两种从自动术中温度数据集中去除伪影的新算法的演示和性能评估:多中心、观察性、回顾性研究

简介

体温是一项重要的生命体征，在手术过程中测量体温是美国麻醉医师协会标准监测的重要组成部分[1，2］．术中低温与围手术期并发症有关，如手术伤口感染、心脏发病率、凝血功能障碍、药物代谢障碍和恢复时间延长[3.-7］．鉴于其对术后结果的深远影响，在大型围手术期数据库研究中准确计算术中温度是至关重要的。不幸的是，术中温度读数通常包含一些伪影。从机制上讲，这些伪现象可能是温度探头放置不当、温度探头意外从患者口腔或鼻腔中掉出、温度探头从室温加热到患者核心温度导致的读数过低，或与温度探头重新定位有关的读数[8，9］．尽管一些研究提出了温度伪值减少算法，但它们的验证仍然不足，最广泛引用的算法依赖于测量之间的相等时间间隔——在许多大型数据集中，这一条件经常被违反[10］．我们的研究旨在解决这些知识和性能上的差距，因为我们使用一个大型的术中温度数据库，比较了两种新的温度伪迹减少算法的性能与三名经委员会认证的麻醉师手工去除伪迹的性能。

方法

伦理批准

本研究获得了机构审查委员会的批准(批准号:HIC 1206010438)。

研究设计

这是一项多中心、观察性、回顾性研究，数据由多中心围手术期预后组(MPOG)联盟在机构审查委员会批准后收集。MPOG注册包含来自48个医疗中心的超过1400万个麻醉程序的数据。该联盟已严格收集和标准化关于麻醉和外科接触患者级数据的信息[11］．单个外科手术的数量、参与者的多样性和其广泛的地理覆盖范围使这个数据库成为一个非常丰富的数据源，可以进行精确和可靠的估计。大型学术医疗中心和社区医院都对这个数据库有所贡献，从而产生了一个大的、有代表性的全国样本。该数据库是美国最大的麻醉注册库之一，通过使用该注册库进行算法评估将使算法在广泛的机构中可推广。

研究计划，包括样本量评估，在数据提取和分析之前公布[12］．

纳入和排除标准

本研究纳入18岁以上经气管内插管全身麻醉非心脏手术患者的麻醉记录。排除标准包括美国麻醉医师学会生理状态为5或6的病例，温度探头放置在鼻咽或口咽以外的部位的病例，不使用气管内插管进行全身麻醉的病例，或麻醉记录中温度读数低于3的病例。这些温度记录是从麻醉图表中提取出来的。仅术中读数用于伪影检测。

在使用纳入和排除标准选择队列后，从MPOG联盟内的匿名机构中选择了200例非心脏外科病例作为方便样本。

结束点

主要研究终点是通过与三名麻醉师手工检测伪影的参考标准进行比较，评估两种算法在自动术中温度记录中检测伪影的敏感性和特异性。其他研究终点包括每种算法之间的一致性(以案例为例)，以及算法与专家对平均温度和曲线下面积(AUCs)的判断之间的一致性。该分析使用了温度读数低于36℃的auc。根据算法或专家的判断，在剔除伪迹后，计算每个患者在36℃以下的时间内的AUC乘以温度读数。使用auc对36℃以下的温度读数作为结合患者体温过低持续时间和严重程度的指标[13］．

算法定义

算法1和算法2描述在图1．简单地说，32°C以下和40°C以上的温度被排除在外。然后使用算法的逻辑根据其流程图来识别潜在的工件。算法1基于斜率的算法，计算相邻3个温度数据点的线性曲线拟合。剔除斜率大于0.08的数据点。然后，该算法计算出前一个数据点与下一个数据点之间的绝对温差。与之前温度的绝对变化大于0.25°C的温度被排除在外。

‎ 查看此图

算法2 -基于间隔的算法-评估连续温度记录之间的时间间隔超过5分钟。如果时间间隔后的温度记录少于5次，则记录为人工制品。但是，如果在测量间隙后有超过5次记录，则计算最后一次有效温度记录与下一次有效温度记录之间的斜率，如果斜率小于0.35℃/分钟，则保留温度点。否则，它们就会被标记为人工制品。

专家裁决

三名经委员会认证的麻醉师独立地识别了术中病例的温度读数中的伪象;每个麻醉师都不知道其他麻醉师的结果和算法的计算。在不一致的情况下，遵循多数原则(即3名麻醉师中至少2名同意)。我们使用了一种创新的方法向专家展示时间温度读数，为此我们在JavaFX (Oracle Corporation)和Java 11 JDK (Oracle Corporation)平台上开发了软件。该程序首先将患者体温数据提取到一个平面文件中。每个记录都包含一个唯一的患者标识符、温度和时间戳。然后，使用FreeMarker Java模板将数据写入HTML文件。该文件使用JavaScript谷歌可视化应用程序编程接口在散点图中显示每种病例的术中温度，纵轴显示温度，横轴显示时间(多媒体附件1)．专家们在他们认为是文物的读数上做了标记。结果被记录并抽象到一个数据表中。

统计分析

使用SAS 9.4版本(SAS Institute Inc)进行统计分析。对所有提取的温度读数进行描述性统计，包括被每种算法认为是人工的读数和专家裁决的值。

通过平均温度的Bland-Altman图和低温温度读数的aus图，比较了专家(多数规则)和两种算法的人工伪迹识别结果。对于这些auc，我们计算了连续时间点之间的平均高度和相应的间隔宽度，以估计分段面积。我们将温度低于36°C的区域聚集起来，以获得每个手术病例的总面积。

样本量的理由

虽然我们进行了观察性描述性分析，但没有推理目的，我们进行了幂度分析，以确定数据集定义偏差和一致限制的程度。经过文献回顾，我们无法找到类似的研究，可用于指导样本量估计。基于我们的试点数据，当温度读数低于36℃时，专家和每种算法之间的aus平均样本差异为0.2 (SD 1.02)分钟×℃。使用Lu等人开发的方法[14]，我们确定，当一致性水平的置信水平设置为0.950，且一致性水平的ci的置信水平设置为0.95时，我们需要147个患者记录的样本量，以达到80%的检测一致性的能力。最大允许差值为2.56分钟×°C，远低于我们预先指定的4分钟×°C的临床意义值。为了考虑到包括没有任何温度记录的病例以及远远超过80%功率阈值的可能性，我们做出了一个先验决定，包括200例术中病例，本研究对这些病例进行了分析。

结果

研究特点

算法和麻醉师分析了200个麻醉记录中的27683个温度读数。每个病例的中位温度读数计数为103 (IQR 51-185.5)。给出了描述温度曲线的直方图多媒体附件2．麻醉医师一致同意92.1%(25,496/27,683)的体温读数;他们确定了89条记录为文物。通过使用多数规则，另外200个读数被标记为人工制品，结果总共有289个温度读数被认为是人工制品。

伪影检测的敏感性和特异性

在27683个温度读数中，基于斜率的算法共识别出411个温度点为假体，基于区间的算法共识别出236个温度点为假体。值得注意的是，这些拒绝并不局限于少数案例。在200例病例中，81例(40.5%)被基于斜率的算法至少拒绝一次，89例(44.5%)被基于区间的算法至少拒绝一次。相比之下，88例(44%)被麻醉医生判定为有伪影。200个案例中，基于斜率的算法每个案例的平均拒绝数为2.1，基于区间的算法为1.2。

正如预期的那样，两种算法都具有较高的伪影检测特异性(基于斜率的算法:99.02%;基于区间的算法:99.54%)，而基于斜率的算法在灵敏度方面似乎优于基于区间的算法(49.13% vs 37.72%)。基于斜率算法的f值为0.65，基于区间算法的f值为0.55。

低温温度读数的AUC估计

从原始数据和麻醉医生的低温温度读数的auc之间的比较显示，在患者平均总结中没有明显的差异(图2)．然而，在极低温读数中发现了一些差异，如分析曲线中对原始数据的正向偏向。之所以会出现这种偏差，是因为专家们经常认为这种低温读数是人为的，在计算AUC时将其丢弃，但在用原始数据计算AUC时却使用了这些数据。将每种算法与原始数据进行比较后，得到了相似的结果(图2而且多媒体附件3)．

此前，AUC为60分钟×°C作为标准参考单位;60分钟×°C的倍数被证明与不良患者预后相关[10］．Bland-Altman图显示，专家和原始值之间(−86.26分钟×°C)、算法1和原始值之间(−106.04分钟×°C)以及算法2和原始值之间(−70.73分钟×°C)的偏差值均大于60分钟×°C。这表明，在评估低温对患者预后的影响时，这些算法的应用可能使基于低温的温度分析比仅基于原始数据的分析更有意义。

有趣的是，专家与基于坡度的算法之间的偏差(19.78分钟×°C)和专家与基于间隔的算法之间的偏差(−15.53分钟×°C)都小于60分钟×°C，这表明在由专家或算法之一评估原始数据后，得出的低温测量结果是相似的，在公认的临床相关性测量范围内。

为了更好地表征一致性，我们评估了算法在评估临床意义测量中的性能。低温温度读数的大auc(低于36℃的时间×低于36℃的温度值)已被证明与不良的术后预后相关，包括住院时间延长和需要输血[10］．我们使用类似的方法来比较专家去除伪迹和基于斜率的算法(算法1)和基于区间的算法(算法2;图3而且图4)．这些方法已用于比较两种测量方式的类似研究[15］．

‎ 查看此图

‎ 查看此图

‎ 查看此图

平均气温估算

通过我们描述的方法去除伪影后计算每个患者记录的平均温度读数。将原始数据与麻醉师大多数基于规则的结果进行比较的平均温度读数剖面图显示无明显差异(图5)．然而，与auc一样，在极低的温度下可以看到平均温度的偏差。两种算法去除伪影前后的平均温度读数遵循类似的趋势(图5而且多媒体附件4)．

‎ 查看此图

工件的聚类

为了描述集群，我们认为集群是3个或3个以上连续的温度读数，它们被判定为工件。我们比较了三种方法(麻醉医师人工伪迹检测、基于斜率的算法[算法1]和基于区间的算法[算法2])中每个病例的聚类数量的分布，如多媒体附件5．人工数据点数量的评分者间可靠性非常好(Gwet AC1统计量0.876,95% CI 0.833-0.92) [16］．三种方法在每种情况下的簇大小分布如图所示多媒体附件六．

讨论

这项研究有重要发现。首先，通过自动电子健康记录数据捕获获得的样本中术中温度假象的总体发生率较低(点估计值为0.01,95% CI为0.009-0.011)。据我们所知，我们的研究是第一个解决原始术中温度记录有效性的研究。因此，从原始数据得到的平均温度值与专家得出的非常接近，可以直接用于研究目的。其次，基于斜率的算法可以过滤术中温度假象，非常接近麻醉师的人工分类。因此，伪影减少算法可用于评估术中低温对患者预后的影响的研究。该算法还可以作为一个强大的工具，通过与其他医疗中心的比较来衡量特定医疗中心捕获的温度数据的质量。此外，我们的方法可以用于验证类似的算法，旨在识别与其他重要因素相关的伪影，如术中血压。

我们的术中温度记录与其他评估术中温度的研究相似[17，18］．全身麻醉下的患者，大多数会出现核心体温下降[19，20.］．根据手术的类型和持续时间的不同，这种变化模式有很大的不同[21］．我们在术中温度记录的随机样本中发现了类似的模式，这表明我们的样本不偏向于特定的患者或手术子集。试图过滤与术中温度测量相关的伪影的研究缺乏普遍性[10］．我们研究的关键优势之一是，鉴于算法的适应性，它们可以被特定的医疗中心用于过滤术中人工制品，既用于研究，也用于质量倡议目的。

我们的研究有一定的局限性。首先，由于缺乏一个真正的金标准，麻醉医师的人工伪影分类被认为是评估伪影检测性能的合理方法。测量人造物的另一种方法可能是将食道温度与从其他部位(如膀胱)同时捕获的温度测量值相关联。然而，很少有患者接受超过一种温度测量方式。此外，膀胱温度滞后于食道温度，这将使鉴别真正的藏物变得困难。1］．此外，每种方法都有自己的局限性，破坏了任何单一的核心温度读数黄金标准来源的概念。例如，膀胱温度测量装置受到尿流量的强烈影响[22］．其次，算法仅在鼻咽或口咽温度探头被使用的情况下被验证。然而，在绝大多数患者中，这些探针用于术中温度测量。第三，本研究采用回顾性设计。我们选择使用这种研究设计，因为实时进行这项研究将会非常消耗资源。此外，有一个观察者可能会导致临床医生行为的改变。由于本研究的回顾性性质，我们纳入了通过口咽探针或鼻咽探针自动获取患者体温数据的病例。这些探针通常使用热敏电阻或热电偶，这被认为是临床使用的标准，但考虑到其回顾性设计，这不是研究方案的标准化部分[1］．此外，算法的计算是基于在麻醉过程中温度的变化和温度变化的梯度，如果在整个麻醉过程中温度探针放置不当，算法将无法检测到工件。第四，异常值可能严重影响了我们的观察结果。为了解决这个问题，我们对结果进行了敏感性分析，方法是通过折刀法(一种“一次只遗漏一个观察结果”的方法)重新估计我们的结果摘要。重叠估计显示，没有高度影响的观测结果。偏差估计大致维持不变(多媒体附件7)．第五，我们还想强调的是，虽然基于斜率的算法获得了一个中等的f值，但仍然存在显著的改进空间。然而，该算法可能是解决自动化术中温度记录有效性的重要的第一步，并可能作为进一步改进算法的支架。最后，算法可能很差地外推温度-时间曲线，其中包括时间间隔或未收集数据的时间段，它们可能掩盖了在这些时间段可能发生的术中温度变化。然而，这种异常情况很少发生，在调查中可以发现。

综上所述，术中温度监测是影响术后患者预后的关键。我们的研究提供了高度一般化的伪影减少算法，可以作为标准的开放获取工具，在大型数据库研究中过滤掉伪影。它们也可作为评估各中心术中温度记录质量的工具。进一步的研究应该评估我们的基于斜率的算法在其他术中数据库和人群中的性能。