Um dem Thema außerklinischer Herzstillstand zu begegnen, haben Forscher der Osaka Metropolitan University eine neue Bewertungsmethode entwickelt, die nur Daten aus prähospitalen Reanimationen verwendet, um neurologische Ergebnisse genau vorherzusagen und es Klinikern zu ermöglichen, informed Entscheidungen bei der Ankunft eines Patienten im Krankenhaus zu treffen. Nach dem Transport der Patienten stehen OHCA-Patienten mit ungünstigen neurologischen Ergebnissen von Behinderung bis Tod gegenüber. Das neue Modell, R-EDByUS, basiert auf fünf Schlüsselvariablen: Alter, Zeit bis zum Rückkehr der Spontanzirkulation oder Ankunftszeit im Krankenhaus, Fehlen einer Laien-CPR, ob der Arrest beobachtet wurde und das anfängliche Herzrhythmus.
Das Modell sagte die neurologische Prognose des Kardiogenen OHCA bei der Ankunft im Krankenhaus genau vorher. Die Forscher nutzen ungünstige Merkmale im American College of Cardiology Algorithmus. Sie verwendeten Daten von OHCA-Patienten, die zwischen 2005 und 2019 aus dem All-Japan Utstein Registry für 942.891 Erwachsene mit vermuteter kardialer Ursache gesammelt wurden. Sie entwickelten einen webbasierten Rechner und sagten, er sei einfach in einem klinischen Umfeld zu bedienen und habe das Potenzial für zukünftige Validierung. Eine KI-gestützte Patienten-Triage kann potenziell angemessene Versorgungskanäle schaffen, die Patientenergebnisse und -erfahrungen verbessern und Ressourcennutzung optimieren, erfordern jedoch eine regulatorische Rigorosität, um sie zu bewerten.
Der HIMSS AI im Gesundheitswesen Forum ist für den 5.-6. September in Boston geplant. Erfahren Sie mehr und registrieren Sie sich.