使用动脉波形机器学习分析预测出血冲击的狗模型中的血液损失量
Thomas Edwards1,2, Jose M Gonzalez1, Sofia Hernandez-Torres1
1US Army Institute of Surgical Research, Joint Base San Antonio-Fort Sam Houston, Houston, TX.
American journal of veterinary research
|December 11, 2024
概括
人类补偿储备算法无法准确预测狗的出血性休克. 然而,从动脉波形分析中得出的犬血损失体积指标显示,它有望指导犬患者的复苏.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 身体生理学 身体生理学
- 生物医学工程 生物医学工程
背景情况:
- 在人类中验证的补偿储备算法旨在预测生理压力.
- 准确评估血液损失对于在重症监护机构及时和有效的复苏至关重要.
研究的目的:
- 评估人类验证的补偿储备算法的适用性.
- 开发和评估一种更简单的动脉波形分析,用于预测狗血流量.
主要方法:
- 六只麻醉的狗经历了受控的出血和复苏.
- 侵入性动脉血压波形连续记录.
- 应用和分析了人类补偿储备算法 (深度学习和机器学习) 和一种新的狗血损失体积指标 (cBLVM).
主要成果:
- 人类补偿储备算法在狗中显示出较差的预测性能 (hCRM-DL R2=0.38,AUROC=0.60;hCRM-ML R2=0.61,AUROC=0.73).
- 狗血损体积指标 (cBLVM) 在预测血损 (R2=0.74) 和识别出血发作 (AUROC=0.81) 方面表现出卓越的准确性.
结论:
- 人类补偿储备算法不能直接用于预测犬类出血性休克.
- 开发的犬血损失体积指标 (cBLVM) 显示了作为指导经历出血性休克的狗的复苏决策支持工具的潜力.
