Диагностика делирия и оценка качества сна у пациентов отделения анестезиологии и реанимации (delirium sleep)

Делирий – это состояние, сопровождающееся функциональными потерями в головном мозге вследствие как структурных, так и сосудистых нарушений, вызывающих обезвоживание и гипоперфузию, которые препятствуют транспортировке кислорода и глюкозы к нейронам, тем самым приводя к метаболической дисфункции в головном мозге. Более того, делирий, который характеризуется дезориентацией, невнимательностью и изменениями в мыслях и/или поведении, представляет собой серьезное и широко распространенное нервно-психическое состояние, которое часто остается незамеченным, хотя его можно предотвратить и обратить вспять после соответствующего вмешательства. Было обнаружено, что на развитие делирия влияют многочисленные факторы риска, включая длительное пребывание в больнице, прием лекарств, механизмы преодоления болезни во время болезни, личностные особенности и соблюдение режима лечения. Считается, что пациенты интенсивной терапии сталкиваются с более высоким риском развития делирия. В этом отношении инвазивные процедуры, регулярный уход, шум окружающей среды, постоянное воздействие света, ранее существовавшие нарушения сна, боль, тревога, страх и одиночество представляют собой физиологические и психологические факторы, которые могут привести к лишению сна у пациентов интенсивной терапии. Действительно, такие места, как отделения интенсивной терапии (ОИТ), где пациенты подвергаются постоянным раздражителям и могут испытывать сильную боль, могут вызывать стрессовые реакции, которые приводят к возбуждению, нарушениям сна и бреду.

Предыдущие исследования показали, что лекарства, используемые для контроля делирия, могут отрицательно повлиять на качество сна, а ухудшение качества сна может усугубить делирий. Основная цель профилактики делирия — обеспечить регулярный цикл сна и бодрствования, поддержать адекватное потребление жидкости и питательных веществ, а также обеспечить как профилактическое, так и терапевтическое лечение с помощью систематического междисциплинарного группового подхода для снижения частоты и продолжительности делирия. Подходы к искусственному интеллекту и машинному обучению позволяют машинам моделировать сложные процессы, такие как мышление и сознание, тем самым позволяя компьютерам изучать взаимосвязи между входными и выходными данными из больших наборов данных, что помогает им принимать оптимальные решения, анализ и прогнозы. В сфере здравоохранения такая технология используется во многих областях, включая раннее выявление и прогнозирование заболеваний, классификацию заболеваний, лечение, предотвращение неблагоприятных исходов, быстрый анализ клинических данных, инициативы по экономии средств, предоставление эффективной и качественной помощи. минимизация человеческих ошибок и принятие клинических решений.

В настоящем исследовании изучалась связь между делирием и качеством сна у пациентов в анестезии и отделениях интенсивной терапии, а также был проведен прогностический анализ с использованием подхода машинного обучения.

Данные, необходимые для этого исследования, были собраны с использованием информационной формы для пациента, шкалы скрининга делирия для медсестер (Nu-DESC), шкалы сна Ричардса-Кэмпбелла (RCSS), Ричмондской шкалы возбуждения-седации (RASS) и GCS. Собранные данные были проанализированы с использованием статистической программы SPSS (SPSS-26), а при представлении результатов соблюдались рекомендации по усилению отчетности об наблюдательных исследованиях в эпидемиологии (STROBE). Размер выборки определялся с использованием известного метода расчета генеральной выборки. Как частотный, так и процентный анализ использовался для описания распределения демографических характеристик участников, а среднее и стандартное отклонение использовались для определения уровней участников по используемым шкалам. Альфа-анализ надежности Кронбаха был проведен для оценки надежности шкалы, а апостериорный анализ мощности показал, что исследование имело среднюю мощность при уровне достоверности 95% и значимости 99%. Значения асимметрии-эксцесса проверялись для оценки нормальности распределения. Для оценки различий между группами использовался t-критерий независимых выборок. Для сравнения более чем двух групп применялся однофакторный дисперсионный анализ (ANOVA), а анализ кривых прогнозирования и рабочих характеристик приемника (ROC) проводился с использованием версии R 4.1.3.