World Sleep Industry ENCYCLOPEDIA

呼吸機依從性預測模型

4.4.4

範圍、對象與預測目標

呼吸機依從性預測模型,在睡眠健康語境中主要指對處方正壓通氣裝置使用情況進行預測的模型,包括用於睡眠呼吸障礙的持續或自動正壓、雙水平正壓,以及特定患者的家庭無創通氣。它不應把重症監護中的有創機械通氣、裝置撤機或生命支持決策歸入「患者依從性」。每種裝置、疾病、年齡和照護場景需分別定義與驗證。

模型必須說明在何時、預測誰、預測哪個未來區間的何種結果,例如治療開始前預測早期支援需求,開始數日後預測後續使用軌跡,或識別可能中斷的時間段。基線模型與納入早期裝置資料的動態模型不是同一任務;後者不得被宣傳成治療前即可獲得的預測。輸出還應區分持續時長、夜間覆蓋、暫停或放棄,以及需要人工聯絡的機率。

「依從性」不是人格或服從程度。使用不足可能反映面罩不合、漏氣、壓力不適、鼻口症狀、幽閉感、失眠、照護負擔、停電、費用、網路中斷、住院、旅行或處方與需要不匹配。模型的合理用途是儘早組織教育、故障排查與臨床覆核,不能給患者貼上「不配合」標籤,也不能獨立取消治療、裝置或保險權益。

結局定義、閾值與臨床意義

結局應明確裝置開啟時間、面罩實際佩戴時間、每個睡眠時段的覆蓋、使用夜數、平均或中位時長、連續中斷和觀察窗口的分母。跨午夜、白天睡眠、輪班、午睡、分段使用、多台裝置和旅行都需統一規則。僅有雲端未見記錄時,要區分未使用、未上傳、帳號或序號錯誤、離線儲存失敗及改用其他裝置。

常見的每夜固定小時數和一定比例夜晚等門檻,常來自管理、研究或報銷規則,並非所有人群、結局與地區通用的生理分界。二元標籤會把閾值兩側相近的人劃成相反類別,也會忽略有人雖未達到行政門檻仍獲益、有人達到門檻卻未覆蓋全部睡眠。應同時報告連續使用、軌跡和與個人目標相關的結局,並保存規則版本與適用地區。

使用量也不等於治療有效或安全。殘餘呼吸事件、漏氣、壓力、潮氣量等裝置衍生指標的演算法和定義可能因廠商、模式與版本不同;症狀、睡眠品質、日間功能及適當臨床檢查提供不同證據。高使用預測不能證明診斷正確、設定合適或病情已控制,低使用預測也不能量化放棄治療的淨後果。

輸入、資料品質與可介入因素

治療前輸入可包括診斷與處方背景、症狀、共病、既往裝置經驗、面罩選擇與適配、教育、個人目標、語言和可及性。治療開始後的輸入還可包括逐日使用、開始與停止模式、漏氣和殘餘事件、設定變更、加濕、故障、患者回饋及服務聯絡。每個變數都應標明時間、來源、單位、是否可被照護改變,避免把預測相關性誤稱為原因。

裝置遙測需保留型號、模式、韌體、時區、採樣與彙總方式、傳輸狀態和資料修訂。鼓風機運行不一定代表面罩由患者佩戴,上傳中斷也不等於治療中斷;極端漏氣時的使用和事件估計可能失真。跨廠商合併前應建立資料字典和轉換驗證,不能把同名「殘餘指數」或「嚴重漏氣」直接當成相同測量。

主觀體驗與結構條件同樣重要。疼痛、皮膚損傷、口鼻乾燥、噪音、焦慮、伴侶影響、住房、用電、網路、費用、運輸、輪班、照護責任及獲得專業幫助的速度都可能影響使用。敏感社會資料只在有明確用途、合法依據和支援路徑時收集;郵遞區號、保險或收入等代理變數不可用來降低服務優先級或把資源不足轉化為患者責任。

時間設計、建模與外部驗證

每次預測要凍結索引時點,只使用當時可得資料。結果窗口內的使用分鐘、之後發生的電話、面罩更換、壓力調整或臨床處置不得回填為特徵;若預測由舊警報觸發的介入所改變,應記錄這一回饋。缺失填補、正規化、特徵篩選和閾值調校在訓練折內完成,並按患者、家庭、臨床中心和時間隔離。

應解釋納入、排除、退出、處方未領取、從未聯網和失訪,避免只訓練「有完整上傳者」。重複的患者日或夜不是獨立樣本,樣本量不能僅以裝置夜數表示。連續結局、時間至中斷、軌跡分型和固定閾值分類需要相應方法;死亡、住院、裝置更換、治療轉換和保險回收等競爭事件不能簡單記為未依從。

凍結模型需在不同診斷、裝置和模式、中心、地區、支付制度、年齡、性別、種族與膚色相關感測差異、語言、身心障礙、共病和治療階段中外部驗證。報告校準、誤差分布、靈敏度、特異度、陽性預測值、覆蓋率、提前量和每位患者的誤報負擔,並與簡單規則及現有工作流程比較。近期系統綜述所見研究少、異質且缺少外部驗證時,不應據內部高分直接上線。

解釋、支援措施與臨床安全

輸出應說明預測目標、時間範圍、不確定性和近期可核對的貢獻因素,但特徵重要性不證明因果。早期短時使用可能提示困難,也可能來自住院、等待配件或資料未上傳;模型不得自動斷言動機。面向工作人員的解釋應指向可驗證問題,面向患者的語言應中性、可理解並允許更正,不展示羞辱性排名。

預測只有連接到及時而合適的支援才可能有價值。路徑可包括教育、面罩和介面檢查、皮膚或鼻口症狀處理、加濕與裝置故障排查、行為支援、無障礙協助及合格人員的臨床覆核。應透過前瞻試驗比較模型引導路徑與現有照護,評估使用、症狀、功能、治療效果、患者體驗、工作量、費用和傷害,而不是把風險識別本身當作改善。

模型不得自動改變壓力、模式、備份頻率、氧流量或其他治療參數,也不能根據高預測分數認定通氣充分。明顯呼吸困難、胸痛、發紺、意識改變、嚴重嗜睡、疑似急性呼吸衰竭或裝置關鍵故障需要及時專業或急症處理;不能等待演算法。殘餘事件、持續症狀、顯著漏氣或無創通氣不足也需按處方與臨床情境評估。

人機工作流程、自主與公平

工作流程應規定誰審閱警報、在何時聯絡、如何確認裝置與患者狀態、如何記錄行動和怎樣閉環。高風險清單必須按臨床緊迫性和可提供支援排序,而非只按「最可能未依從」排序;低風險患者仍需常規隨訪。模型拒絕輸出、資料過期、跨裝置轉換或超出適用範圍時,應明確轉人工,不生成虛假確定性。

患者應知道收集哪些遙測、誰能查看、預測用於何種決定,並能存取、解釋和更正記錄。拒絕遠端監測、無法聯網或不接受某項建議,不應自動等同拒絕治療。共同決策需尊重舒適度、目標和替代方案;對兒童、認知障礙者或依賴照護者,還應區分患者、監護人和照護者的角色與同意。

公平稽核應檢查誰沒有裝置、網路、穩定電力、合適面罩、語言服務、交通或及時門診,以及這些缺口如何影響標籤、誤差和行動。模型不得用歷史上較少獲得支援的群體資料,合理化繼續少給支援。應按人群和資源情境報告警報率、等待時間、介入接受和結局;無法建立可信性能時限制自動化,並提供電話、離線或面對面替代路徑。

隱私、監管與生命週期治理

使用遙測可暴露睡眠時刻、在家與外出、旅行、治療類型和健康狀態,與臨床或社會資料結合後更敏感。治理應遵循目的限定和最少必要,分別規定採集、傳輸、保存、供應商存取、跨機構分享、研究、商業用途和刪除。雇主、保險人或裝置供應商不能把為支援治療收集的預測,未經合法透明程序轉作紀律、定價或自動取消保障。

系統需要加密、裝置與帳號綁定核驗、細粒度權限、存取稽核、異常上傳檢測、備份復原和事件回應。型號、韌體、雲端介面、資料欄位、診療流程和支付政策的變化都可能造成漂移;上線後應持續監測缺失、校準、分群誤差、警報疲勞、人工覆蓋和不良事件。重大變更先影子驗證、分階段發布並保留回滾及人工後備。

產品的監管和證據要求取決於實際宣稱、使用者、自動化程度和錯誤後果。開發者應保存預期用途、禁用場景、結局與閾值版本、資料譜系、模型版本、驗證、人因、網路安全和變更記錄。最可信的模型不是代替患者或臨床團隊裁決「合格」,而是在透明不確定性下更早發現可解決障礙,並確保每個警報都能通向安全、公平且可選擇的幫助。