World Sleep Industry ENCYCLOPEDIA

呼吸机依从性预测模型

4.4.4

范围、对象与预测目标

呼吸机依从性预测模型,在睡眠健康语境中主要指对处方正压通气设备使用情况进行预测的模型,包括用于睡眠呼吸障碍的持续或自动正压、双水平正压,以及特定患者的家庭无创通气。它不应把重症监护中的有创机械通气、设备撤机或生命支持决策归入“患者依从性”。每种设备、疾病、年龄和照护场景需分别定义与验证。

模型必须说明在何时、预测谁、预测哪个未来区间的何种结果,例如治疗开始前预测早期支持需求,开始数日后预测后续使用轨迹,或识别可能中断的时间段。基线模型与纳入早期设备资料的动态模型不是同一任务;后者不得被宣传成治疗前即可获得的预测。输出还应区分持续时长、夜间覆盖、暂停或放弃,以及需要人工联系的概率。

“依从性”不是人格或服从程度。使用不足可能反映面罩不合、漏气、压力不适、鼻口症状、幽闭感、失眠、照护负担、停电、费用、网络中断、住院、旅行或处方与需要不匹配。模型的合理用途是尽早组织教育、故障排查与临床复核,不能给患者贴上“不配合”标签,也不能独立取消治疗、设备或保险权益。

结局定义、阈值与临床意义

结局应明确设备开启时间、面罩实际佩戴时间、每个睡眠时段的覆盖、使用夜数、平均或中位时长、连续中断和观察窗口的分母。跨午夜、白天睡眠、轮班、午睡、分段使用、多台设备和旅行都需统一规则。仅有云端未见记录时,要区分未使用、未上传、账号或序列号错误、离线存储失败及改用其他设备。

常见的每夜固定小时数和一定比例夜晚等门槛,常来自管理、研究或报销规则,并非所有人群、结局与地区通用的生理分界。二元标签会把阈值两侧相近的人划成相反类别,也会忽略有人虽未达到行政门槛仍获益、有人达到门槛却未覆盖全部睡眠。应同时报告连续使用、轨迹和与个人目标相关的结局,并保存规则版本与适用地区。

使用量也不等于治疗有效或安全。残余呼吸事件、漏气、压力、潮气量等设备派生指标的算法和定义可能因厂商、模式与版本不同;症状、睡眠质量、日间功能及适当临床检查提供不同证据。高使用预测不能证明诊断正确、设置合适或病情已控制,低使用预测也不能量化放弃治疗的净后果。

输入、数据质量与可干预因素

治疗前输入可包括诊断与处方背景、症状、共病、既往设备经验、面罩选择与适配、教育、个人目标、语言和可及性。治疗开始后的输入还可包括逐日使用、开始与停止模式、漏气和残余事件、设置变更、加湿、故障、患者反馈及服务联系。每个变量都应标明时间、来源、单位、是否可被照护改变,避免把预测相关性误称为原因。

设备遥测需保留型号、模式、固件、时区、采样与汇总方式、传输状态和数据修订。吹风机运行不一定代表面罩由患者佩戴,上传中断也不等于治疗中断;极端漏气时的使用和事件估计可能失真。跨厂商合并前应建立数据字典和转换验证,不能把同名“残余指数”或“严重漏气”直接当成相同测量。

主观体验与结构条件同样重要。疼痛、皮肤损伤、口鼻干燥、噪声、焦虑、伴侣影响、住房、用电、网络、费用、运输、轮班、照护责任及获得专业帮助的速度都可能影响使用。敏感社会资料只在有明确用途、合法依据和支持路径时收集;邮编、保险或收入等代理变量不可用来降低服务优先级或把资源不足转化为患者责任。

时间设计、建模与外部验证

每次预测要冻结索引时点,只使用当时可得资料。结果窗口内的使用分钟、之后发生的电话、面罩更换、压力调整或临床处置不得回填为特征;若预测由旧警报触发的干预所改变,应记录这一反馈。缺失填补、归一化、特征筛选和阈值调校在训练折内完成,并按患者、家庭、临床中心和时间隔离。

应解释纳入、排除、退出、处方未领取、从未联网和失访,避免只训练“有完整上传者”。重复的患者日或夜不是独立样本,样本量不能仅以设备夜数表示。连续结局、时间至中断、轨迹分型和固定阈值分类需要相应方法;死亡、住院、设备更换、治疗转换和保险回收等竞争事件不能简单记为未依从。

冻结模型需在不同诊断、设备和模式、中心、地区、支付制度、年龄、性别、种族与肤色相关传感差异、语言、残障、共病和治疗阶段中外部验证。报告校准、误差分布、灵敏度、特异度、阳性预测值、覆盖率、提前量和每位患者的误报负担,并与简单规则及现有工作流比较。近期系统综述所见研究少、异质且缺少外部验证时,不应据内部高分直接上线。

解释、支持措施与临床安全

输出应说明预测目标、时间范围、不确定性和近期可核对的贡献因素,但特征重要性不证明因果。早期短时使用可能提示困难,也可能来自住院、等待配件或数据未上传;模型不得自动断言动机。面向工作人员的解释应指向可验证问题,面向患者的语言应中性、可理解并允许纠正,不展示羞辱性排名。

预测只有连接到及时而合适的支持才可能有价值。路径可包括教育、面罩和接口检查、皮肤或鼻口症状处理、加湿与设备故障排查、行为支持、无障碍协助及合格人员的临床复核。应通过前瞻试验比较模型引导路径与现有照护,评估使用、症状、功能、治疗效果、患者体验、工作量、费用和伤害,而不是把风险识别本身当作改善。

模型不得自动改变压力、模式、备份频率、氧流量或其他治疗参数,也不能根据高预测分数认定通气充分。明显呼吸困难、胸痛、发绀、意识改变、严重嗜睡、疑似急性呼吸衰竭或设备关键故障需要及时专业或急症处理;不能等待算法。残余事件、持续症状、显著漏气或无创通气通气不足也需按处方与临床情境评估。

人机工作流、自主与公平

工作流应规定谁审阅警报、在何时联系、如何确认设备与患者状态、如何记录行动和怎样闭环。高风险列表必须按临床紧迫性和可提供支持排序,而非只按“最可能不依从”排序;低风险患者仍需常规随访。模型拒绝输出、数据过期、跨设备转换或超出适用范围时,应明确转人工,不生成虚假确定性。

患者应知道收集哪些遥测、谁能查看、预测用于何种决定,并能访问、解释和纠正记录。拒绝远程监测、无法联网或不接受某项建议,不应自动等同拒绝治疗。共享决策需尊重舒适度、目标和替代方案;对儿童、认知障碍者或依赖照护者,还应区分患者、监护人和照护者的角色与同意。

公平审计应检查谁没有设备、网络、稳定电力、合适面罩、语言服务、交通或及时门诊,以及这些缺口如何影响标签、误差和行动。模型不得用历史上较少获得支持的群体资料,合理化继续少给支持。应按人群和资源情境报告警报率、等待时间、干预接受和结局;无法建立可信性能时限制自动化,并提供电话、离线或面对面替代路径。

隐私、监管与生命周期治理

使用遥测可暴露睡眠时刻、在家与外出、旅行、治疗类型和健康状态,与临床或社会资料结合后更敏感。治理应遵循目的限定和最少必要,分别规定采集、传输、保存、供应商访问、跨机构共享、研究、商业用途和删除。雇主、保险人或设备供应商不能把为支持治疗收集的预测,未经合法透明程序转作纪律、定价或自动取消保障。

系统需要加密、设备与账号绑定核验、细粒度权限、访问审计、异常上传检测、备份恢复和事件响应。型号、固件、云接口、数据字段、诊疗流程和支付政策的变化都可能造成漂移;上线后应持续监测缺失、校准、分群误差、警报疲劳、人工覆盖和不良事件。重大变更先影子验证、分阶段发布并保留回滚及人工后备。

产品的监管和证据要求取决于实际宣称、使用者、自动化程度和错误后果。开发者应保存预期用途、禁用场景、结局与阈值版本、数据谱系、模型版本、验证、人因、网络安全和变更记录。最可信的模型不是代替患者或临床团队裁决“合格”,而是在透明不确定性下更早发现可解决障碍,并确保每个警报都能通向安全、公平且可选择的帮助。