简介:摘要目的通过血流动力学、液体平衡相关参数建立脱机失败预测模型以指导临床脱机。方法回顾性分析2017年1月1日至2018年12月31日入住天津市第三中心医院重症医学科有创机械通气时间>24 h并进行脱机试验患者的临床资料。搜集患者入重症监护病房(ICU)24 h内的基线资料、脉搏指示连续心排血量监测(PiCCO)的血流动力学参数、B型利钠肽(BNP)、尿量、液体平衡量以及脱机前24 h内PiCCO监测的血流动力学参数、BNP、尿量、液体平衡量、利尿剂使用、去甲肾上腺素使用、机械通气期间连续性肾脏替代治疗(CRRT)使用情况。根据是否脱机成功将纳入患者分为脱机成功组和脱机失败组,比较两组间各变量的差异,将脱机前24 h内差异有统计学意义的变量纳入Logistic回归分析中,建立脱机失败预测模型,并找出造成脱机失败的可能因素。结果共有159例患者纳入研究,其中脱机成功138例,脱机失败21例。两组入ICU 24 h内PiCCO监测参数、BNP、尿量、液体平衡量比较差异均无统计学意义;两组脱机前24 h内BNP(χ2=9.262、P=0.026)、中心静脉压(CVP;χ2=7.948、P=0.047)、左室收缩力指数(dPmx;χ2=10.486、P=0.015)、尿量(χ2=8.921、P=0.030)、液体平衡量(χ2=9.172、P=0.027)差异均有统计学意义。此外,为完善模型和提高预测准确率,将脱机前心排血指数(CI;χ2=7.789、P=0.051)也纳入预测模型。最终将脱机前24 h内BNP、CVP、CI、dPmx、尿量、液体平衡量纳入Logistic回归模型,其预测脱机失败的准确率为92.9%,敏感度为100%,特异度为76.8%;用年龄和去甲肾上腺素使用进行校正后,其准确率为94.2%,敏感度为100%,特异度为81.2%。结论以PiCCO监测指标联合液体平衡指标建立脱机失败预测模型预测脱机的准确率高,能指导临床脱机。
简介:APHOTOVOLTAICSYSTEMSIMULATIONMODELFORACELECTRICAPPLIANCES.AstudyonpartneringalgorithmbasedonN-PersonCooperativeGameinVirtualEnterprise.Anintegratedmodelforhotrollingofsteelstrips.Computersimulationformorphology,sizeanddensityofoxideprecipitatesinCzochralskisilicon.Evolutionaryrobotcontrollerswithcompetitiveandcooperativeneuralnetworks.