文献

J-GLOBAL ID：201902216394096562   整理番号：19A2409029

周術期および集中治療薬における低血圧症の予測【JST・京大機械翻訳】

Predicting hypotension in perioperative and intensive care medicine

著者 (6件)： Saugel Bernd (Department of Anesthesiology, Center of Anesthesiology and Intensive Care Medicine, University Medical Center Hamburg-Eppendorf, Martinistrasse 52, 20246, Hamburg, Germany) ,  Saugel Bernd (Outcomes Research Consortium, Cleveland, OH, USA) ,  Kouz Karim (Department of Anesthesiology, Center of Anesthesiology and Intensive Care Medicine, University Medical Center Hamburg-Eppendorf, Martinistrasse 52, 20246, Hamburg, Germany) ,  Hoppe Phillip (Department of Anesthesiology, Center of Anesthesiology and Intensive Care Medicine, University Medical Center Hamburg-Eppendorf, Martinistrasse 52, 20246, Hamburg, Germany) ,  Maheshwari Kamal (Departments of General Anesthesiology and Outcomes Research, Anesthesiology Institute, Cleveland Clinic, 9500 Euclid Avenue - E31, Cleveland, OH, 44195, USA) ,  Scheeren Thomas W.L. (Department of Anesthesiology, University of Groningen, University Medical Center Groningen, Hanzeplein 1, P.O. Box 33.001, 9700 RB, Groningen, the Netherlands)
資料名： Best Practice & Research Clinical Anaesthesiology  (Best Practice & Research Clinical Anaesthesiology)
巻： 33  号： 2  ページ： 189-197  発行年： 2019年 
JST資料番号： W3512A  ISSN： 1521-6896  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 血圧は,器官灌流の主要決定因子である。低血圧は,手術を受けている患者と重症患者において一般的である。低血圧の重症度と持続期間は,低灌流と器官機能不全に関連する。低血圧は,低血圧値がすでに発生した後に再活動的に治療されている。しかしながら,臨床的に明らかになる前の低血圧の予測は,臨床医が低血圧を前経験的に治療することを可能にし,それにより,低血圧の重症度と持続時間を低下させる。現在,臨床的に明らかな低血圧に先行する心血管動態の微妙な変化を検出するために訓練できる機械学習アルゴリズムを用いて血圧波形から実際に生じる前に,低血圧を予測できる。しかしながら,複雑な心血管系を分析することは,心血管生理学が高度に相互依存性であり,複雑なネットワーク内で働き,補償機構により影響されるので,難問である。改良された血行動態データ収集と統合は,現在のモデルを改善し,新しい低血圧予測モデルを開発するためのキーである。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 潅流 ,  継続時間 ,  生理学 ,  循環系 ,  ネットワーク ,  *予測 ,  予測モデル ,  データ収集 ,  機能障害 ,  *血圧
準シソーラス用語： 臨床医 ,  重症度 ,  器官 ,  *集中治療 ,  *周術期 , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工知能 ,  機械学習 ,  血圧 ,  心血管動態 ,  血液動態モニタリング ,  低血圧予測指標

分類 (5件)： 臨床麻酔学一般  (GC05013F) ,  細胞膜の受容体  (EF04030C) ,  神経系疾患の薬物療法  (GN05020Y) ,  神経系の疾患  (GN03000O) ,  臨床外科学一般  (GC07013T)

タイトルに関連する用語 (4件)： 周術期 ,  集中治療 ,  低血圧症 ,  予測