Punkty za oceny nastroju w notatkach pielęgniarskich związane z rokowaniem dla pacjentów poddawanych cholecystektomii

Podsumowanie

Niniejsze badanie sprawdza, czy polaryzacja sentymentu i subiektywność wiążą się z rokowaniem u pacjentów po cholecystektomii z pobytem na intensywnej terapii ≥ 24 godziny. Główne analizy oceniają ich zdolność rozpoznawczą dla 3-, 7- i 10-dniowego pobytu na intensywnej terapii, śmiertelności w szpitalu i 28-dniowego pobytu szpitalnego.

Streszczenie

Badanie to zbadano relację między wynikami oceny nastroju a rokowaniem pacjentów po cholecystektomii z długością pobytu w oddziale intensywnej terapii (ICU) (LOS) ≥ 24 h. Łącznie uwzględniono 267 pacjentów z bazy danych Medical Information Mart for Intensive Care IV (MIMIC-IV). Wyniki oceny nastroju pochodzą z notatek pielęgniarskich w module notatek MIMIC-IV za pomocą TextBlob. Analizowana treść została wygenerowana przy wypisywaniu ze szpitala. W związku z tym wszystkie wyniki są interpretowane jako opisowe skojarzenia. Wykresy charakterystyki odbiornika (ROC), test DeLonga i analiza krzywych decyzyjnych (DCA) zostały wykorzystane do opisowego charakteryzowania dyskryminacji biegunowości nastroju i subiektywności nastroju dla 3-, 7- i 10-dniowego pobytu w ICU oraz do porównania biegunowości nastroju z wskaźnikami klinicznymi dla 7-dniowego pobytu w ICU. Ograniczona krzywa splecinowa (RCS) i ogólna regresja liniowa wyceniły ich powiązania z pobytem w ICU. Biegunowość nastroju osiągnęła wyższy obszar pod krzywą (AUC) niż subiektywność nastroju; test DeLonga wykazał istotną różnicę dla 3-dniowego pobytu w ICU (p = 0,015), na granicy dla 7-dniowego (p = 0,057) i nieistotną dla 10-dniowego (p = 0,587). Dla 7-dniowego pobytu w ICU biegunowość nastroju wykazała wyższy AUC z eksploratorską netto korzyścią w DCA w określonych zakresach progów. Biegunowość nastroju miała nieliniową korelację z 7-dniowym pobytem w ICU (p ogółem = 0,002, p nieliniowy = 0,027), podczas gdy subiektywność nastroju nie wykazywała takiej korelacji. Ogólna regresja liniowa wykazała powiązanie między biegunowością nastroju a pobytem w ICU, które było niezależne od zmierzonych kowariantów (wszystkie p < 0,05 w modelach surowych i skorygowanych). Dla wyników wtórnych biegunowość nastroju była związana ze śmiertelnością w szpitalu i 28-dniowym pobytem w szpitalu w analizie RCS (wszystkie p < 0,05), z eksploratorską zdolnością rozróżniającą wymagającą dalszej walidacji. Podsumowując, wśród tych pacjentów biegunowość nastroju była opisowo związana z pobytem w ICU, śmiertelnością w szpitalu i 28-dniowym pobytem w szpitalu; te wyniki nie powinny być generalizowane dla wszystkich pacjentów po cholecystektomii.

Wprowadzenie

Cholecystektomia jest jednym z najczęstszych zabiegów w chirurgii dróg żółciowych¹. Cholecystektomia może być zastosowana w różnych chorobach pęcherzyka żółciowego, takich jak kamica żółciowa, zapalenie pęcherzyka żółciowego, polipy pęcherzyka żółciowego i tak dalej^2,3,4. Istnieją dwa główne rodzaje cholecystektomii: otwarta cholecystektomia i laparoskopowa cholecystektomia⁵. Wśród nich, otwarta cholecystektomia jest wskazana w skomplikowanych przypadkach: dla pacjentów z powikłaniami (np. duże kamienie w pęcherzyku żółciowym, rozprzestrzeniające się zapalenie itp.), laparoskopowa cholecystektomia jest wskazana we wszystkich zaburzeniach pęcherzyka żółciowego, dla których nie ma przeciwwskazań do operacji⁶. Chociaż cholecystektomia jest stosunkowo bezpiecznym zabiegiem chirurgicznym, nadal pozostaje wiele powikłań, takich jak urazy dróg żółciowych, urazy jelit, krwotoki brzuszne, wyciek żółci, wtórne kamienie dróg żółciowych, wypadki układu krążenia, choroby układu oddechowego itp.⁷.

Analiza sentymentu jest powszechnym zastosowaniem metod przetwarzania języka naturalnego, która jest metodą analizowania, przetwarzania, podsumowywania i rozumowania na temat subiektywnych tekstów o zabarwieniu emocjonalnym oraz ilościowego określania danych jakościowych przy użyciu niektórych wskaźników sentymentu⁸. Analiza sentymentu jest wykorzystywana w kilku dziedzinach, takich jak finanse, dziennikarstwo, medycyna itp.^9,10,11. Należy zauważyć, że wyniki sentymentów obliczone przez narzędzia takie jak TextBlob są oparte na polaryzacji i subiektywności słów na poziomie leksykalnym przy użyciu predefiniowanych leksykonów sentymentu (np. AFINN), a nie na odzwierciedleniu subiektywnego nastroju lub nastawienia pielęgniarki piszącej notatkę¹². Konkretnie, wyniki polaryzacji wahają się od -1 do 1, a wyniki subiektywności wahają się od 0 do 1, reprezentując orientację semantyczną słów użytych w tekście klinicznym. Zastosowanie analizy sentymentu w dziedzinie medycznej może nie tylko zrozumieć postawy emocjonalne dotyczące zdarzenia¹³, ale także pomóc w klasyfikacji obrazów medycznych¹⁴ oraz jest również związane z prognozą pacjenta itp.¹⁵. Poprzednie badania wykazały, że wyniki sentymentu wyodrębnione z notatek pielęgniarskich są związane z prognozą pacjentów w populacji krytycznie chorych. Na przykład, u pacjentów z ostrą niewydolnością nerek otrzymujących ciągłą terapię zastępczą nerek, stwierdzono, że model uczenia maszynowego zawierający wynik sentymentu (który został wyodrębniony z notatek pielęgniarskich) może szybko identyfikować wysokie ryzyko śmierci pacjentów¹⁶. Inne badanie wykazało, że polaryzacja sentymentu notatek pielęgniarskich była ważnym czynnikiem w 30-dniowej śmiertelności pacjentów na oddziale intensywnej terapii (OIOM), i była związana zarówno z 30-dniową śmiertelnością, jak i przeżyciem¹⁷. Podobnie, analiza sentymentu została zastosowana u pacjentów z sepsy, aby zidentyfikować ryzyko śmiertelności¹⁸.

Jednak populacje w tych poprzednich badaniach znacznie różnią się od pacjentów po cholecystektomii na OIM. Pacjenci z ostrą niewydolnością nerek, sepsy lub ostrego zapalenia trzustki zazwyczaj wykazują poważne ogólnoustrojowe reakcje zapalne i wieloczynnikowe zaburzenia działania narządów, wymagające intensywnego wsparcia narządów, takiego jak wentylacja mechaniczna lub leki zwężające naczynia krwionośne¹⁹. Na przykład, ciężka ostra pankreatitis jest zdefiniowana jako trwająca ponad 48 godzin niewydolność narządów zgodnie z zrewidowaną klasyfikacją Atlanty²⁰. W przeciwieństwie do tego, cholecystektomia jest ogólnie uważana za stosunkowo bezpieczny zabieg o niskim ryzyku śmiertelności, a większość pacjentów nie wymaga hospitalizacji na OIM po operacji, chyba że rozwiną się poważne powikłania, takie jak uraz przewodów żółciowych lub niekontrolowane krwawienie^21,22. Dlatego też, przebieg kliniczny, ciężkość choroby i czynniki ryzyka śmiertelności u pacjentów po cholecystektomii na OIM są różne od tych w ogólnej populacji pacjentów na OIM z pierwotną diagnozą NIK lub sepsy. Ponadto, wzorce dokumentacji pielęgniarskiej i semantyczna zawartość notatek klinicznych mogą różnić się między tymi populacjami z powodu różnic w ciężkości choroby i intensywności leczenia.

Obecnie badania nad analizą sentymentu opartą na notatkach pielęgniarskich i prognozie skupiają się głównie na pacjentach OIM z chorobami takimi jak sepsa, ostra niewydolność nerek i ostre zapalenie trzustki. Niewiele badań

Protokół

Niniejsze badanie przeprowadzono za pomocą bazy danych MIMIC-IV. Utworzenie bazy danych MIMIC-IV zostało zatwierdzone przez komitety etyczne Massachusetts Institute of Technology i Beth Israel Deaconess Medical Center (BIDMC), a zgoda na pierwotne zbieranie danych została uzyskana. Wszystkie informacje o zdrowiu pacjentów zawarte w bazie danych zostały sprecyzowane zgodnie z przepisami Health Insurance Portability and Accountability Act Safe Harbor, usuwając 18 identyfikatorów określonych przez HIPAA, a daty przesunięto w celu ochrony prywatności pacjentów; dlatego nie wymagano zgody poszczególnych osób. Dostęp do bazy danych został przyznany po tym, jak jeden z autorów ukończył wymagany kurs szkoleniowy "Data or Specimens Only Research" w ramach Collaborative Institutional Training Initiative, uzyskał uprawnienia na platformie PhysioNet i podpisał umowę o użyciu danych medycznych PhysioNet Credentialed Health Data Use Agreement. Przez cały czas trwania badania, ograniczone dane MIMIC-IV były przetwarzane zgodnie z umową PhysioNet Credentialed Health Data Use Agreement oraz wewnętrznymi procedurami dotyczącymi zarządzania danymi: sprecyzowane dane były przechowywane tylko na urządzeniach chronionych hasłem, zarządzanych przez instytucję, z dostępem ograniczonym do uprawnionych autorów, nie były udostępniane żadnej nieuprawnionej stronie trzeciej ani przesyłane do publicznych usług, a także nie podejmowano żadnej próby ponownego identyfikowania osób ani łączenia zapisów z zewnętrznymi źródłami danych. Ponieważ niniejsze badanie opierało się na publicznie dostępnej, sprecyzowanej bazie danych, nie wymagano dodatkowego zatwierdzenia etycznego przez Komitet Etyczny Drugiego Szpitala Afiliacyjnego Uniwersytetu Zhejiang. Oprogramowanie i narzędzia użyte w tym badaniu są wymienione w Tabeli materiałów.

Źródło danych

Dane pacjentów zostały uzyskane z bazy danych Medical Information Mart for Intensive Care IV (MIMIC-IV, wersja 3.0, wydana w 2024 roku), założonej w 2003 roku przez Laboratorium Fizjologii Obliczeniowej Massachusetts Institute of Technology, Beth Israel Deaconess Medical Center Harvard Medical School oraz firmę Philips Medical Company, przy wsparciu National Institutes of Health. Autorzy uzyskali uprawnienia na platformie PhysioNet, ukończyli kurs szkoleniowy CITI “Data or Specimens Only Research” i podpisali umowę PhysioNet Credentialed Health Data Use Agreement (identyfikator rekordu: 55710882) przed przyznaniem dostępu. Dane zostały wydobyte w listopadzie 2025 roku.

Baza danych jest podzielona na dwa moduły: hosp (pochodzący z szpitalnego elektronicznego rekordu zdrowia) oraz icu (pochodzący z systemu informacji klinicznej ICU, MetaVision). Kohortę badawczą stworzono poprzez zapytanie do następujących tabel i łączenie zapisów według subject_id, hadm_id i stay_id: pacjenci, przyjęcia i transfery (dane demograficzne i dotyczące hospitalizacji); diagnoses_icd z d_icd_diagnoses oraz procedures_icd z d_icd_procedures (kody diagnoz i procedur); labevents z d_labitems (wyniki badań laboratoryjnych); recepty (leki); microbiologyevents (infekcja pooperacyjna); icustays (przyjęcie na ICU i długość pobytu (LOS)); chartevents z d_items (objawy życiowe na ICU); oraz bezpłatne notatki pielęgniarskie MIMIC-IV, z których wyprowadzono polaryzację sentymentu i wskaźniki subiektywności sentymentu. Dane zostały wydobyte za pomocą strukturalnych zapytań SQL wykonywanych na lokalnym wydaniu PostgreSQL (wersja 18.4) bazy danych MIMIC-IV v3.0 (oraz zweryfikowanych na Google BigQuery), stworzonego z oficjalnymi skryptami budowy z repozytorium MIMIC-Code (https://github.com/MIT-LCP/mimic-code).

Kryteria włączenia i wykluczenia

Kryteria włączenia: pacjent miał co najmniej 18 lat, pacjent przeszedł cholecystektomię (zidentyfikowane w tabeli procedures_icd poprzez wpis cholecystectomy), pacjent miał udokumentowane przyjęcie na ICU (określone przez obecność co najmniej jednego rekordu w tabeli icustays, pierwsze przyjęcie na ICU było używane, gdy istniało wiele przyjęć; przyjęcie na ICU jest zdarzeniem administracyjnym w MIMIC-IV i dlatego nie jest reprezentowane przez kod ICD) (N = 325).

Kryteria wykluczenia: pacjent rozwinął zespół pooperacyjny (w tym zespół pooperacyjny po cholecystektomii i pozostawiona cholelitiaza po cholecystektomii) (wyłączając 3, pozostaje 322), pacjent miał LOS na ICU mniejsze niż 24 h (wyłączając 54, pozostaje 268), brak notatek pielęgniarskich w danych pacjenta (brak wskaźnika sentymentu) [wyłączając 1, pozostaje 267]. Aby sprawdzić, czy wielkość próby spełnia wymagania analizy danych, minimalna wielkość próby została obliczona za pomocą oprogramowania G*Power (wersja 3.1.9.7) z wielkością efektu d = 0,5, prawdopodobieństwem błędu α = 0,05, mocą (1-α prawdopodobieństwo błędu) = 0,95 i współczynnikiem alokacji N2/N1 = 1, co dało minimalną wymaganą wielkość próby równą 220. 267 uwzględnionych uczestników spełniło wymagania analizy.

Grupowanie i zmienne

W niniejszym badaniu, w zależności od tego, czy LOS na ICU przekraczał 7 dni, podmioty zostały podzielone na dwie grupy: jedną grupę stanowili podmioty z LOS na ICU < 7 dni, a drugą grupę podmioty z LOS na ICU ≥ 7 dni. Głównym

Wyniki

Informacje o pacjencie

W badaniu ujęto łącznie 267 pacjentów, u których przeprowadzono cholecystektomię, z czego 45 pacjentów miało czas pobytu na OIT (ICU LOS) ≥ 7 dni, a 222 pacjentów czas pobytu na OIT < 7 dni. W wyjściowych danych ilościowych odnotowano różnice między dwiema grupami w zakresie polaryzacji sentymentu, subiektywności sentymentu, poziomu glukozy, albuminy, wodorowęglanów, wskaźników SOFA, APSIII, średniej częstości akcji serca na OIT oraz średniego skurczowego ciśnienia tętniczego na OIT (Tabela 1). Grupa z czasem pobytu na OIT ≥ 7 dni charakteryzowała się wyższą polaryzacją sentymentu, większą subiektywnością sentymentu, niższym stężeniem albuminy, niższym poziomem wodorowęglanów, wyższym wynikiem SOFA, wyższym wynikiem APSIII, szybszą średnią częstością akcji serca na OIT oraz niższym średnim skurczowym ciśnieniem tętniczym na OIT (wszystkie p < 0,05).

W analizie danych jakościowych wyjściowych odnotowano różnice między dwiema grupami pod względem płci, stosowania propofolu, fentanylu, cyprofloksacyny oraz występowania łagodnej choroby wątroby (Tabela 2). Odsetek mężczyzn w grupie o czasie pobytu na OIOM (ICU LOS) ≥ 7 dni wynosił 71,111%, a kobiet 28,889%, podczas gdy w grupie o czasie pobytu na OIOM (ICU LOS) < 7 dni odsetek mężczyzn wynosił 53,604%, a kobiet 46,396%. W grupie o czasie pobytu na OIOM (ICU LOS) ≥ 7 dni zaobserwowano wyższy odsetek stosowania propofolu (91,111% vs. 41,441%), fentanylu (86,667% vs. 50,000%) oraz cyprofloksacyny (73,333% vs. 35,586%). W grupie o czasie pobytu na OIOM (ICU LOS) ≥ 7 dni 40,000% pacjentów chorowało na łagodną chorobę wątroby, podczas gdy w grupie o czasie pobytu na OIOM (ICU LOS) < 7 dni łagodna choroba wątroby wystąpiła jedynie u 18,018% pacjentów.

Analiza wartości klinicznej polaryzacji sentymentu oraz subiektywizmu sentymentu

Ponieważ badanie to analizowało korelację między wynikami sentymentu w notatkach pielęgniarskich a rokowaniem, a dane wyjściowe wykazały, że polarność i subiektywność sentymentu różniły się między dwiema grupami, właściwości dyskryminacyjne obu parametrów w odniesieniu do czasu pobytu na OIT (ICU LOS) poddano dalszej analizie ROC. W niniejszym badaniu czas pobytu na OIT skategoryzowano jako ICU LOS 3-dniowy, ICU LOS 7-dniowy oraz ICU LOS 10-dniowy. Jak pokazano w Tabeli 3, wartości pola pod krzywą (AUC) dla dyskryminacji polarności sentymentu w przypadku ICU LOS 3-dniowego, 7-dniowego i 10-dniowego wynosiły odpowiednio 0,647 (0,571, 0,713), 0,704 (0,629, 0,777) oraz 0,691 (0,610, 0,777), natomiast wartości AUC dla dyskryminacji subiektywności sentymentu dla ICU LOS 3-dniowego, 7-dniowego i 10-dniowego wynosiły odpowiednio 0,531 (0,456, 0,583), 0,594 (0,517, 0,664) oraz 0,657 (0,592, 0,728). Wyniki testu DeLonga sugerują, że skuteczność polarności sentymentu w różnicowaniu ICU LOS 3-dniowego była wyższa niż subiektywności sentymentu (p = 0,015).

Do zbadania klinicznych korzyści netto wynikających z polaryzacji i subiektywności sentymentu w różnicowaniu czasu pobytu na OIOM (ICU LOS) wynoszącego 3, 7 i 10 dni zastosowano analizę krzywej decyzji (DCA). W analizie DCA prawdopodobieństwo progu wysokiego ryzyka oznacza prawdopodobieństwo różnicowania przedłużonego pobytu na OIOM, przy którym klinicysta byłby obojętny wobec podjęcia lub niepodjęcia interwencji; korzyść netto odnoszono do strategii „lecz wszystkich” (interwencja u każdego pacjenta) oraz „nie lecz nikogo” (brak interwencji u każdego pacjenta), zatem podane poniżej zakresy progowe wskazują okno ryzyka różnicowania, w którym działanie w oparciu o każdy z parametrów mogłoby być klinicznie uzasadnione. Jak pokazano na Rysunku 1A, gdy próg wynosił około 0,30-0,58, korzyść kliniczna polaryzacji sentymentu w różnicowaniu 3-dniowego ICU LOS była wyższa niż w przypadku subiektywności sentymentu oraz modeli „lecz wszystkich” i „nie lecz nikogo”. Gdy próg wynosił około 0,10-0,30, korzyść kliniczna polaryzacji sentymentu w różnicowaniu 7-dniowego ICU LOS była wyższa niż w przypadku subiektywności sentymentu oraz modeli „lecz wszystkich” i „nie lecz nikogo” (Rysunek 1B). Podobny wynik zaobserwowano przy różnicowaniu 10-dniowego ICU LOS, przy progu wynoszącym około 0,10-0,22 (Rysunek 1C). Zarówno analizy ROC, jak i DCA wykazały, że spośród dwóch parametrów wywiedzionych z tekstu, polaryzacja sentymentu zapewniała nieco większą zdolność różnicowania i większą kliniczną korzyść netto niż subiektywność sentymentu w różnicowaniu ICU LOS, szczególnie w przypadku 7-dniowego ICU LOS. Porównania te mają charakter eksploracyjny i ograniczają się do dwóch parametrów sentymentu; nie dowodzą one, że polaryzacja sentymentu jest lepsza od uznanych skal oceny ciężkości stanu pacjenta.

Dalej porównano zdolność dyskryminacyjną polaryzacji sentymentu w stosunku do innych wskaźników, w tym różnic w danych bazowych dotyczących 7-dniowego czasu pobytu na OIT (ICU LOS). Jak pokazano w Tabeli 4, wartości AUC dla polaryzacji sentymentu, subiektywizmu sentymentu, glukozy, albuminy, wodorowęglanów, SOFA, APSIII, średniej częstości akcji serca na OIT, średniego skurczowego ciśnienia tętniczego na OIT, płci, propofolu, fentanylu, cyprofloksacyny i łagodnej choroby wątroby w dyskryminacji 7-dniowego ICU LOS wynosiły odpowiednio 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) oraz 0.603 (0.510, 0.672). Według testu DeLonga polaryzacja sentymentu wykazała statystycznie wyższe AUC niż subiektywizm sentymentu (p = 0.034) i płeć (p = 0.023). W przypadku wszystkich pozostałych porównywanych wskaźników, w tym klinicznych skal ciężkości stanu pacjenta SOFA (AUC = 0.759, p = 0.267) i APSIII (AUC = 0.752, p = 0.338) oraz stosowania propofolu (AUC = 0.726, p = 0.446), a także glukozy, albuminy, wodorowęglanów, średniej częstości akcji serca na OIT, średniego skurczowego ciśnienia tętniczego na OIT, fentanylu, cyprofloksacyny i łagodnej choroby wątroby, różnice w AUC w stosunku do polaryzacji sentymentu nie były statystycznie istotne (wszystkie p > 0.05), niezależnie od kierunku wartości estymacji punktowej. Chociaż SOFA, APSIII i stosowanie propofolu miały numerycznie wyższe wartości estymacji punktowej AUC niż polaryzacja sentymentu, różnica ta nie osiągnęła istotności statystycznej, a AUC polaryzacji sentymentu było analogicznie nieodróżnialne statystycznie od kilku wskaźników o niższych estymacjach punktowych (np. albuminy, wodorowęglanów, średniego skurczowego ciśnienia tętniczego na OIT). Podsumowując, wyniki te wskazują, że polaryzacja sentymentu wykazała zdolność dyskryminacyjną statystycznie porównywalną, a nie jednoznacznie wyższą, niż uznane miary ciężkości stanu klinicznego, wykazując jednocześnie znaczącą przewagę nad samym subiektywizmem sentymentu i płcią. Wartość polaryzacji sentymentu należy zatem definiować jako konkurencyjną i komplementarną, a nie nadrzędną wobec zwalidowanych indeksów ciężkości stanu: jej główna zaleta polega na automatycznej ekstrakcji z rutynowych notatek pielęgniarskich, co dostarcza niskokosztowego, skalowalnego sygnału, który może uzupełniać, a nie zastępować narzędzia takie jak SOFA i APSIII.

W ramach walidacji wewnętrznej przy użyciu 1000 prób bootstrapowych optymizm był pomijalny: dla 7-dniowego czasu pobytu na OIOM (ICU LOS), model jednowskaźnikowej polaryzacji sentymentu (Rysunek 4A) uzyskał skorygowany o optymizm wskaźnik AUC wynoszący 0.70 (pozorny 0.704), przy nachyleniu kalibracji wynoszącym 1.06 i wyniku Brier score równym 0.138 (średni bezwzględny błąd kalibracji = 0.04), natomiast model dodatkowo skorygowany o SOFA i APSIII (Rysunek 4B) wykazał średni bezwzględny błąd kalibracji na poziomie 0.034, co wskazuje na stabilną dyskryminację i odpowiednią kalibrację; w obliczu braku kohorty zewnętrznej wyniki te pozostają charakterem wstępnym.

Korelacja polaryzacji i subiektywności sentymentu z czasem pobytu na OIT

Wyniki analizy RCS (Ryciny 2A–B) sugerowały, że polaryzacja sentymentu wykazywała nieliniową zależność od 7-dniowego czasu pobytu na OIT (LOS) (p dla całości = 0,002, p dla nieliniowości = 0,027), natomiast subiektywizm sentymentu nie wykazywał zależności liniowej ani nieliniowej z 7-dniowym czasem pobytu na OIT (p dla całości = 0,205, p dla nieliniowości = 0,227). Wyniki RCS wykazały korelację jedynie między polaryzacją sentymentu a czasem pobytu na OIT, dlatego dalej badano niezależny związek między polaryzacją sentymentu a czasem pobytu na OIT przy użyciu uogólnionej regresji liniowej. Przy przyjęciu czasu pobytu na OIT jako zmiennej binarnej (Tabela 5), polaryzacja sentymentu była skorelowana z czasem pobytu na OIT z korektą lub bez niej [model surowy: 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]. Taki sam wynik uzyskano przy przyjęciu czasu pobytu na OIT jako zmiennej ciągłej (Tabela 5) [model surowy: 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].

Korelacja polaryzacji sentymentu z wynikami wtórnymi (zakażeniem pooperacyjnym, zgonem w szpitalu oraz 28-dniowym czasem hospitalizacji (LOS))

Dalszej analizie poddano korelację między polaryzacją sentymentu a punktami końcowymi drugorzędnymi. Wśród 267 pacjentów zakażenie pooperacyjne wystąpiło u 38/267, zgon w szpitalu u 36/267 (13,5%), a czas pobytu w szpitalu (LOS) przekraczający 28 dni u 39/267 (14,6%). Jak pokazano na Ryc. 3A–C, zaobserwowano nieliniową zależność między polaryzacją sentymentu a zgonem w szpitalu (p ogólne = 0,010, p dla nieliniowości = 0,046), podczas gdy między polaryzacją sentymentu a 28-dniowym LOS wystąpiła zależność liniowa (p ogólne < 0,001, p dla nieliniowości = 0,217); niemniej jednak polaryzacja sentymentu nie wykazała zależności liniowej ani nieliniowej z zakażeniem pooperacyjnym (p ogólne = 0,562, p dla nieliniowości = 0,364). Na podstawie tych wyników przeprowadzono analizę ROC, aby zbadać zdolność polaryzacji sentymentu do rozróżniania zgonów w szpitalu oraz 28-dniowego LOS. Wartości AUC polaryzacji sentymentu w rozróżnianiu zgonów w szpitalu i 28-dniowego LOS wyniosły odpowiednio 0,674 (0,602, 0,755) oraz 0,753 (0,669, 0,847). Jednocześnie czułość polaryzacji sentymentu w rozróżnianiu zgonów w szpitalu i 28-dniowego LOS wyniosła odpowiednio 0,694 (0,453, 0,896) oraz 0,667 (0,503, 0,959). Odpowiednie swoistości wyniosły 0,649 (0,495, 0,863) oraz 0,737 (0,457, 0,912), a dokładności odpowiednio 0,672 (0,536, 0,820) oraz 0,733 (0,510, 0,868) (Tabela 6; wszystkie 95% CI wyznaczone metodą bootstrap). Ze względu na małą liczbę zgonów w szpitalu i zdarzeń 28-dniowych oraz brak walidacji wewnętrznej lub zewnętrznej, analizy tych punktów końcowych drugorzędnych należy uznać za wstępne i wymagające potwierdzenia w analizach o odpowiedniej mocy statystycznej, zwalidowanych i skorygowanych o stopień ciężkości stanu pacjenta.

DOSTĘPNOŚĆ DANYCH:

MIMIC-IV jest bazą danych o ograniczonym dostępie; świadoma zgoda na pierwotne gromadzenie danych została uzyskana od pacjentów w instytucjach źródłowych podczas rutynowej opieki klinicznej i tworzenia bazy danych, natomiast niniejsze badanie jest wtórną analizą już zanonimizowanej bazy danych MIMIC-IV, dla której wymóg uzyskania dodatkowej, indywidualnej świadomej zgody został zniesiony. Surowe dane można uzyskać po ukończeniu szkolenia CITI „Data or Specimens Only Research” i podpisaniu umowy PhysioNet Credentialed Health Data Use Agreement (https://physionet.org/content/mimiciv/). Ponieważ umowa dotycząca korzystania z danych MIMIC-IV zabrania redystrybucji indywidualnych rekordów pacjentów, surowe dane nie mogą zostać udostępnione publicznie; jednak zanonimizowany zestaw danych pochodnych stanowiący podstawę niniejszych analiz, wraz z pełnymi zapytaniami SQL do ekstrakcji oraz skryptami analitycznymi niezbędnymi do jego odtworzenia z MIMIC-IV, został przekazany czasopismu w formie plików uzupełniających. Zarówno kod ekstrakcji danych, jak i surowe dane są dostępne w tabeli uzupełniającej 1 (Supplementary Table 1) oraz pliku z kodem uzupełniającym (Supplementary Coding File).

Rycina 1: Kliniczna korzyść netto z polaryzacji sentymentu i subiektywizmu sentymentu w różnicowaniu 3-dniowego, 7-dniowego i 10-dniowego czasu pobytu na OIT (ICU LOS). (A) 3-dniowy ICU LOS, (B) 7-dniowy ICU LOS, (C) 10-dniowy ICU LOS, Model 1: polaryzacja sentymentu, Model 2: subiektywizm sentymentu. Oś x przedstawia prawdopodobieństwo progu wysokiego ryzyka, a oś y przedstawia korzyść netto. Szara linia „All” (leczenie wszystkich) zakłada, że każdy pacjent jest traktowany jako osoba wysokiego ryzyka, a czarna linia „None” (brak leczenia) zakłada, że żaden pacjent nie jest leczony; Model 1 i Model 2 wykorzystują odpowiednio pojedynczy indeks różnicujący (polaryzację sentymentu i subiektywizm sentymentu). Wyniki zdefiniowano jako ICU LOS ≥ 3 dni (A), ≥ 7 dni (B) oraz ≥ 10 dni (C). N = 267. Skróty: ICU = oddział intensywnej terapii, LOS = czas pobytu. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Rycina 2: Korelacja polaryzacji sentymentu i subiektywności sentymentu z czasem pobytu (LOS) na OIT. (A) Polaryzacja sentymentu, (B) Subiektywność sentymentu. Wynikiem był 7-dniowy LOS na OIT (zakodowany jako zdarzenie binarne, ≥ 7 dni vs. < 7 dni). Linia ciągła przedstawia szacowany iloraz szans w całym zakresie ekspozycji, a zacieniowany pas odpowiadający mu 95% przedział ufności; pozioma linia przerywana oznacza iloraz szans równy 1. Ograniczone splajny sześcienne dopasowano z 4 węzłami na 5., 35., 65. i 95. percentylu dla każdej ekspozycji, przyjmując medianę jako wartość odniesienia. Model nie był korygowany. N = 267. Skróty: ICU = oddział intensywnej terapii (OIT), LOS = czas pobytu. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

Rycina 3: Korelacja polaryzacji sentymentu z drugorzędnymi punktami końcowymi (zakażenie pooperacyjne, zgon w szpitalu oraz 28-dniowy LOS). (A) Zakażenie pooperacyjne, (B) Zgon w szpitalu, (C) 28-dniowy LOS. Zakażenie pooperacyjne oraz zgon w szpitalu zakodowano jako zdarzenia binarne; 28-dniowy LOS zakodowano jako zdarzenie binarne (≥ 28 dni vs. < 28 dni). Linia ciągła przedstawia szacowany iloraz szans, a zacieniowany obszar 95% przedział ufności, przy czym pozioma linia przerywana wyznacza iloraz szans równy 1. Zastosowano ograniczone splajny sześcienne z 4 węzłami na 5., 35., 65. i 95. percentylu polaryzacji sentymentu, z wartością referencyjną na poziomie mediany. Model nie był korygowany. N = 267. Skróty: LOS = czas pobytu w szpitalu. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Rycina 4: Kalibracja modeli polaryzacji sentymentu dla 7-dniowego czasu pobytu (LOS) na OIT, oceniona za pomocą 1000 bootstrapowych prób ponownych. (A) Model polaryzacji sentymentu z pojedynczym indeksem dyskryminacji; (B) model dodatkowo skorygowany o SOFA i APSIII. Przerywana przekątna oznacza idealną kalibrację (Ideal); linia kropkowana to kalibracja pozorna, a linia ciągła to kalibracja skorygowana o błąd bootstrapowy; szare linie to granice ufności 0,95, a wykres dywanowy (rug plot) przedstawia rozkład prawdopodobieństw dyskryminacji. Średni błąd bezwzględny = 0,04 (A) i 0,034 (B). N = 267. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

Zmienna	Czas pobytu na OIT < 7 dni (N = 222）	Czas pobytu na OIT ≥ 7 dni (N = 45)	p
Polaryzacja sentymentu	0.131 [0.095,0.185]	0.178 [0.154,0.236]	<0.001
Subiektywność sentymentu	0.453 [0.396,0.517]	0.487 [0.435,0.533]	0.046
Wiek (lat)	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
Glukoza (mg/dL)	127.000 [103.000,158.000]	137.000 [115.000,194.000]	0.013
Albumina (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
Luka anionowa (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
Wodorowęglany (mEq/L)	23.419 ± 4.227	21.778 ± 5.485	0.026
Azot mocznika we krwi (mg/dL)	16.000 [12.000,23.000]	20.000 [11.000,30.000]	0.219
Chlorki (mEq/L)	105.000 [101.000,108.000]	106.000 [100.000,109.000]	0.214
Kreatynina (mg/dL)	0.900 [0.800,1.300]	1.100 [0.800,1.800]	0.231
Hematokryt (%)	33.843 ± 6.179	32.531 ± 6.620	0.202
Płytki krwi (K/µL)	211.000 [155.000,287.000]	189.000 [135.000,275.000]	0.347
Potas (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
Sód (mEq/L)	138.000 [136.000,141.000]	139.000 [136.000,142.000]	0.644
Mleczany (mmol/L)	1.500 [1.100,2.200]	1.700 [1.200,2.600]	0.313
Limfocyty (%)	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
Średnia częstość akcji serca na OIT (bpm)	88.806 [77.708,100.161]	95.885 [87.917,109.686]	<0.001
Średnie skurczowe ciśnienie tętnicze na OIT (mmHg)	117.296 [106.667,127.478]	110.259 [102.808,120.353]	0.014
Średnie rozkurczowe ciśnienie tętnicze na OIT (mmHg)	60.133 [54.313,67.227]	57.953 [51.000,62.278]	0.108

Tabela 1: Wyjściowe informacje ilościowe dotyczące pacjentów poddawanych cholecystektomii. Skróty: BMI = wskaźnik masy ciała; ALT = alaninaminotransferaza; AST = aspartaminianotransferaza; RBC = erytrocyty; RDW = szerokość rozkładu erytrocytów; WBC = leukocyty; CCI = wskaźnik chorób współistniejących Charlsona; SOFA = sekwencyjna ocena niewydolności narządów; APSIII = uproszczona skala fizjologiczna III; ICU = oddział intensywnej terapii; LOS = czas hospitalizacji.

Zmienna		Czas pobytu na OIT < 7 dni (N = 222）	Czas pobytu na OIT ≥ 7 dni (N =  45)	p
Płeć	Mężczyzna	119 (53.604)	32 (71.111)	0.031
	Kobieta	103 (46.396)	13 (28.889)
Rasa	Biała	168 (77.419)	29 (69.048)	0.244
	Inne	49 (22.581)	13 (30.952)
Stan cywilny	Żonaty/żonatka	107 (50.472)	16 (37.209)	0.113
	Inne	105 (49.528)	27 (62.791)
Palenie tytoniu	Nie	214 (96.396)	44 (97.778)	0.64
	Tak	8 (3.604)	1 (2.222)
Spożywanie alkoholu	Nie	191 (86.036)	38 (84.444)	0.781
	Tak	31 (13.964)	7 (15.556)
Propofol	Nie	130 (58.559)	4 (8.889)	<0.001
	Tak	92 (41.441)	41 (91.111)
Fentanyl	Nie	111 (50.000)	6 (13.333)	<0.001
	Tak	111 (50.000)	39 (86.667)
Cyprofloksacyna	Nie	143 (64.414)	12 (26.667)	<0.001
	Tak	79 (35.586)	33 (73.333)
Lewofloksacyna	Nie	196 (88.288)	36 (80.000)	0.133
	Tak	26 (11.712)	9 (20.000)
Nadciśnienie tętnicze	Nie	98 (44.144)	20 (44.444)	0.97
	Tak	124 (55.856)	25 (55.556)
Hiperlipidemia	Nie	157 (70.721)	36 (80.000)	0.205
	Tak	65 (29.279)	9 (20.000)
Zawał mięśnia sercowego	Nie	198 (89.189)	41 (91.111)	0.701
	Tak	24 (10.811)	4 (8.889)
Zastoinowa niewydolność serca	nie	186 (83.784)	37 (82.222)	0.797
	tak	36 (16.216)	8 (17.778)
Choroby naczyniowo-mózgowe	nie	212 (95.495)	41 (91.111)	0.229
	tak	10 (4.505)	4 (8.889)
Otępienie	nie	220 (99.099)	44 (97.778)	0.443
	tak	2 (0.901)	1 (2.222)
Łagodna choroba wątroby	nie	182 (81.982)	27 (60.000)	0.001
	tak	40 (18.018)	18 (40.000)
Przewlekła choroba płuc	nie	161 (72.523)	37 (82.222)	0.175
	tak	61 (27.477)	8 (17.778)

Tabela 2: Wyjściowe informacje jakościowe dotyczące pacjentów poddawanych cholecystektomii. Skróty: ICU = oddział intensywnej terapii, LOS = czas pobytu w szpitalu.

	Zmienna	AUC (95%CI)	Czułość (95%CI)	Swoistość (95%CI)	Dokładność (95%CI)	Optymalny próg (95%CI)	p testu Delonga
3-dniowy czas pobytu na OIT	Polaryzacja sentymentu	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
	Subiektywizm sentymentu	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-dniowy czas pobytu na OIT	Polaryzacja sentymentu	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
	Subiektywizm sentymentu	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-dniowy czas pobytu na OIT	Polaryzacja sentymentu	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
	Subiektywizm sentymentu	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)	/

Tabela 3: Zdolność dyskryminacyjna polaryzacji sentymentu i subiektywizmu sentymentu w rozróżnianiu czasu pobytu na OIT (ICU LOS) wynoszącego 3 dni, 7 dni oraz 10 dni. Dane stanowią oszacowania punktowe z 95% CI w nawiasach. 95% CI dla AUC obliczono metodą DeLonga; CI dla czułości, swoistości, dokładności i optymalnego progu uzyskano poprzez resampling bootstrapowy z 1000 powtórzeniami. Optymalny próg określono poprzez maksymalizację indeksu Youdena (czułość + swoistość − 1); czułość, swoistość i dokładność obliczono dla tego progu, przyjmując definicję dokładności jako (prawdziwie dodatnie + prawdziwie ujemne) / całkowita próba. Optymalny próg wyrażono w natywnej skali każdej zmiennej (tutaj skala prawdopodobieństwa dyskryminacyjnego/wyniku sentymentu). Kolumna „DeLong-test” zawiera dwustronną wartość p testu DeLonga dla różnicy między dwiema sparowanymi krzywymi ROC: w obrębie każdego progu ICU LOS polaryzację sentymentu porównano z subiektywizmem sentymentu, przy czym ten drugi służył jako krzywa referencyjna i został oznaczony symbolem „/”. Wartość p < 0.05 wskazuje na statystycznie istotną różnicę w zdolności dyskryminacyjnej między tymi dwiema metrykami. Analizę przeprowadzono w kohorcie 267 pacjentów. Skróty: ICU = oddział intensywnej terapii, LOS = czas pobytu, AUC = pole pod krzywą, CI = przedział ufności.

Zmienna	AUC (95%CI)	Czułość (95%CI)	Swoistość (95%CI)	Dokładność (95%CI)	Optymalny próg (95%CI)	p testu Delonga
Polaryzacja sentymentu	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)	/
Subiektywizm sentymentu	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
Glukoza	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
Albumina	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
Wodorowęglany	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
Średnia częstość akcji serca na OIT	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
Średnie skurczowe ciśnienie tętnicze na OIT	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
Płeć	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
Cyprofloksacyna	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
Łagodna choroba wątroby	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

Tabela 4: Zdolność dyskryminacyjna wskaźników, będących różnicami w informacjach bazowych, w odniesieniu do 7-dniowego czasu pobytu w oddziale intensywnej terapii (ICU LOS). Dane przedstawiają oszacowania punktowe z 95% CI w nawiasach. 95% CI dla AUC obliczono metodą DeLonga; CI dla czułości, swoistości, dokładności oraz optymalnego progu uzyskano za pomocą bootstrapowania z 1000 powtórzeniami. Optymalny próg określono poprzez maksymalizację indeksu Youdena (czułość + swoistość − 1); czułość, swoistość i dokładność obliczono dla tego progu, przyjmując dokładność jako (prawdziwie dodatnie + prawdziwie ujemne) / całkowita próba. Optymalny próg wyrażono w natywnej skali każdej zmiennej (skala prawdopodobieństwa dyskryminacji dla wyników sentymentu, oryginalne jednostki kliniczne dla zmiennych laboratoryjnych i parametrów życiowych oraz wartość zakodowana 1/2 dla zmiennych binarnych, takich jak leki, płeć i choroby współistniejące). Kolumna „DeLong-test” zawiera dwustronną wartość p testu DeLonga porównującego krzywą ROC każdej wymienionej zmiennej z krzywą polaryzacji sentymentu, która służyła jako model referencyjny i jest oznaczona symbolem „/”. Wartość p < 0,05 wskazuje, że zdolność dyskryminacyjna danej zmiennej różni się istotnie od zdolności polaryzacji sentymentu. Analizę przeprowadzono w kohorcie 214 pacjentów z kompletnymi danymi. Skróty: SOFA = sequential organ failure assessment; APSIII = simplified acute physiology score III; ICU = oddział intensywnej terapii; LOS = czas pobytu; AUC = pole pod krzywą; CI = przedział ufności

Ustaw czas pobytu na OIT (ICU LOS) jako zmienną binarną (7-dniowy ICU LOS)
Model	OR na 1-SD (95% CI)	p
Model wstępny	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
Przyjmij czas pobytu na OIT (ICU LOS) jako zmienną ciągłą
Model	β (95% CI)	p
Model surowy	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

Tabela 5: Korelacja polaryzacji sentymentu z czasem pobytu (LOS) na OIT. Model surowy: bez korekt. Model 1 skorygowany o SOFA, APSIII; model 2 skorygowany o glukozę, albuminę, wodorowęglany, średnią częstotliwość akcji serca na OIT, średnie skurczowe ciśnienie tętnicze na OIT, płeć oraz łagodną chorobę wątroby; model 3 skorygowany o propofol, fentanyl i cyprofloksacynę. Wartości OR wyrażone na każde zwiększenie polaryzacji sentymentu o 1-SD; modele skorygowane o kowarianty (modele 2-3) dopasowano do 214 pacjentów z kompletnymi danymi dotyczącymi albuminy. Chociaż model 3 uwzględnia korektę jedynie pod kątem leków (propofol, fentanyl i cyprofloksacyna) i sam w sobie nie obejmuje albuminy, został on celowo ograniczony do tej samej kohorty 214 pacjentów z kompletnymi danymi co model 2, aby oba modele skorygowane zostały oszacowane na identycznej próbie i były bezpośrednio porównywalne; model surowy oraz model 1 dopasowano do pełnej kohorty 267 pacjentów. Skróty: ICU = oddział intensywnej terapii (OIT), LOS = czas pobytu, CI = przedział ufności, OR = iloraz szans.

Indeks	Zgon w szpitalu	28-dniowy czas pobytu w szpitalu (LOS)
AUC (95% CI)	0.674 (0.602,0.755)	0.753 (0.669,0.847)
Czułość (95% CI)	0.694 (0.453,0.896)	0.667 (0.503,0.959)
Swoistość (95% CI)	0.649 (0.495,0.863)	0.737 (0.457,0.912)
Dokładność (95% CI)	0.672 (0.536,0.820)	0.733 (0.510,0.868)
Optymalny próg (95% CI)	0.162 (0.148,0.209)	0.178 (0.129,0.216)

Tabela 6: Zdolność dyskryminacyjna polaryzacji sentymentu w rozróżnianiu zgonów w szpitalu oraz 28-dniowego LOS.Wartości stanowią oszacowania punktowe z 95% CI w nawiasach (AUC metodą DeLonga; czułość, swoistość i dokładność metodą bootstrap resampling). Liczba zdarzeń: zgony w szpitalu, n = 36/267; 28-dniowy LOS ≥ 28 dni, n = 39/267. Skróty: CI = przedział ufności; AUC = pole pod krzywą; LOS = czas pobytu w szpitalu.

Tabela uzupełniająca 1: Surowe dane. Zanonimizowane surowe dane wykorzystane w badaniu.Kliknij tutaj, aby pobrać ten plik.

Uzupełniający plik z kodem: Plik z kodem. Kody użyte do przeprowadzenia analizy.Kliknij tutaj, aby pobrać ten plik.

Dyskusja

To badanie, przeprowadzone w sposób retrospektywny na bazie danych MIMIC-IV, wykazało, że polaryzacja uczuć wykazywała większą dyskryminację i czysty przyrost kliniczny niż subiektywność uczuć. Polaryzacja uczuć była związana i wykazywała skromną zdolność dyskryminacyjną w odniesieniu do 7-dniowego pobytu w OIOM, a polaryzacja uczuć była niezależnie związana z pobytem w OIOM, a także z ryzykiem zgonu w szpitalu i 28-dniowym pobytem.

W niniejszym badaniu stwierdzono, że polaryzacja uczuć jest związana z rokowaniem. W wielu badaniach stwierdzono podobne relacje²⁵. Badanie dotyczące rokowania pacjentów z sepsą wykazało, że w porównaniu z grupą przeżywającą, 30-dniowa śmiertelność pacjentów miała niższą polaryzację uczuć i niższą subiektywność uczuć. Zarówno polaryzacja uczuć, jak i subiektywność uczuć były czynnikami wpływającymi na 30-dniową śmiertelność pacjentów z sepsą, a AUC modelu indeksu rokowania, obejmującego subiektywność uczuć i polaryzację emocjonalną, wynosiła 0,78(0,74-0,81), co wskazuje, że polaryzacja uczuć i subiektywność uczuć były związane z 30-dniową śmiertelnością pacjentów z sepsą²⁶. Podobne wyniki uzyskano w innym badaniu pacjentów z sepsą¹⁸. W badaniu pacjentów z ostrą pankreatitis stwierdzono, że średnia polaryzacja emocjonalna jest czynnikiem wpływającym na ryzyko zgonu w szpitalu u pacjentów z ostrą pankreatitis, a wyniki dyskryminacji modelu dyskryminacyjnego z średnią polaryzacją emocjonalną były lepsze niż bez średniej polaryzacji emocjonalnej, jak również wyników SOFA i SAPS-II¹². Polaryzacja uczuć w notatkach pielęgniarskich była również czynnikiem dyskryminacyjnym ryzyka upadku pacjenta²⁷. Polaryzacja uczuć była związana z pobytem w OIOM, zgonem w szpitalu i 28-dniowym pobytem u tych pacjentów po cholecystektomii i wykazywała umiarkowaną dyskryminację w odniesieniu do 7-dniowego pobytu w OIOM. Podsumowując, wyniki uczuć oparte na notatkach pielęgniarskich były ściśle związane z rokowaniem wielu chorób, a w dalszej fazie badań można zwrócić większą uwagę na wpływ wyników uczuć w notatkach pielęgniarskich na rokowanie pacjentów²⁶.

Notatki pielęgniarskie obejmują potrzeby pielęgniarskie, objawy choroby, środki pielęgniarskie itp.²⁸. Oprócz wyników uczuć w notatkach pielęgniarskich, inne informacje mogą być wykorzystywane do dyskryminacji rokowania pacjenta, ryzyka choroby itp. Naukowcy zebrali podsumowanie wypisu i notatki pielęgniarskie pacjentów z niewydolnością serca od 1 czerwca 2015 r. do 31 grudnia 2019 r. i przeanalizowali dane za pomocą pakietu Orange3. Stwierdzono, że notatki pielęgniarskie jako jednostka analityczna mogą dobrze dyskryminować ponowne przyjęcie do szpitala w ciągu 30 dni (notatki pielęgniarskie AUC=0,85, podsumowanie wypisu AUC=0,74)²⁹. Algorytm przetwarzania języka naturalnego został wykorzystany do wyodrębnienia informacji dotyczących zakażeń dróg moczowych z notatek pielęgniarskich i opracowania ulepszonego modelu rozpoznawania³⁰. Wszystkie powyższe badania sugerują, że wartość kliniczna notatek pielęgniarskich wymaga dalszego badania.

Najlepsze, że kierunek skojarzenia obserwowanego w niniejszym badaniu, w którym wyższa polaryzacja uczuć była związana z dłuższym pobytem w OIOM, wyższym ryzykiem zgonu w szpitalu i dłuższym 28-dniowym pobytem, wydaje się być nieintuicyjny i różni się od niektórych wcześniejszych raportów, w których niższa polaryzacja była związana z gorszymi wynikami^18,26. Kilka niewspółwykluczających się wyjaśnień może wyjaśnić to stwierdzenie. Po pierwsze, wynik polaryzacji został obliczony za pomocą leksykonu uczuć ogólnego domeny, którego słownictwo częściowo się nakłada z językiem klinicznym; podana pokrywalność leksykalna takich metod w notatkach intensywnej opieki jest niska (na poziomie 5–20% słów), a ich ważność w tekście medycznym jest bardzo zmienna. Wynik jest zatem napędzany przez małą podzbiór słów i może nie odzwierciedlać prawdziwej klinicznej wartości notatki. Po drugie, wynik polaryzacji jest podatny na wpływ ciężkości choroby i intensywności opieki. Pacjenci z cięższymi chorobami są często dokumentowani częściej i dłużej, przechodzą więcej procedur, przyjmują więcej leków i wymagają bardziej złożonej opieki pielęgniarskiej; ta dłuższa i bardziej zróżnicowana treść może przesunąć obliczoną polaryzację niezależnie od wszelkiego prawdziwego optymizmu ze strony dokumentującego pielęgniarza, jednocześnie będąc związana z dłuższym pobytem i wyższym ryzykiem zgonu. W tym sensie

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
boot (R package)	CRAN; https://cran.r-project.org/package=boot	1.3-30	Weryfikacja wewnętrzna przez przeszukiwanie bootstrap z 1000 replikami (optymizm skorygowanych wskaźników)
Oprogramowanie G*Power	http://www.gpower.hhu.de/	3.1.9.7	Obliczanie wielkości próby
MIMIC-IV (Medical Information Mart for Intensive Care IV)	PhysioNet; https://physionet.org/content/mimiciv/	3.1	Źródłowa baza danych o opiece intensywnej; ekstrakcja kohorty cholecystektomii, demografia, wartości laboratoryjne, objawy życiowe, wyniki wskaźników ciężkości i wyniki
PostgreSQL	https://www.postgresql.org/	18.4	Ekstrakcja danych
pROC (R package)	CRAN; https://cran.r-project.org/package=pROC	1.18.5	Budowa krzywej ROC, oszacowanie AUC i test DeLonga do porównania AUC
Python	Python Software Foundation; https://www.python.org	3.6.4	Ocena nastroju w języku naturalnym
R	R Foundation for Statistical Computing; https://www.r-project.org	4.3.0	Analiza statystyczna
rmda (R package)	CRAN; https://cran.r-project.org/package=rmda	1.6	Analiza krzywych decyzji (korzyść netto w progach ryzyka)
rms (R package)	CRAN; https://cran.r-project.org/package=rms	6.7-0	Modelowanie splajnów sześciennych ograniczonych (RCS) nieliniowych stosunków dawka-odpowiedź
TextBlob	Źródło otwarte; https://textblob.readthedocs.io	0.15.1	Obliczanie biegunowości nastroju i subiektywności nastroju z tekstu notatek pielęgniarskich