使用健康数据和药物使用情况进行 ASA 预测

美国麻醉医师协会身体状况 (ASA-PS) 分类系统是一种广泛使用的工具，用于评估手术适合度和其他临床情况。 然而，其固有的主观性和对临床医生判断的严重依赖可能导致患者风险分层的不一致，而患者风险分层是围手术期护理的关键组成部分。 此外，ASA-PS 系统已被用于超出其初衷的各种行政和监管目的，例如荷兰健康和青少年护理监察局 (IGJ) 的质量评估、美国私人付款人的补偿决定、患者分诊和医疗服务。确定是否适合某些类型的手术。

鉴于 ASA-PS 系统的广泛而关键的应用，提高其精度和客观性至关重要。 实现这一目标的一种方法是开发一种机器学习算法，根据术前变量预测 ASA-PS。 麻醉师将 ASA-PS 评分基于全身性疾病的存在情况，这可以通过药物使用来推断。 通过利用解剖治疗化学 (ATC) 代码、BMI、性别、年龄、常规收集的术前健康数据和药物使用等数据，该算法可以提供更加一致和客观的 ASA-PS 测量。

这不仅可以改善患者风险分层的临床决策，还可以为管理和监管用途提供更可靠的工具。 因此，这种机器学习工具的开发为推进围手术期护理的科学和实践提供了重要的机会。 将药物使用纳入算法可以进一步增强其预测能力，因为它与全身性疾病密切相关。 这一补充有助于完善 ASA-PS 分类，使其成为临床环境中更有价值的工具。