Tulosten mallinnus potilailla, joilla on hankittu aivovamma (MOF-ABI)

Hankittu aivovamma (ABI) on johtava kuolinsyy ja vammaisuus maailmanlaajuisesti. Vakavuusaste vaihtelee useiden demografisten, etiologisten, kliinisten, kognitiivisten, käyttäytymiseen liittyvien, psykososiaalisten ja ympäristötekijöiden yhdistelmän mukaan, jotka voivat vaikuttaa kuntoutustoimenpiteiden tehokkuuteen ja siten lopputulokseen.

Nykyaikaisen klinikan tärkein tavoite on ennakoida ajoissa mahdollisen toipumisen eteneminen aivovauriotapahtuman jälkeen tehokkaamman hoidon aikaansaamiseksi, mutta suuri heterogeenisuus ja kliininen vaihtelevuus sekä rinnakkaissairauksien alkamisen arvaamattomuus tekevät tästä vaikean. tavoite saavuttaa.

Viime vuosina tekoälyalgoritmeja on sovellettu määrittelemään tarkemmin kriittisten muuttujien rooli, jotka voivat auttaa kliinistä käytäntöä ennustamaan lopputulosta. Näiden algoritmien klassinen lähestymistapa tarjoaa vain todennäköisyysarvot lopputulokselle ottamatta huomioon kliinisten interventioiden typologiaa ja yleisiä komplikaatioita, joita saattaa ilmetä sairaalahoidon aikana.

Tämän monikeskeisen tutkimuksen tavoitteena on määritellä uusi tilastollinen lähestymistapa, jolla voidaan kuvata yksittäisten kliinisten muutosten dynamiikkaa laitoksen tehokuntoutusjakson aikana. Ehdotettu lähestymistapa yhdistää pääkomponenttianalyysin (PCA) dimensioiden pienentämiseksi (maksimimäärän informaation talteenotto ja ulottuvuusongelman vähentäminen) ja epälineaarisen matemaattisen mallintamisen kliinisen kurssin kehityksen kuvaamiseksi tuloksena olevien uusien PCA-ulottuvuuksien kannalta. Tätä lähestymistapaa käyttämällä voimme määrittää yksittäisen potilaan ajalliset liikeradat samalla kun tutkimme tiettyjä kliinisiä tekijöitä. Tämän tutkimuksen toissijainen tavoite on validoida uusi versio Early Rehabilitation Barthel Indexistä (ERBI), joka on hyvin tunnettu kliininen asteikko, jota käytetään toiminnallisten muutosten mittaamiseen potilailla, joilla on vakava hankinnainen aivovaurio.