Application of Data Sciences in Traumatic Brain Injury

数据科学在脑外伤中的应用

基本信息

  • 批准号:
    9685513
  • 负责人:
  • 金额:
    $ 20.16万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2018
  • 资助国家:
    美国
  • 起止时间:
    2018-09-12 至 2020-08-31
  • 项目状态:
    已结题

项目摘要

ABSTRACT Traumatic brain injury (TBI) is a leading cause of morbidity and mortality, and patients with moderate-severe traumatic brain TBI often require urgent/emergent surgical and anesthesia care. Patients with TBI who have surgery have poor outcomes, attributed to a high (>50%) prevalence of perioperative second insults such as hypotension and hypocarbia, which reduce cerebral perfusion and cause cerebral ischemia. Anesthesiologists provide analgesia, sedation, immobility, and amnesia, and aim to confer physiological stability, expected patient response, real-time physiological data, and professional judgement but are unfortunately unable to accurately predict in real time which patients with TBI will have hypotension and hypocarbia. Yet, avoidance of these second insults increases discharge survival among patients with TBI. Predicting and preventing hypotension and hypocarbia during TBI care is, therefore, vital, and avoidance of hypotension and hypocarbia are key performance indicators for perioperative TBI care. Small data science studies suggest that machine learning (ML) techniques can model and predict TBI pathophysiology and help reduce unwanted second insults after TBI. The project goal is to use ML methods to prevent second insults (hypotension and hypocarbia) during urgent/emergent perioperative TBI care. In response to PA-16-161, we propose 2 Specific Aims: 1) To construct and identify the TBI physiological ML model that most accurately predicts perioperative hypotension and hypocarbia, and 2) To develop ML derived personalized prescriptions for prevention of perioperative hypotension and hypocarbia. This project is innovative and will be impactful because the approach is grounded in strong data science, and acute care, and implementation science frameworks, because it develops ML derived prescriptions to prevent hypotension and hypocarbia, and because we use ML solutions to improve care quality and outcomes after TBI.
抽象的 创伤性脑损伤 (TBI) 是发病率和死亡率的主要原因,中度至重度患者 创伤性脑外伤通常需要紧急/紧急手术和麻醉护理。患有 TBI 的患者有 手术结果不佳,归因于围手术期二次损伤的发生率较高(>50%),例如 低血压和低碳酸血症,导致脑灌注减少,引起脑缺血。麻醉师 提供镇痛、镇静、不动和失忆,并旨在赋予预期的生理稳定性 患者反应、实时生理数据和专业判断,但遗憾的是无法 实时准确预测哪些TBI患者会出现低血压和低碳酸血症。然而,避免 这些第二次损伤可提高 TBI 患者的出院生存率。预测和预防 因此,TBI 护理期间的低血压和低碳酸血症至关重要,避免低血压和低碳酸血症 是围手术期 TBI 护理的关键绩效指标。小数据科学研究表明,机器 学习 (ML) 技术可以建模和预测 TBI 病理生理学,并帮助减少不必要的二次伤害 TBI 后的侮辱。该项目的目标是使用机器学习方法来防止二次伤害(低血压和 低碳酸血症)在紧急/紧急围手术期 TBI 护理期间。为了回应 PA-16-161,我们提出 2 条具体建议 目标:1)构建并识别最准确预测的 TBI 生理 ML 模型 围手术期低血压和低碳酸血症,以及 2) 开发 ML 衍生的个性化处方 用于预防围手术期低血压和低碳酸血症。该项目具有创新性,将 具有影响力,因为该方法基于强大的数据科学、紧急护理和实施 科学框架,因为它开发了机器学习衍生处方来预防低血压和低碳酸血症, 因为我们使用机器学习解决方案来改善 TBI 后的护理质量和结果。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Su-In Lee其他文献

Su-In Lee的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Su-In Lee', 18)}}的其他基金

Interpretable Machine Learning to Identify Alzheimer's Disease Therapeutic Targets
可解释的机器学习识别阿尔茨海默病的治疗目标
  • 批准号:
    10347341
  • 财政年份:
    2019
  • 资助金额:
    $ 20.16万
  • 项目类别:
Interpretable Machine Learning to Identify Alzheimer's Disease Therapeutic Targets
可解释的机器学习识别阿尔茨海默病的治疗目标
  • 批准号:
    10132962
  • 财政年份:
    2019
  • 资助金额:
    $ 20.16万
  • 项目类别:
Interpretable Machine Learning to Identify Alzheimer's Disease Therapeutic Targets
可解释的机器学习识别阿尔茨海默病的治疗目标
  • 批准号:
    10613437
  • 财政年份:
    2019
  • 资助金额:
    $ 20.16万
  • 项目类别:
Opening the Black Box of Machine Learning Models
打开机器学习模型的黑匣子
  • 批准号:
    10224845
  • 财政年份:
    2018
  • 资助金额:
    $ 20.16万
  • 项目类别:
Opening the Black Box of Machine Learning Models
打开机器学习模型的黑匣子
  • 批准号:
    10020414
  • 财政年份:
    2018
  • 资助金额:
    $ 20.16万
  • 项目类别:
Opening the Black Box of Machine Learning Models
打开机器学习模型的黑匣子
  • 批准号:
    10437684
  • 财政年份:
    2018
  • 资助金额:
    $ 20.16万
  • 项目类别:
Core F: Artificial Intelligence and Bioinformatics
核心F:人工智能和生物信息学
  • 批准号:
    10042623
  • 财政年份:
    1997
  • 资助金额:
    $ 20.16万
  • 项目类别:
Core F: Artificial Intelligence and Bioinformatics
核心F:人工智能和生物信息学
  • 批准号:
    10670111
  • 财政年份:
    1997
  • 资助金额:
    $ 20.16万
  • 项目类别:
Core F: Artificial Intelligence and Bioinformatics
核心F:人工智能和生物信息学
  • 批准号:
    10260483
  • 财政年份:
    1997
  • 资助金额:
    $ 20.16万
  • 项目类别:
Core F: Artificial Intelligence and Bioinformatics
核心F:人工智能和生物信息学
  • 批准号:
    10438909
  • 财政年份:
    1997
  • 资助金额:
    $ 20.16万
  • 项目类别:

相似国自然基金

剪接因子U2AF1突变在急性髓系白血病原发耐药中的机制研究
  • 批准号:
    82370157
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目
IKZF1-N159Y/S热点突变在急性白血病中的致病机制研究
  • 批准号:
    82300168
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
NMNAT1上调B7-H3介导急性早幼粒细胞白血病免疫逃逸的作用和机制研究
  • 批准号:
    82300169
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
支链氨基酸转氨酶1在核心结合因子急性髓细胞白血病中的异常激活与促进白血病发生的分子机制研究
  • 批准号:
    82370178
  • 批准年份:
    2023
  • 资助金额:
    48 万元
  • 项目类别:
    面上项目
SRSF3/LRP5/Wnt信号通路在急性淋巴细胞白血病中的作用及机制研究
  • 批准号:
    82370128
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目

相似海外基金

A hospital discharge opioid taper support intervention to improve post-operative opioid prescribing
出院阿片类药物逐渐减少支持干预,以改善术后阿片类药物处方
  • 批准号:
    10664566
  • 财政年份:
    2023
  • 资助金额:
    $ 20.16万
  • 项目类别:
The potential of oxytocin to reduce opioid abuse liability and pain among older adults
催产素降低老年人阿片类药物滥用倾向和疼痛的潜力
  • 批准号:
    10667718
  • 财政年份:
    2023
  • 资助金额:
    $ 20.16万
  • 项目类别:
Analgesic-Behavioral and Neurophysiological Correlates of Opioid-Sparing Spinal Anesthesia Compared to General Anesthesia in Human Infants
人类婴儿中少阿片类药物脊髓麻醉与全身麻醉的镇痛行为和神经生理学相关性
  • 批准号:
    10571344
  • 财政年份:
    2023
  • 资助金额:
    $ 20.16万
  • 项目类别:
Opioid-induced changes to chemotherapeutic activity in blood cancer
阿片类药物引起的血癌化疗活性变化
  • 批准号:
    10674695
  • 财政年份:
    2022
  • 资助金额:
    $ 20.16万
  • 项目类别:
Pharmacokinetics and Pharmacodynamics of Oral and Vaporized THC in Older Adults
老年人口服和汽化 THC 的药代动力学和药效学
  • 批准号:
    10705257
  • 财政年份:
    2022
  • 资助金额:
    $ 20.16万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了