مدل پیش‌بینی خطر پذیرش در بخش مراقبت‌های ویژه، بقا


نوشته شانیا کندی

– بر اساس مطالعه ای که در مجله منتشر شده است، محققان برای پیش بینی پذیرش در بخش مراقبت های ویژه (ICU) و بقای ICU در میان افراد مسن ساکن جامعه امتیاز خطر ایجاد کرده اند. گزارش های علوم بهداشتی.

تیم تحقیقاتی خاطرنشان کرد که مدل‌های پیش‌بینی‌کننده موجود برای شناسایی خطر بیماری‌های بحرانی معمولاً به داده‌های بالینی بخش‌های اورژانس برای کمک به تریاژ بیمار پس از پذیرش در بیمارستان متکی هستند. با این حال، این مدل ها اغلب نمی توانند بیماران سرپایی را که ممکن است در آینده با یک بیماری وخیم در ICU بستری شوند، معرفی کنند.

این یک چالش مهم است زیرا جمعیت های سالخورده به طور فزاینده ای از خدمات مراقبت های ویژه استفاده می کنند و نیاز به مدل هایی را برای پیش بینی پذیرش آینده ICU، بقا و مرگ و میر تسهیل می کند. تیم تحقیقاتی نشان داد که بسیاری از بیماران میانسال به همان اندازه همتایان مسن‌تر خود در معرض خطر پیامدهای سلامت ضعیف هستند و رویکرد مبتنی بر جمعیت را برای خطر مطلوب می‌سازد.

«ابزار امتیاز پیش‌بینی خطر ما برای استفاده توسط سیستم‌های سلامت و محققان طراحی شده است تا بتوانند با بزرگسالان در یک جمعیت خاص – شاید آنهایی که مشکلات سلامت خاصی دارند یا در یک منطقه جغرافیایی خاص زندگی می‌کنند – که ممکن است در معرض خطر بالاتری از ابتلا به این بیماری باشند تعامل داشته باشند. سیکاندار خان، DO، MS، استادیار پزشکی در بخش پزشکی ریوی و مراقبت های ویژه در دانشگاه ایندیانا و مدیر پزشکی بخش مراقبت های ویژه بهداشت دانشگاه ایندیانا (ICU) توضیح داد: بستری شدن در ICU و خطر بیشتر یا کمتر بقای ICU. ) مرکز بازمانده، در یک بیانیه مطبوعاتی.

خبر خوب این است که اگر محققان بتوانند با استفاده از امتیاز خطر پیش‌بینی، جمعیت‌هایی را که احتمالاً به بیماران آی‌سی‌یو آینده تبدیل می‌شوند، شناسایی کنند، ممکن است بتوانند بیماران را در این جمعیت‌ها در مطالعات زودتر ثبت‌نام کنند و سیستم‌های بهداشتی ممکن است بتوانند برنامه‌های جدید و توسعه دهند. خان ادامه داد: مدل‌های جدید مراقبت از جمعیت‌های در معرض خطر برای بهبود نتایج تک تک بیماران در داخل و بعد از ICU.

این مدل بر روی داده‌های 48127 بیمار 50 ساله و بالاتر با حداقل یک ویزیت مراقبت‌های اولیه بین 1 ژانویه 2017 تا 31 دسامبر 2017 آموزش داده شد. تیم تحقیقاتی با استفاده از داده‌های پرونده الکترونیک سلامت، متغیرهای متعددی را شناسایی کردند که بر بقای ICU تأثیر می‌گذارند. .

بیماران در گروه به سه گروه “زنده بدون بستری در ICU”، “بازماندگان ICU” و “مرگ” – با استفاده از بستری در ICU و مرگ و میر در طی دو سال پس از ویزیت اولیه مراقبت های اولیه تقسیم شدند. در طول مدت مطالعه، 92.2 درصد از بیماران بدون بستری در ICU زنده بودند، 6.2 درصد حداقل یک بار در ICU بستری شدند و زنده ماندند و 1.6 درصد فوت کردند.

بالاترین امتیاز خطر برای مرگ و میر در بخش مراقبت های ویژه دهک های بالای 50 سال بود. تشخیص اختلال انسداد مزمن ریه (COPD) یا نارسایی مزمن قلبی؛ و ناهنجاری های آزمایشگاهی در آلکالین فسفاتاز، هماتوکریت و آلبومین.

به طور کلی، این مدل به عملکرد بالایی دست یافت، و بین بیمارانی که بدون بستری در ICU زنده ماندند با ناحیه زیر منحنی ویژگی‌های عملکرد گیرنده (AUC) 0.858، و بین بازماندگان ICU در مقابل آنهایی که زنده ماندند بدون بستری ICU با AUC زنده ماندند، تفاوت قائل شد. 0.765.

در حالی که این نتایج امیدوارکننده هستند، تیم تحقیقاتی هشدار داد که قبل از استقرار مدل در محیط‌های بالینی به تحقیقات بیشتری نیاز است.

«در حال حاضر ما ابزارهای نادرستی برای شناسایی گروه هایی از بیماران داریم که به شدت بیمار می شوند. این مطالعه اولین گام در ایجاد زیرساخت برای تحقیقات بیشتر توسط ما و سایرین برای شناسایی و پیگیری گروه‌هایی از بیمارانی است که ممکن است به شدت بیمار شوند و در نهایت برای بهبود نتایج آنها ارائه شود.