XiaoMi-AI文件搜索系统
World File Search System危重
颅内压变异性作为危重患者颅内高压和死亡率的预测指标的作用
目的颅内压 (ICP) 监测是追踪神经外科患者的一种广泛使用且必不可少的工具，但仅使用基于 ICP 的范例来指导管理有局限性。有人提出，除了平均 ICP 之外，ICP 变异性 (ICPV) 可能是神经系统结果的有用预测指标，因为它代表了完整脑压自动调节的间接测量。然而，目前关于 ICPV 适用性的文献显示 ICPV 和死亡率之间存在相互矛盾的关联。因此，作者旨在使用 eICU 协作研究数据库 2.0 版研究 ICPV 对颅内高压发作和死亡率的影响。方法作者从 eICU 数据库中提取了 868 名神经外科患者的 1,815,676 个 ICP 读数。使用两种方法计算 ICPV：滚动标准差 (RSD) 和滚动平均值的绝对偏差 (DRM)。颅内高压发作定义为在任何 30 分钟的时间窗口中至少有 25 分钟的 ICP > 22 毫米汞柱。使用多元逻辑回归计算平均 ICPV 对颅内高压和死亡率的影响。使用具有长短期记忆的循环神经网络对 ICP 和 ICPV 进行时间序列预测，以预测未来的颅内高压发作。结果使用两种 ICPV 定义，较高的平均 ICPV 与颅内高压显着相关（RSD：aOR 2.82，95% CI 2.07–3.90，p < 0.001；DRM：aOR 3.93，95% CI 2.77–5.69，p < 0.001）。 ICPV 与颅内高压患者的死亡率显著相关（RSD：aOR 1.28，95% CI 1.04–1.61，p = 0.026，DRM：aOR 1.39，95% CI 1.10–1.79，p = 0.007）。在机器学习模型中，两种定义的 ICPV 均取得了同样好的结果，DRM 定义在 20 分钟内获得的最佳 F1 得分为 0.685 ± 0.026，曲线下面积为 0.980 ± 0.003。结论作为神经监测的一部分，ICPV 可作为预测神经外科重症监护中颅内高压发作和死亡率的辅助手段。进一步研究使用 ICPV 预测未来的颅内高压发作可能有助于临床医生对患者的 ICP 变化做出迅速反应。
危重患者的脓毒症临床表型
摘要：脓毒症是一种危及生命的宿主对感染的反应失调，会导致器官功能障碍，被认为是全球死亡的主要原因之一，尤其是在重症监护病房 (ICU)。此外，脓毒症仍然是一种神秘的临床综合征，其复杂的病理生理学尚未完全了解，并且在临床表现、患者对目前可用的治疗干预和结果的反应方面都存在很大的异质性。这种异质性是我们寻求改善脓毒症重症监护患者治疗的主要障碍；因此，识别临床表型是绝对必要的。虽然这可能被视为一项极其困难的任务，但如今，人工智能和机器学习技术可以用来量化脓毒症人群中个体之间的相似性，并将它们区分为不同的表型，不仅在温度、血流动力学或器官功能障碍类型方面，而且在液体状态/反应性、ICU 中的轨迹和结果方面。希望我们最终能够确定从治疗干预中受益的脓毒症患者亚群，以及在疾病过程中应用干预的正确时机。
通过逆转录定量PCR验证参考基因稳定性在COVID-19危重疾病患者的外周血中的逆转录定量PCR
1加拿大多伦多大学多伦多大学梅蒂医学院重症监护医学部门 1多伦多，多伦多，加拿大安大略省，加拿大，圣迈克尔医院5号，统一健康医院，多伦多，多伦多，多伦多，加拿大，加拿大，加拿大，加拿大，纳哈里亚州加利利医学中心6个重症监护室，纳哈里亚纳哈里亚，教学学院7学院，是多伦多，多伦多大学医学院，多伦多大学医学院，多伦多大学，多伦多，科学院。多伦多，多伦多，安大略省，加拿大1多伦多，多伦多，加拿大安大略省，加拿大，圣迈克尔医院5号，统一健康医院，多伦多，多伦多，多伦多，加拿大，加拿大，加拿大，加拿大，纳哈里亚州加利利医学中心6个重症监护室，纳哈里亚纳哈里亚，教学学院7学院，是多伦多，多伦多大学医学院，多伦多大学医学院，多伦多大学，多伦多，科学院。多伦多，多伦多，安大略省，加拿大
治疗危重患者革兰氏阴性严重感染的抗生素治疗策略：叙述性综述
1 意大利布雷西亚大学 ASST Valcamonica 急诊科、ICU 部及外科手术室，25043 Breno 2 意大利罗马涅 AUSL Umberto I 医院，48022 Lugo 3 意大利米兰 20142 ASST Santi Paolo Carlo 急诊科、ICU 部 4 意大利米兰 Fatebenefratelli Sacco 大学医院临床药理学部，Via GB Grassi 74，20157 Milan 5 意大利布雷西亚 25123 ASST Valcamonica 急诊外科和医学部 6 意大利布雷西亚 25123 ASST Valcamonica 临床病理学和微生物学实验室 7 意大利布雷西亚 25123 ASST Valcamonica 医学理事会、感染控制部 8 意大利布雷西亚大学医学和外科专业系、放射科学和公共卫生部25123 意大利布雷西亚 * 通信地址：alberto.corona@asst-valcamonica.it † 这些作者对这项工作做出了同等贡献。
危重患者Covid-19和糖尿病患者死亡率的预测
COVID-19大流行对整个世界挑战，糖尿病患者（DM）受到了特别影响。我们的目的是评估患有COVID-19和Comorbid DM的重症患者的住院第30天期间死亡率的预测因子。这项前瞻性研究包括110名患有COVID-19感染的重症患者。32名（29％）患者先前诊断为DM。在重症监护室（ICU）入院后，评估了临床变量，实验室测试和血管生物标志物，例如VCAM-1，Syndecan-1，ICAM-1，Angiopoietin-1和Angiopoeitin-2。在患有和没有DM的患者之间进行了比较。两组之间没有观察到死亡率的差异（48.7 vs 46.9％，p = 0.861）。在多元COX回归分析中，ICU入院时的VCAM-1水平（HR：1 [1-1.001]，P O 0.006）与DM患者的死亡有关。在DM，高龄患者中（HR 1.063 [1.031 - 1.096]，P O 0.001），ANG-2/ANG-1比率增加（HR：4.515 [1.803 - 11.308] p = 0.001），以及dia lysis的需求（HR：HR：3.489 [1.489 [1.489 [1.489 - 8.642]，evers ways ways ways ways ways ways ways ways ways ways at prethate at prethate at pertair at prethate at prethate at prethate way way way aveverateDM患者的VCAM-1水平较高，可以更好地预测严重的Covid-19和合并症DM的患者的死亡，并且它们的截止值对整理预后较差的患者有用。血管生物标志物VCAM-1和ANG-2/ANG-1比是严重Covid-19和Comorbid DM的患者以及没有DM的患者的死亡预测指标。此外，肾脏损伤与死亡风险增加有关。
原创研究 美罗培南在危重患者中的药代动力学和目标达成情况
目的：本研究旨在研究美罗培南在危重患者中的药代动力学和靶标达成情况，并比较美罗培南给药方案的效果。患者和方法：分析了重症监护室使用美罗培南的 37 例危重患者。根据患者肾功能对患者进行分类。基于贝叶斯估计评估药代动力学参数。特别关注 40%fT>MIC（游离浓度超过最低抑菌浓度的时间分数）和 100%fT>MIC 的靶标达成情况，病原体 MIC 为 2 mg/L 和 8 mg/L。此外，还比较了标准给药（1g 美罗培南，每 8 小时静脉输注 30 分钟）和非标准给药（标准给药以外的给药方案）的效果。结果：结果显示，美罗培南清除率（CL）、中心分布容积（V1）、室间清除率（Q）和外周分布容积（V2）分别为3.3 L/h、9.2 L、20.1 L/h和12.8 L。不同肾功能组患者的CL有显著差异（p < 0.001）。病原菌MIC为2 mg/L和8 mg/L的两个目标达标率分别为89%、73%、49%和27%。重度肾功能不全组的目标达标率高于其他组。标准剂量达到40%fT>2/8 mg/L的目标（分别为85.7%和81%），重度肾功能不全患者达到40%fT>MIC的目标分数为100%。此外，标准剂量组和非标准剂量组在目标达成率方面没有显著差异。结论：我们的研究结果表明，肾功能是美罗培南药代动力学参数和目标达成率的重要协变量。标准剂量组和非标准剂量组之间的目标达成率不可比。因此，如果有条件，治疗药物监测在危重患者剂量调整中是必不可少的。关键词：美罗培南，危重患者，药代动力学，治疗药物监测
危重疾病中的人工智能及其对患者护理的影响：全面回顾
人工智能 (AI) 具有巨大潜力，可以改善重症监护领域并改善患者治疗效果。本文概述了 AI 在重症疾病中的当前和未来应用及其对患者护理的影响，包括其在感知疾病、预测病理过程变化和协助临床决策方面的应用。为实现这一目标，重要的是确保 AI 生成的建议背后的推理是可理解和透明的，并且 AI 系统在危重患者护理中的设计是可靠和强大的。必须通过研究和开发质量控制措施来解决这些挑战，以确保 AI 以安全有效的方式使用。总之，本文强调了 AI 在重症监护中的众多机会和潜在应用，并为该领域的未来研究和开发提供了指导。通过实现对疾病的感知、预测病理过程的变化并协助解决临床决策，AI 有可能彻底改变危重患者的护理并提高卫生系统的效率。
危重病人的诊断和预后脑电图分析：一项深度学习研究
脑电图 (EEG) 的视觉解释非常耗时、可能缺乏客观性并且仅限于人类可检测到的特征。基于计算机的方法，尤其是深度学习，可以克服这些限制。然而，大多数深度学习研究都集中在特定问题或单一病理上。在这里，我们探索了深度学习在基于 EEG 的诊断和预后评估中对各种病因的急性意识障碍 (ACI) 患者的潜力。我们回顾性分析了来自一项随机对照试验 (CERTA，NCT03129438) 的 358 名成年人的 EEG。卷积神经网络用于预测临床结果（基于生存率或最佳大脑性能类别）并确定病因（四种诊断类别）。最大概率输出作为网络对其预测的信心的标志（“确定性因子”）；我们还系统地将预测与原始 EEG 数据进行了比较，并使用可视化算法 (Grad-CAM) 来突出显示判别模式。当考虑所有患者时，预测生存率的受试者工作特征曲线下面积 (AUC) 为 0.721，基于最佳 CPC 预测结果的受试者工作特征曲线下面积为 0.703；对于确定性因素 ≥ 60% 的患者，AUC 分别增加至 0.776 和 0.755；对于确定性因素 ≥ 75% 的患者，AUC 分别增加至 0.852 和 0.879。预测病因的准确率为 54.5%；对于确定性因素为 50%、60% 和 75% 的患者，准确率分别增加至 67.7%、70.3% 和 84.1%。视觉分析表明，该网络学习了人类专家通常识别的 EEG 模式，并提出了新的标准。这项工作首次展示了基于深度学习的 EEG 分析在患有各种病因的 ACI 的危重患者中的潜力。确定性因素和输入数据与预测的事后相关性有助于更好地表征该方法并为未来在临床常规中的实施铺平道路。
危重病人的血糖控制：少即是多
此外，高血糖本身会诱导炎症细胞因子 (IL-6、IL-8 和 TNF-alpha) 和活性氧的产生。10 它还会削弱中性粒细胞的趋化作用和杀菌活性。11 此外，高血糖和高胰岛素血症已被证明会增加组织促凝活性，从而可能加重促凝状态。12 这些机制可能解释了高血糖所观察到的不良结果。最初的单中心随机临床试验 (RCT) 针对空腹血糖水平范围 (80-110 mg/dL) 的强化胰岛素治疗 (称为鲁汶试验) 发现了显著的死亡率和发病率益处，13,14 这一策略得到了普及。然而，随后的多中心 RCT 15–17 未能重复这些结果，并且大型
BNT162b2 疫苗对抗击危重新冠的有效性 - ...
方法我们采用病例对照、测试阴性设计来评估疫苗对 Covid-19 的有效性，这些有效性导致住院、进入重症监护病房 (ICU)、使用生命支持干预措施（机械通气、血管加压药和体外膜氧合）或死亡。2021 年 7 月 1 日至 10 月 25 日期间，我们在 23 个州的 31 家医院筛查了经实验室确诊的 Covid-19 符合条件的病例患者的入院日志。我们通过比较病例患者之前完全接种疫苗（两剂 BNT162b2）的几率以及两个基于医院的对照组来估计疫苗有效性：有 Covid-19 样症状但 SARS-CoV-2 检测结果为阴性的患者（测试阴性）和没有 Covid-19 样症状的患者（综合征阴性）。