期刊文献+
共找到135篇文章
< 1 2 7 >
每页显示 20 50 100
气道闭合压、最大吸气压和呼吸浅快指数对慢阻肺患者撤机的预测价值 被引量:8
1
作者 林传焕 刘毅君 谷欣 《临床肺科杂志》 2016年第12期2240-2243,共4页
目的针对气道闭合压、最大吸气压和呼吸浅快指数对慢阻肺患者撤机的预测价值进行研究。方法随机选择2013年12月-2015年12月期间,医院收治的慢性阻塞性肺疾病(慢阻肺)患者80例,作为本次研究的对象,对患者实施气道闭合压、最大吸气压和呼... 目的针对气道闭合压、最大吸气压和呼吸浅快指数对慢阻肺患者撤机的预测价值进行研究。方法随机选择2013年12月-2015年12月期间,医院收治的慢性阻塞性肺疾病(慢阻肺)患者80例,作为本次研究的对象,对患者实施气道闭合压、最大吸气压和呼吸浅快指数等的检测,并根据患者撤机成功与否,比较撤机成功与撤机失败患者的撤机参数。结果在本次研究中慢阻肺患者的进口气管插管机械通气治疗中,患者撤机成功人数为53例,撤机失败人数27例。撤机成功组患者的气道闭合压(P0.1)、最大吸气压(Pi max)和呼吸浅快指数(RSBI)与撤机失败组患者的各项撤机指标进行比较,P<0.05,具有统计学意义。慢阻肺患者的撤机指标的预测价值进行分析,气道闭合压(P0.1)的灵敏度最高,为90%,其次是最大吸气压(Pi max)为85%,呼吸浅快指数(RSBI)64%。气道闭合压(P0.1)的特异性最高为76%,其次是呼吸浅快指数(RSBI)的特异性,为57%,最后是最大吸气压(Pi max)为45%。而三种指标的准确率分别为87%、73%、62%,综合分析得出,气道闭合压(P0.1)的预测价值最高,其次是最大吸气压(Pi max)和呼吸浅快指数(RSBI)。结论在慢阻肺患者的撤机中,气道闭合压、最大吸气压可以作为患者的撤机预测指标,呼吸浅快指数也可以在撤机预测中起到一定的作用。 展开更多
关键词 慢阻肺 气道闭合压 最大吸气压 呼吸浅快指数 撤机预测
下载PDF
慢性阻塞性肺疾病病人呼吸机相关性肺炎91例的病原谱及其列线图预测模型
2
作者 罗艳琳 卢豫川 +2 位作者 贾钦尧 宋珊 王涛 《安徽医药》 CAS 2024年第1期129-133,共5页
目的分析慢性阻塞性肺疾病(COPD)病人呼吸机相关性肺炎(VAP)病原菌感染特点,构建列线图预测模型。方法选择2019年1月至2021年12月在南充市第二人民医院接受机械通气治疗的193例慢性阻塞性肺疾病急性加重期(AECOPD)病人,根据有无VAP将病... 目的分析慢性阻塞性肺疾病(COPD)病人呼吸机相关性肺炎(VAP)病原菌感染特点,构建列线图预测模型。方法选择2019年1月至2021年12月在南充市第二人民医院接受机械通气治疗的193例慢性阻塞性肺疾病急性加重期(AECOPD)病人,根据有无VAP将病人分为两组,在单因素分析基础上行多因素logistic回归分析,构建列线图预测模型,以ROC曲线分析模型预测价值,并以计算机模拟充分采样(bootstrap)法进行内部验证。结果该研究的193例中共91例(47.15%)病人出现VAP,91例病人中共分离出病原菌108株,其中革兰阴性菌占72.22%,革兰阳性菌占15.74%,真菌占12.04%,单一感染62例,混合感染29例。单因素分析基础上行多因素分析结果显示:年龄≥60岁、气道干预方式为气道切开、合并糖尿病、机械通气时间≥4 d、使用抗菌药物联合用药、使用抑酸剂、有吸烟史及APACHEⅡ评分≥15分为AECOPD病人VAP发生的危险因素(P<0.05)。根据上述因素以R语言建立列线图预测模型,受试者操作特征(ROC)曲线下面积0.84,95%CI为(0.78,0.90),Bootstrap法对列线图进行内部验证,平均绝对误差为0.02,预测曲线与标准曲线基本拟合。结论AECOPD病人VAP发生率较高,主要因感染革兰阴性菌所致,VAP的发生率受病人年龄、气道干预方式、合并糖尿病情况、机械通气时间、糖皮质激素使用情况、抗菌药物联合用药、抑酸剂使用情况、吸烟史及APACHEⅡ评分的影响,以上述因素构建的列线图模型具有较高的区分度与准确度。 展开更多
关键词 肺疾病 慢性阻塞性 肺炎 呼吸机相关性 危险因素 细菌感染和真菌病 列线图 预测
下载PDF
利钠肽与机械通气撤机结局 被引量:3
3
作者 宋静杰 路雅宁 《现代医院》 2017年第4期531-534,539,共5页
机械通气的撤离(weaning of mechanical ventilation,简称撤机)一直是临床上的一个研究热点。撤机过程可引起一系列心血管和呼吸系统的病理生理变化,患者的心血管功能障碍是撤机失败的一个重要机制。利钠肽,包括脑钠肽(BNP)和N末端脑钠... 机械通气的撤离(weaning of mechanical ventilation,简称撤机)一直是临床上的一个研究热点。撤机过程可引起一系列心血管和呼吸系统的病理生理变化,患者的心血管功能障碍是撤机失败的一个重要机制。利钠肽,包括脑钠肽(BNP)和N末端脑钠肽前体(NT-proBNP)是近年来广泛研究的心脏标志物,是心血管功能障碍的敏感、特异指标。利钠肽的检测有无创、定量、可重复等优点,因此,临床上利钠肽用于指导撤机得到广泛关注。 展开更多
关键词 利钠肽 有创 呼吸机 预测 撤机
下载PDF
基于物联网数据和神经网络的呼吸机故障预测方法研究 被引量:1
4
作者 唐明康 王科盛 +2 位作者 李双双 刘培 彭旭光 《医疗卫生装备》 CAS 2023年第9期8-13,共6页
目的:针对呼吸机物联网数据提出一种底层数据预处理方法,并在此基础上提出一种基于神经网络的呼吸机故障预测方法。方法:首先对呼吸机物联网数据进行梳理分类,并进行数据清洗。其次,根据各数据项分布情况,使用特征工程方法实现所有数据... 目的:针对呼吸机物联网数据提出一种底层数据预处理方法,并在此基础上提出一种基于神经网络的呼吸机故障预测方法。方法:首先对呼吸机物联网数据进行梳理分类,并进行数据清洗。其次,根据各数据项分布情况,使用特征工程方法实现所有数据项无量纲化与编码化。之后,使用自编码器进行数据降维。最后,采用人工神经网络将异常数据作为训练标签,将预测异常数据故障作为训练目标进行训练,通过计算准确率、精确率、召回率、阴性预测值、特异度指标评估神经网络模型的预测性能。结果:神经网络模型学习效果良好,准确率、精确率、召回率、阴性预测值和特异度分别为99.68%、99.66%、99.99%、99.95%和96.52%。结论:提出的基于物联网数据和神经网络的呼吸机故障预测方法能够实现对特定故障的预测,为利用物联网数据开展医疗设备运维管理提供了参考。 展开更多
关键词 呼吸机 物联网 神经网络 故障预测 数据预处理
下载PDF
呼气峰流速测定对急性呼吸衰竭患儿撤机结果的预测价值 被引量:2
5
作者 叶建兰 张宣东 金芳 《海军医学杂志》 2015年第3期221-223,共3页
目的探讨咳嗽时呼气峰流速(PEF)值对预测急性呼吸衰竭患儿撤除呼吸机结果的价值。方法 2010年9月至2012年9月本市某三甲医院收治的85例重症呼吸衰竭机械通气患儿,男48例,女37例,年龄2~6岁,根据撤除呼吸机后48 h内是否需要进行气管插... 目的探讨咳嗽时呼气峰流速(PEF)值对预测急性呼吸衰竭患儿撤除呼吸机结果的价值。方法 2010年9月至2012年9月本市某三甲医院收治的85例重症呼吸衰竭机械通气患儿,男48例,女37例,年龄2~6岁,根据撤除呼吸机后48 h内是否需要进行气管插管分为成功组(71例)和失败组(14例),比较2组患儿撤机前的一般临床资料、肺功能、血气分析指标及PEF值差异;计算ROC曲线下面积(Az),评估PEF对患儿撤机结果的预测价值。结果撤除呼吸机前成功组与失败组患儿的基本资料:年龄、性别、小儿危重病例评分、病因并构成、合并下呼吸道感染率、机械通气时间比较差异均无统计学意义(P〉0.05)。撤机前成功组与失败组呼吸频率(RR)、心率(HR)、潮气量(Vt)、每分钟通气量(MV)、平均气道压(MAP)、血p H值、动脉血氧分压(Pa O2)、动脉血二氧化碳分压(Pa CO2)、氧合指数(Pa O2/Fi O2)比较,差异均无统计学意义(P〉0.05);撤机前成功组患儿的PEF值为(46.3±8.2)L/min,显著高于失败组患儿的(37.6±7.4)L/min,差异有统计学意义(P〈0.05)。PEF预测撤机结果的Az值为0.890,预测撤机结果的最佳PEF值为40.6 L/min。结论 PEF值预测呼吸衰竭患儿撤机结果具有一定的准确性,可以作为临床上撤机的一个依据。 展开更多
关键词 呼气峰流速 急性呼吸衰竭 呼吸机 肺功能 儿童
下载PDF
基于量纲分析的叶轮式通风器阻力特性研究 被引量:1
6
作者 鲁勇帅 张琦 张利霞 《现代机械》 2019年第6期68-72,共5页
为了研究工况因素对叶轮式通风器阻力特性的影响,建立通风器试验台,得到了不同实验工况下通风器的阻力值,结合所得实验数据,采用量纲分析法建立通风器阻力预测模型。模型计算值和实验值的平均绝对百分误差为3.69%,在此基础上讨论了转速... 为了研究工况因素对叶轮式通风器阻力特性的影响,建立通风器试验台,得到了不同实验工况下通风器的阻力值,结合所得实验数据,采用量纲分析法建立通风器阻力预测模型。模型计算值和实验值的平均绝对百分误差为3.69%,在此基础上讨论了转速、雷诺数和油气比对通风器阻力的影响。结果表明:阻力随雷诺数、转速和油气比的增加而增加;其中雷诺数为主要影响因素,转速和油气比对阻力的影响相对较小。 展开更多
关键词 叶轮式通风器 量纲分析法 预测模型阻力特性
下载PDF
煤矿通风机气动噪声的数值预测研究 被引量:1
7
作者 梁跃武 《机械管理开发》 2021年第10期133-134,139,共3页
为解决通风机气动噪声严重影响其通风效率和增大能耗的问题,以NACA65-010对旋式局部通风机为例建立模型,着重对通风机芯部、叶轮、叶片及机壳的气动噪声声功率分布特性进行仿真分析,为后续设计通风机气动噪声的降噪、消音及隔声等措施... 为解决通风机气动噪声严重影响其通风效率和增大能耗的问题,以NACA65-010对旋式局部通风机为例建立模型,着重对通风机芯部、叶轮、叶片及机壳的气动噪声声功率分布特性进行仿真分析,为后续设计通风机气动噪声的降噪、消音及隔声等措施奠定基础,进而为进一步改进通风机结构提供依据。 展开更多
关键词 通风机 气动噪声 数值预测
下载PDF
大型离心式通风机性能预测方法
8
作者 孙涛 代邦武 +1 位作者 褚菲 马小平 《工矿自动化》 北大核心 2019年第2期70-74,共5页
针对现有离心式通风机性能预测方法不能充分利用离心式通风机历史运行数据、建模周期长等问题,提出了基于最小二乘支持向量机(LSSVM)与拉丁超立方采样(LHS)的大型离心式通风机性能预测方法。选取出口压力作为衡量通风机性能的指标,利用L... 针对现有离心式通风机性能预测方法不能充分利用离心式通风机历史运行数据、建模周期长等问题,提出了基于最小二乘支持向量机(LSSVM)与拉丁超立方采样(LHS)的大型离心式通风机性能预测方法。选取出口压力作为衡量通风机性能的指标,利用LSSVM建立离心式通风机性能预测模型;通过LHS方法采集离心式通风机的入口温度、入口压力、入口流量和转速,将采集的数据进行归一化处理后用于LSSVM模型的训练;通过测试数据验证所建立模型的有效性。仿真结果表明,基于LSSVM与LHS的大型离心式通风机性能预测方法能够充分利用已有通风机数据信息快速准确地预测通风机性能。 展开更多
关键词 离心式通风机 性能预测 最小二乘支持向量机 拉丁超立方采样 LSSVM LHS
下载PDF
神经外科ICU病人呼吸机相关性肺炎风险预测模型的构建 被引量:10
9
作者 周慧 王红梅 +2 位作者 叶群 邹晓月 董朝晖 《护理研究》 北大核心 2022年第23期4174-4180,共7页
目的:探讨神经外科ICU病人发生呼吸机相关性肺炎的危险因素,构建风险预测模型并进行验证。方法:选取2017年1月—2021年12月在湖州市2所三级综合性医院ICU住院的534例神经外科术后病人,分为建模组425例和验证组109例。通过单因素分析和Lo... 目的:探讨神经外科ICU病人发生呼吸机相关性肺炎的危险因素,构建风险预测模型并进行验证。方法:选取2017年1月—2021年12月在湖州市2所三级综合性医院ICU住院的534例神经外科术后病人,分为建模组425例和验证组109例。通过单因素分析和Logistic回归分析筛选神经外科ICU病人发生VAP的危险因素,构建风险预测模型并绘制列线图。采用Bootstrap法对列线图模型进行内部验证,验证组数据对模型进行外部验证,最后通过临床决策曲线分析(DCA)评价模型的临床有效性。结果:最终纳入创伤性脑损伤、ICU住院时间、丙泊酚累积剂量、气管切开、深静脉置管、血清清蛋白值6个因素构建风险预测模型,该模型受试者工作特征(ROC)曲线下面积为0.966,灵敏度为89.9%,特异度为94.9%,最佳临界值为0.461。内部验证ROC曲线下面积为0.958,外部验证为0.934,Calibration图示预测概率与实际概率之间一致性较高,DCA决策曲线图表明模型具备较高的临床效益和实用价值。结论:构建的神经外科ICU病人呼吸机相关性肺炎风险预测模型具有良好的预测效能,可为临床预测神经外科ICU病人VAP发生风险提供参考。 展开更多
关键词 神经外科 重症监护病房 呼吸机相关性肺炎 危险因素 风险预测模型
下载PDF
住院高血压脑出血患者并发呼吸机相关肺炎预测模型构建及验证 被引量:6
10
作者 廖峻 吴婉玉 +2 位作者 黄劼 宋轶任 谢宸宸 《中华医院感染学杂志》 CAS CSCD 北大核心 2022年第19期2901-2904,共4页
目的 基于Logistic回归分析住院高血压脑出血(HICH)患者并发呼吸机相关肺炎(VAP)预测因素并构建预测模型。方法 回顾性分析成都大学附属医院2019年11月-2021年11月因高血压脑出血住院治疗患者160例的临床资料,根据患者住院期间是否发生... 目的 基于Logistic回归分析住院高血压脑出血(HICH)患者并发呼吸机相关肺炎(VAP)预测因素并构建预测模型。方法 回顾性分析成都大学附属医院2019年11月-2021年11月因高血压脑出血住院治疗患者160例的临床资料,根据患者住院期间是否发生VAP将其分为VAP组和非VAP组。分析患者年龄、性别、卒中史、吸烟、合并冠心病、合并糖尿病、合并慢性阻塞性肺疾病、反复吸痰、低蛋白血症、ICU住院时间和机械通气时间情况,采用多因素Logistic回归分析住院HICH患者并发VAP的影响因素,采用Hosmer-Lemeshow检验模型拟合度,采用MedCalc 11.4绘制受试者工作特征(ROC)曲线分析预测模型对住院HICH患者并发VAP风险的预测价值,获取曲线下面积(AUC)。结果 合并慢性阻塞性肺疾病、低蛋白血症、ICU住院时间和机械通气时间是住院HICH患者并发VAP的影响因素(P<0.05);根据多因素Logistic回归分析结果建立本研究预测模型,Logit(P)=-5.298+1.070×合并慢性阻塞性肺疾病+0.925×低蛋白血症+1.141×ICU住院时间+1.355×机械通气时间;采用Bootstarp重复抽样1 000次进行内部验证,得到平均绝对误差为0.0004,表明该模型具有较好的一致性。Hosmer-lemeshow检验结果显示该模型理论值与实际情况有较好的拟合度(χ~2=1.687,P=0.366);ROC分析结果显示本研究建立预测模型预测住院HICH患者发生VAP AUC为0.888,诊断敏感度为74.42%,特异度为88.89%(95%CI:0.829~0.933,P<0.001)。结论 根据合并慢性阻塞性肺疾病、低蛋白血症、ICU住院时间和机械通气时间建立预测模型对于住院HICH患者发生VAP有较好的预测价值。 展开更多
关键词 高血压脑出血 呼吸机相关肺炎 影响因素 预测模型 Hosmer-lemeshow检验
原文传递
PICU机械通气患儿并发呼吸机相关性肺炎风险预测模型的构建及效果检验 被引量:5
11
作者 徐纯 赵丽 +1 位作者 周晓红 徐莉 《临床护理杂志》 2023年第3期38-43,共6页
目的探讨儿童重症监护室(PICU)机械通气患儿并发呼吸机相关性肺炎(VAP)风险预测模型的构建及效果检验。方法选取2021年6月-2022年6月本院PICU收治的100例行机械通气患儿为研究对象,按照是否发生VAP分为VAP组与非VAP组。通过单因素分析... 目的探讨儿童重症监护室(PICU)机械通气患儿并发呼吸机相关性肺炎(VAP)风险预测模型的构建及效果检验。方法选取2021年6月-2022年6月本院PICU收治的100例行机械通气患儿为研究对象,按照是否发生VAP分为VAP组与非VAP组。通过单因素分析及多因素回归分析明确VAP独立危险因素,建立VAP风险预测模型,并对该风险预测模型的预测效能进行检验。结果结果显示,26例(26.00%)机械通气患儿发生VAP,74例(74.00%)患儿未发生VAP。多因素Logistic回归分析结果显示,机械通气时间≥7d、GCS评分<8分、使用抑酸剂、使用激素、血清白蛋白<30g/L为PICU机械通气患儿并发VAP的独立危险因素(P<0.05)。该模型ROC曲线下面积为0.886(95%CI:0.749~0.970),预测敏感度为96.15%,特异度为97.30%,预测准确率为89.18%,表明模型总体准确率较高。结论本研究在PICU机械通气患儿并发VAP的危险因素基础上,建立的风险预测模型具有良好拟合度和区分能力,且准确度较高,能为预测PICU机械通气患儿并发VAP风险提供有效工具。 展开更多
关键词 儿童重症监护室 机械通气 呼吸机相关性肺炎 风险预测模型
下载PDF
老年患者呼吸机相关性肺炎风险预测模型构建 被引量:5
12
作者 李岩 李彦 《中国消毒学杂志》 CAS 2021年第2期106-108,111,共4页
目的构建老年患者呼吸机相关性肺炎(VAP)风险预测模型。方法选取2014年1月—2019年6月于某医院住院期间曾使用呼吸机的老年患者为研究对象,应用Logistic回归构建VAP发生风险预测模型,并对模型进行拟合优度检验;使用受试者工作特征曲线(R... 目的构建老年患者呼吸机相关性肺炎(VAP)风险预测模型。方法选取2014年1月—2019年6月于某医院住院期间曾使用呼吸机的老年患者为研究对象,应用Logistic回归构建VAP发生风险预测模型,并对模型进行拟合优度检验;使用受试者工作特征曲线(ROC)曲线下面积(AUC)评价模型的预测准确度。结果 574例使用呼吸机的老年患者,呼吸机使用总天数为9 968 d,呼吸机使用率为57.31%,发生VAP的患者为52例,VAP的感染发生率为9.06%,千日感染率为5.22‰;多因素Logistic回归分析结果显示,昏迷、平卧位、插管天数> 10 d、插管次数> 2次是老年患者发生VAP的独立危险因素(P <0.05);Logistic回归模型的灵敏度为77.6%,特异度为80.8%,ROC曲线下面积(AUC)为0.851(95%CI:0.801~0.902)。结论本研究建立的Logistic回归模型对老年患者VAP的发生风险预测拟合优度较好,可为制订及时有效的防控措施提供依据。 展开更多
关键词 呼吸机相关性肺炎 危险因素 预测模型 老年患者
原文传递
基于随机森林模型的耐碳青霉烯类鲍曼不动杆菌性呼吸机相关性肺炎风险预测模型的构建
13
作者 冯清 贺培凤 《护理研究》 北大核心 2024年第19期3410-3416,共7页
目的:分析耐碳青霉烯类鲍曼不动杆菌(CRAB)性呼吸机相关性肺炎发生的风险因素,并采用随机森林模型和Logistic回归两种方法构建预测模型,为重症监护室降低CRAB性呼吸机相关性肺炎的发生风险提供理论依据。方法:选取2018年1月—2022年12... 目的:分析耐碳青霉烯类鲍曼不动杆菌(CRAB)性呼吸机相关性肺炎发生的风险因素,并采用随机森林模型和Logistic回归两种方法构建预测模型,为重症监护室降低CRAB性呼吸机相关性肺炎的发生风险提供理论依据。方法:选取2018年1月—2022年12月我院重症监护室收治的291例呼吸机相关性肺炎病人为研究对象,分析CRAB性呼吸机相关性肺炎的影响因素,基于随机森林模型和Logistic回归构建预测模型,计算受试者工作特征曲线(ROC)和曲线下面积(AUC),比较两种模型的差异。结果:多因素分析结果显示,氧合指数、气管切开、昏迷是CRAB性呼吸机相关性肺炎的独立影响因素。随机森林模型的AUC为0.78,Logistic回归模型AUC为0.61,随机森林模型的准确率(77.97%)、灵敏度(85.37%)、特异度(61.11%)均高于Logistic回归模型(66.10%、73.17%、50.00%)。结论:氧合指数、抗菌药物使用时间、气管切开、昏迷是CRAB性呼吸机相关性肺炎的高危风险因素,随机森林模型对CRAB性呼吸机相关性肺炎的预测性能优于Logistic回归模型。 展开更多
关键词 耐碳青霉烯类鲍曼不动杆菌 呼吸机相关性肺炎 影响因素 随机森林 LOGISTIC回归 预测模型
下载PDF
无创呼吸机对重症急性胰腺炎合并急性呼吸窘迫综合征治疗失败的危险因素预测 被引量:3
14
作者 胡向阳 刘勇 +1 位作者 王齐兵 李德忠 《临床急诊杂志》 CAS 2023年第2期77-82,共6页
目的:探讨无创呼吸机对重症急性胰腺炎(SAP)合并急性呼吸窘迫综合征(ARDS)患者治疗失败的危险因素,分析危险因素对治疗失败的预测价值。方法:收集2019年5月—2022年5月急诊重症病房(EICU)收治的SAP合并ARDS患者的临床资料,根据无创呼吸... 目的:探讨无创呼吸机对重症急性胰腺炎(SAP)合并急性呼吸窘迫综合征(ARDS)患者治疗失败的危险因素,分析危险因素对治疗失败的预测价值。方法:收集2019年5月—2022年5月急诊重症病房(EICU)收治的SAP合并ARDS患者的临床资料,根据无创呼吸机治疗成功与否将患者分为失败组与成功组。收集患者基本资料、实验室检查结果、并发症发生人数及危重症相关评分等。采用二元logistic回归分析SAP合并ARDS患者无创呼吸机治疗失败的独立危险因素,运用受试者工作特征曲线(ROC)分析危险因素的预测价值。结果:符合纳入标准病例227例,失败组82例,成功组145例。失败组性别比、年龄、BMI、基础疾病史、吸烟史、大量饮酒史、胆道疾病、高甘油三酯血症、轻中重度ARDS、ICU住院天数、心率、MAP、PaO2/FiO2、HbA1c、Alb、RANSON评分、BISAP评分、镇静药物、血液净化与成功组比较,差异无统计学意义(P>0.05);2组间APACHEⅡ评分、CTSI评分、CRP、IL-6、腹腔压力、ACS比较,差异有统计学意义(P<0.05);二元logistic回归分析显示,CTSI评分、IL-6、腹腔压力是治疗失败的独立危险因素(P<0.05)。ROC曲线结果显示,IL-6较另外2个因素更具有预测价值,其截断值为110.45 pg/mL,灵敏度和特异度分别为0.683、0.317,曲线下面积(AUC)为0.841(95%CI:0.787~0.895,P=0.001)。结论:CTSI评分、IL-6、腹腔压力是SAP合并ARDS患者无创呼吸机治疗失败的独立危险因素,其中IL-6对于SAP合并ARDS患者无创呼吸机治疗失败具有预测价值。 展开更多
关键词 急性重症胰腺炎 急性呼吸窘迫综合征 无创呼吸机 预测价值
原文传递
老年慢性阻塞性肺疾病并发呼吸机相关性肺炎风险预警模型的构建与验证
15
作者 付爱清 刘莎 +1 位作者 施艳 周佳 《现代医药卫生》 2024年第13期2197-2201,共5页
目的 分析老年慢性阻塞性肺疾病(COPD)患者并发呼吸机相关性肺炎(VAP)的危险因素,构建风险预警模型并进行验证。方法 回顾性选取2020年8月至2022年12月于该院重症医学科收治的170例老年COPD患者纳入建模组,根据患者住院期间是否并发VAP... 目的 分析老年慢性阻塞性肺疾病(COPD)患者并发呼吸机相关性肺炎(VAP)的危险因素,构建风险预警模型并进行验证。方法 回顾性选取2020年8月至2022年12月于该院重症医学科收治的170例老年COPD患者纳入建模组,根据患者住院期间是否并发VAP分为VAP组和无VAP组;采用单因素和logistic回归分析VAP发生的独立影响因素,并根据独立影响因素构建风险预警模型;采用受试者操作特征(ROC)曲线对模型进行区分度评估,并采用Hosmer-Lemeshow检验判断模型的拟合优度,另选取73例同期老年COPD患者纳入验证组,对模型进行外部验证。结果 建模组170例老年COPD患者中41例并发VAP,发生率为24.1%。单因素及多因素分析结果显示,糖尿病史[比值比(OR)=14.821,95%可信区间(95%CI) 2.462~89.232]、联用抗菌药物(OR=6.352,95%CI 1.391~29.008)、留置胃管(OR=5.454,95%CI 1.213~24.521)、误吸(OR=7.745,95%CI 1.569~38.224)、机械通气时间>5 d(OR=8.014,95%CI 2.026~31.695)、住院时间≥14 d(OR=6.494,95%CI 1.371~30.755)和急性生理与慢性健康状况评分Ⅱ系统(APACHEⅡ)>18分(OR=16.714,95%CI 3.326~83.983)是老年COPD患者并发VAP的独立危险因素。根据独立影响因素构建的风险预警模型ROC结果显示,曲线下面积(AUC)为0.901(95%CI 0.843~0.958,P<0.001),敏感度为79.5%,特异度为91.3%。模型验证敏感度为80.0%,特异度为92.5%,总准确率为89.0%。结论 糖尿病史、联用抗菌药物、留置胃管、误吸、机械通气时间>5 d、住院时间≥14 d和APACHEⅡ评分>18分是老年COPD患者并发VAP的独立危险因素。以上述因素构建的风险预警模型经验证具有较好的预测效能,有一定的临床应用价值。 展开更多
关键词 慢性阻塞性肺疾病 呼吸机相关性肺炎 风险因素 预测模型 验证
下载PDF
呼吸机相关性肺炎风险预测模型的研究进展
16
作者 张丽玉 王翠丽 +5 位作者 郑洁 刘琴琴 张颖惠 侯林义 路娇 王彩玲 《医学综述》 CAS 2024年第20期2510-2514,共5页
呼吸机相关性肺炎(VAP)是机械通气患者常见的并发症,不仅增加患者医疗费用,而且威胁其生命安全。风险预测模型能够预测某种结局事件的概率,有助于识别高风险人群。目前,国内外许多研究基于传统Logistic回归方法或机器学习法构建VAP的预... 呼吸机相关性肺炎(VAP)是机械通气患者常见的并发症,不仅增加患者医疗费用,而且威胁其生命安全。风险预测模型能够预测某种结局事件的概率,有助于识别高风险人群。目前,国内外许多研究基于传统Logistic回归方法或机器学习法构建VAP的预测模型,并将预测模型转换为列线图或风险评分。VAP风险预测模型能够有效帮助临床医护人员快速、准确地筛查高风险人群,进而及时有效地针对高风险人群采取相应的预防措施,从而降低VAP发生率。 展开更多
关键词 呼吸机相关性肺炎 机械通气 重症监护 风险 预测模型
下载PDF
ICU机械通气患者呼吸机相关性肺炎风险预测模型的系统评价
17
作者 温慧 聂清梅 +4 位作者 孙莉莉 鲍月月 张莹莹 刘培 曹荣荣 《中华现代护理杂志》 2024年第24期3280-3286,共7页
目的对ICU呼吸机相关性肺炎的风险预测模型进行系统性的检索和评价,以期为构建更高质量的呼吸机相关性肺炎风险预测模型提供参考。方法检索中国生物医学文献数据库、万方数据库、中国知网、Embase、PubMed、CINAHL、Web of Science、Coc... 目的对ICU呼吸机相关性肺炎的风险预测模型进行系统性的检索和评价,以期为构建更高质量的呼吸机相关性肺炎风险预测模型提供参考。方法检索中国生物医学文献数据库、万方数据库、中国知网、Embase、PubMed、CINAHL、Web of Science、Cochrane Library数据库中的相关文献,检索时限为建库至2023年9月30日,限定语种为英文和中文。由2名研究者独立筛选文献和提取数据,并应用PROBAST工具对纳入研究的偏倚风险和适用性进行评价。结果共纳入15项呼吸机相关性肺炎的风险预测模型构建研究,15个模型的受试者工作特征曲线下面积为0.722~0.982,涉及最多的预测因子是年龄、机械通气时间、ICU住院时间及合并COPD。整体适应性较好,偏倚风险较高,偏倚主要来自样本量不足、未选择合适的数据来源、缺乏模型性能评估和对缺失数据关注不足等。结论呼吸机相关性肺炎风险预测模型研究偏倚风险较高,正处于发展阶段;未来研究应关注对不同风险评估方法有效性的研究,构建偏倚风险低、预测性能优良、符合我国临床实践实施的风险预测模型。 展开更多
关键词 重症监护病房 呼吸机相关性肺炎 预测模型 系统评价
原文传递
新生儿重症监护病房机械通气早产儿并发呼吸机相关性肺炎预测模型的构建与验证
18
作者 郭永琴 豆瑛瑛 +2 位作者 李建丽 常瑞敏 郝亚男 《中国实用护理杂志》 2024年第33期2578-2587,共10页
目的构建新生儿重症监护病房(NICU)机械通气早产儿并发呼吸机相关性肺炎(VAP)的预测模型,并对其临床应用效果进行检验。方法采用横断面研究方法,便利抽样法选取2018年7月至2023年6月入住长治市妇幼保健院NICU行机械通气治疗的740例早产... 目的构建新生儿重症监护病房(NICU)机械通气早产儿并发呼吸机相关性肺炎(VAP)的预测模型,并对其临床应用效果进行检验。方法采用横断面研究方法,便利抽样法选取2018年7月至2023年6月入住长治市妇幼保健院NICU行机械通气治疗的740例早产儿为研究对象,采用计算机产生随机数字法按7∶3比例分为建模集(518例)与验证集(222例),根据是否发生VAP将建模集分为VAP组(181例)与非VAP组(337例),使用21项临床特征分析病例危险因素,采用单因素分析筛选预测因子,通过多因素Logistic回归分析机械通气早产儿并发VAP的独立危险因素,应用R软件制作列线图模型。通过验证集数据对列线图模型进行检验。采用受试者工作特征(ROC)曲线、Hosmer-Lemeshow拟合优度检验、校正曲线以及临床决策曲线评估模型的效能以及实用价值。结果VAP组早产儿男88例,女93例,胎龄<34周156例,≥34周25例;非VAP组早产儿男155例,女182例,胎龄<34周196例,≥34周141例。出生体质量(OR=0.114,95%CI 0.044~0.268,P<0.05)、母乳口腔护理(OR=0.124,95%CI 0.057~0.249,P<0.05)为机械通气早产儿并发VAP的保护性因素,出生5 min Apgar评分(OR=2.895,95%CI 1.318~6.419,P<0.05)、机械通气72 h血清前白蛋白(OR=4.837,95%CI 2.643~9.063,P<0.05)、胃内容物反流(OR=6.754,95%CI 3.156~15.240,P<0.05)、机械通气时间(OR=7.784,95%CI 3.491~18.160,P<0.05)为机械通气早产儿并发VAP的独立危险因素。建模集ROC曲线下面积为0.929(95%CI 0.907~0.950,P<0.01),验证集ROC曲线下面积为0.917(95%CI 0.882~0.952,P<0.01),模型区分度良好。通过Bootstrap法抽样500次得出建模集和验证集C指数分别为0.93和0.92,模型有较好的一致性,决策曲线提示预测模型均远离极端曲线,净收益值高,构建的列线图模型预测价值高。结论出生体质量、出生5 min Apgar评分、机械通气时间、母乳口腔护理、机械通气72 h血清前白蛋白、胃内容物反流是机� 展开更多
关键词 肺炎 呼吸机相关性 机械通气 早产儿 风险预测模型
原文传递
呼吸机相关性肺炎风险预测模型的研究进展 被引量:3
19
作者 张雪梅 董雪 郭燕杰 《全科护理》 2022年第32期4497-4499,共3页
从疾病风险预测模型的概述、呼吸机相关性肺炎的危险因素、风险评估模型、基于传统统计学构建的呼吸机相关性肺炎风险预测模型4个方面对呼吸机相关性肺炎风险预测模型的研究进展进行综述,旨在为临床构建干预方案提供思考。
关键词 重症监护室 呼吸机相关性肺炎 机械通气 危险因素 预测模型 综述
下载PDF
ICU老年机械通气患者呼吸机相关性肺炎风险预测模型的构建探讨 被引量:1
20
作者 王进 李玉侠 《中国实用医药》 2023年第23期52-56,共5页
目的 分析重症加强护理病房(ICU)老年机械通气患者呼吸机相关性肺炎(VAP)的影响因素,并构建风险预测模型。方法 312例ICU老年机械通气患者,据患者在入院机械通气治疗期间是否发生VAP分为发生VAP组(36例)和未发生VAP组(276例)。采用队列... 目的 分析重症加强护理病房(ICU)老年机械通气患者呼吸机相关性肺炎(VAP)的影响因素,并构建风险预测模型。方法 312例ICU老年机械通气患者,据患者在入院机械通气治疗期间是否发生VAP分为发生VAP组(36例)和未发生VAP组(276例)。采用队列研究的方法统计分析VAP现状,采用单因素及多因素Logistic回归分析其影响因素并构建ICU老年机械通气患者VAP风险预测模型。结果 312例老年机械通气患者,年龄60~87岁,平均年龄(67.86±13.45)岁;其中,男性178例,占比为57.05%,女性134例,占比为42.95%。312例老年机械通气患者中,住院期间有36例发生VAP,VAP发生率为11.54%。单因素分析结果显示:发生VAP组患者年龄、有慢性呼吸系统疾病占比、有吸烟史占比、长期卧床占比、长期使用质子泵抑制剂占比高于未发生VAP组,呼吸机使用时间长于未发生VAP组,差异有统计学意义(P<0.05);两组性别、婚姻状况、月收入、医保类型、高血压、糖尿病、上机前使用抗生素、长期使用H_(2)受体拮抗剂比较,差异无统计学意义(P>0.05)。多因素Logistic回归分析结果显示,年龄、有慢性呼吸系统疾病、吸烟、长期卧床、长期使用质子泵抑制剂、呼吸机使用时间长为VAP发生的独立危险因素(P<0.05)。据多元回归分析数据,将分类数据赋值:慢性呼吸系统疾病=X_(1);呼吸机使用时间=X_(2);既往吸烟=X_(3);长期卧床=X_(4);年龄=X_(5);长期使用质子泵抑制剂=X_(6);长期使用H_(2)受体拮抗剂=X7。赋值后现构建风险预测模型如下:Z=4.235+0.462X_(1)+0.562X_(2)+1.224X_(3)+0.368X_(4)+0.452X_(5)+0.482X_(6)+0.330X_(7)。结论 老年机械通气患者VAP发生率处于较高水平,年龄、有慢性呼吸系统疾病、吸烟、长期卧床、长期使用质子泵抑制剂、呼吸机使用时间长为VAP发生的独立危险因素。临床工作人员应及时评估患者是否可以撤机拔管,尽量减少呼吸机及质子泵抑制剂� 展开更多
关键词 重症加强护理病房 机械通气 呼吸机相关性肺炎 风险预测模型 老年患者
下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部