探索大脑血液动力学和自主神经系统之间的同时过渡,使用窗口时间滞后交叉相关矩阵:CENTER-TBI研究

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 临界护理医学 临界护理医学

背景情况:

• 创伤性脑损伤 (TBI) 破坏了自主神经系统 (ANS) 的调节,增加了血液动力学不稳定性和不良结果的风险.
• 预测患者的结果对于及时干预和改善TBI管理至关重要.
• 大脑血液动力学和ANS相互作用是影响TBI预后的关键因素.

研究的目的:

• 评估窗口时间滞后交叉相关性 (WTLCC) 矩阵,以表征大脑血液动力学-ANS相互作用.
• 评估基于WTLCC的模型在预测TBI后的短期和长期结果中的有效性.
• 识别高风险的TBI患者,他们可能会从加强监测中受益.

主要方法:

• 使用WTLCC矩阵的回顾性分析,从内压力 (ICP),脑 perfusion 压力 (CPP),压力反应率指数 (PRx) 和心率变化 (LF/HF,BRS) 在72小时内获得.
• 卷积神经网络模型被训练来预测短期结果 (在放药时的格拉斯哥结果尺度) 在弗罗茨瓦夫大学医院 (WUH) 数据库上.
• 使用CENTER-TBI和WUH数据库进行了长期结果预测 (3个月和6个月GOS/GOS-Extended),将WTLCC模型与XGBoost模型进行比较,使用调整为临床元数据的平均神经监测参数.

主要成果:

• 最好的基于WTLCC的模型用于短期结果预测,利用ICP-LF/HF矩阵,实现AUC为0.80,超过调整后的神经监测参数 (AUC0.71).
• 对于长期结果预测,最好的WTLCC模型 (ICP-LF/HF矩阵) 的AUC为0.63,而调整后的神经监测参数的AUC为0.66.
• 内压力 (ICP) 和低至高频心率变化 (LF/HF) 信号在生成WTLCC矩阵方面最有效.

结论:

• 与传统的平均神经监测参数相比,基于WTLCC的模型在TBI后预测短期结果方面表现优异.
• 对于预测长期TBI结果,WTLCC方法显示了适度的实用性.
• ICP和LF/HF信号是TBI神经监测中WTLCC矩阵生成的关键组件.