Research Article

تطوير والتحقق الخارجي لتطبيق قائم على الويب للتنبؤ ب ARDS المرتبطة بالالتهاب الرئوي

DOI:

10.3791/69738

⸱

January 6th, 2026

 ,  , 
1Department of Pulmonary and Critical Care Medicine, Beijing Anzhen Hospital of Capital Medical University, 2Beijing Institute of Heart, Lung and Blood Vessel Diseases

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تهدف هذه الدراسة إلى تطوير والتحقق من الخارج لنظام قائم على الويب يدمج نماذج التعلم الآلي للتشخيص المبكر والنمذجة السريرية لمتلازمة ARDS المرتبطة بالالتهاب الرئوي لتسهيل العلاج الدقيق.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

متلازمة الضيق التنفسي الحاد (ARDS) هي مرض شديد التجانس مع مظاهر سريرية قد تتداخل مع التهاب رئوي شديد، مما يشكل تحديات في التمييز الدقيق. لذلك، فإن التنبؤ المبكر والتجميع السريع بجانب المرضى في ARDS ضرورية بشكل عاجل. تهدف هذه الدراسة إلى تطوير نظام قائم على الويب، يتضمن نماذج موثقة للتشخيص المبكر بجانب السرير وتصنيف المجموعات الفرعية السريرية، لتوقع تطور وأنماط متلازمة الالتهاب الحديدي المرتبط بالالتهاب الرئوي. تم تطوير والتحقق من نماذج التشخيص والمجموعات الفرعية من قاعدتي البيانات الكبيرتين، Medical Information Mart for Intensive Care IV (MIMIC-IV) ووحدة العناية المركزة عن بعد (eICU)، وتم دمجها في نظام توقع قائم على الويب. تم تحليل بيانات مرضى الالتهاب الرئوي الذين تم إدخالهم المستشفى لأكثر من 24 ساعة بين عامي 2008 و2019. شملت مجموعة اشتقاق MIMIC-IV 24,987 مريضا يعانون من الالتهاب الرئوي (14,121 يعانون من ARDS المرتبطة بالالتهاب الرئوي)؛ شملت مجموعة التحقق من وحدة العناية المركزة 20,676 مريضا بالتهاب رئوي (9946 مصابين بمتلازمة الالتهاب الرئوي المرتبطة بالتهاب رئوي). في التشخيص، كانت طريقة التكديس في التعلم الآلي أفضل أداء مع AUC 0.919، ودقة 70.00٪، ودقة 69.88٪، واستدعاء بنسبة 82.27٪ في مجموعة اشتقاق MIMIC-IV. بلغت نسبة AUC، والدقة، والدقة، والاستدعاء لمجموعة التحقق من وحدة العناية المركزة 0.915، 70.87٪، 69.70٪ و69.70٪ على التوالي. تم تصنيف ARDS المرتبطة بالالتهاب الرئوي إلى ثلاثة أنماط سريرية ذات خصائص ونتائج سريرية مختلفة، وكل منها استجاب بشكل مختلف للعلاج. بين المرضى في المجموعتين 0 و1، كانت معدلات الوفيات داخل المستشفى أعلى بين الذين تلقوا العلاج المبكر بالكورتيكوستيرويدات مقارنة بمن لم يتلقوا ذلك، بينما بين المرضى في المجموعة 2، كان معدل الوفيات داخل المستشفيات أقل بين الذين تلقوا الكورتيكوستيرويدات مقارنة بمن لم يتلقوا. قمنا بتحويل شبكة لتوقعات التشخيص وتصنيف المجموعات الفرعية السريرية لمتلازمة الالتهاب الرئوي المرتبطة بالالتهاب الرئوي. قد تساعد نماذجنا عبر الإنترنت للتشخيص المبكر بجانب السرير وتصنيف المجموعات الفرعية السريرية لمتلازمة ARDS المرتبطة بالالتهاب الرئوي الأطباء في تشخيص وعلاج المرض وتعزيز العلاج الدقيق الفردي.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

الفشل التنفسي الحاد، وخاصة متلازمة الضيق التنفسي الحاد (ARDS) بعد عدوى الرئة، هو مشكلة شائعة ومدمرة يواجهها المرضى في حالات حرجة. أظهرت الدراسات أن معدل الإصابة بمتلازمة الحساسية المفرطة يصل إلى 10٪ بين المرضى في وحدة العناية المركزة، ومعدل الوفيات حوالي 40٪2,3. يعتبر الالتهاب الرئوي الشديد على نطاق واسع السبب الرئيسي لمرض ARDS4. نظرا لتشابه الأعراض السريرية للالتهاب الرئوي الشديد وARDS، غالبا ما يكون من الصعب التمييز بين ARDS والالتهاب الرئوي الشديد. لذلك، قد يؤدي التنبؤ المبكر بتطور ARDS في حالات الالتهاب الرئوي إلى تقليل معدل الإصابة ومعدلات الوفيات5. بالإضافة إلى ذلك، وبما أن ARDS مرض شديد التجانس6، فإن التصنيف المبكر والصحيح للمجموعات الفرعية لARDS يمكن أن يمكن الطب الدقيق. هذا التصنيف هو أيضا أحد الاتجاهات الرئيسية للبحث حول الأمراض التنفسية الحرجة في جميع أنحاء العالم.7، الهدف هو تحسين فعالية التدخل المستهدف في المجموعات الفرعية.

حاليا، تمت دراسة عوامل الخطر المستقلة لمتلازمة الالتهاب العاطفي بشكل مكثف8، لكن القليل منها ركز على التنبؤ بمتلازمة الالتهاب الرئوي لدى مرضى الالتهاب الرئوي. علاوة على ذلك، لم تجر أي دراسات على الأنماط الظاهرية السريرية المحددة لمتلازمة الالتهاب الرئوي المرتبطة بالالتهاب الرئوي؛ ركزت معظم الدراسات الظاهرية على جميع أفراد مرضى متلازمة الحساسية المزمنة. صنف كالفي وآخرون ARDS إلى أنماط مفرطة الالتهاب وأنماط خفيفة الالتهاب. لتعريف هذه الأنماط الظاهرية البيولوجية، يجب استخدام مؤشرات البلازما كمتغيرات محددة بشكل قاطع، لكن مثل هذا البحث غير متاح بسهولة في المعالج. في إحدى الدراسات، تم استخدام مؤشرات سريرية متاحة بسهولة لتصنيف ARDS إلى ثلاثة أنماط سريرية، تم تقييم استجاباتها للتدخلات العشوائية أيضا، لكن الدراسة استندت إلى كامل مجموعة مرضى ARDS10. قد يؤدي تعريف الأنماط الظاهرية السريرية لمتلازمة ARDS بناء على أسباب مختلفة، مثل الالتهاب الرئوي، إلى نتائج أكثر دقة ودقة.

كانت أهداف هذه الدراسة استخدام التعلم الآلي لبناء نموذج تنبؤي لمرض ARDS المرتبط بالالتهاب الرئوي مع بيانات سريرية مبكرة؛ استخدام البيانات السريرية المبكرة والمتاحة بسهولة لتصنيف ARDS المرتبطة بالالتهاب الرئوي إلى أنماط ظاهرية سريرية واستكشاف الفروقات في خصائصها السريرية ونتائجها واستجابات العلاج؛ وتنفيذ نموذج التنبؤ ونموذج التصنيف كتطبيق قائم على الويب يساعد الأطباء في تشخيص وعلاج ARDS المرتبطة بالالتهاب الرئوي وتعزيز المزيد من الأبحاث.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وصلت هذه الدراسة إلى قاعدة بيانات مركز المعلومات الطبية للعناية المركزة IV (MIMIC-IV)11 (الإصدار 1.0، PhysioNet: https://physionet.org/content/mimiciv/1.0/) وقاعدة بيانات وحدة العناية المركزة عن بعد (eICU)12 (الإصدار 2.0، PhysioNet: https://physionet.org/content/eicu-crd/2.0/) بعد إكمال اختبار حماية المشاركين في البحث البشري (معرف السجل: 44151052). أجريت هذه الدراسة وفقا لمبادئ إعلان هلسنكي (2013)، وقد قدم المرضى موافقتهم على تسجيل بياناتهم في قاعدتي البيانات. تم التنازل عن الموافقة الأخلاقية لهذه الدراسة لأن البيانات في قاعدة بيانات وحدة العناية المركزة الإلكترونية وMIMIC-IV كانت مجهولة الهوية بالكامل (دون الاحتفاظ بمعرفات شخصية).

المواد والأدوات
مصادر البيانات: قاعدة بيانات MIMIC-IV: الإصدار 1.0، سجل مفتوح الوصول من مركز واحد يحتوي على 76,540 حالة دخول في وحدة العناية المركزة (2008-2019)، تم الوصول إليها عبر PhysioNet. قاعدة بيانات العناية المركزة الإلكترونية: الإصدار 2.0، قاعدة بيانات متعددة المراكز تحتوي على >200,000 سجل طبي إلكتروني من 335 وحدة في 208 مستشفيات أمريكية (2014-2015)، تم الوصول إليها عبر PhysioNet. بيئة البرمجيات والتنفيذ: RapidMiner Studio: الإصدار 9.10.001 (بيئة التنفيذ: Windows 10 Pro 64-بت)، يستخدم لبناء النماذج (التصنيف/التجميع) واختيار الميزات؛ إحصائيات IBM SPSS: الإصدار 23.0 (بيئة التنفيذ: Windows 10 Pro 64-بت)، يستخدم للتحليل الإحصائي وحساب القيمة المفقودة؛ مجموعة تطوير جافا (JDK): النسخة Java SE 8u381 (بيئة التنفيذ: Windows 10 Pro 64-بت)، تستخدم لتطوير تطبيقات الويب؛ يدعم IDE: Eclipse IDE 2023-09؛ Apache Tomcat: الإصدار 9.0.85، يستخدم لنشر التطبيق القائم على الويب.

تصميم الدراسة وبيئاتها
مفهوم هذه الدراسة موضح في الشكل التكميلي 1. حللت هذه الدراسة بيانات من مصدرين كبيرين، وهما قاعدة بيانات مركز المعلومات الطبية للعناية المركزة IV (MIMIC-IV) ووحدة العناية المركزة عن بعد (eICU)، لبناء نموذج تنبؤي لمرض ARDS المرتبط بالالتهاب الرئوي وتصنيف المرضى المصابين وفقا للأنماط السريرية. اتبعت هذه الدراسة إرشادات الإبلاغ الشفاف عن نموذج التنبؤ متعدد المتغيرات لتشخيص أو تشخيص الفرد (TRIPOD).

عينات الدراسة
تم الحصول على بيانات التدريب والاختبار لهذه الدراسة من MIMIC-IV. كان مصدر التحقق الخارجي هو قاعدة بيانات وحدة العناية المركزة الإلكترونية متعددة المراكز. استخدمت هذه الدراسة التصنيف الدولي للأمراض (النسخة التاسعة والعاشرة) لاستخراج بيانات عن مرضى الالتهاب الرئوي ومتلازمة الالتهاب الرئوي المرتبطة به. تم استبعاد المرضى الذين تم قبولهم لأقل من 24 ساعة.

المؤشرات
بعد تقييم توفر البيانات ومعدل المتغيرات السريرية المفقودة في مجموعات بيانات MIMIC-IV ووحدة العناية المركزة الإلكترونية، تم اختيار 52 متغيرا لحالات ARDS المرتبطة بالالتهاب الرئوي كمرشحين للتدريب لاستخدامها في تعلم الآلة، بما في ذلك الخصائص الديموغرافية للمرضى، ونتائج المختبر، ودرجات شدة المرض. استخدمت هذه الدراسة خوارزمية الوزن بالارتباط (استنادا إلى وزن الارتباط بين المتغيرات والنتائج) لفحص المتنبؤات الرئيسية (المتغيرات التي تدرج في النهاية في النماذج) من 52 متغيرا مرشحا، ثم تم اختيار عوامل تجميع المجموعات الفرعية من المتنبئين الرئيسيين.

للقيام بذلك، افتح RapidMiner Studio، أنشئ عملية جديدة، وأضف عامل الوزن حسب الارتباط بالنقر على مشغلي > العملية > اختيار الميزات > الوزن حسب الارتباط. حدد المعامل: عتبة الارتباط = 0.04 (احتفظ بالمتغيرات ذات الوزن > 0.04). لإجبار النموذج على أخذ المراحل المبكرة من المرض في الاعتبار وتوقيت الأحداث، تم الحصول على أقصى وقيم دنيا لمؤشرات المختبر خلال 24 ساعة من الدخول. نظرا لأن درجة الفسيولوجيا الحادة الثالثة (APSIII) لم تدرج في قاعدة بيانات وحدة العناية المركزة الإلكترونية، فقد تم استخدام درجات تقييم الفسيولوجيا الحادة وتقييم الصحة المزمنة IV (APACHE IV) بدلا من ذلك. قامت هذه الدراسة بتنظيف البيانات واستيفاء القيم المفقودة باستخدام طريقة الحسابات المتعددة، وتوحيد المتغيرات المدخلة عند تطوير نماذج التنبؤ والنماذج الفرعية للنمذجة.

التحليل الإحصائي
افتح SPSS 23.0، واستورد مجموعة البيانات المعالجة مسبقا، واختر تحليل > الإحصائيات الوصفية > الاستكشاف. تحقق من مخططات الطبيعية مع الاختبارات لإجراء اختبار كولموغوروف-سميرنوف للمتغيرات المستمرة. يتم الإبلاغ عن المتغيرات الموزعة المنحرفة كوسيط (نطاق رباعي، IQR)؛ يتم الإبلاغ عن المتغيرات التصنيفية على أنها عد (نسبة مئوية، نسبة مئوية). لمقارنة المتغيرات المستمرة بين المجموعات، تم استخدام اختبار مان-ويتني U أو اختبار كروسكال-واليس، حسب الاقتضاء. لمقارنة المتغيرات الفئوية بين المجموعات، تم استخدام اختبار بيرسون التربيع أو اختبار فيشر الدقيق، حسب الاقتضاء.

تطوير النماذج وعرض الويب
لتطوير النماذج، قسمت هذه الدراسة مجموعة اشتقاق MIMIC-IV إلى مجموعة تدريب (90٪ من العينة الكاملة تم اختيارها عشوائيا لتطوير النموذج وضبط المعلمات الفائقة) ومجموعة اختبار (10٪ من العينة الكاملة تم اختيارها عشوائيا للاختبار الداخلي)؛ أجرت هذه الدراسة تحققا خارجيا في وحدة العناية المركزة الإلكترونية. نفذت هذه الدراسة تعلم الآلة بخمس طرق: شجرة القرار، الانحدار اللوجستي، البايز الساذج، التكديس (المتعلمون الأساسي كانوا الانحدار اللوجستي، وطرق الغابات العشوائية؛ وكان المتعلم المكدس هو طريقة شجرة القرار)، والغابة العشوائية. شجرة القرار: انقر على مؤثرات > العملية > نمذجة > التصنيف > شجرة القرار مع خوارزمية = C4.5، الحد الأدنى لحجم الورقة = 5. للانحدار اللوجستي: انقر على عمليات > العملية > نمذجة > تصنيف > الانحدار اللوجستي بقوة تنظيم = 0.1، وأقصى تكرارات = 100. للاطلاع على بايز الساذج: انقر على عوامل > العملية > نمذجة > التصنيف > باي ساذج مع نوع النواة = غاوسي. للغابة العشوائية: انقر على عوامل > > نمذجة > تصنيف > غابة عشوائية مع عدد الأشجار = 100، العمق الأقصى = 20. للتكديس: انقر على مؤثرات > العملية > النمذجة > المجموعات > التكديس مع المتعلمين الأساسيين = الانحدار اللوجستي + بايس ساذج + غابة عشوائية؛ المتعلم المكدس = شجرة القرار. قامت هذه الدراسة بقياس أداء التنبؤ للنموذج المطور من خلال حساب المساحة تحت منحنى خاصية تشغيل المستقبل (AUC)، والدقة، والاستدعاء.

عند بناء تصنيف المجموعات الفرعية السريرية المرتبطة بالتهاب الرئة لاضطرابات ARD، استخدمت هذه الدراسة تجميع k-mean مع مؤشرات رئيسية. لتحديد العدد الأمثل للعنقود k، تم فحص قيمة إحصائيات الفجوة في مخطط إحصائيات الفجوة، والذي اقترح العدد الأمثل للعناصر. حللت هذه الدراسة الخصائص السريرية ونتائج الأنماط الظاهرية المختلفة، وقارنا الفروق في معدلات الوفيات داخل المستشفيات بين المرضى الذين لديهم مجموعات مختلفة الذين تلقوا علاجا مبكرا بجرعة منخفضة إلى متوسطة من الكورتيكوستيرويدات أو لم يتلقوا.

في RapidMiner Studio، اختر ملف > تصدير النموذج واحفظ نماذج توقع التشخيص وتصنيف المجموعات الفرعية كملفات .model. استخدم JDK Java SE 8u381 و Eclipse IDE 2023-09 لكتابة صفحات الويب بلغة جافا؛ استيراد ملفات .model إلى المشروع. استخدمت هذه الدراسة لغة جافا لتطوير صفحة ويب تم دمج نموذج التشخيص ونموذج التجميع السريري الفرعي للمجموعات، وقمنا برفع النموذج عبر الإنترنت.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

المشاركون
تضمنت قاعدة بيانات MIMIC-IV بيانات من 24,987 مريضا يعانون من الالتهاب الرئوي، منهم 14,121 يعانون من ARDS مرتبط بالالتهاب الرئوي (الجدول 1). تضمنت قاعدة بيانات العناية المركزة بيانات من 20,676 مريضا مصابين بالتهاب رئوي، منهم 9946 يعانون من متلازمة ARDS المرتبطة بالالتهاب الرئوي (الجدول التكميلي 1).

تأسيس والتحقق من نموذج التنبؤ ب ARDS المرتبط بالالتهاب الرئوي
استخدمنا بيانات مجموعة MIMIC-IV لبناء نموذج تشخيصي لم...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

كما نعلم، هذا هو أول نموذج تشخيصي ونموذج تصنيف المجموعات الفرعية السريرية يستخدم التعلم الآلي للإبلاغ عن ARDS لدى مرضى الالتهاب الرئوي، وأكبر دراسة تبلغ عن تشخيص وتصنيف المجموعات الفرعية السريرية لمتلازمة ARDS المرتبطة بالالتهاب الرئوي. في هذه الدراسة، اشتقنا وحققنا نموذجين قائمين على التعلم الآلي وترجمتهما إلى تطبيقات عبر الإنترنت للممارسة السريرية والأبحاث اللاحقة. في مجموعة التحقق من وحدة العناية المركزة الإلكترونية، كان التنبؤ بأي مرضى المصابين بالالتهاب الرئوي سيصابون ب ARDS المرتبط...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعلن المؤلفون أنهم لا يملكون مصالح متنافسة.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
قط أباتشي تومكاتأساس برمجيات أباتشيالإصدار 9.0.85
Eclipse IDE الكسوف2023-09
مجموعة تطوير جافا جافاالإصدار Java SE 8u381 
استوديو رابيد ماينرشركة ألتير للهندسةالإصدار 9.10.001 
إحصائيات SPSSآي بي إمالإصدار 23.0 

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Brun-Buisson, C., et al. Epidemiology and outcome of acute lung injury in European intensive care units. Results from the ALIVE study. Intens Care Med. 30 (1), 51-61 (2004).
  2. Bellani, G., et al. Epidemiology, Patterns of Care, and Mortality for Patients With Acute Respiratory Distress Syndrome in Intensive Care Units in 50 Countries. JAMA. 315 (8), 788-800 (2016).
  3. Huang, X., et al. CHARDSnet group.Incidence and outcomes of acute respiratory distress syndrome in intensive care units of mainland China: a multicentre prospective longitudinal study. Crit Care. 24 (1), 515(2020).
  4. Rubenfeld, G. D., et al. Incidence and outcomes of acute lung injury. New Engl J Med. 353 (16), 1685-1693 (2005).
  5. Zhou, Y., et al. Development and validation of a deep learning-based framework for automated lung CT segmentation and acute respiratory distress syndrome prediction: a multicenter cohort study. Eclin Med. 75, 102772(2024).
  6. Thompson, B. T., Chambers, R. C., Liu, K. D. Acute Respiratory Distress Syndrome. N Engl J Med. 377 (6), 562-572 (2017).
  7. Antcliffe, D. B., et al. Patient stratification using plasma cytokines and their regulators in sepsis: relationship to outcomes, treatment effect and leucocyte transcriptomic subphenotypes. Thorax. 79 (6), 515-523 (2024).
  8. Pham, T., Rubenfeld, G. D. Fifty years of research in ARDS. The epidemiology of acute respiratory distress syndrome. A 50th birthday review. Am J Respir Crit Care Med. 195 (7), 860-870 (2017).
  9. Calfee, C. S., et al. Subphenotypes in acute respiratory distress syndrome: latent class analysis of data from two randomised controlled trials. Lancet Respir Med. 2 (8), 611-620 (2014).
  10. Liu, X., et al. Identification of distinct clinical phenotypes of acute respiratory distress syndrome with differential responses to treatment. Crit Care. 25 (1), 320(2021).
  11. Johnson, A., et al. MIMIC-IV (version 1.0). PhysioNet. , (2021).
  12. Pollard, T. J., et al. The eICU collaborative research database, a freely available multi-center database for critical care research. Sci Data. 5, 180178(2018).
  13. Al Taweraqi, N., King, R. D. Improved prediction of gene expression through integrating cell signalling models with machine learning. BMC Bioinformatics. 23 (1), 323(2022).
  14. Mo, J. P., Jia, Z. Z., Tang, Y., Yang, M., Qin, H. Establishing prediction model of community-acquired pneumonia complicated with acute respiratory distress syndrome based on artificial neural network. Zhonghua Wei Zhong Bing Ji Jiu Yi Xue. 34 (4), 367-372 (2022).
  15. Wynne, B. M., et al. Regulation of lung epithelial sodium channels by cytokines and chemokines. Front Immunol. 8, 766(2017).
  16. Comellas, A. P., et al. Insulin regulates alveolar epithelial function by inducing Na+/K+-ATPase trans-location to the plasma membrane in a process mediated by the action of Akt. J Cell Sci. 123 (pt 8), 1343-1351 (2010).
  17. ARDS Definition Task Force. Acute respiratory distress syndrome: the Berlin Definition. JAMA. 307 (23), 2526-2533 (2012).
  18. Janz, D. R., Ware, L. B. The role of red blood cells and cell-free hemoglobin in the pathogenesis of ARDS. J Intens Care. 3, 20(2015).
  19. Ruan, S. Y., et al. Exploring the heterogeneity of effects of corticosteroids on acute respiratory distress syndrome: A systematic review and meta-analysis. Crit Care. 18 (2), R63(2014).
  20. Sinha, P., et al. Latent class analysis reveals COVID-19-related acute respiratory distress syndrome subgroups with differential responses to corticosteroids. Am J Respir Crit Care Med. 204 (11), 1274-1285 (2021).
  21. Lee, K. Y. Pneumonia, Acute Respiratory Distress Syndrome, and Early Immune-Modulator Therapy. Int J Mol Sci. 18 (2), 388(2017).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Pneumonia Associated ARDSARDS PredictionWeb Based ApplicationClinical Subgroup ClassificationMachine Learning ModelsEarly Bedside DiagnosisMIMIC IV DatabaseeICU DatabaseClinical PhenotypesPrecision Treatment
Video Coming Soon

Related Articles