수술 후 섬망을 예측하기 위한 뇌파 바이오마커

급성 수술 후 인지 기능 장애 상태는 수술 후 노인 환자에서 가장 빈번한 합병증 중 하나이며 POD가 가장 중요합니다. 이전 연구에서는 노인 환자의 POD 발병률이 10-50% 사이인 것으로 나타났습니다. POD를 개발하는 환자는 더 긴 입원 기간, 퇴원 시 제도화, 더 높은 사망률과 같은 더 나쁜 장기 결과를 보입니다. 결과적으로 POD와 관련된 인적 및 경제적 비용은 전 세계 의료 시스템에 중요한 문제를 나타냅니다.

POD와 의료 부담을 줄이기 위한 핵심 요소는 조기 진단입니다. 현재 위험 평가 도구는 인지 테스트(즉, MoCA) 및/또는 환자의 임상 변수(즉, DELPHI 점수)를 사용하는 예측 모델을 기반으로 하는 임상 접근 방식에 중점을 둡니다. 우리는 새로운 POD 위험 평가 예측 모델의 빌딩 블록으로 수술 중 EEG 기능을 사용하는 전략을 개발했습니다. PEUMA라고 하는 이 시스템은 이전 연구(NCT04214496)에서 95명의 환자로부터 얻은 데이터를 사용합니다.

이것은 다기관(5개 센터) 관찰 연구이며 주요 결과는 POD를 예측하는 PEUMA의 능력입니다.

표본 크기를 계산하기 위해 Riley 등이 설명한 방법론을 사용했습니다. 이 방법은 임상 예측 모델을 위해 특별히 설계되었습니다. 이러한 도구는 온라인에서 사용할 수 있습니다(https://mvansmeden.shinyapps.io/BeyondEPV/). 사용된 매개변수는 다음과 같습니다.

• 예측자 후보 수: 4
• 이벤트 비율: 0.22. 22%는 1단계 예비자료 분석에서 POD의 발생률이며 이는 전 세계적으로 공통적인 보고 범위에 속하기 때문에 사용하였다.
• 분류기의 추정 오차: 0.06. 저자는 이진 결과(예 POD/아니오 POD)를 평가할 때 작은 예측 오류를 제안합니다. 계산은 240명의 환자 샘플 크기를 나타냅니다. 10%의 손실을 고려하면(첫 번째 단계의 예비 결과에서 손실은 8%임) 샘플 크기는 264명의 환자입니다.