基于机器学习的术后患者谵妄风险预测模型研究进展

术后谵妄(postoperative delirium,POD)是手术患者常见的一种认知功能障碍,不仅会延长患者的住院时间,还会增加住院费用和死亡风险。随着现代医疗科技的发展,机器学习(machine learning,ML)技术为预测术后谵妄的风险提供了有效手段。本文通过对国内外基于机器学习算法的术后患者谵妄风险预测模型的研究进展及其存在的局限性进行综述,旨在为临床实践提供有价值的依据,同时也为未来的相关研究提供参考。

心脏手术患者围手术期预防谵妄的最佳证据总结

目的 整合心脏手术患者围手术期谵妄预防的证据。方法 按照循证资源6S模型,自上而下逐级检索国内外相关数据库及网站,检索时间限定为2014年1月1日—2023年4月23日,由2名研究者独立进行文献质量评价和资料提取,整理出心脏手术患者围手术期谵妄预防的最佳证据。结果 最终共纳入12篇文献,其中3篇指南、5篇专家共识、3篇临床决策、1篇系统评价,从团队合作、危险因素识别、评估、诊断、非药物干预、药物干预6个方面汇总整理出38条最佳证据。结论 总结出有关心脏手术患者围手术期谵妄预防的最佳证据,可为临床医护人员制定相关管理方案和开展临床实践提供参考,建议在证据应用的基础上结合患者具体情况制定出个体化的谵妄预防方案。