Diagnostika deliria a hodnocení kvality spánku u pacientů na jednotce anestezie a intenzivní péče (delirium sleep)

Delirium je stav zahrnující funkční ztráty v mozku v důsledku strukturálních a vaskulárních abnormalit způsobených dehydratací a hypoperfuzí, které brání transportu kyslíku a glukózy do neuronů, což vede k metabolické dysfunkci v mozku. Kromě toho delirium, které je charakterizováno dezorientací, nepozorností a změnami v myšlenkách a/nebo chování, je vážným a rozšířeným neuropsychiatrickým stavem, který často zůstává nepovšimnut, i když je možné mu předcházet a je možné jej po vhodné intervenci zvrátit. Bylo zjištěno, že rozvoj deliria ovlivňují četné rizikové faktory, včetně prodloužených pobytů v nemocnici, užívání léků, mechanismů zvládání nemoci, osobnostních rysů a dodržování léčby. Předpokládá se, že pacienti na jednotce intenzivní péče čelí vyššímu riziku rozvoje deliria. V tomto ohledu představují invazivní postupy, pravidelná ošetřovatelská péče, okolní hluk, nepřetržité vystavení světlu, již existující poruchy spánku, bolest, úzkost, strach a osamělost fyziologické a psychologické faktory, které mohou u pacientů na jednotce intenzivní péče vést ke spánkové deprivaci. Místa, jako jsou jednotky intenzivní péče (JIP), kde jsou pacienti vystaveni neustálým podnětům a mohou pociťovat silnou bolest, mohou vyvolat stresové reakce, které vedou k neklidu, poruchám spánku a deliriu.

Předchozí studie ukázaly, že léky používané ke kontrole deliria mohou negativně ovlivnit kvalitu spánku, zatímco zhoršení kvality spánku může delirium zhoršit. Hlavním cílem prevence deliria je zajistit pravidelný cyklus spánku a bdění, podporovat dostatečný příjem tekutin a živin a poskytovat preventivní i terapeutickou léčbu prostřednictvím systematického, multidisciplinárního týmového přístupu ke snížení frekvence a trvání deliria. Umělá inteligence a přístupy strojového učení umožňují strojům simulovat složité procesy, jako je myšlení a vědomí, a tím umožňují počítačům učit se vztahy mezi vstupy a výstupy z velkých souborů dat, což jim pomáhá přijímat optimální rozhodnutí, analýzy a předpovědi. V oblasti zdravotnictví se tato technologie používá v mnoha oblastech, včetně včasné detekce a predikce onemocnění, klasifikace onemocnění, léčby, prevence nepříznivých následků, rychlé analýzy klinických dat, iniciativ šetřících náklady, poskytování účinné a kvalitní péče, minimalizace lidských chyb a klinické rozhodování .

V této studii byl zkoumán vztah mezi deliriem a kvalitou spánku u pacientů v anestezii a na JIP a byla provedena prediktivní analýza pomocí přístupu strojového učení.

Údaje požadované pro tuto studii byly shromážděny pomocí formuláře pro informace o pacientovi, škály pro screening deliria (Nu-DESC), Richards-Campbellovy škály spánku (RCSS), Richmondovy škály agitace-sedace (RASS) a GCS. Shromážděná data byla analyzována pomocí statistického programu SPSS (SPSS-26) a při vykazování výsledků byly dodrženy pokyny STROBE (Posílení hlášení o pozorovacích studiích v epidemiologii). Velikost vzorku byla stanovena pomocí známé metody výpočtu vzorku populace. K popisu rozložení demografických charakteristik účastníků byly použity frekvenční i procentuální analýzy, zatímco průměr a směrodatná odchylka byly použity k určení úrovní účastníků na použitých škálách. Cronbachova alfa analýza spolehlivosti byla provedena za účelem posouzení spolehlivosti škály a post hoc analýza výkonu ukázala, že studie měla střední výkon na 95% hladině spolehlivosti s 99% významností. Hodnoty skewness-kurtosis byly zkontrolovány pro posouzení normality distribuce. K posouzení rozdílů mezi skupinami byl použit t-test nezávislých vzorků. Pro srovnání mezi více než dvěma skupinami byla použita jednosměrná analýza rozptylu (ANOVA), zatímco analýza predikční a provozní charakteristiky přijímače (ROC) byla provedena pomocí R verze 4.1.3.