在接受体外心肺复苏的患者中,基于机器学习的神经结果预测器
Tae Wan Kim1, Joonghyun Ahn2, Jeong-Am Ryu3,4
1Department of Pulmonary and Critical Care Medicine, Chung-Ang University Hospital, Chung-Ang University College of Medicine, Seoul, Republic of Korea.
Frontiers in cardiovascular medicine
|December 4, 2023
概括
机器学习准确地预测了体外心肺复苏 (ECPR) 患者的神经结果不佳. 关键预测因素包括血压,乳酸盐水平,以及体外膜氧化 (ECMO) 开始的时间.
科学领域:
- 关键护理医学 关键护理医学
- 神经学 神经学
- 数据科学数据科学数据科学
背景情况:
- 身体外心肺复苏 (ECPR) 是对心脏骤停的救生干预.
- 预测ECPR后的神经结果对于患者管理和资源分配至关重要.
- 机器学习 (ML) 提供了新的方法来分析复杂的临床数据以预测结果.
研究的目的:
- 调查ECPR患者中神经系统不良结果的预测因素.
- 评估机器学习算法在ECPR后预测神经结果的准确性.
- 确定与ECPR后不良神经状态相关的关键临床变量.
主要方法:
- 成年ECPR患者的回顾性,单中心观察性研究 (2010年1月 - 2020年12月).
- 主要结局:在出院时的神经状况 (大脑性能类别 - CPC).
- 训练和测试了8个ML算法,用于神经结果的二元分类.
主要成果:
- 在330名患者中,有143名 (43.3%) 患有良好的神经结果 (CPC 1-2).
- 极端梯度提升,随机森林和随机梯度提升显示了最高的准确性.
- 平均血压,初始血清乳酸和ECMO充电时间是最有影响力的预测结果差的因素.
结论:
- 机器学习模型在预测ECPR幸存者的不良神经结果方面表现出很高的准确性.
- ML可以有效地识别影响ECPR后神经恢复的关键因素.
- 这种方法有助于风险分层和个性化患者护理策略.
相关概念视频
01:23Cardiopulmonary Resuscitation III: AED Use
Introduction to AEDAn Automated External Defibrillator (AED) is a portable medical device that analyzes the heart's rhythm and, if necessary, delivers an electrical shock to help the heart re-establish an effective rhythm during sudden cardiac arrest (SCA). SCA occurs when the heart suddenly and unexpectedly stops beating, leading to a loss of blood flow to the brain and other vital organs. In such emergencies, time is of the essence, and using an AED, combined with Cardiopulmonary...
01:25Cardiopulmonary Resuscitation IV: Pharmacological Management
Pharmacologic intervention is crucial in treating cardiac arrest patients during ACLS or Advanced Cardiovascular Life Support. The ACLS algorithms guide the administration of specific drugs based on the patient's cardiac arrest rhythm, which includes pulseless ventricular tachycardia (VT), ventricular fibrillation (VF), asystole, and pulseless electrical activity (PEA).EpinephrineIndication: Epinephrine is the first-line drug for all cardiac arrest rhythms.Mechanism of Action: Epinephrine...