CN116168840A - 一种预测术后谵妄发生风险的方法、设备及系统 - Google Patents
一种预测术后谵妄发生风险的方法、设备及系统 Download PDFInfo
- Publication number
- CN116168840A CN116168840A CN202310437530.1A CN202310437530A CN116168840A CN 116168840 A CN116168840 A CN 116168840A CN 202310437530 A CN202310437530 A CN 202310437530A CN 116168840 A CN116168840 A CN 116168840A
- Authority
- CN
- China
- Prior art keywords
- occurrence
- delirium
- risk
- postoperative delirium
- predicting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 206010012218 Delirium Diseases 0.000 title claims abstract description 94
- 230000002980 postoperative effect Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000011282 treatment Methods 0.000 claims abstract description 40
- 241001112258 Moca Species 0.000 claims abstract description 24
- 238000001356 surgical procedure Methods 0.000 claims description 34
- 208000036119 Frailty Diseases 0.000 claims description 27
- 206010003549 asthenia Diseases 0.000 claims description 27
- 230000000202 analgesic effect Effects 0.000 claims description 16
- 206010002091 Anaesthesia Diseases 0.000 claims description 14
- 230000037005 anaesthesia Effects 0.000 claims description 14
- 229940124158 Protease/peptidase inhibitor Drugs 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 11
- 239000000137 peptide hydrolase inhibitor Substances 0.000 claims description 11
- 239000003862 glucocorticoid Substances 0.000 claims description 10
- 238000013058 risk prediction model Methods 0.000 claims description 10
- 239000000932 sedative agent Substances 0.000 claims description 9
- HRLIOXLXPOHXTA-NSHDSACASA-N dexmedetomidine Chemical compound C1([C@@H](C)C=2C(=C(C)C=CC=2)C)=CN=C[N]1 HRLIOXLXPOHXTA-NSHDSACASA-N 0.000 claims description 8
- 229960004253 dexmedetomidine Drugs 0.000 claims description 8
- 230000001624 sedative effect Effects 0.000 claims description 8
- 238000002560 therapeutic procedure Methods 0.000 claims description 8
- 239000003814 drug Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- VHRSUDSXCMQTMA-PJHHCJLFSA-N 6alpha-methylprednisolone Chemical compound C([C@@]12C)=CC(=O)C=C1[C@@H](C)C[C@@H]1[C@@H]2[C@@H](O)C[C@]2(C)[C@@](O)(C(=O)CO)CC[C@H]21 VHRSUDSXCMQTMA-PJHHCJLFSA-N 0.000 claims description 6
- ALIVXCSEERJYHU-UHFFFAOYSA-N Flurbiprofen axetil Chemical compound FC1=CC(C(C)C(=O)OC(OC(C)=O)C)=CC=C1C1=CC=CC=C1 ALIVXCSEERJYHU-UHFFFAOYSA-N 0.000 claims description 6
- 229960003957 dexamethasone Drugs 0.000 claims description 6
- UREBDLICKHMUKA-CXSFZGCWSA-N dexamethasone Chemical compound C1CC2=CC(=O)C=C[C@]2(C)[C@]2(F)[C@@H]1[C@@H]1C[C@@H](C)[C@@](C(=O)CO)(O)[C@@]1(C)C[C@@H]2O UREBDLICKHMUKA-CXSFZGCWSA-N 0.000 claims description 6
- 229950005941 flurbiprofen axetil Drugs 0.000 claims description 6
- 229960004584 methylprednisolone Drugs 0.000 claims description 6
- TZRHLKRLEZJVIJ-UHFFFAOYSA-N parecoxib Chemical compound C1=CC(S(=O)(=O)NC(=O)CC)=CC=C1C1=C(C)ON=C1C1=CC=CC=C1 TZRHLKRLEZJVIJ-UHFFFAOYSA-N 0.000 claims description 6
- 229960004662 parecoxib Drugs 0.000 claims description 6
- 229950008558 ulinastatin Drugs 0.000 claims description 6
- ODVKSTFPQDVPJZ-UHFFFAOYSA-N urinastatin Chemical compound C1C=CCCC11COC(C=2OC=CC=2)OC1 ODVKSTFPQDVPJZ-UHFFFAOYSA-N 0.000 claims description 6
- 108010088854 urinastatin Proteins 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 229940079593 drug Drugs 0.000 claims description 4
- QAGYKUNXZHXKMR-UHFFFAOYSA-N CPD000469186 Natural products CC1=C(O)C=CC=C1C(=O)NC(C(O)CN1C(CC2CCCCC2C1)C(=O)NC(C)(C)C)CSC1=CC=CC=C1 QAGYKUNXZHXKMR-UHFFFAOYSA-N 0.000 claims description 3
- 206010039897 Sedation Diseases 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 229960000884 nelfinavir Drugs 0.000 claims description 3
- QAGYKUNXZHXKMR-HKWSIXNMSA-N nelfinavir Chemical compound CC1=C(O)C=CC=C1C(=O)N[C@H]([C@H](O)CN1[C@@H](C[C@@H]2CCCC[C@@H]2C1)C(=O)NC(C)(C)C)CSC1=CC=CC=C1 QAGYKUNXZHXKMR-HKWSIXNMSA-N 0.000 claims description 3
- 229960004618 prednisone Drugs 0.000 claims description 3
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 3
- 230000036280 sedation Effects 0.000 claims description 3
- 238000002651 drug therapy Methods 0.000 claims description 2
- 230000001149 cognitive effect Effects 0.000 description 12
- 230000000474 nursing effect Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 208000001164 Osteoporotic Fractures Diseases 0.000 description 7
- 239000002131 composite material Substances 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 210000004556 brain Anatomy 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000002354 daily effect Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 6
- WCUXLLCKKVVCTQ-UHFFFAOYSA-M Potassium chloride Chemical compound [Cl-].[K+] WCUXLLCKKVVCTQ-UHFFFAOYSA-M 0.000 description 5
- 208000010877 cognitive disease Diseases 0.000 description 5
- 206010021143 Hypoxia Diseases 0.000 description 4
- 230000003925 brain function Effects 0.000 description 4
- 230000003920 cognitive function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000007954 hypoxia Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 208000015181 infectious disease Diseases 0.000 description 3
- 238000001802 infusion Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 235000012054 meals Nutrition 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 230000036407 pain Effects 0.000 description 3
- OLBCVFGFOZPWHH-UHFFFAOYSA-N propofol Chemical compound CC(C)C1=CC=CC(C(C)C)=C1O OLBCVFGFOZPWHH-UHFFFAOYSA-N 0.000 description 3
- 229960004134 propofol Drugs 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 208000019116 sleep disease Diseases 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- TVYLLZQTGLZFBW-ZBFHGGJFSA-N (R,R)-tramadol Chemical compound COC1=CC=CC([C@]2(O)[C@H](CCCC2)CN(C)C)=C1 TVYLLZQTGLZFBW-ZBFHGGJFSA-N 0.000 description 2
- 208000028698 Cognitive impairment Diseases 0.000 description 2
- 208000002720 Malnutrition Diseases 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000036592 analgesia Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 208000004209 confusion Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000001990 intravenous administration Methods 0.000 description 2
- 238000010253 intravenous injection Methods 0.000 description 2
- 230000008449 language Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 235000000824 malnutrition Nutrition 0.000 description 2
- 230000001071 malnutrition Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 208000027061 mild cognitive impairment Diseases 0.000 description 2
- 208000030212 nutrition disease Diseases 0.000 description 2
- 208000015380 nutritional deficiency disease Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 229960002078 sevoflurane Drugs 0.000 description 2
- DFEYYRMXOJXZRJ-UHFFFAOYSA-N sevoflurane Chemical compound FCOC(C(F)(F)F)C(F)(F)F DFEYYRMXOJXZRJ-UHFFFAOYSA-N 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 208000020685 sleep-wake disease Diseases 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- GGCSSNBKKAUURC-UHFFFAOYSA-N sufentanil Chemical compound C1CN(CCC=2SC=CC=2)CCC1(COC)N(C(=O)CC)C1=CC=CC=C1 GGCSSNBKKAUURC-UHFFFAOYSA-N 0.000 description 2
- 229960004739 sufentanil Drugs 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229960004380 tramadol Drugs 0.000 description 2
- TVYLLZQTGLZFBW-GOEBONIOSA-N tramadol Natural products COC1=CC=CC([C@@]2(O)[C@@H](CCCC2)CN(C)C)=C1 TVYLLZQTGLZFBW-GOEBONIOSA-N 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010011953 Decreased activity Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 206010062717 Increased upper airway secretion Diseases 0.000 description 1
- 241000144958 Piaractus mesopotamicus Species 0.000 description 1
- 206010071229 Procedural haemorrhage Diseases 0.000 description 1
- 206010040026 Sensory disturbance Diseases 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 230000008484 agonism Effects 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229940035676 analgesics Drugs 0.000 description 1
- 239000000730 antalgic agent Substances 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 230000002924 anti-infective effect Effects 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004958 brain cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 206010013395 disorientation Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000008717 functional decline Effects 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 238000002695 general anesthesia Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000001595 mastoid Anatomy 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 229960003793 midazolam Drugs 0.000 description 1
- DDLIGBOFAVUZHB-UHFFFAOYSA-N midazolam Chemical compound C12=CC(Cl)=CC=C2N2C(C)=NC=C2CN=C1C1=CC=CC=C1F DDLIGBOFAVUZHB-UHFFFAOYSA-N 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000037023 motor activity Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 239000004081 narcotic agent Substances 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000003715 nutritional status Nutrition 0.000 description 1
- 208000026435 phlegm Diseases 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- NTHPAPBPFQJABD-LLVKDONJSA-N ramosetron Chemical compound C12=CC=CC=C2N(C)C=C1C(=O)[C@H]1CC(NC=N2)=C2CC1 NTHPAPBPFQJABD-LLVKDONJSA-N 0.000 description 1
- 229950001588 ramosetron Drugs 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004202 respiratory function Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 229960003682 rocuronium bromide Drugs 0.000 description 1
- OYTJKRAYGYRUJK-FMCCZJBLSA-M rocuronium bromide Chemical compound [Br-].N1([C@@H]2[C@@H](O)C[C@@H]3CC[C@H]4[C@@H]5C[C@@H]([C@@H]([C@]5(CC[C@@H]4[C@@]3(C)C2)C)OC(=O)C)[N+]2(CC=C)CCCC2)CCOCC1 OYTJKRAYGYRUJK-FMCCZJBLSA-M 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 229940125723 sedative agent Drugs 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 230000000392 somatic effect Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 229960004298 vecuronium bromide Drugs 0.000 description 1
- VEPSYABRBFXYIB-PWXDFCLTSA-M vecuronium bromide Chemical compound [Br-].N1([C@@H]2[C@@H](OC(C)=O)C[C@@H]3CC[C@H]4[C@@H]5C[C@@H]([C@@H]([C@]5(CC[C@@H]4[C@@]3(C)C2)C)OC(=O)C)[N+]2(C)CCCCC2)CCCCC1 VEPSYABRBFXYIB-PWXDFCLTSA-M 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及预测术后谵妄发生风险的方法、设备、系统及计算机可读存储介质。预测风险发生的步骤包括:获取待手术患者临床数据;提取所述临床数据得到术后谵妄数据特征,所述术后谵妄数据特征包括DELi、MoCA、虚弱指数中的任意一种或几种;基于所述数据特征得到待手术患者术后谵妄发生概率。本发明从临床问题出发,提供一种预测术后谵妄发生风险的方法和有效的干预治疗措施,具有重要的临床应用价值。
Description
技术领域
本发明涉及智能医疗技术领域,更具体地,涉及一种预测术后谵妄发生风险的方法、设备、系统、计算机可读存储介质及其应用。
背景技术
随着人口老龄化日益严峻,老年人的外科手术成为人们高度关注的公共卫生话题,老年人术后谵妄(POD)的发生率高达20-45%,POD的发生对治疗和康复构成了重大威胁。POD的特征是记忆力受损、注意力改变、定向障碍或知觉障碍,它的发生与年龄、基础病、认知障碍、麻醉药物、术中大出血、疼痛刺激等因素相关。临床上,表现为过度活跃(激动和/或好斗)、亚综合征、活动减退(警觉性降低以及缺乏运动活动和愉悦感)或由于精神运动行为的改变而出现的混合症状。
既往研究通过构建临床预测模型进行POD风险预测,临床预测模型是指结合多种临床预测指标,通过建立数学模型(常见Logistic模型和Cox模型)估计POD风险。Bilotta等对Medline和Embase两个数据库的文献进行检索分析后,将POD预测指标分为4大类:人口学资料、术前合并症、手术相关因素以及麻醉相关因素。
发明内容
本发明方法基于患者术前的临床信息,探索病人临床信息与发生术后谵妄之间的联系,解决谵妄风险预测的问题,指导医疗决策。
本发明公开一种预测术后谵妄发生风险的方法,包括:
获取待手术患者临床数据;
提取所述临床数据得到术后谵妄数据特征,所述术后谵妄数据特征包括DELi、MoCA、虚弱指数中的任意一种或几种;
基于所述数据特征得到待手术患者术后谵妄发生概率。
进一步,所述术后谵妄数据特征为DELi、MoCA和虚弱指数,基于所述DELi、MoCA和虚弱指数构建的风险预测模型得到术后谵妄发生概率。
进一步,所述术后谵妄数据特征为DELi、MoCA、虚弱指数和手术类型,基于所述DELi、MoCA、虚弱指数和手术类型构建的风险预测模型得到术后谵妄发生概率。
进一步,所述预测术后谵妄发生风险的方法还包括,根据所述待手术患者术后谵妄发生概率选择是否进行干预治疗,所述干预治疗包括麻醉前,手术全过程,手术后给予药物治疗。
进一步,所述麻醉前给予糖皮质激素用药;所述手术全过程包括:(1)手术开始前,给予蛋白酶抑制剂用药,(2)手术开始时,开始持续给予镇静剂直至手术结束,(3)手术结束时,给予镇痛治疗;所述手术后给予镇痛治疗。
进一步,所述糖皮质激素的药物包括:甲基强的松龙、地塞米松、泼尼松等;所述蛋白酶抑制剂包括:乌司他丁、奈非那韦、沙奎邦韦等;所述镇静剂包括:右美托咪定、氟比洛芬酯、帕瑞昔布等。
进一步,所述给予糖皮质激素用药是通过给予0.05-0.2mg/kg的地塞米松或给予1000mg/d甲基强的松龙,静滴3~5d后停用;所述给予蛋白酶抑制剂用药是通过给予10,000单位/kg的乌司他丁;所述给予镇静剂是通过给予0.2-0.5ug/kg/h的右美托咪定;所述给予镇痛治疗是通过给予氟比洛芬酯0.06mg/kg/h,直至手术结束后2-3天或给予右美托咪定0.03ug/kg/h,直至手术结束后2-3天或给予帕瑞昔布4mg/h-16mg/h。
一种预测术后谵妄发生风险的系统,包括:
获取模块,用于获取待手术患者临床数据;
提取模块,用于提取所述临床数据得到术后谵妄数据特征,所述数据特征包括DELi、MoCA、虚弱指数中的任意一种或几种;
预测模块,用于基于所述数据特征输入训练好的风险预测模型,得到术后谵妄发生概率;
可选的,所述系统还包括治疗决策模块,用于根据术后谵妄发生概率选择是否进行干预治疗;所述干预治疗包括麻醉前给予糖皮质激素用药;手术开始前,给予蛋白酶抑制剂用药;手术开始时,开始持续给予镇静剂直至手术结束;手术结束时,给予镇痛治疗;术后,给予镇痛治疗。
一种预测术后谵妄发生风险的处理设备,包括:存储器和处理器;
所述存储器用于存储程序指令;
所述处理器用于调用程序指令,当程序指令被执行时,实现上述的预测术后谵妄发生风险的方法步骤。
一种预测术后谵妄发生风险的计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现上述的预测术后谵妄发生风险的方法步骤。
本发明的优点:
1、本申请为了克服谵妄发生预测中主观预测的局限性,提出了一个术后谵妄预测模型,该模型基于临床数据,能够避免人为判断的主观性,帮助医生做出客观的临床决策,并决定是否实施谵妄干预治疗措施;
2、本申请获取患者临床数据,提取出反应术后谵妄数据特征的DELi、MoCA和虚弱指数,用上述数据特征预测患者术后谵妄发生概率,基于该客观、定量的预测方法,帮助医生快速做出临床决策,帮助谵妄患者恢复健康;
3、本申请获取患者临床数据,提取出反应术后谵妄数据特征的DELi、MoCA、虚弱指数和手术类型,用上述数据特征预测患者术后谵妄发生概率,基于该客观、定量的预测方法,帮助医生快速做出临床决策,帮助谵妄患者恢复健康;
4、本申请为谵妄发生风险较高的患者提供了一种干预治疗措施,该措施帮助医生、麻醉师和护士对患者进行科学有效的术前术后全过程治疗,该措施提供了多种个性化的药物和/或非药物干预策略,实验证明,采用该干预治疗措施后,术后谵妄发生风险降低为原来的0.4倍。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获取其他的附图。
图1是一种本发明实施例提供的预测术后谵妄发生风险方法的示意流程图;
图2是一种本发明实施例提供的预测术后谵妄发生风险的设备示意图;
图3是一种本发明实施例提供的预测术后谵妄发生风险的系统示意图;
图4是3种术后谵妄风险预测模型的ROC曲线示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获取的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例提供的一种预测术后谵妄发生风险的方法示意流程图,具体地,所述方法包括如下步骤:
101:获取待手术患者临床数据;
在一个实施例中,获取手术患者的临床数据包括入院记录数据、脑电采集数据、认知评估数据和衰弱筛查量表数据;
在一个实施例中,患者的临床数据来自医院临床数据和完全公开的数据集,所述数据集有飞利浦eICU合作研究数据库,第三版重症监护医疗信息数据集(MIMIC-III)和第四版重症监护医疗信息数据集(MIMIC-IV)等。
在一个实施例中,入院记录数据包括患者的年龄,性别,术前病历、病史、合并症等信息;
在一个实施例中,脑电采集数据是在静息状态下,将脑电图(EEG)电机放在每个受试者的前额(3个电机)和双侧乳突(2个参考电极),使用EEG采集监视器收集EEG信号,每2秒更新一次值(采样率:1600Hz),脑电图(electroencephalogram, EEG)是通过精密的电子仪器,从头皮上将脑部的自发性生物电位加以放大记录而获得的图形,是通过电机记录下来的脑细胞群的自发性、节律性电活动。
在一个实施例中,认知评估数据是采用蒙特利尔认知评估量表(MoCA)观察患者是否存在认知功能障碍。轻度认知障碍(mild cognitive impairment, MCI)是介于正常衰老和痴呆之间的一种中间状态,是一种认知障碍症候群。蒙特利尔认知评估量表(MontrealCognitive Assessment, MoCA)是针对MCI进行快速筛查的评估工具,评定的认知领域包括注意力集中、执行功能、记忆、语言、视结构技能、抽象思维和计算等。
在一个实施例中,采用衰弱量表(the FRAIL Scale)、临床衰弱量表(ClinicalFrailty Scale,CFS)、脆弱老人13项调查(Vulnerable Elders Survey-13,VES-13)、衰弱指数清单(Kihon Checklist,KCL)、骨质疏松性骨折(Study of Osteoporotic Fractures,SOF)共计五种衰弱量表来评估老年人的衰弱情况。衰弱量表(FRAIL):由疲劳感(fatigue)、抵抗力(resistance)、步行能力(ambulation)、疾病状况(illness)和体重减轻(lossofweight)五项内容组成;临床衰弱量表(CFS),由9个条目组成,并附有与文字相对应的图示,前3条为非衰弱者评估,第4条为患者脆弱易损伤评估,第5~8条为失能评估,第9条为终末期评估,CFS与衰弱指数相关,并且可有效预测死亡;脆弱老年人13项调查(VES-13),包括年龄、自我健康状况评价、日常生活活动能力和躯体功能评估共13个问题,可在5 min内完成评估,VES-13问卷可有效预测老年人功能下降和死亡风险,可用于初级保健机构进行快速衰弱筛查;衰弱指数清单(KCL),用于识别那些易损伤的,尤其是面临依赖高风险的老年人,KCL包含25项“是”或“否”的问题,对老年人的日常活动能力、营养状况、喂养、社会活动、记忆力、情绪和生活方式方面进行评估;骨质疏松性骨折研究(SOF)指数,包含3个条目:不能从无扶手的椅子上站起5次、疲乏和过去1年体质量下降>5%,每项符合均计1分,不符合计0分。总分≥2分为衰弱,1分为衰弱前期。
102:提取所述临床数据得到术后谵妄数据特征,所述术后谵妄数据特征包括DELi、MoCA、虚弱指数中的任意一种或几种;
在一个实施例中,谵妄指数(DELi,范围从 0-100)是依据早期风险预测指标,通过多功能监测仪(北京易监测科技有限公司,中国北京),按照全频段-脑电小波算法得到的。小波分析理论是最适合分析和计算脑电波的方法,它可以准确地反映大脑更多的信息,也可以建立一个正常模式值来全面、客观、定量地分析脑功能。实时脑电监测和脑功能测量是客观、定量的评价方法,可以克服主观评价方法的局限性。
在一个实施例中,MoCA是指患者完成蒙特利尔认知评估量表得到的评估结果。
在一个实施例中,虚弱指数是指患者完成五种虚弱评估量表,包括衰弱量表(theFRAIL Scale)、临床衰弱量表(Clinical Frailty Scale,CFS)、脆弱老人13项调查(Vulnerable Elders Survey-13,VES-13)、衰弱指数清单(Kihon Checklist,KCL)、骨质疏松性骨折(Study of Osteoporotic Fractures,SOF)而得到的评估结果。
在一个实施例中,基于DELi、MoCA、虚弱指数和手术类型,使用向后逻辑回归算法构建风险预测模型并得到综合评分,这种预测POD的综合评分的AUC为0.944(95% CI:0.907- 0.982)。
在一个实施例中,为了方便临床应用,仅基于DELi、MoCA和虚弱指数来构建修正风险预测模型并得到修正综合评分,见表1。
修正综合评分公式为:
这种预测POD的修正综合评分的AUC为0.922(95% CI: 0.878, 0.965),使用Hosmer和Lemeshow检验的p值为0.683;修正综合评分预测POD敏感性和特异性分别为0.859(95% CI: 0.778-0.94)和0.863(95% CI: 0.784-0.942),其中诊断准确率为0.861(95%CI: 0.805-0.912)。
表1 术后谵妄风险因素的逻辑回归分析
aDeli是指谵妄指数;b POD是指术后谵妄;c MoCA是指蒙特利尔认知评估;d CI是指置信区间;e OR是指优势比。
在一个实施例中,采用意识模糊评估法(CAM)诊断患者的POD,POD的存在是在术后第一天和第二天每天两次(8:00和20:00)来评估的。CAM的阳性诊断标准是:(1)急性发作或波动过程,(2) 注意力不集中,(3) 思维混乱,(4) 意识水平改变。意识模糊评估法(confusion assessment method, CAM)是为非精神科医生开发的临床谵妄评估工具。
在一个实施例中,模型特征是使用机器学习策略来分析的,机器学习算法选自下列中的一种或几种:逻辑回归算法、朴素贝叶斯分类、支持向量机、k近邻、决策树、随机森林、xgboost、感知机算法、GBM、NNET。
在一个实施例中,于144个临床样本得到的ROC曲线分析表明,DELi对于POD的风险预测具有良好的准确性,DELi 预测谵妄发生的最佳临界值为 39.5(其中灵敏度、特异性和约登指数分别为 0.789、0. 795 和 0.584),见图4。在区分 POD 患者和健康人时,计算出39.5 的截止值以预测最佳 Youden 指数下的谵妄。标准 logistic 模型具有良好的判别值 (AUC 0.791) 并且经过良好校准。但考虑到老年患者的临床特点,本着早诊早治的原则,通过回归分析模型得到综合评分和修正评分。当患者的临床特征(手术类型、谵妄指数评分、MoCA 和虚弱评分)被放入模型中时,我们获得了 AUC 值达到 0.944 的综合评分。此外,仅加入 Deli、MoCA 和衰弱评分来制定修正后的综合评分,以提高实用性,见图4。该评分的 AUC 值为 0.922,具有良好的辨别力,灵敏度高于 85%,准确率有所提高,见表1。按照惯例,AUC值> 0.90 代表具有极好的区分度,DELi 诊断准确性也足够强大,可以在临床上使用该临界值。
103:基于所述数据特征得到待手术患者术后谵妄发生概率;
在一个实施例中,将患者的基本信息、脑电采集数据、认知评估数据和衰弱筛查量表数据输入上述模型中,得到待手术患者术后谵妄发生概率,若DELi的值超过临界值39.5,说明患者术后谵妄发生概率较高,需要采取干预治疗措施。
在一个实施例中,采用集束化护理法进行干预治疗,包括麻醉前,手术全过程,手术后给予药物治疗。麻醉前给予糖皮质激素用药,糖皮质激素的药物包括:甲基强的松龙、地塞米松、泼尼松等,具体措施为给予0.05-0.2mg/kg的地塞米松或给予1000mg/d甲基强的松龙,静滴3~5d后停用;手术全过程包括:(1)手术开始前,给予蛋白酶抑制剂用药,蛋白酶抑制剂包括:乌司他丁、奈非那韦、沙奎邦韦等,具体措施为给予10,000单位/kg的乌司他丁;(2)手术开始时,开始持续给予镇静剂直至手术结束,(3)手术结束时,给予镇痛治疗;所述手术后给予镇痛治疗,镇静剂包括:右美托咪定、氟比洛芬酯、帕瑞昔布等,具体措施为给予氟比洛芬酯0.06mg/kg/h,直至手术结束后2-3天或给予右美托咪定0.03ug/kg/h,直至手术结束后2-3天或给予帕瑞昔布4mg/h-16mg/h。实验证明,采用该干预治疗措施后,术后谵妄发生风险降低为原来的0.4倍。
在一个实施例中,采用集束化护理法进行干预治疗,包括麻醉,术后镇痛和护理干预。麻醉和术后镇痛是指在全麻诱导中采用咪达唑仑、舒芬太尼、丙泊酚和罗库溴铵静脉注射,麻醉维持采用七氟醚吸入、丙泊酚静脉持续输注,间断静注舒芬太尼及维库溴铵,维持镇痛和肌松效果。术中调整麻醉机呼吸参数,维持ETCO2在30~40mmHg之间;调整七氟醚吸入浓度和丙泊酚输注速度,维持BIS值在40~60。术中维持BP在基础值的±30%范围内波动,心率50~100次/min。术毕保留人工气道,转入PACU苏醒2h,符合Steward苏醒评分4分以上者转入SICU。所有患者手术结束后均先给予0.5mg/kg曲马多,然后接持续型镇痛泵。镇痛药物为曲马多8mg/kg加雷莫司琼5mg,加生理盐水稀释至100mL,速度2mL/h,持续48h。术后于SICU常规监测出入量进行补液,同时给予相同的抗感染、化痰、消肿等治疗。护理干预包括:①开展心理学课程培训班,对科室全体人员进行系统化心理学课程培训和指导。②加强术前宣教,术前随访时除做好心理辅导外,还邀请患者到SICU参观,了解病房环境及设施,预先告知术后监护和护理措施,讲解人工气道等各种留置导管的式样和用途,消除陌生感与恐惧感。③当班SICU床位护士每天2次对所管理的患者进行MoCA和虚弱指数评分。当出现异常的深度镇静、攻击性躁动、谵妄发作或不能容忍的疼痛等情况时,通知医师及时处理。④利用日历、时钟、手机、收音机、眼镜、助听器等工具,反复给患者进行时间、地点和人物定向,促使患者对周围环境的真实感知;每天给予患者3次刺激认知功能的活动,在患者触目可及的位置放置挂钟,强化时间观念。⑤制作宣传册、沟通小卡片、写字板等,对留置气管插管或气管切开不能言语表达的患者,进行有效的非语言性沟通,及时了解他们的需要,解决实际问题,缓解患者忧郁、紧张情绪,增加舒适度。⑥尽量减少噪音,护理人员说话轻声,动作轻柔,将各种监护设备的提示声、报警声设为较柔和的提示方式,并预记录各种泵报警时间,尽量在其报警前更换药液,避免刺耳的声音干扰患者。⑦每张床之间用床帘隔开,在抢救或平时换药等操作时减少视觉上的影响,避免相互间增加心理压力。⑧白天尽量使房间透入自然光线,夜间改用柔和灯光,将监护仪上的显示变为夜间模式,23:00-5:00之间尽量减少各种护理操作,每日晨7:00予以唤醒,维持良好的睡眠觉醒周期。⑨治疗过程中采用暗示方式进行心理疏导,采用积极鼓励的语言强化患者的治疗依从性、治疗信心,减轻疼痛。⑩如病情允许,尽最大可能不使用约束带。
在一个实施例中,采用HELP护理法进行干预治疗,包括针对认知功能和定向障碍进行护理干预,纠正低氧血症,避免活动受限,预防和治疗感染,针对营养障碍的综合干预和改善睡眠障碍的护理干预。针对认知功能和定向障碍进行护理干预是指①为病人提供大号数字的时钟和挂历;②反复介绍环境和人员,例如这里是哪里,你是谁,主管医护人员是谁;③鼓励病人进行益智活动,例如打麻将、下棋、拼图等;④床旁桌上摆放和亲属的合影,鼓励病人亲属和朋友探访,和病人一同回忆、讲述往事;⑤保持病房明亮、通风良好,温度和湿度适宜。纠正低氧血症是安置床旁心电监护仪,监测血氧饱和度,及时发现、评估低氧血症;持续鼻导管吸氧(2L/min~3L/min),保持氧饱和度>90%。避免活动受限是指病人卧床期间,康复师指导其活动四肢,进行呼吸功能锻炼;血气分析结果正常后停心电监护,避免导线约束病人,减少卧床时间,尽早下床活动;鼓励家属和陪护每天陪同病人散步。预防和治疗感染是指遵医嘱按时使用抗生素;医护人员严格执行手卫生等预防医院感染措施和无菌技术。针对营养障碍的综合干预是指营养师综合评价病人的营养状况,若存在营养不良,为病人配置匀浆膳,3餐之间和睡前各进餐1次;护士营造清洁、舒适的进餐环境,鼓励家属制作病人喜欢的食物并和病人一同进餐。改善睡眠障碍的护理干预是指医生、护士、康复师共同协商,为病人制定每日活动计划,增加病人白天下床活动时间,减少白天睡眠时间;医护人员夜间工作时做到四轻:操作轻、走路轻、说话轻、开关门轻;加强陪护和探视人员管理,保持病房安静,夜间关大灯开地灯,保持光线暗淡;调整夜间给药时间,班班交接,避免病人睡眠时进行医护活动。
图2是本发明实施例提供的一种预测术后谵妄发生风险的设备,所述设备包括:存储器和处理器;
所述存储器用于存储程序指令;
所述处理器用于调用程序指令,当程序指令被执行时,用于执行上述的预测术后谵妄发生的方法。
图3是本发明实施例提供的一种预测术后谵妄发生风险的系统,包括:
301:获取模块,用于获取待手术患者临床数据;
在一个实施例中,获取手术患者的临床数据包括入院记录数据、脑电采集数据、认知评估数据和衰弱筛查量表数据;
302:提取模块,用于所述临床数据得到术后谵妄数据特征,所述术后谵妄数据特征包括DELi、MoCA、虚弱指数中的任意一种或几种;
在一个实施例中,谵妄指数(DELi,范围从 0-100)是依据早期风险预测指标,通过多功能监测仪(北京易监测科技有限公司,中国北京),按照全频段-脑电小波算法得到的。小波分析理论是最适合分析和计算脑电波的方法,它可以准确地反映大脑更多的信息,也可以建立一个正常模式值来全面、客观、定量地分析脑功能。实时脑电监测和脑功能测量是客观、定量的评价方法,可以克服主观评价方法的局限性。
在一个实施例中,MoCA是指患者完成蒙特利尔认知评估量表得到的评估结果。
在一个实施例中,虚弱指数是指患者完成五种虚弱评估量表,包括衰弱量表(theFRAIL Scale)、临床衰弱量表(Clinical Frailty Scale,CFS)、脆弱老人13项调查(Vulnerable Elders Survey-13,VES-13)、衰弱指数清单(Kihon Checklist,KCL)、骨质疏松性骨折(Study of Osteoporotic Fractures,SOF)而得到的评估结果。
303:预测模块,用于基于所述数据特征输入训练好的风险预测模型,得到术后谵妄发生概率;
在一个实施例中,将患者的基本信息、脑电采集数据、认知评估数据和衰弱筛查量表数据输入上述模型中,得到待手术患者术后谵妄发生概率。
304:决策模块,用于根据术后谵妄发生概率选择是否进行干预治疗;
在一个实施例中,若DELi的值超过临界值39.5,说明患者术后谵妄发生概率较高,需要采取干预治疗措施。
305:干预治疗,采用集束化护理法和HELP护理法进行干预治疗;
集束化护理法包括麻醉前给予糖皮质激素用药;手术开始前,给予蛋白酶抑制剂用药;手术开始时,开始持续给予镇静剂直至手术结束;手术结束时,给予镇痛治疗;术后,给予镇痛治疗;HELP护理法包括针对认知功能和定向障碍进行护理干预,纠正低氧血症,避免活动受限,预防和治疗感染,针对营养障碍的综合干预和改善睡眠障碍的护理干预。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的预测术后谵妄发生风险的方法。
本验证实施例的验证结果表明,为适应症分配固有权重相对于默认设置来说可以适度改善本方法的性能。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上对本发明所提供的一种计算机设备进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种预测术后谵妄发生风险的方法,包括:
获取待手术患者临床数据;
提取所述临床数据得到术后谵妄数据特征,所述术后谵妄数据特征包括DELi、MoCA、虚弱指数中的任意一种或几种;
基于所述数据特征得到待手术患者术后谵妄发生概率。
2.根据权利要求1所述的预测术后谵妄发生风险的方法,其特征在于,所述术后谵妄数据特征为DELi、MoCA和虚弱指数,基于所述DELi、MoCA和虚弱指数构建的风险预测模型得到术后谵妄发生概率。
3.根据权利要求1所述的预测术后谵妄发生风险的方法,其特征在于,所述术后谵妄数据特征为DELi、MoCA、虚弱指数和手术类型,基于所述DELi、MoCA、虚弱指数和手术类型构建的风险预测模型得到术后谵妄发生概率。
4.根据权利要求1所述的预测术后谵妄发生风险的方法,其特征在于,所述预测术后谵妄发生风险的方法还包括,根据所述待手术患者术后谵妄发生概率选择是否进行干预治疗,所述干预治疗包括麻醉前,手术全过程,手术后给予药物治疗。
5.根据权利要求4所述的预测术后谵妄发生风险的方法,其特征在于,所述麻醉前给予糖皮质激素用药;所述手术全过程包括:(1)手术开始前,给予蛋白酶抑制剂用药,(2)手术开始时,开始持续给予镇静剂直至手术结束,(3)手术结束时,给予镇痛治疗;所述手术后给予镇痛治疗。
6.根据权利要求5所述的预测术后谵妄发生风险的方法,其特征在于,所述糖皮质激素的药物包括:甲基强的松龙、地塞米松、泼尼松等;所述蛋白酶抑制剂包括:乌司他丁、奈非那韦、沙奎邦韦等;所述镇静剂包括:右美托咪定、氟比洛芬酯、帕瑞昔布等。
7.根据权利要求5所述的预测术后谵妄发生风险的方法,其特征在于,所述给予糖皮质激素用药是通过给予0.05-0.2mg/kg的地塞米松或给予1000mg/d甲基强的松龙,静滴3~5d后停用;所述给予蛋白酶抑制剂用药是通过给予10,000单位/kg的乌司他丁;所述给予镇静剂是通过给予0.2-0.5ug/kg/h的右美托咪定;所述给予镇痛治疗是通过给予氟比洛芬酯0.06mg/kg/h,直至手术结束后2-3天或给予右美托咪定 0.03ug/kg/h,直至手术结束后2-3天或给予帕瑞昔布4mg/h-16mg/h。
8.一种预测术后谵妄发生风险的系统,其特征在于,所述系统包括:
获取模块,用于获取待手术患者临床数据;
提取模块,用于提取所述临床数据得到术后谵妄数据特征,所述数据特征包括DELi、MoCA、虚弱指数中的任意一种或几种;
预测模块,用于基于所述数据特征输入训练好的风险预测模型,得到术后谵妄发生概率;
可选的,所述系统还包括治疗决策模块,用于根据术后谵妄发生概率选择是否进行干预治疗;所述干预治疗包括麻醉前给予糖皮质激素用药;手术开始前,给予蛋白酶抑制剂用药;手术开始时,开始持续给予镇静剂直至手术结束;手术结束时,给予镇痛治疗;术后,给予镇痛治疗。
9.一种预测术后谵妄发生风险的处理设备,包括:存储器和处理器;
所述存储器用于存储程序指令;所述处理器用于调用程序指令,当程序指令被执行时,实现权利要求1-7任意一项所述的预测术后谵妄发生风险的方法步骤。
10.一种预测术后谵妄发生风险的计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现权利要求1-7任意一项所述的预测术后谵妄发生风险的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310437530.1A CN116168840B (zh) | 2023-04-23 | 2023-04-23 | 一种预测术后谵妄发生风险的方法、设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310437530.1A CN116168840B (zh) | 2023-04-23 | 2023-04-23 | 一种预测术后谵妄发生风险的方法、设备及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116168840A true CN116168840A (zh) | 2023-05-26 |
CN116168840B CN116168840B (zh) | 2023-12-22 |
Family
ID=86422175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310437530.1A Active CN116168840B (zh) | 2023-04-23 | 2023-04-23 | 一种预测术后谵妄发生风险的方法、设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116168840B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117257994A (zh) * | 2023-11-21 | 2023-12-22 | 北京大学人民医院 | 动物模型的构建方法及应用 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1527713A (zh) * | 2001-05-04 | 2004-09-08 | �Ƹ��� | 使用糖皮质激素受体特效拮抗剂治疗谵妄症的方法 |
KR101633217B1 (ko) * | 2015-03-10 | 2016-06-23 | 서울대학교산학협력단 | 섬망 지표 데이터 제공 방법 및 장치 |
US20200168340A1 (en) * | 2018-11-26 | 2020-05-28 | Industry-Academic Cooperation Foundation, Yonsei University | Method For Predicting Risk Of Delirium And Device For Predicting Risk Of Delirium Using The Same |
RU2727745C1 (ru) * | 2019-12-16 | 2020-07-23 | Государственное бюджетное учреждение здравоохранения "Научно-исследовательский институт - краевая клиническая больница N 1 имени профессора С.В. Очаповского" Министерства здравоохранения Краснодарского края (ГБУЗ "НИИ-ККБ N1" МЗ КК) | Способ прогнозирования послеоперационного делирия у пациентов пожилого возраста после торакальных операций |
CN111568445A (zh) * | 2020-05-15 | 2020-08-25 | 首都医科大学 | 一种基于谵妄动态预测模型的谵妄风险监测方法及系统 |
CN112312838A (zh) * | 2018-06-15 | 2021-02-02 | 柯惠有限合伙公司 | 提供表明术后谵妄出现概率增大的参数的方法和装置 |
KR20210039577A (ko) * | 2019-10-02 | 2021-04-12 | 계명대학교 산학협력단 | 요양병원 대상자를 위한 섬망 예방 시스템 및 그 방법 |
CN113080999A (zh) * | 2021-03-25 | 2021-07-09 | 中山大学中山眼科中心 | 一种基于脑电信号的儿童谵妄预测方法及系统 |
KR20220005791A (ko) * | 2020-07-07 | 2022-01-14 | 사회복지법인 삼성생명공익재단 | 섬망 예측 방법 및 이의 장치 |
KR20220099898A (ko) * | 2021-01-07 | 2022-07-14 | 가톨릭대학교 산학협력단 | 뇌파 분석을 이용한 수술후섬망 예측 방법 및 분석장치 |
CN115565683A (zh) * | 2021-07-02 | 2023-01-03 | 南通大学附属医院 | 心脏大血管术后谵妄风险预测模型建立与验证方法 |
-
2023
- 2023-04-23 CN CN202310437530.1A patent/CN116168840B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1527713A (zh) * | 2001-05-04 | 2004-09-08 | �Ƹ��� | 使用糖皮质激素受体特效拮抗剂治疗谵妄症的方法 |
KR101633217B1 (ko) * | 2015-03-10 | 2016-06-23 | 서울대학교산학협력단 | 섬망 지표 데이터 제공 방법 및 장치 |
CN112312838A (zh) * | 2018-06-15 | 2021-02-02 | 柯惠有限合伙公司 | 提供表明术后谵妄出现概率增大的参数的方法和装置 |
US20200168340A1 (en) * | 2018-11-26 | 2020-05-28 | Industry-Academic Cooperation Foundation, Yonsei University | Method For Predicting Risk Of Delirium And Device For Predicting Risk Of Delirium Using The Same |
KR20210039577A (ko) * | 2019-10-02 | 2021-04-12 | 계명대학교 산학협력단 | 요양병원 대상자를 위한 섬망 예방 시스템 및 그 방법 |
RU2727745C1 (ru) * | 2019-12-16 | 2020-07-23 | Государственное бюджетное учреждение здравоохранения "Научно-исследовательский институт - краевая клиническая больница N 1 имени профессора С.В. Очаповского" Министерства здравоохранения Краснодарского края (ГБУЗ "НИИ-ККБ N1" МЗ КК) | Способ прогнозирования послеоперационного делирия у пациентов пожилого возраста после торакальных операций |
CN111568445A (zh) * | 2020-05-15 | 2020-08-25 | 首都医科大学 | 一种基于谵妄动态预测模型的谵妄风险监测方法及系统 |
KR20220005791A (ko) * | 2020-07-07 | 2022-01-14 | 사회복지법인 삼성생명공익재단 | 섬망 예측 방법 및 이의 장치 |
KR20220099898A (ko) * | 2021-01-07 | 2022-07-14 | 가톨릭대학교 산학협력단 | 뇌파 분석을 이용한 수술후섬망 예측 방법 및 분석장치 |
CN113080999A (zh) * | 2021-03-25 | 2021-07-09 | 中山大学中山眼科中心 | 一种基于脑电信号的儿童谵妄预测方法及系统 |
CN115565683A (zh) * | 2021-07-02 | 2023-01-03 | 南通大学附属医院 | 心脏大血管术后谵妄风险预测模型建立与验证方法 |
Non-Patent Citations (4)
Title |
---|
BJØRN ERIK NEERLAND ET AL: "Alpha-2-adrenergic receptor agonists for the prevention of delirium and cognitive decline after open heart surgery (ALPHA2PREVENT): protocol for a multicentre randomised controlled trial", 《BMJ OPEN》, vol. 12, no. 6, pages 1 - 11 * |
S KENDALL SMITH ET AL: "Protocol for the Prognosticating Delirium Recovery Outcomes Using Wakefulness and Sleep Electroencephalography (P-DROWS-E) study: a prospective observational study of delirium in elderly cardiac surgical patients", 《BMJ OPEN》, vol. 10, no. 12, pages 1 - 13 * |
康猛 等: "术后谵妄评估和预测的研究进展", 《临床麻醉学杂志》, vol. 39, no. 1, pages 93 - 97 * |
黄宛冰 等: "基于Cox回归的Stanford B型主动脉夹层术后谵妄预测模型的构建", 《护理学杂志》, vol. 38, no. 3, pages 27 - 31 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117257994A (zh) * | 2023-11-21 | 2023-12-22 | 北京大学人民医院 | 动物模型的构建方法及应用 |
CN117257994B (zh) * | 2023-11-21 | 2024-03-01 | 北京大学人民医院 | 动物模型的构建方法及应用 |
CN117982655A (zh) * | 2023-11-21 | 2024-05-07 | 北京大学人民医院 | 芳香化酶抑制剂治疗相关的疼痛动物模型构建方法及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN116168840B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Doenges et al. | Nursing diagnosis manual: Planning, individualizing, and documenting client care | |
Saadatmand et al. | Effect of nature-based sounds’ intervention on agitation, anxiety, and stress in patients under mechanical ventilator support: A randomised controlled trial | |
Aghaie et al. | Effect of nature-based sound therapy on agitation and anxiety in coronary artery bypass graft patients during the weaning of mechanical ventilation: A randomised clinical trial | |
Srivastava et al. | An educational video improves technique in performance of pediatric lumbar punctures | |
Cone et al. | Endotracheal suctioning in preterm infants using four‐handed versus routine care | |
Richards et al. | A Nurse's Survival Guide to the Ward-E-Book: A Nurse's Survival Guide to the Ward-E-Book | |
CN116168840B (zh) | 一种预测术后谵妄发生风险的方法、设备及系统 | |
Collins et al. | The Physical Care of People with Mental Health Problems | |
Biabani et al. | The effect of muscle relaxation on Dialysis Adequacy in Hemodialysis patients | |
Herrington | Reducing pain of heelstick in premature infants with gentle human touch | |
Inbar et al. | Physiotherapists' attitudes towards old and young patients in persistent vegetative state (PVS) | |
Othman et al. | Effect of implementing structured communication messages on the clinical outcomes of unconscious patients | |
Ganefianty et al. | Nursing perioperative management of type I Chiari malformation in adult: A case study using Roy's adaptation model | |
Thapa et al. | The Importance of Empowering Self-Management Skills in Diabetes Mellitus | |
Rogers | Basic guide to dental sedation nursing | |
Kennedy | Caring for a patient newly diagnosed with COPD: a reflective account | |
Hummel | Psychometric evaluation of the neonatal pain, agitation, and sedation scale (n-Pass) tool in infants and children age one to thirty-six months in the post-anesthesia care unit | |
Rustam | The Effect Of Nursing Comfort Care Integrating With The Holy Qur’an Recitation On Comfort In Muslim Patients With Mechanical Ventilation | |
Ghanbari-Afra et al. | Roy Adaptation Model for Patients with Hypertension: A Case Report | |
US20230330385A1 (en) | Automated behavior monitoring and modification system | |
Ali et al. | Effect of Daily Interruption of Sedation on Level of Consciousness Among Mechanically Ventilated Patients. | |
Esenkaya et al. | Care of a patient who underwent salpingo-oophorectomy due to ovarian tumour according to kolcaba comfort theory: a case report | |
Yong et al. | Development of nursing intervention standards for home hospice patients | |
Setiawan et al. | Guided imagery therapy for reducing hypertension in adolescents | |
Kennedy | Sleep Disturbance in Patients with Advanced Chronic Kidney Disease or End-Stage Renal Disease |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |