Koneoppiminen ja 3D-kuvapohjainen mallinnus reaaliaikaiseen kehon painon ja kehon koostumuksen arviointiin ensiapuhoidon aikana. Tutkimus 3

Lääkkeen annosteluvirheillä voi olla katastrofaalinen vaikutus akuutisti sairailla potilailla, kuten aivohalvauspotilailla, jotka tarvitsevat trombolyyttistä hoitoa tai potilailla, jotka tarvitsevat kiireellistä sedaatiota. Akuutisti sairaalla potilaalla epätarkat paino-arviot ovat merkittävä syy annostusvirheisiin, ja painoarviot, jotka poikkeavat yli 10 % todellisesta painosta, voivat tehdä itse hoidosta hengenvaarallisen. Epätarkat painoarviot johtavat epätarkkoihin lääkeannoksiin, mikä voi johtaa mahdollisesti kuolemaan johtaneeseen hoidon epäonnistumiseen (subterapeuttisista annoksista) tai mahdollisesti kuolemaan johtaviin haittatapahtumiin (yliterapeuttisista annoksista). Lähes 75 % lihavien potilaiden hoidon epäonnistumisista voi johtua painonarvioinnin virheistä. Kun kliininen hoito on aikaherkkää, voi olla mahdotonta saada mitattua painoa > 50 %:lla potilaista. Näissä olosuhteissa nopea ja tarkka menetelmä painon arvioimiseksi on kriittinen. Yksi viimeaikaisista innovaatioista on edullisen 3D-kamerajärjestelmän käyttö painon arvioinnissa. 3D-kameralaitetta (esim. Intel RealSense D415) käytetään potilaan kehon pistepilvikartan saamiseksi, josta voidaan arvioida paino-arvio algoritmien perusteella, jotka on johdettu kierteisen hermoverkkoanalyysin avulla. Alustavat tutkimukset ovat olleet erittäin lupaavia, mitä tulee tämän järjestelmän saavuttamaan kokonaispainon (TBW) arvioinnin tarkkuuteen.

Tämän tutkimuksen ensisijaisena tavoitteena on mitata paino-arvioiden tarkkuus 3D-kamerajärjestelmällä akuutisti sairailla tai loukkaantuneilla ED-potilailla ja verrata tätä tarkkuutta tavalliseen hoitoon. Tutkijat vertaavat 3D-kamerajärjestelmää käyttävän painonarvioinnin tehokkuutta ja loppuvaikutuksia tavanomaiseen hoitoon satunnaistetussa kontrolloidussa tutkimuksessa akuutisti sairailla tai loukkaantuneilla aikuisilla, jotka saapuvat päivystykseen.

Keskeinen hypoteesi on, että 3D-kamerajärjestelmä tarjoaa reaaliaikaisia ​​arvioita TBW:stä, IBW:stä ja LBW:stä hätätilanteessa ja ylittää nykyisten painonarviointimenetelmien tarkkuuden.

Ei-kliinisten koetutkimusten tukeminen varmistaa 3D-kamerajärjestelmän tarkkuuden laboratorio-olosuhteissa ja simuloiduissa lääketieteellisissä hätätilanteissa. Sen suorituskyky ja vaikutus lääkkeiden annostarkkuuteen on kuitenkin selvitettävä ensiapuhoidon aikana todellisessa kliinisessä ympäristössä. Tämä tutkimus antaa olennaisen näkökulman 3D-kamerajärjestelmän tarkkuuteen ja toimivuuteen sekä todelliseen painonarviointiin ensiapuhoidon aikana. Se kuvaa myös kykyä mitata painoa vuodevaa'oilla ja saada paino-arvioita potilailta itseltään ja perheenjäseniltä ED-potilailla. Toissijainen tavoite, lääkeannosten tarkkuuden määrittäminen kussakin tutkimuksen haarassa, tarjoaa kriittistä tietoa vaihtoehtoisten painoskalaarien tarpeesta lihavilla ja sairaalloisesti lihavilla potilailla, jotka saapuvat päivystykseen. Tutkimuksessa selvitetään, että tarvitaan standardeja ja käytäntöjä, jotka ohjaavat annoksen skaalausta ED-potilailla. Tiedot TBW:hen skaalattavien lääkkeiden ja LBW:hen skaalattavien lääkkeiden todellisesta käytöstä tarjoavat hyödyllisen reaalimaailman käsityksen potilasturvallisuuteen kohdistuvan uhan ongelman laajuudesta käyttämällä "yksi koko sopii kaikille" -lähestymistapaa. lääkeannoslaskelmiin kaikille potilaille painotilasta riippumatta.

Tutkimukseen otetaan mukaan suuren aluesairaalan päivystykseen hakeutuvat akuutisti sairaat potilaat, jotka tarvitsevat painoon perustuvaa lääkehoitoa. Heidät satunnaistetaan joko saamaan paino-arvioinnin 3D-kamerajärjestelmällä (joka antaa arvioita TBW-, IBW- ja LBW-arvoista) tai saada tavallista hoitoa. Kaikki muut toimenpiteet ja sairaanhoito ovat normaalia hoitoa.

Näitä potilaita seurataan sairaalahoidon ensimmäisten 72 tunnin ajan. Painoarvioiden tarkkuutta verrataan ryhmien välillä, samoin kuin lääkeannoksen tarkkuutta ja mahdollisia lääkehoitoon liittyviä haittatapahtumia.