Development and temporal validation of a prediction model for emergence agitation in older patients undergoing orthopedic surgery with general anesthesia: a single-center retrospective cohort study
Diese retrospektive Kohortenstudie mit einem Zentrum entwickelte und validierte temporal ein logistisches Regressionsmodell unter Verwendung von sieben klinischen Prädiktoren, um das Risiko einer postoperativen Agitation bei älteren Patienten, die sich einer orthopädischen Operation unter Allgemeinanästhesie unterzogen, präzise zu stratifizieren, wobei eine starke Diskriminationsleistung nachgewiesen wurde, die eine weitere multizentrische externe Validierung rechtfertigt.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Wenn ältere Patienten nach einer großen Operation aufwachen, ist das Ziel eine sanfte, ruhige Rückkehr zum Bewusstsein. Doch für einige ist der Übergang erschütternd. Anstatt ruhig aufzuwachen, können sie plötzlich verwirrt, unruhig und körperlich agitiert werden und oft versuchen, Schläuche oder IV-Leitungen herauszuziehen. Dieser Zustand, bekannt als Agitationsphase beim Erwachen (Emergence Agitation), ist mehr als nur eine vorübergehende Unannehmlichkeit; er birgt reale Gefahren. In den kritischen Stunden nach der Operation riskieren Patienten, die umherschlagen, sich selbst zu verletzen, lebenswichtige medizinische Geräte zu lösen oder Blutungen an der Operationsstelle zu verursachen. Dies ist besonders besorgniserregend für ältere Erwachsene, die sich orthopädischen Eingriffen unterziehen, wie etwa Hüft- oder Knieprothesen, bei denen der Körper bereits unter erheblicher Belastung steht. Da diese Patienten über eine geringere physiologische Reserve verfügen und oft mehrere chronische Erkrankungen bewältigen müssen, könnte die Vorhersage, wer vor dem Eintreten dieser Agitation Agitation erleben könnte, den medizinischen Teams helfen, sich besser vorzubereiten und durch engmaschigere Überwachung und schnellere Interventionen die Sicherheit aller zu gewährleisten.
Ein Team von Forschern am Hainan General Hospital setzte sich zum Ziel, dieses Problem zu lösen, indem es ein Werkzeug entwickelte, um vorherzusagen, welche älteren Patienten nach einer orthopädischen Operation am wahrscheinlichsten Agitation zeigen werden. Sie untersuchten die Krankenakten von fast 2.000 Patienten, die über einen Zeitraum von zwei Jahren behandelt wurden, und analysierten eine breite Palette von Informationen, die verfügbar waren, noch bevor der Patient aufwachte. Dazu gehörten die medizinische Vorgeschichte, die während der Anästhesie verwendeten spezifischen Medikamente, die Art der durchgeführten Operation und verschiedene Bluttestergebnisse, die während der Narkose entnommen wurden. Die Forscher testeten verschiedene mathematische Ansätze, um zu sehen, welcher am besten die Muster erkennen konnte, die zur Agitation führen. Sie fanden heraus, dass eine relativ einfache Methode, die sieben spezifische Faktoren gewichtet, genauso gut abschnitt wie viel komplexere Computeralgorithmen. Das fertige Modell identifizierte, dass Patienten mit einer Alkoholkonsumgeschichte, einer Schlaganfallvorgeschichte oder Bluthochdruck ein höheres Risiko hatten sowie jene, die ein spezifisches Typ eines inhalierten Anästhetikums namens Sevofluran erhielten oder einen Harnkatheter eingesetzt bekamen. Umgekehrt waren Patienten, bei denen eine Schmerzpumpe zur automatischen Medikamentenzufuhr eingerichtet war, weniger wahrscheinlich agitiert. Das Modell stellte zudem fest, dass höhere Kohlendioxidwerte im Blut vor dem Aufwachen ein Warnsignal waren.
Die Forscher trainierten ihr Modell zunächst mit Daten von 1.339 Patienten, die im Jahr 2025 behandelt wurden. In dieser Gruppe erlebten etwa 30 Prozent der Patienten Agitation. Das Modell lernte, zwischen denjenigen, die ruhig bleiben würden, und denen, die es nicht tun würden, zu unterscheiden, indem es sich auf sieben Schlüsselprädiktoren konzentrierte: Alkoholkonsum, Bluthochdruck, Schlaganfallvorgeschichte, die Verwendung von Sevofluran, das Vorhandensein einer patientengesteuerten Schmerzpumpe, die Verwendung eines Harnkatheters und den Kohlendioxidspiegel im Blut. Um sicherzustellen, dass das Modell nicht nur die Daten auswendig lernte, sondern tatsächlich ein zuverlässiges Muster erlernte, testete das Team es an einer völlig separaten Gruppe von 670 Patienten, die in der ersten Hälfte des Jahres 2026 behandelt wurden. Diese zweite Gruppe hatte eine etwas niedrigere Agitationsrate von etwa 22 Prozent. Als das Modell auf diese neuen Patienten ohne Änderungen angewendet wurde, identifizierte es die Hochrisikopatienten mit einem hohen Grad an Genauigkeit und unterschied erfolgreich zwischen jenen, die agitiert wurden und jenen, die es nicht wurden, in etwa 90 Prozent der Fälle.
Obwohl das Modell sehr gut darin war, Patienten von einem niedrigen zu einem hohen Risiko einzustufen, beobachteten die Forscher, dass es dazu neigte, die tatsächliche Wahrscheinlichkeit der Agitation in der neuen Gruppe zu überschätzen. Mit anderen Worten: Wenn das Modell sagte, ein Patient habe eine 40-prozentige Chance auf Agitation, war die reale Chance wahrscheinlich niedriger. Dies deutet darauf hin, dass das Werkzeug zwar exzellent darin ist, Personen zu markieren, die besondere Aufmerksamkeit benötigen, die von ihm generierten spezifischen Zahlen jedoch eher als Leitfaden denn als präzise Vorhersage dessen, was passieren wird, betrachtet werden sollten. Die Studie hob auch hervor, dass der stärkste Faktor für die Vorhersage nicht eine einzelne medizinische Erkrankung war, sondern das Setup für das Schmerzmanagement. Patienten, die eine Pumpe zur Schmerzlinderung bereit hatten, waren signifikant weniger wahrscheinlich agitiert, was die Vorstellung verstärkt, dass unkontrollierte Schmerzen ein wesentlicher Treiber dieses Verhaltens sind.
Das Team kam zu dem Schluss, dass dieses Vorhersagewerkzeug als wertvolle Hilfe für Anästhesisten und Pflegekräfte auf der Aufwachstation dienen kann. Durch die Überprüfung der Patientenakte vor dem Aufwachen könnte das medizinische Team diejenigen mit einem hohen Agitationsrisiko identifizieren und sicherstellen, dass diese genauer beobachtet oder mit besonderer Sorgfalt behandelt werden. Die Forscher betonten jedoch vorsichtig, dass dieses Werkzeug keinen Ersatz für das menschliche Urteilsvermögen oder die Standardüberwachung darstellt. Da die Studie in einem einzelnen Krankenhaus durchgeführt wurde, muss das Modell an anderen Standorten mit unterschiedlichen Patientenpopulationen und medizinischen Praktiken getestet werden, bevor es breit eingesetzt werden kann. Die Ergebnisse legen nahe, dass es mit den richtigen Informationen, die vor dem Aufwachen eines Patienten verfügbar sind, möglich ist, die Risiken eines schwierigen Genesungsprozesses vorherzusehen und abzumildern, um einen potenziell chaotischen Moment in einen kontrollierten, sichereren Übergang zu verwandeln.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.