XiaoMi-AI文件搜索系统
World File Search System急诊
理解和解释急诊医学中的人工智能、机器学习和深度学习
2015 年至 2021 年间，MEDLINE 索引中涉及急诊和急救护理中 AI 的出版物超过 500 篇，其中超过一半是在过去 2 年内发表的。人们认识到 AI 技术可以在 ED 决策、工作流程和运营中发挥重要作用。2–4 然而，由于对非结构化且通常不透明的报告、不适当的算法选择、代理偏差、数据隐私和安全的担忧，人们呼吁制定更好的标准来开展和报告涉及 AI 的研究。5–9 对于执业的 ED 临床医生来说，这将有助于在模型部署或推广之前解释和理解 AI 研究。本文旨在为临床医生和研究人员提供入门知识，帮助他们了解与 EM 相关的常见 AI 方法，并提供解释 AI 研究的框架。配套论文更详细地探讨了 EM 环境中的 AI 模型构建流程。
COVID-19 辉瑞-BioNTech BNT162b2 mRNA 疫苗在预防 5-17 岁非免疫功能低下的儿童和青少年中与 COVID-19 相关的急诊和紧急护理就诊以及住院治疗方面的有效性 — VISION 网络，10 个州，2021 年 4 月至 2022 年 1 月
在包括 5-11 岁、12-15 岁和 16-17 岁儿童和青少年的临床试验中，BNT162b2（辉瑞-BioNTech）疫苗对实验室确诊的 COVID-19 的有效率超过 90%（1-3）。关于 12-17 岁人群（本报告中称为青少年）两剂 mRNA 疫苗有效性（VE）的有限现实世界数据也表明，对 SARS-CoV-2（导致 COVID-19 的病毒）感染和 COVID-19 相关住院治疗具有高水平的保护作用（4-6）；然而，关于针对 SARS-CoV-2 B.1.1.529（Omicron）变体的 VE 和保护持续时间的数据有限。辉瑞-BioNTech VE 数据不适用于 5-11 岁的儿童。 VISION 网络* 与 CDC 合作，调查了 2021 年 4 月 9 日至 2022 年 1 月 29 日期间在 10 个州患有 COVID-19 样疾病的 5-17 岁人群中的 39,217 次急诊科 (ED) 和紧急护理 (UC) 就诊情况以及 1,699 次住院情况†，§ 使用病例对照检测阴性设计估算 VE。在 5-11 岁的儿童中，第 2 剂接种后 14-67 天（该年龄组第 2 剂接种后最长间隔）经实验室确诊的 COVID-19 相关 ED 和 UC 就诊的 VE 为 46%。在 12-15 岁和 16-17 岁的青少年中，第 2 剂接种后 14-149 天的 VE 分别为 83% 和 76%；第 2 剂接种后 ≥150 天的 VE 分别为 38% 和 46%。在 16-17 岁的青少年中，接种第 3 剂（加强剂量）后 ≥7 天 VE 增至 86%。
急诊医学中的人工智能：优势、风险和建议
□ 摘要—背景：人工智能 (AI) 可以描述为使用计算机执行以前需要人类认知的任务。美国医学会更喜欢使用“增强智能”而不是“人工智能”这一术语，以强调计算机在提高医生技能方面的辅助作用，而不是取代它们。近年来，人工智能与急诊医学和整个临床实践的整合有所增加，而且这种趋势可能会持续下去。讨论：人工智能已证明对医生和患者有巨大潜在益处。这些好处正在将治疗关系从传统的医患二元关系转变为三元医生-患者-机器关系。然而，新的人工智能技术需要仔细审查、法律标准、患者保障和提供者教育。急诊医生 (EP) 应该认识到人工智能的局限性和风险以及其潜在好处。结论：EP 必须学会与人工智能合作，而不是屈服于人工智能。事实证明，人工智能优于或与某些医生技能相当，例如解读射线照片和根据视觉线索做出诊断，例如皮肤癌。人工智能可以提供认知辅助，但 EP 必须在个别患者的临床背景下解读人工智能结果。他们还必须倡导患者保密、专业责任保险以及受过专业培训的 EP 的重要作用。© 2022 由 Elsevier Inc. 出版。
在 Delta 和 Omicron 变异株流行期间，第三剂 mRNA 疫苗对成人 COVID-19 相关急诊和紧急护理就诊及住院的有效性 — VISION 网络，10 个州，2021 年 8 月至 2022 年 1 月
近几个月来，对 COVID-19 mRNA 疫苗有效性 (VE) 的估计值有所下降 (1、2)，原因是疫苗诱导的免疫力随着时间的推移而减弱*，SARS-CoV-2 变体可能增强了免疫逃避能力 (3)，或者这些因素与其他因素共同作用。CDC 建议所有年龄 ≥12 岁的人在接种第二剂 mRNA 疫苗 ≥5 个月后接种第三剂 (加强剂) mRNA 疫苗，免疫功能低下的个人则应接种第三剂基础疫苗。† 第三剂 BNT162b2（辉瑞-BioNTech）COVID-19 疫苗可提高中和抗体水平 (4)，以色列最近进行的三项研究表明，第三剂疫苗在预防与 SARS-CoV-2 B.1.617.2（Delta）变体感染相关的 COVID-19 方面具有更高的有效性 (5-7)。然而，关于美国第三剂 COVID-19 mRNA 疫苗在现实世界中的有效性的数据有限，尤其是自 2021 年 12 月中旬 SARS-CoV-2 B.1.1.529（Omicron）变体占据主导地位以来。VISION 网络 § 通过分析来自 383 个急诊科 (ED) 和紧急护理 (UC) 诊所的 222,772 次就诊和来自 87,904 次住院治疗，对 VE 进行了检查
对急诊入院的人工智能驱动的 COVID-19 分类进行真实世界评估：无实验室和高通量筛查解决方案的外部验证和操作评估 Andrew AS Soltan 博士 MB BChir 1,2 Jenny Yang MSc 3 Ravi Pattanshetty 博士 FRCEM 1 Alex Novak 博士 FRCEM 1 Yang Yang 博士 DPhil 3 Omid Rohanian 博士 PhD 3 Sally Beer 1 Marina A. Soltan 博士 MRCP 5,6 David R. Thickett 教授 FRCP 5,6 Rory Fairhead 博士 BA 4 CURIAL 转化合作组织 Tingting Zhu 博士 DPhil 3 David W. Eyre 教授 DPhil 1,7,8 David A. Clifton 教授 DPhil 3 附属机构：
摘要背景患者 COVID-19 状态的不确定性导致治疗延迟、院内传播和医院的运营压力。但是，批量处理的实验室 PCR 测试的典型周转时间仍然为 12-24 小时。尽管快速抗原横向流动检测 (LFD) 已在英国急救环境中得到广泛采用，但灵敏度有限。我们最近证明，AI 驱动的分类 (CURIAL-1.0) 可以使用抵达医院后 1 小时内常规获得的临床数据进行高通量 COVID-19 筛查。在这里，我们旨在确定与标准护理相比的运营和安全性改进，使用针对通用性和速度优化的更新算法在四个 NHS 信托机构中进行外部/前瞻性评估，并在英国急诊室部署一种新的无实验室筛查途径。方法我们对 CURIAL-1.0 中的预测因子进行了合理化，以分别优化通用性和速度，开发了具有生命体征和常规实验室血液预测因子（FBC、U&E、LFT、CRP）的 CURIAL-Lab 以及仅具有生命体征和 FBC 的 CURIAL-Rapide。在训练期间，模型被校准到 90% 的灵敏度，并针对朴茨茅斯大学医院、伯明翰大学医院和贝德福德郡医院 NHS 信托的非计划入院情况进行了外部验证，并在英国 COVID-19 疫情第二波期间在牛津大学医院 (OUH) 进行了前瞻性验证。使用首次进行的血液测试和生命体征生成预测值，并与确认性病毒核酸检测进行比较。接下来，我们回顾性评估了一种新的临床途径，将患者分类到模型预测或 LFD 结果为阳性的 COVID-19 疑似临床区域，并将灵敏度和 NPV 与单独的 LFD 结果进行比较。最后，我们部署了 CURIAL-Rapide 和经批准的即时诊断 FBC 分析仪（OLO；SightDiagnostics，以色列），在约翰拉德克利夫医院急诊科（英国牛津）提供无需实验室的 COVID-19 筛查，这是信托机构认可的服务改进。我们的主要改进结果是获得结果的时间可用性；次要结果是根据 PCR 参考标准评估的敏感性、特异性、PPV 和 NPV。我们将 CURIAL-Rapide 的性能与标准护理中的临床医生分诊和 LFD 结果进行了比较。结果 72,223 名患者符合外部和前瞻性验证站点的资格标准。各信托机构的模型性能一致（CURIAL-Lab：AUROC 范围 0.858-0.881；CURIAL-Rapide 0.836-0.854），朴茨茅斯大学医院的灵敏度最高（CURIAL-Lab：84.1% [95% Wilson 评分 CIs 82.5-85.7]；CURIAL-Rapide：83.5% [81.8 - 85.1]），特异性为 71.3%（95% Wilson 评分 CIs：70.9 - 71.8）和 63.6%（63.1 - 64.1）。对于 2021 年 12 月 23 日至 2021 年 3 月 6 日期间在 OUH 入院常规护理中接受 LFD 分诊的 3,207 名患者，联合临床路径将灵敏度从 56 提高。仅 LFD 为 9%（95% CI 51.7-62.0），而 CURIAL-Rapide 为 88.2%（84.4-91.1；AUROC 0.919），CURIAL-Lab 为 85.6%（81.6-88.9；AUROC 0.925）。2021 年 2 月 18 日至 2021 年 5 月 10 日期间，520 名患者前瞻性地接受了即时临床 FBC 分析，其中 436 名患者在常规护理中接受了确认性 PCR 检测，10 名（2.3%）检测呈阳性。从患者到达到获得 CURIAL-Rapide 结果的中位时间为 45:00 分钟（32-64），比 LFD 快 16 分钟（26.3%）
急诊科的病人护理
2013 年中斯塔福德郡 NHS 信托公开调查的 Francis 报告 (1) 揭露了这种只注重国家目标和财务平衡而忽视可接受的护理标准的文化。皇家急诊医学院 (RCEM) 承认这种情况并不局限于某个组织或部门 (2)。Francis 报告的第一项建议是“所有员工都应为安全、尽职、富有同情心和关爱的服务做出贡献”。2013 年英格兰患者安全国家咨询小组 (3) 发布了其第一条指导原则：“将患者护理的质量（和安全）置于 NHS 的所有其他目标之上”。本文件应与以下 RCEM 文件结合阅读：急诊护理质量：定义和衡量急诊科护理质量急诊科患者体验：战略概述安全急诊科：战略概述急诊科标准：战略概述
引用：Naemi A，Schmidt T，Mansourvar M等。急诊科死亡率预测的机器学习技术：系统评价
摘要目的这一系统评价旨在评估机器学习（ML）算法在预测医疗患者院内死亡率（使用急诊科（EDS））的院内死亡率方面的性能和临床可行性。设计进行了系统的审查。在2010年至2021年之间搜索了包括Medline（PubMed），Scopus和Embase（OVID）在内的数据库，以提取英文发表的文章，描述了利用生命体征变量的基于ML的模型来预测EDS接受的患者的院内死亡率。对预测建模研究检查清单的系统评价的批判性评估和数据提取用于研究计划和数据提取。使用偏见评估工具的预测风险评估了纳入论文的偏见风险。参与者接纳了ED的患者。主要结果措施院内死亡率。结果将15篇文章包括在最终审查中。我们发现，该域已应用八个模型，包括逻辑回归，决策树，k-nearest邻居，支持向量机，梯度提升，随机森林，人工神经网络和深层神经网络。大多数研究未报告基本的主要分析步骤，例如数据预处理和处理丢失值。14种研究在统计分析部分中具有很高的偏见风险，这在实践中可能导致绩效差。尽管所有研究的主要目的是开发了死亡率的预测模型，但九篇文章并未为预测提供时间范围。结论本评论提供了最新的最新概述，并揭示了研究差距；基于这些，我们为将来的研究提供了八项建议，以使ML在实践中更可行。通过遵循这些建议，我们希望将来会看到更多可靠的ML模型，以帮助临床医生较早地识别患者恶化。
将过敏反应与疫苗提供者和急诊部门的急性应力反应区分开的指南
然而，有许多条件可以模仿过敏反应，例如迷走神经反应，焦虑和声带功能障碍。虽然有时很难区分这三个条件，但如果您怀疑过敏，请遵循工作场所的适当指南并转移到医院。如果诊断存在不确定性，则不应遵守过敏反应的治疗。但是，如果给予肾上腺素，重要的是要向接受肾上腺素的人保证替代诊断的可能性，但是由于安全性是安全的，因此正在给予肾上腺素。可以在后期重新评估过敏反应的可能诊断。
美国创伤中心急诊科的小儿准备就绪：与生存相关的组件的机器学习分析等离子体标志物预测非痴呆受试者淀粉样蛋白，tau，萎缩和认知的变化
目前尚不清楚血浆生物标志物是否可以用作独立的预后工具来预测与早期阿尔茨海默氏病相关的变化。在这项研究中，我们试图通过评估血浆生物标志物是否可以预测非痴呆个体中淀粉样蛋白负荷，tau积累，脑萎缩和认知的变化来解决这个问题。为了实现这一目标，在159名非痴呆个体中确定了159名非痴呆患者，患有Alzheimer病痴呆症患者的159名患者，在159名非痴呆患者中确定了血浆淀粉样蛋白B 42/40（A B 42/40），磷酸化-TAU181，磷酸化-TAU217和神经膜片光。他接受了纵向淀粉样蛋白（18 f- utemetamol）和Tau（18 F-Ro948）PET，结构MRI（T 1-加权）和认知测试。我们的单变量线性混合效应模型表明，血浆生物标志物与成像和认知度量之间存在几种显着关联。但是，当所有生物标志物都包含在相同的多变量线性混合效应模型中时，我们发现，纵向淀粉样蛋白-PET信号的增加是由低基线血浆A B 42/40独立预测的（P = 0.012）（P = 0.012）（P = 0.012），而TAU-PET信号，较差的识别和较差的认知能够独立于5个独立的认知量7 0.004）。这些生物标志物的形成良好或更好，比在CSF中测得的相应生物标志物。此外，他们显示出与使用Youden指数定义的二进制等离子体生物标志物值相似的性能，Youden指数可以更容易在诊所中实施。此外，等离子体A B 42/40和磷酸化-TAU217不能预测非阿尔茨海默氏症神经退行性疾病患者的纵向变化。总而言之，我们的发现表明血浆A B 42/40和磷酸化-TAU217在临床实践，研究和药物开发中可能是未来阿尔茨海默氏病病理学的预后标志物。