基于早期识别非心脏手术患者的电脑图爆发抑制风险,优化麻醉管理:可视化动态名图
Jian Chen1,2, Wanxia Li3,4, Qianping Chen3,4
1Department of Anesthesiology, Perioperative and Pain Medicine, Nanjing First Hospital, Nanjing Medical University, Nanjing, China.
Annals of medicine
|September 24, 2024
概括
这项研究开发了一种新的爆发抑制 (BS) 预测模型,这种EEG模式与手术结果不佳有关. 该模型结合了脆弱性和手术内低血压,以提高非心脏手术患者的预测准确性.
科学领域:
- 麻醉学 麻醉学
- 神经科学是一个神经科学.
- 医疗信息学 医疗信息学
背景情况:
- 突发抑制 (BS) 是一种与不良术后结果相关的脑电图 (EEG) 模式.
- 现有的BS预测模型是有限的,并且经常排除诸如虚弱和手术内低血压 (IOH) 等关键因素.
研究的目的:
- 开发一个精确和临床适用的BS的预测模型.
- 将新的风险因素,包括脆弱性和IOH纳入BS预测模型.
- 创建一个可视化工具来预测非心脏手术患者的BS.
主要方法:
- 追溯分析了418名非心脏手术患者的数据.
- 使用单变量分析和向后渐进后勤回归的动态名ogram模型的开发.
- 通过区分,校准和临床实用性评估验证名录的性能.
主要成果:
- 开发的名图表显示出强大的区分能力 (AUC = 0.933) 和良好的校准 (p = 0.0718).
- 已确定BS的独立风险预测因素包括年龄,临床脆弱度量 (CFS) 评分,米达佐拉姆剂量,普罗波诱导剂量,MAP_AUT和脑血管疾病.
- 为可访问的预测 (提供URL) 创建了一个基于Web的动态名ogram计算器.
结论:
- 这项研究介绍了第一个可视化名图,用于预测非心脏手术患者的BS,包括脆弱性和IOH.
- 该模型为指导临床决策和优化麻醉管理提供了宝贵的工具,以减轻与BS相关的负面结果.


