使用定量EEG和机器学习技术预测小儿心脏骤停后的生存率
Maayke Hunfeld1, Marit Verboom1, Sabine Josemans1
1From the Department of Neurology (M.H., M.V., S.J., A.v.R., D.S., R.v.d.B.), Erasmus MC, University Medical Center; Department of Neonatal and Pediatric Intensive Care, Division of Pediatric Intensive Care (M.H., C.B.), Erasmus MC Children's Hospital, Rotterdam; and Delft Institute of Applied Mathematics (F.L., G.J.), Delft University of Technology, the Netherlands.
Neurology
|November 20, 2024
概括
在心脏骤停 (CA) 后24小时,定量EEG (qEEG) 和EEG背景模式的视觉分析可以预测儿童的不存活. 这种神经预测工具有助于确定心脏骤停后12个月的结果.
科学领域:
- 儿科重症监护医药 儿科重症监护医药
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
背景情况:
- 在心脏骤停 (CA) 后儿童的早期神经预测具有挑战性.
- 电脑电图 (EEG) 在成年人中使用,但在儿科患者中需要验证.
- 机器学习可以增强基于EEG的预后.
研究的目的:
- 评估定量EEG (qEEG) 特征对儿童CA后12个月生存期的预测价值.
- 用背景模式的视觉分析来验证EEG发现.
- 应用机器学习来改善神经预测.
主要方法:
- 在CA后对儿童 (0-17岁) 进行了回顾性单中心研究.
- 分析了循环恢复 (ROC) 后24小时的EEG记录.
- 使用qEEG特征训练一个随机森林模型;对背景模式进行视觉分类.
主要成果:
- 随机森林模型预测了12个月的死亡率,准确度为0.77%,预测值为1.0.
- 脑电图信号的连续性和振幅是关键的预测特征.
- 没有患者的背景模式,除了连续的振幅>20μV的背景模式存活了12个月.
结论:
- 在ROC后24小时的定量EEG和视觉EEG背景分类是CA后儿童不存活的强有力的预测因素.
- 这些方法为儿童CA幸存者的神经预测提供了宝贵的见解.
