An Explainable Prediction Model for Delayed-Onset Delirium in Critically Ill Patients With Ischemic Stroke: Development and Internal Validation Using the MIMIC-IV Database
इस अध्ययन ने इस्केमिक स्ट्रोक वाले गंभीर रूप से बीमार रोगियों में विलंबित-प्रारंभ होने वाले डेलिरियम (delirium) की प्रभावी ढंग से भविष्यवाणी करने के लिए आईसीयू में प्रवेश के पहले 24 घंटों के सात नियमित रूप से उपलब्ध नैदानिक चरों का उपयोग करके एक व्याख्यात्मक लॉजिस्टिक रिग्रेशन मॉडल विकसित और आंतरिक रूप से मान्य किया है, जिसने जटिल मशीन लर्निंग एल्गोरिदम के तुलनीय प्रदर्शन प्राप्त किया है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
इंटेंसिव केयर यूनिट (ICU) में, शरीर अक्सर कई मोर्चों पर एक युद्ध लड़ रहा होता है। जब किसी मरीज को स्ट्रोक आता है, तो मस्तिष्क प्राथमिक शिकार होता है, लेकिन इसकी लहरें पूरे तंत्र को प्रभावित करती हैं, जिससे हृदय, फेफड़े, गुर्दे और चयापचय (metabolism) प्रभावित होते हैं। इस नाजुक अवस्था में, मस्तिष्क मानसिक स्थिति में अचानक और भ्रमित करने वाले बदलाव के प्रति संवेदनशील होता है जिसे 'डेलिरियम' (delirium) या विक्षिप्तता कहा जाता है। स्ट्रोक के विपरीत, जो कि एक स्थिर चोट है, डेलिरियम भ्रम, एकाग्रता की कमी और परिवर्तित जागरूकता का एक उतार-चढ़ाव भरा तूफान है। यह एक सामान्य जटिलता है जो रिकवरी को कठिन बना सकती है, अस्पताल में रुकने की अवधि को बढ़ा सकती है, और मृत्यु के जोखिम को बढ़ा सकती है। डॉक्टरों के लिए, डेलिरियम का जल्दी पता लगाना मुश्किल होता है क्योंकि इसके निदान के लिए उपयोग किए जाने वाले उपकरणों के लिए अक्सर मरीज का जागृत होना और आदेशों का पालन करने में सक्षम होना आवश्यक होता है—जो कि ठीक वे चीजें हैं जिन्हें एक गंभीर रूप से बीमार स्ट्रोक रोगी करने में असमर्थ हो सकता है। चुनौती, फिर, इस तरीके को खोजने की है कि कैसे इस जोखिम को वास्तव में भ्रम पैदा होने से पहले ही देखा जा सके, जिसमें केवल उन नियमित संकेतों और संकेतों का उपयोग किया जाए जो मरीज के प्रवास के पहले दिन पहले से ही निगरानी में होते हैं।
शोधकर्ताओं की एक टीम ने एक नए प्रकार का भविष्यवाणी उपकरण बनाने के लिए इस समस्या को हल करने का प्रयास किया। उन्होंने MIMIC-IV नामक एक डेटाबेस से प्राप्त हजारों मरीजों के विस्तृत रिकॉर्ड वाले एक विशाल, गुमनाम चिकित्सा संग्रह की ओर रुख किया, जिसमें कई वर्षों से गहन देखभाल इकाइयों में उपचारित हजारों रोगियों की विस्तृत जानकारी शामिल है। उन्होंने विशेष रूप से 'इस्केमिक स्ट्रोक' (ischemic stroke) के लिए भर्ती किए गए वयस्कों पर ध्यान केंद्रित किया, जो एक अवरुद्ध रक्त वाहिका के कारण होने वाला स्ट्रोक है। उनका लक्ष्य एक ऐसा मॉडल बनाना था जो मरीज के आईसीयू प्रवास के पहले बीस-चार घंटों के दौरान एकत्र किए गए डेटा को देख सके और यह भविष्यवाणी कर सके कि क्या उस मरीज में बाद में डेलिरियम विकसित होगा। यह सुनिश्चित करने के लिए कि भविष्यवाणी निष्पक्ष और पक्षपातरहित हो, उन्होंने पहले दिन में डेलिरियम के लक्षण दिखाने वाले किसी भी व्यक्ति को सख्ती से बाहर रखा, और केवल उन नए मामलों पर ध्यान केंद्रित किया जो प्रारंभिक अवधि के बाद दिखाई दिए। उन्होंने उन मरीजों को भी बाहर रखा जिनके पास मानसिक स्थिति की जांच का कोई वैध रिकॉर्ड नहीं था, यह सुनिश्चित करते हुए कि परिणाम केवल ठोस साक्ष्य पर आधारित हो न कि अनुमान पर।
शोधकर्ताओं ने पहले दिन उपलब्ध जानकारी का एक विस्तृत समूह एकत्र किया, जिसमें हृदय गति और रक्तचाप जैसे महत्वपूर्ण संकेत (vital signs), रक्त शर्करा और गुर्de की कार्यक्षमता जैसे लैब परिणाम, और उपचार के विवरण जैसे कि क्या मरीज वेंटिलेटर पर था या उसे एंटीबायोटिक्स दिए जा रहे थे, शामिल थे। उन्होंने इस जानकारी को सात अलग-अलग गणितीय दृष्टिकोणों में डाला, जो सरल सांख्यिकीय विधियों से लेकर जटिल कंप्यूटर एल्गोरिदम तक फैले हुए थे जो मानव मस्तिष्क के सीखने के तरीके की नकल करते हैं। उन्होंने इन मॉडलों का परीक्षण यह देखने के लिए किया कि कौन सा मॉडल उन मरीजों को जो डेलिरियम विकसित करेंगे, उनसे बेहतर तरीके से अलग कर सकता है जो नहीं करेंगे। परिणामों ने दिखाया कि एक अपेक्षाकृत सरल विधि, जिसे 'लॉजिस्टिक्स रिग्रेशन' (logistic regression) के रूप में जाना जाता है, जटिल उच्च-तकनीकी एल्गोरिदम के समान ही अच्छा प्रदर्शन करती है। इस सरल मॉडल ने उच्च स्तर की सटीकता हासिल की, इसने डेलिरियम विकसित न करने वाले अधिकांश मरीजों की सही पहचान की, जबकि उन आधे से अधिक मरीजों को भी पकड़ लिया जो इसे विकसित करने वाले थे।
इस प्रक्रिया से जो अंतिम मॉडल उभरा, वह भविष्यवाणी करने के लिए केवल सात विशिष्ट जानकारियों पर निर्भर था। सबसे शक्तिशाली संकेत यह थे कि क्या मरीज को एंटीबायोटिक्स दिए जा रहे थे, उनकी किडनी की चोट की गंभीरता कितनी थी, क्या वे सांस लेने में मदद के लिए मैकेनिकल वेंटिलेटर पर थे, और अंगों के विफल होने के स्तर को मापने वाला एक समग्र स्कोर क्या था। मॉडल ने मरीज के रक्त शर्करा के स्तर, रक्त में एसिड और बेस के संतुलन, और इस विशिष्ट माप को भी देखा कि उनके गुर्दे अपशिष्ट को कितनी अच्छी तरह से छान रहे हैं। जब शोधकर्ताओं ने विश्लेषण किया कि मॉडल ने अपने चुनाव क्यों किए, तो उन्होंने पाया कि ये सात कारक मुख्य चालक थे। उदाहरण के लिए, एंटीबायोटिक्स का उपयोग अक्सर अंतर्निहित संक्रमण का संकेत देता था, जो मस्तिष्क के भ्रम का एक ज्ञात कारण है। इसी तरह, किडनी की समस्याएं और सांस लेने वाली मशीन की आवश्यकता यह दर्शाती थी कि शरीर अत्यधिक तनाव में था, जो डेलिरियम के पैदा होने के लिए एक आदर्श स्थिति बनाता है।
इस कार्य को जो चीज़ विशेष रूप से मूल्यवान बनाती है, वह यह है कि इसके लिए किसी महंगे नए परीक्षण या जटिल तकनीक की आवश्यकता नहीं है। मॉडल द्वारा उपयोग किए जाने वाले सभी डेटा बिंदु आईसीयू में मरीजों को दी जाने वाली मानक देखभाल का हिस्सा हैं। शोधकर्ताओं ने पाया कि डेलिरियम का जोखिम केवल मस्तिष्क की चोट के बारे में नहीं है, बल्कि यह इस बात से गहराई से जुड़ा हुआ है कि शेष शरीर संकट के प्रति कैसी प्रतिक्रिया दे रहा है। मॉडल सुझाव देता है कि जब एक स्ट्रोक रोगी संक्रमण, किडनी की समस्या, या श्वसन सहायता की आवश्यकता के संकेतों के साथ आता है, तो बाद में भ्रम विकसित होने का जोखिम काफी अधिक होता है। यह अंतर्दृष्टि डॉक्टरों को उच्च-जोखिम वाले मरीजों की पहचान जल्दी करने की अनुमति देती है, शायद प्रवेश के पहले दिन के भीतर, और भ्रम वास्तव में शुरू होने से पहले गहन निगरानी या निवारक उपायों के लिए तैयार होने की अनुमति देती है।
हालाँकि, शोधकर्ता सावधानीपूर्वक यह नोट करते हैं कि यह उपकरण अभी हर अस्पताल में उपयोग के लिए तैयार नहीं है। मॉडल को एक एकल डेटाबेस का उपयोग करके बनाया और परीक्षण किया गया था, और इसे विभिन्न अस्पतालों या विभिन्न रोगी आबादी में काम करने के लिए अभी तक सिद्ध नहीं किया गया है। अध्ययन ने पहले से मौजूद रिकॉर्ड पर भी भरोसा किया, जिसका अर्थ है कि स्ट्रोक की गंभीरता या बेहोशी (sedation) के विशिष्ट स्तर के बारे में कुछ विवरण शामिल नहीं थे। लेखक इस बात पर जोर देते हैं कि हालांकि यह मॉडल एक आशाजनक कदम है, इसे डॉक्टर के सावधानीपूर्ण निर्णय के विकल्प के रूप में नहीं, बल्कि उन मरीजों को चिह्नित करने के तरीके के रूप में देखा जाना चाहिए जिन्हें अतिरिक्त ध्यान देने की आवश्यकता है। इससे पहले कि यह उपकरण रोगी देखभाल का एक मानक हिस्सा बन सके, इसे वास्तविक दुनिया के परिवेश में कई केंद्रों में परीक्षण करने की आवश्यकता है ताकि यह सुनिश्चित हो सके कि यह सभी के लिए विश्वसनीय रूप से काम करता है। तब तक, यह एक स्पष्ट प्रदर्शन है कि भविष्य के भ्रम के संकेत अक्सर आंखों के सामने ही छिपे होते हैं, जो सही दृष्टि के द्वारा पढ़े जाने की प्रतीक्षा कर रहे होते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।