배경: 자동 소독 기술은 병원 소독의 신뢰성과 철저성을 향상시키기 위해 개발되어 왔다. 그러나 자동화 시스템이, 수기 방법을 사용하는 숙련된 전문가가 얻는 소독 결과와 유사한 수준의 소독 효과를 달성할 수 있는지는 명확하지 않다. 본 연구는 다양한 병원 환경에서 자동 및 수기 플라즈마 처리 과산화수소 미스트(PTHPM) 시스템의 소독 효능을 평가하였다. 방법: 소독은 교육병원의 23개 병실에서 수행되었으며, 다양한 병동, 외래진료부, 응급실을 포함하였다. 전체적으로, 소독 전과 후에 459개의 표면을 면봉으로 채취하였다. 그람음성균과 곰팡이의 유병률이 낮아, 통계 분석은 그람양성균에 대해서만 수행하였다. 결과: 소독 전 그람양성균의 생존성(집락형성단위 기준)은 외래진료부에서 가장 높았고, 그 다음으로 응급실, 그리고 병동 순이었다(자동 및 수기 소독 모두에서). 자동 PTHPM 소독은 다양한 환경에서 그람양성균의 집락형성단위를 유의하게 감소시켰다. 자동화 및 수기 PTHPM 소독의 효능 간에는 유의한 차이가 없었다. 결론: 자동 PTHPM 소독은 교육병원 환경에서 미생물 오염 제거에 있어 수기 PTHPM 소독만큼 효과적일 수 있다.

급성 일산화탄소(CO) 중독 치료의 일차적 목표는 지연성 신경정신 후유증(DNS)의 발생을 예방하거나 그 발생을 최소화하는 데 있다. 따라서 DNS가 발생할 가능성이 높은 환자를 가장 이른 시점에 선별하는 것이 필수적이다. 그러나 DNS를 예측하기 위한 예후 도구는 충분하지 않으며, 예측 인자로서 젖산(lactate) 수치의 유용성도 불명확하다. 본 체계적 문헌고찰 및 메타분석은 급성 CO 중독 성인 환자에서 초기 단계의 혈청 젖산 수치와 DNS 발생 간의 연관성을 조사하였다. 2022년 1월에 Embase, MEDLINE, Google Scholar 및 6개 국내 데이터베이스(KoreaMED, KMBASE, KISS, NDSL, KISTi 및 RISS)에서, CO 중독 성인 환자를 포함하고 초기 젖산 농도를 보고한 관찰 연구를 검색하여 수집하였다. 젖산 값은 연속 변수로 수집하였으며, 무작위효과모형을 사용하여 표준화 평균차(Standardized Mean Differences, SMD)로 분석하였다. 편향의 위험은 Quality in Prognosis Studies(QUIPS) 도구를 사용하여 평가하였고, 하위군 분석, 민감도 분석 및 메타회귀 분석을 수행하였다. 총 1350명의 환자를 포함한 8편의 연구가 포함되었다. 급성 CO 중독 성인 환자에서 초기 단계의 혈청 젖산 농도는 DNS 군이 비-DNS 군보다 유의하게 높았다(8편; SMD, 0.31; 95% CI, 0.11−0.50; I2 = 44%; p = 0.002). 민감도 분석에서 이질성은 I2 = 8%로 감소하였는데(Han2021 제외; 7편; SMD, 0.38; 95% CI, 0.23−0.53; I2 = 8%; p < 0.001), 5편의 연구에서 편향의 위험은 높게 평가되었다. DNS 군은 비-DNS 군에 비해 유의하게 더 높은 젖산 농도와 연관되어 있었다.

본 메타분석은 포함된 연구 수가 적고 근거의 질이 낮아, TTM으로 치료받은 심정지 후 환자에서 %PLR 변화가 신경학적 예후를 예측하는 데 효과적인 도구임을 확인하지 못했다.

배경: 자동 소독 기술은 병원 소독의 신뢰성과 철저성을 향상시키기 위해 개발되어 왔다. 그러나 자동화 시스템이, 수기 방법을 사용하는 숙련된 전문가가 얻는 소독 결과와 유사한 수준의 소독 효과를 달성할 수 있는지는 명확하지 않다. 본 연구는 다양한 병원 환경에서 자동 및 수기 플라즈마 처리 과산화수소 미스트(PTHPM) 시스템의 소독 효능을 평가하였다. 방법: 소독은 교육병원의 23개 병실에서 수행되었으며, 다양한 병동, 외래진료부, 응급실을 포함하였다. 전체적으로, 소독 전과 후에 459개의 표면을 면봉으로 채취하였다. 그람음성균과 곰팡이의 유병률이 낮아, 통계 분석은 그람양성균에 대해서만 수행하였다. 결과: 소독 전 그람양성균의 생존성(집락형성단위 기준)은 외래진료부에서 가장 높았고, 그 다음으로 응급실, 그리고 병동 순이었다(자동 및 수기 소독 모두에서). 자동 PTHPM 소독은 다양한 환경에서 그람양성균의 집락형성단위를 유의하게 감소시켰다. 자동화 및 수기 PTHPM 소독의 효능 간에는 유의한 차이가 없었다. 결론: 자동 PTHPM 소독은 교육병원 환경에서 미생물 오염 제거에 있어 수기 PTHPM 소독만큼 효과적일 수 있다.

급성 일산화탄소(CO) 중독 치료의 일차적 목표는 지연성 신경정신 후유증(DNS)의 발생을 예방하거나 그 발생을 최소화하는 데 있다. 따라서 DNS가 발생할 가능성이 높은 환자를 가장 이른 시점에 선별하는 것이 필수적이다. 그러나 DNS를 예측하기 위한 예후 도구는 충분하지 않으며, 예측 인자로서 젖산(lactate) 수치의 유용성도 불명확하다. 본 체계적 문헌고찰 및 메타분석은 급성 CO 중독 성인 환자에서 초기 단계의 혈청 젖산 수치와 DNS 발생 간의 연관성을 조사하였다. 2022년 1월에 Embase, MEDLINE, Google Scholar 및 6개 국내 데이터베이스(KoreaMED, KMBASE, KISS, NDSL, KISTi 및 RISS)에서, CO 중독 성인 환자를 포함하고 초기 젖산 농도를 보고한 관찰 연구를 검색하여 수집하였다. 젖산 값은 연속 변수로 수집하였으며, 무작위효과모형을 사용하여 표준화 평균차(Standardized Mean Differences, SMD)로 분석하였다. 편향의 위험은 Quality in Prognosis Studies(QUIPS) 도구를 사용하여 평가하였고, 하위군 분석, 민감도 분석 및 메타회귀 분석을 수행하였다. 총 1350명의 환자를 포함한 8편의 연구가 포함되었다. 급성 CO 중독 성인 환자에서 초기 단계의 혈청 젖산 농도는 DNS 군이 비-DNS 군보다 유의하게 높았다(8편; SMD, 0.31; 95% CI, 0.11−0.50; I2 = 44%; p = 0.002). 민감도 분석에서 이질성은 I2 = 8%로 감소하였는데(Han2021 제외; 7편; SMD, 0.38; 95% CI, 0.23−0.53; I2 = 8%; p < 0.001), 5편의 연구에서 편향의 위험은 높게 평가되었다. DNS 군은 비-DNS 군에 비해 유의하게 더 높은 젖산 농도와 연관되어 있었다.

본 메타분석은 포함된 연구 수가 적고 근거의 질이 낮아, TTM으로 치료받은 심정지 후 환자에서 %PLR 변화가 신경학적 예후를 예측하는 데 효과적인 도구임을 확인하지 못했다.

본 연구는 응급실(ED)에서의 불리한 사건(Adverse events, AEs)을 예측하기 위한 변환기 기반 조기경보 점수(Transformer-based early warning score, TEWS) 시스템을 개발하고 타당화하는 것을 목적으로 하였다. 우리는 상급종합병원에서의 성인 응급실 내원 사례를 대상으로 후향적 연구를 수행하였다. TEWS는 24시간 이내에 발생할 5가지 AEs, 즉 혈관수축제 사용, 호흡 보조, 중환자실 입실, 패혈성 쇼크, 심정지를 예측하도록 개발되었다. 성능 평가는 수신자 조작 특성 곡선(Receiver operating characteristic curve, AUROC) 하 면적을 사용하고 부트스트랩 기반 t-검정을 통해 평가 및 비교하였다. 외부 타당화는 중환자 치료의학 정보 마켓플레이스(Marketplace for Medical Information in Intensive Care, MIMIC)-IV-ED 데이터베이스를 사용하여 수행하였다. 외부 데이터의 1% 및 5%를 활용한 전이학습(transfer learning)을 적용하였다. 총 414,748명의 환자가 개발 코호트에 분석에 포함되었으며(AEs, 3.7%), 410,880명의 환자가 외부 타당화 코호트에 포함되었다(AEs, 6.7%). 수정 조기경보 점수(Modified early warning score, MEWS)와 비교하여, 13개 변수를 포함한 TEWS 및 활력징후만을 사용한 TEWS는 모든 AEs에 대해 우수한 예후 예측 성능을 보였다. TEWS의 AUROC는 0.833~0.936 범위였고, MEWS는 0.688~0.874 범위였다. 외부 타당화에서도 TEWS는 AUROC 0.759~0.905로 수용 가능한 변별력을 나타냈다. 전이학습은 성능을 유의하게 향상시켜 AUROC 값을 0.846~0.911로 증가시켰다. TEWS 시스템은 연구 병원의 전자의무기록(EHR) 시스템에 성공적으로 통합되었으며, 응급실 환자에 대해 실시간 위험 평가를 제공하였다. 본 연구는 응급실에서 다중 불리한 결과를 예측하는 인공지능 기반 조기경보 점수 시스템을 개발하고 타당화하였고, 전자의무기록 시스템에 성공적으로 통합하였다.

배경: 중환자실(ICU) 입원에서 생존한 많은 환자들은 지속적인 정신적 기능 장애를 경험한다. ICU 생존자 중 약 1/3이 정신과적 장애를 겪는 것으로 추정된다. 그러나 이러한 장애가 해당 집단의 장기 예후에 미치는 영향에 대한 연구는 부족하다. 따라서 본 연구의 목적은 ICU 생존자에서 우울증 또는 불안과 장기 사망률 간의 연관성을 조사하는 것이다. 방법: 본 인구 기반 코호트 연구에는 2015년 1월 1일부터 2019년 12월 31일까지 ICU에 입원하였고, ICU 퇴원 후 최소 1년 이상 생존한 환자들이 포함되었다. 비의학적 사유로 입원한 환자와 이전 2년 이내에 ICU에 있었던 환자들은 제외하였으며, 총 799,645명의 환자가 연구에 포함되었다. 추적 자료는 최대 7년까지 수집되었다. 주요 결과는 장기 누적 사망률이었다. 우울증 또는 불안 진단이 있는 군과 없는 군의 사망률을 비교하였다. 결과: 799,645명의 성인 ICU 생존자 중 98,530명(12.3%)은 퇴원 후 새롭게 우울증 또는 불안으로 진단되었고, 265,092명(33.2%)은 ICU 입원 이전에 이미 진단받은 상태였다. 다변량 Cox 비례위험 회귀분석 결과, 장기 사망률에 대한 조정 위험비(HR)는 새롭게 우울증 또는 불안으로 진단받은 군에서 1.17(95% CI, 1.16-1.19), 우울증 단독에서 1.28(95% CI, 1.26-1.30), 불안 단독에서 1.08(95% CI, 1.06-1.11)로 나타났다. 기존 진단이 있었던 군에서는 전체적으로 조정 HR이 1.08(95% CI, 1.07-1.09)였으며, 우울증은 1.12(95% CI, 1.11-1.14), 불안은 1.04(95% CI, 1.03-1.05)였다. 결론: ICU 생존자 중 새롭게 우울증 또는 불안으로 진단된 경우, 해당 진단이 없는 경우와 비교하여 더 높은 장기 사망률을 보였으며, 이는 ICU 입원 이전에 진단받은 경우를 포함한다. 특히 새롭게 진단된 우울증은 사망률의 증가와 연관이 있었다. 이러한 결과는 ICU 생존자의 장기 생존을 향상시키기 위해 심리적 중재의 필요성을 강조한다.

패혈증 환자에서 응급실 내원 시 AST/ALT 비율은 28일 사망률과 연관되어 있으며, SOFA 점수와 함께 사용할 때 중등도의 정확도로 추가적인 예후 정보를 제공한다.

배경 및 목적: 증가하는 근거에 따르면 인공지능 보강 심전도(AI-ECG)는 급성 심근경색(AMI) 검출에 유용하나, 실제 임상 환경에서의 검증이 필요하다. 본 연구의 목적은 응급실(ED)에서 AMI를 검출하는 데 있어 AI-ECG의 성능을 평가하는 것이었다. 방법: Rule-Out 급성 심근경색을 위한 인공지능 심전도 분석(ROMIAE) 연구는 2022년 3월부터 2023년 10월까지 대한민국에서 수행된 전향적 코호트 연구이며, 18개 대학급 교육병원이 참여하였다. 증상 발현 후 24시간 이내에 AMI가 의심되어 응급실에 내원한 성인 환자를 대상으로 평가하였다. 노출 요인은 AI-ECG 점수, HEART 점수, GRACE 2.0 점수, 고감도 트로포닌 수치, Physician AMI 점수로 구성되었다. 1차 결과는 해당 입원기간 동안의 AMI 진단이었고, 2차 결과는 30일 주요 불리 심혈관 사건(MACE)였다. 결과: 연구 대상은 총 8,493명의 성인이었으며, 이 중 1,586명(18.6%)이 AMI 진단을 받았다. AI-ECG의 수신자조작특성곡선(AUROC) 아래 면적은 0.878(95% CI, 0.868-0.888)로, HEART 점수(0.877; 95% CI, 0.869-0.886)와 비교할 만했으며 GRACE 2.0 점수, 고감도 트로포닌 수치, Physician AMI 점수보다 우수하였다. 30일 MACE를 예측함에 있어 AI-ECG(AUROC 0.866; 95% CI, 0.856-0.877)는 HEART 점수(AUROC 0.858; 95% CI, 0.848-0.868)와 비교할 만한 성능을 보였다. AI-ECG의 통합은 위험도 층화와 AMI 감별을 향상시켰으며, HEART 점수 단독에 비해 순 재분류 개선도(net reclassification improvement) 19.6%(95% CI, 17.38-21.89)와 C-index 0.926(95% CI, 0.919-0.933)을 나타냈다. 결론: 본 다기관 전향적 연구에서 AI-ECG는 AMI 및 30일 MACE에 대한 진단 정확도와 예측력을 보여주었으며, 전통적인 위험도 층화 방법 및 응급실 의사들의 평가와 유사하거나 더 나은 수준이었다.