병원 내 심정지 결과 예측 (PREDIHCA)

병원 내 심혈관 정지는 입원 환자의 가장 흔한 사망 원인 중 하나입니다. 심혈관 정지의 외부 사례와 달리 입원 환자는 종종 소생술 결과에 영향을 미칠 수 있는 심각한 의학적 상태를 가지고 있습니다. 그럼에도 불구하고 종종 소생술 조치와 사전 정의된 소생술 기준이 빠르게 시작되기 때문에 소생술로 인한 생존율은 외부보다 병원에서 더 좋습니다. 정기적인 CPR 교육과 모든 침상 장치에 제세동기를 사용할 수 있는 것도 결과에 긍정적인 영향을 미칠 수 있습니다. 이러한 많은 노력에도 불구하고, 특히 신경학적 예후가 좋은 환자의 생존율은 최근 몇 년간 병원 내에서도 낮은 수준으로 안정적으로 유지되었으며 개선되지 않았습니다.

오늘날 대부분의 결과 매개변수는 잘 알려져 있습니다. (예: 초기 박동, 연령, 초기 제세동 등) 그럼에도 불구하고 오늘날 우리는 특히 해당 요소가 실제로 얼마나 관련이 있는지, 특히 서로 간에 얼마나 관련이 있는지 아직 모릅니다. 이에 대한 한 가지 접근 방식은 예측 모델을 생성할 수 있는 "랜덤 포레스트"와 같은 기계 학습 방법일 수 있습니다. 그러나 이것은 현재까지 시도되지 않았다.

본 연구의 가설은 기계 학습 방법인 "랜덤 포레스트(random forest)"를 사용하여 병원 내 소생술에서 생존 확률을 정확하게 예측할 수 있는지, 특히 관련된 결과 매개변수를 식별할 수 있는지 알아보는 것입니다.

디자인: Kepler University Hospital의 소생 등록부에 기록된 모든 데이터 세트의 후향적 데이터 분석.

조치 및 절차: CPR 팀의 잘못된 경보 및 누락된 데이터에 대한 레지스트리 검토 및 필요한 경우 이러한 데이터 세트 제외 기계 학습 방법 Random Forest를 사용하여 데이터 세트를 평가합니다.