用于体重估计的机器学习和基于 3D 图像的建模。

药物剂量错误可能会对急症患者（例如需要溶栓治疗的中风患者或需要紧急镇静的患者）产生灾难性影响。 对于病情严重的患者，不准确的体重估计是导致剂量错误的一个重要原因，体重估计值与实际体重的偏差超过 10% 可能会使治疗本身危及生命。 不准确的体重估计会导致不准确的药物剂量，从而可能导致潜在致命的治疗失败（来自亚治疗剂量）或潜在致命的不良事件（来自超治疗剂量）。 肥胖患者中近 75% 的治疗失败可能与体重估计错误有关。 当临床护理对时间敏感时，可能无法测量 > 50% 的患者的体重。 在这些情况下，快速、准确的体重估算方法至关重要。 最近的一项创新是使用低成本 3D 摄像系统来估算重量。 3D 摄像头设备（例如英特尔实感 D415）用于获取患者身体的点云图，可以根据使用卷积神经网络分析导出的算法来估计体重。 初步研究表明该系统在估算总体重 (TBW) 方面的准确性非常有希望。

本研究的主要目的是测量 3D 摄像系统对重病或受伤 ED 患者体重估计的准确性，并将该准确性与标准护理的准确性进行比较。 我们将在一项针对急诊科就诊的重病或受伤成年人的随机对照试验中，将使用 3D 摄像系统进行体重估计的性能和下游效果与标准护理进行比较。

我们的假设是，我们的 3D 摄像头系统将在紧急情况下提供 TBW、IBW 和 LBW 的实时估计，并且将超过现有重量估计方法的准确性。

支持非临床试验研究将确定 3D 摄像系统在实验室条件和模拟医疗紧急情况下的准确性。 然而，其性能及其对下游药物剂量准确性的影响需要在真实临床环境中的紧急护理过程中确定。 这项研究将为 3D 摄像系统的准确性和功能以及紧急护理期间的真实体重估计提供重要视角。 它还将描述使用床上秤测量体重以及从 ED 患者本人和家人那里获得体重估计值的能力。 第二个目标是确定研究各组药物剂量的准确性，这将提供关于向急诊室就诊的肥胖和病态肥胖患者是否需要替代体重标量的关键信息。 该研究将确定需要制定标准和政策来指导急诊室肥胖患者的剂量调整。 有关应调整至 TBW 的药物和应调整至 LBW 的药物的实际使用信息，将通过使用“一刀切”的方法，提供有用的现实世界见解，了解威胁患者安全的问题的严重程度计算所有患者的药物剂量，无论体重状况如何。

到一家大型地区医院急诊室就诊并需要基于体重的药物治疗的急症患者将参加该研究。 他们将被随机分配接受使用 3D 摄像系统的体重估计（将提供 TBW、IBW 和 LBW 的估计），或接受标准护理。 所有其他干预措施和医疗护理都将是标准护理。

这些患者住院后的前 72 小时将接受随访。 将比较各组之间体重估计的准确性、药物剂量的准确性以及与药物治疗相关的任何不良事件。