压力损伤风险评估工具和机器学习模型在术后手术ICU患者的比较评估
Touran Bahrami Babaheidari1, Mansooreh Tajvidi2, Mahmood Bakhtiyari1,3
1Department of Community Medicine, School of Medicine, Alborz University of Medical Sciences, Karaj, Iran.
Nursing in critical care
|January 13, 2026
概括
修改后的布拉登尺度准确地预测了手术重症监护室 (ICU) 患者的压力损伤. 机器学习模型在这种既有风险评估工具上提供了最小的改进.
科学领域:
- 关键护理医学 关键护理医学
- 患者安全 患者安全
- 预测分析是一种预测分析.
背景情况:
- 压力损伤是重症手术患者的重要并发症.
- 重症监护室 (ICU) 的患者特别容易受到伤害,尤其是在进行重大手术后.
研究的目的:
- 评估常见压力损伤风险评估工具的预测准确度.
- 将这些工具与手术ICU患者的机器学习模型进行比较.
主要方法:
- 在第三级医疗手术医院进行前性队列研究.
- 评估布雷登,修改布雷登,沃特洛和库宾-杰克逊等级.
- 探索机器学习模型以提高预测.
主要成果:
- 修改后的布拉登尺度显示出最高的预测准确度 (AUC:0.90).
- 关键预测因素包括先前的压力损伤,低血红蛋白和糖尿病.
- 机器学习模型提供了边际精度改进.
结论:
- 修改后的布雷登尺度是预测手术ICU压力损伤的最可靠工具.
- 机器学习和其他预测因素提供了有限的附加效益.
- 未来的研究应该探索更广泛的临床预防措施.
