طراحی وب سایت حرفه ای

مدل پیش بینی‌‌ می‌کند که آیا ER بیماران مبتلا به سپسیس، نیاز به تغییر در درمان دارند.

محققان MIT و بیمارستان عمومی ماساچوست (MGH) یک مدل پیش بینی کرده‌اند که‌‌ می‌تواند پزشکان را در تصمیم گیری در مورد انتخاب داروهای بالقوه نجات دهنده برای بیماران مبتلا به سپسیس در اتاق اورژانس راهنمایی کند.

Sepsis یکی از شایع ترین علل بستری است و یکی از شایع ترین علل مرگ در بخش مراقبت های ویژه. اما اکثریت قریب به اتفاق از این بیماران در ابتدا از طریق ER‌‌ می‌آیند. درمان معمولا با آنتی بیوتیک‌ها و مایعات داخل وریدی آغاز‌‌ می‌شود، یک لیتر دو بار در یک زمان. اگر بیماران به خوبی جواب ندهند، ممکن است به شوک سپتیک منتهی شوند، جایی که فشار خونشان خطرناک‌‌ می‌شود و اندام‌ها شکست‌‌ می‌خورند. سپس آن را اغلب به ICU، که در آن پزشکان ممکن است مایعات را کاهش دهد و یا متوقف و شروع به داروهای واپسورور مانند نوراپی نفرین و دوپامین، برای بالا بردن و حفظ فشار خون بیماران.

چیزهایی که همه چیز‌‌ می‌تواند روی حیله و تزویر باشد. مدیریت مایعات بیش از حد طولانی ممکن نیست مفید باشد و حتی‌‌ می‌تواند باعث آسیب اندام شود، بنابراین مداخلات اولیه ممکن است مفید باشد. در واقع، تزریق ویوپرسور اولیه با افزایش مرگ و میر در شوک سپتیک مرتبط است. از سوی دیگر، اداره وازوپرسورها خیلی زودهنگام یا زمانی که مورد نیاز نیست، عواقب منفی سلامتی منفی خود را دارد، مانند آریتمی قلبی و آسیب سلولی. اما هیچ زمانی مشخص نیست که این انتقال چیست؟

محققان MIT و MGH در یک مقاله که در هفته جاری در نشست سالانه انجمن متخصصین اطلاعات پزشکی آمریکا ارائه شده است، مدل هایی را ارائه‌‌ می‌دهند که از اطلاعات بهداشتی در مورد بیماران مبتلا به سپسیس اورژانسی یاد‌‌ می‌شود و پیش بینی‌‌ می‌کند که آیا طی چند ساعت آینده،. برای مطالعه، محققان اولین مجموعه داده های خود را برای بیماران مبتلا به سپسیس سپری کردند. در آزمایش، مدل‌‌ می‌تواند نیاز به یک واسپرسور بیش از 80 درصد زمان را پیش بینی کند.

محققان‌‌ می‌گویند پیش بینی های اولیه‌‌ می‌تواند در میان موارد دیگر مانع تراپی ICU غیر ضروری برای بیمارانی که نیازی به وازوپرسور ندارند یا شروع به آماده سازی اولیه برای ICU برای یک بیمار انجام دهد.

اولا، نویسنده Varesh Prasad، دانشجوی دکترا در برنامه هاروارد-MIT در علوم و فنون بهداشت و درمان، مهم است که توانایی تفکیکپذیری خوب بین افرادی که نیاز به وازوپرسور دارند و در [ER]. ما‌‌ می‌توانیم در عرض چند ساعت پیش بینی کنیم که بیمار نیاز به واسپرسور دارد. اگر در آن زمان بیماران سه لیتر مایع IV دریافت کنند، ممکن است بیش از حد باشد. اگر قبلا‌‌ می‌دانستیم که این لیتر‌ها به هر حال کمک‌‌ می‌کردند،‌‌ می‌توانستند قبل از آن از ویروس‌ها استفاده کنند.

در یک محیط بالینی، این مدل‌‌ می‌تواند در یک مانیتور بالکن اجرا شود، برای مثال، بیمارانی را دنبال‌‌ می‌کند و هشدارها را برای پزشکان در اغلب بیماران ER در مورد زمان شروع واوپرسورها و کاهش مایعات.‌‌ می‌نویسد: توماس هلت، همکارانش، این مدل یک سیستم مراقبتی یا نظارت است که در پس زمینه کار‌‌ می‌کند. م. استادیار توسعه حرفه‌ای Keck در موسسه مهندسی پزشکی و علوم پزشکی MIT. موارد متعددی از سپسیس وجود دارد که [پزشکان] به روشنی درک‌‌ می‌کنند و یا نیازی به حمایت از آنها ندارند. بیماران ممکن است در ارائه اولیه بیمار باشند که پزشکان دقیقا دقیقا‌‌ می‌دانند چه باید بکنند. اما همچنین یک منطقه خاکستری نیز وجود دارد، جایی که این نوع ابزار بسیار مهم است.

همکاران در این مقاله جیمز سی هستند. لینچ، دانشجوی کارشناسی ارشد MIT؛. گیلهمینگ، ساروپ نپال، مایکل ر. فیلین و اندرو تی. Reisner، همه MGH. Heldt همچنین استادیار مهندسی برق و زیست پزشکی در MIT گروه مهندسی برق و علوم کامپیوتر و یک محقق اصلی در آزمایشگاه الکترونیک تحقیق.

مدل های دیگر برای پیش بینی اینکه بیماران در معرض خطر سپسیس، و یا زمانی که برای تزریق وازوپرسور، در ICU ساخته شده است ساخته شده است. هولت‌‌ می‌گوید: این اولین مدل آموزش کار در ER است. [ICU] مرحله بعد برای اکثر بیماران مبتلا به سپسیس است. هولت‌‌ می‌گوید ER اولین نقطه تماس با بیمار است، که در آن شما‌‌ می‌توانید تصمیمات مهمی بگیرید که‌‌ می‌تواند نتیجه را تغییر دهد.

چالش اصلی فقدان پایگاه داده ER بود. محققان طی چندین سال با پزشکان MGH مشغول جمع آوری مدارک پزشکی از تقریبا 186،000 بیمار که از سال 2014 تا 2016 در بیمارستان اورژانس MGH درمان شدند. بعضی از بیماران در مجموعه داده ها، واوپرسورها را در 48 ساعت اول بازدید از بیمارستان خود دریافت کرده بودند، در حالی که دیگران نداشتند. دو محقق به صورت دستی تمام سوابق بیماران را با شوک احتقانی سپتیک بررسی کردند که شامل زمان دقیق تجویز وازپرسور و سایر حاشیه نویسی ها. (متوسط ​​زمان ارائه علائم سپسیس به شروع وازوپرسور حدود شش ساعت بود. ).

پرونده‌ها به طور تصادفی تقسیم شدند، 70 درصد برای آموزش مدل و 30 درصد برای آزمایش آن استفاده شده است. در آموزش، مدل تا 28 مورد از 58 ویژگی ممکن را از بیماران مورد نیاز یا بدون نیاز به وازوپرسورها استخراج کرد. ویژگی‌ها شامل فشار خون، زمان سپری شده از ورود اولیه ER، حجم کل سیال تجویز شده، میزان تنفس، وضعیت ذهنی، اشباع اکسیژن و تغییرات در میزان سکته قلبی، میزان خون قلب در هر ضربه.

در تست، مدل بسیاری از یا همه این ویژگی‌ها را در یک بیمار جدید در فواصل زمانی مشخص تجزیه و تحلیل‌‌ می‌کند و الگوهای مبتنی بر بیمار را نشان‌‌ می‌دهد که در نهایت نیاز به واسپرسور را دارد یا نه. بر اساس این اطلاعات، در هر فاصله، پیش بینی‌‌ می‌شود که آیا بیمار نیاز به یک واسپرسور دارد یا خیر. در پیشبینی اینکه آیا دو یا چند ساعت بعد از واسپرسور نیاز به واسپرسور داشتید، این مدل 80 تا 90 درصد زمان درست بود، که‌‌ می‌تواند به طور متوسط ​​نیم لیتر یا بیشتر از مایعات تجویز شده را از بین ببرد.

این مدل اساسا مجموعه‌ای از نشانه های حیاتی فعلی و کمی از آنچه که مسیر به نظر‌‌ می‌رسد را‌‌ می‌گیرد و تعیین‌‌ می‌کند که این مشاهدات فعلی نشان‌‌ می‌دهد که این بیمار ممکن است نیاز به واسپرسور داشته باشد یا این مجموعه متغیرها نشان‌‌ می‌دهد که این بیمار به آنها نیاز ندارد.

در ادامه، محققان با هدف گسترش کار برای تولید ابزارهای بیشتر که پیش بینی‌‌ می‌کنند، در زمان واقعی، اگر بیماران ER ممکن است در ابتدا در معرض خطر سپسیس یا شوک سپتیک باشند. ایده این است که همه این ابزارها را به یک خط لوله متصل کنند که از زمان اولین بار به ER کمک‌‌ می‌کند تا مراقبت از آنها را انجام دهد، پراساد‌‌ می‌گوید.

ایده این است که برای کمک به پزشکان در بخش های اورژانس در بیمارستان های مهم مانند MGH، که در حدود 110،000 بیمار سالانه مشاهده‌‌ می‌شود، بیشترین میزان در معرض خطر را برای سپسیس. هولت‌‌ می‌گوید مشکل با سپسیس، ارائه بیمار است که اغلب، جدی بودن روند بیماری را دربرمی گیرد. اگر کسی با ضعف وارد‌‌ می‌شود و به خوبی احساس‌‌ نمی‌کند، کمی مایع ممکن است اغلب این فریب را انجام دهد. اما، در بعضی موارد، آنها دارای سپسیس هستند و‌‌ می‌توانند خیلی سریع ببخشند. ما‌‌ می‌خواهیم بتوانیم بگوئیم که بیماران بهتر شده‌اند و اگر درمان نشوند، در مسیر بحرانی قرار دارند.

بخشی از این کار توسط یک دانشکده علوم دفاعی و مهندسی ملی، مشارکت استراتژیک MIT-MGH و بنیاد مدیریت ریسک CRICO و شرکت نیکون کوهن.

لطفاً در مورد مطلب فوق ستاره بدهید :