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
Deze retrospectieve cohortstudie met één centrum ontwikkelde en tijdelijk valideerde een logistisch regressiemodel met zeven klinische voorspellers om accuraat het risico op postoperatieve agitatie te stratificeren bij oudere patiënten die een orthopedische operatie onder algemene anesthesie ondergaan, waarbij een sterke discriminatieprestatie werd aangetoond die verdere multicentrische externe validatie rechtvaardigt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Wanneer een oudere patiënt ontwaakt na een grote operatie, is het doel een soepele, rustige terugkeer naar het bewustzijn. Voor sommigen is de overgang echter schokkend. In plaats van rustig wakker te worden, kunnen ze plotseling verward, onrustig en fysiek geagiteerd raken, waarbij ze vaak proberen slangen of IV-lijnen eruit te trekken. Deze toestand, bekend als emergentie-agitatie, is meer dan alleen een tijdelijk ongemak; het brengt reële gevaren met zich mee. In de kritieke uren na de operatie loopt een patiënt die rondom spartelt het risico zichzelf te verwonden, vitale medische apparatuur te verwijderen of bloedingen bij de operatiewond te veroorzen. Dit is vooral zorgwekkend voor oudere volwassenen die een orthopedische procedure ondergaan, zoals een heup- of knievervanging, waarbij het lichaam al onder aanzienlijke stress staat. Omdat deze patiënten minder fysiologische reserve hebben en vaak meerdere chronische aandoeningen beheersen, zou het voorspellen van wie deze agitatie zou ervaren voordat het gebeurt, medische teams in staat stellen om beter voorbereid te zijn, door nauwere monitoring en snellere interventie aan te bieden om iedereen veilig te houden.
Een team onderzoekers van het Hainan General Hospital zette zich in om dit probleem op te lossen door een hulpmiddel te bouwen dat voorspelt welke oudere patiënten het meest waarschijnlijk geagiteerd zullen raken na een orthopedische operatie. Ze keken terug naar de medische dossiers van bijna 2.000 patiënten die gedurende een periode van twee jaar werden behandeld, waarbij ze een breed scala aan informatie analyseerden die beschikbaar was nog voordat de patiënt wakker werd. Dit omvatte hun medische geschiedenis, de specifieke medicijnen die tijdens de anesthesie werden gebruikt, het type operatie uitgevoerd en diverse bloedtestresultaten die werden genomen terwijl ze nog onder narcose waren. De onderzoekers testten verschillende wiskundige benaderingen om te zien welke het beste de patronen leidend tot agitatie kon opsporen. Ze ontdekten dat een relatief eenvoudige methode, die zeven specifieke factoren weegt, net zo goed presteerde als veel complexere computeralgoritmen. Het uiteindelijke model identificeerde dat patiënten met een geschiedenis van alcoholgebruik, een geschiedenis van een beroerte of hoge bloeddruk een hoger risico liepen, evenals patiënten die een specifiek type geïnhaleerd anestheticum gen called sevofluraan of een urinekatheter ingebracht kregen. Omgekeerd waren patiënten die een pijnpomp hadden ingesteld om automatisch medicatie toe te dienen, minder waarschijnlijk geagiteerd te raken. Het model merkte ook op dat hogere niveaus van koolstofdioxide in het bloed vóór het ontwaken een waarschuwingssignaal waren.
De onderzoekers trainden hun model eerst op gegevens van 1.339 patiënten die in 2025 werden behandeld. In deze groep ervoer ongeveer 30 procent van de patiënten agitatie. Het model leerde het onderscheid te maken tussen degenen die rustig zouden blijven en degenen die dat niet zouden doen door zich te concentreren op zeven belangrijke voorspellers: een geschiedenis van alcoholgebruik, een geschiedenis van hoge bloeddruk, een geschiedenis van een beroerte, het gebruik van sevofluraan, de aanwezigheid van een patiëntgestuurde pijnpomp, het gebruik van een urinekatheter en het niveau van koolstofdioxide in het bloed. Om ervoor te zorgen dat het model niet alleen de gegevens uit het hoofd leerde maar daadwerkelijk een betrouwbaar patroon leerde, testte het team het op een volledig aparte groep van 670 patiënten die in de eerste helft van 2026 werden behandeld. Deze tweede groep had een iets lager percentage agitatie, ongeveer 22 procent. Wanneer het model op deze nieuwe patiënten werd toegepast zonder wijzigingen, identificeerde het de hoog-risicopatiënten met een hoge mate van nauwkeurigheid, waarbij het onderscheid maakte tussen degenen die wel en niet geagiteerd zouden raken in ongeveer 90 procent van de gevallen.
Hoewel het model erg goed bleek te zijn in het rangschikken van patiënten van laag naar hoog risico, observeerden de onderzoekers dat het de neiging had de werkelijke waarschijnlijkheid van agitatie in de nieuwe groep te overschatten. Met andere woorden, als het model zei dat een patiënt 40 procent kans op agitatie had, was de werkelijke kans waarschijnlijk lager. Dit suggereert dat hoewel het hulpmiddel uitstekend is voor het signaleren van wie extra aandacht nodig heeft, de specifieke cijfers die het genereert als een gids moet worden beschouwd en niet als een precieze voorspelling van wat er zal gebeuren. De studie benadrukte ook dat de krachtigste factor in de voorspelling niet een enkele medische aandoening was, maar de opstelling voor pijnbeheersing. Patiënten die een pomp klaar hadden staan om pijnstilling toe te dienen, waren aanzienlijk minder waarschijnlijk geagiteerd te raken, wat het idee versterkt dat onbehandelde pijn een belangrijke drijfveer is voor dit gedrag.
Het team concludeerde dat dit voorspellingsinstrument een waardevolle hulp kan zijn voor anesthesiologen en verpleegkundigen op de verkoeverkamer. Door het dossier van een patiënt te bekijken voordat deze wakker wordt, kan het medische team diegenen met een hoog risico op agitatie identificeren en ervoor zorgen dat zij nauwer worden geobserveerd of met extra zorg worden behandeld. De onderzoekers merkten echter voorzichtig op dat dit hulpmiddel geen vervanging is voor menselijk oordeel of standaard monitoring. Omdat de studie werd uitgevoerd in een enkel ziekenhuis, moet het model in andere locaties met verschillende patiëntenpopulaties en medische praktijken worden getest voordat het breed kan worden ingezet. De bevindingen suggereren dat het met de juiste informatie die beschikbaar is voordat een patiënt wakker wordt, mogelijk is om de risico's van een moeilijk herstel te voorzien en te verzachten, waardoor een potentieel chaotisch moment verandert in een beheerde, veiligere overgang.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.