Ernährungs- und Stoffwechselsubtypen im Zusammenhang mit postoperativem Delir nach einer Herzoperation

Diese Studie nutzte umfangreiche klinische medizinische Daten, um präoperative Ernährungssubtypen von Patienten durch K-Means-Clusteranalyse unter Verwendung von Indikatoren für Blutzucker, Blutfette und Proteine ​​zu ermitteln. Anschließend wurden univariate und multivariate Analysen eingesetzt, um die Korrelation zwischen verschiedenen Subtypen und POD zu untersuchen. Darüber hinaus wurde eine unabhängige klinische Kohorte genutzt, um den Zusammenhang zwischen klinischen Subtypen und postoperativem Delir zu validieren, wobei die vermittelnde Rolle des Stickoxidspiegels (NO) im Zusammenhang zwischen Ernährungssubtypen und postoperativem Delir weiter untersucht wurde.

Die Studie konzentrierte sich auf erwachsene Patienten, die sich einer Herz-Kreislauf-Operation unterziehen. Patienten, die die folgenden Kriterien erfüllten, wurden von der Studie ausgeschlossen: 1) Minderjährige unter 18 Jahren; 2) schwangere Frauen; 3) Personen mit vorbestehendem präoperativem Delir oder einer Vorgeschichte von psychiatrischen Störungen wie Schizophrenie und schweren depressiven Erkrankungen; 4) Personen mit einer langen Vorgeschichte von Psychopharmaka; 5) Verwendung von Nitraten nach der Aufnahme; und 6) Patienten mit erheblichen neurologischen Störungen, wie z. B. schwere traumatische Hirnverletzungen oder kürzliche Schlaganfälle innerhalb der letzten 6 Monate.

Die Einschluss- und Ausschlusskriterien für die Validierungskohorte waren identisch mit denen der Ableitungskohorte. Den Patienten wurden zu drei verschiedenen Zeitpunkten Blutproben entnommen – vor der Operation nach dem Fasten, während der Operation und 24 Stunden nach der Operation. Diese Proben wurden für zukünftige Analysen in einer zentralen Biobank bei -80 °C gelagert. Auch Angaben zur Art und Dauer der Narkose wurden dokumentiert. Der Stickoxidspiegel (NO) im Plasma wurde anhand von Vollblutproben aus Ethylendiamintetraessigsäure (BTK074, Bio-Swamp, Wuhan, China) bestimmt. Spezifische Testprotokolle sind unter https://www.bio-swamp.com/goodsDetail/BTK074 verfügbar.

Sammlung von Forschungsvariablen Die Forschungsvariablen umfassten Ernährungsindizes, darunter Nüchternblutzucker (GLU), Low-Density-Lipoprotein-Cholesterin (LDL-C), High-Density-Lipoprotein-Cholesterin (HDL-C), Gesamtcholesterin (TC) und Triglyceride (TG). ), Albumin (ALB) und Lymphozytenzahl (LYC). Erste Testergebnisse für diese Indizes wurden innerhalb von 48 Stunden nach der Krankenhauseinweisung jedes Patienten erhalten. In Fällen, in denen Daten fehlten, wurden die entsprechenden Werte aus den Krankenakten des Patienten der letzten 6 Monate herangezogen. Darüber hinaus umfassten zusätzliche klinische Daten Geschlecht, Alter, Komorbiditäten und Behandlungsprotokolle. Zu den untersuchten Komorbiditäten gehörten Bluthochdruck, Diabetes, chronische Lungenerkrankungen und chronisches Nierenversagen. Chronische Lungenerkrankungen umfassten chronisch obstruktive Lungenerkrankung, Asthma bronchiale, chronische Bronchitis und Bronchiektasen.

Definition und Festlegung der klinischen Ergebnisse Als primäres Ergebnis wurden Patienten bewertet, die innerhalb von 72 Stunden nach der Operation oder vor der Entlassung einen POD entwickelten. In der Ableitungskohorte stützte sich die Delirdiagnose auf dokumentierte POD in den Krankenakten. Sofern nicht ausdrücklich angegeben, wurde das Vorhandensein von POD auf der Grundlage der in der Pflegedokumentation aufgezeichneten Ergebnisse der Confusion Assessment Method for Intensive Care Unit (CAM-ICU) ermittelt. In der prospektiven Kohorte nutzten geschulte Ärzte das CAM-ICU-Protokoll, um das Bewusstsein der Patienten in 6-Stunden-Intervallen für bis zu 72 Stunden postoperativ zu beurteilen und einen Patienten mit positivem CAM-ICU mindestens einmal während dieses Zeitraums oder vor der Entlassung als Patienten mit POD zu klassifizieren .

Zu den sekundären Endpunkten gehörten häufige postoperative unerwünschte Ereignisse wie verlängerte mechanische Beatmung (MV) (definiert als kontinuierliche mechanische Beatmung für ≥ 72 Stunden nach der Operation), Gesamtmortalität im Krankenhaus und das Auftreten postoperativer pulmonaler Komplikationen (z. B. Atemwegsinfektionen). , Atemversagen, Pleuraerguss, Lungenatelektase, Pneumothorax, Bronchospasmus und Aspirationspneumonie). Die Datenerfassung und Diagnoseprozesse wurden von zwei Forschern unabhängig voneinander durchgeführt, wobei Unstimmigkeiten von einem dritten Forscher behoben wurden, um Genauigkeit und Konsistenz sicherzustellen.

Maschinelle Lernprozesse Techniken des maschinellen Lernens wurden mit Python (Version 3.13.0, Python Software Foundation). Die Datenvorverarbeitung begann, beginnend mit der Ausreißerverarbeitung unter Verwendung der 99 %-Winsorisierungstechnik, um den Einfluss von Ausreißern auf die Ergebnisse zu berücksichtigen. Anschließend wurde StandardScaler angewendet, um den Datensatz zu normalisieren. Der Spearman-Korrelationskoeffizient wurde verwendet, um die Korrelation zwischen Datensatzmerkmalen zu bewerten, die mithilfe einer Heatmap visualisiert wurden. Es wurde der K-Means-Clustering-Algorithmus verwendet, eine zentrale Methode des unbeaufsichtigten Lernens[15]. K-Means-Modelle wurden auf abgeleiteten Kohorten trainiert und die Silhouette-Koeffizienten-Methode ermittelte die optimale Clusteranzahl für robuste Clustering-Ergebnisse. Die Daten des Validierungssatzes wurden mithilfe des vorab trainierten K-Means-Modells klassifiziert, um Clusterbezeichnungen für jeden Stichprobenpunkt vorherzusagen.