基于SIRI、NAR及腦電信號分析的急性缺血性腦卒中診斷研究進展

【摘要】" 急性缺血性腦卒中（AIS）嚴重威脅人類健康，給社會帶來沉重負擔。全身炎癥反應指數（SIRI）作為新型炎癥評估參數，與AIS的嚴重程度及預后顯著相關，可預測并發癥（如卒中相關性肺炎、卒中后抑郁）發生風險，為早期干預提供依據。中性粒細胞與白蛋白比值（NAR）作為復合型血清學指標，能更精準地反映機體免疫炎癥狀態，與AIS病情嚴重程度、不良預后、出血轉化及感染、復發等密切相關，對指導治療和判斷預后意義重大。腦電信號分析，尤其是定量腦電圖技術，其多個核心參數和分析方法在AIS的診斷、治療效果評估、預后預測等方面發揮關鍵作用，有助于臨床決策。因此，SIRI、NAR及腦電信號分析在AIS診療中具有重要價值，有望為臨床治療提供有力指導。

【關鍵詞】" 急性缺血性腦卒中；全身炎癥反應指數；中性粒細胞與白蛋白比值；腦電圖；腦電信號分析

中圖分類號" R743" "文獻標識碼" A" " 文章編號" 1671-0223（2025）06--07

在全球范圍內，腦卒中已成為導致患者死亡的第二大因素。在中國，腦血管疾病的危害程度超過了心臟病，成為致使成人死亡和殘疾的首要原因。其中，急性缺血性腦卒中（acute ischemic stroke，AIS）是最為常見的卒中類型，占所有卒中類型的絕大多數，這無疑給社會帶來了極為沉重的經濟負擔[1]。因此，深入了解AIS的發病機制，對于開展疾病的防治工作具有重要意義。腦血管疾病的發生發展涉及多種機制，例如免疫反應和炎癥反應，影響著腦血管疾病的發展及預后[2]。近年來，血管疾病相關的炎癥生物標志物備受關注。由于炎癥反應會給腦血管疾病帶來繼發性損傷，對炎癥生物標志物進行檢測與測量，能夠更精準地預測腦血管疾病的預后。目前臨床常用的炎癥生物標志物包括中性粒細胞與淋巴細胞比值（neutrophil to lymphocyte ratio，NLR）、血小板與淋巴細胞比值以及淋巴細胞與單核細胞比值等。它們不僅能夠預測疾病的預后情況，還與疾病嚴重程度以及并發癥存在關聯[3]。全身炎癥反應指數（systemic inflammatory response index，SIRI）是近年來在臨床上廣泛應用的炎癥評估參數，其計算公式通過整合中性粒細胞、單核細胞及淋巴細胞計數得出，計算公式為：SIRI=中性粒細胞計數×單核細胞計數/淋巴細胞計數。已有研究證明，SIRI能夠有效地反映炎癥狀態，并且能預測多種疾病的預后，例如動脈瘤性蛛網膜下腔出血以及各類癌癥[4]，如膠質瘤、乳腺癌和鼻咽癌等[5]。中性粒細胞與白蛋白比值（neutrophil to albumin ratio，NAR）是將中性粒細胞與血清白蛋白融合的復合型血清學指標，相較于單一的血清學指標，其能更準確地反映機體的炎癥狀態。SIRI和NAR獲取方式簡便，成本也較低。近年來，研究發現它們可應用于腦血管疾病、消化系統疾病、心血管疾病以及腫瘤性疾病等各個系統疾病的評估[6]。腦電圖作為當前腦功能成像技術中具有最高時間分辨率的電生理檢測手段，能夠敏感地捕捉腦缺血性病變引發的神經元能量代謝異常、損傷及死亡等病理變化[7]。作為一種可實現客觀連續監測的神經電生理技術，腦電圖監測系統能夠在包括重癥監護病房在內的多種臨床場景中開展。當前定量腦電圖（quantitative electroencephalography，QEEG）在缺血性腦卒中診療領域已形成成熟應用體系，其臨床價值體現在AIS的精準診斷、治療效果實時評估、預后分層預測、個體化臨床決策支持及癲癇發作識別等多個維度[8]。本文就SIRI、NAR及腦電信號分析在AIS中的研究進展進行綜述。

1" SIRI與AIS

SIRI是一種創新的綜合指標，其計算依據為外周血中性粒細胞、單核細胞以及淋巴細胞的絕對計數。與傳統、單一的炎癥指標相比，這3種血細胞代表了不同的炎癥和免疫途徑，可以更全面地反映機體的炎癥狀態[9]。SIRI在多種腫瘤預后評估中廣泛應用，并且相較于單一指標，它展現出了更強的預測能力[1，9-10]。例如，有研究證實，SIRI可作為一種實用、可靠且便捷的指標，用于評估晚期胃癌患者的預后情況。這有助于醫生針對接受新輔助化療和手術切除的胃癌患者開展個性化的預后評估工作[11]。此外，SIRI還能作為晚期胰腺導管腺癌化療患者總生存期的預后因素，同時，它也可作為一種預后標志物，幫助判斷患者接受化療后的總生存期[8，12]。SIRI的應用價值不僅體現在腫瘤領域，在心血管疾病方面也具有顯著的預測作用。研究表明，SIRI數值高的患者發生單一和復雜冠狀動脈疾病的概率也更高[13]。SIRI還是急性冠狀動脈綜合征患者發生主要不良心血管事件的獨立預測因子[10]，而且在預測不良心血管事件時，SIRI的表現優于血小板與淋巴細胞比值、NLR、單核細胞與淋巴細胞比值以及全身免疫炎癥指數等炎癥指標[14]。鑒于SIRI具有獲取簡便、成本低廉的特點，目前它已逐漸在各個領域的臨床研究中得到應用。

在量化評估AIS的嚴重程度時，目前臨床實踐中主要采用美國國立衛生研究院卒中量表（National Institutes of Health stroke scale，NIHSS）評分來評估。然而，由于評估者的專業經驗參差不齊，且量表部分內容存在一定程度的模糊性，評分過程難以徹底擺脫主觀性的干擾。所以，探尋有效的生物標志物以預測疾病的嚴重程度和預后情況顯得極為關鍵。大量研究表明，中重度腦卒中組的SIRI水平明顯高于輕度腦卒中組，且SIRI水平與NIHSS評分呈正相關[1，5]。Zhang等[5]研究發現，SIRI與腦卒中患者的全因死亡率存在關聯，隨著SIRI升高，患者死亡率也隨之上升，而且其預測能力優于NLR、血小板與淋巴細胞比值、淋巴細胞與單核細胞比值以及紅細胞分布寬度等炎癥指標。通過相關數據分析，進一步證實了SIRI與NIHSS評分之間存在顯著的正相關。一項前瞻性研究[4]招募了287例首次發病且發病時間在72h內的腦卒中患者，結果顯示，SIRI每升高一個標準差，患者出現不良預后的風險升高58.9%。按照四分位數法對 SIRI進行劃分后發現，處于Q4區間的患者風險是Q1區間的6.152倍。由此得出結論，SIRI是AIS的獨立預后指標，SIRI升高與功能預后不良密切相關。還有研究[15]針對SIRI與AIS患者出院時功能結局及住院天數的關系展開探索，該研究共納入816例AIS患者，其中 194例患者（22.5%）出院時功能不良，多因素Logistic回歸分析結果表明，SIRI為功能預后不良的獨立危險因素（OR=1.099，95%CI ：1.020～1.184），同時SIRI與住院時間也存在相關性。不僅如此，SIRI與AIS靜脈溶栓后的功能預后也緊密相關。有研究通過前瞻性隊列設計探討SIRI與AIS患者靜脈溶栓后90d功能預后的相關性，共納入190例接受重組組織型纖溶酶原激活劑靜脈溶栓的AIS患者，收集NIHSS評分（輕度≤5分，中重度＞5分），采用改良Rankin量表（modified Rankin scale，mRS）評估90d功能結局（mRS＞2分為預后不良）。數據分析顯示，SIRI水平與基線NIHSS 評分呈顯著正相關（r=0.338），多因素Logistic 回歸分析證實SIRI是患者90d預后不良的獨立預測因子（OR=1.09，95%CI ：1.03～1.16）。研究結果提示，SIRI可能作為AIS靜脈溶栓患者功能預后的新型生物標志物，其臨床價值在于為早期風險分層和個體化干預策略制定提供參考依據[16]。此外，SIRI對機械取栓患者的預后也具有預測價值。例如，一項研究納入了440例接受機械取栓治療的大動脈閉塞患者，在3個月時采用mRS評估預后，結果顯示低SIRI與機械取栓后預后良好相關[17]。以上研究提示，SIRI與AIS的嚴重程度及預后顯著相關，SIRI水平越高，疾病嚴重程度越重，預后越差。

腦卒中導致的死亡人數約占全球總死亡人數的11.80%，這使其成為全球第二大常見的死亡原因，同時也是第三大常見的致殘原因[18]。腦卒中的高致殘率和高死亡率與感染性并發癥密切相關，其中肺部感染最為常見。卒中相關性肺炎（stroke-associated pneumonia，SAP）最常見于腦卒中后1周內，發生率為7.00%～38.00%[19]。SAP會導致腦卒中患者的預后惡化，延長住院時間，還會增加嚴重殘疾甚至死亡的發生率。盡管SAP在臨床上意義重大，但目前在預防方面尚未取得重大突破[20]。因此，尋找可以有效預測SAP的指標至關重要。Li等[21]共納入1543例患者，依據SAP診斷標準將患者分為SAP組和非SAP組。在所有患者中，有184例（11.92%）發生了SAP，SAP組患者的SIRI水平顯著更高。這表明，SIRI是AIS患者發生SAP的潛在預測因子。這對臨床實踐有重要的指導意義，通過檢測SIRI水平有助于識別出存在SAP風險的患者，以及時開展抗感染治療，改善患者預后。另一項研究[22]同樣證實了SIRI具有預測SAP發生的能力，該研究納入2802例AIS患者，并分為SAP組和非SAP組。結果發現，SAP組患者入院時的SIRI顯著高于非SAP患者，說明SIRI具有預測SAP發生的能力，且預測能力優于單核細胞與淋巴細胞比值[19]和NLR[20]。進一步研究表明，SIRI≥2.74是SAP發生的獨立危險因素（OR=5.82，95%CI ：4.54～7.49），即SIRI值越高，SAP發生風險越大。在臨床實踐中，對于SIRI水平高（SIRI≥2.74）的AIS患者，應高度警惕SAP的發生風險。卒中后抑郁（post stroke depression，PSD）是腦卒中后另一種主要的并發癥。抑郁癥是腦卒中后最為常見的情緒障礙，有30.00%的腦卒中患者在腦缺血發生后5年內會出現PSD[23]。PSD的主要臨床癥狀包括睡眠障礙、抑郁、焦慮，甚至有自殺傾向[24]。PSD與全因死亡率的風險增加顯著相關（HR=1.59，95%CI ：1.30～1.96）[25]。近年來，研究表明炎癥反應在PSD的病理生理學過程中發揮著關鍵作用，PSD患者炎癥標志物的表達有所增加[24]。一項研究通過兩種不同的統計學方法均得出，SIRI水平升高是PSD的獨立危險因素[26]。因此，SIRI有助于早期識別PSD高風險人群，以便早期關注這些高風險人群的精神狀態并及時進行干預。

2" NAR與AIS

NAR作為反映炎癥反應的新型指標，是融合了炎癥反應和抗炎作用的復合型血清學指標。它能夠更為全面地展現機體在生理和病理狀態下的免疫炎癥狀況，對判斷全身免疫反應的平衡狀態、程度以及進展情況具有重要意義。目前，NAR在神經系統疾病、消化系統疾病、心血管系統疾病以及腫瘤性疾病的評估中均有應用[6]。

腦梗死是由于腦部血液供應中斷或減少，導致腦組織缺血、缺氧，從而引發腦細胞損傷甚至死亡的一種疾病。受損及死亡的細胞會促使炎癥細胞活化，炎癥細胞釋放炎癥因子，這些炎癥因子會吸引包括中性粒細胞在內的其他炎癥細胞在受損部位聚集，進一步加劇腦實質的損傷[27-28]。及時察覺早期癥狀并進行及時治療可在一定程度上能夠改善神經功能缺損癥狀，進而促進神經功能恢復[29-30]。研究表明，白蛋白具有神經保護作用，且血清中的白蛋白水平對改善AIS的預后有益[19，31]。在以往的研究中，中性粒細胞計數升高以及白蛋白水平下降被視為AIS預后不良的危險因素。而NAR是一種整合了中性粒細胞和白蛋白的復合生物標志物，在疾病急性期NAR呈現出神經毒性與神經保護的雙重特性，與單一指標相比，NAR能夠更精確地反映機體免疫炎癥狀態，為病情評估提供更全面、可靠的信息[6]。Mao等[32]對發病3d內的AIS患者展開研究，結果表明NAR水平與NIHSS評分呈正相關，說明NAR與腦梗死的嚴重程度緊密相關。陳光勇等[33]研究發現，NAR與AIS患者的不良預后獨立相關，并且在預測不良預后方面，其準確性高于血小板與淋巴細胞比值、單核細胞與淋巴細胞比值等血清生物標志物。有研究[34]納入803例AIS患者，將NAR和三酰甘油（triglyceride，TG）整合為一個新的指數NATG，研究得出該新型指標與AIS患者的自發性出血轉化呈正相關。因此，NAR具有作為炎癥標志物的潛力，值得進一步研究以指導腦梗死的治療和預后判斷。Cui等[35]對647例接受再灌注治療的AIS患者進行回顧性分析，結果顯示中性粒細胞百分比與白蛋白比值（neutrophil percentage-to-albumin ratio，NPAR）與患者的不良結局呈正相關。Zhang等[36]對納入的379例急性腦梗死患者進行分析發現，有51例患者發生卒中相關感染，且卒中相關感染組的NPAR水平顯著高于非感染組。在多變量Logistic回歸調整混雜因素后，NPAR仍然是卒中相關感染的獨立預測因子。通過受試者工作特征曲線比較白蛋白、中性粒細胞百分比、NLR和NPAR的預測值，證實較高的NPAR能夠預測卒中相關感染的發生。由此可見，相較于白蛋白、中性粒細胞百分比以及NLR，NPAR在預測卒中相關感染方面可能是更為高效的生物標志物。有研究回顧性收集首發AIS患者的臨床資料，并對符合納入標準的患者進行3個月的隨訪，結果發現NPAR與首次急性腦梗死發作患者3個月內的復發獨立相關。此外，NPAR可能是較白蛋白水平、中性粒細胞百分比更有效的預測急性腦梗死復發的生物標志物[6，37]。這從側面有力地證實了NAR在腦梗死研究領域具有巨大的潛力。因此，NAR可以作為一種新的AIS預后的早期預測指標，對患者的預后有重要意義。

3" 腦電信號分析與AIS

腦電圖對于檢測腦缺血狀況極為敏感。早在1973年就有研究[38]發現了腦血流與腦電活動的變化，并且發現兩者之間存在緊密的關聯。正常情況下，腦血流量維持在80～100ml/（100g·min）。當腦血流量降至25～35ml/（100g·min）時，腦電圖的背景節律開始呈現出變慢的趨勢，此時θ波可能出現。若血流量進一步減少至17～ 18ml/（100g·min），腦電圖背景會變得更為緩慢，廣泛的δ波可能隨之出現。而當血流量持續下降至10～12ml/（100g·min）時，腦電圖將呈現靜息狀態。這些腦電活動隨著缺血程度而產生變化，為腦電信號分析在缺血性腦卒中領域的應用奠定了堅實基礎。

在腦電信號分析范疇內，QEEG技術占據著舉足輕重的地位。該技術所涉及的多個核心參數在臨床應用中發揮著關鍵作用：①相對功率比：通過計算特定頻率波段與總功率的比值，此參數能夠反映不同頻率成分在腦電信號中的占比情況。在臨床實踐中，它可用于評估大腦功能，例如輔助判斷睡眠階段，為睡眠障礙的診斷提供有力支持。②腦對稱指數（brain symmetry index，BSI）：該指數用于衡量大腦左右半球對應區域腦電活動的對稱性。在腦腫瘤、腦卒中等疾病的診斷過程中有助于醫生判斷病變情況，為疾病的診斷提供重要參考。③總功率：其體現的是腦電信號在全頻率范圍內的功率總和。對于昏迷患者，醫生可借助這一參數評估其意識狀態，進而輔助調整治療策略，為患者的救治提供科學依據。④腦電雙頻指數：這是一個通過對腦電信號進行綜合分析而得出的非線性參數。在手術過程中，它能夠精準地監測麻醉深度，從而有效提高手術的安全性，保障患者的生命安全。⑤振幅整合腦電圖：此技術將原始腦電信號進行處理，轉化為曲線形式。它在新生兒腦功能監測方面發揮著重要作用，能夠助力新生兒疾病的診斷以及預后評估。⑥頻譜邊緣頻率：該參數反映了大腦電活動的主要頻率范圍，在評估昏迷患者意識恢復情況以及預測蘇醒時間方面具有重要的應用價值，為臨床治療提供了關鍵信息。此外，還有其他多種腦電信號分析方法：①獨立成分分析：作為一種盲源分離技術，其能夠對腦電信號進行分離、去噪處理，并識別神經活動模式。在癲癇手術前評估中，該方法可幫助醫生定位病灶，為手術治療提供精準指導。②事件相關電位分析：此方法通過處理大腦對刺激產生反應的腦電信號，突出其中的相關特征。在精神疾病診斷以及認知功能評估方面，它能夠為醫生提供重要的參考依據，助力臨床診斷與治療。③腦電微狀態分析：該分析方法通過聚類分析將腦電信號劃分為不同的微狀態類別，有助于研究大腦的功能模式。在精神分裂癥病理機制研究中，腦電微狀態分析為科研人員提供了全新的視角，推動了相關領域的研究進展。④腦網絡分析：基于復雜網絡理論，此方法構建腦網絡并對其拓撲屬性進行分析，從而幫助人們了解大腦的功能以及信息傳遞模式。在帕金森病的診斷和病情監測中，它能夠為醫生提供有力的支持，輔助臨床決策。

上述參數和分析方法為腦電信號分析提供了量化依據以及多元視角，在大腦功能研究以及臨床診療過程中均發揮著不可或缺的作用。目前在缺血性腦卒中的研究與臨床應用中常用的參數主要為相對功率比和BSI[39]，而腦電微狀態分析的應用相對較少。下面將對這三者進行詳細介紹。

相對功率比主要包括δ與α功率比、（δ＋θ）與（α＋β）功率比[（delta＋theta）/（alpha＋beta） power ratio，DTABR]、α與δ功率比（alpha/delta power ratio，ADR）、（α+β）與（δ+θ）功率比、相對α功率、相對δ功率等。多項研究[38-40]針對缺血性腦卒中患者的量化腦電參數分析結果顯示，ADR展現出最佳的分類精度，其敏感性和特異性均達100.00%，其次是DTABR和相對δ功率，δ波絕對能量值的動態變化與患者發病30d后的NIHSS評分緊密相關。Jin等[41]針對QEEG在AIS患者靜脈溶栓治療中的應用價值開展了深入剖析發現，在溶栓治療前后，梗阻側的DTABR有明顯變化，同時還發現AIS患者的DTABR與NIHSS評分呈顯著正相關。Wang等[42]研究發現，ADR和DTABR在早期升高的跡象與急性腦卒中血管內治療后90d后的不良預后有關，其中ADR對不良預后有著較高的敏感性、特異性及準確性。Bentes等[7]也指出，DTABR是較為理想的QEEG指標。在腦卒中預后預測方面，這些指標的表現優于Alberta卒中項目早期CT評分，進一步增強了現有臨床和影像學卒中預后預測指標的鑒別能力，不管是出院時，還是卒中12個月后都是如此[43]。Zhang等[44]研究了QEEG對AIS機械取栓患者結局的預測價值，同時評估了QEEG和CT灌注數據與臨床結局的相關性。結果表明，在預測術后7d情況時，δ功率、ADR、DTABR、CT灌注參數均與臨床評分顯著相關；但在預測3個月預后方面，CT灌注參數的有效性不如QEEG。在眾多腦電圖指標中，機械取栓后 24h的δ功率預測價值最高。Dickey等[45]評估了患者出院時以及取栓后3個月的NIHSS和mRS評分與全半球和半球間ADR差異的相關性。研究顯示，缺血性腦卒中患者接受機械取栓治療后，其雙側大腦半球ADR的差異對預后判斷具有顯著意義。

2011年，Sheorajpanday等[46]率先揭示了配對衍生腦對稱指數（pairwise derived brain symmetry index，pdBSI）與后循環缺血體積之間的聯系。在提示近期經影像學確診的缺血性病變方面，pdBSI 的準確性高于患者入院時的NIHSS 評分，甚至能夠識別出NIHSS評分為0的腦卒中患者。Sheorajpanday等[47]的研究表明，pdBSI有助于提高前循環腦卒中確診時的真陽性率與真陰性率，同時降低NIHSS的假陰性率和假陽性率，研究發現，當pdBSI＜0.12時，無論NIHSS評分如何，在排除近期無缺血性病變的判斷中，pdBSI的特異性可達到100.00%。此外，pdBSI還具備鑒別短暫性腦缺血發作與AIS的能力[48]。

腦電微狀態分析是一種整合來自全皮層區域及多通道電極信號，進而識別不同狀態拓撲地形圖的技術手段，其核心目標在于評估大規模大腦網絡的功能。依據現行理論，腦電地形圖的拓撲結構并非隨時間無序變動，而是源于特定神經元的協同活動。研究表明，地形圖拓撲結構一般會在60～120ms內維持相對穩定狀態[49]，隨后迅速轉變為另一種在一定時段內保持相對穩定的拓撲形態。借助靜息態腦電圖微狀態分析，研究者識別出4種微狀態類型，即微狀態A、微狀態B、微狀態C以及微狀態D[50]，普遍認為，這四類狀態表征了大規模網絡節點的同步活動，且與基于血氧水平依賴信號構建的大規模靜息狀態網絡相對應。研究發現[51-52]，微狀態A參與了與語音處理相關的聽覺網絡，微狀態B映射了視覺靜止狀態網絡的活動，而微狀態D與背側注意網絡的功能相關。他們進一步將微狀態C與認知控制網絡的活動聯系起來，尤其是與顯著網絡、前扣帶回和腦島區的激活有關。Seitzman等[53]的研究支持了微狀態B與視覺系統相關性的假設，他們發現微狀態B的覆蓋率和發生率在視覺任務中顯著提高。腦電微狀態分析方法已廣泛應用于探究各種神經精神疾病的腦電圖變化[54]，如癡呆[55-56]、多發性硬化[57]、頭部損傷[58]、截癱[59]和缺血性腦卒中[60]。有一項研究[61]招募了37例急性小腦梗死患者、32例急性腦干梗死患者以及40例健康對照者，研究發現，與健康對照組相比，腦干梗死組從微狀態A和微狀態D向微狀態C轉變的概率顯著降低，而從微狀態A向微狀態D以及從微狀態D向微狀態B轉變的概率顯著增加。小腦梗死組內的亞組分析顯示，與眩暈小腦梗死患者相比，頭暈小腦梗死患者的微狀態B覆蓋率和持續時間增加，但微狀態D發生率降低。此外，腦橋梗死患者在微狀態A和微狀態D之間的轉換概率低于延髓梗死患者。小腦梗死或腦干梗死患者大腦動力學的改變表明，靜息腦網絡紊亂可能在小腦梗死或腦干梗死患者的認知障礙中發揮功能性作用。并且通過使用微觀狀態分析，能夠區分小腦梗死后的頭暈或眩暈。還有一項研究[62]納入了51例首次缺血性腦卒中患者，比較了左側半球卒中和右側半球腦卒中中每個微狀態的特征。結果顯示，對于典型微狀態D，左側半球腦卒中的全局解釋方差、每秒發生次數和覆蓋率高于右側半球腦卒中幸存者。腦電圖微狀態B（具有左額至右后地形圖）和F（具有枕骨至額葉地形圖）在右側半球腦卒中中表現出比左側半球腦卒中幸存者更大的全局解釋方差。腦電微狀態能夠表征腦卒中患者在急性和早期亞急性期的病變半球，微狀態特征為識別不同的神經重組提供了額外工具。

4" 總結與展望

綜上所述，SIRI、NAR不僅可以判斷急AIS的嚴重程度及預后，還可以早期識別AIS并發癥的高風險人群，有助于臨床醫生根據不同情況開展個性化治療。腦電信號分析在AIS的診斷、溶栓治療以及預后預測等方面均發揮著極為關鍵的作用。腦電圖作為一種能夠對大腦功能實施連續監測的工具，具有價格低、無創以及幾乎無禁忌證等優勢。

盡管SIRI、NAR及腦電信號分析在AIS研究中已取得顯著進展，但仍有廣闊的探索空間。在生物標志物領域，需進一步明確SIRI和 NAR的最佳臨界值，開展多中心、大樣本研究，以提升其在不同人群中預測AIS的準確性與可靠性，并深入探究它們在AIS發病各階段的動態變化規律，挖掘潛在的分子調控機制，為精準治療提供理論支撐。對于腦電信號分析，應優化現有技術，提高其在臨床應用中的便捷性和穩定性，拓展腦電微狀態分析等方法的應用范圍，探索其與AIS患者認知功能、康復進程的關聯。同時，加強多模態數據融合研究，將 SIRI、NAR等生物標志物與腦電信號數據相結合，構建更完善的AIS 診療模型，實現對AIS患者更精準的病情評估、預后預測及個性化治療，為降低AIS的致殘率和死亡率帶來新的突破。

5" 參考文獻

[1] Huang L.Increased systemic immune-inflammation index predicts disease severity and functional outcome in acute ischemic stroke patients[J].Neurologist，2023，28（1）：32-38.

[2] Zheng W，Liang Y，Fan D，et al.Editorial：Common pathogenic mechanism of cerebrovascular disease and degenerative diseases[J].Front Neurosci，2023，17：1233204.

[3] Dias RA，Dias L，Azevedo E，et al.Acute inflammation in cerebrovascular disease：A critical reappraisal with focus on human studies[J].Life（Basel），2021，11（10）：1103.

[4] Zhou Y，Zhang Y，Cui M，et al.Prognostic value of the systemic inflammation response index in patients with acute ischemic stroke[J].Brain Behav，2022，12（6）：e2619.

[5] Zhang Y，Xing Z，Zhou K，et al.The predictive role of systemic inflammation response index （SIRI） in the prognosis of stroke patients[J].Clin Interv Aging，2021，16：1997-2007.

[6] 馬莉.SII、NAR與急性腦梗死患者靜脈溶栓后短期預后的相關性研究[D].合肥：安徽醫科大學，2024.

[7] Bentes C，Peralta AR，Viana P，et al.Quantitative EEG and functional outcome following acute ischemic stroke[J].Clin Neurophysiol，2018，129（8）：1680-1687.

[8] Jordan KG.Emergency EEG and continuous EEG monitoring in acute ischemic stroke[J].J Clin Neurophysiol，2004，21（5）：341-352.

[9] Huang Y，Zhang Y，Feng C，et al.Systemic inflammation response index as a clinical outcome evaluating tool and prognostic indicator for hospitalized stroke patients：A systematic review and meta-analysis[J].Eur J Med Res，2023，28（1）：474.

[10] Dziedzic EA，G?sior JS，Tuzimek A，et al.Investigation of the associations of novel inflammatory biomarkers-systemic inflammatory index （SII） and systemic inflammatory response index （SIRI）-with the severity of coronary artery disease and acute coronary syndrome occurrence[J].Int J Mol Sci，2022，23（17）：9553.

[11] Chen L，Chen Y，Zhang L，et al.In gastric cancer patients receiving neoadjuvant chemotherapy systemic inflammation response index is a useful prognostic indicator[J].Pathol Oncol Res，2021，27：1609811.

[12] Kamposioras K，Papaxoinis G，Dawood M，et al.Markers of tumor inflammation as prognostic factors for overall survival in patients with advanced pancreatic cancer receiving first-line FOLFIRINOX chemotherapy[J].Acta Oncol，2022，61（5）：583-590.

[13] Urbanowicz T，Michalak M，Komosa A，et al.Predictive value of systemic inflammatory response index （SIRI） for complex coronary artery disease occurrence in patients presenting with angina equivalent symptoms[J].Cardiol J，2024，31（4）：583-595.

[14] Li Q，Ma X，Shao Q，et al.Prognostic impact of multiple lymphocyte-based inflammatory indices in acute coronary syndrome patients[J].Front Cardiovasc Med，2022，9：811790.

[15] Zhang YX，Shen ZY，Jia YC，et al.The association of the neutrophil-to-lymphocyte ratio， platelet-to-lymphocyte ratio， lymphocyte-to-monocyte ratio and systemic inflammation response index with short-term functional outcome in patients with acute ischemic stroke[J].J Inflamm Res，2023，16：3619-3630.

[16] Ma F，Li L，Xu L，et al.The relationship between systemic inflammation index， systemic immune-inflammatory index， and inflammatory prognostic index and 90-day outcomes in acute ischemic stroke patients treated with intravenous thrombolysis[J].J Neuroinflammation，2023，20（1）：220.

[17] Yi HJ，Sung JH，Lee DH.Systemic inflammation response index and systemic immune-inflammation index are associated with clinical outcomes in patients treated with mechanical thrombectomy for large artery occlusion[J].World Neurosurg，2021，153：e282-289.

[18] Tinker RJ，Smith CJ，Heal C，et al.Predictors of mortality and disability in stroke-associated pneumonia[J].Acta Neurol Belg，2021，121（2）：379-385.

[19] Cao F，Wan Y，Lei C，et al.Monocyte-to-lymphocyte ratio as a predictor of stroke-associated pneumonia：A retrospective study-based investigation[J].Brain Behav，2021，11（6）：e02141.

[20] Nam KW，Kim TJ，Lee JS，et al.High neutrophil-to-lymphocyte ratio predicts stroke-associated pneumonia[J].Stroke，2018，49（8）：1886-1892.

[21] Li J，Luo H，Chen Y，et al.Comparison of the predictive value of inflammatory biomarkers for the risk of stroke-associated pneumonia in patients with acute ischemic stroke[J].Clin Interv Aging，2023，18：1477-1490.

[22] Yan D，Dai C，Xu R，et al.Predictive ability of systemic inflammation response index for the risk of pneumonia in patients with acute ischemic stroke[J].Gerontology，2023，69（2）：181-188.

[23] Liegey JS，Sagnier S，Debruxelles S，et al.Influence of inflammatory status in the acute phase of stroke on post-stroke depression[J].Rev Neurol （Paris），2021，177（8）：941-946.

[24] Wang X，Fang C，Liu X，et al.High serum levels of iNOS and MIP-1α are associated with post-stroke depression[J].Neuropsychiatr Dis Treat，2021，17：2481-2487.

[25] Yang Y，Zhu L，Zhang B，et al.Higher levels of C-reactive protein in the acute phase of stroke indicate an increased risk for post-stroke depression：A systematic review and meta-analysis[J].Neurosci Biobehav Rev，2022，134：104309.

[26] 黃小妹，胡填，葉玉焊，等.系統性炎癥反應指數與卒中后抑郁的關系：基于傾向評分匹配及逆概率處理加權法[J].實用心腦肺血管病雜志，2023，31（6）：38-44.

[27] Roughton K，Andreasson U，Blomgren K，et al.Lipopolysaccharide-induced inflammation aggravates irradiation-induced injury to the young mouse brain[J].Dev Neurosci，2013，35（5）：406-415.

[28] 李雪麗，劉釗，于博文，等.缺血性腦卒中免疫炎癥反應機制的研究進展[J].中華疾病控制雜志，2021，25（3）：352-358.

[29] Al-Dasuqi K，Payabvash S，Torres-Flores GA，et al.Effects of collateral status on infarct distribution following endovascular therapy in large vessel occlusion stroke[J].Stroke，2020，51（9）：e193-202.

[30] Yamamoto Y，Ohara T，Hamanaka M，et al.Predictive factors for progressive motor deficits in penetrating artery infarctions in two different arterial territories[J].J" Neurol Sci，2010，288（1/2）：170-174.

[31] Kimura Y，Yamada M，Kakehi T，et al.Combination of low body mass index and low serum albumin level leads to poor functional recovery in stroke patients[J].J Stroke Cerebrovasc Dis，2017，26（2）：448-453.

[32] Mao S，Hu Y，Zheng X，et al.Correlation analysis of neutrophil/albumin ratio and leukocyte count/albumin ratio with ischemic stroke severity[J].Cardiol Cardiovasc Med，2023，7（1）：32-38.

[33] 陳光勇，張永銀，蔡浩燁.中性粒細胞/淋巴細胞比值在急性缺血性腦卒中患者中的表達意義及其預后預測價值[J].現代實用醫學，2021，33（9）：1173-1174.

[34] Bao J，Ma M，Wu K，et al.Integrating neutrophil-to-albumin ratio and triglycerides：A Novel indicator for predicting spontaneous hemorrhagic transformation in acute ischemic stroke patients[J].CNS Neurosci Ther，2024，30（12）：e70133.

[35] Cui T，Wang C，Zhu Q，et al.Association between neutrophil percentage-to-albumin ratio and 3-month functional outcome in acute ischemic stroke patients with reperfusion therapy[J].Front Neuro，2022，13：898226.

[36] Zhang H，Wu T，Tian X，et al.High neutrophil percentage-to-albumin ratio can predict occurrence of stroke-associated infection[J].Front Neurol，2021，12：705790.

[37] Yang D，Niu C，Li P，et al.Study of the neutrophil percentage-to-albumin ratio as a biomarker for predicting recurrence of first-episode ischemic stroke[J].J Stroke Cerebrovasc Dis，2024，33（1）：107485.

[38] Sharbrough FW，Messick JM，Sundt TM.Correlation of continuous electroencephalograms with cerebral blood flow measurements during carotid endarterectomy[J].Stroke，1973，4（4）：674-683.

[39] 陳芳梅.定量腦電圖在急性前循環缺血性腦卒中取栓患者中的應用[D].南昌：南昌大學，2021.

[40] Finnigan S，Wong A.Towards pre-hospital identification of acute ischemic stroke：The value of QEEG from a single frontal channel[J].Clin Neurophysiol，2020，131（8）：1726-1727.

[41] Jin L，Wang Y，Lyu Z，et al.Application of quantitative electroencephalogram monitoring in evaluating thrombolytic effect of acute cerebral infarction[J].Zhonghua Wei Zhong Bing Ji Jiu Yi Xue，2021，33（2）：207-210.

[42] Wang Y，Liu D，Liu J，et al.Quantitative EEG provides early prediction of poor outcome in acute ischemic stroke after endovascular treatment：A preliminary study[J].Neurol Res，2021，43（10）：831-837.

[43] 崔輪盟，郭永波，楊蕊，等.量化腦電監測技術在腦損傷患者中的臨床應用[J].牡丹江醫學院學報，2023，44（6）：143-146，150.

[44] Zhang N，Chen F，Xie X，et al.Application of quantitative EEG in acute ischemic stroke patients who underwent thrombectomy：A comparison with CT perfusion[J].Clin Neurophysiol，2022，141：24-33.

[45] Dickey AS，Mitsias PD，Olango WM，et al.The prognostic value of quantitative eeg in patients undergoing mechanical thrombectomy for acute ischemic stroke[J].J Clin Neurophysiol，2022，39（4）：276-282.

[46] Sheorajpanday RV，Nagels G，Weeren AJ，et al.Quantitative EEG in ischemic stroke：Correlation with infarct volume and functional status in posterior circulation and lacunar syndromes[J].Clin Neurophysiol，2011，122（5）：884-890.

[47] Sheorajpanday RV，Nagels G，Weeren AJ，et al.Additional value of quantitative EEG in acute anterior circulation syndrome of presumed ischemic origin[J].Clin Neurophysiol，2010，121（10）：1719-1725.

[48] Sheorajpanday RV，Nagels G，Weeren AJ，et al.Reproducibility and clinical relevance of quantitative EEG parameters in cerebral ischemia：A basic approach[J].Clin Neurophysiol，2009，120（5）：845-855.

[49] Michel CM，Koenig T.EEG microstates as a tool for studying the temporal dynamics of whole-brain neuronal networks：A review[J].Neuroimage，2018，180（Pt B）：577-593.

[50] Lei L，Liu Z，Zhang Y，et al.EEG microstates as markers of major depressive disorder and predictors of response to SSRIs therapy[J].Prog Neuropsychopharmacol Biol Psychiatry，2022，116：110514.

[51] Britz J，Van De Ville D，Michel CM.BOLD correlates of EEG topography reveal rapid resting-state network dynamics[J].Neuroimage，2010，52（4）：1162-1170.

[52] Seeley WW，Menon V，Schatzberg AF，et al.Dissociable intrinsic connectivity networks for salience processing and executive control[J].J Neurosci，2007，27（9）：2349-2356.

[53] Seitzman BA，Abell M，Bartley SC，et al.Cognitive manipulation of brain electric microstates[J].Neuroimage，2017，146：533-543.

[54] Khanna A，Pascual-Leone A，Michel CM，et al.Microstates in resting-state EEG：Current status and future directions[J].Neurosci Biobehav Rev，2015，49：105-113.

[55] Grieder M，Koenig T，Kinoshita T，et al.Discovering EEG resting state alterations of semantic dementia[J].Clin Neurophysiol，2016，127（5）：2175-2181.

[56] Nishida K，Morishima Y，Yoshimura M，et al.EEG microstates associated with salience and frontoparietal networks in frontotemporal dementia， schizophrenia and Alzheimer＇s disease[J].Clin Neurophysiol，2013，124（6）：1106-1114.

[57] Gschwind M，Hardmeier M，Van De Ville D，et al.Fluctuations of spontaneous EEG topographies predict disease state in relapsing-remitting multiple sclerosis[J].Neuroimage Clin，2016，12：466-477.

[58] Corradini PL，Persinger MA.Spectral power， source localization and microstates to quantify chronic deficits from 'mild' closed head injury：Correlation with classic neuropsychological tests[J].Brain Inj，2014，28（10）：1317-1327.

[59] Gao F，Jia H，Wu X，et al.Altered resting-state EEG microstate parameters and enhanced spatial complexity in male adolescent patients with mild spastic diplegia[J].Brain Topogr，2017，30（2）：233-244.

[60] Zappasodi F，Croce P，Giordani A，et al.Prognostic Value of EEG Microstates in Acute Stroke[J].Brain Topogr，2017，30（5）：698-710.

[61] Jiang M，Xu F，Lei Z，et al.Heterogeneous brain dynamics between acute cerebellar and brainstem infarction[J].Cerebellum，2024，24（1）：6.

[62] Rubega M，Facca M，Curci V，et al.EEG microstates as a signature of hemispheric lateralization in stroke[J].Brain Topogr，2024，37（3）：475-478.

[2025-03-01收稿]