Ravivahetuse vajaduse prognoosimine klassifikatsioonipuu abil
This presentation is the property of its rightful owner.
Sponsored Links
1 / 14

Ravivahetuse vajaduse prognoosimine klassifikatsioonipuu abil PowerPoint PPT Presentation


  • 78 Views
  • Uploaded on
  • Presentation posted in: General

Ravivahetuse vajaduse prognoosimine klassifikatsioonipuu abil . Tuuli Metsvaht, Heti Pisarev , Mari-Liis Ilmoja, Mirjam Merila , Irja Lutsar 14. aprill 2010. Tuuli MetsvahtTÜ Kliinikumi lasteintensiivravi osakond Heti Pisarev TÜ tervishoiu inistituut

Download Presentation

Ravivahetuse vajaduse prognoosimine klassifikatsioonipuu abil

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Ravivahetuse vajaduse prognoosimine klassifikatsioonipuu abil

Ravivahetuse vajaduse prognoosimine klassifikatsioonipuu abil

Tuuli Metsvaht, HetiPisarev,

Mari-Liis Ilmoja, Mirjam Merila, IrjaLutsar

14. aprill 2010


Ravivahetuse vajaduse prognoosimine klassifikatsioonipuu abil

Tuuli MetsvahtTÜ Kliinikumi lasteintensiivravi osakond

Heti Pisarev TÜ tervishoiu inistituut

Mari-Liis Ilmoja Tallinna Lastehaigla lasteintensiivravi osakond

Mirjam Merila TÜ Kliinikumi pediaatria osakond

Irja Lutsar TÜ mikrobioloogia instituut


Taust

Taust

  • ~4% vastsündinutest vajavad varase sepsise kahtluse korral antibakteriaalset ravi

  • Tavapärane esmavaliku ravi: ampitsilliin+gentamütsiin või penitisilliin+gentamütsiin kombineeritud ravi

  • 10-20% juhtudest on nakkuse tekitaja AMP/PEN ravile mittealluv ja ravi on vaja vahetada laiematoimelise AB vastu

  • Nakkuse tekitaja määramine võtab aega 24-48h ja alati polegi määratav


Eesm rk

Eesmärk

leida algoritm primaarse ravi vahetuse prognoosimiseks kliiniliste ja sümptomaatiliste näitude põhjal.


Ristkatse pen ja amp v rdlemiseks

Ristkatse PEN ja AMP võrdlemiseks

  • Aug 2006 – nov 2007

  • Keskused

    • SA Tartu Ülikooli Kliinikumi Anestesioloogia ja Intensiivravi Kliiniku lasteintensiivravi osakond

    • SA Tallinna Lastehaigla intensiivravi osakond

  • Uuringualused: intensiivravi osakonda sattunud antibakteriaalset ravi vajavad alla 72-tunni vanused vastsündinud

    • välja jääjad: seisund vajas muud AB, osakonnast lahkumine 24h jooksul

  • 2 võimalikku primaarset raviskeemi

    • ampitsilliin + gentamütsiin

    • penitsilliin + gentamütsiin


Ristkatse pen ja amp v rdlemiseks1

Ristkatse PEN ja AMP võrdlemiseks

1. poolaasta

2. poolaasta

Tallinn

n=71

Tartu

n=71

Ampitsilliin

Tallinn

n=71

Tartu

n=70

Penitsilliin


Ristkatse pen ja amp v rdlemiseks2

Ristkatse PEN ja AMP võrdlemiseks

  • Jälgimisaeg: osakonda saabumine kuni ravi ebaõnnestumine (ka surm) või osakonnast lahkumine

  • Kogutavad andmed: vereproovid põletikunäitajate määrmaiseks, ema tervisekäitumine, raseduse, sünnituse kulg jne

  • Esmane väljundtulemus: hinnatakse primaarse ravi vahetust vajanute hulka

  • Järeldus: AMP ja PEN ravi pole erinevad


Logistiline regressioon

Logistilineregressioon

Primaarse ravi vahetusega (168h jooksul) statistiliselt olulises seoses olevad tunnused (p<0.1)

esimene rasedus/sünnitus, lootekestade põletik, suitsetamine raseduse ajal, positiivne bakterikülv sünnitusteedest, platsentast või uriinist;

1-minuti apgar, sünnikaal, gestatsiooniaeg, IRO-sse jõudmise vanus, vasoaktiivsete ravimite arv, suukaudne toitmine, veresuhkur, c-reaktiivne valk, hemoglobiin, leukotsüüdid, albumiin, uurea, bilirubiin …


Mitmesed logistilised mudelid

Mitmesed logistilised mudelid


Klassifikatsiooni ja regressioonipuu ehk otsusepuu meetod

Klassifikatsiooni- ja regressioonipuu ehk otsusepuu meetod

Otsusepuu meetodit kasutatakse prognoosimiseks.

  • Klassifitseerimisülesanded (kategooriline sõltuv tunnus)

    • Binaarne (nt on/ei ole dgn)

    • Järjestatav (nt dgn raskusaste)

    • Mittejärjestav (nt dgn1 vs dgn2 vs dgn3)

  • Regressioonülesanded (pidev sõltuv tunnus)

  • Tulemuste interpretatsioon on lihtne ja selge

    • Mudeli parameetrite asemel antakse täpsed otsustuste reeglid


  • 24 tunni mudel

    24-tunni mudel


    72 tunni mudel

    72-tunni mudel


    Logistilise mudeli ja otsusepuu v rdlus

    Logistilise mudeli ja otsusepuu võrdlus


    Tulemuste kitsendused

    Tulemuste kitsendused

    Kuna andmestik oli väike (n=283), siis mudeli lõplikuks valideerimiseks tuleb veel andmeid koguda.


  • Login