珀姆分数和机器学习用于检测ICU获得的弱点:一个前性的观察队列研究
Lilian Elisabete Bernardes Delazari1, Lígia Dos Santos Roceto Ratti1, Adria Cristina da Silva1
1Department of Physiotherapy, Clinical Hospital of UNICAMP, University of Campinas (UNICAMP), Campinas, São Paulo, Brazil.
概括
珀姆重症监护室移动性评分可以帮助在机械通风患者中查重症监护室获得的虚弱 (ICUAW). 9分或更低的分数表明风险较高,有助于早期功能评估.
科学领域:
- 关键护理医学 关键护理医学
- 神经学 神经学
- 物理疗法物理治疗
背景情况:
- 在重症监护室获得的虚弱 (ICUAW) 在长期使用机械通风 (MV) 的重症患者中很普遍.
- 像手握强度测试 (HGST) 这样的标准诊断工具在重症监护环境中通常是不切实际的.
- 早期发现ICUAW对于患者的康复和减少重症监护室 (ICU) 停留时间至关重要.
研究的目的:
- 评估佩尔梅ICU流动性评分作为ICUAW的查工具.
- 为了确定珀姆分数和ICUAW之间的关联,使用HGST作为诊断参考.
- 评估机器学习模型在识别ICUAW预测器中的有用性.
主要方法:
- 在第三级ICU中进行了一项前性观察性研究,涉及成人患者在MV上至少7天.
- ICUAW的诊断是使用性别特定的HGST切断.
- 使用后勤回归,LASSO和随机森林模型来分析珀姆分数和ICUAW之间的关联.
主要成果:
- 在97名研究患者中,ICUAW在78.4%的患者中存在.
- 较低的珀姆分数与ICUAW有显著的关联 (p < 0.001).
- 佩尔梅分数截止值≤9显示了检测ICUAW的76.3%的灵敏度和71.4%的特异性.
结论:
- 珀姆评分是一个可行的工具,用于查机械通风患者的ICUAW.
- 佩尔梅分数截止值≤9可以帮助早期的功能风险分层.
- 在解释Perme评分时,临床背景是必不可少的,因为其特异性和负预测价值的限制.
