Invasive Mechanical Ventilation Duration Prediction using Survival Analysis
Notice bibliographique
Résumé
Abstract Invasive mechanical ventilation is one of the leading life support machines in the intensive care unit (ICU). By identifying the predictors of ventilation time upon arrival, important information can be gathered to improve decisions regarding capacity planning. In this study, first-day ventilated patients’ ventilation time was analyzed using survival analysis. The probabilistic behaviour of ventilation time duration was analyzed and the predictors of ventilation time duration were determined based on available first-day covariates. A retrospective analysis of ICU ventilation time in Ontario was performed with data from ICU patients obtained from the Critical Care Information System (CCIS) in Ontario between July 2015 and December 2016. As part of the protocol for inclusion, a patient must have been connected to an invasive ventilator upon arrival to the ICU. Parametric survival methods were used to characterize ventilation time and to determine associated covariates. Parametric and non-parametric methods were used to determine predictors of ventilation duration for first-day ventilated patients. A total of 128,030 patients visited the ICUs between July 2015 and December 2016. 51,966 (40.59%) patients received invasive mechanical ventilation on arrival. Analysis of ventilation duration suggested that the log-normal distribution provided the best fit to ventilation time, whereas the log-logistic Accelerated Failure Time model best describes the association between the covariates and ventilation duration. ICU site, admission source, admission diagnosis, scheduled admission, scheduled surgery, referring physician, central venous line treatment, arterial line treatment, intracranial pressure monitor treatment, extra-corporeal membrane oxygen treatment, intraaortic balloon pump treatment, other interventions, age group, pre-ICU LOS, and MODS score were significant predictors of the ICU ventilation time. The results show substantial variability in ICU ventilation duration for different ICUs, patient’s demographics, and underlying conditions, and highlight mechanical ventilation as an important driver of ICU costs. The predictive performance of the proposed model showed that both the model and the data can be used to predict an individual patient’s ventilation time and to provide insight into predictors.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».