使用自动化数字查工具识别大脑死亡高风险患者:一项前性诊断准确性研究
Daniela Schoene1, Norman Freigang2, Anne Trabitzsch3
1Department of Neurology, Faculty of Medicine and University Hospital Carl Gustav Carus, Technische Universität Dresden, Fetscherstraße 74, 01307, Dresden, Germany. daniela.schoene@ukdd.de.
Journal of neurology
|August 25, 2023
概括
一个自动化的数字查工具 (DETECT) 准确地识别了在重症监护中面临脑死亡风险的患者. 这种工具具有很高的灵敏度,有助于早期发现和干预神经危急患者.
科学领域:
- 神经临界护理是指神经临界护理.
- 数字健康技术是数字健康技术.
- 诊断准确性的研究研究.
背景情况:
- 脑死亡是神经临床护理中的一个关键结果.
- 早期识别患有脑死亡风险的患者对于及时管理至关重要.
- 现有的识别风险患者的方法可能是资源密集的.
研究的目的:
- 评估自动数字查工具 (DETECT) 的诊断准确性,以早期识别有脑死亡风险的患者.
- 评估DETECT在神经临床护理环境中的性能.
主要方法:
- 对接受神经临床护理的18岁以上患者进行前性诊断准确性研究.
- DETECT工具分析了每12小时定期监控的电子医疗记录数据,以检测昏迷和缺席瞳孔光反射.
- 由专家神经密集学家进行的神经评估作为参考标准,对DETECT结果视而不见.
主要成果:
- 这项研究包括414名患者,8名 (1.9%) 确诊脑死亡.
- 对于脑死亡,DETECT显示出100%的敏感性 (95% CI 63.1-100%) 和88.7%的特异性 (95% CI 85.2-91.6%).
- 从DETECT通知到脑死亡诊断的平均时间为3.6天,整体准确率为88.9% (95% CI 85.5-91.8%).
结论:
- 使用常规临床数据的自动化数字查工具可以帮助早期识别有脑死亡风险的患者.
- 检测显示承诺作为一个有价值的工具在神经临床护理的积极主动的患者管理.
- 在各种神经临床护理人群中可能需要进一步验证.
