В данном исследовании изучается, связывают ли полярность и субъективность настроения с прогнозом у пациентов с холецистэктомией при пребывании в отделении интенсивной терапии ≥ 24 часа. Основные анализы оценивают их способность различать длительность пребывания в отделении интенсивной терапии 3, 7 и 10 дней, смертность в больнице и 28-дневное пребывание в больнице.
Исследовательская статья
Оценки чувств в медсестринских заметках, связанных с прогнозом пациентов, проходящих холецистэктомию
В этой статье
Краткое содержание
Аннотация
В этом исследовании была изучена связь между баллами сентиментальности и прогнозом пациентов после холецистэктомии с продолжительностью пребывания в отделении интенсивной терапии (ОИТ) ≥ 24 часа. Всего было включено 267 пациентов из базы данных Medical Information Mart for Intensive Care IV (MIMIC-IV). Оценки по чувству, полученные из медсестринских заметок в модуле заметок MIMIC-IV с использованием TextBlob. Проанализированный текст был сгенерирован при выписке из больницы. Соответственно, все результаты интерпретируются как описательные ассоциации. Кривые операционной характеристики приёмника (ROC), тест Делонга и анализ кривой принятия решений (DCA) использовались для описательной характеристики различия полярности настроений и субъективности настроений для 3-, 7- и 10-дневных LOS ICU, а также для сравнения полярности настроений с клиническими показателями для 7-дневного LOS в отделении интенсивной терапии. Ограниченный кубический сплайн (RCS) и обобщённая линейная регрессия оценивали свои связи с LOS в отделении интенсивной терапии. Полярность настроений достигла большей площади под кривой (AUC), чем субъективность настроения; тест Делонга показал значимую разницу для трёхдневного LOS в отделении интенсивной терапии (p = 0,015), пограничного для 7-дневного (p = 0,057) и незначительного для 10-дневного (p = 0,587). Для 7-дневного LOS в отделении интенсивной терапии полярность настроений показала более высокий AUC с исследовательской чистой выгодой по DCA в определённых пороговых диапазонах. Полярность настроений имела нелинейную корреляцию с 7-дневным LOS в отделении интенсивной терапии (p в целом = 0,002, p нелинейно = 0,027), тогда как субъективность настроения — нет. Обобщённая линейная регрессия показала связь между полярностью настроений и LOS в отделении интенсивной терапии, независимую от измеряемых ковариатов (все p < 0,05 в грубых и скорректированных моделях). Для вторичных исходов полярность настроений была связана со смертностью в больнице и 28-дневным госпитальным LOS в анализе RCS (все p < 0,05), при этом исследовательская дискриминационная способность требовала дополнительной валидации. В заключение, среди этих пациентов полярность настроений была описательно связана с LOS в отделении интенсивной терапии, смертностью в больнице и 28-дневным LOS в больнице; Эти результаты не должны быть обобщены на всех пациентов холецистэктомии.
Введение
Холецистэктомия — одна из самых распространённых процедур при операции на желчныхпутях 1. Холецистэктомию можно применять к различным заболеваниям желчного пузыря, таким как камни в желчном пузыре, холецистит, полипы желчного пузыря и так далее 2,3,4. Существует два основных типа холецистэктомии: открытая холецистэктомия и лапароскопическаяхолецистэктомия 5. Среди них открытая холецистэктомия показана при сложных случаях: для пациентов с осложнениями (например, крупные камни в желчном пузыре, распространяющееся воспаление и т.д.) лапароскопическая холецистэктомия рекомендуется для всех заболеваний желчного пузыря, для которых нет противопоказаний коперации 6. Хотя холецистэктомия является относительно безопасной хирургической процедурой, остаётся ряд осложнений, таких как повреждения желчных путей, повреждения кишечника, кровотечения в животе, протекание желчи, вторичный холедохолит, сердечно-сосудистые травмы, заболевания дыхательных путей и др.7.
Анализ настроений — это распространённое применение методов обработки естественного языка, которые представляют собой метод анализа, обработки, суммирования и рассуждений о субъективных текстах с эмоциональными оттенками, а также количественной оценки качественных данных с помощью некоторых показателей оценкинастроений 8. Анализ настроений используется в различных областях, таких как финансы, журналистика, медицина идр. 9, 10, 11. Следует отметить, что оценки чувств, рассчитываемые такими инструментами, как TextBlob, основаны на полярности и субъективности слов на лексическом уровне с использованием заранее определённых сентиментальных лексиконов (например, AFINN), а не отражают субъективное настроение или отношение медсестры, пишущейпримечание 12. В частности, баллы полярности варьируются от -1 до 1, а оценки субъективности — от 0 до 1, отражая семантическую ориентацию слов, используемых в клиническом тексте. Применение анализа настроений в медицине не только позволяет понять эмоциональные отношения ксобытию 13, но и способствует категоризации медицинскихобразов 14, а также связан с прогнозом пациента и т.д.15. Предыдущие исследования показали, что оценки настроения, полученные из записей медсестёр, связаны с прогнозом пациентов в критически больных группах. Например, у пациентов с острыми повреждениями почек, проходящих непрерывную заместительную почечную терапию, было установлено, что модель машинного обучения, содержащая оценку сентиментов (извлеченная из медсестринских записей), может быстро выявлять смертность высокого рискапациентов 16. Другое исследование показало, что полярность настроений в медсестринских записях является важным фактором в 30-дневной смертности пациентов отделения интенсивной терапии (ICU) и связана как с 30-дневной смертностью, так и свыживаемостью 17. Аналогично, анализ настроений применялся к пациентам с сепсисом для дискриминации рискасмертности 18.
Однако популяции в этих предыдущих исследованиях существенно отличаются от пациентов в отделениях интенсивной терапии после холецистэктомии. Пациенты с острым повреждением почек, сепсисом или острым панкреатитом обычно проявляются тяжелые системные воспалительные реакции и дисфункция множественных органов, требующие интенсивной поддержки органов, такой как искусственная вентиляция или вазопрессоры19. Например, тяжёлый острый панкреатит характеризуется постоянной органной недостаточностью, продолжающейся более 48 часов согласно пересмотренной классификацииАтланты 20. В отличие от этого, холецистэктомия обычно считается относительно безопасной процедурой с низкой смертностью, и большинству пациентов не требуется послеоперационная госпитализация в отделение интенсивной терапии, если только не возникнут серьёзные осложнения, такие как повреждение желчных протоков или неконтролируемоекровотечение 21,22. Таким образом, клиническая траектория, тяжесть заболевания и факторы риска смертности у пациентов в отделениях интенсивной терапии после холецистэктомии отличаются от тех, что в общих группах реанимации с первичным диагнозом ОПП или сепсиса. Кроме того, паттерны документации сестринского дела и семантическое содержание клинических заметок могут различаться между этими группами из-за различий в тяжести заболевания и интенсивности лечения.
В настоящее время исследования анализа настроений на основе записей медсестры и прогноза в основном сосредоточены на пациентах в отделениях интенсивной терапии с такими состояниями, как сепсис, острая почечная травма и острый панкреатит. Немногие исследования изучали связь между отношением к запискам медсестры и прогнозом пациентов после холецистэктомии. Поэтому, основываясь на базе данных Medical Information Mart for Intensive Care (MIMIC)-IV 23, это исследование извлекло настроение в медсестринских записях пациентов, перенесших холецистэктомию, и исследовало связь между оценкой сентиментальности в записках медсестры и прогнозом пациентов с холецистэктомией, чтобы предоставить лучшие рекомендации для клинической помощи. Насколько на тот момент известно, это первое исследование, в котором изучается связь между оценками эмоций по записям медсестры и прогнозом, особенно у пациентов в отделении интенсивной терапии после холецистэктомии.
Протокол
Это исследование проводилось с использованием базы данных MIMIC-IV. Создание базы данных MIMIC-IV было одобрено Институциональными экспертными советами Массачусетского технологического института и Медицинского центра Бет Исраэль Диаконес (BIDMC), и было получено согласие на первоначальный сбор данных. Вся информация о здоровье пациентов в базе данных была деидентификацирована в соответствии с положениями Safe Harbor Закона о переносимости и подотчётности медицинского страхования, при этом 18 идентификаторов, определённых HIPAA, удалены, а даты изменены для защиты конфиденциальности пациентов; Поэтому требование индивидуального информированного согласия было отменено. Доступ к базе данных был предоставлен после того, как один из авторов прошёл обязательный учебный курс «Data or Specimens Only Research» в рамках Инициативы совместного институционального обучения, стал аккредитованым пользователем платформы PhysioNet и подписал Соглашение об использовании медицинских данных PhysioNet. На протяжении всего исследования ограниченные данные MIMIC-IV обрабатывались в соответствии с Соглашением об использовании медицинских данных PhysioNet Credentialed Health Data и процедурами управления институциональными данными: деидентифицированные данные хранились только на устройствах с паролем, управляемых институциональными устройствами с ограничением доступа к авторам, не передавались третьим лицам без удостоверения данных и не загружались в государственные службы, и не предпринималось попыток повторно идентифицировать лиц или связать записи с внешними данными Источники данных. Поскольку это исследование было основано на общедоступной, деидентифицированной базе данных, дополнительное этическое одобрение Комитета по этике Второй аффилированной больницы Медицинской школы Чжэцзянского университета было отменено. Программное обеспечение и инструменты, использованные в этом исследовании, перечислены в Таблице материалов.
Источник данных
Данные о пациентах были получены из базы данных Medical Information Mart for Intensive Care IV (MIMIC-IV, версия 3.0, выпущена в 2024 году), основанной в 2003 году Лабораторией вычислительной физиологии Массачусетского технологического института, Медицинским центром Beth Israel Deaconess Гарвардской медицинской школы и компанией Philips Medical при поддержке Национальных институтов здравоохранения. Авторы получили аккредитацию пользователей PhysioNet, прошли курс CITI «Data or Specimens Only Research» и подписали Соглашение об использовании медицинских данных PhysioNet (ID записи: 55710882) до предоставления доступа. Данные были извлечены в ноябре 2025 года.
База данных организована в два модуля: hosp (полученный из электронной медицинской карты всей больницы) и отделение интенсивной терапии (из клинической информационной системы MetaVision в отделении интенсивной терапии). Группа исследований была собрана путём запроса по следующим таблицам и связывания записей по subject_id, hadm_id и stay_id: пациенты, госпитализации и переводы (демография и данные госпитализации); diagnoses_icd с d_icd_diagnoses, а procedures_icd с d_icd_procedures (коды диагностики и процедуры); лабораторные мероприятия с d_labitems (лабораторные измерения); рецепты (лекарства); микробиологические события (послеоперационная инфекция); icustays (поступление в отделение интенсивной терапии и продолжительность пребывания (LOS)); события в диаграммах с d_items (жизненные показатели реанимации); и заметки по сестринскому делу MIMIC-IV в свободном тексте, из которых были получены баллы по полярности настроений и субъективности настроений. Данные извлекались с помощью структурированных SQL-запросов, выполненных на локальной сборке PostgreSQL (версия 18.4) MIMIC-IV v3.0 (и перекрёстной проверке на Google BigQuery), созданной с официальными скриптами сборки репозитория MIMIC-Code (https://github.com/MIT-LCP/mimic-code).
Критерии включения и исключения
Критерии включения: пациент был старше или равен 18 годам, проходит холецистэктомию (идентифицированную из таблицы procedures_icd по записи холецистэктомии), пациент имеет задокументированную госпитализацию в отделение интенсивной терапии (определяется наличием хотя бы одной записи в таблице интенсивной терапии, первое пребывание в отделении интенсивной терапии использовалось при наличии нескольких пребываний; Поступление в ICU является административным событием в MIMIC-IV и, следовательно, не обозначается кодом ICD) (N = 325).
Критерии исключения: у пациента развился послеоперационный синдром (включая синдром постхолецистэктомии и сохраняющийся холелитиаз после холецистэктомии) (за исключением 3, оставшиеся 322), продолжительность лечения в отделении интенсивной терапии была менее 24 часов (не считая 54, оставшиеся 268), отсутствие записей медсестёр в данных пациента (отсутствие оценки сентиментальности) [исключая 1, оставшиеся 267]. Чтобы проверить, соответствует ли размер выборки требованиям анализа данных, минимальный размер выборки был рассчитан с помощью программного обеспечения G*Power (версия 3.1.9.7) с размером эффекта d = 0.5, вероятностью ошибки α 0.05, мощностью (вероятность ошибки 1–β) = 0.95 и коэффициентом распределения N2/N1 = 1, что привело к минимально требуемому размеру выборки 220. 267 участников соответствовали требованиям анализа.
Группирование и переменные
В этом исследовании, согласно тому, превышала ли LOS в отделении интенсивной терапии более 7 дней, участники были разделены на две группы: одна группа — LOS в отделении интенсивной терапии < 7 дней, а другая — LOS в отделении интенсивной терапии ≥ 7 дней. Основным показателем исхода в этом исследовании был LOS в отделении интенсивной терапии, а основным результатом — LOS в отделении интенсивной терапии, определяемой как непрерывная переменная (в днях), взятая из поля LOS таблицы ICASTAY (модуль интенсивной терапии), которая равна интервалу между временем выхождения и временем первого пребывания пациента в отделении интенсивной терапии во время индексной госпитализации. LOS в отделении интенсивной терапии дополнительно дихотомизировали на клинически значимых порогах: 3-дневные, 7- и 10-дневные LOS в отделении интенсивной терапии были определены как LOS в отделении интенсивной терапии ≥ 3, ≥ 7 и ≥ 10 дней соответственно, каждый из которых определялся как бинарная переменная, полученная из того же поля LOS таблицы icustays.
Вторичными показателями исхода были послеоперационная инфекция, смертность в больнице и LOS ≥ 28. (1) 28-дневный LOS, определяемый как общая продолжительность пребывания в больнице ≥ 28 дней, рассчитанная как дис-тайм − время госпитализации по таблице госпитализации (модуль хоспита); (2) смерть в больнице, определяемая как hospital_expire_flag = 1 в таблице госпитализации (эквивалентно, ненулевой период смерти между временем госпитализации и выпиской); (3) Послеоперационная инфекция — пациент классифицировался как имеющий послеоперационную инфекцию, хотя seq_num_infection не была нулевой. Основными показателями, включёнными в исследование, были полярность настроения, субъективность сентиментальности, возраст, индекс массы тела (ИМТ), глюкоза, альбумин, аланинтрансаминаза (ALT), анионный разрыв, аспартатаминотрансфераза (AST), бикарбонат, азот мочевины в крови, хлорид, креатинин, гематокрит, тромбоциты, калий, эритроциты (эритроциты), ширина распределения эритроцитов (RDW), натрий, лактат, лимфоциты, лейкоциты (лейкоциты), индекс коморбидности Чарлсона (CCI), Оценка последовательной органной недостаточности (SOFA), упрощённая острая физиологическая оценка III (APSIII), средний пульс в отделении интенсивной терапии, среднее систолическое давление в отделении интенсивной терапии, пол (мужчины, женщины), раса (белые, другие), семейное положение (женатые, другие), курение (нет, да), употребление алкоголя (нет, да), пропофол (нет, да), фентанил (нет, да), ципрофлоксацин (нет, да), левофлоксацин (нет, да), гипертония (нет, да), гиперлипидемия (нет, да), инфаркт миокарда (нет, Да), застойную сердечную недостаточность (нет, да), цереброваскулярное заболевание (нет, да), деменцию (нет, да), хроническое заболевание лёгких (нет, да). Оценки настроений можно классифицировать на полярность настроений и субъективность настроений. Стоит отметить, что все лабораторные измерения имеют средние значения. Пропофол, фентанил и ципрофлоксацин были зафиксированы как бинарные показатели применения в течение первых 24 часов поступления в реанимацию и поэтому измерялись до получения интересующих результатов. Они были включены в качестве базовых корректировочных ковариатов, а не как интересующие экспозиции, отражая раннюю седацию в отделении интенсивной терапии, анальгезию и антимикробное лечение на момент поступления.
Анализ настроений
Язык программирования Python (версия 3.6.4) и инструмент обработки естественного языка TextBlob (версия 0.15.1) (далее — библиотека анализа настроений) использовались для извлечения полярности настроений и субъективности настроений из документа выпискииз больницы 24. До анализа медсестринские записи предварительно обрабатывались путём удаления защищённых идентификаторов, преобразования текста в строчные буквы, расширения распространённых клинических сокращений, удаления лишних пробелов и неалфавитно-цифровых символов, а также сегментирования текста на предложения. Для каждой записи эта библиотека возвращала полярность настроений (диапазон -1 до 1; более высокие значения указывают на более позитивные настроения) и субъективность настроений (диапазон 0–1; более высокие значения указывают на большую субъективность), используя стандартные параметры анализатора. Для каждого пациента документ о выписке из больницы оценивался один раз, давая одну полярность настроений и одну субъективность на каждого пациента. Код анализа доступен в Uniform Resource Locator. Эта библиотека была выбрана потому, что она предоставляет прозрачную, лексиконную и полностью воспроизводимую измерительную точку полярности и субъективности, применявшуюся в предыдущих исследованиях по изучению текста, связанного создоровьем 17.
Статистический анализ
Все статистические анализы проводились с использованием R (версия 4.3.0). Нормальность непрерывных переменных оценивалась с помощью теста Шапиро-Уилка вместе с визуальным осмотром графиков Q-Q, а однородность дисперсии оценивалась с помощью теста Левина. Непрерывные переменные, которые обычно распределялись, были выражены как среднее ± стандартное отклонение и сравнивались между двумя группами (LOS в отделении интенсивной терапии < 7 дней против ≥ 7 дней) с помощью t-теста независимых выборок Стьюдента, при этом коррекция Уэлча применялась при неравных дисперсиях; непрерывные переменные, которые не были нормально распределены, выражались как медиана (межквартильный диапазон) и сравнивались с помощью теста Манна-Уитни U. Категориальные переменные были выражены в виде частот и процентов (n, %) и сравнивались между двумя группами с помощью теста хи-квадрата Пирсона, при этом точный тест Фишера применялся, когда ожидаемое количество клеток составляло < 5.
Кривая операционной характеристики приёмника (ROC) была использована для оценки дискриминационной способности полярности настроений и субъективности настроений для 3-дней, 7- и 10-дневной LOS в отделении интенсивной терапии, каждый из которых определяется как бинарный исход (LOS в отделении интенсивной терапии ≥ тысяч дней против < к дням). Площади под кривой (AUC) были отмечены с 95% ДИ, полученными методом Делонга; оптимальный порог — это значение, максимизирующее индекс Юдена, а чувствительность, специфичность и точность рассчитывались, при этом их 95% CI получались путём бутстрэп-редискретлинга (1000 репликатов). Тест Делонга для двух коррелированных кривых ROC использовался для сравнения AUC (полярность настроений против субъективности настроения; каждая базовая переменная отличается против полярности настроения). Внутренняя валидация с помощью 1000 bootstrap resamples была проведена для основных 7-дневных моделей LOS LOS с ROC sentiment-polarity. Для одноиндексной модели дополнительно были указаны оптимизм-корректированный AUC, наклон калибровки и балл Бриера. Для модели с одним индексом и дополнительно скорректированной модели для SOFA и APSIII были сгенерированы калибровочные кривые с корректировкой смещения, а средняя абсолютная ошибка калибровки была зафиксирована. Анализы LOS в отделении интенсивной терапии за 3 и 10 дней и вторичные анализы ROC (смерть в больнице и 28-дневная LOS) не были внутренне валидированы, и их результаты сообщаются как очевидные (не скорректированные) и поэтому являются исследовательскими.
Ограниченные кубические сплайны (RCS) охарактеризовали связь между полярностью настроений и субъективности чувств в 7-дневном отделении интенсивной терапии, а также полярности настроений с вторичными исходами (послеоперационная инфекция, смерть в больнице, 28-дневная LOS). Шлицы оснащались с 4 узлами, расположенными на 5-м, 35-м, 65-м и 95-м процентилях воздействия, с эталонным значением, установленным на медиане. Каждый результат моделировался как бинарное событие на шкале логита. Были представлены значение p для общей ассоциации и значение p для нелинейности (тест нелинейных сплайнных терминов).
Связь между полярностью настроений и LOS в отделении интенсивной терапии была оценена с помощью обобщённых линейных моделей. Для бинарного результата (7-дневная реанимация LOS) использовалась логистическая регрессия (биномиальное семейство, логит-линк), а эффекты были представлены как коэффициенты шансов (OR) на увеличение полярности настроения на 1 стандартное отклонение (1-SD); для непрерывного исхода (LOS в отделении интенсивной терапии в днях) использовалась линейная регрессия, а эффекты отражались в виде коэффициентов регрессии (β). Было определено четыре модели априори: грубая (некорректированная) модель; Модель 1, скорректированная с учётом показателей тяжести заболевания (SOFA, APSIII); Модель 2, скорректированная с учётом исходных ковариатов по лабораторным/жизненно важным показателям и демографическим параметрам (глюкоза, альбумин, бикарбонат, средний частота сердечных сокращений в отделении интенсивной терапии, среднее систолическое артериальное давление, пол и лёгкая болезнь печени); и Модель 3, скорректированная с учётом лекарств (пропофол, фентанил, ципрофлоксацин). Поскольку лекарства могут находиться на причинном пути между тяжестью заболевания и LOS в отделении интенсивной терапии, модель 3 несёт риск чрезмерной коррекции и представлена в виде анализа чувствительности, при этом модели 1–2 считаются первичными. По всем оценкам было зарегистрировано 95% ДИ. Двустороннее p < 0,05 считалось статистически значимым.
Результаты
Информация о пациентах
В исследование было включено 267 пациентов, перенесших холецистэктомию, из которых 45 имели LOS в отделении интенсивной терапии ≥ 7 дней, а 222 пациента — LOS в отделении интенсивной терапии < 7 дней. На основе исходных количественных данных между двумя группами наблюдались различия в полярности настроения, субъективности настроения, глюкозе, альбумине, бикарбонате, SOFA, APSIII, среднем сердечном ритме в отделении интенсивной терапии и среднем систолическом артериальном давлении в отделении интенсивной терапии (Таблица 1). В группе LOS в отделении интенсивной терапии ≥ 7 дней была более высокая полярность настроений, более субъективная субъективность настроений, низкий уровень альбумина, низкий уровень бикарбоната, более высокий SOFA, более высокий APSIII, более высокий средний пульс в отделении интенсивной терапии и более низкий средний систолический артериальный давлений в отделении интенсивной терапии (все p < 0,05).
Исходные качественные данные были выявлены различия между двумя группами по полу: пропофолу, фентанилу, ципрофлоксацину и лёгким заболеваниям печени (Таблица 2). Процент мужчин в группе LOS в отделении интенсивной терапии ≥ 7 дней составлял 71,111% и женщин — 28,889%, тогда как процент мужчин в группе реанимации LOS < 7 дней составлял 53,604% и 46,396% среди женщин. В группе LOS в отделении интенсивной терапии ≥ 7 дней был более высокий процент использования пропофола (91,111% против 41,441%), фентанила (86,667% против 50,000%) и ципрофлоксацина (73,333% против 35,586%). В группе LOS≥7 дней в отделении интенсивной терапии 40,000% пациентов с лёгкой формой заболевания печени, тогда как только 18,018% пациентов в группе LOS < 7 дней имели лёгкое заболевание печени.
Анализ клинической ценности полярности настроений и субъективности настроений
Поскольку в этом исследовании изучалась корреляция между баллами настроения в записях медсестры и прогнозом, а также исходные данные показали различия между полярностью настроений и субъективность между двумя группами, дискриминативные свойства обоих для LOS в отделении интенсивной терапии были дополнительно изучены с помощью анализа ROC. В этом исследовании. LOS в отделении интенсивной терапии была разделена на 3-дневные LOS в отделении интенсивной терапии, 7-дневную и 10-дневную LOS в отделении интенсивной терапии. Как показано в Таблице 3, значения области под кривой (AUC) дискриминации по полярности настроений для 3-дневных LOS в ICU, 7-дневной и 10-дневной LOS ICU составляли соответственно 0,647 (0,571, 0,713), 0,704 (0,629, 0,777) и 0,691(0,610, 0,777) соответственно, тогда как значения AUC дискриминации субъективности настроений для трёхдневных LOS в ICU и 7-дневных LOS ICU, а 10-дневные LOS в отделении интенсивной терапии составляли соответственно 0,531 (0,456, 0,583), 0,594 (0,517, 0,664) и 0,657 (0,592, 0,728). Результаты теста Делонга показали, что эффективность полярности настроений при различении трёхдневного LOS в отделении интенсивной терапии была лучше, чем субъективность настроения (p = 0,015).
Анализ кривой принятия решений (DCA) был использован для изучения клинических чистых преимуществ полярности настроений и субъективности при различии между 3-дневной, 7-дневной и 10-дневной LOS в отделении интенсивной терапии. В DCA вероятность порога высокого риска обозначает вероятность дискриминации длительного пребывания в реанимации, когда клиницист будет равнодушен между вмешательством и отказом; Чистая выгода была сопоставлена с стратегиями «лечить все» (вмешаться в каждого пациента) и «не лечить ничего» (не вмешиваться без пациента), поэтому приведённые ниже пороговые диапазоны указывают на окно риска дискриминации, в течение которого действие по каждому показателю может быть клинически разумным. Как показано на рисунке 1A, при пороге около 0,30-0,58 клиническая польза полярности настроений для различения трёхдневного LOS в отделении интенсивной терапии была выше, чем у моделей субъективности настроения, лечить всё и не лечить. Когда порог был примерно 0,10-0,30, клиническая польза полярности настроений для дискриминации 7-дневного LOS в отделении интенсивной терапии была выше, чем у модели субъективности настроения, лечить всё и не лечить (рисунок 1B). Похожий результат был зафиксирован и при дискриминирующем 10-дневном LOS в отделении интенсивной терапии с порогом около 0,10-0,22 (рисунок 1C). Анализы ROC и DCA показали, что среди двух текстовых метрик полярность настроений обеспечивала несколько большую дискриминацию и чистую клиническую пользу, чем субъективность настроений при дискриминации LOS в отделении интенсивной терапии, особенно для 7-дневного LOS в отделении интенсивной терапии. Эти сравнения носят исследовательский характер и ограничены двумя показателями настроения; Они не утверждают, что полярность настроений превосходит установленные показатели тяжести.
Дополнительно сравнивалась дискриминационная динамика полярности настроений по сравнению с другими показателями, включая различия в исходных данных по 7-дневном LOS в отделении интенсивной терапии. Как показано в Таблице 4, значения AUC полярности настроений, субъективности настроения, глюкозы, альбумина, бикарбоната, SOFA, APSIII, отделения интенсивной терапии, среднего систолического давления в отделении интенсивной терапии, гендера, пропофола, фентанила, ципрофлоксацина и лёгких заболеваний печени в 7-дневном LOS в отделении интенсивной терапии составляли 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) соответственно. По тесту Делонга полярность настроений показала статистически более высокий AUC, чем субъективность настроений (p = 0,034) и гендер (p = 0,023). Для всех остальных сравнителей, включая клинические показатели тяжести SOFA (AUC = 0,759, p = 0,267) и APSIII (AUC = 0,752, p = 0,338) и использование пропофола (AUC = 0,726, p = 0,446), а также глюкозу, альбумин, бикарбонат, средний пульс в отделении интенсивной терапии, среднее систолическое давление в отделении интенсивной терапии, фентанил, ципрофлоксацин и лёгкое заболевание печени, различия в AUC относительно полярности настроения не были статистически значимы (все p > 0,05), независимо от того, в каком направлении была выгодна оценка точек. Хотя использование SOFA, APSIII и пропофола имело численно более высокие показатели AUC по точечной оценке, чем полярность настроения, эта числовая разница не достигла статистической значимости, а AUC в полярности настроения также не была статистически различима от ряда индикаторов с более низкими точечными оценками (например, альбумин, бикарбонат, среднее систолическое артериальное давление в отделении интенсивной терапии). В совокупности эти результаты показывают, что полярность настроений демонстрировала дискриминационную способность, которая статистически сопоставима, а не однозначно превосходящая установленные клинические показатели тяжести, при этом демонстрируя значительное преимущество по сравнению с субъективностью чувств и гендером. Поэтому ценность полярности настроений лучше представлять как конкурентную и дополняющую, а не превосходящую проверенные индексы тяжести: её главное преимущество заключается в автоматическом извлечении из рутинных медицинских заметок, обеспечивая недорогой, масштабируемый сигнал, который может дополнять, а не заменять такие инструменты, как SOFA и APSIII.
При внутренней валидации с помощью 1000 перевыборок bootstrap оптимизм был незначительным: для 7-дневного LOS ICU модель одноиндексной полярности настроения (рисунок 4A) имела оптимизм-скорректированный AUC 0,70 (видимое 0,704), с наклоном калибровки 1,06 и оценкой Бриера 0,138 (средняя абсолютная ошибка калибровки = 0,04), а модель дополнительно скорректировала для SOFA и APSIII (рисунок 4B) показала среднюю абсолютную калибровочную ошибку 0,034, что указывает на стабильность различия и адекватную калибровку; при отсутствии внешней когорты эти результаты остаются предметом исследования.
Корреляция полярности настроений и субъективности настроений с LOS в отделении интенсивной терапии
Результаты анализа RCS (рисунки 2A–B) показали, что полярность настроений показала нелинейную связь с 7-дневным LOS в отделении интенсивной терапии (p — общий = 0,002, p — нелинейный = 0,027), а субъективность настроения не имела линейной или нелинейной связи с 7-дневным LOS в отделении интенсивной терапии (p — общий = 0,205, p — нелинейный = 0,227). Результаты RCS выявили только корреляцию между полярностью настроений и LOS ICU, поэтому независимая связь между полярностью настроений и LOS в ICU с использованием обобщённой линейной регрессии была дополнительно изучена. При установке LOS в ICU как бинарной переменной (Таблица 5) полярность настроений коррелировала с LOS в ICU с корректировкой или без неё [грубая модель: OR(95%) = 1.83 (1.29, 2.61), p < 0.001; модель 1:OR(95%) = 1.75 (1.21, 2.54), p = 0.003; модель 2: OR(95%) = 2.30 (1.31, 4.03), p = 0.004; модель 3: OR(95%) = 1.63 (0.92, 2.87), p = 0.092]. Тот же результат был достигнут при установке LOS реанимации как непрерывной переменной (Таблица 5) [грубая модель: β = 17.786 (9.169, 26.404), p < 0.001; модель 1: β = 14.724 (6.287, 23.162), p = 0.001; модель 2: β = 15.963 (5.352, 26.574), p = 0.003; модель 3: β = 11.362 (0.976, 21.749), p = 0.032].
Корреляция полярности настроений с вторичными исходами (послеоперационная инфекция, смерть в больнице и 28-дневная LOS)
Корреляция между полярностью настроений и вторичными исходами была дополнительно изучена. Среди 267 пациентов послеоперационная инфекция была зарегистрирована у 38 из 267, смертность в больнице — у 36 из 267 (13,5%), а в 39 из 267 — 28-дневная больничная смерть (14,6%). Как показано на рисунке 3A–C, существовала нелинейная зависимость между полярностью настроений и смертностью в больнице (p — общая = 0,010, p — нелинейная = 0,046), тогда как между полярностью настроений и 28-дневной LOS (p — общий < 0,001, p — нелинейный = 0,217), тем не менее, полярность настроений не имела линейной или нелинейной связи с послеоперационной инфекцией (p для общего = 0,562, p для нелинейного = 0,364). На основе этих результатов анализ ROC был использован для изучения способности полярности настроений различать смертность в больнице от 28-дневной LOS. Значения полярности настроений AUC при дискриминационной смертности в больнице и 28-дневном LOS составили соответственно 0,674 (0,602, 0,755) и 0,753 (0,669, 0,847). В то же время чувствительность полярности настроений при дискриминации смертности в больнице и 28-дневном LOS составляла соответственно 0,694 (0,453, 0,896) и 0,667 (0,503, 0,959). Соответствующие специфичности составили 0,649 (0,495, 0,863) и 0,737 (0,457, 0,912), а точности — 0,672 (0,536, 0,820) и 0,733 (0,510, 0,868) соответственно (Таблица 6; все 95% ДИ получены путём перевыборки bootstrap). Поскольку количество смертей в больнице и событий за 28 дней было небольшим и не проводилось внутренней или внешней валидации, эти вторичные анализы должны рассматриваться как исследовательские и требуют подтверждения в адекватно обоснованных, валидированных и скорректированных по тяжести анализах.
ДОСТУПНОСТЬ ДАННЫХ:
MIMIC-IV — это база данных с ограниченным доступом; Информированное согласие на первоначальный сбор данных было получено от пациентов в исходных учреждениях во время планового клинического ухода и создания базы данных, тогда как данное исследование является вторичным анализом уже деидентифицированной базы данных MIMIC-IV, для которой требование дополнительного индивидуального информированного согласия было отменено. Исходные данные можно получить, пройдя обучение CITI «Исследования только с данными или образцами» и подписав Соглашение об использовании медицинских данных (https://physionet.org/content/mimiciv/) PhysioNet. Поскольку Соглашение об использовании данных MIMIC-IV запрещает перераспределение индивидуальных пациентских карт, сырые данные не могут быть размещены публично; однако деидентифицированный производный набор данных, лежащий в основе текущих анализов, вместе с полными SQL-запросами для извлечения и скриптами анализа, необходимыми для его восстановления из MIMIC-IV, был предоставлен журналу в качестве дополнительных файлов. И код извлечения данных, и исходные данные доступны в Дополнительной таблице 1 и Дополнительном файле кодирования.
Рисунок 1: Клиническая чистая польза полярности настроений и субъективности настроений при разборе 3-дневных LOS в отделении интенсивной терапии, 7-дневной и 10-дневной LOS в отделении интенсивной терапии. (A) 3-дневная LOS в отделении интенсивной терапии, (B) 7-дневная LOS в отделении интенсивной терапии, (C) 10-дневная LOS в отделении интенсивной терапии, Модель 1: полярность настроений, Модель 2: субъективность настроения. Ось x показывает вероятность высокорискового порога, а ось y — чистую выгоду. Серая линия «Все» (лечить все) предполагает, что каждый пациент считается с высоким риском, а чёрная линия «Нет» (не лечить) предполагает, что ни один пациент не лечится; Модель 1 и Модель 2 используют один индекс дискриминации (полярность настроений и субъективность настроений соответственно). Результаты были определены как LOS в отделении интенсивной терапии ≥ 3 дня (A), ≥ 7 дней (B) и ≥ 10 дней (C). N = 267. Сокращения: ICU = отделение интенсивной терапии, LOS = продолжительность пребывания. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.
Рисунок 2: Корреляция полярности настроений и субъективности настроений с LOSs в отделении интенсивной терапии. (A) полярность настроений, (B) субъективность чувств. Результатом стал 7-дневный LOS в отделении интенсивной терапии (кодируется как бинарное событие, ≥ 7 дней против < 7 дней). Сплошная линия показывает предполагаемое отношение шансов в диапазоне экспозиции, а затемненная полоса — соответствующий 95% доверительный интервал; горизонтальная пунктирная линия обозначает коэффициент шансов 1. Ограниченные кубические шлицы оснащались 4 узлами на 5-м, 35-м, 65-м и 95-м перцентилях для каждого воздействия, с эталонным значением, установленным на медиану. Модель была неотрегулирована. N = 267. Сокращения: ICU = отделение интенсивной терапии, LOS = продолжительность пребывания. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.
Рисунок 3: Корреляция полярности настроений с вторичными исходами (послеоперационная инфекция, смерть в больнице и 28-дневная LOS). (A) Послеоперационная инфекция, (B) смерть в больнице, (C) 28-дневный LOS. Послеоперационная инфекция и смерть в больнице кодировались как бинарные события; 28-дневный LOS кодировался как бинарное событие (≥ 28 дней против < 28 дней). Сплошная линия показывает оценочное отношение шансов, а затенённая полоса — 95% доверительный интервал, при этом горизонтальная пунктирная линия имеет коэффициент шансов 1. Ограниченные кубические шлицы оснащались 4 узлами на 5-м, 35-м, 65-м и 95-м процентилях полярности настроения, с эталонным значением на медиане. Модель была неотрегулирована. N = 267. Сокращения: LOS = продолжительность пребывания. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.
Рисунок 4: Калибровка моделей настроения-полярности для 7-дневного LOS в отделении интенсивной терапии, оценённая на основе 1000 перевыборок с использованием bootstrap. (A) Модель полярности настроений с индексом единого различения; (B) модель, дополнительно скорректированная для SOFA и APSIII. Пунктирная диагональ обозначает идеальную калибровку (Ideal); пунктирная линия — это явная калибровка, а сплошная — калибровка с корректировкой смещения bootstrap; Серые линии равны доверительным пределам 0,95, а график ковра показывает распределение вероятностей дискриминации. Средняя абсолютная ошибка = 0,04 (A) и 0,034 (B). N = 267. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.
| Переменная | Реанимация LOS < 7 дней (N = 222) | Отделение интенсивной терапии ≥ 7 дней (N = 45) | p |
| Полярность настроений | 0.131 [0.095,0.185] | 0.178 [0.154,0.236] | <0.001 |
| Субъективность чувств | 0.453 [0.396,0.517] | 0.487 [0.435,0.533] | 0.046 |
| Возраст (возраст) | 67.000 [57.000,77.000] | 67.000 [57.000,76.000] | 0.847 |
| ИМТ (кг/м 2) | 28.000 [25.400,33.200] | 29.000 [27.100,34.700] | 0.45 |
| Глюкоза (мг/дл) | 127.000 [103.000,158.000] | 137.000 [115.000,194.000] | 0.013 |
| Альбумин (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 |
| Анионный разрыв (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 |
| Бикарбонат (mEq/L) | 23.419 ± 4.227 | 21 778 ± 5 485 | 0.026 |
| Азот мочевины в крови (мг/дл) | 16.000 [12.000,23.000] | 20.000 [11.000,30.000] | 0.219 |
| Хлорид (mEq/L) | 105.000 [101.000,108.000] | 106.000 [100.000,109.000] | 0.214 |
| Креатинин (мг/дл) | 0.900 [0.800,1.300] | 1.100 [0.800,1.800] | 0.231 |
| Гематокрит (%) | 33.843 ± 6.179 | 32.531 ± 6.620 | 0.202 |
| Тромбоциты (K/μL) | 211.000 [155.000,287.000] | 189.000 [135.000,275.000] | 0.347 |
| Калий (mEq/L) | 4.100 [3.700,4.600] | 4.300 [3.800,4.800] | 0.393 |
| Эритроцит (м/мкл) | 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 |
| Натрий (mEq/L) | 138.000 [136.000,141.000] | 139.000 [136.000,142.000] | 0.644 |
| Лактат (ммоль/л) | 1.500 [1.100,2.200] | 1.700 [1.200,2.600] | 0.313 |
| Лимфоциты (%) | 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 |
| ДИВАН | 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 |
| Средний пульс в отделении интенсивной терапии (bpm) | 88.806 [77.708,100.161] | 95.885 [87.917,109.686] | <0.001 |
| В отделении интенсивной терапии среднее систолическое давление (мм рт. ст.) | 117.296 [106.667,127.478] | 110.259 [102.808,120.353] | 0.014 |
| В отделении интенсивной терапии среднее диастолическое давление (мм рт. ст.) | 60.133 [54.313,67.227] | 57.953 [51.000,62.278] | 0.108 |
Таблица 1: Исходная количественная информация пациентов, проходящих холецистэктомию. Сокращения: ИМТ = индекс массы тела; ALT аланинтрансаминаза; AST = аспартатаминотрансфераза; эритроцит = эритроциты; RDW = ширина распределения эритроцитов; лейкоциты = лейкоциты; CCI = индекс сопутствующих заболеваний Чарлсона; SOFA = оценка последовательной органной недостаточности; APSIII = упрощённый балл по острой физиологии III; Отделение интенсивной терапии = отделение интенсивной терапии; LOS = продолжительность пребывания.
| Переменная | Реанимация LOS < 7 дней (N = 222) | Отделение интенсивной терапии ≥ 7 дней (N = 45) | p | |
| Пол | Мужской | 119 (53.604) | 32 (71.111) | 0.031 |
| Женский | 103 (46.396) | 13 (28.889) | ||
| Гонка | Белый | 168 (77.419) | 29 (69.048) | 0.244 |
| Другие | 49 (22.581) | 13 (30.952) | ||
| Семейное положение | Женат | 107 (50.472) | 16 (37.209) | 0.113 |
| Другие | 105 (49.528) | 27 (62.791) | ||
| Курение | Нет | 214 (96.396) | 44 (97.778) | 0.64 |
| Да | 8 (3.604) | 1 (2.222) | ||
| Употребление алкоголя | Нет | 191 (86.036) | 38 (84.444) | 0.781 |
| Да | 31 (13.964) | 7 (15.556) | ||
| Пропофол | Нет | 130 (58.559) | 4 (8.889) | <0.001 |
| Да | 92 (41.441) | 41 (91.111) | ||
| Фентанил | Нет | 111 (50.000) | 6 (13.333) | <0.001 |
| Да | 111 (50.000) | 39 (86.667) | ||
| Ципрофлоксацин | Нет | 143 (64.414) | 12 (26.667) | <0.001 |
| Да | 79 (35.586) | 33 (73.333) | ||
| Левофлоксацин | Нет | 196 (88.288) | 36 (80.000) | 0.133 |
| Да | 26 (11.712) | 9 (20.000) | ||
| Гипертония | Нет | 98 (44.144) | 20 (44.444) | 0.97 |
| Да | 124 (55.856) | 25 (55.556) | ||
| Гиперлипидемия | Нет | 157 (70.721) | 36 (80.000) | 0.205 |
| Да | 65 (29.279) | 9 (20.000) | ||
| Инфаркт миокарда | Нет | 198 (89.189) | 41 (91.111) | 0.701 |
| Да | 24 (10.811) | 4 (8.889) | ||
| Застойная сердечная недостаточность | нет | 186 (83.784) | 37 (82.222) | 0.797 |
| Да | 36 (16.216) | 8 (17.778) | ||
| Цереброваскулярные заболевания | нет | 212 (95.495) | 41 (91.111) | 0.229 |
| Да | 10 (4.505) | 4 (8.889) | ||
| Деменция | нет | 220 (99.099) | 44 (97.778) | 0.443 |
| Да | 2 (0.901) | 1 (2.222) | ||
| Лёгкая болезнь печени | нет | 182 (81.982) | 27 (60.000) | 0.001 |
| Да | 40 (18.018) | 18 (40.000) | ||
| Хроническое заболевание лёгких | нет | 161 (72.523) | 37 (82.222) | 0.175 |
| Да | 61 (27.477) | 8 (17.778) |
Таблица 2: Исходная качественная информация пациентов, проходящих холецистэктомию. Сокращения: ICU = отделение интенсивной терапии, LOS = продолжительность пребывания.
| Переменная | AUC (95% ДИ) | Чувствительность (95% ДИ) | Специфичность (95% ДИ) | Точность (95% ДИ) | Оптимальный порог (95% ДИ) | Пролонг-тест p | |
| 3-дневная реанимация (LOS) | Полярность настроений | 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 |
| Субъективность чувств | 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-дневная реанимация LOS | Полярность настроений | 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 |
| Субъективность чувств | 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-дневная реанимация LOS | Полярность настроений | 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 |
| Субъективность чувств | 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) | / |
Таблица 3: Дискриминационная способность полярности настроений и субъективности настроений при различении 3-дневных LOS в отделении интенсивной терапии, 7-дневной и 10-дневной LOS в отделении интенсивной терапии. Данные — это точечные оценки с 95% ДИ в скобках. 95% ДИ для AUC рассчитывался с использованием метода Делонга; CI по чувствительности, специфичности, точности и оптимальному порогу были получены путём перевыборки с помощью bootstrap с 1000 репликами. Оптимальный порог определялся путем максимизации индекса Юдена (чувствительность + специфичность − 1); Чувствительность, специфичность и точность рассчитывались на этом пороге, при этом точность определялась как (истинные положительные + истинные отрицательные) / общая выборка. Оптимальный порог выражается на родной шкале каждой переменной (здесь шкала дискриминационной вероятности/оценки настроения). Столбец «Тест Делонга» показывает двустороннее p-значение теста Делонга для разницы между двумя парными кривыми ROC: внутри каждого порога ICU-LOS полярность настроений сравнивалась с субъективностью настроений, последняя служила эталонной кривой и отмечалась как «/». p-значение < 0,05 указывает на статистически значимую разницу в дискриминационных способностях между двумя метриками. Этот анализ был проведён у когорты из 267 пациентов. Сокращения: ICU = отделение интенсивной терапии, LOS = продолжительность пребывания, AUC = площадь под кривой, CI = доверительный интервал.
| Переменная | AUC (95% ДИ) | Чувствительность (95% ДИ) | Специфичность (95% ДИ) | Точность (95% ДИ) | Оптимальный порог (95% ДИ) | Пролонг-тест p |
| Полярность настроений | 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) | / |
| Субъективность чувств | 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 |
| Глюкоза | 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 |
| Альбумин | 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 |
| Бикарбонат | 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 |
| ДИВАН | 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 |
| Средний пульс в отделении интенсивной терапии | 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 |
| В отделении интенсивной терапии систолическое давление | 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 |
| Пол | 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 |
| Пропофол | 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 |
| Фентанил | 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 |
| Ципрофлоксацин | 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 |
| Лёгкая болезнь печени | 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 |
Таблица 4: Дискриминационная способность индикаторов, то есть различия в исходной информации, при различении 7-дневного LOS в отделении интенсивной терапии . Данные — это точечные оценки с 95% ДИ в скобках. 95% ДИ для AUC рассчитывался с использованием метода Делонга; CI по чувствительности, специфичности, точности и оптимальному порогу были получены путём перевыборки с помощью bootstrap с 1000 репликами. Оптимальный порог определялся путем максимизации индекса Юдена (чувствительность + специфичность − 1); Чувствительность, специфичность и точность рассчитывались на этом пороге, при этом точность определялась как (истинные положительные + истинные отрицательные) / общая выборка. Оптимальный порог выражается на родной шкале каждой переменной (шкала дискриминированной вероятности для оценок настроения, исходные клинические единицы для лабораторных и жизненно важных переменных, а также кодированное значение 1/2 для бинарных переменных, таких как лекарства, пол и сопутствующие заболевания). Столбец «DeLong-test» показывает двустороннее p-значение теста DeLong, сравнивая кривую ROC каждой перечисленной с полярностью настроения, которая служила эталонной моделью и отмечена как «/». Значение p < 0,05 указывает на то, что дискриминационная способность переменной значительно отличается от полярности настроений. Этот анализ был проведён в комплексной когорте из 214 пациентов. Сокращения: SOFA = оценка последовательной органной недостаточности; APSIII = упрощённый балл по острой физиологии III; Отделение интенсивной терапии = отделение интенсивной терапии; LOS = продолжительность пребывания; AUC = площадь под кривой; CI = доверительный интервал
| Установите LOS в ICU как бинарную переменную (7-дневный LOS ICU) | ||
| Модель | OR на 1-SD (95% ДИ) | p |
| Грубая модель | 1.83 [1.29, 2.61] | <0.001 |
| Модель 1 | 1.75 [1.21, 2.54] | 0.003 |
| Модель 2 | 2.30 [1.31, 4.03] | 0.004 |
| Модель 3 | 1.63 [0.92, 2.87] | 0.092 |
| Установить LOS в ICU как непрерывную переменную | ||
| Модель | β (95% ДИ) | p |
| Грубая модель | 17.786 [9.169,26.404] | <0.001 |
| Модель 1 | 14.724 [6.287,23.162] | 0.001 |
| Модель 2 | 15.963 [5.352,26.574] | 0.003 |
| Модель 3 | 11.362 [0.976,21.749] | 0.032 |
Таблица 5: Корреляция полярности настроений с LOS в отделении интенсивной терапии. Грубая модель: без изменений. Модель 1 — регулируемый SOFA, APSIII; модель 2 скорректировала глюкозу, альбумин, бикарбонат, средний пульс в отделении интенсивной терапии, средний систолический артериальный давление, пол и лёгкое заболевание печени; Модель 3 скорректировала пропофол, фентанил и ципрофлоксацин. OR выражаются при увеличении полярности настроений на 1-SD; модели с учётом ковариата (модели 2-3) были установлены 214 пациентам с полными данными по альбумину. Хотя Модель 3 корректируется только под медикаменты (пропофол, фентанил и ципрофлоксацин) и сама не включает альбумин, она была намеренно ограничена той же когортой из 214 пациентов с полным случаем, что и Модель 2, чтобы две скорректированные модели оценивались на идентичной выборке и были напрямую сопоставимы; грубая модель и модель 1 были установлены на полном наборе из 267 пациентов. Сокращения: ICU = отделение интенсивной терапии, LOS = продолжительность пребывания, CI = доверительный интервал, OR = отношение шансов.
| Индекс | Смерть в больнице | 28-дневный LOS |
| AUC (95% ДИ) | 0.674 (0.602,0.755) | 0.753 (0.669,0.847) |
| Чувствительность (95% ДИ) | 0.694 (0.453,0.896) | 0.667 (0.503,0.959) |
| Специфичность (95% ДИ) | 0.649 (0.495,0.863) | 0.737 (0.457,0.912) |
| Точность (95% ДИ) | 0.672 (0.536,0.820) | 0.733 (0.510,0.868) |
| Оптимальный порог (95% ДИ) | 0.162 (0.148,0.209) | 0.178 (0.129,0.216) |
Таблица 6: Дискриминационная способность полярности настроений при дискриминации смертей в больнице и 28-дневной LOS. Значения представляют собой точечные оценки с 95% ДИ в скобках (AUC по методу Делонга; чувствительность, специфичность и точность с помощью бутстрэп-ресэмплинга). Количество событий: смерть в больнице, n = 36/267; 28-дневный LOS ≥ 28 дней, n = 39/267. Сокращения: CI = доверительный интервал; AUC = площадь под кривой; LOS = продолжительность пребывания.
Дополнительная таблица 1: Исходные данные. Деидентификационные исходные данные, использованные в исследовании. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный файл кодирования: файл для кодирования. Коды, используемые для запуска анализа. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Обсуждение
В этом исследовании провёл ретроспективный анализ базы данных MIMIC-IV и было отмечено, что полярность настроений демонстрирует большую дискриминацию и чистую клиническую пользу, чем субъективность настроений. Полярность настроений была связана и демонстрировала умеренную дискриминационную способность для 7-дневного LOS в отделении интенсивной терапии, а полярность настроений была независимо связана с LOS в отделении интенсивной терапии, а также с больничной смертью и 28-дневной LOS.
В этом исследовании было установлено, что полярность настроений связана с прогнозом. Во многих исследованиях были обнаружены похожиесвязи 25. Исследование прогноза у пациентов с сепсисом показало, что по сравнению с группой выживаемости 30-дневная смертность у пациентов имела меньшую полярность чувств и субъективность чувств. Как полярность настроений, так и субъективность настроений влияли на факторы 30-дневной смертности пациентов с сепсисом, а AUC модели прогностического индекса, включая субъективность настроений и эмоциональную полярность, составляла 0,78 (0,74-0,81), что указывает на связь полярности настроений и субъективности настроений с 30-дневной смертностью пациентов ссепсисом 26. Похожие результаты были получены в другом исследовании пациентов ссепсисом 18. В исследовании пациентов с острым панкреатитом было установлено, что среднее значение эмоциональной полярности является фактором, влияющим на смерть в больнице у пациентов с острым панкреатитом, а показатели дискриминации модели с эмоциональной полярностью были лучше, чем без среднего показателя эмоциональной полярности, а также по шкале SOFA иSAPS-II типа 12. Полярность настроений в медсестринских записях также различает риск паденияпациентов на 27 лет. Полярность настроений была связана с LOS в отделении интенсивной терапии, смертью в больнице и 28-дневным LOS у этих пациентов с холецистэктомией, а также проявляла умеренную дискриминацию для 7-дневного LOS в отделении интенсивной терапии. В итоге, оценки настроения, основанные на медсестринских заметках, были тесно связаны с прогнозом многих заболеваний, и больше внимания уделяется влиянию оценок чувств из записок медсестёр на прогноз пациентов в последующихисследованиях 26.
Медсестринские заметки включают потребности в уходе, симптомы болезни, меры сестринского ухода и такдалее 28. Помимо оценок сентиментальности в медицинских записях, другая информация может использоваться для различия прогноза пациента, риска заболеваний и т.д. Учёные собрали сводку по выписке и записи по сестринскому уходу пациентов с сердечной недостаточностью с 1 июня 2015 года по 31 декабря 2019 года и проанализировали данные с помощью пакета Orange3. Было установлено, что медсестринские записи, как аналитическая единица, вполне могут различать 30-дневную повторную госпитализацию (медсестринские записки AUC=0,85, сводка выписки AUC=0,74)29. Алгоритм обработки естественного языка был использован для извлечения информации, связанной с инфекциями мочевыводящих трактов, из записей по сестринскому делу и для разработки усовершенствованной моделираспознавания 30. Все вышеуказанные исследования указывают на необходимость дальнейшего изучения клинической ценности медсестринских заметок.
В частности, направление ассоциации, наблюдаемого в данном исследовании, где повышенная полярность настроений была связана с более длительным LOS в отделении интенсивной терапии, повышенным риском смерти в больнице и более длительным 28-дневным LOS, кажется нелогичным и отличается от некоторых более ранних отчетов, в которых меньшая полярность была связана с худшимиисходами 18,26. Несколько невзаимоисключающих объяснений могут объяснять этот вывод. Во-первых, балл полярности вычислялся с помощью универсального лексикона настроений, словарный запас которого лишь частично пересекается с клиническим языком; Лексическое покрытие таких методов в заметках интенсивной терапии низкое (около 5–20% слов), а их достоверность в медицинских текстах сильно варьируется. Таким образом, оценка определяется небольшим набором слов и может не отражать истинную клиническую валентность ноты. Во-вторых, балл полярности может вызывать замешательство из-за тяжести заболевания и интенсивности ухода. Более тяжело больные пациенты, как правило, документируются чаще и более подробно, проходят больше процедур, получают больше медикаментов и требуют более сложного сестринского ухода; Этот длинный и более разнородный текст может смещать вычисленную полярность независимо от подлинного оптимизма со стороны медсестры, делающей документирование, одновременно ассоциируясь с более длительным пребыванием и повышенным риском смерти. В этом смысле полярность настроений может частично служить суррогатом объёма документации и клинической сложности, а не лично настроением клинициста. Эти механизмы соответствуют ретроспективному, наблюдательному дизайну данного исследования и указывают на то, что связь следует рассматривать как статистический сигнал, требующий подтверждения в проспективных, скорректированных по тяжести анализах, а не как доказательство прямого причинного пути.
Реанимация — ценный ресурс. Расходы на госпитализацию в реанимации были высоки, а ресурсыограничены 31. Существует несколько факторов, влияющих на LOS в отделении интенсивной терапии, таких каквозраст 32 года и клиническийанамнез 33. Большинство этих факторов проявляются до или в течение 24 часов после поступления в реанимацию и не проходят через весь ретроспективный LOS пациента, в то время как медсестринские заметки формируются на протяжении всего пребывания в реанимации. Однако следует подчеркнуть, что анализируемая здесь полярность настроений — это текстовая особенность, автоматически извлекаемая из медсестринских заметок с помощью универсального инструмента обработки естественного языка (TextBlob), а не валидированная мера реального эмоционального состояния или отношения клиницистов. Готовые инструменты для анализа настроений показали плохое отражание клинически значимой полярности в медицинских нарративах и с весьма варьирующейдостоверностью 34,35. Более высокий балл полярности на уровне текста, таким образом, нельзя приравнивать к более позитивному настроению врачей или медсестёр. Кроме того, поскольку этот анализ носит ретроспективный и наблюдательный, связь между полярностью настроений и LOS в отделении интенсивной терапии является корреляционной и не доказывает, что намеренное изменение отношения клиницистов сократит LOS в отделении интенсивной терапии. Вместо того чтобы предписывать персоналу определённую эмоциональную позицию, результаты исследования показывают, что чувства, заложенные в рутинных медсестринских записях, содержат прогностическую информацию, которая может служить дополнительным маркером для стратификации рисков и заслуживает дальнейшего изучения.
У этого исследования есть несколько ограничений. Во-первых, и самое важное, текст, используемый для оценки настроений, — это больничный документ для первого поступления каждого пациента по индексу. В конце поступления составляется документ, который, по замыслу, описывает весь курс госпитализации, включая продолжительность пребывания, процедуры, осложнения и расположение по выписке. Таким образом, оценка настроений не измерялась до начисления результатов, а была извлечена из документа, который уже кодирует сами результаты. Поскольку документ является единым документом для окончания срока пребывания, нельзя определить более раннее окно извлечения, предшествующее начислению результатов, и провести анализ знаков или чувствительность раннего окна невозможен. Эта временная зависимость между текстом и результатами не может быть устранена с учётом структуры данных и применима ко всем четырём результатам. Соответственно, описанные здесь ассоциации следует интерпретировать как описательные и генерирующие гипотезы, а не как доказательство того, что настроение является независимым или перспективно измеримым прогностическим фактором. Во-вторых, поскольку это ретроспективное исследование, его возможности по установлению причинности ограничены. Некоторые факторы, которые могли повлиять на результаты, особенно объективные показатели тяжести заболевания (например, SOFA или SAPS-II), а также объём и сложность документации источников, не были включены. Поэтому нельзя исключать возможность обратной причинности и остаточного замешательства: пациенты с более высокой тяжестью заболевания и длительными пребываниями в реанимации, как правило, создают более длительные и более сложные документы, в которых фиксируется больше клинических вмешательств, поэтому измеренная полярность настроений может частично служить показателем тяжести заболевания или интенсивности документации, а не как по-настоящему независимый прогностический фактор. Кроме того, несколько клинически значимых факторов, включая операционную сложность, интраоперационные осложнения, время и признаки госпитализации в отделение интенсивной терапии, а также статус делирия или седации, не были полностью зафиксированы и могли повлиять как на документацию, так и на результаты. В-третьих, оценки настроений были извлечены с помощью TextBlob — универсального инструмента, который не был разработан для клинической речи и не был проверен в клинической документации; Он может неправильно классифицировать терминологию, специфичную для области, и недостаточно учитывает отрицания, сокращения или клинический контекст. Кроме того, в этом исследовании не было подтверждения против ручного рассмотрения или клинического ориентира НЛП. Следовательно, метрика полярности настроений может отражать лингвистические закономерности, коррелирующие с тяжестью заболевания, а не с истинным эмоциональным содержанием текста. В-четвёртых, хотя препараты были установлены на ранних сроках (в первые 24 часа после поступления в реанимацию) для снижения обратной причинности, применение антимикробных препаратов, таких как ципрофлоксацин, может концептуально пересекаться с инфекционными исходами, и остаточное замешательство по показаниям полностью исключить нельзя. В-пятых, у 50 пациентов (19%) отсутствовал сывороточный альбумин; Исходный альбумин, таким образом, отражает доступные случаи, и ковариатно-скорректированные регрессионные модели (модели 2–3) были установлены на 214 пациентах с полными данными.
Будущие работы должны использовать клинически адаптированные методы обработки естественного языка, такие как доменно-адаптированные модели трансформеров, обученные на аннотированных клинических корпусах, для повышения достоверности измерения настроения, а также использовать проспективные дизайны с текстом, зафиксированным в определённом окне до начисления результата, с адекватной корректировкой по тяжести и процедурным запутаниям, чтобы лучше распутать любой независимый прогностический вклад клинического текста.
В этой ретроспективной когорте пациентов, перенесших холецистэктомию, которые имели LOS в отделении интенсивной терапии ≥ 24 часа, полярность настроений, полученная из записей медсестёр, была связана с LOS в отделении интенсивной терапии, смертью в больнице и 28-дневным LOS. В этой выборке полярность настроений также показала относительно большую дискриминационную эффективность и чистую клиническую пользу, чем субъективность настроения. Эти результаты являются исследовательскими и генерирующими гипотезы; Учитывая наблюдательный дизайн, они не устанавливают причинно-следственной связи, и потенциальная клиническая ценность чувств медсестринских записей требует дальнейшего изучения в более крупных, перспективных и внешне валидированных исследованиях до того, как можно будет рекомендовать любое дискриминационное применение.
Раскрытие информации
Авторы не сообщают о конфликте интересов.
Благодарности
Не применимо.
Материалы
| Имя | Компания | Каталожный номер | Комментарии |
|---|---|---|---|
| boot (пакет R) | CRAN; https://cran.r-project.org/package=boot | 1.3-30 | Внутренняя проверка на основе бутстрап-пересчета с 1000 повторениями (метрики с коррекцией оптимизма) |
| Программное обеспечение G*Power | http://www.gpower.hhu.de/ | 3.1.9.7 | Рассчет размера выборки |
| MIMIC-IV (Medical Information Mart for Intensive Care IV) | PhysioNet; https://physionet.org/content/mimiciv/ | 3.1 | Источник базы данных критической помощи; извлечение когорты холецистэктомии, демографических данных, лабораторных показателей, жизненных показателей, оценок тяжести состояния и исходов |
| PostgreSQL | https://www.postgresql.org/ | 18.4 | Извлечение данных |
| pROC (пакет R) | CRAN; https://cran.r-project.org/package=pROC | 1.18.5 | Построение ROC-кривой, оценка AUC и тест DeLong для сравнения AUC |
| Python | Python Software Foundation; https://www.python.org | 3.6.4 | Оценка настроения на основе естественного языка |
| R | R Foundation for Statistical Computing; https://www.r-project.org | 4.3.0 | Статистический анализ |
| rmda (пакет R) | CRAN; https://cran.r-project.org/package=rmda | 1.6 | Анализ кривых решений (чистая выгода по порогам риска) |
| rms (пакет R) | CRAN; https://cran.r-project.org/package=rms | 6.7-0 | Моделирование ограниченных кубических сплайнов (RCS) для нелинейных дозировочно-реакционных связей |
| TextBlob | Открытый исходный код; https://textblob.readthedocs.io | 0.15.1 | Вычисление полярности настроения и субъективности на основе текста медицинских записей |