神经干预过渡模型用于动态预测自发性脑下下垂体出血的良好结果
Yiming Luo1, Stephen John Payne2
1Institute of Biomedical Engineering, Department of Engineering Science, University of Oxford, Oxford, OX3 7DQ, UK. yiming.luo@hertford.ox.ac.uk.
Scientific reports
|January 18, 2024
概括
这项研究开发了一种动态模型,用于预测自发性下关节出血 (SAH) 患者的结果,结合临床数据和干预措施,以改善重症监护管理.
科学领域:
- 神经科学是一个神经科学.
- 关键护理医学 关键护理医学
- 医疗信息学 医疗信息学
背景情况:
- 自发性下关节出血 (SAH) 可以导致神经血管快速恶化和不良结果.
- 及时评估和持续监测对于管理SAH患者至关重要.
- 现有的预后模型可能无法完全捕捉SAH进展的动态性质.
研究的目的:
- 为自发性SAH患者开发一个动态的预后模型.
- 将基线临床数据,重复测量和神经干预纳入一个联合模型.
- 提高在重症监护机构预测结果的准确性和实用性.
主要方法:
- 在14天内,从MIMIC-IV数据集中对701名自发SAH患者进行了回顾性队列研究.
- 开发一个联合模型,将考克斯和零碎线性混合效应模型结合起来.
- 包括基线共变量 (例如,大脑,GCS,WBC) 和神经干预作为中间事件.
主要成果:
- 最优的动态预后模型实现了0.7783.3的平均AUC.
- 纳入神经干预作为中间事件提高了预测性能.
- 关键的共同变量包括脑,GCS,葡萄糖和WBC水平.
结论:
- 拟议的动态模型为自发性SAH提供了改进的预后能力.
- 这种工具可以通过提供持续的结果预测来帮助重症监护管理.
- 动态预后可以导致SAH患者更好的临床决策.
