Diagnose av delirium og vurdering av søvnkvalitet hos pasienter på anestesi- og intensivavdelingen (delirium sleep)

Delirium er en tilstand som involverer funksjonstap i hjernen på grunn av både strukturelle og vaskulære abnormiteter forårsaket dehydrering og hypoperfusjon, som forhindrer transport av oksygen og glukose til nevroner, og dermed fører til metabolsk dysfunksjon i hjernen. Dessuten er delirium, som er preget av desorientering, uoppmerksomhet og endringer i tanker og/eller atferd, en alvorlig og utbredt nevropsykiatrisk tilstand som ofte ikke blir lagt merke til, selv om den kan forebygges og reversibel etter passende intervensjon. Tallrike risikofaktorer har vist seg å påvirke utviklingen av delirium, inkludert lengre sykehusopphold, medisinbruk, mestringsmekanismer under sykdom, personlighetstrekk og behandlingsoverholdelse. Det antas at intensivpasienter har en høyere risiko for å utvikle delirium. I denne forbindelse representerer invasive prosedyrer, vanlig sykepleie, miljøstøy, kontinuerlig lyseksponering, allerede eksisterende søvnforstyrrelser, smerte, angst, frykt og ensomhet fysiologiske og psykologiske faktorer som kan føre til søvnmangel hos intensivpasienter. Faktisk kan steder som intensivavdelinger (ICUs), hvor pasienter utsettes for konstant stimuli og kan oppleve sterke smerter, utløse stressresponser som fører til agitasjon, søvnforstyrrelser og delirium.

Tidligere studier har indikert at medisiner som brukes til å kontrollere delirium kan påvirke søvnkvaliteten negativt, mens forverret søvnkvalitet kan forverre delirium. Hovedmålet med å forebygge delirium er å sikre en regelmessig søvn-våken syklus, støtte tilstrekkelig væske- og næringsinntak, og gi både forebyggende og terapeutisk behandling gjennom en systematisk, tverrfaglig teambasert tilnærming for å redusere hyppigheten og varigheten av delirium. Kunstig intelligens og maskinlæringstilnærminger gjør det mulig for maskiner å simulere komplekse prosesser som tenkning og bevissthet, og dermed lar datamaskiner lære relasjonene mellom input og output fra store datasett, noe som hjelper dem til å ta optimale beslutninger, analyser og spådommer. I helsevesenet brukes slik teknologi på mange områder, inkludert tidlig oppdagelse og prediksjon av sykdom, sykdomsklassifisering, behandling, forebygging av uønskede utfall, rask analyse av kliniske data, kostnadsbesparende tiltak, levering av effektiv og kvalitetsomsorg, minimering av menneskelige feil, og klinisk beslutningstaking.

I denne studien ble forholdet mellom delirium og søvnkvalitet hos pasienter i anestesi og intensivavdeling undersøkt og en prediktiv analyse ved hjelp av en maskinlæringstilnærming ble utført.

Dataene som kreves for denne studien ble samlet inn ved hjelp av pasientinformasjonsskjemaet, Nursing Delirium Screening Scale (Nu-DESC), Richards-Campbell Sleep Scale (RCSS), Richmond Agitation-Sedation Scale (RASS) og GCS. De innsamlede dataene ble analysert ved hjelp av SPSS statistiske program (SPSS-26), og retningslinjene for styrking av rapportering av observasjonsstudier i epidemiologi (STROBE) ble fulgt ved rapportering av resultatene. Utvalgsstørrelsen ble bestemt ved bruk av den kjente beregningsmetoden for populasjonsutvalg. Både frekvens- og prosentanalyser ble brukt for å beskrive fordelingen av deltakernes demografiske egenskaper, mens gjennomsnitt og standardavvik ble brukt for å bestemme deltakernes nivåer på de benyttede skalaene. Cronbachs alfa-reliabilitetsanalyse ble utført for å vurdere skala-reliabiliteten, og post hoc-effektanalysen viste at studien hadde middels kraft på et 95 % konfidensnivå med 99 % signifikans. Skewness-kurtosis-verdiene ble kontrollert for å vurdere normaliteten til fordelingen. En uavhengig t-test ble brukt for å vurdere forskjellene mellom gruppene. For sammenligninger mellom mer enn to grupper ble en enveis variansanalyse (ANOVA) brukt, mens prediksjons- og mottakeroperasjonskarakteristikken (ROC) kurveanalyse ble utført ved bruk av R versjon 4.1.3.