KR102484325B1 - 기관 절개 환자의 발관 예측 장치 및 이의 방법 - Google Patents

기관 절개 환자의 발관 예측 장치 및 이의 방법 Download PDF

Info

Publication number
KR102484325B1
KR102484325B1 KR1020200091875A KR20200091875A KR102484325B1 KR 102484325 B1 KR102484325 B1 KR 102484325B1 KR 1020200091875 A KR1020200091875 A KR 1020200091875A KR 20200091875 A KR20200091875 A KR 20200091875A KR 102484325 B1 KR102484325 B1 KR 102484325B1
Authority
KR
South Korea
Prior art keywords
tracheostomy
tracheotomy
patients
group
extubation
Prior art date
Application number
KR1020200091875A
Other languages
English (en)
Other versions
KR20220012721A (ko
Inventor
전경만
Original Assignee
사회복지법인 삼성생명공익재단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 사회복지법인 삼성생명공익재단 filed Critical 사회복지법인 삼성생명공익재단
Priority to KR1020200091875A priority Critical patent/KR102484325B1/ko
Publication of KR20220012721A publication Critical patent/KR20220012721A/ko
Application granted granted Critical
Publication of KR102484325B1 publication Critical patent/KR102484325B1/ko

Links

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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu

Abstract

본 발명의 일 실시예에 따른 기관 절개 환자의 발관 예측 방법은, N개(N은 1이상의 정수)의 기관 절개 환자들의 데이터를 획득하는 과정; 상기 획득된 데이터를 입력으로 하는 로지스틱 회기 분석을 통해 기관절개술의 성공 예측 기준값을 산출하는 과정; 및 상기 성공 예측 기준값을 기초로 하여 제N+1 번째 기관 절개 환자에 대한 성공 예측 정보 산출하는 과정;을 포함할 수 있다.

Description

기관 절개 환자의 발관 예측 장치 및 이의 방법 {Apparatus and method for predicting de-cannulation of tracheostomized patients}
본 발명은 기관 절개술을 받은 환자에 삽관된 관을 발관할 수 있을 지 예측하는 장치, 방법 및 이의 모델에 대한 것으로서, 상세하게, 발관 여부에 대한 가부를 예측하는 방법 및 이의 모델에 대한 것이다.
기관 절개술(Tracheostomy)은 장기간의 기계식 인공호흡(machine ventilation, MV)이 필요한 환자에서 기도 관리를 위해서 시행되거나 상부기도의 폐쇄가 있는 환자에서 기도 폐쇄 부분을 우회하기 위해서 시행되거나, 기도 내의 분비물을 제거하기 위해 시행될 수 있다. 또한, 경피 확장 기관 절개술(percutaneous dilatation tracheostomies, PDTs) 등의 상대적으로 덜 침습적인 수술법의 개발로 환자의 병상에서 기관 절개술은 안전하게 완료될 수 있어, 최근 기관 절개술의 횟수는 증가하고 있다.
기관 절개술은 크게, 목 앞부분에서 기관으로 통하는 작은 개구부를 만드는 과정 및 삽입관(기관절개관, 기관절개튜브, 기관튜브, 캐뉼라(cannula), 커프(cuffed tubes), 삽관, 삽관 튜브, 관 등으로 지칭될 수 있다)을 개구부로 삽입하는 과정을 포함할 수 있다.
한편, 기관 절개 상태를 유지할지 여부와 관련하여, 환자에 따라 일시적이거나 영구적일 수 있으나, 삽입관을 장시간 유지하는 환자에게 기관 협착, 출혈, 누공, 감염, 기도 흡인, 기도의 섬모 손상, 기도자극으로 인한 분비물증가, 삼킴 기능 저하 등 다양한 합병증이 발생될 수 있다.
이에, 기계식 인공호흡이 더 이상 필요하지 않게 되거나 자발적 기침에 의해 객담 배출이 가능한 환자의 경우, 삽입관 제거술이 시행되는 것이 바람직하다. 다시 말해서, 삽입관의 삽입을 위한 징후가 해소되면, 삽입관은 제거되는 것이 바람직하다.
다만, 종래, 기계 호흡이 더 이상 필요하지 않게 되는 환자의 상태에 대한 기준을 제시하거나, 삽입관 제거술의 시행 시기에 대한 기준을 제시한 바가 없다.
(비특허문헌) 대한재활의학회지 제34권 제4호 2010. (2010년 5월 24일) 기관절개용 튜브 제거술 후 상처 회복에 영향을 미치는 요소. 관동대학교 의과대학 재활의학교실. 김성균, 정재환, 김지성, 김용균
전술한 문제를 해결하기 위해, 본 발명의 일 실시예에 따른 기관 절개 환자의 발관 예측 방법 및 이의 모델은 기관 절개술을 받은 환자를 대상으로, 로지스틱 회귀 분석(logistic regression)을 기반으로 삽입관 제거술의 성공 가능성을 수치로 산출하여, 삽입관 제거술의 허용 여부에 대한 정보를 제공하는 방법 및 이의 모델을 제공하는 것에 목적이 있다.
상기 목적을 달성하기 위하여 본 발명에 따른 기관 절개 환자의 발관 예측 방법은, N개(N은 1이상의 정수)의 기관 절개 환자들의 데이터를 획득하는 과정; 상기 획득된 데이터를 입력으로 하는 로지스틱 회기 분석을 통해 기관절개술의 성공 예측 기준값을 산출하는 과정; 및 상기 성공 예측 기준값을 기초로 하여 제N+1 번째 기관 절개 환자에 대한 성공 예측 정보 산출하는 과정;을 포함할 수 있다.
실시예에 따라, 상기 로지스틱 회기 분석은, 노령화(older age), 체질량지수(body mass index, BMI), 악성 종양 존부(합병증의 하나로서 악성 종양, malignancy), 섬망의 존부(presence of delirium), 신경 질환의 유무(presence of neurologic disease), 낮은 산소화도(lower oxygenation), 젖산(Lactic acid), 기계적 인공호흡(machine ventilation, MV) 이탈(weaning) 전 24시간 내에 높은 흡인 주파수, 기계적 인공호흡의 호흡기관 외 원인(예를 들어, 폐외 패혈증(extra-pulmonary sepsis), 혼수상태(coma), 심폐소생술 후 상태(post-cardiopulmonary resuscitation)), 기계적 인공호흡으로부터 이탈하는 날의 혈관수축 요구, 폐렴의 경우 기관 절개술 후 경험 중 적어도 어느 하나를 변수로 포함할 수 있다.
실시예에 따라, 상기 성공 예측 기준값을 산출하는 과정은, 상기 N개의 기관 절개 환자들의 데이터를 성공한 삽입관 제거술 그룹과 실패한 삽입관 제거술 그룹으로 구분하는 과정; 및 상기 성공한 삽입관 제거술 그룹과 상기 실패한 삽입관 제거술 그룹 각각의 로지스틱 회귀 분석 결과를 비교한 결과를 기초로 하여 상기 성공 예측 기준값을 산출하는 과정;을 포함할 수 있다.
실시예에 따라, 상기 성공한 삽입관 제거술 그룹은 삽입관 제거술 이후 병원 퇴원 전까지 호흡기 합병증이 없었던 그룹을 포함하며, 상기 실패한 삽입관 제거술 그룹은 퇴원 전에 기관 절개 튜브의 캡핑 시도(capping trial) 실패 또는 재 삽입으로 인해 퇴원 시 기관 절개 튜브를 갖는 그룹을 포함할 수 있다.
또한, 본 발명의 따른 기관 절개 환자의 발관 예측 장치는, N개(N은 1이상의 정수)의 기관 절개 환자들의 데이터를 획득하는 입력부; 및 상기 획득된 데이터를 입력으로 하는 로지스틱 회기 분석을 통해 기관절개술의 성공 예측 기준값을 산출하고, 상기 성공 예측 기준값을 기초로 하여 제N+1 번째 기관 절개 환자에 대한 성공 예측 정보 산출하는 제어부;를 포함할 수 있다.
실시예에 따라, 상기 로지스틱 회기 분석은, 노령화(older age), 체질량지수(body mass index, BMI), 악성 종양 존부(합병증의 하나로서 악성 종양, malignancy), 섬망의 존부(presence of delirium), 신경 질환의 유무(presence of neurologic disease), 낮은 산소화도(lower oxygenation), 젖산(Lactic acid), 기계적 인공호흡(machine ventilation, MV) 이탈(weaning) 전 24시간 내에 높은 흡인 주파수, 기계적 인공호흡의 호흡기관 외 원인(예를 들어, 폐외 패혈증(extra-pulmonary sepsis), 혼수상태(coma), 심폐소생술 후 상태(post-cardiopulmonary resuscitation)), 기계적 인공호흡으로부터 이탈하는 날의 혈관수축 요구, 폐렴의 경우 기관 절개술 후 경험 중 적어도 어느 하나를 변수로 포함할 수 있다.
실시예에 따라, 상기 제어부는, 상기 N개의 기관 절개 환자들의 데이터를 성공한 삽입관 제거술 그룹과 실패한 삽입관 제거술 그룹으로 구분하고, 상기 성공한 삽입관 제거술 그룹과 상기 실패한 삽입관 제거술 그룹 각각의 로지스틱 회귀 분석 결과를 비교한 결과를 기초로 하여 상기 성공 예측 기준값을 산출할 수 있다.
실시예에 따라, 상기 성공한 삽입관 제거술 그룹은 삽입관 제거술 이후 병원 퇴원 전까지 호흡기 합병증이 없었던 그룹을 포함하며, 상기 실패한 삽입관 제거술 그룹은 퇴원 전에 기관 절개 튜브의 캡핑 시도(capping trial) 실패 또는 재 삽입으로 인해 퇴원 시 기관 절개 튜브를 갖는 그룹을 포함할 수 있다.
본 발명의 일 실시 예로서 제공되는 본 발명의 일 실시예에 따른 기관 절개 환자의 발관 예측 방법 및 이의 모델은, 삽입관 제거술의 성공 가능성을 수치로 출력함으로써, 삽입관 제거술의 진행 여부에 대한 명확한 기준을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 기관 절개 환자의 발관 예측 방법을 설명하기 위한 순서도이다.
도 2는 본 발명의 일 실시예에 따른 기관 절개 환자의 발관 예측 장치를 설명하기 위한 구성도이다.
이하, 본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명을 실시하기 위한 구체적인 내용으로서 본 발명의 바람직한 실시 예의 구성과 작용에 대해 구체적으로 설명하기로 한다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 명세서 전체에서 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, "그 중간에 다른 구성을 사이에 두고" 연결되어 있는 경우도 포함한다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 발명의 일 실시예로서, 기관 절개 환자의 발관 예측 방법 및 이의 장치는 삽입관 제거술(de-cannulations)의 실패와 관련된 요소를 확인하고 기관 절개술을 받은 환자("기관 절개 환자"로 지칭될 수 있다)의 삽입관 제거술에 대한 예측 모델을 포함할 수 있다. 실시예에 따라, 기관 절개 환자의 발관 예측 방법 및 이의 장치는 삽입관 제거술에 대한 예측 결과로서, 성공 예측 정보("DECAN"으로 지칭될 수 있다)를 산출할 수 있으며, 성공 예측 정보는 점수 등의 수치화(DECAN score)되어 산출될 수 있다.
실시예에 따라, 삽입관 제거술의 성공은 삽입관 제거술 이후부터 퇴원 전까지 합병증(예를 들어, 호흡기 합병증 등)이 없는 경우로 정의될 수 있고, 삽입관 제거술의 실패는 그렇지 않는 경우로 정의될 수 있다.
이하, 도면을 참고하여 본 발명의 구체적인 실시 예들에 대해 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 기관 절개 환자의 발관 예측 방법을 설명하기 위한 순서도이며, 도 2는 본 발명의 일 실시예에 따른 기관 절개 환자의 발관 예측 장치를 설명하기 위한 구성도이다.
도 1에 따른 기관 절개 환자의 발관 예측 방법은 도 2에 따른 기관 절개 환자의 발관 예측 장치에 의해 수행되기에, 도 1과 도 2를 함께 설명한다.
도 1을 참조하면, 기관 절개 환자의 발관 예측 장치(210)의 입력부(211)는 N개의 기관 절개 환자들의 기관 절개술에 관련된 데이터를 획득할 수 있다(S110). 실시예에 따라, 입력부(211)는 외부 장치(220)로부터 N개의 기관 절개 환자들의 기관 절개술에 관련된 데이터를 획득할 수 있다. 외부 장치(220)와 기관 절개 환자의 발관 예측 장치(210)는 직접 유선 또는 무선 통신을 통해 기관 절개 환자들의 기관 절개술에 관련된 데이터를 송수신할 수 있거나, 외부 장치(220)와 기관 절개 환자의 발관 예측 장치(210)는 간접적으로 각각 연결된 병원 내부 시스템을 통해 기관 절개 환자들의 기관 절개술에 관련된 데이터를 송수신할 수 있다.
실시예에 따라, 기관 절개 환자들의 기관 절개술에 관련된 데이터는 인구 통계 데이터, 기본 조건, 실험실 데이터, 심각도 점수(예를 들어, 단순화된 급성 생리학 점수 (simplified acute physiology score, SAPS) 및 순차 기관 장애 평가 (sequential organ failure assessment, SOFA) 점수), 기계적 인공호흡의 이유, 기관 절개술의 이유를 포함하여 기관 절개술에 대한 데이터, 기관 절개술 시간 또는 기관 절개술 후 24 시간 이내에 발생한 합병증에 대한 데이터 중 적어도 어느 하나를 포함할 수 있다.
실시예에 따라, 기관 절개 환자들의 기관 절개술에 관련된 데이터는 성공적인 기계적 인공호흡의 이탈한 당시의 추가 임상 데이터를 포함할 수 있는데, 이는 전자 병원 기록에서 수집될 수 있다. 예를 들어, 추가 임상 데이터는 찰슨(Charlson)의 동반질환지수(Charlson co-morbidity index, CCI), SOFA 점수, 신경계 질환의 유무, 중환자실(Intensive Care Unit, ICU(또는 CAM-ICU) 또는 집중치료실)에서의 혼란 평가 방법에 의해 평가된 섬망의 유무, 기관절개술에 따른 폐렴의 발생, 기관 내 흡착 빈도, 혈관작용제의 요구 및 신장 대체 요법의 요구, 생리학적 및 연구학적 변수 중 적어도 어느 하나를 포함할 수 있다.
제어부(212)는 지관 절개술을 징후에 따라 3가지 카테고리로 구분할 수 있는데, 첫번째 카테고리는 장기 삽관(prolonged intubation), 두번째 카테고리는 감소된 의식 수준(reduced level of consciousness) 및 세번째 카테고리는 상기도 방해(upper airway obstruction)일 수 있다. 장기 삽관은 7일 동안 기계적 인공호흡의 지원을 받거나 기계적 인공호흡 이탈의 반복적인 실패 상태로 정의될 수 있다. 감소된 의식 수준은 돌이킬 수 없거나 악화된 신경 질환을 가진 환자로서, 장기간의 기관 내 흡입이 필요하거나 중병에 의한 무능력의 상태로 정의될 수 있다. 상기도 방해는 종양, 양측 성대 마비, 기관 염증 또는 삽관 후 기관 협착증을 포함한 해부학적 이상이 있는 환자의 상태로 정의될 수 있다.
실시예에 따라, 제어부(212)는 성공적인 삽입관 제거술을 병원 퇴원 전까지 호흡기 합병증이 없었던 상태로 정의할 수 있고, 삽입관 제거술의 실패는, 환자가 퇴원 전에 기관 절개 튜브의 캡핑 시도 실패 또는 재 삽입으로 인해 환자가 퇴원 시 기관 절개 튜브를 갖는 상태로 정의할 수 있다.
입력부(211)는 N개의 기관 절개 환자들의 기관 절개술에 관련된 데이터를 제어부(212)로 전송할 수 있다.
실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)는 전달 받은 개의 기관 절개 환자들의 기관 절개술에 관련된 데이터를 입력으로 하고, 로지스틱 회귀 분석(logistic regression)을 통해 기관 절개술의 성공 예측 기준값을 산출할 수 있다(S120).
실시예에 따라, 로지스틱 회기 분석은 다변량 로지스틱 회귀 분석(multivariable logistic regression analysis)일 수 있으며, 제어부(212)는 복수의 변수들을 독립변수로 활용하여, 삽입관 제거술에 대한 예측 모델을 도출할 수 있다. 즉, 제어부(212)는 삽입관 제거술의 실패와 관련된 복수의 독립변수를 이용할 수 있다.
실시예에 따른, 복수의 변수들은 노령화(older age), 체질량지수(body mass index, BMI), 악성 종양 존부(합병증의 하나로서 악성 종양, malignancy), 섬망의 존부(presence of delirium), 신경 질환의 유무(presence of neurologic disease), 낮은 산소화도(lower oxygenation), 젖산(Lactic acid), 기계적 인공호흡(machine ventilation, MV) 이탈(weaning) 전 24시간 내에 높은 흡인 주파수, 기계적 인공호흡의 호흡기관 외 원인(예를 들어, 폐외 패혈증(extra-pulmonary sepsis), 혼수상태(coma), 심폐소생술 후 상태(post-cardiopulmonary resuscitation)), 기계적 인공호흡으로부터 이탈하는 날의 혈관수축 요구, 폐렴의 경우 기관 절개술 후 경험 중 적어도 어느 하나를 포함할 수 있다.
표 1을 참조하면, 로지스틱 회귀 분석을 통한 단변량 및 다변량 분석 결과가 표시되어 있다.
Variables Uni-variable Multi-variable
Crude OR 95% CI P Adjusted OR 95% CI P
Age, years 1.04 1.02-1.05 <0.001 1.04 1.01-1.07 0.019
BMI, kg/m2 0.92 0.87-0.97 0.002 0.82 0.73-0.92 0.001
Suction frequency, per day 1.65 1.50-1.82 <0.001 1.82 1.55-2.20 <0.001
PaO2/FiO2 ratio 1.00 0.99-1.00 0.001 0.99 0.99-1.00 0.002
Lactic acid 5.75 3.50-10.03 <0.001 9.31 3.87-26.35 <0.001
Underlying malignancy 1.66 1.07-2.61 0.025 5.37 2.04-15.53 0.001
Non-respiratory causes of MV support 2.99 1.90-4.75 <0.001 5.11 1.84-15.19 0.002
Neurologic disease at weaning from MV 6.05 3.81-9.77 <0.001 5.11 2.06-13.58 <0.001
Delirium at weaning from MV 8.80 5.43-14.57 <0.001 11.13 4.40-31.50 <0.001
Vasopressor at weaning from MV 4.77 1.95-14.33 0.002 6.89 1.23-51.27 0.039
Post-tracheostomy pneumonia before weaning from MV 2.53 1.60-4.08 <0.001 5.45 2.04-16.02 0.001
실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)가 생성하는 데이터는 연속형 변수의 경우, 중위수(medians) 및 사분위간 범위(interquartile ranges, IQR)로, 범주형 변수의 경우, 숫자와 백분율로 표시될 수 있다.
실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)가 생성하는 데이터는 정규 분포에 있어서 Kolmogorov-Smirnov 검정을 통해 분석될 수 있다.
실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)는 연속형 변수에 대한 맨-휘트니 유(Mann-Whitney U) 검사와 피어슨(Pearson)의 카이-제곱 검정 또는 피셔(Fisher)의 범주형 변수에 대한 정밀 검정을 사용하여 성공적인 삽입관 제거술 그룹과 실패한 삽입관 제거술 그룹 간에 관심의 기준선 특성과 결과 측정을 비교할 수 있다.
실시예에 따라, 로지스틱 회귀 분석으로 도출된 성공 예측 기준값은 ROC 커브 분석을 통해 검증될 수 있으며, 성공 예측 기준값(cut-off 값, criterion 값)을 통해 성공적인 기관 절개술의 허용 여부가 식별될 수 있다.
실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)는 로지스틱 회귀 분석을 통해 각 변수의 승산비(ORs)를 산출할 수 있고, 기계적 인공호흡의 이탈 시 성공적인 삽입관 제거술의 예측을 위한 관련 인자를 식별할 수 있다. 각 변수의 승산비(OR)은 95% 신뢰 구간(confidence interval, CI)으로 보고될 수 있다. P 값이 0.2 미만인 초기 분석에서 관련성이 있는 것으로 보이는 변수는 다변량 회귀 모형에서 고려될 수 있다.
실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)는 다중 결합 위험을 줄이기 위해, 밀접하게 상관된 변수를 삽입관 제거술에 대한 예측 모델에 포함될 후보로 결정할 수 있다. 실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)는 삽입관 제거술에 대한 예측 모델의 적합도를 호스모-레메쇼(Hosmer-Lemeshow) 테스트를 활용하여 평가할 수 있다.
실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)는 로지스틱 회귀 분석 결과를 바탕으로 하는 점수 기반 예측 점수 시스템을 포함할 수 있다.
실시예에 따라, 연속형 변수는 임상 해석을 용이하게 하기 위해 범주형 변수로 변환한 후에 입력될 수 있다. 실시예에 따라, 각 예측 변수에 대해 단순한 정수 기반 점수를 생성하기 위해
Figure 112020077245629-pat00001
계수를 삽입관 제거술에 대한 예측 모델에서 가장 작은 계수의 절대값으로 나누어 점수를 할당하고 가장 가까운 정수로 반올림할 수 있다. 실시예에 따라, 각 환자의 총점은 각 요소를 합산하여 산출될 수 있다.
그런 다음, 수신기 작동 특성(receiver operating characteristic, ROC) 곡선을 사용하여 실패한 삽입관 제거술을 올바르게 나타내기 위한 점수의 예측 값을 탐구하고 (C 지수를 통한) 차별과 교정(호스모-레메쇼(Hosmer-Lemeshow) 테스트 사용)을 모두 평가했다.
실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)는 수신기 작동 특성 (receiver operating characteristic, ROC) 곡선을 사용하여 실패한 삽입관 제거술을 지시하는 포인트 점수의 예측 값을 산출하고 점수의 차별 (C 인덱스를 통한) 및 교정 (Hosmer-Lemeshow 테스트 결과 통계 사용)을 평가할 수 있다.
실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)는 내부 유효성 검사를 위해 교차 검증(leave-one-out cross-validation, LOOCV) 방법을 사용하여 오분류 오류율을 획득할 수 있고, P < 0.05는 통계적으로 유의미한 것으로 간주될 수 있다.
실시예에 따라, 기관 절개 환자의 발관 예측 장치(210)의 제어부(212)는 로지스틱 회귀 분석을 바탕으로 표 2와 같은 최적 컷오프 값에 대한 ROC 곡선 분석을 통해 연속 변수를 범주형 변수로 변환한 후
Figure 112020077245629-pat00002
계수를 사용하여 DECAN 점수라는 새로운 예측 점수 체계를 산출할 수 있다.
Valuables ß coefficient Adjusted OR 95% CI P Points assigned
Age > 67, years 1 3.44 1.36-8.67 0.009 1
BMI < 21.92, kg/m2 1.45 5.98 2.21-16.16 <0.001 1
Suction frequency within 24 h > 12 3.41 67.59 21.25-214.99 <0.001 3
PaO2/FiO2 < 334.5 1.15 4.16 1.61-10.70 0.003 1
Lactic acid >1.3, mmol/L 2.12 13.63 4.70-39.58 <0.001 2
Underlying malignancy 1.44 5.93 2.17-16.22 <0.001 1
Non-respiratory causes of MV support 1.38 5.46 1.92-15.49 <0.001 1
Neurologic disease at weaning from MV 1.72 8.31 3.17-21.81 <0.001 2
Delirium at weaning from MV 2.06 12.75 4.78-34.01 <0.001 2
Vasopressor requirement at weaning from MV 2.30 17.13 2.51-116.84 0.004 2
Post-tracheostomy pneumonia 1.54 6.68 2.28-19.56 <0.001 2
표 2를 참조하면, 나이 > 67세, BMI < 21.92 kg/m2, PaO2/FiO2 비율 < 334.5, 혈청 젖산 수치 1.3 mmol/L 이상이고, 1.0의
Figure 112020077245629-pat00003
계수는 약 1 포인트에 해당할 수 있다. 다시 말해서, 점수는, 1점의 나이 > 67세(
Figure 112020077245629-pat00004
= 1), BMI < 21.92 kg/m2 (
Figure 112020077245629-pat00005
= 1.45)>, PaO2/FiO2 비율 < 334.5 (
Figure 112020077245629-pat00006
= 1.15)), 기저 악성 종양(
Figure 112020077245629-pat00007
= 1.44) 및 기계적 인공호흡(MV)의 비 호흡적인 원인 (
Figure 112020077245629-pat00008
= 1.38); 2점의 혈청 젖산 레벨> 1.3 mmol/L (
Figure 112020077245629-pat00009
= 2.12), 신경성 질환의 존부(
Figure 112020077245629-pat00010
= 1.54), 3점의 기계적 인공호흡 이탈 전 24시간 이내의 12 이상의 흡인 주파수(
Figure 112020077245629-pat00011
= 3.41)으로, DECAN 점수에 대해 최대 18개의 가능한 점수로 인해 삽입관 제거술의 실패 가능성이 예측될 수 있다.
실시예에 따라, 제어부(212)에 의해 산출된 DECAN 점수는 양호한 교정 및 차별 특성을 보이며, 적합도는 0.6153이었고 ROC 곡선 아래 영역은 0.972(95% CI, 0.946-0.987)일 수 있다. 내부 유효성 확인을 위한 점수에 대한 LOOCV 분석 결과 7.5%로 미분류 오류율이 낮은 것으로 나타날 수 있다.
실시예에 따라, 성공적인 삽입관 제거술 예측에 사용된 최적 컷오프 DECAN 점수는
Figure 112020077245629-pat00012
7점이었다. 이때, 92.6%(95% CI 87.8-96.3), 90.4%(95% CI 85.3-94.1)의 특수성과 관련이 있을 수 있고, 양의 예측 값은 92.4%, 음의 예측 값은 90.6%로 나타날 수 있다.
실시예에 따라, 제어부(212)는 성공 예측 기준값을 기초로 하여 제N+1 번째 기관 절개 환자에 대한 성공 예측 정보를 산출할 수 있다(S130). 제어부(212)는 기계적 인공호흡에 성공적으로 이탈한 기관 절개 환자의 성공 예측 정보를 인공호흡의 이탈 시점에 산출할 수 있고, 산출한 성공 예측 정보를 성공 예측 기준값과 비교함으로써 삽입관 제거술의 허용여부를 식별할 수 있다. 즉, 기계적 인공호흡으로부터 성공적으로 이탈한 환자의 성공 예측 정보(예를 들어, DECAN 점수)는 용이하게 구할 수 있는 변수에 기초하여 삽입관 제거술의 가능성을 평가하기 위해 기계적 인공호흡의 이탈 시 점수로서 산출될 수 있다.
실시예에 따라, 삽입관 제거술은 표준화된 삽입관 제거 프로그램(standardized de-cannulation program)을 포함할 수 있다. 표준화된 삽입관 제거 프로그램은 기관 절개술을 받은 환자를 돌본 1차 내과의사들이 기관 절개술에 대한 근본적인 징후가 해결되었을 때 잠재적 성인 대상자를 확인하여 기관절제술에 대한 평가를 의뢰하는 과정, 호흡기 관리에 특화된 등록된 간호사인 RCP(respiratory care practitioners)가 이전에 작성 및 간행된 기관 절개술의 캡핑 체크리스트(capping checklist)에 기초하여 캡핑 시험(capping trial) 준비를 검사하는 과정, 손상되지 않은 상부기도를 기관절개관 폐색 시험으로 평가하는 과정을 포함할 수 있다.
실시예에 따라, 체크리스트는 기관분비량, 기관 흡입 빈도, 기침 효과, 기관절개관 폐색 시험 등으로 구성될 수 있다. 구체적으로는, 기관절개관 폐색 시험은 비침습성 평가로서, 기관절개관에 있는 커프스의 완전한 수축과 장갑을 낀 손가락을 관 위에 배치하여 상기도와 성대를 통해 기체의 존재를 비껴 발음을 허용하도록 하는 평가일 수 있다.
실시예에 따라, 표준화된 삽입관 제거 프로그램은, 만약 환자가 발음을 낼 수 없거나, 지끈거리거나, 호흡곤란을 일으키거나, 호흡곤란을 일으킨 경우, 기도의 내시경 검사를 위해 이비인후과 전문의에게 의뢰하는 과정, 기관절개관 폐색 시험의 평가 기준을 통과한 환자들은 대상으로 24시간 캡핑 시도를 수행하는 과정을 추가로 포함할 수 있다.
실시예에 따라, 기관절개관 폐색 시험의 평가 기준을 처음에 충족하지 않고 후속적으로 다루었다면, 24시간 캡핑 시도를 진행하기 전에 환자를 초기에 몇 시간 동안 캡을 씌운 다음 캡을 벗는 보다 보수적인 접근법을 적용될 수 있다. 환자가 평가 기준을 충족하지 못할 경우 캡핑 시도가 안전하게 진행될 수 있도록 수정될 수 있다. 여기에는 기관절개관의 축소와 재활이 포함되었다.
실시예에 따라, 캡핑은 산소 포화도가 없거나 흡인, 호흡곤란, 혈류역학적 불안정 등 어떤 이유로든 캡을 제거한 경우 성공으로 정의될 수 있다. 환자가 캡핑을 용인하지 않을 경우 임상시험이 중단되고 RCP와 주치의가 통보되었으며, 위에서 논의한 보수적인 접근방식을 이용하여 캡핑 시도가 다음날 다시 시작될 수 있다. 환자가 캡핑 시도를 통과해 삽입관 제거술을 받을 준비가 되면 기관절개관을 제거하고 기공(스토마, stoma)는 멸균 거즈볼과 프리마포어 드레싱(Primapore dressing)으로 덮일 수 있다.
실시예에 따라, 표준화된 삽입관 제거 프로그램은, 삽입관 제거술에 이어 최소 24시간 동안 지속적인 맥박산소측정법으로 환자를 모니터링하는 과정을 더 포함할 수 있다.
실시예에 따라, 제어부(212)는 산출된 성공 예측 정보를 출력부(213)으로 전송하여, 출력부(213)로 하여금 출력하게 할 수 있다.
한편, 본 발명의 일 실시 예에 의하면, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다. 다시 말해서, 전술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 본 발명의 다양한 방법들을 수행하기 위한 실행 가능한 컴퓨터 프로그램이나 코드를 기록하는 기록 매체는, 반송파(carrier waves)나 신호들과 같이 일시적인 대상들은 포함하는 것으로 이해되지는 않아야 한다. 상기 컴퓨터 판독 가능 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, DVD 등)와 같은 저장 매체를 포함할 수 있다.
이상에서 대표적인 실시 예를 통하여 본 발명을 상세하게 설명하였으나, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 상술한 실시 예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리 범위는 설명한 실시 예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 특허청구범위와 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태에 의하여 정해져야 한다.

Claims (8)

  1. 입력부에 의해, 외부로부터 N개(N은 1이상의 정수)의 기관 절개 환자들의 데이터를 획득하는 과정;
    제어부에 의해, 상기 획득된 데이터를 입력으로 하는 로지스틱 회귀 분석을 통해 기관절개술의 성공 예측 기준값을 산출하는 과정; 및
    상기 제어부에 의해, 상기 성공 예측 기준값을 기초로 하여 제N+1 번째 기관 절개 환자에 대한 성공 예측 정보 산출하는 과정;을 포함하되,
    상기 성공 예측 기준값을 산출하는 과정은,
    상기 N개의 기관 절개 환자들의 데이터를 성공한 삽입관 제거술 그룹과 실패한 삽입관 제거술 그룹으로 구분하는 과정;
    상기 성공한 삽입관 제거술 그룹에 대한 로지스틱 회귀 분석을 통해 제1 결과를 도출하는 과정;
    상기 실패한 삽입관 제거술 그룹에 대한 로지스틱 회귀 분석을 통해 제2 결과를 도출하는 과정; 및
    상기 제1 및 제2 결과의 비교를 기초로 하여 상기 성공 예측 기준값을 산출하는 과정;을 포함하는,
    기관 절개 환자의 발관 예측 방법.
  2. 제 1 항에 있어서,
    상기 로지스틱 회귀 분석은,
    노령화(older age), 체질량지수(body mass index, BMI), 악성 종양 존부(합병증의 하나로서 악성 종양, malignancy), 섬망의 존부(presence of delirium), 신경 질환의 유무(presence of neurologic disease), 낮은 산소화도(lower oxygenation), 젖산(Lactic acid), 기계적 인공호흡(machine ventilation, MV) 이탈(weaning) 전 24시간 내에 높은 흡인 주파수, 기계적 인공호흡의 호흡기관 외 원인(예를 들어, 폐외 패혈증(extra-pulmonary sepsis), 혼수상태(coma), 심폐소생술 후 상태(post-cardiopulmonary resuscitation)), 기계적 인공호흡으로부터 이탈하는 날의 혈관수축 요구, 폐렴의 경우 기관 절개술 후 경험 중 적어도 어느 하나를 변수로 포함하는,
    기관 절개 환자의 발관 예측 방법.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 성공한 삽입관 제거술 그룹은 삽입관 제거술 이후 병원 퇴원 전까지 호흡기 합병증이 없었던 그룹을 포함하며,
    상기 실패한 삽입관 제거술 그룹은 퇴원 전에 기관 절개 튜브의 캡핑 시도(capping trial) 실패 또는 재 삽입으로 인해 퇴원 시 기관 절개 튜브를 갖는 그룹을 포함하는,
    기관 절개 환자의 발관 예측 방법.
  5. N개(N은 1이상의 정수)의 기관 절개 환자들의 데이터를 획득하는 입력부; 및
    상기 N개의 기관 절개 환자들의 데이터를 성공한 삽입관 제거술 그룹과 실패한 삽입관 제거술 그룹으로 구분하고, 상기 성공한 삽입관 제거술 그룹에 대한 로지스틱 회귀 분석을 통해 제1 결과를 도출하고, 상기 실패한 삽입관 제거술 그룹에 대한 로지스틱 회귀 분석을 통해 제2 결과를 도출하고, 상기 제1 및 제2 결과의 비교를 기초로 하여 성공 예측 기준값을 산출하고,
    상기 성공 예측 기준값을 기초로 하여 제N+1 번째 기관 절개 환자에 대한 성공 예측 정보 산출하는 제어부;를 포함하는,
    기관 절개 환자의 발관 예측 장치.
  6. 제 5 항에 있어서,
    상기 로지스틱 회귀 분석은,
    노령화(older age), 체질량지수(body mass index, BMI), 악성 종양 존부(합병증의 하나로서 악성 종양, malignancy), 섬망의 존부(presence of delirium), 신경 질환의 유무(presence of neurologic disease), 낮은 산소화도(lower oxygenation), 젖산(Lactic acid), 기계적 인공호흡(machine ventilation, MV) 이탈(weaning) 전 24시간 내에 높은 흡인 주파수, 기계적 인공호흡의 호흡기관 외 원인(예를 들어, 폐외 패혈증(extra-pulmonary sepsis), 혼수상태(coma), 심폐소생술 후 상태(post-cardiopulmonary resuscitation)), 기계적 인공호흡으로부터 이탈하는 날의 혈관수축 요구, 폐렴의 경우 기관 절개술 후 경험 중 적어도 어느 하나를 변수로 포함하는,
    기관 절개 환자의 발관 예측 장치.
  7. 삭제
  8. 제 5 항에 있어서,
    상기 성공한 삽입관 제거술 그룹은 삽입관 제거술 이후 병원 퇴원 전까지 호흡기 합병증이 없었던 그룹을 포함하며,
    상기 실패한 삽입관 제거술 그룹은 퇴원 전에 기관 절개 튜브의 캡핑 시도(capping trial) 실패 또는 재 삽입으로 인해 퇴원 시 기관 절개 튜브를 갖는 그룹을 포함하는,
    기관 절개 환자의 발관 예측 장치.
KR1020200091875A 2020-07-23 2020-07-23 기관 절개 환자의 발관 예측 장치 및 이의 방법 KR102484325B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200091875A KR102484325B1 (ko) 2020-07-23 2020-07-23 기관 절개 환자의 발관 예측 장치 및 이의 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200091875A KR102484325B1 (ko) 2020-07-23 2020-07-23 기관 절개 환자의 발관 예측 장치 및 이의 방법

Publications (2)

Publication Number Publication Date
KR20220012721A KR20220012721A (ko) 2022-02-04
KR102484325B1 true KR102484325B1 (ko) 2023-01-02

Family

ID=80267800

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200091875A KR102484325B1 (ko) 2020-07-23 2020-07-23 기관 절개 환자의 발관 예측 장치 및 이의 방법

Country Status (1)

Country Link
KR (1) KR102484325B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017516567A (ja) * 2014-05-28 2017-06-22 チルドレンズ ホスピタル ロス アンジェルス 抜管失敗を評価するための方法、システムおよびソフトウェア
KR101827793B1 (ko) * 2016-10-07 2018-02-09 계명대학교 산학협력단 환자의 의료정보를 이용한 수술 후 섬망의 예측 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017516567A (ja) * 2014-05-28 2017-06-22 チルドレンズ ホスピタル ロス アンジェルス 抜管失敗を評価するための方法、システムおよびソフトウェア
KR101827793B1 (ko) * 2016-10-07 2018-02-09 계명대학교 산학협력단 환자의 의료정보를 이용한 수술 후 섬망의 예측 시스템 및 방법

Also Published As

Publication number Publication date
KR20220012721A (ko) 2022-02-04

Similar Documents

Publication Publication Date Title
Hillel et al. Predictors of posterior glottic stenosis: a multi-institutional case-control study
Anderson et al. Neurologic examination and extubation outcome in the neurocritical care unit
Tanios et al. A randomized, controlled trial of the role of weaning predictors in clinical decision making
Rosano et al. Early percutaneous tracheostomy in coronavirus disease 2019: association with hospital mortality and factors associated with removal of tracheostomy tube at ICU discharge. A cohort study on 121 patients
Wu et al. Predictors of successful weaning from prolonged mechanical ventilation in Taiwan
Schneider et al. Impact of monitoring endotracheal tube cuff leak pressure on postextubation stridor in children
Jiang et al. Predicting weaning and extubation outcomes in long‐term mechanically ventilated patients using the modified B urns W ean A ssessment P rogram scores
Martin et al. Standard versus accelerated speaking valve placement after percutaneous tracheostomy: a randomized controlled feasibility study
Dariya et al. Cuffed versus uncuffed endotracheal tubes for neonates
Hanlin et al. Epidemiology of out-of-hospital pediatric airway management in the 2019 national emergency medical services information system data set
Chen et al. A 12-year-experience with tracheostomy for neonates and infants in northern Taiwan: Indications, hospital courses, and long-term outcomes
Madoff et al. Airway management in patients with mucopolysaccharidoses: The progression toward difficult intubation
Pandian et al. Predictors of short-term mortality in patients undergoing percutaneous dilatational tracheostomy
Bashir et al. Polysomnography provides useful clinical information in the liberation from respiratory technology: a retrospective review
KR102484325B1 (ko) 기관 절개 환자의 발관 예측 장치 및 이의 방법
Driver et al. Emergency department management of out-of-hospital laryngeal tubes
Whiting et al. Frequency and etiology of ventilator-associated events in the medical intensive care unit
Jagpal et al. Subglottic stenosis
Lee et al. Bronchoscopy in the emergency department
Park et al. Usefulness of C-curved stylet for intubation with the C-MAC® Miller videolaryngoscope in neonates and infants: a prospective randomized controlled trial
Nishimoto et al. Impact of permissive hypoxia and hyperoxia avoidance on clinical outcomes in septic patients receiving mechanical ventilation: a retrospective single-center study
Christiansen et al. Tracheostomy healing time after decannulation
Lin et al. Flexible bronchoscopic findings and the relationship to repeated extubation failure in critical children
Magnet et al. The spontaneous breathing trial is of low predictive value regarding spontaneous breathing ability in subjects with prolonged, unsuccessful weaning
Lin et al. Maximal expiratory pressure is associated with reinstitution of mechanical ventilation after successful unassisted breathing trials in tracheostomized patients with prolonged mechanical ventilation

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant