摘要
昏厥的發生易造成意外及跌倒,危害患者之安全甚鉅,但昏厥之成因相當複雜,因此診斷有其難度,而預測就更加困難,傾斜床檢查是評估反覆性原因不明昏厥之最佳工具。一部分的傾斜床檢查使用血管擴張藥物以增加陽性率及縮短時間,但使用藥物檢查會使其專一性下降,增加假陽性機會。本研究利用個案非藥物傾斜床檢查之血液動力學資料以及身體質量資料,蒐集與昏厥相關之因子,並將之透過類神經網路之方式建立昏厥之預測模型,提供臨床醫師作為決策之參考,協助診斷及預防暈厥所造成之傷害。研究共蒐集60個個案,30個為神經性昏厥確診個案,另30個為傾斜床測試陰性反應個案,利用非藥物傾斜床檢查評估迷走神經性昏厥,蒐集其性別、年齡、身體組成、平躺、檢查3分鐘以及傾斜檢查結束前之血液動力資料。結果發現,迷走神經性昏厥病患的體重、身體質量係數、平均血壓較低;傾斜測試下昏厥前期時,心跳、心率變異低頻/高頻比率上升、感壓反射敏感度下降較明顯、周邊血管阻力係數較低。透過基本資料、平躺及傾斜早期血流動力學及自律神經參數,運用邏輯式迴歸及類神經網路分析建立之預測模組其參數包含身體質量指數、平躺時心跳、傾斜3分鐘心輸出係數、傾斜3分鐘左心做功係數、傾斜3分鐘平均血壓。該模組整體敏感度(Sensitivity)為93%;專一度為(Specificity)96%,正確率(Accuracy)為95.5%,模組狀況佳可提早辨識發生的病患。
貢獻的翻譯標題 | Extract Prediction Factors of Vasovagal Syncope from Non-Medicine Tilt-Table Testing: An Artificial Neural Network Prediction Model |
---|---|
原文 | 中文 |
頁(從 - 到) | 13-24 |
頁數 | 12 |
期刊 | 醫療資訊雜誌 |
卷 | 20 |
發行號 | 4 |
出版狀態 | 已發佈 - 2011 |
Keywords
- 人工智慧
- 迷走神徑昏厥
- 類神經網路
- 傾斜床測試
- 決策支援系統
- Artificial Intelligence
- vasovagal syncope
- Artificial Neural Network
- Tilt-table testing
- Decision support system