用模拟技术对一般病房患者心脏骤停高风险组进行分类的模型研究
Seok Young Song1, Won-Kee Choi2, Sanggyu Kwak3
1Department of Anesthesiology and Pain Medicine, College of Medicine, Daegu Catholic University, Daegu, Republic of Korea.
Medicine
|September 15, 2023
概括
这项研究使用患者病史和血液测试开发了一种新的心脏骤停分类模型,超越了用于识别高风险患者的传统生命体征方法. 进一步的研究将将这种模型与现有的分数 (如NEWS和MEWS) 结合起来,以改善预测.
科学领域:
- 医疗信息学 医疗信息学
- 临床预测模型临床预测模型
- 心脏病学 心脏病学
背景情况:
- 目前基于生命体征的得分 (MEWS, NEWS) 在准确识别心脏骤停高风险的患者方面存在局限性.
- 需要改进的模型,包括更广泛的患者数据,而不仅仅是生命体征.
研究的目的:
- 开发和验证一种新的心脏骤停分类模型.
- 通过家庭病史,过去的病史和血液检测结果来识别心脏骤停的高风险患者.
- 改善现有的基于生命体征的评分系统的局限性.
主要方法:
- 利用了大学医院325534名患者的电子病历 (EMR) 数据.
- 定义高风险患者是那些需要心肺复苏 (CPR) 心脏骤停后.
- 从ICU,急诊医学,精神病学,儿科,心脏病学和息治疗中排除的患者.
- 在培训和验证数据集上使用单变量和多变量逻辑回归,包括模拟分析.
主要成果:
- 开发的模型在培训组中实现了71.1%的AUC,在验证组中达到74.2%.
- 在验证组中,该模型表现出73.37%的灵敏度,75.03%的特异性和74.86%的准确性.
- 该模型在分析的325,534名患者中确定了382名高风险患者.
结论:
- 使用患者病史和血液测试的新模型显示,对分类高风险心脏骤停患者有希望.
- 该模型提供了一个替代或补充的方法,以传统的生命体征为基础的分数.
- 未来的前性研究应评估该模型与NEWS和MEWS的联合使用,以提高心脏骤停风险预测.
