编辑推荐:
为明确创伤患者无创通气(NIV)使用的预测因素,研究人员开展相关研究,发现其使用与多种因素有关,为临床提供参考。
在创伤患者的救治过程中,气道管理是极为关键的一环。当进行侵入性气道管理时,创伤患者由于原发性肺损伤、低血容量、呼吸驱动力不足、气道保护缺失或气道损伤等原因,极易出现缺氧状况。这就如同在战场上,士兵们面临着重重危险,而缺氧就是其中一颗极具威胁的 “定时炸弹”。目前,在德国,虽然指南将无创通气(NIV)视为一种可能的预氧合方法,但相关数据却十分匮乏。一方面,对于接受 NIV 的患者特征及使用情况了解不足;另一方面,在实际的院前急救场景中,现场侵入性医疗治疗面临诸多挑战,资源有限,患者还可能存在意识改变或误吸风险,这些都使得 NIV 的应用受到限制。为了填补这些空白,来自德国多个机构的研究人员,包括海德堡大学医学系(Medical Faculty Mannheim, Heidelberg University)等,开展了一项重要研究,相关成果发表在《Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine》上。
研究人员采用了多种关键技术方法。他们基于德国西南部院前急救服务的跨区域登记系统,选取 2018 - 2020 年成年多发伤且需现场紧急麻醉的患者数据。通过逻辑回归分析初始生命体征、氧饱和度、呼吸频率等多个指标,同时运用决策树算法筛选关键属性,并在多个机器学习算法中进行测试。
研究结果主要如下:
- 数据集及描述性统计:研究最终纳入 992 例患者数据,其中 333 例接受 NIV(33.56%),659 例采用传统预氧合方式。接受 NIV 的患者更年轻,呼吸困难或发绀、支气管痉挛更为常见,中度头部损伤比例更高,氧饱和度更低,呼吸频率更高。
- 逻辑回归分析:支气管痉挛、呼吸困难 / 发绀、中重度头部损伤和呼吸频率对 NIV 使用有显著正向影响;梗阻 / 喘息 / 呼吸暂停、严重面部损伤等因素则对 NIV 使用有显著负向影响。
- 决策树模型属性选择:决策树包含听诊、头部损伤、呼吸频率等六个属性,关键因素为支气管痉挛、低氧饱和度和轻中度头部损伤时的 NIV 使用情况。
- 机器学习算法性能:除多层感知器(MLP)外,其他算法结果可比。贝叶斯网络(BN)在总正确率、灵敏度、特异性等指标上表现出色,随机森林(RF)在排除 NIV 的 PRC - area 上略胜一筹。
研究结论与讨论部分指出,约三分之一的创伤患者在院前急救麻醉前接受 NIV,主要用于无严重头部损伤且伴有呼吸困难、发绀或支气管痉挛的患者,这基本符合德国现行临床指南。但目前 NIV 在院前创伤护理中的证据水平有限,还需进一步研究其有效性及对临床结局的影响。此外,研究也存在一些局限性,如数据结构的限制,无法评估所选技术的有效性及对临床结局的影响;数据集相对较小,算法需在独立外部队列中测试等。不过,该研究为后续研究指明了方向,也为临床医生在院前急救中对 NIV 的使用提供了有价值的参考,让我们在应对创伤患者的气道管理问题上又前进了一步。
濞戞挸顑堝ù鍥┾偓鐟邦槹瀹撳孩瀵奸敂鐐毄閻庢稒鍔掗崝鐔煎Υ婵犲洠鍋撳宕囩畺缂備礁妫滈崕顏呯閿濆牓妯嬮柟娲诲幘閵囨岸寮幍顔界暠闁肩瓔鍨虫晶鍧楁閸撲礁浠柕鍡楊儐鐢壆妲愰姀鐙€娲ゅù锝嗘礋閳ь剚淇虹换鍐╃閿濆牓妯嬮柛鎺戞閻庤姤绌遍崘顓犵闁诡喓鍔庡▓鎴︽嚒椤栨粌鈷栭柛娆愬灩楠炲洭鎯嶉弮鍌楁晙
10x Genomics闁哄倹婢橀幖顪渋sium HD 鐎殿喒鍋撻柛姘煎灠瀹曠喓绱掗崱姘姃闁告帒妫滄ご鎼佹偝閸モ晜鐣遍柛蹇嬪姀濞村棜銇愰弴鐘电煁缂佸本妞藉Λ鍧楀礆閸℃ḿ鈧粙鏁嶉敓锟�
婵炲棎鍨肩换瀣▔鐎n厽绁癟wist闁靛棗锕g粭澶愬棘椤撶偛缍侀柛鏍ㄧ墱濞堟厤RISPR缂佹稒鐩埀顒€顦伴悧鍝ヤ沪閳ь剟濡寸€n剚鏆╅悗娑欏姃閸旓拷
闁告娲滅划蹇涙嚄閻愬銈撮幖鏉戠箰閸欏棝姊婚妸銉d海閻犱焦褰冮悥锟� - 婵烇絽宕崣鍡樼閸℃鎺撶鎼达綆鍎戝☉鎾亾濞戞搩浜滃畷鐔虹磼閸℃艾鍔掗悗鍦仱閻涙瑧鎷嬮幑鎰靛悁闁告帞澧楅弳鐔煎箲椤斿灝绐涢柟璨夊倻鐟㈤柛娆樺灥椤宕犻弽顑帡寮搁敓锟�
濞戞挸顑堝ù鍥Υ婵犲嫮鐭庨柤宕囧仜閸炴挳鎽傜€n剚顏ら悹鎰╁妺缁ㄧ増鎷呭⿰鍐ㄧ€婚柡瀣姈閺岀喎鈻旈弴鐘虫毄閻庢稒鍔掗崝鐔煎Υ閿燂拷