p<0.01），缺血性与出血性脑卒中比例更高（83.6% vs 67.4%，p<0.05）。类似地，实现完全恢复的患者（n=143）与未恢复患者（n=705）相比，年龄更轻，基线NIHSS评分更低，合并症更少。

研究结论表明，多状态马尔可夫模型成功刻画了脑卒中患者功能恢复的动态过程，揭示了三个关键发现：中度残疾患者表现出最高的完全恢复概率（年概率15.99%）；重度残疾患者展示最快的改善速率（向中度残疾月转移强度3.13%）；功能恢复遵循不对称、非线性模式，无法被传统结局指标充分捕捉。这些状态依赖性转移特征为理解脑卒中恢复动力学提供了更细致的视角，为循证康复决策建立了量化基础。

讨论部分强调，该模型的临床实施可通过多种机制整合到临床实践中：转移概率可纳入临床计算器用于个体化预后预测和患者咨询；模型可集成到电子健康记录中，为康复规划和资源分配提供决策支持；结果可为患者教育材料提供信息，帮助可视化恢复轨迹和设定现实期望。

尽管存在单中心设计可能限制普适性、功能状态分类未反映特定功能域差异、马尔可夫性假设简化了恢复复杂性等局限，但本研究仍具有多个显著优势：全面的五状态模型捕捉了脑卒中后功能结局全谱系；通过瞬时强度和累积概率提供双重时间视角；通过观察值与预测值比较和敏感性分析进行严格验证；临床可解释的输出结果；足够的统计效能（1000例患者2000次状态观察）。这些创新为脑卒中康复领域提供了重要的方法论框架和临床决策支持工具。