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
इस एकल-केंद्रित रेट्रोस्पेक्टिव कोहोर्ट अध्ययन ने जनरल एनेस्थीसिया के तहत ऑर्थोपेडिक सर्जरी कराने वाले वृद्ध रोगियों में इमर्जेंस एगोिटेशन (emergence agitation) के जोखिम को सटीक रूप से वर्गीकृत करने के लिए सात नैदानिक भविष्यवक्ताओं का उपयोग करके एक लॉजिस्टिक रिग्रेशन मॉडल विकसित और टेम्पोरली वैलिडेट किया है, जो मजबूत भेदभाव प्रदर्शन प्रदर्शित करता है जो आगे के मल्टीसेंटर एक्सटर्नल वैलिडेशन की आवश्यकता को पुष्ट करता 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
जब कोई बुजुर्ग मरीज बड़ी सर्जरी के बाद होश में आता है, तो लक्ष्य चेतना की एक सहज और शांत वापसी होता है। हालाँकि, कुछ लोगों के लिए यह संक्रमण झकझोर देने वाला होता है। शांति से जागने के बजाय, वे अचानक भ्रमित, बेचैन और शारीरिक रूप से उत्तेजित हो सकते हैं, और अक्सर ट्यूब या IV लाइनों को खींचने की कोशिश कर सकते हैं। इस स्थिति को 'एमेरजेंस एजिटेशन' (emergence agitation) कहा जाता है, जो केवल एक क्षणिक परेशानी नहीं है; यह वास्तविक खतरे पैदा करता है। सर्जरी के बाद के महत्वपूर्ण घंटों में, एक मरीज जो छटपटा रहा हो, उसके खुद को चोट पहुँचाने, महत्वपूर्ण चिकित्सा उपकरणों को हटाने या सर्जिकल स्थल पर रक्तसطह (bleeding) होने का जोखिम होता है। यह विशेष रूप से उन वृद्ध वयस्कों के लिए चिंताजनक है जो ऑर्थोपेडिक प्रक्रियाओं, जैसे कि कूल्हे या घुटने के प्रत्यारोपण से गुजर रहे हैं, जहाँ शरीर पहले से ही काफी तनाव में होता है। क्योंकि इन मरीजों के पास कम शारीरिक क्षमता (physiological reserve) होती है और वे अक्सर कई पुरानी बीमारियों से जूझ रहे होते हैं, इसलिए यह अनुमान लगाना कि कौन सा मरीज होने से पहले ही उत्तेजना का अनुभव करेगा, चिकित्सा टीमों को बेहतर तैयारी करने, अधिक गहन निगरानी और तेज़ हस्तक्षेप करने में सक्षम बना सकता है ताकि सभी सुरक्षित रहें।
हैनान जनरल अस्पताल के शोधकर्ताओं की एक टीम ने इस समस्या को हल करने के लिए एक उपकरण बनाने का निर्णय लिया, जो यह पूर्वानुमान लगा सके कि किन वृद्ध मरीजों के ऑर्थोपेडिक सर्जरी के बाद उत्तेजित होने की सबसे अधिक संभावना है। उन्होंने दो साल की अवधि में इलाज किए गए लगभग 2,000 मरीजों के मेडिकल रिकॉर्ड का विश्लेषण किया, जिसमें उस व्यापक जानकारी का उपयोग किया गया जो मरीज के जागने से पहले भी उपलब्ध थी। इसमें उनका मेडिकल इतिहास, एनेस्थीसिया के दौरान उपयोग की गई विशिष्ट दवाएं, की गई सर्जरी का प्रकार और बेहोशी के दौरान लिए गए विभिन्न रक्त परीक्षण के परिणाम शामिल थे। शोधकर्ताओं ने यह देखने के लिए कई अलग-अलग गणितीय दृष्टिकोणों का परीक्षण किया कि कौन सा तरीका उत्तेजना की ओर ले जाने वाले पैटर्न को सबसे अच्छी तरह पहचान सकता है। उन्होंने पाया कि एक अपेक्षाकृत सरल विधि, जो सात विशिष्ट कारकों को महत्व देती है, उतनी ही अच्छी तरह काम करती है जितना कि बहुत जटिल कंप्यूटर एल्गोरिदम। अंतिम मॉडल ने पहचाना कि शराब पीने के इतिहास वाले, स्ट्रोक के इतिहास वाले या उच्च रक्तचाप वाले मरीज उच्च जोखिम पर थे, साथ ही वे भी जो सेवोफ्लुरेन (sevoflurane) नामक एक विशिष्ट प्रकार के इनहेल्ड एनेस्थेटिक का उपयोग करते थे या जिन्हें यूरिनरी कैथेटर डाला गया था। इसके विपरीत, जिन मरीजों में दवा को स्वचालित रूप से पहुंचाने के लिए एक पेन पंप (pain pump) लगाया गया था, उनके उत्तेजित होने की संभावना कम थी। मॉडल ने यह भी नोट किया कि जागने से पहले रक्त में कार्बन डाइऑक्साइड का उच्च स्तर एक चेतावनी संकेत था।
शोधकर्ताओं ने सबसे पहले अपने मॉडल को 2025 में इलाज किए गए 1,339 मरीजों के डेटा पर प्रशिक्षित किया। इस समूह में, लगभग 30 प्रतिशत मरीजों ने उत्तेजना का अनुभव किया। मॉडल ने यह अंतर करना सीखा कि कौन शांत रहेगा और कौन नहीं, इसके लिए सात प्रमुख भविष्यवाणियों पर ध्यान केंद्रित किया: शराब पीने का इतिहास, उच्च रक्तचाप का इतिहास, स्ट्रोक का इतिहास, सेवोफ्लुरेन का उपयोग, पेशेंट-कंट्रोल्ड पेन पंप की उपस्थिति, यूररी कैथेटर का उपयोग और रक्त में कार्बन डाइऑक्साइड का स्तर। यह सुनिश्चित करने के लिए कि मॉडल केवल डेटा को रट नहीं रहा है बल्कि वास्तव में एक विश्वसनीय पैटर्न सीख रहा है, टीम ने इसे 2026 की पहली छमाही में इलाज किए गए 670 मरीजों के एक पूरी तरह से अलग समूह पर परखा। इस दूसरे समूह में उत्तेजना की दर थोड़ी कम थी, जो लगभग 22 प्रतिशत थी। जब मॉडल को बिना किसी बदलाव के इन नए मरीजों पर लागू किया गया, तो इसने उच्च सटीकता के साथ उच्च जोखिम वाले व्यक्तियों की सफलतापूर्वक पहचान की, और लगभग 90 प्रतिशत मामलों में यह सही ढंग से पहचान लिया कि कौन उत्तेजित होगा और कौन नहीं।
हालांकि मॉडल मरीजों को कम जोखिम से उच्च जोखिम के क्रम में रखने में बहुत अच्छा था, शोधकर्ताओं ने देखा कि यह नए समूह में उत्तेजना की वास्तविक संभावना को बढ़ा-चढ़ाकर बताने की प्रवृत्ति रखता है। दूसरे शब्दों में, यदि मॉडल कहता है कि किसी मरीज के उत्तेजित होने की 40 प्रतिशत संभावना है, तो वास्तविक संभावना संभवतः कम थी। यह सुझाव देता है कि हालांकि यह उपकरण अतिरिक्त ध्यान देने की आवश्यकता वाले लोगों को चिह्नित करने के लिए उत्कृष्ट है, लेकिन इसके द्वारा उत्पन्न विशिष्ट संख्याओं को सटीक भविष्यवाणी के बजाय एक मार्गदर्शक के रूप में माना जाना चाहिए। अध्ययन ने यह भी रेखांकित किया कि भविष्यवाणी में सबसे शक्तिशाली कारक कोई एकल चिकित्सा स्थिति नहीं थी, बल्कि दर्द प्रबंधन की व्यवस्था थी। जिन मरीजों के पास दर्द निवारक दवा देने के लिए पंप तैयार था, उनके उत्तेजित होने की संभावना काफी कम थी, जो इस विचार को पुख्ता करता है कि अनियंत्रित दर्द इस व्यवहार का एक प्रमुख चालक है।
टीम ने निष्कर्ष निकाला कि यह भविष्यवाणी उपकरण रिकवरी रूम में एनेस्थेसियोलॉजिस्ट और नर्सों के लिए एक मूल्यवान सहायता के रूप में कार्य कर सकता है। मरीज के जागने से पहले उनका चार्ट देखकर, चिकित्सा टीम उन लोगों की पहचान कर सकती है जिन्हें उत्तेजना का उच्च जोखिम है और यह सुनिश्चित कर सकती है कि उन पर अधिक बारीकी से नज़र रखी जाए या उनके साथ अतिरिक्त देखभाल की जाए। हालांकि, शोधकर्ताओं ने सावधानी बरतते हुए कहा कि यह उपकरण मानवीय निर्णय या मानक निगरानी का विकल्प नहीं है। चूंकि यह अध्ययन एक ही अस्पताल में किया गया था, इसलिए मॉडल को व्यापक रूप से उपयोग करने से पहले अन्य स्थानों और विभिन्न रोगी आबादी एवं चिकित्सा पद्धतियों के साथ परीक्षण करने की आवश्यकता है। निष्कर्ष बताते हैं कि जागने से पहले उपलब्ध सही जानकारी के साथ, कठिन रिकवरी के जोखिमों का अनुमान लगाना और उन्हें कम करना संभव है, जिससे एक संभावित अराजक क्षण को एक प्रबंधित और सुरक्षित संक्रमण में बदला जा सकता है।
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।