PHƯƠNG TRÌNH TIÊN ĐOÁN THỜI GIAN NẰM PHÒNG HỒI TỈNH KÉO DÀI SAU PHẪU THUẬT: TỔNG QUAN HỆ THỐNG CÁC BẰNG CHỨNG HIỆN CÓ
Nội dung chính của bài viết
Tóm tắt
Mục tiêu: Tổng hợp và đánh giá các mô hình tiên đoán thời gian hồi tỉnh tại PACU, tập trung vào hồi tỉnh kéo dài và trì hoãn xuất PACU sau phẫu thuật.
Phương pháp: Tổng quan hệ thống theo PRISMA 2020. Tìm kiếm trên Cochrane Library, Embase, PubMed và Google Scholar (1998–2025). Các nghiên cứu được đưa vào khi xây dựng/kiểm định mô hình tiên đoán liên quan đến PACU LOS kéo dài, đạt tiêu chuẩn xuất PACU hoặc trì hoãn xuất PACU, và báo cáo ít nhất một chỉ số hiệu năng (AUC, C-index hoặc R²). Nguy cơ sai lệch được đánh giá bằng PROBAST.
Kết quả: 747 nghiên cứu được xác định, trong đó 11 nghiên cứu được đưa vào phân tích. Các mô hình gồm hồi quy logistic, nomogram và học máy. Hiệu năng dao động từ trung bình đến cao (AUC/C-index: 0,66–0,94). Các yếu tố dự báo thường gặp gồm thời gian phẫu thuật, loại phẫu thuật, tuổi, BMI và phân loại ASA, bệnh kèm. Định nghĩa PACU LOS kéo dài không đồng nhất. Số nghiên cứu có kiểm định ngoại bộ còn hạn chế và ghi nhận giảm hiệu năng khi áp dụng trên quần thể bên ngoài.
Kết luận: Các mô hình tiên đoán PACU LOS có hiệu năng từ trung bình đến tốt, nhưng còn hạn chế do không đồng nhất về định nghĩa kết cục và thiếu kiểm định ngoài mẫu. Cần nghiên cứu kiểm định và hiệu chỉnh mô hình trên dữ liệu thực tế để tăng khả năng ứng dụng. Tại Việt Nam, bằng chứng còn hạn chế, cho thấy nhu cầu phát triển và kiểm định mô hình trên dữ liệu trong nước.
Chi tiết bài viết
Từ khóa
Thời gian nằm phòng hồi tỉnh; mô hình tiên đoán; hồi tỉnh kéo dài; tổng quan hệ thống.
Tài liệu tham khảo
2. Maroufi SS, Movahed MS, Ejmalian A, Sarkhosh M, Behmanesh A. Post-Anesthesia Care Unit (PACU) readiness predictions using machine learning: a comparative study of algorithms. BMC Med Inform Decis Mak. 2025;25(1):146. doi: 10.1186/s12911-025-02982-0.
3. Tully JL, Zhong W, Simpson S, Curran BP, Macias AA, Waterman RS, et al. Machine Learning Prediction Models to Reduce Length of Stay at Ambulatory Surgery Centers Through Case Resequencing. J Med Syst. 2023;47(1):71. doi: 10.1007/s10916-023-01966-9.
4. Zhang Q, Xu F, Xuan D, Huang L, Shi M, Yue Z, et al. Risk factors for delayed recovery in postanesthesia care unit after surgery: a large and retrospective cohort study. Int J Surg. 2023;109(5):1281-90. doi: 10.1097/JS9.0000000000000364.
5. Fang F, Liu T, Li J, Yang Y, Hang W, Yan D, et al. A novel nomogram for predicting the prolonged length of stay in post-anesthesia care unit after elective operation. BMC Anesthesiol. 2023;23(1):404. doi: 10.1186/s12871-023-02365-w.
6. Elsharydah A, Walters DR, Somasundaram A, Bryson TD, Minhajuddin A, Gabriel RA, et al. A preoperative predictive model for prolonged post-anaesthesia care unit stay after outpatient surgeries. J Perioper Pract. 2019;30(4):91-6. doi: 10.1177/1750458919850377.
7. Xie GH, Shen J, Li F, Yan HH, Qian Y. Development and Validation of a Clinical Model for Predicting Delay in Postoperative Transfer Out of the Post-Anesthesia Care Unit: A Retrospective Cohort Study. J Multidiscip Healthc. 2024;17:2535-50. doi: 10.2147/JMDH.S458784.
8. Cao B, Li L, Su X, Zeng J, Guo W. Development and validation of a nomogram for determining patients requiring prolonged postanesthesia care unit length of stay after laparoscopic cholecystectomy. Ann Palliat Med. 2021;10(5):5128-36. doi: 10.21037/apm-20-2182.
9. Aspi MTB, Ko-Villa E. The use of determinants of length of stay in the postanesthesia care unit (PACU) at the Philippine General Hospital among postoperative patients who underwent elective surgeries to create a predictive model for PACU length of stay. Acta Medica Philippina. 2020;54(5):490-7. doi: 10.47895/amp.v54i5.2227.
10. Gabriel RA, Waterman RS, Kim J, Ohno-Machado L. A Predictive Model for Extended Postanesthesia Care Unit Length of Stay in Outpatient Surgeries. Anesth Analg. 2017;124(5):1529-36. doi: 10.1213/ANE.0000000000001827.