利用模式识别技术增强传统监测手段，以预防阿片类药物过量带来的危害

《Journal of Addiction Medicine》：The Use of Pattern Recognition to Augment Traditional Monitoring in the Prevention of Opioid Overdose Harm

　　本研究探讨安全注射点（SCS）中模式识别算法与医疗人员阿片类药物过氧化物呼吸抑制干预活动的相关性。通过167名志愿者370次静脉注射非处方阿片类药物的生理数据（Masimo Radius PPG血氧仪），算法计算OIRD严重评分与SCS记录的干预情况（补氧或纳洛酮）高度相关（Spearman ρ=0.80，P<0.001），ROC曲线下面积0.94。干预组OIRD评分显著高于非干预组（P<0.001），证实算法可辅助识别需干预的严重呼吸抑制病例。

　　

摘要

目的：

本研究的目的是探讨一种模式识别算法与在安全消费场所（SCS）接受培训的医务人员针对阿片类药物过量干预活动之间的相关性。

方法：

使用Masimo Radius PPG脉搏血氧仪收集了在SCS使用非处方、未经监管的阿片类药物的志愿用户的连续生理数据。该算法回顾性地计算了阿片类药物引起的呼吸抑制（OIRD）严重程度评分（Opioid Halo评分），并将其与SCS工作人员记录的干预措施进行了比较。

结果：

本研究前瞻性地收集了167名个体的数据，这些个体接受了370次非处方、未经监管的阿片类药物（芬太尼）的静脉注射。其中150次注射（约41%）的干预措施被SCS工作人员记录在案，其余220次注射没有相关干预记录。该算法与干预活动之间存在强烈的相关性（Spearman ρ = 0.80，P < 0.001）。该算法在预测干预活动（如补充氧气或纳洛酮给药）方面的性能指标（接收者操作特征曲线下面积）为0.94。需要干预的注射中，OIRD严重程度评分显著高于无需干预的注射（P < 0.001）。

结论：

在本研究中，该算法生成的OIRD严重程度评分与SCS工作人员提供的干预措施之间存在强烈相关性，而这些工作人员对研究使用的脉搏血氧仪和算法评分并不知情。这表明该算法可能有助于检测需要干预的严重阿片类药物引起的呼吸抑制情况。