时间:2024-12-18 09:08 / 来源:未知
更好地降低谵妄的危害？fir1函数【醉翁之艺】围术期神经性能护卫系列之四：利用呆板进修预测ICU患者的谵妄发作
将呆板进修使用于大型数据库，得胜开荒并外部验证了一种无误预测ICU谵妄的新本事，有助于识别谵妄的高危险个人并提进取行干涉。
谵妄正在急性照顾境遇中更加正在重症监护室(ICU)中很常睹，影响住院患者高达35％，影响须要重症监护的患者高达80％，每年正在医疗保健开销方面的本钱猜想为1640亿美元。约30%至40%的谵妄病例可以可能采用低落谵妄的政策举行注意。Kirby团队创筑了两个模子来预测谵妄，其结果宣告于2023年3月的Anesthesiology杂志。
本查究旨正在通过利用正在床旁向例获取的心理和临床特点来陶冶呆板进修模子，预测ICU谵妄的爆发。
本查究是正在麻省理工学院PhysioNet存储库供应的三个民众数据库长进行的：飞利浦eICU配合查究数据库（以下简称开荒数据库），MIMIC-III（以下简称验证数据库1）和MIMIC-IV（以下简称验证数据库2）。前者用于模子的陶冶和测试，尔后两者用于外部验证。开荒数据库是一个基于众核心电子病历的数据库，包蕴美邦208家病院正在2014年~2015年间的200,859人次的ICU电子病历数据。验证数据库1网罗2001年~2012年间正在波士顿的贝丝以色列女执事医学核心的61,532份ICU电子病历数据。验证数据库2网罗2008年~2019年正在贝斯以色列女执事医学核心的76,943份ICU电子病历数据。因为两个验证数据库来自统一家病院且部门年份不异，所以可以存正在少少数据重叠。
本查究经麻省理工学院（编号0403000206）和贝斯以色列女执事医学核心（编号2001-P-001699/14）的机构审查委员会核准。
本查究创筑了两种模子（图1）。第一种称为“首24小时模子”，理会了入住ICU后24小时内搜求的数据，预测了正在ICU滞留时候的任何后续时代发作谵妄的概率。第二种模子称为“动态模子”，利用从ICU入院到预测时代点的累积数据，并企图来日0~12小时发作谵妄的概率。对付浮现谵妄的ICU滞留，该模子对第一个阳性谵妄筛查之前获取的数据举行陶冶。对付没有谵妄的ICU滞留，该模子对阴性谵妄筛查之前获取的数据举行陶冶。
图2呈现结案例识别和拔取流程。借使患者被转送至ICU，正在ICU滞留逾越24小时，并利用CAM-ICU或ICDSC举行谵妄筛查，则该患者纳入首个24小时模子。对付动态模子，纳入ICU滞留时代不少于12小时且起码举行1次谵妄筛查的患者。解除了正在前24小时内举行谵妄测试或诊断的患者，以解除正在预测时代之前仍旧患有谵妄的可以性。
重要结果变量为谵妄，界说为CAM-ICU评分为阳性，ICDSC评分为4分或以上。开荒数据库中记实了CAM-ICU和ICDSC评分，而验证数据库只记实了CAM-ICU评分。
通过文献综述、临床医师指挥和数据库寻找，确定了模子的预测变量。提取的变量网罗患者的人丁统计学特点、既往史和共患症、实行室检讨、利用药物及其他疗养、护士文档和心理监测目标等，全数记实时代正确到分钟。模子中利用的全数变量正在时代上都与用于评估结果的数据有明白的区别。采用Python举行全数理会。
从处分后的数据中创筑预测特点。分类变量被独立编码成单个特点，部门为了简化举行组合处分。对付住院时候众次浮现的定量变量，企图其核心趋向和方差。对付呼吸频率、心率、血压或氧饱和度等高频变量，利用Python tsfresh 包企图诸如傅里叶变换系数等繁复特点。利用逻辑回归、随机丛林和梯度提等三种呆板进修算法升来理会模子特点。
通过三个目标举行评估模子本能：受试者运转特点弧线下面积（AUC），正确度和召回率弧线下的面积（或均匀无误率）和布里尔分数或校准弧线。理会预测变量与谵妄危险之间的联系强度。正在验证数据库上评估模子本能。
患者纳入妥协除细节的流程图睹上图2，人群特点详睹外1。首个24小时模子的队伍网罗开荒数据库中整个18,305名住院患者，此中2,536个（13.9％）被标帜为谵妄阳性。正在验证数据库1中，共判定了5,299名住院患者，此中768个（14.5％）为谵妄阳性，正在验证数据库2中共判定了36,194名住院患者，此中5,955个（11.9％）为谵妄阳性。正在所少有据库中，谵妄阳性患者的APACHE IV评分中位数和矫正前的仙游率明显较高。
对付动态模子的开荒队伍网罗了22,234名住院个患者，此中3,791个（17.0%）标帜为谵妄阳性，18,443个（83.0%）标帜为阴性。正在验证数据库1中，共鸣别出6,166名住院患者，此中994个（16.1%）为谵妄阳性，5,172个（83.9%）为阴性；正在验证数据库2中，共鸣别出28,440名住院患者，此中5,955个（20.9%）为谵妄阳性，22,485个（79.1%）为阴性。
全数预测本能目标总结正在图3中。开荒数据库中AUC（95%CI）为0.785（0.769至0.801），正在验证数据库1中得胜验证（AUC为0.796），正在验证数据库2中也验证得胜（AUC为0.810）；均匀正确度正在开荒数据库中为0.384（0.357至0.411），正在验证数据库1中为0.389，正在验证数据库2中为0.475。均匀布里尔分数正在开荒数据库中为0.102（0.097至0.108），正在验证数据库1中为0.105，正在验证数据库2中为0.110。
总体而言，动态模子本能优于首个24小时模子（图4）。动态模子的均匀AUC（95%CI）为0.845（0.831至0.859），并正在验证数据库1（AUC为0.804）和验证数据库2（AUC为0.838）中取得验证。正在开荒数据库中，均匀精度为0.590（0.566至0.613），而正在验证数据库1中为0.449，正在验证数据库2中为0.593。正在开荒数据库中，均匀布里尔分数为0.111（0.106至0.116），正在验证数据库1中为0.165，正在验证数据库2中为0.132。
将呆板进修使用于大型数据库，得胜开荒并外部验证了一种无误预测ICU谵妄的新本事，有助于识别谵妄的高危险个人并提进取行干涉。
该查究愚弄大型临床数据库，开荒两个新的ICU谵妄预测模子，且正在两个外部数据库上均取得了验证。以往查究中确定的大大批预测特点（比方春秋、呆板通气、疾病急急水平[APACHE、SOFA]、苯二氮平的流露）正在该模子中取得了确认。
与以往查究比拟，该查究具有明白的上风。以往报道的高预测本能的查究利用的是静态模子，无法正在特按时代点预测谵妄爆发。而该模子旨正在动态预测来日12小时内的谵妄爆发，可以比其他预测模子更具敏锐性，可能提前对即将浮现谵妄高危险的患者执行有针对性的注意程序，更好地低落谵妄的损害。同时，该查究利用的数据库比以往查究的人丁样本均更大，正在众样化人群上获取的模子结果可以更具有普适性。其它，所利用数据库的公然性为其他查究组评估模子的可反复性供应了有利前提。
该查究具有必然的控制性：即使该查究评估了谵妄与一系列差别流露变量之间的联系，但无法确定其因果联系；该查究几个数据库中旁观到的谵妄发作率低于其他相同查究，这可以因为该查究解除了早期发作谵妄的患者；患者的临床形态的记实时代间隔存正在区别，谵妄筛查频率存正在不相仿性，数据库中某些预测变量可用性较低或缺失，都可以对结果出现谬误。