Bandyopadhyay, S., Zhang, J., Ison, R. L., Libon, D. J., Tighe, P., Price, C., & Rashidi, P. (2023). Peri-AIIMS: Perioperative Artificial Intelligence Driven Integrated Modeling of Surgeries using Anesthetic, Physical and Cognitive Statuses for Predicting Hospital Outcomes. Anesthesia & Analgesia, 137(1), 120–130.
本研究は、高齢者の術後合併症の予測における、術前認知機能評価(時計描画テスト)の重要性を、術中変数、術前身体状態、人口統計学的特性、併存疾患に加えて検討することを目的とした。
2018年1月から2019年12月までに、第三次医療センターで待機的手術を受けた65歳以上の患者22,473人のデータを用いた後向きコホート研究を実施した。術中データ、術前身体状態情報、人口統計学的特性、時計描画テストの結果を含む、完全なデータセットを持つ患者を分析に含めた。術後アウトカムは、入院期間、入院費用、1年後の死亡率、追跡期間中の平均疼痛であった。術後アウトカムを予測するために、術中変数、人口統計学的特性、術前身体状態、併存疾患、時計描画テストの結果を組み合わせた機械学習モデルを開発した。
術中変数、人口統計学的特性、術前身体状態、併存疾患に加えて、時計描画テストの結果を含む周術期認知データセットは、18の可能な手術とアウトカムの組み合わせのうち12で、術後アウトカムを分類するための最良のデータセットとして機能した。解釈可能性分析の結果、手術時間、続いて麻酔中に使用されたイソフルランまたはセボフルランの平均肺胞濃度が、有害事象の最も重要な予測因子であることが示された。
術前認知機能は、術中変数、術前身体状態、人口統計学的特性、併存疾患に加えて、高齢者の術後アウトカムを予測する上で重要な役割を果たす可能性がある。
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問