756823_ko-KR

liliconcom

COVID-19로 인한 SARS 관리에서 의료 치료법을 평가하기 위한 Interaction Profiler 사용(2021-US-EPO-852)

Bobby Nossaman, 수석 의사 및 준교수, Ochsner 임상 학교-퀸즐랜드 대학교 의료 센터, Ochsner Health

합병증이 있는 대부분의 COVID-19 환자는 폐렴 과정을 겪기 쉽고, 이는 양압 폐환기를 필요로 하는 중증 급성 호흡기 증후군(SARS)으로 이어진다. 우리는 뉴올리언스의 의료 센터에서 COVID-19 전염병의 초기 몇 주 동안 SARS를 관리하는 동안 의료 요법의 역할을 조사했다.

IRB 승인 후, 2020년 3월 8일~4월 8일 사이에 COVID-19 감염 진단을 받고 SARS로 인해 침습적 양압 폐환기가 필요했던 성인 환자 211명이 모두 이 연구에 참여했습니다. 효과 크기 측정은 95% 신뢰 구간(CI)을 사용하여 백분율로 표현했습니다. 로지스틱 회귀 분석은 병원 결과에 대한 의료 치료의 역할을 시각화하기 위해 상호 작용 프로파일을 개발했습니다.

병원 사망률 발생률은 64.4%(CI 57.8-70.6%)였습니다. 로지스틱 회귀 분석을 통해 이 그룹에 제공된 5가지 치료법과 병원 사망률의 연관성을 연구하기 위한 상호작용 프로파일을 개발할 수 있었습니다. 상호작용 프로파일러를 사용하면 이 5가지 치료법과 관련된 병원 사망률의 규모가 명확해졌으며 COVID-19로 인한 SARS 환자의 치료적 개입에 대한 향후 평가 모델을 제공합니다.

예측 프로파일러는 치료적 상호 작용을 이해하는 데 도움이 되며 향후 치료에도 도움이 될 수 있습니다.

자동 생성된 대본...

스피커	성적 증명서
bnossaman@ochsner.org	좋아요.
	그리고
니콜라스 셸턴	준비가 되면 시작하세요. 제가 할 일은 시간을 지켜보는 것뿐입니다. 20분 정도로 유지해 주시면 좋겠습니다.
	그리고, 만약 실수를 하더라도 큰 문제는 아니니 계속해서 프레젠테이션을 진행하시면 됩니다. 나중에 필요하다면 항상 편집을 할 수 있으니까요.
bnossaman@ochsner.org	감사합니다.
니콜라스 셸턴	좋아, 준비가 되면요.
bnossaman@ochsner.org	에서 시작할 수 있습니다.
	905 맞아요.
	오늘 아침, 코로나19 팬데믹이 시작될 당시 뉴올리언스의 오크스너 헬스 중환자실에서 겪었던 흥미로운 난제에 대해 말씀드릴 수 있어서 감사드립니다.
	우리는, 그리고 국가도, 심지어 세계도, 지지적 치료 외에 이 생명을 위협하는 팬데믹을 해결하기 위한 설계 프로토콜이 없었습니다. 그래서 저는 설계를 시작했습니다.
	오늘 아침 그 결과가 발표될 정보에 입각한 의사결정 분석을 통해, 우리에게 굴러오는 공을 처리할 수 있는지 확인할 것입니다.
	2020년 3월 8일 초,
	우리는 COVID-19 환자의 갑작스럽고 엄청난 급증을 보았습니다. 그와 함께 기계적 인공호흡이 필요한 환자 수도 엄청나게 증가했습니다...
	폐의 폐환기, 알겠어요.
	저는 집중치료 전문의로서 이런 환자들의 치료에 참여하게 되어 운이 좋았습니다. 하지만 이 특수 환자를 치료하기 위해 7개에 달하는 병동을 ​​배정하기도 했습니다.
	예비 계산에 따르면
	아마도 최소 200명의 환자에 대한 데이터베이스가 필요할 것 같아요. 이를 통해 이 환자 집단에 어떻게 접근해야 할지 공식화할 수 있을 거예요.
	첫 번째 정적 슬라이드에서 보듯이, 이는 이 환자 집단의 사망률 분포였습니다.
	그리고 우리는 이 환자 집단에서 높은 병원 사망률이 50세에서 거의 100세까지 극적으로 증가하는 것을 봅니다. 물론, 이 데이터는 전체 사분위수 범위의 중앙값이나 표준 편차의 평균으로 합산될 수 있습니다.
	하지만 결국 우리는 우리 집에 어떤 유형의 환자가 도착할지에 대한 어떤 종류의 예측을 하고 싶었고, 더 중요한 것은
	이 환자들의 치료를 관리하는 방법. 그래서 다음 환자가 95% 신뢰 구간 45~99 내에 있을 것이라고 계산된 예측 구간이 있더라도.
	이것은 중요한 정보이지만,
	우리의 주요 관심사가 무엇인지는 중요하지 않습니다. 따라서 2020년 3월에 우리는 침습적 양성 반응을 보인 초기 211명의 COVID-19 환자 각각에서 최대 500개의 데이터 포인트를 수집하기 시작했습니다.
	루이지애나주 뉴올리언스에 있는 Ochsner Health Center의 압력 환기는 약 4주 동안 지속되었으며, 이는 기본적으로 여기 환자의 범위와 같습니다.
	우리는 이 개별화된 기관 프로토콜의 개발을 허용하기에 충분한 표본 크기를 계산하고 얻었다고 믿습니다.
	또는 그 당시의 현재 지지 요법에는 하이드록시클로로퀸 사용, ??? 사용 또는 항감염제 사용이 포함되었을 수 있다는 정보에 입각한 의사 결정 분석이 있었습니다.
	환자를 엎드리게 하는 것, 즉 얼굴을 아래로 향하게 하는 것, 전신 혈압을 높이는 약물을 사용하는 것, 신부전증에 대한 혈액투석을 사용하는 것, 신체에 큰 공격이 가해졌을 때 발생하는 혈전 형성 성분을 방지하기 위한 항응고제(헤파린)를 사용하는 것 등이 있습니다.
	그러나 이 데이터 추출에는 약 5개월에 걸친 신중한 추출이 필요했기 때문에 우리는 이를 팬데믹의 후기 단계에 활용했습니다.
	그리고 우리는 이제 이 데이터베이스를 사용하여 미래의 치료법을 결합하는 데 도움을 받습니다. 다행히도, 환자 치료의 이 초기 단계에서 모노클로날이 있었습니다. 그래서 우리의 주요 관심 결과는 기본적으로 병원 사망률입니다.
	유감스럽게도 걱정스러운 것은 65%였는데 이는 중국의 여러 의료 센터에서 보고된 범위와 동일합니다.
	프랑스, 캐나다에서요. 물론, 우리는 신뢰 구간을 가지고 있고, 이 정보를 제시해야 하는 사람들을 위해, 그것은 58%에서 71%까지 범위가 될 수 있습니다.
	유감스럽게도, 우리 환자 치료에서는 사망률이 매우 높았고, 병원에서도 받아들일 수 없는 수준의 사망률을 보였으며, 퇴원할 때까지 살아남은 환자들에 대해서도 그 분야에서 좋은 기록이 없었습니다.
	10명의 환자 중 1명만, 실제로는 10명의 환자 중 1명 미만이 일상 활동을 재개하기 위해 집으로 돌아갔습니다. 이 환자의 대부분은 어느 정도 도움이 필요했습니다.
	집에서의 도움 또는 전문 요양 시설 등의 배치, 또는 장기 급성 치료 시설 등이 있지만, 그 수는 적습니다. 안타깝게도 사망률이 높았기 때문입니다.
	그래서 우리는 이 코로나19의 원인을 장기별로 조사하기 시작했습니다.
	네, 대부분의 환자가 호흡기 질환으로 병원에 왔지만, 이 환자 중 일부는 다른 문제를 주된 질환으로 가지고 있었습니다. 우리는 이것을 의학에서 주요 질환이라고 부릅니다. 그리고 우리는 여기에 나열된 것을 보고, 우리가 활성화하면
	병원 사망률을 보면, 감염성 병인을 가지고 병원에 들어왔을 때와 비슷한 느낌을 받을 수 있는데, 눈으로 보면 사망률이 높은 걸까요?
	복부에 문제가 있는 환자가 두 명 있었는데, 사망률은 100%이지만 그 수가 적기는 하지만 그래도 우리가 겪고 있는 일이 어떤 것인지 어느 정도 알 수 있었습니다.
	그런 다음 우리는 입원 증상, 환자 및 그들의 불만 사항을 살펴보았습니다. 그리고 다시 우리는 빅 식스를 가지고 있습니다.
	발열을 호소하는 입원, 발열, 전신성 허약함 또는 피로, 설사, 기침, 호흡 곤란 또는 무각증(후각과 미각이 없는 것)이 솔직히 말해서
	이 증상은 늦게 보고되었고, 확실히 처음 4주 안에는 보고되지 않았습니다. 그래서 우리는 이를 무시합니다. 그리고 사망률만 보면,
	이러한 증상을 살펴보면 발열이 없는 환자의 사망률이 매우 높다는 사실에 놀랐습니다.
	또는 기침이나 호흡곤란에 대한 불평 없이, 백분율 기준으로 나타난 다른 환자들과 비교했을 때. 우리는 눈을 사용하여 이런 유형의 환자들의 후회하는 사망률을 측정하고 있습니다.
	불만사항.
	그런 다음 우리는 ... 바쁜 바쁜 슬라이드를 살펴보았습니다. 이 슬라이드가 너무 바빠서 죄송합니다... 하지만 우리는 살펴보았습니다.
	우리가 사용하는 이 6가지 매개변수인 생명 징후 평가를 통해 이 환자들이 나타날 때 세부 정보를 제공할 수 있는지 확인합니다.
	응급실에서요. 그리고 우리는 이것을 예측 지표로 사용할 수 있는지 알아보기 위해 이 초기 생명 징후 세트를 얻고 있습니다. 그리고 다시 사망률을 켜면, 우리는
	여기 보이는 히스토그램의 모양을 거의 다 따릅니다.
	우리는 이러한 신규 환자 중 많은 수가 이완기 혈압이 크게 낮아지지 않은 데 놀랐습니다. 일반적으로 전신 염증 반응 증후군에서는
	또는 SIRS, 이완기 압력은 일반적으로 40대와 50대에서 반응을 보이는데, 확실히 여기의 높은 값은 아닙니다. 그래서 이것은 적어도 저에게는 이 환자들이 더 많은 고통을 겪고 있다는 것을 암시합니다.
	교감신경 과잉자극 증후군은 1990년대에 독일의 던저와 그의 동료들이 설명한 증후군입니다.
	SOS는, 다시 말해서, 매우 높은 사망률과 관련이 있습니다. 이것이 중요한 역할을 할 수 있습니다.
	그리고 물론 맥박산소측정기도 있는데, 보통 대부분 환자의 기본 상태에서는 100 정도, 100보다 약간 낮습니다.
	그리고 우리는 대다수의 환자가 매우 낮은 수치를 가지고 왔음을 알 수 있는데, 놀랍게도 이 낮은 그룹에도 생존자가 있었습니다. 이것이 역할을 할 수는 있지만 반드시 확실한 역할은 아닙니다.
	그런 다음 우리는 합병증과 그 합병증의 분포를 살펴보았습니다. 그리고 다시, 본태성 고혈압, 당뇨병, 관상동맥 질환, 심부전, 담배,
	COPD(만성 폐쇄성 폐질환), 반응성 가역성 기도 질환, 신장 질환의 병력
	그리고 장기 이식과 악성 종양까지 이어집니다. 그리고 COVID로 인해 입원 중에 유감스럽게 사망한 환자들을 다시 살펴보면
	이 코호트에서 우리는 장기 이식을 보았습니다. 만약 당신이 그것을 했다면, 당신은 유감스럽게도 100% 사망률을 경험했습니다. 하지만 우리 중 일부는 놀랍게도,
	우리는 필수 고혈압 환자들이 어떤 증상을 보이는지 알아내기 시작했습니다.
	사망률이 거의 동일하다는 점, 당뇨병, 심부전의 경우 확실히 그렇습니다. 아마도 더 낮을 수도 있습니다.
	확실히 관상 동맥 질환의 경우, 더 높은 비율로 관상 동맥 질환과 COVID에 문제가 있을 것이라고 느낍니다. 그리고 담배 남용의 경우, 높은 비율로, 아마도 조금 후에 역할을 할 것입니다.
	그런 다음 우리는 병원 사망률에 대한 명목상 로지스틱 적합성을 수행했습니다.
	이러한 모든 합병증이 병원 사망률에 미치는 모든 상호 작용을 살펴봐야 하며, 이는 엄격한 기준을 충족하지 못하는 많은 위험 요소입니다.
	명목 로지스틱 적합도를 가진 모델링을 위한 통계적 기준이며, 저는 그 한계를 인정합니다. 하지만 우리는 담배 남용이 매우 높고, 10,000분의 97의 기회와 신장 질환 등으로 인해 확률이 낮다는 것을 봅니다.
	모델이 회귀할 만큼의 횟수가 없었기 때문에 장기 이식은 제외해야 했습니다.
	그런 다음 우리는 표준화된 위험 차이를 사용하여 일반화 선형 모델 적합을 수행하는 데 더 관심이 있으므로 재미있는 방식으로 볼 수 있습니다.
	결과 데이터를 통해 환자의 증상 발현을 살펴보았지만, 이 중 어느 항목도 통계적으로 유의미하지 않았고, 모든 신뢰 구간이 0을 넘기 때문에 사망 위험은 존재하지 않았습니다.
	그런 다음 우리는 JMP가 제공하는 주요 기능 중 하나인 분할, 재귀적 분할을 살펴보았습니다. 그리고
	내부 검증을 수행하면서 입원 실험실 매개변수, 혈액 검사 결과를 살펴보는 211명의 환자가 모두 나와 있으며 데이터를 분할하여 놀랍게도 가장 많은 것을 얻었습니다.
	병원 사망률과 연관되어 개별 환자 지점에서 표현됩니다. 여기 선 아래에는 응고 측정인 프로타임이 있었고, 이것이 높으면 사망률이 더 높았습니다. 기본적으로 약
	85%인 반면, 프로타임이 13.4초 미만이면 사망률은 약 60%이고 로그 가치 값은 3을 넘습니다.
	따라서 통계적 관점에서 볼 때 패턴은 실제로 우연에 의한 것이 아닙니다. 가능하지만 그렇지 않습니다.
	그렇지 않습니다. 좋아요, 그리고 우리가 그것을 한 번 더 나누면, 우리는 이 프로칼시토닌을 얻습니다. 이것은 감염성 질환 문헌에서 마커입니다.
	바이러스가 아닌 박테리아 감염의 징후입니다. 박테리아 감염입니다. 그리고 여기서 몇 가지 차이점이 표현되는 것을 볼 수 있습니다. 이것이 유익할까요?
	이 ???그램에서 수신기 작동 특성 곡선은 우리가 원하는 만큼 견고하지 않습니다. 이는 환자 치료에 의한 것이라기보다는 우연에 의한 것일 수 있지만, 확실히 탐구해볼 만한 가치가 있습니다.
	다음은 우리 환자 집단의 병원 입원 기간 그래프이며 입원 기간이 약 20%까지 증가하는 것을 볼 수 있습니다.
	20일도 채 안 되어서 70일까지 계속됩니다. 그리고 유감스럽게도, 병원에 오래 머물지 않은 환자가 몇 명 있었고, 그 정보를 정리하면,
	우리는 이 환자들 중 많은 수가 아주 일찍 사망한 것을 봅니다. 유감스러운 일입니다. 제가 말했듯이 이 모든 환자들은 처음에 중환자실에 들어갔을 것입니다. 그래서 우리는 사망률, 백분율 결정 요인 등으로 표현된 정보를 여기에 가지고 있습니다.
	그럼, 이게 우리의 첫 번째 오버레이 플롯인데, 청중에게 보여드리고 싶은데요...
	처음에는 약간 복잡한 슬라이드입니다. 2020년 3월 8일에서 4월 5일 사이의 211명의 환자입니다. 패턴과 무작위성의 정도를 살펴보세요. 물론 유감스럽게도 병원에서 나와 병원 병동으로 들어가지 못했다면,

고급 통계 모델링자동화 및 스크립팅기본 데이터 분석 및 모델링실험 설계예측 모델링 및 머신 러닝품질 및 공정 엔지니어링