开发一种基于脑电图的模型,用BIS引擎的部分处理来预测心脏骤停后的觉醒

科学领域:

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

背景情况:

• 对昏迷状态心脏骤停幸存者的准确预后非常重要,但具有挑战性.
• 双光谱指数 (BIS) 监测器通常用于麻醉深度,可以提供新的脑电图 (EEG) 子参数来预测神经恢复.

研究的目的:

• 确定BIS监视器的内部EEG子参数是否可以预测昏迷心脏骤停幸存者的意识恢复.
• 为了将BIS衍生的EEG模型的预测性能与修改后的Westhall定性EEG评分框架进行比较.

主要方法:

• 一项回顾性队列研究,涉及315名昏迷状态心脏骤停患者.
• 一个三层神经网络在48小时的连续EEG记录上训练,使用虚拟化的BIS Engine仿真进行处理.
• 该模型使用BIS小时平均子参数,并根据修改后的Westhall分数进行验证.

主要成果:

• 在四个BIS子参数 (反向爆发抑制比,平均光谱功率密度,马功率,/三角功率) 上训练的神经网络实现了最大的预测准确度.
• 与定性EEG评估相比,该模型在预测恢复意识方面表现优异 (AUC 0.86,准确率 0.87).
• 马波段功率作为恢复潜力的新型相关物出现,此前在此背景下没有报告.

结论:

• 由神经网络处理的BIS引擎的四个内部EEG特征在预测心脏骤停后恢复意识时明显超过当前标准.
• 这些重新设计的BIS子参数显示出在重症监护环境中改善患者评估和预后的前景.
• 这些发现突显了利用麻醉监测技术在心脏骤停后的神经预后方面的潜力.