조기 섬망 감지를 위한 웨어러블 센서(WeSen_delirium)

가설 및 1차 목표 계획된 연구의 가장 중요한 목표는 섬망에 선행하는 센서 기반 활동 및 수면 지표와 패턴(센서 'Fitbit Charge 5' 및 'Oura ring generation 3' 사용)을 식별하는 것입니다. 진화하는 섬망을 조기에 감지하기 위해 예측 알고리즘에 정보를 제공하는 잠재적인 사람 수준의 예측자. 또한 이러한 데이터를 본 연구의 연구 목적으로 활용할 수 있는 타당성을 명확히 하는 것이 두 번째 목적이다.

주요 목표는 다음과 관련됩니다.

1. 섬망의 센서 기반 프로파일링: 섬망 시작 및 종료 결정; 섬망의 임상 운동 하위 유형에 대한 논의를 고려하여 개인 간에 안정적인 주요 특성(예: 휴식과 비활동 사이의 전환 빈도, 움직임) 측면에서 섬망 상태의 센서 프로파일 결정.
2. 개인 수준 - 선구자 및 영향: 섬망 전후의 웨어러블 센서에서 파생된 활동 및 수면 패턴(예: 수면 부족, 수면 중 움직임 증가), 섬망을 경험한 사람의 섬망에서 섬망과 관련 없는 기간을 특성화하고 비교합니다. (즉, '그러한 지표/패턴이 섬망과 관련 없는 기간과 비교하여 섬망에 근접한 기간을 구별할 수 있습니까?').
3. 사람 간 수준 - 선구자 및 영향: 섬망을 경험한 사람과 경험하지 않은 사람의 웨어러블 센서에서 파생된 실시간 활동 및 수면 패턴 비교 안 하는 사람?').
4. 예측 알고리즘 개발: 초기 단계에서 섬망 감지를 위한 예측 알고리즘을 알리고 개발하기 위해 섬망의 잠재적인 전조로 자격이 있는 활동 및 수면 지표/패턴(즉, 별개의 매개변수 또는 패턴/상호작용)의 후속 식별(검증 예정) 후속 연구에서).
5. 시각적 데이터 분석: 조사관은 종단 데이터에 대해 클러스터링 기술(예: 자기 조직화 지도, K-평균 클러스터링)을 사용하여 연구 참여자 간에 유사한 센서 측정 궤적을 식별합니다(예: 시간별 심박수 측정, 시간별 걸음 수 등). ). 이러한 분석은 탐색적이므로 사용 가능한 데이터를 기반으로 정제됩니다.

예측은 최첨단 연구를 요약한 최근 리뷰를 기반으로 합니다. 증거는 임상적 섬망 하위 유형(즉, 운동 하위 유형: 저활동, 과잉 활동, 혼합)의 존재를 시사합니다.

그러나 아형 분류에 대한 연구는 여전히 드물다. 초기 연구는 활동저하형과 혼합형이 과잉행동형보다 섬망과 더 구별되는 것처럼 보인다고 제안합니다. 따라서 저활성 및 혼합 유형의 섬망에 대한 예측이 더 정확할 수 있습니다. 특히 조사관은 다음과 같이 예상합니다.

1. 섬망의 센서 기반 프로파일링(주간, 야간): 연구자들은 저활동성 섬망 상태가 섬망이 없는 상태에 비해 감소된 활동 수준을 특징으로 할 것으로 예상합니다. 대신, 섬망이 아닌 경우와 비교하여 과잉 행동 섬망 상태 동안 증가된 활동 수준이 예상됩니다. 혼합 섬망 유형의 활동 수준은 과활동 유형과 저활동 유형 사이의 범위로 예상됩니다.

2. 내부 수준 - 선구자 및 영향(낮):

   • 활동저하 유형: 낮 동안 섬망 전후의 시간 범위는 낮 동안 개인의 섬망과 관련 없는 기간에 비해 증가된 활동 및 안절부절 수준을 특징으로 합니다.
   • 과잉행동 유형: 낮 동안 섬망이 발생하기 전의 시간 범위는 낮 동안 개인의 섬망과 관련 없는 기간에 비해 증가된 활동 및 안절부절 수준을 특징으로 합니다.
3. 개인 내 수준 - 전조 및 영향(야간): 섬망 전후의 시간 범위는 야간 동안 증가된 활동 수준으로 특징지어집니다(예: 증가된 평균 심박수 및 움직임, 빈도 및 휴식 사이의 전환 양으로 표시됨). /활동), 수면 시간/효율성 감소, 밤 시간 동안 섬망과 관련 없는 개인의 시간에 비해 휴식 시간이 적습니다.

그러나 다른 유형의 센서를 활용하여 시간에 따른 사람 내 및 사람 간 수준 예측자와 그 상호 작용을 신중하게 구별하는 연구는 현재 부족합니다. 또한 현재까지 섬망을 조기에 발견할 수 있는 알고리즘은 개발되지 않았다. 이 연구 라인의 참신함을 감안할 때, 이 연구는 본질적으로 탐색적입니다.

1차 및 2차 종료점 종료점 종료점은 센서 기반 평가(Fitbit, Oura ring) 및 표준 평가(예: DOS/CAM 평가(자세한 내용은 섬망 관련 종료점 참조))와 관련이 있으며, 기준 평가일과 시작일 사이에 측정됩니다. 연구 참여자의 퇴원일.

센서 기반 엔드포인트:

주요 종점은 센서 기반 실시간 지표와 Fitbit 및 Oura 링으로 평가된 활동 및 수면과 관련된 패턴에 관한 것입니다. 두 센서 모두 아래 나열된 예제 지표를 포함하되 이에 국한되지 않는 본 연구와 관련된 광범위한 지표를 평가합니다.

활동 및 수면 매개변수, 예:

• 심박수, 심박변이도
• 산소포화도, 호흡수
• 피부 온도
• 총 수면 시간, 다양한 수면 단계에서 보내는 시간
• 심박수, 심박변이도
• 수면 대기 시간
• 빛 속에서 보낸 시간
• '수면 효율'
• 걸음 수, 활동 강도 수준(높음, 보통, 낮음)에서 보낸 시간(분)

일주기 리듬 관련 지수, 예:

• 휴식-활동 전환의 양
• 24시간 주기 중 가장 활동이 적은 5시간
• 24시간 주기 중 가장 활동적인 10시간
• 상대 진폭

섬망 관련 종점:

혼동 평가 방법 추가 종료점은 섬망 평가를 위한 표준화된 도구와 관련이 있습니다. 입원 기간 동안 섬망을 진단하기 위해 널리 확립된 도구는 의료 전문가가 임상 및 연구 환경 모두에서 섬망을 빠르고 정확하게 식별할 수 있도록 하는 혼동 평가 방법(CAM)입니다. CAM은 다음 기준(약식)을 가진 4점 척도입니다: (1) 급성 발병 및/또는 변동 과정, (2) 주의력 장애, (3) 형식적 사고 장애, (4) 의식 수준 변경. 모든 항목은 부재 또는 존재로 이분법적으로 점수가 매겨집니다.

섬망 관찰 스크리닝 척도 취리히 대학 병원에서 섬망에 대한 표준 선별 검사는 훈련된 간호사가 하루에 세 번 초기 섬망 증상을 포착하도록 설계된 섬망 관찰 선별 척도(DOS)의 적용으로 구성됩니다. 다가오는 섬망이 의심되는 경우(3 이상의 특정 DOS 값에 따라) CAM에서 추가로 평가합니다.

인구통계학적 변수 섬망 발생에 영향을 미칠 수 있는 비약물적 요인은 연령 증가, 남성 성별, ICU 또는 수술 중재, 이송 및 환자 환경의 변화이며 임상 관리는 섬망의 하위 유형에 의해 영향을 받는 것으로 보입니다.

섬망에 대한 의학적 위험 요소 또한 기술 분석을 수행하기 위해 잘 알려진 섬망에 대한 의학적 위험 요소를 수집합니다. 이러한 데이터는 임상 정보 시스템 KISIM의 환자 차트 검토, 즉 참여 환자의 병력 및 기존 질병과 입원 당시 약물의 선택된 변수, 실험실 값(혈액 수집 - 임상 화학) 및 추가로 획득됩니다. 섬망의 위험 요인, 예: 혈청 요소, 퇴원 시 질병 및 약물. 선택한 변수가 CRF에 나열됩니다.

샘플 크기 추정 계획된 연구의 탐색적 특성을 감안할 때 정확한 샘플 크기 추정은 불가능합니다. 이 연구의 목적은 USZ 체류 기간 동안 섬망 상태가 된 10명의 환자와 입원 기간 동안 섬망이 발생하지 않은 최소 10명의 환자를 포함하는 것입니다. 이전 연구의 경험과 짧은 관찰 기간을 기반으로 조사자들은 센서로 인한 심각한 드롭아웃을 예상하지 않습니다. 또한, 섬망 발병률의 추정은 USZ에서의 연구자의 임상 경험에서 비롯됩니다. 그러나 본 연구에서 섬망이 된 환자의 실제 비율은 이 추정치에서 벗어날 수 있습니다. 이러한 불확실성을 고려하여 본 연구의 연구 목적에 필요한 표본 크기에 도달하기 위해 약 30~36명의 환자를 모집할 계획입니다(최대 36명). 섬망 환자 10명과 비섬망 환자 10명의 데이터 평가가 완료되는 대로 모집을 종료할 예정이다.