相关实验视频
Updated: Jun 22, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
166
使用预测性深度学习模型,优化针对败血症患者的个性化能量传递
Lu Wang1,2, Li Chang3, Ruipeng Zhang1,2
1Institute for Emergency and Disaster Medicine, Sichuan Provincial People's Hospital, School of Medicine, University of Electronic Science and Technology of China, Chengdu, China.
Asia Pacific journal of clinical nutrition
|July 5, 2024
概括
优化使用深度学习模型为败血症患者提供能量至关重要. 只有在早期急性阶段才建议允许营养不足,以后增加摄入量以改善生存率.
科学领域:
- 关键护理医学 关键护理医学
- 营养支持 营养支持
- 医疗保健中的人工智能
背景情况:
- 败血症管理需要精确的营养支持.
- 在重症监护室 (ICU) 的败血症患者中,个性化的能量传递至关重要.
- 当前的能量传递策略可能无法解释毒症期间的动态代谢变化.
研究的目的:
- 开发和验证深度学习模型,以优化成人败血症患者的个性化能量传递.
- 在毒症的不同代谢阶段中确定最佳的能量目标.
主要方法:
- 这是一项对179名在ICU的成年败血症患者进行的回顾性研究,在14天内收集了47个指标.
- 数据分为三个代谢阶段:急性早期,急性晚期和康复.
- 为每个阶段的最佳能源目标建立深度学习模型,并进行外部验证.
主要成果:
- 确定最佳能量目标为900 kcal/d (早期急性),2300 kcal/d (晚急性) 和2000 kcal/d (康复性).
- 早期急性阶段的过度能量和晚期急性阶段的不足能量增加了死亡率.
- 在康复阶段,过度和不足的能量输送都与较高的死亡风险有关.
结论:
- 时间序列深度学习模型可以优化ICU中败血症患者的能量传递.
- 只有在急性早期阶段才建议允许营养不良.
- 在后期阶段增加能量摄入量可能会提高生存率并解决能源赤字.
