在手术结束时指导阿片类药物管理的算法的外部验证-对阿片类药物算法观察队列研究的OPIAID算法观察队列研究的协议
Anders Peder Højer Karlsen1,2, Pernille Bjersand Sunde1, Ida Houtved Rasmussen1,3
1Department of Anaesthesia and Intensive Care, Copenhagen University Hospital-Bispebjerg and Frederiksberg, Copenhagen, Denmark.
本研究介绍了个人化剂量 (OPIAID) 算法的内科阿片类药物算法,使用机器学习来优化术后疼痛管理和减少不良事件. 目标是通过精确的阿片类药物剂量来改善患者的康复和生活质量.
科学领域:
- 麻醉学和外科手术期间的医学.
- 医疗保健中的人工智能
- 疼痛管理和药理学
背景情况:
- 不充分的缓解疼痛和阿片类药物不良事件使术后护理复杂化,影响康复和生活质量.
- 个人化剂量阿片类药物算法 (OPIAID) 项目利用机器学习在整个外科手术阶段针对患者特定的阿片类药物剂量.
- 来自110万个程序的大规模数据为每个阶段的八个模型的开发提供了信息,顶级模型正在接受外部验证.
研究的目的:
- 描述内科OPIAID算法的设计和外部验证.
- 评估算法在术后缓解疼痛时建议最佳的术后阿片类药物剂量的能力.
- 评估算法的可靠性,一致性和对临床性能进行校准.
主要方法:
- 一个多中心的前性观察队列研究,涉及656名接受手术的成年患者,在手术内服用阿片类药物.
- 使用可靠性,协议和校准措施对两个机器学习模型进行外部验证.
- 用预先定义的最佳剂量标准,将OPIAID推剂量与临床医生的剂量进行比较.
主要成果:
- 该研究将对两个机器学习模型进行外部验证,以指定手术内OPIAID算法.
- 对OPIAID推剂量的临床疗效,安全性和性能将与临床医生给出的剂量进行近似评估.
- 最佳剂量标准包括手术内阿片类药物剂量,术后疼痛,不良事件和救援止痛需要.
结论:
- 内科OPIAID算法是作为临床决策支持工具而设计的.
- 它旨在协助麻醉医生和麻醉护士优化术后疼痛管理.
- 最终目标是通过精确的,个性化的阿片类药物剂量来提高患者的治疗结果.
更多相关视频
12:20Use of the Operant Orofacial Pain Assessment Device OPAD to Measure Changes in Nociceptive Behavior
Published on: June 10, 2013
06:04Objective Nociceptive Assessment in Ventilated ICU Patients: A Feasibility Study Using Pupillometry and the Nociceptive Flexion Reflex
Published on: July 4, 2018
相关概念视频
Opioid Analgesics: Synthetic and Semisynthetic Opioids
Opioid Analgesics: Morphine and Other Natural Cogeners
Analgesia and Pain Management
Peripheral Artery Disease V: Postoperative Nursing Management
