Subtipos nutricionais e metabólicos associados ao delírio pós-operatório após cirurgia cardíaca

Este estudo aproveitou extensos dados médicos clínicos para estabelecer subtipos nutricionais pré-operatórios de pacientes por meio de análise de agrupamento K-Means, utilizando indicadores relativos a açúcar no sangue, lipídios e proteínas no sangue. Posteriormente, análises univariadas e multivariadas foram empregadas para investigar a correlação entre vários subtipos e DPO. Além disso, uma coorte clínica independente foi utilizada para validar a ligação entre subtipos clínicos e delirium pós-operatório, com exploração adicional do papel mediador dos níveis de óxido nítrico (NO) na relação entre subtipos nutricionais e delirium pós-operatório.

O estudo se concentrou em pacientes adultos submetidos à cirurgia cardiovascular. Foram excluídos do estudo pacientes que atendessem aos seguintes critérios: 1) menores de 18 anos; 2) gestantes; 3) indivíduos com delírio pré-operatório preexistente ou história de transtornos psiquiátricos como esquizofrenia e quadros depressivos maiores; 4) aqueles com extenso histórico de uso de medicamentos psicotrópicos; 5) Uso de nitratos após internação; e 6) pacientes com distúrbios neurológicos significativos, como lesões cerebrais traumáticas graves ou acidentes vasculares cerebrais recentes nos últimos 6 meses.

Os critérios de inclusão e exclusão da coorte de validação foram idênticos aos da coorte de derivação. Amostras de sangue foram coletadas de pacientes em três momentos diferentes - pré-operatório após jejum, durante a cirurgia e 24 horas após a cirurgia. Essas amostras foram armazenadas em um biobanco central a -80°C para análises futuras. Detalhes sobre o tipo e duração da anestesia administrada também foram documentados. Os níveis plasmáticos de óxido nítrico (NO) foram avaliados usando amostras de sangue total de ácido etilenodiaminotetracético (BTK074, Bio-swamp, Wuhan, China), com protocolos de ensaio específicos acessíveis em https://www.bio-swamp.com/goodsDetail/BTK074.

Coleta das variáveis ​​da pesquisa As variáveis ​​da pesquisa compreenderam índices nutricionais, abrangendo glicemia de jejum (GLU), colesterol de lipoproteína de baixa densidade (LDL-C), colesterol de lipoproteína de alta densidade (HDL-C), colesterol total (CT), triglicerídeos (TG). ), albumina (ALB) e contagem de linfócitos (LYC). Os resultados iniciais dos testes para esses índices foram obtidos dentro de 48 horas após a admissão hospitalar de cada paciente. Nos casos em que faltavam dados, foram utilizados os valores correspondentes registrados no prontuário médico do paciente nos últimos 6 meses. Além disso, dados clínicos adicionais incluíram sexo, idade, comorbidades e protocolos de tratamento. As comorbidades avaliadas incluíram hipertensão, diabetes, doença pulmonar crônica e insuficiência renal crônica. As doenças pulmonares crônicas abrangeram doença pulmonar obstrutiva crônica, asma brônquica, bronquite crônica e bronquiectasia.

Definição e estabelecimento de desfechos clínicos O desfecho primário, definido como pacientes que desenvolveram DPO dentro de 72 horas após a cirurgia ou antes da alta, foi avaliado. Na coorte de derivação, o diagnóstico de delirium baseou-se em DPO documentado nos prontuários médicos. Se não for explicitamente declarado, a presença de DPO foi determinada com base nos resultados do Método de Avaliação de Confusão para Unidade de Terapia Intensiva (CAM-ICU), conforme registrado na documentação de enfermagem. Na coorte prospectiva, médicos treinados utilizaram o protocolo CAM-ICU para avaliar a consciência dos pacientes em intervalos de 6 horas por até 72 horas de pós-operatório, classificando um paciente com CAM-ICU positivo pelo menos uma vez durante esse período ou antes da alta como tendo DPO .

Os desfechos secundários incluíram eventos adversos pós-operatórios comuns, como ventilação mecânica (VM) prolongada (definida como ventilação mecânica contínua por ≥72 horas após a cirurgia), mortalidade hospitalar por todas as causas e ocorrência de complicações pulmonares pós-operatórias (por exemplo, infecção respiratória). , insuficiência respiratória, derrame pleural, atelectasia pulmonar, pneumotórax, broncoespasmo e pneumonia aspirativa). A coleta de dados e os processos de diagnóstico foram conduzidos de forma independente por dois pesquisadores, com discrepâncias resolvidas por um terceiro pesquisador para garantir precisão e consistência.

Processos de aprendizado de máquina As técnicas de aprendizado de máquina foram implementadas usando Python (versão 3.13.0, Fundação de Software Python). O pré-processamento de dados foi iniciado, começando com o processamento de valores discrepantes usando a técnica de Winsorização de 99% para abordar o impacto dos valores discrepantes nos resultados. StandardScaler foi então aplicado para normalizar o conjunto de dados. O coeficiente de correlação de Spearman foi empregado para avaliar a correlação entre as características do conjunto de dados, visualizadas por meio de um mapa de calor. O algoritmo de agrupamento K-Means, um método fundamental de aprendizagem não supervisionada, foi utilizado [15]. Os modelos K-Means foram treinados em coortes derivadas, e o método do coeficiente de silhueta determinou o número ideal de clusters para resultados de cluster robustos. Os dados do conjunto de validação foram classificados usando o modelo K-Means pré-treinado para prever rótulos de cluster para cada ponto amostral.