Deze studie onderzoekt of sentimentpolariteit en subjectiviteit samenhangen met prognose bij cholecystectomiepatiënten met een intensivecareverblijf ≥ 24 uur. De belangrijkste analyses beoordelen hun discriminatievermogen voor 3-, 7- en 10-daagse intensivecare-opnames, ziekenhuissterfte en 28-daagse ziekenhuisopname.
Onderzoeksartikel
Sentimentscores in verpleegkundige notities die verband houden met de prognose van patiënten die een cholecystectomie ondergaan
In dit artikel
Samenvatting
Samenvatting
Deze studie onderzocht de relatie tussen sentimentscores en de prognose van cholecystectomiepatiënten met een verblijfsduur van 24 uur op de intensive care (ICU) (LOS) ≥ 24 uur. In totaal werden 267 patiënten uit de Medical Information Mart for Intensive Care IV (MIMIC-IV) database opgenomen. Sentimentscores afgeleid van verpleegkundige notities in de MIMIC-IV notitiemodule met behulp van TextBlob. De geanalyseerde tekst werd gegenereerd bij ontslag in het ziekenhuis. Daarom worden alle bevindingen geïnterpreteerd als beschrijvende associaties. Receiver operating characteristic (ROC)-curves, de DeLong-test en beslissingscurveanalyse (DCA) werden gebruikt om het onderscheiden van sentimentpolariteit en sentimentsubjectiviteit voor 3-, 7- en 10-daagse ICU-LOS beschrijvend te karakteriseren, en om sentimentpolariteit te vergelijken met klinische indicatoren voor 7-daagse ICU-LOS. Restricted cubic spline (RCS) en gegeneraliseerde lineaire regressie evalueerden hun associaties met ICU LOS. Sentimentpolariteit bereikte een hoger gebied onder de curve (AUC) dan sentimentsubjectiviteit; de DeLong-test toonde een significant verschil voor 3-daagse ICU LOS (p = 0,015), grenslijn voor 7-dagen (p = 0,057) en niet-significant voor 10-dagen (p = 0,587). Voor 7-daagse ICU LOS liet de sentimentpolariteit een hogere AUC zien met exploratief nettovoordeel op DCA binnen specifieke drempelbereiken. Sentimentpolariteit had een niet-lineaire correlatie met 7-daagse ICU-LOS (p totaal = 0,002, p niet-lineair = 0,027), terwijl sentimentsubjectiviteit dat niet had. Gegeneraliseerde lineaire regressie toonde een verband tussen sentimentpolariteit en ICU LOS die onafhankelijk was van gemeten covariaten (alle p < 0,05 in ruwe en aangepaste modellen). Voor secundaire uitkomsten was sentimentpolariteit geassocieerd met sterfte binnen het ziekenhuis en 28-daagse ziekenhuis-LOS in RCS-analyse (alle p < 0,05), waarbij exploratieve discriminatievermogen verdere validatie vereiste. Samenvattend was bij deze patiënten sentimentpolariteit beschrijvend geassocieerd met IC-LOS, ziekenhuismortaliteit en ziekenhuis-LOS over 28 dagen; Deze bevindingen moeten niet worden gegeneraliseerd naar alle cholecystectomiepatiënten.
Inleiding
Cholecystectomie is een van de meest voorkomende ingrepen bij galwegchirurgie1. Cholecystectomie kan worden toegepast op diverse galblaasaandoeningen, zoals galstenen, cholecystitis, galblaaspoliepen, enzovoort 2,3,4. Er zijn twee hoofdtypen cholecystectomie: open cholecystectomie en laparoscopische cholecystectomie5. Onder hen is open cholecystectomie gedimissioneerd voor ingewikkelde gevallen: voor patiënten met complexe aandoeningen (bijv. grote galstenen, verspreidende ontsteking, enz.) is laparoscopische cholecystectomie getipt voor alle galblaasaandoeningen waarvoor geen contra-indicatie voor operatieis 6. Hoewel een cholecystectomie een relatief veilige chirurgische ingreep is, blijven er een aantal complicaties bestaan, zoals galwegletsels, darmletsels, buikbloedingen, gallekkage, secundaire choledocholithiasis, hart- en vaatziekten, ademhalingsziekten, enzovoort.
Sentimentanalyse is een veelgebruikte toepassing van natuurlijke taalverwerkingsmethoden, een methode om subjectieve teksten met emotionele ondertonen te analyseren, te verwerken, samen te vatten en te redeneren over subjectieve teksten met emotionele ondertonen, en het kwantificeren van kwalitatieve gegevens met behulp van enkele sentimentscore-metrieken8. Sentimentanalyse wordt gebruikt in verschillende sectoren zoals financiën, journalistiek, geneeskunde, enzovoort. Het moet worden opgemerkt dat sentimentscores die worden berekend door tools zoals TextBlob gebaseerd zijn op de polariteit en subjectiviteit van woorden op lexicale niveau, met behulp van vooraf gedefinieerde sentimentlexicons (bijv. AFINN), in plaats van de subjectieve stemming of houding van de verpleegkundige die de notitie12 schrijft weer te geven. Specifiek variëren polariteitsscores van -1 tot 1, en subjectiviteitsscores van 0 tot 1, wat de semantische oriëntatie van de gebruikte woorden in de klinische tekst weergeeft. De toepassing van sentimentanalyse in de medische sector kan niet alleen emotionele houdingen ten opzichte van een gebeurtenisbegrijpen, maar kan ook helpen bij de categorisering van medische beelden14, en is ook gerelateerd aan de prognose van een patiënt, enzovoort. Eerdere studies hebben aangetoond dat sentiment-scores uit verpleegkundige notities geassocieerd zijn met de prognose van de patiënt bij ernstig zieke populaties. Zo blijkt bijvoorbeeld dat bij patiënten met acuut nierletsel die continue niervervangende therapie krijgen, het machine learning-model met sentimentscore (dat uit de verpleegkundige notities is gehaald) snel de hoogrisicosterfgevallen van patiënten kan identificeren16. Een andere studie vond dat de sentimentpolariteit van verpleegkundige notities een belangrijke factor was in de 30-daagse sterfte van IC-patiënten (IC) en gerelateerd was aan zowel 30-dagen sterfte als overleving17. Evenzo is sentimentanalyse toegepast op sepsispatiënten om het sterfterisico18 te onderscheiden.
De populaties in deze eerdere studies verschillen echter aanzienlijk van die van IC-patiënten na een cholecystectomie. Patiënten met acuut nierletsel, sepsis of acute pancreatitis presenteren zich doorgaans met ernstige systemische ontstekingsreacties en meervoudige orgaandysfunctie, die intensieve orgaanondersteuning vereisen zoals mechanische beademing of vasopressoren19. Ernstige acute pancreatitis wordt bijvoorbeeld gedefinieerd door aanhoudend orgaanfalen die langer dan 48 uur duurt volgens de herziene Atlanta-classificatie20. Daarentegen wordt cholecystectomie over het algemeen beschouwd als een relatief veilige procedure met lage sterfte, en de meeste patiënten hebben geen postoperatieve IC-opname nodig, tenzij ze ernstige complicaties krijgen zoals galwegletsel of ongecontroleerde bloedingen21,22. Daarom verschillen het klinische traject, de ernst van de ziekte en de risicofactoren voor sterfte bij post-cholecystectomie IC-patiënten van die in algemene IC-populaties met primaire diagnoses van AKI of sepsis. Bovendien kunnen de patronen van verpleegkundige documentatie en de semantische inhoud van klinische notities verschillen tussen deze populaties door variaties in ziekteernst en behandelingsintensiteit.
Op dit moment richt onderzoek naar sentimentanalyse op basis van verpleegkundige notities en prognose zich voornamelijk op IC-patiënten met aandoeningen zoals sepsis, acuut nierletsel en acute pancreatitis. Weinig studies hebben de relatie onderzocht tussen het sentiment van de verpleegkundige notities en de prognose van patiënten na een cholecystectomie. Daarom heeft deze studie, gebaseerd op de Medical Information Mart for Intensive Care (MIMIC)-IV database23, het sentiment van verpleegkundige notities van patiënten die een cholecystectomie ondergaan geëxtraheerd en de relatie onderzocht tussen de sentimentscore van verpleegkundige notities en de prognose van cholecystectomiepatiënten om zo betere referenties voor klinische zorg te bieden. Voor zover we weet, is dit de eerste studie die de relatie onderzoekt tussen sentimentscore van verpleegkundige notities en prognose, specifiek bij IC-patiënten na een cholecystectomie.
Protocol
Deze studie werd uitgevoerd met behulp van de MIMIC-IV database. De oprichting van de MIMIC-IV database werd goedgekeurd door de Institutional Review Boards van het Massachusetts Institute of Technology en Beth Israel Deaconess Medical Center (BIDMC), en er werd toestemming verkregen voor de oorspronkelijke gegevensverzameling. Alle gezondheidsinformatie van patiënten in de database werd gede-identificeerd in overeenstemming met de Safe Harbor-bepalingen van de Health Insurance Portability and Accountability Act, waarbij de 18 door HIPAA gedefinieerde identificaties werden verwijderd en data werden verschoven om de privacy van patiënten te beschermen; daarom werd de vereiste voor individuele geïnformeerde toestemming opgeheven. Toegang tot de database werd verleend nadat een auteur de verplichte trainingscursus "Data or Specimens Only Research" van het Collaborative Institutional Training Initiative had afgerond, een geaccrediteerde gebruiker op het PhysioNet-platform was geworden en de PhysioNet Credentialed Health Data Use Agreement had ondertekend. Gedurende het onderzoek werden de beperkte MIMIC-IV-gegevens behandeld in overeenstemming met de PhysioNet Credentialed Health Data Use Agreement en institutionele gegevensbeheerprocedures: de gede-identificeerde gegevens werden alleen opgeslagen op wachtwoordbeveiligde, institutioneel beheerde apparaten met toegang beperkt tot de bevoegde auteurs, werden niet gedeeld met niet-gecredentialeerde derde partijen of geüpload naar publieke diensten, en er werd geen poging gedaan om personen opnieuw te identificeren of de dossiers aan externe personen te koppelen databronnen. Omdat deze studie gebaseerd was op een openbaar toegankelijke, gedeidentificeerde database, werd aanvullende ethische goedkeuring van de Ethische Commissie van het Tweede Geaffilieerde Ziekenhuis van de Zhejiang University School of Medicine opgegeven. De software en hulpmiddelen die in deze studie worden gebruikt, staan vermeld in de Materiaallijst.
Gegevensbron
Patiëntgegevens zijn verkregen uit de Medical Information Mart for Intensive Care IV (MIMIC-IV, 3.0 versie, uitgebracht in 2024) database, opgericht in 2003 door het Computational Physiology Laboratory van het Massachusetts Institute of Technology, Beth Israel Deaconess Medical Center van Harvard Medical School en Philips Medical Company, met steun van de National Institutes of Health. De auteurs werden geaccrediteerde PhysioNet-gebruikers, voltooiden de CITI "Data or Specimens Only Research" trainingscursus en ondertekenden de PhysioNet Credentialed Health Data Use Agreement (Record ID: 55710882) voordat toegang werd verleend. De gegevens werden in november 2025 verzameld.
De database is georganiseerd in twee modules: hosp (afkomstig van het ziekenhuisbrede elektronische patiëntendossier) en icu (afkomstig van het klinische informatiesysteem MetaVision op de IC). De studiecohort werd samengesteld door de volgende tabellen te bevragen en dossiers te koppelen op subject_id, hadm_id en stay_id: patiënten, opnames en overplaatsingen (demografie en ziekenhuisopnamegegevens); diagnoses_icd met d_icd_diagnoses en procedures_icd met d_icd_procedures (diagnose- en procedurecodes); laboratoriumevenementen met d_labitems (laboratoriummetingen); recepten (medicijnen); microbiologyevents (postoperatieve infectie); icustays (IC-opname en verblijfsduur (LOS)); chartevents met d_items (vitale functies van de IC); en de MIMIC-IV vrijtekstverpleegkundige notities, waaruit de sentimentpolariteit en sentiment subjectiviteit scores zijn afgeleid. Data werd geëxtraheerd met gestructureerde SQL-queries die werden uitgevoerd met een lokale PostgreSQL (versie 18.4) build van MIMIC-IV v3.0 (en gecontroleerd op Google BigQuery), gemaakt met de officiële buildscripts van de MIMIC-Code-repository (https://github.com/MIT-LCP/mimic-code).
Inclusie- en uitsluitingscriteria
Inclusiecriteria: de patiënt was ouder dan of gelijk aan 18 jaar, de patiënt ondergaat een cholecystectomie (geïdentificeerd uit de procedures_icd tabel via de ingang van de cholecystectomie), de patiënt heeft een gedocumenteerde IC-opname (gedefinieerd door de aanwezigheid van ten minste één dossier in de IC-tafel, waarbij het eerste IC-verblijf werd gebruikt toen er meerdere opnames waren; IC-opname is een administratieve gebeurtenis in MIMIC-IV en wordt daarom niet weergegeven door een ICD-code) (N = 325).
Exclusiecriteria: de patiënt ontwikkelde postoperatief syndroom (inclusief postcholecystectomiesyndroom en behouden cholelithiasis na cholecystectomie) (exclusief 3, resterende 322), de ICU LOS van de patiënt was minder dan 24 uur (exclusief 54, resterende 268), ontbreking van verpleegkundige notities in patiëntgegevens (gebrek aan sentimentscore) [exclusief 1, overige 267]. Om te controleren of de steekproefgrootte voldoet aan de data-analysevereisten, werd de minimale steekproefgrootte berekend met G*Power-software (versie 3.1.9.7) met een effectgrootte d = 0,5, α foutkans = 0,05, vermogen (1-β foutkans) = 0,95 en toewijzingsverhouding N2/N1 = 1, wat resulteerde in een minimaal vereiste steekproefgrootte van 220. De 267 opgenomen deelnemers voldeden aan de analyse-eisen.
Groeperen en variabelen
In deze studie werden de proefpersonen, afhankelijk van of de ICU LOS meer dan 7 dagen duurde, verdeeld in twee groepen: de ene groep was de ICU LOS < 7 dagen, en de andere groep was de ICU LOS ≥ 7 dagen. De primaire uitkomstindicator in deze studie was ICU LOS, en de primaire uitkomst was ICU LOS, gedefinieerd als een continue variabele (in dagen) genomen uit het LOS-veld van de ICUSTAYS-tafel (ICU-module), die gelijk is aan het interval tussen uitvallen en in-tijd van het eerste ICU-verblijf van de patiënt tijdens de indexopname in het ziekenhuis. ICU LOS werd bovendien gedichotomiseerd op klinisch relevante drempels: 3-dagen, 7-daags en 10-daags ICU LOS werden gedefinieerd als ICU LOS ≥ respectievelijk 3, ≥ 7 en ≥ 10 dagen, elk gedefinieerd als een binaire variabele afgeleid van hetzelfde LOS-veld van de icustays-tabel.
Secundaire uitkomstindicatoren waren postoperatieve infectie, ziekenhuissterfte en LOS ≥ 28. (1) 28-dagen LOS, gedefinieerd als een totale verblijfsduur van het ziekenhuis ≥ 28 dagen, berekend als dischtime − opnametijd uit de opnametabel (hosp-module); (2) overlijden in het ziekenhuis, gedefinieerd als hospital_expire_flag = 1 in de opnametabel (equivalent, een niet-nul sterftetijd tussen opname en ontslag); (3) postoperatieve infectie, een patiënt werd geclassificeerd als postoperatief als seq_num_infection niet-nul was. De belangrijkste indicatoren die in deze studie werden opgenomen waren sentimentpolariteit, sentimentsubjectiviteit, leeftijd, body mass index (BMI), glucose, albumine, alaninetransaminase (ALT), aniongap, aspartaataminotransferase (AST), bicarbonaat, ureumstikstof in het bloed, chloride, creatinine, hematocriet, bloedplaatjes, kalium, rode bloedcellen (RBC), breedte van de distributie van rode bloedcellen (RDW), natrium, lactaat, lymfocyt, witte bloedcellen (WBC), Charlson-comorbiditeitsindex (CCI), Sequentiële orgaanfalingsbeoordeling (SOFA), vereenvoudigde acute fysiologiescore III (APSIII), ICU gemiddelde hartslag, ICU gemiddelde systolische bloeddruk, geslacht (man, vrouw), ras (wit, anderen), burgerlijke staat (getrouwd, anderen), roken (nee, ja), alcohol drinken (nee, ja), propofol (nee, ja), fentanyl (nee, ja), ciprofloxacine (nee, ja), levofloxacine (nee, ja), hypertensie (nee, ja), hyperlipidemie (nee, ja), myocardinfarct (nee, ja), ja), congestief hartfalen (nee, ja), cerebrovasculaire aandoening (nee, ja), dementie (nee, ja), chronische longziekte (nee, ja). Sentimentscores kunnen worden gecategoriseerd in sentimentpolariteit en sentimentsubjectiviteit. Het is vermeldenswaard dat alle laboratoriummetingen gemiddelde waarden zijn. Propofol, fentanyl en ciprofloxacine werden geregistreerd als binaire indicatoren van toediening binnen de eerste 24 uur na IC-opname en werden daarom gemeten vóór de relevante uitkomsten. Ze werden opgenomen als basislijn-aanpassingscovariaten in plaats van als blootstellingen van belang, wat een vroege IC-sedatie, analgesie en antimicrobiële behandeling bij opname weerspiegelt.
Sentimentanalyse
De programmeertaal Python (versie 3.6.4) en de TextBlob (versie 0.15.1) natuurlijke taalverwerkingstool (hierna de sentiment-analyse bibliotheek) werden gebruikt om sentimentpolariteit en sentimentsubjectiviteit uit ziekenhuisontslagdocument24 te halen. Voor de analyse werden verpleegkundige dossiers vooraf verwerkt door beschermde identificaties te verwijderen, tekst om te zetten in kleine letters, gebruikelijke klinische afkortingen uit te breiden, overbodige witruimte en niet-alfanumerieke symbolen te verwijderen, en tekst te segmenteren in zinnen. Voor elk record gaf deze bibliotheek een sentimentpolariteit (bereik -1 tot 1; hogere waarden duiden op positiever sentiment) en sentimentsubjectiviteit (bereik 0 tot 1; hogere waarden duiden op grotere subjectiviteit), met gebruik van de standaardparameters van de analyzer. Voor elke patiënt werd het ziekenhuisontslagdocument één keer gescoord, wat per patiënt één sentimentpolariteit en één sentimentsubjectiviteitswaarde opleverde. De analysecode is beschikbaar via de Uniform Resource Locator. Deze bibliotheek werd gekozen omdat ze een transparante, lexicon-gebaseerde en volledig reproduceerbare maat biedt voor polariteit en subjectiviteit, die is toegepast in eerdere gezondheidsgerelateerde tekstminingstudies17.
Statistische analyse
Alle statistische analyses werden uitgevoerd met R (versie 4.3.0). De normaliteit van continue variabelen werd beoordeeld met de Shapiro-Wilk-test samen met visuele inspectie van Q-Q-grafieken, en de homogeniteit van de variantie werd beoordeeld met behulp van de Levene-test. Continue variabelen die normaal verdeeld waren, werden uitgedrukt als gemiddelde ± standaarddeviatie en vergeleken tussen de twee groepen (ICU LOS < 7 dagen versus ≥ 7 dagen) met behulp van de onafhankelijke steekproeven Student t-test, waarbij Welch's correctie werd toegepast wanneer de varianties ongelijk waren; continue variabelen die niet normaal verdeeld waren, werden uitgedrukt als mediaan (interkwartielbereik) en vergeleken met behulp van de Mann-Whitney U-test. Categorische variabelen werden uitgedrukt als frequenties en percentages (n, %) en vergeleken tussen de twee groepen met behulp van de Pearson chi-kwadraattest, waarbij de exacte test van Fisher werd gebruikt wanneer een verwachte celtelling < 5 was.
De curve van de receiver operating characteristic (ROC) werd gebruikt om het onderscheidende vermogen van sentimentpolariteit en sentimentsubjectiviteit te evalueren voor 3-daagse, 7-daagse en 10-daagse ICU LOS, elk gedefinieerd als een binaire uitkomst (ICU LOS ≥ k dagen versus < k dagen). De gebieden onder de curve (AUC) werden gerapporteerd met 95% BI verkregen met de DeLong-methode; de optimale cut-off was de waarde die de Youden-index maximaliseerde, en gevoeligheid, specificiteit en nauwkeurigheid werden berekend, waarbij hun 95% BI werd verkregen door bootstrap resampling (1000 replica's). De DeLong-test voor twee gecorreleerde ROC-curves werd gebruikt om AUC's te vergelijken (sentimentpolariteit versus sentimentsubjectiviteit; elke basislijnvariabele anders versus sentimentpolariteit). Interne validatie door 1000 bootstrap-resamples werd uitgevoerd voor de primaire 7-daagse ICU LOS sentiment-polariteit ROC-modellen. Voor het single-index model werden de optimisme-gecorrigeerde AUC, kalibratiehelling en Brier-score extra gerapporteerd. Voor zowel het enkelvoudige indexmodel als het model dat verder werd aangepast voor SOFA en APSIII, werden bias-gecorrigeerde kalibratiecurves gegenereerd en werd de gemiddelde absolute kalibratiefout gerapporteerd. De 3-daagse en 10-daagse ICU LOS-analyses en de secundaire-uitkomsten ROC-analyses (ziekenhuissterfte en 28-daagse LOS) waren niet intern gevalideerd, en hun prestaties worden als schijnbaar (niet gecorrigeerd) gerapporteerd en zijn daarom verkennend.
Beperkte kubieke splines (RCS) karakteriseerden de dosis-responsassociatie van sentimentpolariteit en sentimentsubjectiviteit met 7-daagse ICU LOS, en van sentimentpolariteit met de secundaire uitkomsten (postoperatieve infectie, ziekenhuissterfte, 28-dagen LOS). Splines werden uitgerust met 4 knopen geplaatst op het 5e, 35e, 65e en 95e percentiel van de belichting, met de referentiewaarde ingesteld op de mediaan. Elke uitkomst werd gemodelleerd als een binaire gebeurtenis op de logitschaal. De p-waarde voor de algehele associatie en de p-waarde voor niet-lineariteit (een test van de niet-lineaire splinetermen) werden gerapporteerd.
De associatie tussen sentimentpolariteit en ICU LOS werd geschat met gegeneraliseerde lineaire modellen. Voor de binaire uitkomst (7-daagse ICU LOS) werd logistische regressie (binomiale familie, logitlink) gebruikt, en de effecten werden gerapporteerd als odds ratios (OR) per 1-standaarddeviatie (1-SD) toename in sentimentpolariteit; voor de continue uitkomst (ICU LOS in dagen) werd lineaire regressie gebruikt en werden de effecten gerapporteerd als regressiecoëfficiënten (β). Vier modellen werden a priori gespecificeerd: een primitief (onafgestemd) model; Model 1 aangepast voor ziekte-ernst scores (SOFA, APSIII); Model 2 gecorrigeerd voor basislijn-verschillend laboratorium-/vitale functies en demografische covariaten (glucose, albumine, bicarbonaat, IC gemiddelde hartslag, ICU gemiddelde systolische bloeddruk, geslacht en milde leverziekte); en Model 3 aangepast voor medicatie (propofol, fentanyl, ciprofloxacine). Omdat medicijnen mogelijk liggen op het causale pad tussen de ernst van de ziekte en ICU LOS, brengt Model 3 een risico op overaanpassing met zich mee en wordt het gepresenteerd als een gevoeligheidsanalyse, waarbij Modellen 1–2 als primair worden beschouwd. Er werden 95% BI's gerapporteerd voor alle schattingen. Een tweezijdige p < 0,05 werd als statistisch significant beschouwd.
Resultaten
Patiëntinformatie
In totaal werden 267 patiënten die een cholecystectomie ondergingen opgenomen in deze studie, waarvan 45 patiënten een ICU-LOS van ≥ 7 dagen hadden en 222 patiënten een ICU-LOS van < 7 dagen. Op basis van kwantitatieve gegevens waren er verschillen tussen de twee groepen in sentimentpolariteit, sentimentsubjectiviteit, glucose, albumine, bicarbonaat, SOFA, APSIII, ICU gemiddelde hartslag en IC gemiddelde systolische bloeddruk (Tabel 1). De ICU LOS ≥ 7 dagen had een hogere sentimentpolariteit, grotere sentimentsubjectiviteit, lagere albumineniveaus, lagere bicarbonaatwaarden, hogere SOFA, hogere APSIII, een snellere gemiddelde hartslag op de IC en een lagere IC gemiddelde systolische bloeddruk (allemaal p < 0,05).
Op basis van kwalitatieve gegevens waren er verschillen tussen de twee groepen in geslacht, propofol, fentanyl, ciprofloxacine en milde leverziekte (Tabel 2). Het percentage mannen in de IC LOS ≥ 7-dagengroep was 71,111% en 28,889% van de vrouwen, terwijl het percentage mannen in de ICU LOS < 7-dagengroep 53,604% en 46,396% van de vrouwen was. De ICU LOS ≥ 7 dagen groep had een hoger percentage propofol (91,111% versus 41,441%), fentanyl (86,667% versus 50,000%) en ciprofloxacine (73,333% versus 35,586%). De ICU LOS≥7 dagen groep had 40,000% van de patiënten met milde leverziekte, terwijl slechts 18,018% van de patiënten in de ICU LOS < 7 dagen groep milde leverziekte had.
Analyse van de klinische waarde van sentimentpolariteit en sentimentsubjectiviteit
Naarmate deze studie de correlatie onderzocht tussen sentimentscores in verpleegkundige notities en prognose, en omdat basisgegevens aantoonden dat sentimentpolariteit en subjectiviteit verschilden tussen de twee groepen, werden de discriminerende eigenschappen van beide voor ICU LOS verder onderzocht met behulp van ROC-analyse. In deze studie. ICU LOS werd onderverdeeld in 3-daagse ICU LOS, 7-daags ICU LOS en 10-daagse ICU LOS. Zoals weergegeven in Tabel 3, waren de waarden van de area onder curve (AUC) discriminatie tussen sentimentpolariteit voor 3-daagse ICU LOS, 7-daags ICU LOS en 10-daags ICU LOS respectievelijk 0,647 (0,571, 0,713), 0,704 (0,629, 0,777) en 0,691 (0,610, 0,777), terwijl AUC-waarden van sentiment-subjectiviteitsdiscriminatie voor 3-daagse ICU LOS, 7-dagen ICU LOS, en de 10-daagse ICU-LOS waren respectievelijk 0,531 (0,456, 0,583), 0,594 (0,517, 0,664) en 0,657 (0,592, 0,728). De resultaten van de DeLong-test suggereerden dat de prestatie van sentimentpolariteit bij het onderscheiden van 3-daagse ICU-LOS beter was dan sentimentsubjectiviteit (p = 0,015).
Beslissingscurveanalyse (DCA) werd gebruikt om de klinische netto voordelen van sentimentpolariteit en subjectiviteit te onderzoeken bij het onderscheiden tussen 3-dagen, 7-daagse en 10-daagse ICU LOS. In DCA duidt de hoog-risico drempel de discriminatiekans aan op een langdurig IC-verblijf waarbij een behandelaar onverschillig zou zijn tussen interventie en niet-interventie; Het nettovoordeel werd verwezen tegen de treat-all (interveneer bij elke patiënt) en treat-none (interveneren bij geen patiënt) strategieën, dus de hieronder gegeven drempelwaarden geven het discriminatierisicovenster aan waarin handelen op basis van elke metriek klinisch redelijk kan zijn. Zoals te zien is in Figuur 1A, was het klinische voordeel van de sentimentpolariteit voor het onderscheiden van 3-dagen ICU LOS hoger dan dat van de sentimentsubjectiviteit, treat-all en treat-non modellen wanneer de drempel ongeveer 0,30-0,58 was. Wanneer de drempel ongeveer 0,10-0,30 was, was het klinische voordeel van de sentimentpolariteit voor het onderscheiden van 7-daagse ICU-LOS hoger dan dat van het sentimentsubjectiviteit, treat-all, en treat-non model (Figuur 1B). Een vergelijkbaar resultaat werd ook waargenomen bij onderscheidende 10-daagse ICU-LOS, met een drempel van ongeveer 0,10-0,22 (Figuur 1C). Zowel ROC- als DCA-analyses gaven aan dat, van de twee tekstgebaseerde meetmethoden, sentimentpolariteit iets meer discriminatie en netto klinisch voordeel bood dan sentimentsubjectiviteit voor het onderscheiden van ICU LOS, met name bij 7-daagse ICU LOS. Deze vergelijkingen zijn verkennend en beperken zich tot de twee sentimentmaatstaven; Ze tonen niet aan dat sentimentpolariteit superieur is aan vastgestelde ernstwaardigheidsscores.
De discriminerende prestaties van sentimentpolariteit ten opzichte van andere indicatoren, inclusief verschillen in basislijngegevens op 7-daagse ICU-LOS, werd verder vergeleken. Zoals weergegeven in Tabel 4, waren de AUC-waarden van sentimentpolariteit, sentimentsubjectiviteit, glucose, albumine, bicarbonaat, SOFA, APSIII, ICU gemiddelde hartslag, ICU gemiddelde systolische bloeddruk, geslacht, propofol, fentanyl, ciprofloxacine en milde leverziekte bij onderscheidende 7-daagse ICU LOS 0,688 (0,606, 0,757), 0,559 (0,441, 0,655), 0,636 (0,549, 0,719), 0,684 (0,582-0,785), 0,585 (0,490-0,679), 0,759 (0,688, 0,826), 0,752 (0,697, 0,836), 0,668 (0,587, 0,756), 0,619 (0,530, 0,707), 0,588 (0,513, 0,662), 0,726 (0,681, 0,783), 0,673 (0,621, 0,727), 0,660 (0,589, 0,720), 0,603 (0,510, 0,672), respectievelijk. Volgens de test van DeLong liet sentimentpolariteit een statistisch hogere AUC zien dan sentimentsubjectiviteit (p = 0,034) en geslacht (p = 0,023). Voor alle andere vergelijkingspersonen, inclusief de klinische ernstscores SOFA (AUC = 0,759, p = 0,267) en APSIII (AUC = 0,752, p = 0,338) en propofolgebruik (AUC = 0,726, p = 0,446), evenals glucose, albumine, bicarbonaat, gemiddelde hartslag op de IC, gemiddelde systolische bloeddruk op de IC, fentanyl, ciprofloxacine en milde leverziekte, waren de verschillen in AUC ten opzichte van sentimentpolariteit niet statistisch significant (alle p > 0,05), ongeacht welke richting de puntschatting prefereerde. Hoewel SOFA, APSIII en propofol gebruik numeriek hogere puntschatting van AUC's hadden dan sentimentpolariteit, bereikte dit numerieke verschil geen statistische significantie, en was de AUC van sentimentpolariteit eveneens niet statistisch te onderscheiden van verschillende indicatoren met lagere puntschattingen (bijv. albumine, bicarbonaat, IC gemiddelde systolische bloeddruk). Gezamenlijk geven deze resultaten aan dat sentimentpolariteit discriminatievermogen vertoonde dat statistisch vergelijkbaar was met, in plaats van uniform superieur aan, gevestigde klinische ernstmaten, terwijl het een significant voordeel liet zien ten opzichte van sentimentsubjectiviteit en alleen geslacht. De waarde van sentimentpolariteit kan daarom het beste worden gepresenteerd als concurrerend en complementair in plaats van superieur aan gevalideerde ernst-indices: het belangrijkste voordeel ligt in het automatische extraheren uit routinematige verpleegkundige notities, waardoor een goedkope, schaalbare signaal wordt geboden dat instrumenten zoals SOFA en APSIII kan aanvullen in plaats van vervangen.
Bij interne validatie door 1000 bootstrap-resamples was het optimisme verwaarloosbaar: voor 7-daagse ICU LOS had het single-index sentiment-polariteitsmodel (Figuur 4A) een optimisme-gecorrigeerde AUC van 0,70 (schijnbaar 0,704), met een kalibratiehelling van 1,06 en een Brier-score van 0,138 (gemiddelde absolute kalibratiefout = 0,04), terwijl het model daarnaast corrigeerde voor SOFA en APSIII (Figuur 4B) toonde een gemiddelde absolute kalibratiefout van 0,034, wat wijst op stabiele discriminatie en adequate kalibratie; bij afwezigheid van een externe cohort blijven deze bevindingen verkennend.
Correlatie tussen sentimentpolariteit en sentiment-subjectiviteit, met ICU LOS
De resultaten van de RCS-analyse (Figuren 2A–B) suggereerden dat sentimentpolariteit een niet-lineaire relatie vertoonde met 7-daags ICU LOS (p voor totaal = 0,002, p voor niet-lineair = 0,027), en sentiment-subjectiviteit geen lineaire of niet-lineaire relatie had met 7-daags ICU LOS (p voor totaal = 0,205, p voor niet-lineair = 0,227). De resultaten van RCS vonden alleen een correlatie tussen sentimentpolariteit en ICU LOS, dus de onafhankelijke associatie tussen sentimentpolariteit en ICU LOS met behulp van gegeneraliseerde lineaire regressie werd verder onderzocht. Bij het instellen van ICU LOS als binaire variabele (Tabel 5), had sentimentpolariteit een correlatie met ICU LOS met of zonder aanpassing [ruwe model: OR(95%) = 1,83 (1,29, 2,61), p < 0,001; model 1:OR(95%) = 1,75 (1,21, 2,54), p = 0,003; model 2: OR(95%) = 2,30 (1,31, 4,03), p = 0,004; model 3: OR(95%) = 1,63 (0,92, 2,87), p = 0,092]. Hetzelfde resultaat werd ook gevonden bij het instellen van ICU LOS als continue variabele (Tabel 5) [ruwe model: β = 17,786 (9,169, 26,404), p < 0,001; model 1: β = 14,724 (6,287, 23,162), p = 0,001; model 2: β = 15,963 (5,352, 26,574), p = 0,003; model 3: β = 11,362 (0,976, 21,749), p = 0,032].
Correlatie van sentimentpolariteit met secundaire uitkomsten (postoperatieve infectie, ziekenhuissterfte en 28-daagse LOS)
De correlatie tussen sentimentpolariteit en secundaire uitkomsten werd verder onderzocht. Van de 267 patiënten vond postoperatieve infectie plaats in 38/267, ziekenhuissterfte in 36/267 (13,5%), en een ziekenhuis-LOS van 28 dagen in 39/267 (14,6%). Zoals te zien is in Figuur 3A–C, was er een niet-lineaire relatie tussen sentimentpolariteit en ziekenhuissterfte (p voor totaal = 0,010, p voor niet-lineair = 0,046), terwijl er een lineaire relatie was tussen sentimentpolariteit en 28-daagse loslijn (p voor totale < 0,001, p voor niet-lineaire = 0,217), maar sentimentpolariteit had geen lineaire of niet-lineaire relatie met postoperatieve infectie (p voor totaal = 0,562, p voor niet-lineair = 0,364). Op basis van deze resultaten werd ROC-analyse gebruikt om het vermogen van sentimentpolariteit te onderzoeken bij het onderscheiden van overlijden in het ziekenhuis en 28-daagse LOS. De AUC-waarden van sentimentpolariteit bij het onderscheiden van ziekenhuissterfte en 28-daagse losen waren respectievelijk 0,674 (0,602, 0,755) en 0,753 (0,669, 0,847). Tegelijkertijd was de gevoeligheid van sentimentpolariteit bij het onderscheiden van sterfgevallen in het ziekenhuis en 28-daagse LOS respectievelijk 0,694 (0,453, 0,896) en 0,667 (0,503, 0,959). De overeenkomstige specificiteiten waren respectievelijk 0,649 (0,495, 0,863) en 0,737 (0,457, 0,912), en de nauwkeurigheden waren respectievelijk 0,672 (0,536, 0,820) en 0,733 (0,510, 0,868) (Tabel 6; alle 95% BI verkregen door bootstrap resampling). Omdat het aantal ziekenhuissterfgevallen en gebeurtenissen na 28 dagen klein was en er geen interne of externe validatie werd uitgevoerd, moeten deze secundaire-uitkomstanalyses als verkennend worden beschouwd en vereisen ze bevestiging in voldoende krachtige, gevalideerde en ernst-gecorrigeerde analyses.
BESCHIKBAARHEID GEGEVENS:
MIMIC-IV is een database met beperkte toegang; Geïnformeerde toestemming voor de oorspronkelijke gegevensverzameling werd verkregen van patiënten bij de broninstellingen tijdens routinematige klinische zorg en database-opbouw, terwijl de huidige studie een secundaire analyse is van de reeds gedeïdentificeerde MIMIC-IV-database waarvoor de vereiste voor aanvullende individuele geïnformeerde toestemming werd opgeheven. De ruwe gegevens kunnen worden verkregen door de CITI "Data or Specimens Only Research" training te voltooien en de PhysioNet Accredited Health Data Use Agreement (https://physionet.org/content/mimiciv/) te ondertekenen. Omdat de MIMIC-IV Data Use Agreement herdistributie van individuele patiëntendossiers verbiedt, mogen de ruwe gegevens niet openbaar worden gedeponeerd; echter, de gedeïdentificeerde afgeleide dataset die ten grondslag ligt aan de huidige analyses, samen met de volledige SQL-extractiequeries en analysescripts die nodig zijn om deze uit MIMIC-IV te regenereren, is aan het tijdschrift geleverd als aanvullende bestanden. Zowel de data-extractiecode als de ruwe data zijn beschikbaar in Aanvullende Tabel 1 en Aanvullende Coderingbestand.
Figuur 1: Het klinische netto voordeel van sentimentpolariteit en sentimentsubjectiviteit bij het onderscheiden van 3-daagse IC LOS, 7-daags ICU LOS en 10-daags ICU LOS. (A) 3-daagse ICU LOS, (B) 7-daags ICU LOS, (C) 10-daags ICU LOS, Model 1: sentimentpolariteit, Model 2: sentiment-subjectiviteit. De x-as toont de kans op de hoge risicodrempel en de y-as het netto-voordeel. De grijze "All"-lijn (behandel-all) gaat ervan uit dat elke patiënt als hoogrisico-patiënt wordt behandeld, en de zwarte "Geen"-lijn (behandel-geen) gaat ervan uit dat geen patiënt wordt behandeld; Model 1 en Model 2 gebruiken elk één discriminatie-index (respectievelijk sentimentpolariteit en sentimentsubjectiviteit). De uitkomsten werden gedefinieerd als ICU LOS ≥ 3 dagen (A), ≥ 7 dagen (B) en ≥ 10 dagen (C). N = 267. Afkortingen: IC = intensive care, LOS = verblijfsduur. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 2: Correlatie van sentimentpolariteit en sentimentsubjectiviteit met ICU LOS. (A) Sentimentpolariteit, (B) Sentiment-subjectiviteit. Het resultaat was 7-daagse ICU LOS (gecodeerd als een binaire gebeurtenis, ≥ 7 dagen versus < 7 dagen). De doorgetrokken lijn toont de geschatte oddsverhouding over het belichtingsbereik en de gearceerde band het bijbehorende 95% betrouwbaarheidsinterval; De horizontale stippellijn geeft een kansverhouding van 1 aan. Beperkte kubieke splines werden uitgerust met 4 knopen op het 5e, 35e, 65e en 95e percentiel per belichting, waarbij de referentiewaarde werd ingesteld op de mediaan. Het model was niet afgesteld. N = 267. Afkortingen: IC = intensive care, LOS = verblijfsduur. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 3: Correlatie van sentimentpolariteit met secundaire uitkomsten (postoperatieve infectie, overlijden in het ziekenhuis en 28-daagse LOS). (A) Postoperatieve infectie, (B) Overlijden in het ziekenhuis, (C) 28 dagen zichtlijn. Postoperatieve infectie en overlijden in het ziekenhuis werden als binaire gebeurtenissen gecodeerd; 28-dagen LOS werd gecodeerd als een binaire gebeurtenis (≥ 28 dagen versus < 28 dagen). De doorgetrokken lijn toont de geschatte odds ratio en de shaded band het 95% betrouwbaarheidsinterval, met de horizontale stippellijn bij een odds ratio van 1. Beperkte kubieke splines werden uitgerust met 4 knopen op de 5e, 35e, 65e en 95e percentielen van sentimentpolariteit, met de referentiewaarde als mediaan. Het model was niet afgesteld. N = 267. Afkortingen: LOS = verblijfsduur. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 4: Kalibratie van de sentiment-polariteitsmodellen voor 7-daagse ICU LOS, beoordeeld door 1000 bootstrap-resamples. (A) Enkel discriminatie-index sentimentpolariteitsmodel; (B) model werd bovendien aangepast voor SOFA en APSIII. De gestippelde diagonaal duidt perfecte kalibratie aan (Ideaal); de stippellijn is de schijnbare kalibratie, en de doorgetrokken lijn is de bootstrap-bias-gecorrigeerde kalibratie; Grijze lijnen zijn 0,95 betrouwbaarheidslimieten, en de RUG-grafiek toont de verdeling van discriminatiekansen. Gemiddelde absolute fout = 0,04 (A) en 0,034 (B). N = 267. Klik hier om een grotere versie van deze figuur te bekijken.
| Variabele | ICU LOS < 7 dagen (N = 222) | ICU LOS ≥ 7 dagen (N = 45) | p |
| Sentimentpolariteit | 0.131 [0.095,0.185] | 0.178 [0.154,0.236] | <0,001 |
| Sentimentele subjectiviteit | 0.453 [0.396,0.517] | 0.487 [0.435,0.533] | 0.046 |
| Leeftijd (jaren) | 67.000 [57.000,77.000] | 67.000 [57.000,76.000] | 0.847 |
| BMI (kg/m2) | 28.000 [25.400,33.200] | 29.000 [27.100,34.700] | 0.45 |
| Glucose (mg/dL) | 127.000 [103.000,158.000] | 137.000 [115.000,194.000] | 0.013 |
| Albumine (g/dL) | 3.044 ± 0.538 | 2,628 ± 0,727 | <0,001 |
| ALT (IU/L) | 68.000 [27.000,206.000] | 49.000 [29.000,178.000] | 0.406 |
| Anion-gap (mEq/L) | 14.000 [13.000,17.000] | 14.000 [13.000,17.000] | 0.578 |
| AST (IU/L) | 78.000 [39.000,223.000] | 71.000 [38.000,192.000] | 0.942 |
| Bicarbonaat (mEq/L) | 23.419 ± 4.227 | 21.778 ± 5.485 | 0.026 |
| Bloedureum stikstof (mg/dL) | 16.000 [12.000,23.000] | 20.000 [11.000,30.000] | 0.219 |
| Chloride (mEq/L) | 105.000 [101.000,108.000] | 106.000 [100.000,109.000] | 0.214 |
| Creatinine (mg/dL) | 0.900 [0.800,1.300] | 1.100 [0.800,1.800] | 0.231 |
| Hematocriet (%) | 33.843 ± 6.179 | 32.531 ± 6.620 | 0.202 |
| Bloedplaatjes (K/μL) | 211.000 [155.000,287.000] | 189.000 [135.000,275.000] | 0.347 |
| Kalium (mEq/L) | 4.100 [3.700,4.600] | 4.300 [3.800,4.800] | 0.393 |
| RBC (m/μL) | 3,724 ± 0,688 | 3,546 ± 0,755 | 0.123 |
| RDW (%) | 14.600 [13.800,15.600] | 14.500 [13.900,15.800] | 0.984 |
| Natrium (mEq/L) | 138.000 [136.000,141.000] | 139.000 [136.000,142.000] | 0.644 |
| Lactaat (mmol/L) | 1.500 [1.100,2.200] | 1.700 [1.200,2.600] | 0.313 |
| Lymfocyt (%) | 8.000 [5.000,13.500] | 8.700 [5.000,14.000] | 0.666 |
| WBC (K/μL) | 11.300 [8.400,15.600] | 11.300 [8.200,16.500] | 0.65 |
| CCI | 5.000 [3.000,7.000] | 6.000 [4.000,8.000] | 0.199 |
| SOFA | 4.000 [2.000,6.000] | 6.000 [5.000,11.000] | <0,001 |
| APSIII | 40.000 [32.000,54.000] | 58.000 [45.000,70.000] | <0,001 |
| IC gemiddelde hartslag (bpm) | 88.806 [77.708,100.161] | 95.885 [87.917,109.686] | <0,001 |
| IC gemiddelde systolische bloeddruk (mmHg) | 117.296 [106.667,127.478] | 110.259 [102.808,120.353] | 0.014 |
| ICU gemiddelde diastolische bloeddruk (mmHg) | 60.133 [54.313,67.227] | 57.953 [51.000,62.278] | 0.108 |
Tabel 1: Basiskwantitatieve informatie van patiënten die een cholecystectomie ondergaan. Afkortingen: BMI = body mass index; ALT-alaninetransaminase; AST = aspartaataminotransferase; RBC = rode bloedcellen; RDW = breedte van de verdeling van rode cellen; WBC = witte bloedcellen; CCI = Charlson comorbiditeitsindex; SOFA = sequentiële orgaanfalenbeoordeling; APSIII = vereenvoudigde acute fysiologiescore III; IC = intensive care; LOS = verblijfsduur.
| Variabele | ICU LOS < 7 dagen (N = 222) | ICU LOS ≥ 7 dagen (N = 45) | p | |
| Geslacht | Mannelijk | 119 (53.604) | 32 (71.111) | 0.031 |
| Vrouwelijk | 103 (46.396) | 13 (28.889) | ||
| Race | Wit | 168 (77.419) | 29 (69.048) | 0.244 |
| Overigen | 49 (22.581) | 13 (30.952) | ||
| Burgerlijke staat | Getrouwd | 107 (50.472) | 16 (37.209) | 0.113 |
| Overigen | 105 (49.528) | 27 (62.791) | ||
| Roken | Nee | 214 (96.396) | 44 (97.778) | 0.64 |
| Ja | 8 (3.604) | 1 (2.222) | ||
| Alcohol drinken | Nee | 191 (86.036) | 38 (84.444) | 0.781 |
| Ja | 31 (13.964) | 7 (15.556) | ||
| Propofol | Nee | 130 (58.559) | 4 (8.889) | <0,001 |
| Ja | 92 (41.441) | 41 (91.111) | ||
| Fentanyl | Nee | 111 (50.000) | 6 (13.333) | <0,001 |
| Ja | 111 (50.000) | 39 (86.667) | ||
| Ciprofloxacine | Nee | 143 (64.414) | 12 (26.667) | <0,001 |
| Ja | 79 (35.586) | 33 (73.333) | ||
| Levofloxacine | Nee | 196 (88.288) | 36 (80.000) | 0.133 |
| Ja | 26 (11.712) | 9 (20.000) | ||
| Hypertensie | Nee | 98 (44.144) | 20 (44.444) | 0.97 |
| Ja | 124 (55.856) | 25 (55.556) | ||
| Hyperlipidemie | Nee | 157 (70.721) | 36 (80.000) | 0.205 |
| Ja | 65 (29.279) | 9 (20.000) | ||
| Myocardinfarct | Nee | 198 (89.189) | 41 (91.111) | 0.701 |
| Ja | 24 (10.811) | 4 (8.889) | ||
| Congestief hartfalen | Nee | 186 (83.784) | 37 (82.222) | 0.797 |
| ja | 36 (16.216) | 8 (17.778) | ||
| Cerebrovasculaire aandoening | Nee | 212 (95.495) | 41 (91.111) | 0.229 |
| ja | 10 (4.505) | 4 (8.889) | ||
| Dementie | Nee | 220 (99.099) | 44 (97.778) | 0.443 |
| ja | 2 (0.901) | 1 (2.222) | ||
| Lichte leverziekte | Nee | 182 (81.982) | 27 (60.000) | 0.001 |
| ja | 40 (18.018) | 18 (40.000) | ||
| Chronische longziekte | Nee | 161 (72.523) | 37 (82.222) | 0.175 |
| ja | 61 (27.477) | 8 (17.778) |
Tabel 2: Kwalitatieve basisinformatie van patiënten die een cholecystectomie ondergaan. Afkortingen: IC = intensive care, LOS = verblijfsduur.
| Variabele | AUC (95% BI) | Gevoeligheid (95%BI) | Specificiteit (95%BI) | Nauwkeurigheid (95%BI) | Optimale drempel (95%BI) | Delong-test p | |
| 3-daagse ICU LOS | Sentimentpolariteit | 0.647 (0.571,0.713) | 0.638 (0.345,0.745) | 0.623 (0.556,0.891) | 0.660 (0.602,0.697) | 0.151 (0.131,0.208) | 0.015 |
| Sentimentele subjectiviteit | 0.531 (0.456,0.583) | 0.762 (0.271,0.981) | 0.333 (0.093,0.829) | 0.528 (0.436,0.617) | 0.413 (0.350,0.528) | / | |
| 7-daagse IC LOS | Sentimentpolariteit | 0.704 (0.629,0.777) | 0.867 (0.433,0.937) | 0.500 (0.464,0.875) | 0.633 (0.540,0.819) | 0.133 (0.133,0.211) | 0.057 |
| Sentimentele subjectiviteit | 0.594 (0.517,0.664) | 0.756 (0.324,1.000) | 0.419 (0.141,0.873) | 0.498 (0.302,0.795) | 0.435 (0.360,0.569) | / | |
| 10-daagse ICU LOS | Sentimentpolariteit | 0.691 (0.610,0.777) | 0.800 (0.493,0.926) | 0.573 (0.524,0.871) | 0.643 (0.564,0.821) | 0.151 (0.151,0.211) | 0.587 |
| Sentimentele subjectiviteit | 0.657 (0.592,0.728) | 0.857 (0.573,1.000) | 0.427 (0.284,0.731) | 0.507 (0.376,0.715) | 0.435 (0.413,0.506) | / |
Tabel 3: Het discriminatievermogen van sentimentpolariteit en sentimentsubjectiviteit bij het onderscheiden van 3-daagse IC LOS, 7-daags ICU LOS en 10-daags ICU LOS. De gegevens zijn puntschattingen met 95% BI tussen haakjes. De 95% BI voor de AUC werd berekend met de DeLong-methode; CI's voor gevoeligheid, specificiteit, nauwkeurigheid en de optimale drempel werden verkregen door bootstrap resampling met 1000 replicaten. De optimale drempel werd bepaald door de Youden-index te maximaliseren (gevoeligheid + specificiteit − 1); gevoeligheid, specificiteit en nauwkeurigheid werden berekend op deze drempel, met nauwkeurigheid gedefinieerd als (echte positieven + echte negatieven) / totale steekproef. De optimale drempel wordt uitgedrukt op de native schaal van elke variabele (hier de schaal van gediscrimineerde waarschijnlijkheid/sentiment-score). De kolom "DeLong-test" geeft de tweezijdige p-waarde van de DeLong-test aan voor het verschil tussen twee gepaarde ROC-curves: binnen elke ICU-LOS-drempel werd sentimentpolariteit vergeleken met sentimentsubjectiviteit, waarbij de laatste als referentiecurve dient en met "/" wordt gemarkeerd. Een p-waarde < 0,05 duidt op een statistisch significant verschil in discriminatievermogen tussen de twee metrics. Deze analyse werd uitgevoerd bij een cohort van 267 patiënten. Afkortingen: ICU = intensive care, LOS = verblijfsduur, AUC = oppervlakte onder de curve, BI = betrouwbaarheidsinterval.
| Variabele | AUC (95% BI) | Gevoeligheid (95%BI) | Specificiteit (95%BI) | Nauwkeurigheid (95%BI) | Optimale drempel (95%BI) | Delong-test p |
| Sentimentpolariteit | 0.688 (0.606,0.757) | 0.878 (0.427,0.942) | 0.451 (0.384,0.899) | 0.608 (0.491,0.806) | 0.133 (0.133,0.212) | / |
| Sentimentele subjectiviteit | 0.559 (0.441,0.655) | 0.829 (0.184,1.000) | 0.295 (0.097,0.965) | 0.549 (0.263,0.847) | 0.413 (0.350,0.606) | 0.034 |
| Glucose | 0.636 (0.549,0.719) | 0.341 (0.264,0.971) | 0.890 (0.276,0.960) | 0.820 (0.7810.860) | 188.000 (106.000,209.325) | 0.456 |
| Albumine | 0.684 (0.582,0.785) | 0.465 (0.309,0.808) | 0.862 (0.528,0.976) | 0.783 (0.571,0.862) | 2.400 (2.100,2.900) | 0.971 |
| Bicarbonaat | 0.585 (0.490,0.679) | 0.844 (0.128,0.936) | 0.311 (0.281,1.000) | 0.401 (0.375,0.884) | 25.000 (13.000,25.000) | 0.068 |
| SOFA | 0.759 (0.688,0.826) | 0.829 (0.491,0.931) | 0.590 (0.439,0.876) | 0.809 (0.758,0.849) | 5.000 (4.000,8.000) | 0.267 |
| APSIII | 0.752 (0.697,0.836) | 0.634 (0.558,0.930) | 0.775 (0.499,0.864) | 0.806 (0.767,0.855) | 56.000 (39.675,59.000) | 0.338 |
| IC gemiddelde hartslag | 0.668 (0.587,0.756) | 0.610 (0.381,0.962) | 0.665 (0.334,0.935) | 0.809 (0.766-0.858) | 94.932 (81.195,107.326) | 0.738 |
| IC gemiddelde systolische bloeddruk | 0.619 (0.530,0.707) | 0.721 (0.422,0.964) | 0.511 (0.267,0.802) | 0.545 (0.367,0.750) | 116.880 (105.667,125.240) | 0.153 |
| Geslacht | 0.588 (0.513,0.662) | 0.711 (0.571,0.837) | 0.464 (0.400,0.537) | 0.506 (0.449,0.577) | 1.000 (1.000,1.000) | 0.023 |
| Propofol | 0.726 (0.681,0.783) | 0.902 (0.826,0.980) | 0.549 (0.491,0.631) | 0.617 (0.566,0.684) | 1.000 (1.000,1.000) | 0.446 |
| Fentanyl | 0.673 (0.621,0.727) | 0.878 (0.800,0.950) | 0.468 (0.401,0.533) | 0.543 (0.488,0.609) | 1.000 (1.000,1.000) | 0.765 |
| Ciprofloxacine | 0.660 (0.589,0.720) | 0.707 (0.555,0.826) | 0.613 (0.539,0.657) | 0.622 (0.563,0.683) | 1.000 (1.000,1.000) | 0.615 |
| Lichte leverziekte | 0.603 (0.510,0.672) | 0.415 (0.250,0.561) | 0.792 (0.731,0.840) | 0.715 (0.661,0.765) | 1.000 (1.000,1.000) | 0.156 |
Tabel 4: Het discriminatievermogen van indicatoren, dat waren verschillen in basisinformatie, bij het onderscheiden van 7-daagse ICU-LOS. De gegevens zijn puntschattingen met 95% BI tussen haakjes. De 95% BI voor de AUC werd berekend met de DeLong-methode; CI's voor gevoeligheid, specificiteit, nauwkeurigheid en de optimale drempel werden verkregen door bootstrap resampling met 1000 replicaten. De optimale drempel werd bepaald door de Youden-index te maximaliseren (gevoeligheid + specificiteit − 1); gevoeligheid, specificiteit en nauwkeurigheid werden berekend op deze drempel, met nauwkeurigheid gedefinieerd als (echte positieven + echte negatieven) / totale steekproef. De optimale drempel wordt uitgedrukt op de native schaal van elke variabele (de gediscrimineerde-kansschaal voor de sentimentscores, de oorspronkelijke klinische eenheden voor laboratorium- en vitale tekenvariabelen, en de gecodeerde waarde 1/2 voor binaire variabelen zoals medicatie, geslacht en comorbiditeiten). De kolom "DeLong-test" geeft de tweezijdige p-waarde van de DeLong-test weer en vergelijkt de ROC-curve van elke vermelde variabele met die van sentimentpolariteit, die als referentiemodel diende en met "/" is gemarkeerd. Een p-waarde < 0,05 geeft aan dat het onderscheidende vermogen van de variabele aanzienlijk verschilt van dat van sentimentpolariteit. Deze analyse werd uitgevoerd in een cohort van 214 patiënten met volledige casus. Afkortingen: SOFA = sequentiële orgaanfalingsbeoordeling; APSIII = vereenvoudigde acute fysiologiescore III; IC = intensive care; LOS = verblijfsduur; AUC = oppervlakte onder de kromme; CI = betrouwbaarheidsinterval
| Stel ICU LOS in als een binaire variabele (7-dagen ICU LOS) | ||
| Model | OR per 1-SD (95% BI) | p |
| Ruwe model | 1.83 [1.29, 2.61] | <0,001 |
| Model 1 | 1.75 [1.21, 2.54] | 0.003 |
| Model 2 | 2.30 [1.31, 4.03] | 0.004 |
| Model 3 | 1.63 [0.92, 2.87] | 0.092 |
| Stel ICU LOS in als een continue variabele | ||
| Model | β (95%BI) | p |
| Ruwe model | 17.786 [9.169,26.404] | <0,001 |
| Model 1 | 14.724 [6.287,23.162] | 0.001 |
| Model 2 | 15.963 [5.352,26.574] | 0.003 |
| Model 3 | 11.362 [0.976,21.749] | 0.032 |
Tabel 5: Correlatie van sentimentpolariteit met ICU LOS. Primitief model: geen aanpassingen. Model 1 aangepast SOFA, APSIII; model 2 corrigeerde glucose, albumine, bicarbonaat, IC gemiddelde hartslag, IC gemiddelde systolische bloeddruk, geslacht en milde leverziekte; Model 3 paste propofol, fentanyl en ciprofloxacine aan. OR worden uitgedrukt per 1-SD toename van sentimentpolariteit; de covariaat-gecorrigeerde modellen (Modellen 2-3) werden op de 214 patiënten uitgerust met volledige albuminegegevens. Hoewel Model 3 alleen voor medicijnen (propofol, fentanyl en ciprofloxacine) past en zelf geen albumine bevat, is het bewust beperkt tot dezelfde 214-patiëntencohort met complete casus als Model 2, zodat de twee aangepaste modellen op een identiek monster worden geschat en direct vergelijkbaar zijn; het ruwe model en Model 1 werden op de volledige cohort van 267 patiënten geplaatst. Afkortingen: ICU = intensive care, LOS = verblijfsduur, BI = betrouwbaarheidsinterval, OR = odds ratio.
| Index | Overlijden in het ziekenhuis | 28-dagen LOS |
| AUC (95% BI) | 0.674 (0.602,0.755) | 0.753 (0.669,0.847) |
| Gevoeligheid (95%BI) | 0.694 (0.453,0.896) | 0.667 (0.503,0.959) |
| Specificiteit (95%BI) | 0.649 (0.495,0.863) | 0.737 (0.457,0.912) |
| Nauwkeurigheid (95%BI) | 0.672 (0.536,0.820) | 0.733 (0.510,0.868) |
| Optimale drempel (95%BI) | 0.162 (0.148,0.209) | 0.178 (0.129,0.216) |
Tabel 6: Het discriminatievermogen van sentimentpolariteit bij het onderscheiden van overlijden in het ziekenhuis en 28-dagen LOS. Waarden zijn puntschattingen met 95% BI tussen haakjes (AUC volgens de DeLong-methode; gevoeligheid, specificiteit en nauwkeurigheid door bootstrap resampling). Gebeurtenisaantallen: overlijden in het ziekenhuis, n = 36/267; 28-daagse LOS ≥ 28 dagen, n = 39/267. Afkortingen: CI = betrouwbaarheidsinterval; AUC = oppervlakte onder de kromme; LOS = verblijfsduur.
Aanvullende tabel 1: Ruwe data. Onbekende ruwe gegevens die in de studie werden gebruikt. Klik hier om dit bestand te downloaden.
Aanvullend codeerbestand: Codeerbestand. De codes die gebruikt zijn om de analyse uit te voeren. Klik hier om dit bestand te downloaden.
Discussie
Deze studie voerde een retrospectieve analyse uit van de MIMIC-IV-database en observeerde dat sentimentpolariteit meer discriminatie en netto klinisch voordeel vertoonde dan sentimentsubjectiviteit. Sentimentpolariteit was geassocieerd met, en toonde een bescheiden discriminatievermogen voor, 7-daagse ICU LOS, en sentimentpolariteit was onafhankelijk geassocieerd met ICU LOS, evenals met overlijden in het ziekenhuis en 28 dagen LOS.
In deze studie bleek sentimentpolariteit gerelateerd te zijn aan de prognose. In veel studies zijn vergelijkbare relaties gevonden25. Een studie naar de prognose van sepsispatiënten toonde aan dat vergeleken met de overlevingsgroep de 30-dagen sterfte van patiënten een lagere sentimentpolariteit en een lagere sentimentsubjectiviteit had. Zowel sentimentpolariteit als sentimentsubjectiviteit waren beïnvloedende factoren van de 30-daagse sterfte van sepsispatiënten, en de AUC van het prognostische indexmodel, inclusief sentimentsubjectiviteit en emotionele polariteit, was 0,78 (0,74-0,81), wat aangeeft dat sentimentpolariteit en sentimentsubjectiviteit gerelateerd waren aan de 30-daagse sterfte van sepsispatiënten26. Vergelijkbare resultaten werden gevonden in een andere studie met sepsispatiënten(18). In de studie van patiënten met acute pancreatitis bleek dat het gemiddelde van emotionele polariteit de beïnvloedende factor is van overlijden in het ziekenhuis bij patiënten met acute pancreatitis, en dat de discriminatieprestatie van het discriminatiemodel met het gemiddelde van emotionele polariteit beter was dan die zonder het gemiddelde van emotionele polariteit, evenals de SOFA-score en SAPS-II type12. De sentimentpolariteit van verpleegkundige notities bleek ook het risico te onderscheiden dat patiënten27 jaar vallen. Sentimentpolariteit was geassocieerd met ICU LOS, ziekenhuissterfte en 28-daagse LOS bij deze cholecystectomiepatiënten, en toonde matige discriminatie voor 7-daagse ICU LOS. Samenvattend waren de sentimentscores op basis van verpleegkundige notities nauw gerelateerd aan de prognose van veel ziekten, en er kan meer aandacht worden besteed aan de invloed van de sentimentscores van verpleegkundige notities op de prognose van patiënten in het vervolgonderzoek26.
Verpleegkundige notities omvatten verpleegkundige behoeften, ziektesymptomen, verpleegkundige maatregelen, enzovoort28. Naast sentimentscores in verpleegkundige notities kan ook andere informatie worden gebruikt om de patiëntprognose, ziekterisico, enzovoort te onderscheiden. Wetenschappers verzamelden de ontslagsamenvatting en verpleegkundige notities van patiënten met hartfalen van 1 juni 2015 tot 31 december 2019 en analyseerden de gegevens met het Orange3-pakket. Er werd vastgesteld dat de verpleegkundige notities, als analyse-eenheid, de 30-dagen heropname goed konden onderscheiden (verpleegnotities AUC=0,85, ontslagsamenvatting AUC=0,74)29). Een algoritme voor natuurlijke taalverwerking is gebruikt om informatie over urineweginfecties uit verpleegkundige notities te extraheren en om een verbeterd herkenningsmodel30 te ontwikkelen. Al deze studies suggereerden dat de klinische waarde van verpleegkundige notities verder onderzocht moet worden.
Opmerkelijk is dat de richting van de associatie die in deze studie werd waargenomen, waarin een hogere sentimentpolariteit geassocieerd was met een langere ICU-LOS, een hoger risico op overlijden in het ziekenhuis en een langere 28-dagen LOS, contra-intuïtief lijkt en verschilt van sommige eerdere rapporten, waarin een lagere polariteit geassocieerd was met slechtere uitkomsten18,26. Verschillende niet-wederzijds exclusieve verklaringen kunnen deze bevinding verklaren. Ten eerste werd de polariteitsscore berekend met een algemene sentimentlexicon waarvan de woordenschat slechts gedeeltelijk overlapt met klinische taal; De gerapporteerde lexicale dekking van dergelijke methoden in intensieve zorgnotities is laag (ongeveer 5–20% van de woorden), en hun geldigheid in medische teksten is zeer variabel. De score wordt daarom bepaald door een kleine subset woorden en weerspiegelt mogelijk niet de werkelijke klinische valentie van een noot. Ten tweede kan de polariteitsscore verstoren door de ernst van de ziekte en de intensiteit van de zorg. Ernstig zieke patiënten worden doorgaans vaker en uitgebreider gedocumenteerd, ondergaan meer procedures, krijgen meer medicatie en hebben complexere verpleegkundige zorg nodig; Deze langere en meer heterogene tekst kan de berekende polariteit verschuiven, onafhankelijk van oprecht optimisme van de documenterende verpleegkundige, terwijl het tegelijkertijd geassocieerd wordt met een langer verblijf en een hoger sterfrisico. In die zin kan sentimentpolariteit deels fungeren als een surrogaat voor documentatievolume en klinische complexiteit, in plaats van voor het sentiment van clinici als zodanig. Deze mechanismen zijn consistent met het retrospectieve, observationele ontwerp van deze studie en geven aan dat de associatie moet worden beschouwd als een statistisch signaal dat bevestiging vereist in prospectieve, door ernst aangepaste analyses in plaats van als bewijs van een direct causaal pad.
De IC is een waardevolle hulpbron. De kosten voor ziekenhuisopnames op de intensive care waren hoog en de middelenschaars. Er zijn verschillende factoren die de IC-loslijn kunnen beïnvloeden, zoalsleeftijd van 32 jaar en klinische voorgeschiedenisvan 33. De meeste van deze factoren treden voor of binnen 24 uur na opname op de IC voor en lopen niet door de volledige ICU-LOS-lijn van patiënten, retrospectief, terwijl verpleegkundige notities gedurende het hele IC-verblijf worden opgesteld. Het moet echter worden benadrukt dat de hier geanalyseerde sentimentpolariteit een tekstueel kenmerk is dat automatisch uit verpleegkundige notities wordt gehaald door een algemeen natuurlijk taalverwerkingsinstrument (TextBlob), en niet een gevalideerde maat voor de daadwerkelijke emotionele toestand of houding van clinici. Standaard sentimentinstrumenten zijn aangetoond klinisch betekenisvolle polariteit in medische narratieven slechts slecht vast te leggen en met zeer variabele validiteit34,35. Een hogere polariteitsscore op tekstniveau kan daarom niet worden gelijkgesteld aan een positievere houding van artsen of verpleegkundigen. Bovendien is deze analyse retrospectief en observationeel, waardoor de associatie tussen sentimentpolariteit en ICU LOS correlationeel is en niet aantoont dat het bewust veranderen van de houding van clinici de ICU LOS zou verkorten. In plaats van een specifieke emotionele houding voor het personeel voor te schrijven, geven de bevindingen van deze studie aan dat het gevoel in routinematige verpleegkundige notities prognostische informatie bevat die mogelijk als aanvullende indicator voor risicostratificatie dient en verder onderzoek waard is.
Deze studie kent verschillende beperkingen. Allereerst en het belangrijkst was de tekst die werd gebruikt voor sentimentbeoordeling het ziekenhuisdocument van de eerste indexopname van elke patiënt. Aan het einde van de opname wordt een document opgesteld en beschrijft bewust het volledige ziekenhuisverloop, inclusief verblijfsduur, procedures, complicaties en ontslag. De sentimentscore werd daarom niet gemeten vóór de uitkomstopbouw, maar werd geëxtraheerd uit een document dat de uitkomsten zelf al codeert. Omdat het document een enkel end-of-stay document is, kan geen eerdere extractieperiode vóór de uitkomstopbouw worden gedefinieerd, en is een mijlpaal- of vroege-venstergevoeligheidsanalyse niet haalbaar. Deze temporele afhankelijkheid tussen de tekst en de uitkomsten kan niet worden geëlimineerd, gegeven de datastructuur, en geldt voor alle vier de uitkomsten. Daarom moeten de hier gerapporteerde verbanden worden geïnterpreteerd als beschrijvend en hypothese-genererend, en niet als bewijs dat sentiment een onafhankelijke of prospectief meetbare prognosefactor is. Ten tweede, omdat dit een retrospectieve studie is, is het vermogen om causaliteit vast te stellen beperkt. Sommige verstorende factoren die mogelijk invloed hadden op de resultaten, met name objectieve maatstaven van de ernst van de ziekte (bijv. SOFA of SAPS-II) en de omvang en complexiteit van de brondocumentatie, werden niet opgenomen. De mogelijkheid van omgekeerde causaliteit en residuele confounding kan daarom niet worden uitgesloten: patiënten met een grotere ernst van de ziekte en langere IC-opnames genereren doorgaans langere en complexere documentatie waarin meer klinische interventies worden vastgelegd, zodat de gemeten sentimentpolariteit ten minste gedeeltelijk kan fungeren als een proxy voor de ernst van de ziekte of de intensiteit van documentatie in plaats van als een echt onafhankelijke prognostische factor. Daarnaast werden verschillende klinisch belangrijke factoren, waaronder operatieve complexiteit, intraoperatieve complicaties, het tijdstip en de indicatie van IC-opname en delirium- of sedatiestatus, niet volledig vastgelegd en kunnen ze zowel de documentatie als de uitkomsten hebben beïnvloed. Ten derde werden sentimentscores geëxtraheerd met TextBlob, een algemeen hulpmiddel dat niet is ontworpen voor klinische taal en niet is gevalideerd op klinische documentatie; Het kan domeinspecifieke terminologie verkeerd classificeren en houdt onvoldoende rekening met negatie, afkortingen of klinische context. Daarnaast was er in deze studie geen validatie tegen handmatige review of een klinische NLP-benchmark. Bijgevolg kan de sentimentpolariteitsmetriek taalkundige patronen weerspiegelen die gecorreleerd zijn met de ernst van de ziekte, in plaats van de werkelijke affectieve inhoud van de tekst. Ten vierde, hoewel medicijnen vroeg werden vastgesteld (binnen de eerste 24 uur na IC-opname) om omgekeerde causaliteit te verminderen, kan het gebruik van antimicrobiële middelen, zoals ciprofloxacine, conceptueel overlappen met infectiegerelateerde uitkomsten, en kan residuele confounding op basis van indicatie niet volledig worden uitgesloten. Ten vijfde ontbrak er serumalbumine bij 50 patiënten (19%); basisalbumine weerspiegelt daarom de beschikbare gevallen, en de covariaat-gecorrigeerde regressiemodellen (Modellen 2–3) werden op de 214 patiënten met volledige gegevens toegepast.
Toekomstig werk zou klinisch aangepaste natuurlijke taalverwerkingsmethoden moeten gebruiken, zoals domein-aangepaste transformermodellen getraind op geannoteerde klinische corpora, om de validiteit van sentimentmeting te verbeteren, en prospectieve ontwerpen moeten aannemen met tekst die binnen een gedefinieerd venster wordt vastgelegd vóór de uitkomstopbouw en met voldoende aanpassing voor ernst en procedurele verwarringen, om eventuele onafhankelijke prognostische bijdragen van klinisch tekstsentiment beter te ontwarren.
In deze retrospectieve cohort van cholecystectomiepatiënten met een IC-LOS ≥ 24 uur, was sentimentpolariteit afgeleid uit verpleegkundige notities geassocieerd met ICU-LOS, ziekenhuissterfte en 28-dagen LOS. In deze steekproef toonde sentimentpolariteit ook relatief grotere discriminatieprestaties en netto klinisch voordeel dan sentimentsubjectiviteit. Deze bevindingen zijn verkennend en hypothese-genererend; Gezien het observationele ontwerp stellen ze geen causaal verband vast, en de potentiële klinische waarde van het sentiment van verpleegkundige notities rechtvaardigt verdere verkenning in grotere, prospectieve en extern gevalideerde studies voordat een discriminerende toepassing kan worden aanbevolen.
Openbaarmakingen
De auteurs melden geen belangenconflict.
Dankbetuigingen
Niet van toepassing.
Materialen
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| boot (R package) | CRAN; https://cran.r-project.org/package=boot | 1.3-30 | Interne validatie door 1000-replicaat bootstrap hersteekproef (optimisme-gecorrigeerde metrisches) |
| G*Power software | http://www.gpower.hhu.de/ | 3.1.9.7 | Steekproefomvangsberekeningen |
| MIMIC-IV (Medical Information Mart for Intensive Care IV) | PhysioNet; https://physionet.org/content/mimiciv/ | 3.1 | Bronkritische-zorgdatabase; extractie van de cholecystectomiecohort, demografie, laboratoriumwaarden, vitale tekens, ernstscores en resultaten |
| PostgreSQL | https://www.postgresql.org/ | 18.4 | Gegevensextractie |
| pROC (R package) | CRAN; https://cran.r-project.org/package=pROC | 1.18.5 | ROC-curveconstructie, AUC-schatting en DeLong-test voor vergelijking van AUC's |
| Python | Python Software Foundation; https://www.python.org | 3.6.4 | Natuurlijk-taalsentimentscorering |
| R | R Foundation for Statistical Computing; https://www.r-project.org | 4.3.0 | Statistische analyse |
| rmda (R package) | CRAN; https://cran.r-project.org/package=rmda | 1.6 | Beslissingscurveanalyse (nettovoordeel over risicodrempels) |
| rms (R package) | CRAN; https://cran.r-project.org/package=rms | 6.7-0 | Beperkte kubische spline (RCS) modellering van niet-lineaire dosis-responsassociaties |
| TextBlob | Open source; https://textblob.readthedocs.io | 0.15.1 | Berekening van sentimentpolariteit en sentimentsubjectiviteit uit verpleegaantekeningen |