在重症监护室进行压力损伤监测:开发,验证和临床应用自然语言处理算法

科学领域:

• 医疗信息学 医疗信息学
• 关键护理医学 关键护理医学
• 临床监督 临床监督

背景情况:

• 压力损伤 (PIs) 是重症监护室 (ICU) 常见的医院获得并发症.
• 现有的PI监测系统存在局限性,特别是数据质量差.
• 以前对重症患者的PI的研究通常涉及小样本大小,并且没有精确确定ICU住院期间获得时间.

研究的目的:

• 开发和验证自然语言处理 (NLP) 算法,用于成人ICU中压力损伤监测.
• 量化研究队列中的PI发病率.
• 确定与ICU环境中PI发展相关的临床特征.

主要方法:

• 一个回顾性,多中心队列研究,涉及五个澳大利亚ICU (2017年6月-2023年6月).
• 开发一种NLP算法来检测临床进展说明中记录的PI.
• 使用临床代码和手动图表审查对算法的外部验证,然后与ANZICS成人患者数据库进行链接以检索临床特征.

主要成果:

• 该研究分析了来自40 033名患者的数据,包括超过1200万个自由文本字段.
• 在外部验证中,NLP监控算法取得了令人满意的性能 (F1得分:0.743-0.749).
• 在8.35%的患者中发现了PI,其中63.19%是在ICU入院期间获得的,主要是在前5天内 (70.3%). 患有PI的患者表现出更高的疾病严重程度和侵袭性通风率的增加.

结论:

• 自然语言处理是有效监测ICU中压力损伤的可行工具,支持观察性研究.
• 在ICU获得的PI的早期发生凸显了将这一发现纳入质量改进计划的必要性,以减少发生率.