目的采用荟萃分析探讨脑肿瘤患者术后谵妄发生的危险因素,旨在为临床护理人员识别高危因素提供依据。方法以谵妄、脑肿瘤、手术、危险因素等为关键词,检索PubMed、Web of Science、中国知网、万方等国内外数据库于2001年1月1日—2020年1...
详细信息
目的采用荟萃分析探讨脑肿瘤患者术后谵妄发生的危险因素,旨在为临床护理人员识别高危因素提供依据。方法以谵妄、脑肿瘤、手术、危险因素等为关键词,检索PubMed、Web of Science、中国知网、万方等国内外数据库于2001年1月1日—2020年12月16日发表的脑肿瘤术后谵妄相关文献,进行文献质量评价并采用Stata 16.0软件进行Meta分析。结果共纳入9篇文献,13个危险因素与脑肿瘤患者术后发生谵妄相关。汇总分析后,年龄≥50岁或≤5岁[OR=1.23,95%CI(1.09~1.38),P=0.001]、酗酒史[OR=2.12,95%CI(1.09~4.13),P=0.027]、左右双侧脑肿瘤占位[OR=2.19,95%CI(1.30~3.69),P=0.003]、使用苯二氮类药物[OR=4.11,95%CI(2.03~8.30),P<0.001]、经额入路开颅术[OR=3.12,95%CI(1.94~5.00),P<0.001]、气管插管[OR=4.45,95%CI(2.44~8.11),P<0.001]、身体约束[OR=2.86,95%CI(1.82~4.51),P<0.001]是脑肿瘤患者术后谵妄发生的危险因素。结论现有证据表明,年龄≥50岁或≤5岁、酗酒史、左右双侧脑肿瘤占位、使用苯二氮类药物、经额入路开颅术、气管插管、身体约束是脑肿瘤患者术后谵妄发生的危险因素。护理人员应识别高危患者,基于危险因素采取预防策略以减少该群体术后谵妄的发生。
随着临床和生物大数据的极大丰富,机器学习技术通过结合多方面的信息以预测个体的健康结局,在科研及学术论文中应用日益广泛,但关键信息报告的不足也逐渐显现,包括数据偏倚、模型对不同群体的公平性、数据质量和适用性问题,以及在真实临床环境中保持预测准确性和可解释性的难度等,增加了将预测模型安全有效地应用于临床实践的复杂性。针对这些问题,多变量预测模型个体预后或诊断的透明报告(transparent reporting of a multivariable prediction model for individual prognosis or diagnosis,TRIPOD)+人工智能(artificial intelligence,AI)声明在TRIPOD的基础上提出了针对机器学习模型的报告规范,以提升模型的透明性、可重复性和健康公平性,从而改善机器学习模型的应用质量。当前,国内基于机器学习技术的预测模型研究日益增多。为帮助国内读者更好地理解和应用TRIPOD+AI,笔者结合实例对其进行了解读,希望为研究人员报告质量提升提供支持。
暂无评论