مقالة منهجية

أداة تمريض تنبؤية لسلامة تحديد موقع المرضى في غرف العمليات الهجينة بتصوير الأوعية الدموية بالطرح الرقمي

75 مشاهدات

⸱

DOI:

10.3791/70751

⸱

يونيو 5, 2026

 , 
1Nursing Department, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine

في هذه المقالة

ملخص

طورت دراسة استعادية مركزية واحدة وأكدت داخليا أداة تنبؤ تمريضية مرحلية تجمع بين مخاطر الجراحة الأساسية للمريض وعمليات الرعاية القابلة للتعديل حول العمليات لدعم التقييم قبل العملية وتحديثات المخاطر بعد تحديد المواقع للمضاعفات المتعلقة بالوضعية في غرفة عمليات هجينة بتصوير الأوعية الدموية بالطرح الرقمي.

الملخص

كان هدف هذه الدراسة تطوير والتحقق داخليا من أداة تقييم التمريض التنبؤية المحدثة للمرحلة تعتمد على المخاطر الأساسية بين المريض والجراحة والعمليات التمريضية القابلة للتعديل للاستخدام قبل الجراحة وبعد التموضع في غرفة العمليات الهجينة بتصوير الأوعية الدموية بالطرح الرقمي. شملت هذه المجموعة الاستعادية ذات المركز الواحد بالغين داخليين يخضعون لأول إجراء لهم في غرفة العمليات الهجينة، مع وحدة التحليل والمتابعة حتى 72 ساعة بعد العملية. كانت النتيجة نهاية مركبة لمضاعفات متعلقة بالوضعية.

تم التعامل مع بيانات المتنبئ المفقودة باستخدام النسبة المتعددة (m = 10)، وتم تقييم اتساق الاستخراج باستخدام كوهين κ ومعاملات الارتباط داخل الفئة. المتغيرات المرشحة من الفحص أحادي المتغير بالإضافة إلى المتغيرات المحددة مسبقا دخلت الانكماش المطلق الأدنى وانحدار عامل الاختيار، تلاها النمذجة اللوجستية متعددة المتغيرات وبناء النوموجرام مع تصنيف المخاطر القائم على العتبة. تم تقييم أداء النموذج بناء على المساحة تحت المنحنى، وتقاطع المعايرة والميل، ودرجة بريير، والتحقق الداخلي من التمهيد، وتحليل منحنى القرار.

تم تحليل ما مجموعه 1,936 حالة، وحدثت النتيجة المركبة بنسبة 10.23٪. بلغت أقصى نسبة فقدان للمتغيرات الرئيسية 3.25٪، وكانت الاتساق في الاستخلاص جيدا (κ ≥ 0.86، ومعامل الارتباط داخل الفئة ≥ 0.89). تم الاحتفاظ باثني عشر متنبؤا؛ كانت فحوصات الحماية من نقطة الضغط وفحوصات الوضعية أثناء العملية وقائية (نسبة الأرجحية 0.68–0.71). كان النموذج الأساسي يحتوي على مساحة تحت المنحنى 0.74/0.72 (ظاهر/مصحح)، وحقق النموذج الكامل 0.79/0.77. كان ميل المعايرة المصحح بالتفاؤل 0.947، والاعتراض 0.004، ودرجة بريير 0.085.

أظهرت هذه الأداة تمييزا مستقرا، معايرا، وفائدة صافية على التحقق الداخلي. تضيف متغيرات عملية التمريض قيمة إضافية، وقد تدعم الأداة التقييم قبل العملية وتحديث مخاطر ما بعد التموضع، في انتظار التحقق الخارجي.

المقدمة

تدمج غرفة العمليات الهجين بتقنية التصوير الطبي بالطرح الرقمي (DSA) التصوير التدخلي مع الجراحة المفتوحة، وتعمل كمنصة لإدارة أمراض الأوعية الدموية المعقدة والحالات الطارئة الحرجة1. السلسلة الإجرائية أطول، والعديد من المرضى كبار السن، والتخدير العام أو التخدير يقلل من ردود الفعل الوقائية والتكيف التلقائي2. مقيدة بذراع C، والحقل المعقم، وتخطيط طرق الوصول، تقل فرص تدوير الجسم وتخفيف الضغط بمجرد تثبيت الوضعية، بينما يزيد التعرض للضغط المستمر والتمدد/الجر3. الإجراءات الهجينة المتزامنة تقلل أكثر من نوافذ التكيف، وتعتمد إدارة التموضع أكثر على تنسيق الفريق. تشمل المضاعفات المرتبطة بالوضعية إصابات الضغط، وإصابات الأعصاب الطرفية والعضلية الهيكلية، وقد تظهر أيضا على شكل تقلبات تنفسية وديناميكية دموية ناتجة عن التموضع، تؤثر على التعافي بعد العملية 4,5.

يتحمل فريق التمريض المسؤولية الرئيسية عن تحديد المواقع، وحماية نقاط الضغط، وتأمين الوصول، وفحص الموقع أثناء العملية، والمراقبة بعد العملية؛ التحديد المبكر لمخاطر المواقف والتدخل الدقيق هما موضوعان أساسيان في إدارة التمريض، مع حاجة أكبر للتحقق والتوثيق الموحد القائم على العمليات6. تعتمد تقييمات المخاطر الحالية حول العملية في الغالب على مقاييس عامة قبل العملية أو تركز على نتيجة واحدة7. تأتي معظم الأدلة من غرفة العمليات أو جناح التدخل وتفشل في تغطية التعرضات المركبة في غرفة العمليات الهجينة DSA، مثل عدم القدرة الطويلة على الدوران، وتقلبات في التروية ودرجة الحرارة، والغمد الداخلي مع تثبيت الضغط. تؤكد أدوات مثل برادن على تحمل الجلد لكنها ليست مناسبة لوصف عوامل محددة مثل وضعية الاستلقاء والتعرض التراكمي لانخفاض ضغط الدم، مما يصعب دعم الإدارة الطبقية8. يتميز طيف المضاعفات بوجود إصابات جلدية متزامنة وعدم استقرار فسيولوجي، ودرجة واحدة غير كافية لتحديد أولويات العملية9.

وقد تعاملت بعض الدراسات بشكل مباشر مع مقاييس التمريض كمؤشرات ما قبل الجراحة، مما يؤدي بسهولة إلى عدم توافق الغرض وتسرب المعلومات، مما يجعل من الصعب مواءمة النتائج مع توقيت وشدة التدخلات وتحسين الجودة غير المواتي بعد تعديل المخاطر10. هناك نقص في أداة تقييم توفر خطرا أساسيا قبل العملية وتحدث المخاطر بعد التموضع، مع عناصر قابلة للتنفيذ. في هذه الدراسة، استنادا إلى مجموعة استعادية مركزية واحدة، تم تطوير أداة تقييم تنبؤي للتمريض؛ قبل الجراحة، كان يتم تقدير المخاطر الأساسية باستخدام متغيرات تعرض المريض والجراح، وبعد تحديد الموضع، تم دمج عناصر تمريض قابلة للتعديل لتحديث المخاطر. تم استخدام الانحدار المعاقابي لاختيار المتغيرات مع التحقق الداخلي؛ تم تقييم التمييز، والمعايرة، والفائدة الصافية؛ وتم إنتاج تخطيط نوموغرام وتصنيف قائم على العتبة لدعم قرارات التمريض، مما وفر أساسا لتعديل المخاطر وتحسين الجودة.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

تتضمن هذه الدراسة سجلات طبية سابقة للأشخاص البشر وبيانات سجلات التخدير والتمريض. أجريت الدراسة وفقا للإرشادات المؤسسية ذات الصلة، وتمت مراجعتها واعتمادها من قبل لجنة الأخلاقيات المؤسسية (مراجعة أخلاقيات مستشفى رن رن شو 2025 رقم 2113)، مع تنازل عن الموافقة المكتوبة المستنيرة؛ تم إلغاء تحديد جميع البيانات قبل التصدير واستخدمت فقط لأغراض هذه الدراسة.

تم الإبلاغ عن هذه الدراسة وفقا لبيان TRIPOD لتطوير نموذج التنبؤ متعدد المتغيرات والتحقق الداخلي؛ قائمة التحقق المكتملة ل TRIPOD متوفرة في الجدول التكميلي S1.

1. تصميم البحث وبيئة الدراسة

  1. عرف تصميم الدراسة كدراسة رصدية بأثر رجعي بمركز واحد باستخدام تصميم مجموعة تاريخية. حدد الإطار الزمني للدراسة ليصبح من 1 يناير 2021 حتى 31 ديسمبر 2024.
  2. حدد هدف الدراسة كتطوير أداة تقييم تنبؤية للتمريض للمضاعفات المتعلقة بالوضع في غرفة العمليات الهجينة DSA وإجراء التحقق الداخلي وتقييم الأداء. عرف "الجراحة" كوحدة التحليل وخصص لكل عملية معرفا فريدا (مثل رقم المرضى الداخليين + تاريخ العملية + وقت بدء التخدير).
  3. عندما يخضع نفس المريض لعدة عمليات جراحية مؤهلة، احتفظ فقط بسجل الجراحة الأول المؤهل. عرف "الأول" بأنها الجراحة المؤهلة التي تبدأ فيها التخدير أو التخدير في وقت مبكر ضمن فترة الدراسة.
  4. حدد نقطة بدء استخراج البيانات بأنها الوقت الذي يدخل فيه المريض غرفة العمليات ويبدأ التخدير أو التخدير. تثبيت نقطة المتابعة عند 72 ساعة بعد العملية، وبالتالي تغطية نافذة الحدوث الأولى للمضاعفات المتعلقة بالوضعية.
  5. اقتصر إعداد الدراسة على غرفة العمليات الهجينة DSA ووثق أنها مجهزة بنظام تصوير الأوعية الدموية الرقمية القابلة للطرح على الشاشة المسطحة وإمكانية الجراحة المفتوحة. سجل أن الوضعيات الشائعة هي الاستلقاء، الاستلقاء، والجانبية، وأن تعديل الوضعية أثناء العملية محدود بمعدات التصوير، والمجال المعقم، وتخطيط طرق الوصول، مما يؤدي إلى فرص أقل للدوران ومدة العملية أطول نسبيا.

2. مجموعة الدراسة، تدفق فحص الحالات، واستراتيجية حجم العينة

  1. تصدير جميع إدخالات جراحة "غرفة العمليات الهجينة DSA" ضمن نافذة الدراسة من سجل غرفة العمليات المسجل على التوالي. احتفظ بحقول مطابقة مثل رمز الإجراء، معرف غرفة العمليات، تاريخ العملية، رقم المرضى الداخليين، ووقت بدء التخدير.
  2. استخدم رقم المريض الداخلي وتاريخ الجراحة للمطابقة الأولى، وقم بإجراء فحص ثانوي باستخدام وقت بدء التخدير ومعرف غرفة العمليات. إذا كانت هناك عدة سجلات تخدير في نفس اليوم لنفس رقم المرضى الداخليين، يرجى تفضيل مطابقة الرقم الذي يحتوي على معرف ثابت لغرفة العمليات ووقت بدء التخدير الأقرب إلى وقت تسجيل الجراحة.
  3. تشمل المرضى البالغين الداخليين الذين تبلغ أعمارهم ≥18 عاما وتم إجراء جراحاتهم في غرفة العمليات الهجينة DSA وكانت عمليات تدخلية أو أوعية عصبية أو قلبية أو أوعية دمائية طرفية أو هجينة. تأكد من أن التخدير العام أو التخدير قد تم أثناء الجراحة، وأن الوثائق الطبية والتخديرية والتمريضية مكتملة، وأن المتابعة حتى 72 ساعة بعد العملية متاحة.
  4. استبعد الحالات التي كان فيها حدث النتيجة الأولية موجودا بالفعل قبل العملية لتجنب خط أساس غير صفري للنتيجة. استبعد الحالات التي تم فيها مقاطعة الإجراء أثناء العملية لأسباب غير متعلقة بوضع الوضعية، بحيث لم يكن من الممكن إجراء تقييم إضافي، وكذلك الحالات التي تم نقلها من المستشفى خلال 72 ساعة بعد العملية، مما أدى إلى نتيجة غير محددة.
  5. تحديد عتبة اختفاء المتغيرات الرئيسية للتنبؤ من خلال حساب نسبة الغياب لكل حالة عبر المتغيرات الرئيسية المحددة مسبقا وتسجيل أسباب الغياب. إذا تجاوزت نسبة الغياب لحالة عبر هذه المتغيرات الرئيسية 30٪، استبعد الحالة وفقا للقواعد المحددة مسبقا ووثق سبب الاستبعاد في سجل الفحص.
  6. اطلب من باحثين اثنين إكمال الفرز بشكل مستقل وإنشاء سجلات الفحص (بما في ذلك الإدراج والاستبعاد والأسباب). في الحالات المتعارضة، يجب أن يتتبع باحث ثالث إلى السجلات الأصلية للفصل فيها، ويحتفظ بسجل الفصل لإمكانية التتبع.
  7. لا تحدد مسبقا حدا أعلى لحجم العينة، بل تعتمد استراتيجية شاملة متتالية لكل الحالات. تحكم في تعقيد النموذج بعدد الأحداث، وتحديد عدد المعلمات التي تدخل في النموذج في النهاية وفقا لمبدأ 15 حدثا على الأقل لكل معلمة.

3. مقاييس الدراسة وتعريفات المتغيرات

  1. أنشئ قاموس للمتغيرات وحدد لكل متغير نظام المصدر، اسم الحقل، قواعد القيم، والتسلسل الزمني. للمتغيرات المستمرة، استخدم أحدث قيمة مختبر أو تقييم قبل الجراحة؛ بالنسبة لمتغيرات الجراحة والتخدير، استخدم أسوأ قيمة مسجلة خلال كامل العملية أو التعرض التراكمي؛ بالنسبة لمتغيرات التمريض والأجهزة، استخدم التطبيق الفعلي داخل العملية. تحديد العتبات المحددة مسبقا وحدود الفئات مسبقا وفقا للمعايير السريرية الشائعة الاستخدام، والتمريض والتخدير حول العمليات، والأدبيات المنشورة. عندما لا يتوفر حد معين مقبول على نطاق واسع، استخدم الفئات العملية لتسهيل التسجيل والتفسير والتطبيق السريري.
  2. النتيجة الأساسية: النتيجة المركبة لمضاعفات متعلقة بالوضعية
    1. حدد النتيجة الأساسية كنتيجة مركبة لمضاعفات متعلقة بالوضعية تحدث من أثناء العملية وحتى 72 ساعة بعد العملية. إذا حدثت عدة أحداث مكونة في نفس الحالة، قم بعد النتيجة المركبة مرة واحدة فقط، وسجل وقت الظهور الأول وجميع أنواع المكونات للتحليلات الثانوية.
    2. عرف إصابة المرحلة الثانية الجديدة أو الإصابة ذات الضغط العالي أو إصابة الأنسجة العميقة خلال 72 ساعة بعد العملية كواحدة من الأحداث المكونة. استخدم نموذج تقييم جلد الرضاعة، والمرحلة، وسجلات التمريض كدليل، واطلب سجلات يمكن تحديدها في مواقع تشريحية محددة.
    3. عرف إصابة الأعصاب الطرفية بأنها حدوث فقدان حسي، أو تنميل، أو انخفاض في قوة العضلات يستمر لمدة ≥24 ساعة. اطلب أن يكون التوزيع التشريحي متوافقا مع منطقة التلامس/الجذب في الوظيفة في ذلك الوقت، واستخدام ملاحظات التقدم أو سجلات التقييم المتخصصة كدليل رئيسي.
    4. عرف إصابة المفاصل أو العضلات الهيكلية بأنها ألم موضعي مصحوبا بنتائج تصوير إيجابية أو نتائج فحص بدني متخصص تشير إلى إصابة شد/ضغط. سجل طريقة التصوير أو نتيجة الفحص، وحدد نقاط تطبيق القوة المتعلقة بالموقع.
    5. عرف الأحداث المتعلقة بالموضع التنفسي أو عدم الاستقرار الديناميكي الدموي بأنها ضغط مجرى الهواء، أو تقييد التنفس، أو تقييد العودة الوريدية الناتجة عن التموضع الذي يتطلب إعادة تموضع، أو ضغط، أو تصعيد ضغط الأوعية، أو مقاطعة الإجراء. استخدم سجلات أحداث نظام التخدير، وسجلات التخدير، وسجلات التمريض/الطبيب التي تحتوي على أوصاف صريحة "متعلقة بالوضع" ومقاييس الإدارة المقابلة كدليل.
    6. عرف ورم دموي بقطر ≥5 سم على جانب الثقب أو التسرب الذي يتطلب تثبيت ضغط إضافي، مع السجلات التي تشير إلى تفاقم مرتبط بقيود الموضع، كأحد الأحداث المكونة. استخدم سجلات التمريض وسجلات الأطباء في الجناح خلال 72 ساعة بعد العملية كدليل، وسجل الإجراءات الإدارية الإضافية.
    7. تحديد الصلة الموضعية وفقا لثلاثة معايير: الذكر الصريح للأهمية الموضعية في السجلات، الموقع التشريحي المتوافق مع نقاط التعرض الموضعية، وعدم وجود سبب بديل أكثر إقناعا. إذا كان هناك تعارض في النسبة بين سجلات التمريض والأطباء، ضع الأولوية للسجل الأصلي أقرب إلى وقت الحدث، واجعل اثنين من الحكمين يراجعهم ويتوصلوا إلى توافق.
  3. تعريفات المتغيرات المتنبئة
    1. حدد متغيرات مستوى المريض كالعمر، الجنس، مؤشر كتلة الجسم، السكري، الاعتلال العصبي الطرفي، مرض الشرايين الطرفية، مرض الكلى المزمن في المرحلة ≥ 3، فشل القلب الاحتقاني، حالة التدخين، الألبومين قبل العملية، الهيموغلوبين قبل العملية، مؤشر تشارلسون المصاحب، ودرجة برادن قبل العملية. عرف "ما قبل العملية" بأنه أحدث سجل صالح قبل دخول غرفة العمليات، ضمن نافذة التقييم الروتينية للمستشفى حول العملية.
    2. حدد متغيرات الجراحة والتخدير كفئة الإجراء، نوع التخدير، نوع الوضعية، فئات زاوية دوران الرأس والرقبة، فئات زاوية استخلاء الطرف العلوي، انتزاع أو ثني الطرف السفلي > 45°، مدة العملية، مدة التنظير الفلوري، حالة غير قابلة للدوران أثناء العملية، تقدير فقدان الدم، أقل MAP، الوقت التراكمي مع MAP< 65 مم زئبق، أقل درجة حرارة لنو، استخدام العوامل الفعالة للأوعية، وأقصى ما يعادل النورإبينفرين. صنف الوضعية كوضعية على الأقل/الاستلقاء/الجانبية؛ يصنف دوران الرأس والرقبة إلى ≤30°، 31–60°، و>60°؛ صنف اختطاف الطرف العلوي ب ≤90° و>90°).
    3. تصدير سلسلة زمنية MAP مع الطوابع الزمنية من نظام إدارة معلومات التخدير. استخدم فرق الزمن بين السجلات المتجاورة كطول الفترة، وجمع مدة كل الفترات مع MAP < 65 مم زئبق للحصول على "MAP < 65 زمن تراكمي"؛ إذا كانت فترة واحدة مفقودة أو كانت الفجوة غير طبيعية (مثلا >5 دقائق بدون تفسير معقول)، ضع علامة على تلك الفترة كمفقودة ولا تدرجها في الإجمالي التراكمي.
    4. تعريف متغيرات الرضاعة والجهاز كنوع من حشوة الطاولة، وما إذا تم اكتمال حماية نقاط الضغط الرئيسية، وما إذا كانت الأطراف العلوية مثبتة على ألواح ذراع مبطنة، وما إذا كان الرأس مدعوما في وضع محايد، وفئة موقع الثقب، وحجم الغمد، ومدة بقاء الغمد، وطريقة تأمين/إغلاق موقع الطعن، واكتمال توثيق فحص الوضعية أثناء العملية. عرف "اكتمال حماية نقطة الضغط الرئيسية" بأنها مكتملة عندما توجد سجلات حماية في جميع المواقع الأربعة—القذالي، لوح الكتف، منطقة العصب المغطائي، والكعب؛ وإلا، يعتبر غير مكتمل بالكامل.
    5. سجل ما إذا تم استخدام أي عوامل فعالة للأوعية، وترميز غير المستخدمين ك "غير مستخدم". بالنسبة للمستخدمين، يسجل الحد الأقصى المكافئ للنورإبينفرين (ميكروغرام/كجم/دقيقة); عند كل نقطة زمنية قياسية للتخدير، احسب NE_eq_t = norepinephrine_t + epinephrine_t + 0.01 * dopamine_t + 0.06 * phenylephrine_t + 2.5 * vasopressin_t، حيث يعبر عن النورإبينفرين، الإبينفرين، الدوبامين، والفينيل إفرين بميكروغرام/كجم/دقيقة والفازوبريسين بوحدة U/min; تم ترميز العوامل غير المستخدمة في نقطة زمنية معينة ك 0، و maximum_norepinephrine_equivalent = max(NE_eq_t, na.rm = TRUE) خلال فترة العملية.
      ملاحظة: تم تثبيت قواعد التحويل والتجميع مسبقا وتطبيقها في سكريبت التحليل.

4. جمع البيانات ومراقبة الجودة

  1. توفير تدريب موحد لباحثين مسؤولين عن استخراج البيانات وتوزيع إجراءات التشغيل القياسية (SOP) وقاموس المتغيرات. بعد التدريب، أكمل استخراجا تجريبيا بعينة صغيرة وراجع تعريفات ومسارات استخراج الحقول الغامضة.
  2. استخلاص التركيبة السكانية والأمراض المصاحبة من السجل الطبي الإلكتروني، ومؤشرات المختبر قبل العملية من النظام المختبري، والعلامات الحيوية والأدوية من نظام التخدير، وتحديد المواقع وإجراءات التمريض من نظام التمريض، ومعلومات مدة التنظير الفلوري والمعلومات المتعلقة بالتصوير من PACS. قم بمطابقة الأنظمة المشتركة باستخدام رقم المرضى وتاريخ الجراحة، واحتفظ بمفاتيح المطابقة وسجل المطابقة.
  3. عندما تحدث تعارضات ميدانية، أعد إلى سجلات الورق الأصلية واعتبر السجلات الورقية كمعيار. سجل نوع الصراع، والقيمة الأصلية، والقيمة المصححة، ومصدر الأدلة في سجل معالجة النزاعات.
  4. قم بإدخال بيانات مزدوج من قبل شخصين لجميع الحقول وإنشاء قائمة تناقضات. اطلب من باحث ثالث أن يتحقق من كل بند مع السجلات الأصلية للفصل ويقفل النسخة النهائية من قاعدة البيانات للتحليل.
  5. إنشاء جدول للنبات السريرية المعقولة للمتغيرات المستمرة وإجراء فحوصات المدى التلقائية بعد الاستيراد. تتبع القيم خارج النطاق للتحقق؛ إذا لم يكن بالإمكان التحقق منها، قم بضبطها على المفقودة واحتفظ بالقيمة الأصلية للرجوع إليها.
  6. قم باستخراج تكراري لأول 50 حالة وحساب الاتساق، باستخدام كوهين κ للمتغيرات الفئوية وICC (تأثيرات عشوائية ثنائية الاتجاه، توافق مطلق) للمتغيرات المستمرة. إذا كان κ < 0.80 أو ICC < 0.85، يجري إعادة تدريب للمتغيرات ذات الصلة ويعيد التدقيق حتى يتم تحقيق المعيار11.
  7. احسب عدد ونسبة الحالات المفقودة لكل متغير متنبئ مرشح وأنشئ تقرير عن الاختفاء. بالنسبة للمتغيرات الرئيسية المتنبئة التي لا تتجاوز نسبة الاختفاء 30٪، ابدأ الحساب المتعدد؛ لن يتم احتساب متغير النتيجة الأساسي.
  8. تفاصيل تنفيذ الحساب المتعدد بواسطة المعادلات المتسلسلة (MICE)
    1. حدد عدد مجموعات البيانات المحسوبة عند m = 10 واضبط عدد التكرارات على الأقل 20 لتعزيز التقارب. قم بتعيين بذرة عشوائية لضمان تكرار الحساب وحفظ كائن الفأرة لقابلية التدقيق.
    2. استخدم مطابقة المتوسط التنبؤي (PMM) للمتغيرات المستمرة للحفاظ على الشكل التوزيعي. استخدم الحساب بالانحدار اللوجستي للمتغيرات الثنائية، والحساب اللوجستي متعدد الحدود للمتغيرات متعددة الفئات غير المرتبة (multi categorys)، والحساب اللوجستي الترتيبي للمتغيرات الفئوية المرتبة (التصنيفات). في R، تم تعريف المتغيرات متعددة الفئات غير المرتبة ك nom_vars <- c("smoking_status","procedure_category","anesthesia_type",
      "position_type"، "table_padding_type"، "puncture_site_
      الفئة","puncture_site_closure_method"), وتم تعريف المتغيرات الفئوية المرتبة ك ord_vars <- c("head_neck_rotation_cat","upper_limb_abduction_cat"); dat[nom_vars] <- lapply(dat[nom_vars]، عامل); dat[ord_vars] <- lapply(dat[ord_vars], أمر بذلك); الميث < - الفئران::make.method(dat)؛ الميث[sapply(dat, is.numeric)] <- "PMM"; الميث[names(dat)[sapply(dat, function(x) is.factor(x) && nlevels(x) == 2)]] <- "logreg"; الميث[nom_vars] <- "بوليريج"; الميث[ord_vars] <- "بولر"؛ وميث[c("inpatient_number","surgery_id","outcome")] <- "".
    3. تضمين جميع المتغيرات المرشحة المتنبئة ومتغير النتيجة في مصفوفة التنبؤ بالإعدادات لتحسين جودة الحساب، ولكن إجراء الحساب فقط للمتغيرات المتنبئة التي تحتوي على غياب الحساب. اضبط حقول معرف لا يجب أن تعمل كمؤشرات (مثل عدد المرضى الداخليين، معرف الجراحة الفريد) بحيث لا تشارك في نموذج التحديد لتجنب إدخال معلومات غير سريرية. لاتباع هذا البروتوكول، نفذ مصفوفة التنبؤ ك pred <- mice::make.predictorMatrix(dat)؛ pred[,] <- 1; التشخيص (التقسيس) <-0؛ pred[, c("inpatient_number","surgery_id")] <-0; pred[c("inpatient_number","surgery_id","outcome"), ] <-0; وpred[setdiff(colnames(pred), c("inpatient_number","surgery_id","outcome")), "outcome"] <-1، بحيث تستخدم النتيجة فقط كمتنبئ مساعد وليس كشخص مستنسب للنتيجة.
    4. رسم مخططات تتبع التكرار وتحقق مما إذا كانت المتوسطات والتباين للمتغيرات المستمرة الرئيسية مستقرة لتقييم تقارب الحسابات. تم إجراء التعسيب ك imp < - الفئران::الفئران (dat, m = 10, maxit = 20, method = meth, PredictorMatrix = pred, seed = 20250101, printFlag = FALSE); تم تقييم التقارب باستخدام مخطط (IMP) ومن خلال التحقق من استقرار المتوسطات والتباينات للمتغيرات المستمرة الرئيسية عبر التكرارات.

5. تطوير أداة التقييم التنبؤي التمريضي

  1. المعالجة المبدئية وترميز المتغيرات المرشحة
    1. اضبط مستوى المرجع لفئة الإجراءات إلى "عصبي وعائي"، ومستوى المرجع للوضعية على "الاستلقاء". اضبط مستوى المرجع لدوران الرأس والرقبة على "≤30°"، ومستوى المرجع لانحراف الطرف العلوي إلى "≤90°". حدد مستوى المرجع لفئة موقع الثقب إلى "الشريان الكعبري"، ومستوى المرجع لطريقة إغلاق موقع الثقب إلى "جهاز إغلاق الأوعية الدموية".
    2. عمر المقياس لكل 10 سنوات، مدة العملية لكل 60 دقيقة، مدة التنظير الفلوري كل 10 دقائق، تقدير فقدان الدم لكل 100 مل، وقت الغلاف لكل 60 دقيقة، وحجم الغمد لكل 1 فر. بالنسبة للمتغيرات المفترضة ك "كلما كانت القيمة أقل، زادت المخاطر" (مثل أقل درجة حرارة في النواة، الألبومين، الهيموغلوبين، درجة برادن، أقل MAP)، تطبيق الترميز العكسي بحيث يمثل OR الانحدار "زيادة الخطر لكل وحدة انخفاض".
      ملاحظة: يمكن تنفيذ الترميز العكسي بأخذ سالب المتغير الأصلي وتكبير الوحدة مثلا Temp_dec = -(درجة حرارت/0.5) أو Braden_dec = -(برادن/1)، للحفاظ على اتساق اتجاه تفسير OR.
  2. التحليل الأحادي المتغير والفحص للمتغيرات المرشحة
    1. ملاءمة نموذج الانحدار اللوجستي أحادي المتغير لكل متنبئ مرشح وتسجيل قيمة OR، و95٪ CI، وقيمة P. للمتغيرات التصنيفية، استخدم الترميز الوهمي مع تقديرات مستوى المرجع وتأثير الإخراج لكل مستوى بالنسبة للمرجع.
    2. استخدم المنحنيات المكعبة المقيدة لاختبار الخطية للمتغيرات المستمرة، باستخدام أربع عقد موضوعة عند كميات 5، 35، 65٪، و95٪. إذا أشار الاختبار إلى عدم خطية كبيرة، احتفظ بنفس شكل الخطوط في النموذج متعدد المتغيرات التالي.
    3. خذ اتحاد "المتغيرات المحددة سريريا مسبقا" و"المتغيرات ذات المتغير الأحادي P<0.20" كمجموعة مرشحة متعددة المتغيرات 12. قارن مجموعة المرشحين مع قيد عدد الأحداث، وعند الضرورة، احتفظ تفضيلا بالمتغيرات ذات الصلة السريرية للتحكم في الإفراط في التوافق.
  3. اختيار اللاسو وبناء النموذج الرئيسي
    1. تناسب انحدار لوجستي معاقب (LASSO، ألفا=1) على مجموعة المرشحين، مع العائلة = ثنائي الحدين. توحيد المتغيرات المستمرة (توحيد = TRUE) لضمان العقوبة العادلة عبر المتغيرات ذات المقاييس المختلفة.
    2. قم بإجراء التحقق المتقاطع بعشرة مرات متكررا 1,000 مرة، مع توليد تقسيمات طيات عشوائية في كل مرة وتسجيل انحراف التحقق المتقاطع المقابل ل lambda.min. عرف قوة العقوبة كوسيط lambda.min عبر 1000 تكرار (أو، بالمثل، λ المقابل لأقل متوسط انحراف)، واستخدم هذا λ لتناسب LASSO النهائي للحصول على مجموعة مستقرة من المتغيرات ذات معاملات غير صفرية.
    3. باستخدام المتغيرات ذات المعاملات غير الصفرية التي اختارها LASSO، يتناسب مع النموذج الرئيسي للانحدار اللوجستي متعدد المتغيرات غير المعاقب في مجموعة البيانات المكتملة. إذا تم الاحتفاظ بمصطلحات الخطوط، فيتم تركيبها في النموذج الرئيسي بنفس شكل الخطوط وتسجيل المعاملات أو مصطلحات الدوال المقابلة.
    4. ملاءمة النموذج الرئيسي بشكل منفصل في مجموعات البيانات العشر المحسوبة واستخراج معاملات الانحدار والأخطاء المعيارية. اجمع المعاملات والأخطاء القياسية وفترات الثقة باستخدام قواعد روبين، وقدم تقريرا عن قيمة OR وP المجمعة.
  4. تقييم المخاطر، الرسم النوموغرامي، وتصنيف المخاطر
    1. قم بمقياس خطي لمعاملات الانحدار الرئيسية للنموذج إلى نقاط صحيحة وفقا لطريقة سوليفان، مع تثبيت المقياس الأساسي وقواعد التقريب. حساب الدرجة الكلية وربطها بالاحتمال المتوقع عبر دالة لوجيت؛ يجب أن تكون صيغة التحويل متسقة مع تقاطع النموذج الرئيسي.
    2. استخدم حزمة rms لإنشاء صورة نوموغرامية بناء على النموذج الرئيسي، وتصديرها كصورة عالية الدقة أو PDF للنشر. تطبيق تسمية الملفات المعتمدة على مخرجات النوموجرام لتجنب الالتباس الناتج عن التعديلات اللاحقة.
    3. عرف الاحتمال المتوقع <5٪ كخطر منخفض، 5٪ إلى 14.9٪ كخطر متوسط، و≥15٪ كخطر عالي13. قم بتثبيت مخرجات الأداة إلى تنسيقين—نموذج ورقي من صفحة واحدة وآلة حاسبة إلكترونية—وحدد عملية التقييم إلى ثلاث خطوات لا تزيد عن ثلاث خطوات لتسهيل الاستخدام السريري.

6. التحقق من صحة النموذج وتقييم الأداء

  1. التحقق الداخلي وتصحيح التفاؤل
    1. استخدم نظام التمهيد للتحقق الداخلي، واضبط عدد إعادة العينات إلى 1,000 للحصول على تقديرات مستقرة. لكل إعادة عينة، أعد ضبط النموذج في عينة التمهيد، وحساب مقاييس الأداء في كل من عينة التمهيد والعينة الأصلية لتقدير التفاؤل.
    2. عرف التفاؤل بأنه الفرق المتوسط بين الأداء في عينة الbootstrap والأداء في العينة الأصلية. اطرح التفاؤل من الأداء الظاهر للحصول على الأداء المصحح، وأبلغ عن AUC المصحح بالتفاؤل، واعتراض المعايرة، وميل المعايرة، ودرجة بريير.
  2. التمييز
    1. ارسم منحنيات ROC واحسب AUC كمقياس للتمييز. تقدير AUC وCI بنسبة 95٪ باستخدام طريقة DeLong، وإجراء الحسابات على نفس مخرجات التنبؤ (الاحتمالات) لضمان المقارنة.
    2. عند العتبات المحددة مسبقا (5٪ و15٪)، احسب الحساسية، والنوعية، وPPV، وNPV. لكل عتبة، أخرج أيضا عداد مصفوفة الالتباس للسماح بالتحقق من الحساب.
  3. المعايرة والخطأ العام
    1. ملاءمة نموذج معايرة مع المتنبئ الخطي (لوجيت) كمتغير مستقل؛ يشير التقاطع إلى الانحياز المنهجي، والميل يشير إلى درجة الإفراط في التركيب. عرف المعايرة المثالية على أنها تقاطع = 0 وميل = 1، وأبلغ عن المقاييس قبل وبعد التصحيح.
    2. احسب درجة بريير كمقياس للخطأ الكلي، ورسم منحنيات المعايرة باستخدام تنعيم اللويس بجانب الخط المثالي 45°. تم حساب درجة بريير كمتوسط((نتيجة - predicted_probability)2)، وتم تطبيق تنعيم اللويس كإحصائيات::loess(outcome ~ predicted_probability، span = 0.75، درجة = 2، العائلة = "غاوسي"، السطح = "مباشر").
  4. منحنيات الفائدة السريرية الصافية واتخاذ القرار
    1. استخدم تحليل منحنى القرار لتقييم صافي الفائدة عبر احتمالات عتبة تتراوح بين 2٪ إلى 25٪14، ورسم استراتيجيات Treat-All وTreat-Nothing كمراجع. حدد حجم الخطوة العتبية عند 0.01 وحدد ذلك صراحة في السكريبت لضمان إمكانية التكرار.
    2. قم بتحليل حساسية الفائدة الصافية حول عتبات المخاطر المنخفضة والعالية، وتسجيل اتجاه تأثير تغيرات العتبة على الفائدة الصافية. قدم نتائج تحليل الحساسية جنبا إلى جنب مع العتبات المحددة مسبقا للتحقق من عقلانيتها.

7. التنفيذ الإحصائي وسير عمل السكريبتات القابلة لإعادة الإنتاج

  1. بيئة البرمجيات وتهيئة المشاريع
    1. قم بإجراء تحليلات في R 4.3.2 باستخدام حزم pROC وrms وglmnet والفئران وrmda.
    2. قم بتعيين seed عشوائي ثابت (20250101) في بداية السكريبت، وسجل معلومات الجلسة لتوثيق بيئة البرمجيات.
  2. استيراد البيانات، إعدادات النوع، وفحوصات الجودة
    1. استورد البيانات باستخدام read.csv("data/analysis.csv") أو readr::read_csv(). تحقق مما إذا كان عدد الصفوف يتطابق واحدا لواحدا مع معرف الجراحة الفريد، وتحقق من وجود معرفات مكررة.
    2. حول المتغيرات التصنيفية إلى عوامل واستخدم relevel() لتعيين مستويات مرجعية لتتناسب مع المخطط المسبق. حافظ على المتغيرات المستمرة رقمية، وطبق تحجيم الوحدات والترميز العكسي حسب الإعدادات المسبقة قبل النمذجة.
    3. بالنسبة للمتغيرات الفئاتية، احسب الترددات والنسب المئوية؛ بالنسبة للمتغيرات المستمرة، احسب المتوسط ± الانحراف المعياري أو الوسيط [IQR]. استخدم الطرق الرسومية و shapiro.test() لتقييم شكل التوزيع، وتحديد النهج الوصفي وفقا لذلك.
  3. معالجة البيانات المفقودة والحساب المتعدد (m = 10)
    1. احسب نسبة النقص لكل متغير وتصديرها كإخراج لكل missing_report.csv. تأكد من أن متغير النتيجة لا يحتوي على غياب، وقفل استراتيجية "فرض المتغيرات المتنبئة فقط، لا تحسب النتيجة."
    2. استخدم mice() مع m = 10 وmaxit ≥ 20 لتشغيل حساب المعادلات المتسلسلة، وحدد طرق الحساب حسب أنواع المتغيرات. استخدم complete(mids, action=k) لتصدير مجموعة البيانات المكتملة kth وحفظها كبيانات/imp_k.csv.
    3. رسم مخطط (الوسط) للتحقق من استقرار المسارات، ومقارنة توزيعات ما قبل وبعد النسبة للمتغيرات المستمرة الرئيسية. احفظ مخططات التشخيص في الإخراج أو imputation_diagnostics.pdf للتحقق.
  4. الانحدار الأحادي المتغير، اختبار الخطوط العصبية، وتوليد مجموعة المرشحين
    1. ملاءمة الانحدار اللوجستي أحادي المتغير في كل مجموعة بيانات محسوبة واستخدام pool() لدمج المعاملات والأخطاء المعيارية. تصدير قيم OR، وقيم CI بنسبة 95٪، وP كنتائج univariate_pool.csv لسجلات فحص المرشحين.
    2. استخدم حزمة rms rcs() لتناسب مصطلحات spline للمتغيرات المستمرة واختبار الحدود غير الخطية. قم بتثبيت عدد ومواقع العقد وسجلها في تعليقات السكريبت لتجنب الاختلافات بين الجولات.
    3. خذ اتحاد المتغيرات المحددة سريريا والمتغيرات مع المتغيرات الأحادية P<0.20 لإنشاء قائمة المرشحين، واحفظها كمخرجات/candidate_list.txt. تحقق مما إذا كان عدد المرشحين وعدد الأحداث يحقق قيد التعقيد، وسجل مجموعة المتغيرات النهائية المستخدمة في LASSO.
  5. اختيار LASSO وتركيب النموذج الرئيسي
    1. استخدم model.matrix() لإنشاء مصفوفة المتغيرات المستقلة والتأكد من صحة مستويات المرجع. استخدم cv.glmnet(x, y, family="binomial", alpha=1, standardize=TRUE) لإجراء التحقق المتقاطع عشرة أضعاف.
    2. استخدم حلقة لتكرار تقسيمات الطي العشوائية 1000 مرة، وسجل lambda.min وخطأ التحقق المتقاطع لكل تشغيل، واكتب الرسائل إلى الإخراج/lasso_lambda_trace.csv. خذ وسيط قيمة lambda.min البالغ 1000 كλ المستقر، وقم بتركيب glmnet على مجموعة البيانات الكاملة باستخدام هذه λ للحصول على المتغيرات ذات المعاملات غير الصفرية.
    3. في مجموعات البيانات العشر المحسوبة، يتناسب مع النموذج الرئيسي glm(family=binomial) باستخدام المتغيرات المختارة. اجمع بين β وSE وOR و95٪ CI باستخدام قواعد روبين، واحفظ النتائج كإخراج أو multivariable_pool.csv.
  6. مخرجات تحويل الدرجات، الرسم النوموغرامي، وتقسيم المخاطر
    1. حول β إلى نقاط صحيحة وفقا لمقياس ثابت، وربط النتيجة الكلية إلى اللوجيت والاحتمال باستخدام نفس المقياس. قم بأخذ عينات عشوائية من عدة حالات لمقارنة "احتمال النموذج الأصلي" مع "احتمال تحويل الدرجة" للتأكد من أن الخطأ ضمن النطاق المقبول المحدد مسبقا.
    2. استخدم حزمة rms لبناء النوموجرام وتصديره كإخراج أو nomogram.pdf. تصدير ورقة النوتة كصيغ إخراج/score_sheet.xlsx أو ما يعادلها لتسهيل إنتاج نموذج ورقي من صفحة واحدة.
    3. إجراء الطبقات باستخدام عتبات 5٪ و15٪ وإصدار عدد الحالات والحدوث المرصود في كل طبقة. تصدير Se، Sp، PPV، وNPV عند العتبات كمخرجات/threshold_metrics.csv للعرض اللاحق.
  7. التحقق الداخلي، والمعايرة، ومنحنيات القرار
    1. اضبط عدد عينات إعادة التمهيد إلى 1000، وفي كل إعادة عينة قم بإعادة التركيب والتنبؤ، مع حساب AUC، ودرجة برير، وتقاطع المعايرة، وميل المعايرة. اكتب النتائج المصححة بالتفاؤل إلى bootstrap_corrected_metrics.csv المخرج/واحتفظ بملخص للنتائج الوسيطة لكل إعادة عينة للتدقيق.
    2. استخدم حزمة pROC roc() و auc() لحساب AUC، واستخدم ci.auc(method="delong") لإخراج CI بنسبة 95٪. احفظ منحنى ROC كإخراج/roc_curve.png وثبت الدقة والحجم في السكريبت.
    3. استخدم حزمة RMDA لحساب صافي الفائدة ورسم منحنيات DCA على نطاق العتبة من 2٪ إلى 25٪. تصدير الشكل كناتج/dca_curve.png وثبت حجم خطوة العتبة وتسميات المنحنى لضمان قابلية التكرار.
  8. تحليلات الحساسية
    1. استبدل النتيجة ب "مرحلة إصابة الضغط ≥3" وكرر عملية التقييم، واختيار LASSO، وتركيب النموذج الرئيسي، وسير عمل تقييم الأداء. أخرج مقاييس الأداء إلى جانب التحليل الرئيسي لتقييم المتانة.
    2. استبدل متغير التعرض لانخفاض ضغط الدم ب "الوقت التراكمي مع MAP<60 مم زئبق" وكرر سير عمل النمذجة والتحقق الكامل. قارن اتجاهات المعاملات والتغيرات في AUC، ودرجة بريير، ومقاييس المعايرة لاختبار الحساسية لإعداد العتبة.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

دراسة السكان وخصائص الأساس
وفقا للمعايير المحددة مسبقا، تم تحديد 3,274 سجل مرضى من غرفة العمليات الهجينة DSA، واستوفى 1,936 (59.1٪) معايير الإدراج ودخلوا في تطوير النموذج والتحقق (الشكل 1). كان عمر المرضى المسجلين (66.82 ± 11.94) سنة؛ وشكل الذكور 61.16٪؛ كان مؤشر كتلة الجسم (24.73 ± 3.89) كجم/م2؛ شكل مرض السكري 23.45٪. كان مؤشر الأمراض المصاحبة لتشارلسون 3 [2,5]، ودرجة برادن 17 [16,19]، والألبومين قبل العملية (39.18 ± 4.41) جم/...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

في غرفة العمليات الهجينة DSA، تشمل المضاعفات المرتبطة بالوضعية إصابات الجلد والأنسجة الرخوة المتزامنة وعدم الاستقرار التنفسي والديناميكي الدموي الناتج عن التموضع، مما يشير إلى أن سلامة الموضع ليست مجرد مسألة ضغط موضعي بل تعكس أيضا تحمل الجسم الفسيولوجي بالكامل. تستند محددات المخاطر إلى هشاشة المريض وتعرضها للجراحة. التقدم في العمر وزيادة العبء المصاحب تشير إلى انخفاض مخزون الأنسجة؛ درجة برادن المنخفضة تعكس انخفاض تحمل الجلد وحركة محدودة، مما يقلل من تحمل الضغط المستمر. مدة العملية الطويل...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

يعلن المؤلفون أنهم لا يملكون تضارب مصالح.

شكر وتقدير

يرغب المؤلفون في شكر جميع الزملاء والموظفين الذين ساهموا في هذه الدراسة لكنهم لم يذكروا كمؤلفين.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
نظام إدارة معلومات التخديرالمصدر المؤسسيلا يوجدمصدر العلامات الحيوية أثناء العملية، العوامل الوعائية، سلاسل زمنية MAP، وسجلات التخدير.
نظام السجلات الطبية الإلكترونيةالمصدر المؤسسيلا يوجدمصدر التركيبة السكانية، الأمراض المصاحبة، السجلات التشغيلية، والوثائق السريرية للمتابعة.
glmnetكرانلا يوجدحزمة R المستخدمة في الانحدار اللوجستي المضاقب واختيار متغيرات LASSO.
غرفة عمليات تصوير الأوعية الدموية بالطرح الرقمي الهجينالمصدر المؤسسيلا يوجدإعداد الدراسة لجميع الإجراءات المشمولة؛ مجهزة للتصوير التدخلي والجراحة المفتوحة.
نظام معلومات المختبرالمصدر المؤسسيلا يوجدمصدر مؤشرات المختبر قبل العملية، بما في ذلك الألبومين والهيموغلوبين.
الفئرانكرانلا يوجدحزمة R المستخدمة في الحسابات المتعددة بواسطة معادلات متسلسلة.
نظام معلومات التمريضالمصدر المؤسسيلا يوجدمصدر سجلات التمركز، حماية نقاط الضغط، فحوصات الوضعية أثناء العملية، وتوثيق التمريض بعد العملية.
نظام أرشفة الصور والاتصالات (PACS)المصدر المؤسسيلا يوجدمصدر مدة التنظير الفلوري والمعلومات المتعلقة بالتصوير.
بروككرانلا يوجدحزمة R المستخدمة لتحليل ROC، وتقدير AUC، وفترات ثقة DeLong.
Rمؤسسة R للحوسبة الإحصائيةلا يوجدبيئة برمجيات التحليل الإحصائي.
RMDAكرانلا يوجدحزمة R المستخدمة في تحليل منحنى القرار.
RMSكرانلا يوجدحزمة R المستخدمة في استراتيجيات نمذجة الانحدار، ودوال السبلين، وبناء النوموغرام.

المراجع

  1. Jeon, H. J., et al. Four-year experience using an advanced interdisciplinary hybrid operating room: potentials in treatment of cerebrovascular disease. J Korean Neurosurg Soc. , (2019).
  2. Hara, T., Ozawa, A., Shibutani, K., et al. Practical guide for safe sedation. J Anesth. , (2023).
  3. Gharios, M., El-Hajj, V. G., Frisk, H., et al. The use of hybrid operating rooms in neurosurgery, advantages, disadvantages, and future perspectives: a systematic review. Acta Neurochir (Wien). , (2023).
  4. Spruce, L. Positioning the patient. AORN J. , (2021).
  5. Mahendru, K., Kumar, A., Bhargava, T. Patient positioning under anesthesia during COVID-19 pandemic: foresight risks to prepare, plan and execute. Trends Anaesth Crit Care. , (2021).
  6. Cai, J., Huang, X., He, L. An evidence-based general anaesthesia and prone position nursing checklist: development and testing. Nurs Open. , (2023).
  7. Chen, Y., Wang, W., Qian, Q., Wu, B. Comparison of four risk assessment scales in predicting the risk of intraoperative acquired pressure injury in adult surgical patients: a prospective study. J Int Med Res. , (2023).
  8. Xu, Y., et al. Prediction models for intraoperative acquired pressure injury of adults: a systematic review and critical appraisal. Adv Wound Care (New Rochelle). , (2026).
  9. Patterson, H., et al. Patient positioning and its impact on perioperative outcomes in children: a narrative review. Paediatr Anaesth. , (2024).
  10. van Geloven, N., et al. Prediction meets causal inference: the role of treatment in clinical prediction models. Eur J Epidemiol. , (2020).
  11. Huang, J., et al. Development and validation of a nomogram for predicting critical respiratory events during early anesthesia recovery in elderly patients. BMC Med Inform Decis Mak. , (2024).
  12. Kim, E. M., Li, G., Kim, M. Development of a risk score to predict postoperative delirium in patients with hip fracture. Anesth Analg. , (2020).
  13. Bing, R., et al. Validation of European Society of Cardiology pre-test probabilities for obstructive coronary artery disease in suspected stable angina. Eur Heart J Qual Care Clin Outcomes. , (2020).
  14. Vickers, A. J., van Calster, B., Steyerberg, E. W. A simple, step-by-step guide to interpreting decision curve analysis. Diagn Progn Res. , (2019).
  15. Pressure injury prevention: AORN guideline takeaways for perioperative nurses. , Association of periOperative Registered Nurses. (2024).
  16. Peterson, L. Intraoperative pressure injury prevention. Nurs Clin North Am. , (2025).
  17. Dhoon, T. Q., Vakharia, S., Villaluz, E., Morrison, D. E. The underappreciated dangers of the prone position. , Anesthesia Patient Safety Foundation. (2024).
  18. Bentsen, S. B., et al. Patient positioning on the operating table and patient safety: a systematic review and meta-analysis. J Adv Nurs. , (2025).
  19. Esposito, D., et al. Hybrid operating room applications in the increasingly complex endovascular era: the trump card of modern vascular surgery. Ann Surg Treat Res. , (2021).
  20. Keller, B. P. J. A., van Overbeeke, J., van der Werken, C. Interface pressure measurement during surgery: a comparison of four operating table surfaces. J Wound Care. , (2006).
  21. Four ways to improve intraoperative patient safety with positioning assessments. , Association of periOperative Registered Nurses. (2024).
  22. Wang, J., et al. Early mobilization after cardiac catheterization via femoral artery: a systematic review and meta-analysis. Rev Cardiovasc Med. , (2024).
  23. Kimsey, D. B. A change in focus: shifting from treatment to prevention of perioperative pressure injuries. AORN J. , (2019).
  24. Fulbrook, P., et al. Use of a risk-based intervention bundle to prescribe and implement interventions to prevent pressure injury: an observational study. J Adv Nurs. , (2025).
  25. Kim, M., Park, S., Kim, C., Choi, M. Diagnostic accuracy of clinical outcome prediction using nursing data in intensive care patients: a systematic review. Int J Nurs Stud. , (2023).
  26. Shickel, B., et al. Dynamic predictions of postoperative complications from explainable, uncertainty-aware, and multi-task deep neural networks. Sci Rep. , (2023).
  27. Lee, J. H., et al. Development of a pressure injury machine learning prediction model and integration into clinical practice: a prediction model development and validation study. Korean J Adult Nurs. , (2024).
  28. Bedford, J. P., Redfern, O. C., O’Brien, B., Watkinson, P. J. Perioperative risk scores: prediction, pitfalls, and progress. Curr Opin Anaesthesiol. , (2025).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

مقالات ذات صلة