65. Jahrgang - Juli/August 2024
Originalia | Original Articles
Notfallmedizin | Emergency Medicine
A. Luckscheiter · W. Zink · J. Eisenberger · T. Viergutz · M. Thiel
Evaluation des Minimalen Notfalldatensatzes zur Vorhersage der Verwendung der Videolaryngoskopie bei der Prähospitalnarkose des Polytraumapatienten – Ein Proof of Concept mit Folgen?
Evaluation of a general emergency dataset for the prediction of videolaryngoscopy use in emergency anaesthesia in prehospital trauma care – a proof of concept with consequences?
Schlüsselwörter
Atemwegsmanagement – Klinische Entscheidungsregeln – Entscheidungsbäume – Maschinelles Lernen – Videolaryngoskopie
Keywords
Airway Management – Clinical Decision Rules – Decision Trees – Machine Learning – Laryngoscopy – Video-assisted
Zusammenfassung
Hintergrund
Die Anwendung der Videolaryngoskopie (VL) ist gemäß aktuellen Leitlinien ein Hauptqualitätsmerkmal der präklinischen Atemwegssicherung bei Traumapatienten. Der zur notärztlichen Dokumentation verwendete Minimale Notfalldatensatz (MIND) soll hinsichtlich der Vorhersehbarkeit der Verwendung der VL validiert werden. Zudem soll die Modellierung mit Blick auf Stabilität bei steigender Nutzerakzeptanz der VL evaluiert werden.
Methodik
Aus einem südwestdeutschen Register wurden Echtweltdaten erwachsener Traumapatienten der Jahre 2018 – 2020 nach alleiniger notärztlicher Atemwegssicherung, Ausschluss einer Reanimationspflichtigkeit sowie vollständig dokumentiertem Atemwegsmanagement selektioniert. Mittels einer k-MeansClusteranalyse sowie eines RandomForest-Modells wurden die MIND-Attribute initiale Vitalwerte, Auskultationsbefunde, notärztliches Erfahrungsniveau in der Atemwegssicherung, Verletzungsmuster, Kapnographie, nichtinvasive Beatmung, supraglottische Atemwegshilfe, Muskelrelaxanziengabe, Halswirbelsäulenimmobilisation, Thoraxdrainagenanlage und Angaben zum schwierigen Atemweg evaluiert. Um eine steigende Verwendung zu simulieren, wurde vom Originaldatensatz (1:2,6) ausgehend das Verhältnis „VL“ zu „keine VL“ 1:1 bzw. 2:1 randomisiert.
Ergebnisse
Aus 1.451 Prähospitalnarkosen konnten 992 ausgewertet werden (277-malige Verwendung der VL (28 %)). Mit simulierter steigender Verwendung der VL steigerte sich die Sensitivität von 0,66 (Original) auf 0,77 (2:1) bzw. der positiv prädiktive Wert von 0,5 (Original) auf 0,82 (2:1). Die Spezifität fiel von 0,82 (Original) auf 0,58 (2:1) bzw. der negativ prädiktive Wert von 0,9 (Original) auf 0,51 (2:1) ab. Die Fläche unter der Grenzwertoptimierungskurve variierte von 0,78 (Original) bis 0,77 (2:1). Der Cluster „VL“ enthielt die Attribute Spastik, Dyspnoe oder Zyanose, nichtinvasive Beatmung, Alter, Glasgow Coma Scale und Vitalwerte.
Schlussfolgerung
Auf Basis des MIND scheint nicht nur eine Modellierung der Verwendung der VL bei Traumapatienten möglich, sondern auch eine Unterteilung nach Anwendungscharakteristika. Eine Erweiterung um zusätzliche Attribute wie Gerätetypen, Atemwegsevaluation oder Vorgehen bei der Atemwegssicherung könnte die Robustheit zukünftiger Modelle erhöhen.
Summary
Background
In current German guidelines, the use of video laryngoscopy is one of the main quality features in the preclinical airway management of patients with severe injuries. The aim of the study is to evaluate the nationwide used emergency dataset MIND for the prediction of video laryngoscopy use in prehospital trauma patients requiring emergency anaesthesia with the help of machine learning and considering various application frequencies.
Methods
From a southwest German register we selected real-life datasets pertaining to severely injured adults who had received airway management from emergency physicians in the years between 2018 and 2020. With machine learning, the use of video laryngoscopy (VL) in preclinical adult trauma patients was modeled with a random forest algorithm and also clustered with k-means algorithm. Based on the original dataset (ratio 1:2,6), datasets with a 1:1 and a 2:1 ratio VL / no VL were created at random. Attributes chosen were initial vital signs, experience in airway management as well as injury pattern, auscultation findings, capnography, non-invasive ventilation, supraglottic airway devices, muscle relaxant, immobilisation of the cervical spine, declaration of a difficult airway situation and thoracic drainage insertion.
Results
Out of a total of 1,451 emergency anaesthesias, VL was applied in 277 of the 992 cases evaluated (28 %). With simulated growing usage frequency, sensitivity increased from 0.66 (original) up to 0.77 (2:1) and a positive predictive value rose from 0.5 (original) to 0.82 (2:1). The specificity and the negative predictive value decreased from 0.82 (original) to 0.58 (2:1) and from 0.9 (original) to 0.51 (2:1), respectively. The area under the receiver operating characteristic varied from 0.78 (original) to 0.77 (2:1). The cluster “VL” contained the attributes bronchial spasm, dyspnoea or cyanosis, non-invasive ventilation, age, Glasgow Coma Scale (GCS) and vital parameters.
Conclusion
The attributes of MIND could be used to develop a preliminary prediction model for video laryngoscopy usage in the field of prehospital trauma care. Also, clustering revealed a characteristic type of usage. In order to increase stability, further attributes like device type, airway evaluation or airway management approach could be included in future models.
