作为神经临床护理中肌肉缩的预测生物标志物的加速器衍生运动特征:一个前性队列研究
Moritz L Schmidbauer1, Timon Putz2, Leon Gehri2
1Department of Neurology, LMU University Hospital, LMU Munich, Munich, Germany. moritz.schmidbauer@med.uni-muenchen.de.
Critical care (London, England)
|August 31, 2024
概括
用加速度计测量的活跃运动预测神经临界护理患者的肌肉缩. 这一发现有助于确定重症监护室获得的弱点 (ICUAW) 的风险,并指导干预.
科学领域:
- 生物医学工程 生物医学工程
- 临床神经科学 临床神经科学
- 密集护理医学 密集护理医学
背景情况:
- 身体不活动和肌肉缩在神经临床护理中很常见,有助于重症监护室获得的虚弱 (ICUAW).
- 缺乏不活动的生物标志物阻碍了对其在ICUAW中的作用的评估.
- 活跃的运动可以作为肌肉缩的预测因素.
研究的目的:
- 调查通过加速度计测量的活跃运动是否可以预测神经临界护理患者的肌肉缩.
- 开发一种机器学习模型,根据活动水平来预测肌肉缩.
- 建立可量化的生物标志物用于ICUAW中的不活性.
主要方法:
- 在MINCE注册表中的前性观察队列研究 (DRKS-ID:DRKS00031472).
- 在ICU入院后的3,7日和10日测量的直骨肌肉 (RFM) 缩.
- 用LASSO规范化和嵌套交叉验证来预测肌肉缩的通用线性混合模型.
主要成果:
- 招募了53名患者;到第10天,RFM厚度减少了19.5%.
- 基线RFM质量和活跃运动的比例是肌肉缩的显著预测因素.
- 与没有 (R2=55%) 的模型相比,包括运动特征的机器学习模型提高了预测准确性 (R2=79%).
结论:
- 通过加速度计量出的活跃运动是神经临床护理中肌肉缩的关键风险因素.
- 活动生物标志物可以帮助精确的ICUAW表型和干预目标.
- 需要进一步的研究来验证这些发现在神经临床护理环境之外.
