Diagnose van delirium en beoordeling van de slaapkwaliteit bij patiënten op de anesthesie- en intensive care-afdeling (delirium sleep)

Delirium is een aandoening die functionele verliezen in de hersenen met zich meebrengt als gevolg van zowel structurele als vasculaire afwijkingen die uitdroging en hypoperfusie veroorzaken, waardoor het transport van zuurstof en glucose naar neuronen wordt verhinderd, wat leidt tot metabolische disfunctie in de hersenen. Bovendien is delirium, dat wordt gekenmerkt door desoriëntatie, onoplettendheid en veranderingen in gedachten en/of gedrag, een ernstige en wijdverbreide neuropsychiatrische aandoening die vaak onopgemerkt blijft, hoewel deze met passende interventie te voorkomen en omkeerbaar is. Er zijn talloze risicofactoren gevonden die de ontwikkeling van delirium beïnvloeden, waaronder langdurig verblijf in het ziekenhuis, medicijngebruik, coping-mechanismen tijdens ziekte, persoonlijkheidskenmerken en therapietrouw. Er wordt aangenomen dat patiënten op de intensive care een groter risico lopen op het ontwikkelen van delirium. In dit opzicht vertegenwoordigen invasieve procedures, reguliere verpleegkundige zorg, omgevingslawaai, voortdurende blootstelling aan licht, reeds bestaande slaapstoornissen, pijn, angst, angst en eenzaamheid fysiologische en psychologische factoren die kunnen leiden tot slaapgebrek bij patiënten op de intensive care. Plaatsen zoals intensive care-afdelingen (ICU's), waar patiënten worden blootgesteld aan constante prikkels en ernstige pijn kunnen ervaren, kunnen stressreacties veroorzaken die leiden tot agitatie, slaapstoornissen en delirium.

Eerdere studies hebben aangetoond dat medicijnen die worden gebruikt om delirium onder controle te houden de slaapkwaliteit negatief kunnen beïnvloeden, terwijl een verslechtering van de slaapkwaliteit het delirium kan verergeren. Het belangrijkste doel bij het voorkomen van delirium is het waarborgen van een regelmatige slaap-waakcyclus, het ondersteunen van een adequate inname van vocht en voedingsstoffen, en het bieden van zowel preventieve als therapeutische behandelingen via een systematische, multidisciplinaire teamgebaseerde aanpak om de frequentie en duur van delirium te verminderen. Kunstmatige intelligentie en machine learning-benaderingen stellen machines in staat complexe processen zoals denken en bewustzijn te simuleren, waardoor computers de relaties tussen input en output van grote datasets kunnen leren, waardoor ze optimale beslissingen, analyses en voorspellingen kunnen nemen. In de gezondheidszorg wordt dergelijke technologie op veel gebieden gebruikt, waaronder de vroege detectie en voorspelling van ziekten, classificatie van ziekten, behandeling, preventie van nadelige gevolgen, snelle analyse van klinische gegevens, kostenbesparende initiatieven, het bieden van effectieve en hoogwaardige zorg, minimalisering van menselijke fouten en klinische besluitvorming.

In de huidige studie werd de relatie tussen delirium en slaapkwaliteit bij patiënten op de anesthesie en op de intensive care onderzocht en werd een voorspellende analyse uitgevoerd met behulp van een machine learning-aanpak.

De voor dit onderzoek benodigde gegevens zijn verzameld met behulp van het patiëntinformatieformulier, de Nursing Delirium Screening Scale (Nu-DESC), Richards-Campbell Sleep Scale (RCSS), Richmond Agitation-Sedation Scale (RASS) en GCS. De verzamelde gegevens werden geanalyseerd met behulp van het statistische programma SPSS (SPSS-26) en bij het rapporteren van de resultaten werden de richtlijnen Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) gevolgd. De steekproefomvang werd bepaald met behulp van de bekende berekeningsmethode voor de populatiesteekproef. Zowel frequentie- als percentageanalyses werden gebruikt om de verdeling van de demografische kenmerken van de deelnemers te beschrijven, terwijl het gemiddelde en de standaarddeviatie werden gebruikt om de niveaus van de deelnemers op de gebruikte schalen te bepalen. De alfa-betrouwbaarheidsanalyse van Cronbach werd uitgevoerd om de betrouwbaarheid van de schaal te beoordelen, en de post-hoc poweranalyse toonde aan dat het onderzoek een gemiddelde power had met een betrouwbaarheidsniveau van 95% en een significantie van 99%. De scheefheid-kurtosis-waarden werden gecontroleerd om de normaliteit van de verdeling te beoordelen. Om de verschillen tussen groepen te beoordelen, werd een Independent Samples T-test gebruikt. Voor vergelijkingen tussen meer dan twee groepen werd een eenrichtingsvariantieanalyse (ANOVA) toegepast, terwijl de voorspellings- en receiver operating karakteristieken (ROC) curve-analyses werden uitgevoerd met behulp van R-versie 4.1.3.