하이퍼앵귤레이티드 vs. 매킨토시 비디오후두경 블레이드의 맞춤형 선택 (HAVL)

무작위 대조 시험

본 연구는 무작위 대조 시험으로 설계되었습니다. 총 524명의 환자가 1:1 비율로 무작위 배정되어 과각 블레이드 군(H 군) 또는 Macintosh 블레이드 군(M 군)에 할당되었습니다.

주요 종점은 첫 시도 삽관 성공률이었습니다. 부차적 종점에는 전체 기관 삽관 성공률, 삽관 시도 횟수, 기관 튜브가 성대를 통과하는 시간(T5), 환기까지의 시간(T6), 보조 기도 기법(예: 외부 후두 조작[ELM]) 사용 등이 포함되었습니다.

군간 비교는 각 종점의 특성에 따라 수행되었습니다. 범주형 변수는 적절한 경우 χ² 검정 또는 Fisher의 정확 검정을 사용하여 분석되었으며, 결과는 95% 신뢰구간(CI)을 포함한 위험비(RR)로 제시되었습니다. 연속 변수는 Shapiro-Wilk 검정을 사용하여 정규성을 평가하였습니다. 정규 분포를 보이는 변수는 독립 표본 t-검정을 사용하여 비교하였고, 비정규 분포 변수는 Mann-Whitney U 검정을 사용하여 분석하였습니다. 결과는 95% CI를 포함한 평균 또는 중앙값 차이로 보고되었습니다.

모든 연구 참가자는 두 가지 비디오후두경 블레이드를 모두 경험하였습니다. 그러나 실제 기관 삽관은 두 번째 블레이드로만 수행되었으며, 첫 번째 블레이드는 성문 시야 및 접근 시간 평가에만 사용되었습니다. 학습 관련 순서 효과를 최소화하기 위해 각 시도는 다른 연구자가 수행하였으며, 각 연구자는 자신에게 할당된 블레이드만 사용하도록 제한되었습니다. 또한, 첫 번째와 두 번째 블레이드 간 POGO 점수, 접근 시간, 시각화 난이도의 환자 내 비교를 수행하여 블레이드 특이적 시각화 특성을 분석하였습니다. 유의한 차이가 관찰된 경우, 분석 과정에서 잠재적 순서 효과를 추가로 평가하였습니다.

환자 내 비교(짝지은 평가)

실제 기관 삽관 전, 모든 참가자에서 두 블레이드를 사용하여 성대 바로 앞까지의 성문 시각화를 평가하였습니다. 블레이드 사용 순서는 무작위화에 따라 균형을 맞추었습니다: M 군 환자는 H→M 순서로 시각화 평가를 거친 후 Macintosh 블레이드로 삽관을 수행하였고, H 군 환자는 M→H 순서로 시각화 평가를 거친 후 과각 블레이드로 삽관을 수행하였습니다. 따라서, 환자 내 비교는 각 군에 대해 미리 정의된 순서로 획득한 시각화 데이터를 사용하여 수행되어 순서 효과를 최소화하였습니다.

평가된 매개변수는 다음과 같습니다:

(i) 후두 시야 획득 시간(T1/T3), (ii) 기관 튜브 끝이 성대에 도달하는 시간(T2/T4), (iii) VIDIAC 점수, (iv) 성문 개방 백분율(POGO) 점수, (v) 시술자 보고 주관적 난이도 점수, (vi) 합병증(예: SpO₂ < 90%, 치아 또는 연조직 손상).

과각 블레이드와 Macintosh 블레이드 간 연속 짝지은 결과의 차이는 적절한 경우 짝지은 t-검정 또는 Wilcoxon 부호 순위 검정을 사용하여 분석되었습니다. 각 결과를 어떤 블레이드가 우수한지에 따라 분류할 때(과각 블레이드 우세, Macintosh 블레이드 우세, 동등), 이진 분류에는 McNemar 검정을, 세 범주 분류에는 Stuart-Maxwell 검정을 사용하였습니다.

기계 학습 기반 탐색적 분석

마지막으로, 무작위 대조 시험 및 짝지은 분석에서 얻은 데이터를 추가로 활용하여, 특정 해부학적 및 인구통계학적 조건에서 어떤 블레이드가 더 유리할 수 있는지 탐색적으로 탐구하였습니다. 주요 또는 부차적 분석에서 군간 차이를 보인 결과를 목표 변수로 선택하였습니다. 모든 공변량을 입력 특징으로 포함시켰으며, XGBoost 기반 앙상블 트리 모델을 훈련하였습니다.

모델 성능은 이진 결과의 경우 수신자 조작 특성 곡선 아래 면적(AUROC)과 95% CI를 사용하여 평가하였고, 연속 결과의 경우 평균 제곱근 오차(RMSE)와 평균 절대 오차(MAE)를 사용하여 평가하였습니다. SHapley Additive exPlanations(SHAP) 분석을 수행하여 특징 중요도와 상호작용 패턴을 시각화하였으며, 결정 곡선 분석(DCA)을 사용하여 예측 모델의 임상적 순편익을 평가하였습니다.