Critical Care Medicine:谵妄严重程度的生理评估:脑电图谵妄评估方法严重程度评分(E-CAM-S)

时间:2023-11-06 00:57:10   热度:37.1℃   作者:网络


翻译 苏州市立医院 刘军

审校 河北省人民医院 杜全胜

目的:谵妄是一种急性住院患者常见且易误诊漏诊的并发症,其严重程度与不良临床预后相关。我们提出一项基于生理学的方法来定量评估谵妄的严重程度,作为一种有助于缩小这一诊断差距的工具:脑电图谵妄评估方法严重程度评分(The Electroencephalographic Confusion Assessment Method Severity ScoreE-CAM-S)。

设计:回顾性队列研究。

地点:单中心三级学术医疗中心。

患者:纳入20158月至201912月期间接受脑电图检查以评估精神状态改变的373名成年患者。

干预措施:无。

测量和主要结果:我们基于前额脑电图信号的排序学习机器学习模型开发了E-CAM-S。临床谵妄严重程度采用意识紊乱评估方法严重程度(Confusion Assessment Method SeverityCAM-S)进行评估。我们比较了E-CAM-SCAM-S与住院时间和住院死亡率的相关性。发现E-CAM-S与临床CAM-S相关(R = 0.67P < 0.0001)。在整体队列中,E-CAM-SCAM-S与住院时间(相关性分别为0.31 vs 0.41P = 0.082)及住院死亡率的相关性接近(曲线下面积= 0.77 vs 0.81P = 0.310)。即使限于非昏迷患者,E-CAM-SCAM-S和住院时间(相关性分别为0.37 vs 0.42P = 0.188)及住院死亡率(曲线下面积= 0.83 vs 0.74P = 0.112)的相关性方面仍相似。除了既往认识到的谱特征外,机器学习框架发现,在基于脑电图的谵妄严重程度预测中,多种测量方法随时间的变异是其重要特征。

结论:E-CAM-S是一种自动化的谵妄严重程度生理学测量,可预测临床转归,其效能可与传统的基于面谈的临床评估相媲美。

上一篇: Critical Care Medici...

下一篇: 双扳机会增加成熟卵泡数,提高妊娠率或活产...


 本站广告