中国卒中杂志投稿格式参考范文：数字健康技术在卒中一级预防中的应用与挑战

　　引言

　　2021 年全球疾病负担研究显示，卒中是全球第三大致死原因，其高发病率、致残率、复发率、死亡率对人类健康构成严重威胁。一级预防是指在疾病尚未发生时针对危险因素采取的措施，包括评估、监测风险因素和推广健康生活方式，是降低卒中发病率最根本的措施。积极开展卒中的一级预防工作，将防治关口前移，能够更好地实现卒中管理从被动治疗到主动健康管理的转变，减轻卒中对患者家庭及社会造成的沉重负担。然而，由于风险因素复杂、风险人群庞大和医疗资源有限等，卒中一级预防工作存在挑战和困难。

　　数字健康技术显著提升了医疗健康领域的信息处理与利用能力，可以给卒中一级预防带来巨大变革。目前对数字健康技术在卒中一级预防中的应用情况进行系统梳理的研究较少。本文检索并整理数字健康技术在卒中一级预防领域相关的中英文文献，围绕卒中风 险因素识别、风险评估与筛查、健康宣教、健康管理与干预等方面，综述数字健康技术的应用现状及挑战，为我国卒中预防策略的制定提供参考。

　　1 数字健康在卒中一级预防中的应用

　　1.1 风险因素识别

　　数字健康技术在卒中一级预防中的应用，既为既有识别因素提供更多可信证据，也帮助识别新的风险因素。通过多种建模算法，研究识别出诸多重要的卒中风险因素，如血脂相关指标、血肌酐、卒中病史、多种疾病史等，还发现社会决定因素在卒中风险识别中的重要性。

　　数字健康技术提高了对常见高危风险因素的识别效率，如利用人工智能技术精准识别左心房 / 左心耳结构及其血栓、评估颈动脉粥样硬化斑块稳定性、结合人工智能与基因组学评估斑块性质等。

　　数字健康技术的应用正在改变卒中一级预防的数据获取方式，智能传感器和可穿戴设备获取卒中高危患者的数据成为新热点，可监控生命体征、预警卒中早期症状、监测不规则脉搏等，为评估风险因素提供新可能。

　　1.2 风险评估与筛查

　　随着大量数据库的建设和数据挖掘技术的发展，对人群进行精准的风险评估、预测和高效的筛查成为可能。

　　电子数据库建设是数字健康支持卒中预防的关键，我国慢性病筛查工作体系在农村地区有待完善，医疗信息化发展促进了健康信息集中管理，便于大规模卒中风险评估和筛查，如上海建立相关数据库和系统实现精准筛查。

　　美国相关组织支持将卒中风险评估用于一级预防决策，机器学习和深度学习等人工智能技术推动了卒中风险评估和预测模型的发展。这些模型大致分为两类，一类利用专业医疗数据帮助临床工作者识别高危患者，另一类利用流行病学数据使个人能自主预测风险。

　　1.3 高危人群健康宣教

　　数字健康技术正在以新途径赋能卒中高危人群的健康宣教。健康教育对卒中高危人群十分关键，可提高其对卒中的认知，促进健康生活方式的采取，降低卒中发生率。多项研究构建相关平台和数据库，为高危人群提供生活方式调整等指导，推送个性化建议和措施，借助智能手机 App 和可穿戴设备提升健康宣教效果。

　　1.4 健康行为管理与干预

　　App 和可穿戴设备等数字健康技术在人群健康行为管理与干预方面具有巨大应用潜力。智能手机 App 的提醒和反馈功能有助于改善用户健康锻炼习惯 ，形成 “知晓 — 核查 — 行动” 效应，带动更多人实施健康行为。可穿戴设备能够监测用户体征，并进行健康管理提醒以实现干预，帮助用户实现控制胆固醇摄入等目标。

　　2 数字健康在卒中一级预防中的挑战

　　2.1 医疗数据质量和可用性挑战

　　数字健康技术依赖高质量医疗数据，但许多医疗数据存在模态多样、质量不均、数据缺失和不一致等问题，不同地区和系统间数据难以整合，还受数据偏倚问题影响，限制了研究和模型开发效果。

　　2.2 模型的泛化能力和鲁棒性挑战

　　多数卒中风险预测模型仅在特定小范围人群数据上训练和开发，泛化能力弱，面对非常规输入或噪声数据时，模型鲁棒性不足，可能导致误诊或漏诊，而临床数据存在噪声，对模型鲁棒性要求更高。

　　2.3 与临床实践融合应用的挑战

　　数字健康技术与临床实践的融合面临障碍。医师需要理解数字技术决策过程，但许多深度学习模型难以解释输出结果，增加医疗责任归属复杂性，降低医师使用意愿。此外，还存在工作流整合问题，即如何将数字健康技术提供的信息整合到现有临床工作流程中。

　　2.4 法律与道德伦理的挑战

　　数字健康技术应用需考虑法律、伦理问题。收集个人医疗和健康数据时，技术类型和开发主体多样增加了隐私保护难度。同时，数字鸿沟可能导致社会公平问题，影响健康公平目标的达成，加剧数据偏倚。

　　3 总结与展望

　　数字健康技术在卒中一级预防方面展现出良好的应用前景，在多个领域被广泛应用。然而，在实践中存在诸多挑战，如改善数据质量与可用性、提高模型泛化能力与鲁棒性、完善法律与伦理规范等，未来需要深化研究、结合实践经验，推动数字健康技术发挥更大作用。此外，本文未分析数字健康技术应用后的效果，未来可进一步开展系统综述或荟萃分析，全面评估其应用效果。

熊维清;赵一霖;邱月,清华大学生物医学工程学院;清华大学深圳国际研究生院;清华大学医疗管理学院,202501