프로포폴의 개인별 약물 투여량 예측을 위한 머신러닝 기반 모델

연구 방법:

(1) 사례 선택 : 닝샤 의과 대학 종합 병원 심혈관 및 뇌 혈관 질환 병원에서 선택적 수술 치료가 필요한 환자.

포함 기준: 환자는 성별 중립적이고 18세 이상이었습니다.

(2) 임상 연구 프로토콜: 환자는 수술실에 입원하여 정맥 접근을 설정하고 ECG 모니터링, EEG 모니터링, 4L/min 마스크 산소 공급 및 비디오 레코더를 사용하여 전체 마취 유도 과정을 실시간으로 녹화했습니다. 다양한 데이터의 수술 후 통합. 프로포폴은 100 mg/kg/h로 주입하였고, 프로포폴을 투여한 마취과의사는 환자가 깊은 진정 상태에 도달하여 MOAA/S 점수가 0이 될 때까지 환자의 진정 정도를 평가하였고, 프로포폴 펌핑을 중단하였다.

(3) 관찰지표： 환자의 성별, 나이, 체중, 키, ASA 분류, 체질량지수(BMI), 과거 병력(고혈압, 관상동맥심장병, 당뇨병, 호흡기 질환, 뇌졸중).

수축기 혈압, 확장기 혈압, 평균 동맥압, 심박수, 손가락 맥박 산소 측정기(SPO2), 뇌파 파형, 마취 유도 시작부터 MOAA/S = 0까지 투여된 프로포폴 투여량, 프로포폴 투여 시간 환자가 수술실에 입원한 후와 MOAA/S 점수가 0점인 시점의 모든 기본 모니터링 매개변수와 확장 모니터링 매개변수에 대해 각각 기록되었습니다.

(4) 항목별 평가방법 마취도 평가 : MOAA/S 진정 심도를 평가에 사용하였으며, MOAA/S 점수가 4~5인 경우 경도 진정으로 분류되어 정상적인 어조로 이름을 부르는 경우 반응이 있는 것으로 나타났다. 민감하거나 느렸다. 2-3은 중등도 진정으로 분류되었으며, 이는 큰 소리나 반복적으로 이름을 부르는 데 반응이 있거나 약간의 밀기 및 진동에 반응이 있음을 나타냅니다. ≥1은 깊은 진정으로 분류되었으며, 이는 통증 자극에 대한 반응이 있음을 나타냅니다. 0은 전신 마취로 분류되었으며, 이는 통증 자극에 대한 반응이 있음을 나타냅니다. 0은 전신마취로 분류되었으며, 이는 통증 자극에 대한 반응이 있음을 나타냅니다. ≤1은 깊은 진정으로 분류되며, 이는 고통스러운 자극에 대한 반응을 나타냅니다. 0은 전신마취로 분류되며 통증자극에 반응이 없음을 의미한다.

EEG 특징 추출: Python MNE(https://mne.tools/stable/index.html) 모듈 패키지를 사용하여 분석합니다. MNE는 원시 데이터 형식으로 가장 일반적인 생리학적 신호를 읽을 수 있으며 구체적인 방법은 다음과 같습니다. ① 데이터 추출: 데이터 가져오기 → 전극 위치 지정 → 쓸모 없는 전극 거부 → 재참조 → 필터 → 샘플링 속도 삭제 → ICA 실행 → 일괄 처리 → 분할 및 기준선 수정 → 불량 컨덕턴스 보간 및 불량 컨덕턴스 거부 → 노이즈 구성 요소 제거 → 불량 세그먼트 거부 ; ② 데이터 구분: 필요한 EEG 모니터링 지점의 데이터는 각성 및 진정을 포함하도록 구분됩니다. ③ 특징 추출: 푸리에 변환을 통해 시간 영역, 진폭 제곱근 값, 첨도, 왜도, 버스트 억제율/분, 주파수 영역, 엔트로피 지수를 구합니다.

(5) 제안된 기계 학습 알고리즘: 회귀 분석은 일련의 데이터에서 작동하여 특정 변수 간의 정량적 관계 방정식을 결정하고, 변수 간의 이러한 관계 방정식을 통계적으로 테스트하고, 변수에서 중요한 영향을 미치는 변수를 식별하는 예측 모델링 기술입니다. 특정 변수에 영향을 미치는 여러 변수 중에서.