本网站使用饼干、标签和跟踪设置来存储帮助您获得最佳浏览体验的信息。 不要理会这个警告

使用机器学习算法预测严重创伤性脑损伤后的颅内压危机

他在彼得罗夫 部门开云体育app官方网站下载入口神经外科,

寻找德米特里·佩特罗夫的其他论文
当前站点
谷歌学者
PubMed 关闭
医学博士
，
斯蒂芬·p·米兰达 部门开云体育app官方网站下载入口神经外科,

搜索斯蒂芬·p·米兰达的其他论文
当前站点
谷歌学者
PubMed 关闭
医学博士
，
Ramani Balu 神经病学，宾夕法尼亚大学，费城，宾夕法尼亚;而且

搜索拉玛尼·巴鲁的其他论文
当前站点
谷歌学者
PubMed 关闭
医学博士
，
康纳Wathen 部门开云体育app官方网站下载入口神经外科,

查一下康纳·沃特森的其他论文
当前站点
谷歌学者
PubMed 关闭
医学博士
，
亚历克斯Vaz 部门开云体育app官方网站下载入口神经外科,

搜索亚历克斯·瓦兹的其他论文
当前站点
谷歌学者
PubMed 关闭
医学博士
，
Vinodh汉 IBM公司，阿蒙克，纽约

查找维诺德·莫汉的其他论文
当前站点
谷歌学者
PubMed 关闭
女士
，
基督教结肠 IBM公司，阿蒙克，纽约

搜索克里斯蒂安·科隆的其他论文
当前站点
谷歌学者
PubMed 关闭
女士
,
雷蒙Diaz-Arrastia 神经病学，宾夕法尼亚大学，费城，宾夕法尼亚;而且

搜索Ramon Diaz-Arrastia的其他论文
当前站点
谷歌学者
PubMed 关闭
医学博士
查看更多 视图不
出版时间:
2023年1月27日
页面范围:
1 - 8
体积/问题:
开云体育app苹果版下载
DOI链接:
https://doi.org/10.3171/2022.12.JNS221860
限制访问

现在购买

美元45.00美元

JNS +儿科- 1年订阅套餐(仅限个人)

美元525.00美元

JNS +儿科+脊柱- 1年订阅套餐(仅限个人)

美元624.00美元
点击此处查看订阅选项

  • 现在购买

    美元45.00美元

  • JNS +儿科- 1年订阅套餐(仅限个人)

    美元525.00美元

  • JNS +儿科+脊柱- 1年订阅套餐(仅限个人)

    美元624.00美元
美元45.00美元
美元525.00美元
美元624.00美元
打印或打印+在线 登录

客观的

避免创伤性脑损伤(TBI)后颅内高压是神经危重症护理的基础，以最大限度地减少颅内压升高(ICP)相关的继发性脑损伤。然而，这种方法最多只能对颅内压增高的发作起反应，允许在治疗开始前有一段时间的颅内压升高。在ICP危机发生之前准确预测将允许临床医生实施预防策略，最大限度地减少ICP高于阈值的总时间，并可能避免继发性损伤。本研究的目的是开发一种算法，能够预测ICP危机的发生，并有足够的提前时间，以便应用预防性治疗。

开云体育世界杯赔率

回顾性分析了2015年4月至2019年1月间在I级创伤中心收治的36例严重TBI(格拉斯哥昏迷量表评分< 8)患者，他们接受了持续的脑内ICP监测器放置。从每个监测时段(4-96小时监测范围)提取连续ICP数据。ICP危机被视为二元结果，定义为ICP在5分钟间隔内至少75%的数据为> 22 mmhg。每次ICP危机前的ICP数据被分为四个总数据集，每个数据集的周期为1小时和2小时，每个数据集在ICP危机前的准备时间间隔为10至20分钟。从连续时间序列数据中识别出危机事件和非危机事件，并从30名患者的子集中随机分为70%用于训练和30%用于测试。训练机器学习算法来预测ICP危机，包括轻度梯度增强、极端梯度增强和随机森林。测量准确度和受试者工作特征曲线(AUC)下面积来比较效果。使用特征选择和超参数调优来优化最具预测性的算法，以避免过拟合，然后在5名患者的验证子集上进行测试。测量精密度、召回率、F1评分和准确度。

结果

随机森林模型在所有四个数据集上都表现出最高的准确性(0.82-0.88范围)和AUC(0.86-0.88范围)。进一步的验证测试显示，ICP危机的精度较高(0.76)，召回率相对较低(0.46)，总体预测性能较强(F1评分0.57，准确度0.86)。决策曲线分析表明，该模型在高于0.1和低于0.9的概率阈值时提供了净效益。

结论

该模型能够准确、及时地预测严重TBI患者发生ICP危机前10-20分钟的情况。如果在临床工作流程中得到验证和实施，该算法可以更早地干预颅内压危机，更有效地治疗颅内高压，并可能改善严重TBI后的结果。

缩写

AUC =接受者工作特性曲线下面积 ； Fp =假阳性(s) ； 格拉斯哥昏迷量表 ； 超参数调优 ； ICP =颅内压 ； IQR =四分位间距 ； LGBM =轻梯度增强模型 ； 创伤性脑损伤 ； Tp =真正(s) ．
  • 崩溃
  • 扩大
开云体育app苹果版下载

贡献者的笔记

对应Dmitriy Petrov:宾夕法尼亚大学，费城，宾夕法尼亚州。dmitriy.petrov@pennmedicine.upenn.edu．

引用时包括2023年1月27日在线发布;DOI: 10.3171 / 2022.12.jns221860。

披露的信息彼得罗夫博士报告说，在研究进行期间，Integra提供了资助。Diaz-Arrastia博士报告了BrainBox Solutions、MesoScale Discoveries和Abbott在提交工作之外的资助，以及NovaSignal的股权。本研究在IBM的协助下进行数据分析和解释。
关键词:
颅内压； 机器学习； 创伤性脑损伤
页数:
8
  • 1.

    Le RouxP，梅农DK，CiterioG，et al。神经危重症护理中多模态监测的国际多学科共识会议:建议清单和附加结论:来自神经危重症护理学会和欧洲重症监护医学学会的医疗保健专业人员的声明．Neurocrit保健．2014；21（2个5)：S282- - - - - -S29．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 2.

    FahyBG，SivaramanV．神经危重症护理的当前概念．北美麻醉科诊所．2002；20.（2)：441- - - - - -462．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 3.

    HemphillJC，安德鲁斯P，De格鲁吉亚米．多模式监测和神经危重症护理生物信息学．Nat Rev Neurol．2011；7（8)：451- - - - - -460．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 4.

    Le RouxP．颅内压监测与管理．:LaskowitzD，格兰特G, eds。创伤性脑损伤的转化研究．CRC的新闻；2016．

    • 搜索谷歌学者
    • 出口的引用
  • 5.

    福赛斯RJ，强奸犯J，TodhunterE．急性昏迷常规颅内压监测．Cochrane数据库系统版本．2015；2015（11)：CD002043．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 6.

    StocchettiN，PicettiE，Berardino米，et al。颅内压监测在创伤性脑损伤中的临床应用:米兰共识会议报告．神经神经学报(维也纳)．2014；156（8)：1615- - - - - -1622．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 7.

    Lavinio一个，梅农DK．颅内压:为什么监测，如何监测，如何处理这个数字，未来如何发展?Curr Opin麻醉药．2011；24（2)：117- - - - - -123．

    • 搜索谷歌学者
    • 出口的引用
  • 8.

    AkerlundCA，唐纳利J，Zeiler足总，et al。严重创伤性脑损伤后颅内压升高的持续时间和程度对预后的影响:一项CENTER-TBI高分辨率分组研究．《公共科学图书馆•综合》．2020；15（12)：e0243427．

    • 搜索谷歌学者
    • 出口的引用
  • 9.

    布拉顿SL，栗RM，盖杰尔J，et al。严重创伤性脑损伤的治疗指南．8颅内压阈值。J创伤．2007；24（增刊1)：S55-S58．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 10.

    ChesnutR，阿奎莱拉年代，Buki一个，et al。一种同时监测脑氧和颅内压的成人患者的管理算法:西雅图国际严重创伤性脑损伤共识会议(SIBICC)．重症监护医学．2020；46（5)：919- - - - - -929．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 11.

    HawrylukGWJ，阿奎莱拉年代，Buki一个，et al。颅内压监测患者的管理算法:西雅图国际严重创伤性脑损伤共识会议(SIBICC)．重症监护医学．2019；45（12)：1783- - - - - -1794．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 12.

    史蒂文斯理查德·道金斯，发怒JS，达克沃斯J，Papangelou一个，WeingartSD，史密斯WS．紧急神经生命支持:颅内高压和疝出．Neurocrit保健．2012；17（增刊1)：S60-S65车型．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 13.

    StocchettiN，Maas人工智能．外伤性颅内高压．N英语J医学．2014；370（22)：2121- - - - - -2130．

  • 14.

    卡拉G，GuizaF，DepreitereB，MeyfroidtG．在CENTER-TBI数据集的外部验证中，颅内高压预测模型表现出稳健的性能．重症监护医学．2021；47（1)：124- - - - - -126．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 15.

    GuizaF，DepreitereB，风笛手我，et al。创伤性脑损伤中颅内压增高发作的早期发现:成人和儿童队列的外部验证．重症监护医学．2017；45（3.)：e316- - - - - -e320．

    • 搜索谷歌学者
    • 出口的引用
  • 16.

    GuizaF，DepreitereB，风笛手我，范登伯格G，MeyfroidtG．预测重症监护开云体育世界杯赔率期间颅内压升高和创伤性脑损伤后长期神经结局的新方法:多中心数据集的开发和验证．重症监护医学．2013；41（2)：554- - - - - -564．

    • 搜索谷歌学者
    • 出口的引用
  • 17.

    迈尔斯RB，拉扎里迪斯C，杰梅因。厘米，罗伯逊CS，RusinCG．重度颅脑损伤患者颅内压和脑组织氧危象的预测．重症监护医学．2016；44（9)：1754- - - - - -1761．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 18.

    胡X，徐P，Asgari年代，胡蜂属P，Bergsneider米．基于预见性颅内压波形形态变化预测ICP升高．IEEE跨生物医学工程．2010；57（5)：1070- - - - - -1078．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 19.

    李沪江，金H，金欧美，赢得了K，Czosnyka米，金DJ．使用机器学习预测外伤性脑损伤急性期危及生命的颅内高压．IEEE生物医学健康信息．2021；25（10)：3967- - - - - -3976．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 20.

    ScalzoF，汉密尔顿R，Asgari年代，金年代，胡X．利用极随机决策树预测颅内高压．医学及物理．2012；34（8)：1058- - - - - -1065．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 21.

    Swiercz米，MariakZ，KrejzaJ，LewkoJ，SzydlikP．人工神经网络处理颅内压:预测颅内压趋势．神经神经学报(维也纳)．2000；142（4)：401- - - - - -406．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 22.

    徐足球俱乐部，太阳米，李CC，SclabassiRJ．基于小波神经网络的ICP信号预测．:第17届医学与生物工程国际会议论文集。IEEE；1995：1045-1046．

    • 搜索谷歌学者
    • 出口的引用
  • 23.

    张F，冯米，锅SJ，et al。基于人工神经网络的颅内压平均预测算法的医疗决策支持．年度会议IEEE工程医学生物学会．2011；2011：7111- - - - - -7114．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 24.

    Vellido一个．机器学习在医学和卫生保健应用中的可解释性和可视化的重要性．神经计算应用．2020；32（24)：18069- - - - - -18083．

    • 搜索谷歌学者
    • 出口的引用
  • 25.

    卡尼N，托坦我，O ' reillyC，et al。严重创伤性脑损伤的治疗指南，．第四版．开云体育app官方网站下载入口．2017；80（1)：6- - - - - -15．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 26.

    SorrentinoE，DiedlerJ，Kasprowicz米，et al。创伤性脑损伤后脑血管反应性的临界阈值．Neurocrit保健．2012；16（2)：258- - - - - -266．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 27.

    BrockwellPJ，戴维斯类风湿性关节炎．时间序列与预测导论．3日艾德．施普林格国际出版；2016：1．

    • 搜索谷歌学者
    • 出口的引用
  • 28.

    基督米，布劳恩N，NeufferJ，Kempa-Liehr亚历山大-伍尔兹．基于可扩展假设测试的时间序列特征提取(tsfresh-a Python包)．Neurocomputing．2018；307：72- - - - - -77．

    • 搜索谷歌学者
    • 出口的引用
  • 29.

    维氏AJ，艾尔金海尔哥哥．决策曲线分析:一种评价预测模型的新方法．医学决策．2006；26（6)：565- - - - - -574．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 30.

    艾伦R．时间序列方法在颅内压监测开云体育世界杯赔率中的应用。第1部分:监测方案的问题、建议和适当技术的审查．生物医学工程．1983；5（1)：5- - - - - -18．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 31.

    布赫曼TG．危重疾病和康复期间生理状态的新表现．暴击治疗．2010；14（2)：127．

  • 32.

    HatibF，剑Z，Buddi年代，et al。基于高保真动脉压波形分析的机器学习算法预测低血压．麻醉学．2018；129（4)：663- - - - - -674．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用
  • 33.

    Wijnberge米，基尔特•男朋友，假日l，et al。选择性非心脏手术术中低血压深度和持续时间的机器学习早期预警系统与标准护理的影响:HYPE随机临床试验．《美国医学会杂志》．2020；323（11)：1052- - - - - -1060．

    • PubMed
    • 搜索谷歌学者
    • 出口的引用

指标

所有的时间 过去的一年 过去30天
抽象的观点 811 811 179
全文视图 242 242 56
PDF下载 152 152 32
EPUB下载 0 0 0
Baidu
map