Um Herzstillstände außerhalb von Krankenhäusern zu behandeln, haben Forscher der Osaka Metropolitan University eine neue Bewertungsmethode entwickelt, die nur Daten aus präklinischen Wiederbelebungsmaßnahmen verwendet, um neurologische Ergebnisse präzise vorherzusagen und es Ärzten zu ermöglichen, bei der Ankunft eines Patienten im Krankenhaus besser informierte Entscheidungen zu treffen.
WARUM ES WICHTIG IST
Nach dem Patiententransport müssen Patienten mit einem präoperativen Kreislaufstillstand mit ungünstigen neurologischen Folgen rechnen, die von einer Behinderung bis zum Tod reichen können.
Das neue Modell R-EDByUS wurde von Forschern der Osaka Metropolitan University entwickelt und ist nach den fünf Schlüsselvariablen benannt, auf denen es basiert: Alter, Dauer bis zur Wiederherstellung des spontanen Kreislaufs bzw. Zeit bis zur Ankunft im Krankenhaus, Ausbleiben einer kardiopulmonalen Wiederbelebung durch Umstehende, ob der Herzstillstand beobachtet wurde und der anfängliche Herzrhythmus.
Das Modell sagte die neurologische Prognose eines kardiogenen OHCA bei der Ankunft im Krankenhaus genau voraus. Forschung veröffentlicht in der Ausgabe dieses Monats von Reanimation.
„Wir gehen von der Hypothese aus, dass ein Bewertungsmodell, das im Algorithmus ausschließlich auf präklinischen Faktoren basiert, leicht zu verwenden wäre und die Prognose bereits im frühesten Stadium der medizinischen Versorgung vorhersagen könnte“, so die Forscher.
Sie nutzten die ungünstigen Eigenschaften des Algorithmus des American College of Cardiology aus:
- Festnahme ohne Zeugen.
- Anfänglicher nicht schockbarer Rhythmus.
- Keine Herz-Lungen-Wiederbelebung durch Umstehende.
- Zeit bis zum ROSC von > 30 Min.
- Laufende Herz-Lungen-Wiederbelebung.
- Blut-pH von
- Laktatspiegel von > 7 mmol/l.
- Alter > 85 Jahre.
- Nierenversagen im Endstadium.
- Onkardiale Ursachen bei Patienten mit Herzstillstand.
Sie verwendeten Daten, die OHCA zwischen 2005 und 2019 aus dem All-Japan Utstein Registry für 942.891 Erwachsene mit mutmaßlich kardialem Ursprung gesammelt hatte. Sie kategorisierten die Patienten in zwei Gruppen – diejenigen, die vor der Ankunft im Krankenhaus einen ROSC erreichten, oder diejenigen, die bei der Ankunft noch eine Herz-Lungen-Wiederbelebung erhielten. Dann verwendeten sie detaillierte regressionsbasierte und vereinfachte Modelle, um die R-EDByUS-Werte für jede Gruppe zu berechnen.
Sie schlossen Patienten unter 18 Jahren, Patienten, die von Umstehenden eine Herz-Lungen-Wiederbelebung erhalten hatten, und einige andere Faktoren aus.
In der präklinischen ROSC-Gruppe hatten 70,0 % ungünstige neurologische Folgen, während 55,7 % starben. Bei denjenigen, deren Rettungsdienst bei der Ankunft im Krankenhaus die Herz-Lungen-Wiederbelebung fortsetzte, hatten 99,4 % ungünstige neurologische Folgen und 98,2 % starben.
„Unser Vorhersagemodell hilft dabei, Patienten zu identifizieren, die wahrscheinlich von einer Intensivbehandlung profitieren werden, und reduziert gleichzeitig unnötige Belastungen für diejenigen mit schlechten Prognosen“, sagte Takenobu Shimada, Dozent an der Graduate School of Medicine der Osaka Metropolitan University und Hauptautor der Studie. MSN letzte Woche.
Der Artikel ist der Ansicht, dass sich das Bewertungsmodell zu einem wertvollen Instrument für Gesundheitsdienstleister entwickeln wird, das bei der schnellen Beurteilung und Behandlung von Patienten während der Wiederbelebung hilft.
Die Forscher entwickelten eine Webbasierter Rechner Sie sagten, dass es in einer klinischen Umgebung einfach zu verwenden ist und das Potenzial für eine zukünftige Validierung hat.
DER GRÖSSERE TREND
Eine KI-gestützte Patiententriage kann möglicherweise geeignete Behandlungskanäle schaffen, die Behandlungsergebnisse und -erfahrungen der Patienten verbessern und die Ressourcennutzung optimieren. Für ihre Bewertung sind jedoch strenge Vorschriften erforderlich, sagt Piotr Orzechowski, Gründer und CEO von Infermedica, einem auf KI im Gesundheitswesen tätigen Unternehmen, das sich auf vorläufige Symptomanalysen und digitale Triage konzentriert.
„KI-Tools sind nicht dazu befugt, Patienten zu diagnostizieren“, sagte Orzechowski Neuigkeiten aus der Gesundheits-IT im Dezember während eines Gesprächs über die Schnittstelle zwischen Gesundheitswesen und KI.
„Trotz der bemerkenswerten Fortschritte bei der generativen KI müssen wir hinsichtlich ihrer praktischen Anwendung im Gesundheitswesen vorsichtig bleiben“, sagte er.
ORIENTIERTE DATEN
„Mit diesem kostenlosen Berechnungstool lassen sich die Vorhersagewahrscheinlichkeiten für ungünstige neurologische Folgen und die Sterblichkeit leicht abschätzen, indem man jede Variable im Internet überprüft, anstatt sie mit Nomogrammen zu berechnen“, sagten die Forscher.
Andrea Fox ist leitende Redakteurin von Healthcare IT News.
E-Mail: afox@himss.org
Healthcare IT News ist eine Veröffentlichung von HIMSS Media.
Das HIMSS AI in Healthcare Forum findet vom 5. bis 6. September in Boston statt. Mehr erfahren und registrieren.
