Individualized fluid administration for critically ill patients with sepsis with an interpretable dynamic treatment regimen model
Notice bibliographique
Résumé
Fluid strategy is the key to the successful management of patients with sepsis. However, previous studies failed to consider individualized treatment strategy, and clinical trials typically included patients with sepsis as a homogeneous study population. We aimed to develop sequential decision rules for managing fluid intake in patients with sepsis by using the dynamic treatment regimen (DTR) model. A retrospective analysis of the eICU Collaborative Research Database comprising highly granular data collected from 335 units at 208 hospitals was performed. The DTR model used a backward induction algorithm to estimate the sequence of optimal rules. 22,868 patients who had sepsis according to the Acute Physiology and Chronic Health Evaluation (APACHE) IV diagnosis group were included. Optimal fluid management (liberal [> 40 ml/kg/d] versus restricted [< 40 ml/kg/d]) strategy were developed on the Day 1, 3 and 5 after ICU admission according to current states and treatment history. Important determinants of optimal fluid strategy included mean blood pressure, heart rate, previous urine output, previous fluid strategy, ICU type and mechanical ventilation. Different functional forms such as quadratic function and interaction terms were used at different stages. The proportion of subjects being inappropriately treated with liberal fluid strategy (i.e. those actually received liberal fluid strategy, but could have longer survival time if they received restricted fluid strategy) increased from day 1 to 5 (19.3% to 29.5%). The survival time could be significantly prolonged had all patients been treated with optimal fluid strategy (5.7 [2.0, 5.9] vs. 4.1 [2.0, 5.0] days; p < 0.001). With a large volume of sepsis data, we successfully computed out a sequence of dynamic fluid management strategy for sepsis patients over the first 5 days after ICU admission. The decision rules generated by the DTR model predicted a longer survival time compared to the true observed strategy, which sheds light for improving patient outcome with the aim from computer-assisted algorithm.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».