Accès ouvert déclaré 2021 article

Predictors for extubation failure in COVID-19 patients using a machine learning approach

Lucas M. Fleuren, Tariq A. Dam, Michele Tonutti, Daan P. de Bruin, Robbert C. A. Lalisang, Diederik A M P J Gommers, Olaf L. Cremer, Rob J. Bosman, Sander Rigter, Evert‐Jan Wils, Tim Frenzel, Dave Anton Dongelmans, Remko de Jong, Marco Peters, Marlijn J. A. Kamps, Dharmanand Ramnarain, Ralph O. Nowitzky, Fleur G. C. A. Nooteboom, Wouter de Ruijter, Louise C. Urlings‐Strop, Ellen G. M. Smit, D. Jannet Mehagnoul‐Schipper, Tom P.J. Dormans, Cornelis P. C. de Jager, Stefaan H. A. Hendriks, Sefanja Achterberg, Evelien A. N. Oostdijk, Auke C. Reidinga, Barbara Festen‐Spanjer, Gert B. Brunnekreef, Alexander Daniel Cornet, Walter van den Tempel, Age D. Boelens, Peter M. Koetsier, Judith Lens, Harald J. Faber, A. Karakus, Robert Entjes, Paul de Jong, Thijs C. D. Rettig, M. Sesmu Arbous, Sebastiaan J. J. Vonk, Mattia Fornasa, Tomas Machado, Taco Houwert, Hidde Hovenkamp, Roberto Noorduijn Londono, Davide Quintarelli, Martijn G. Scholtemeijer, Aletta A. de Beer, Giovanni Cinà, Adam Kantorik, Tom de Ruijter, Willem Ernst Herter, Martijn Beudel, Armand R. J. Girbes, Mark Hoogendoorn, Patrick J. Thoral, Paul Elbers, Julia Koeter, Roger van Rietschote, Merijn C. Reuland, Laura van Manen, Leon J. Montenij, Jasper van Bommel, Roy van den Berg, Ellen van Geest, Anisa Hana, Bas van den Bogaard, Peter Pickkers, Pim van der Heiden, Claudia van Gemeren, Arend Jan Meinders, Martha de Bruin, Emma Rademaker, Frits van Osch, Martijn D. de Kruif, Nicolas F. Schroten, Klaas Sierk Arnold, Jan Willem Fijen, Jacomar J. M. van Koesveld, Koen S. Simons, Joost A. M. Labout, Bart van de Gaauw, Michael A. Kuiper, Albertus Beishuizen, Dennis Geutjes, Johan Lutisan, Bart P. X. Grady, Remko van den Akker, Tom A. Rijpstra, Wim G. Boersma, Daniël Pretorius, Menno Beukema, Bram Simons, A. A. Rijkeboer, Marcel J H Ariës, Niels C. Gritters van den Oever, Martijn van Tellingen, Annemieke Dijkstra, Rutger van Raalte

39Citations signalées, ce qui n’est pas une note de qualité

47Institutions déclarées

2Pays d’affiliation déclarés

Rattachement africain : nl, us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

INTRODUCTION: Determining the optimal timing for extubation can be challenging in the intensive care. In this study, we aim to identify predictors for extubation failure in critically ill patients with COVID-19. METHODS: We used highly granular data from 3464 adult critically ill COVID patients in the multicenter Dutch Data Warehouse, including demographics, clinical observations, medications, fluid balance, laboratory values, vital signs, and data from life support devices. All intubated patients with at least one extubation attempt were eligible for analysis. Transferred patients, patients admitted for less than 24 h, and patients still admitted at the time of data extraction were excluded. Potential predictors were selected by a team of intensive care physicians. The primary and secondary outcomes were extubation without reintubation or death within the next 7 days and within 48 h, respectively. We trained and validated multiple machine learning algorithms using fivefold nested cross-validation. Predictor importance was estimated using Shapley additive explanations, while cutoff values for the relative probability of failed extubation were estimated through partial dependence plots. RESULTS: A total of 883 patients were included in the model derivation. The reintubation rate was 13.4% within 48 h and 18.9% at day 7, with a mortality rate of 0.6% and 1.0% respectively. The grandient-boost model performed best (area under the curve of 0.70) and was used to calculate predictor importance. Ventilatory characteristics and settings were the most important predictors. More specifically, a controlled mode duration longer than 4 days, a last fraction of inspired oxygen higher than 35%, a mean tidal volume per kg ideal body weight above 8 ml/kg in the day before extubation, and a shorter duration in assisted mode (< 2 days) compared to their median values. Additionally, a higher C-reactive protein and leukocyte count, a lower thrombocyte count, a lower Glasgow coma scale and a lower body mass index compared to their medians were associated with extubation failure. CONCLUSION: The most important predictors for extubation failure in critically ill COVID-19 patients include ventilatory settings, inflammatory parameters, neurological status, and body mass index. These predictors should therefore be routinely captured in electronic health records.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Predictors for extubation failure in COVID-19 patients using a machine learning approach
Date Crossref: 01/12/2021
Éditeur: Springer Science and Business Media LLC
Type: journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

Amsterdam Neuroscience pays non établi dans la notice
Structure de recherche
Amsterdam University Medical Centers pays non établi dans la notice
Établissement de santé
Vrije Universiteit Amsterdam Department of Intensive Care Medicine pays non établi dans la notice
Université ou école supérieure
Erasmus MC pays non établi dans la notice
Établissement de santé
University Medical Center Utrecht pays non établi dans la notice
Établissement de santé
St. Antonius Ziekenhuis pays non établi dans la notice
Organisme public
Sint Franciscus Gasthuis pays non établi dans la notice
Établissement de santé
Radboud University Nijmegen pays non établi dans la notice
Université ou école supérieure
Radboud University Medical Center Department of Intensive Care Medicine pays non établi dans la notice
Organisme public
Canisius-Wilhelmina Ziekenhuis pays non établi dans la notice
Établissement de santé
Catharina Ziekenhuis pays non établi dans la notice
Établissement de santé
Haga Hospital pays non établi dans la notice
Établissement de santé

Amsterdam Neuroscience, Amsterdam University Medical Centers et Department of Intensive Care Medicine — Vrije Universiteit Amsterdam, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Respiratory Support and MechanismsIntensive Care Unit Cognitive DisordersHealthcare Decision-Making and Restraints

Lire en accès ouvert Consulter la publication primaire Ouvrir le DOI