Vorhersage von Übelkeit und Erbrechen in der postoperativen Phase durch ein künstliches neuronales Netz

摘要: Ubelkeit und Erbrechen in der postoperativen Phase (PONV) sind nach wie vor haufige subjektiv sehr unangenehme Nebenwirkungen einer Narkose. Dennoch sollte eine antiemetische Prophylaxe nur bei Risikopatienten durchgefuhrt werden, die durch entsprechende Vorhersagemodelle identifiziert werden mussen. Alle traditionellen Risikoscores basieren auf den Ergebnissen logistischer Regressionsanalysen. Alternativ kann aber auch ein kunstliches neuronales Netz (KNN) fur solche Vorhersagen eingesetzt mit dem sich komplexe nichtlineare Zusammenhange gut modellieren lassen. Es wird Entwicklung eines solchen KNN zur PONV-Vorhersage vorgestellt dessen Prognosegenauigkeit zweier vereinfachter Risikomodelle (Apfel- Koivuranta-Score) verglichen. Grundlage des waren Daten von 1.764 Patienten, elektiven Operation balancierter Allgemeinanasthesie unterzogen hatten. Das Training erfolgte an 1.364 Datensatzen, weiteren 400 wurde es uberwacht. besten Vorhersagegenauigkeit im nachsten Schritt etablierten Risikomodellen externen Patientendaten Bewertet wurden Diskrimination (gemessen anhand Flache unter Receiver-operating-characteristic-Kurve) Kalibration Ausgleichsgerade gewichteten linearen Korrelation zwischen vorhergesagter tatsachlicher PONV-Inzidenz) sowie praktische Anwendbarkeit. Die Diskriminationsfahigkeit war 0,74 (95%-Konfidenzintervall: 0,70–0,78) signifikant besser (p<0,0001) als beim vereinfachten Score Apfel (0,66; 95%-KI: 0,61–0,71) oder Koivuranta (0,69; 0,65–0,74). Ubereinstimmung vorhergesagten tatsachlichen PONV-Inzidenz ebenfalls am besten. kam Anforderungen einen idealen Verlauf (y=1,0x+0) nahe (KNN: y=1,11x+0; Apfel: y=0,71x+1; Koivuranta: 0,86x−5). Verbesserung PONV-Prognose das ist klinisch relevant. uberwiegen praktischen Nachteile Systems, nicht ohne Rechnerunterstutzung angewandt kann. Wegen einfachen Handhabung klinischen Praxis empfehlen wir weiterhin Anwendung beiden Vorhersagemodelle.