贝叶斯风险评估和术后缺陷预测网络在脑外科手术的手术内神经生理学中

科学领域:

• 神经外科 神经外科
• 医疗技术 医疗技术 医学技术
• 数据科学数据科学数据科学

背景情况:

• 由于缺乏随机对照试验,手术内神经生理监测 (IONM) 的临床实用性仍在争论中.
• 对照对象的招聘挑战历来阻碍了大规模的IONM有效性研究.

研究的目的:

• 建议和评估使用贝叶斯网络来评估IONM的证据和实用性.
• 为IONM的临床实践审计提供一个新的分析框架.

主要方法:

• 一项回顾性单中心研究包括267名患者,他们在2020年1月至2022年1月期间接受了IONM的头骨神经外科手术.
• 使用专家领域知识和后勤回归来构建贝叶斯网络,以推断手术事件,中枢神经系统损伤和神经结果之间的因果关系.
• 网络根据专家定义的概率和物流回归模型计算了效用.

主要成果:

• 在可逆性IONM信号变化的患者中,有59%没有新的缺陷,33%有暂时的缺陷,8%有永久的缺陷.
• 如果信号变化是永久性的,并采取行动,16%的人经历过渡性赤字,51%的人经历永久性赤字,33%的人没有新的赤字.
• 贝叶斯网络表明,纠正性外科手术以逆转信号变化增加了患者的效用.

结论:

• 贝叶斯网络为IONM内部的临床实践提供了一种有效的审计方法.
• 当IONM警告之后进行正性手术时,可以显著预防术后的神经缺陷.
• 贝叶斯网络是计算IONM效用的一个有价值的数学工具,可能会节省医疗保健成本.