배경: 간호 데이터는 환자의 악화 징후를 조기에 감지하고 환자의 예후를 예측하는 데 도움이 될 수 있다. 또한 기계학습의 빠른 발전은 중환자실 환자를 대상으로 한 임상 예후 예측 모델의 필요성을 부각시켰다. 중환자 치료 과정에서 생성되는 간호 데이터를 포함하는 예측 모델이 증가하고 있음에도 불구하고, 이러한 모델에서 활용되는 간호 데이터의 구체적인 유형과 그것들이 건강 결과를 예측하는 방식에 대한 종합적인 이해는 아직 이루어지지 않았다. 목적: 본 범위고찰(scoping review)은 중환자실 환자의 건강 결과를 예측하기 위해 간호 데이터를 활용하는 기계학습 기반 모델에 대한 현재 연구 동향을 파악하고, 특히 이러한 모델에서 사용되는 간호 데이터의 유형에 초점을 맞추고자 하였다. 방법: 본 범위고찰은 2023년 12월까지의 체계적 문헌 검색을 통해 7개 데이터베이스에서 수행하였다. 중환자실에 입원한 성인 환자의 예후를 예측하기 위해 간호 데이터를 이용한 기계학습을 활용한 문헌을 포함하였다. 데이터는 연구 특성, 모델 관련 특성, 간호 데이터 특성으로 정리하였다. 결과: 총 151편의 연구가 포함되었으며, 2004년부터 2023년까지 발표되었고 2018년 이후 증가 추세를 보였다. 절반 이상이 공개 접근 데이터를 사용하여 예측 모델을 개발했으며, Medical Information Mart for Intensive Care 데이터가 가장 자주 사용되었다. 대부분의 연구는 지도학습을 사용하였고, 그다음으로 딥러닝과 신경망이 뒤를 이었으며, 다른 방법들은 드물게 사용되었다. 지도학습 기법 중에서는 회귀(regression)가 가장 흔하게 사용되었고, 부스팅(boosting)과 랜덤 포레스트(random forests)가 그 뒤를 이었다. 예측 모델에서 간호-민감 결과(nursing-sensitive outcomes, 13.0 %)는 임상 결과(87.0 %)보다 덜 자주 선택되었다. 본 고찰에서 간호 데이터는 간호 척도(n = 150), 간호 사정 기록(n = 83), 간호 활동 기록(n = 13), 간호 노트(n = 23)로 분류되었으며, 간호 척도가 가장 빈번하게 사용되었다. 최근 간호 척도와 노트의 활용이 증가하는 추세를 보였다. 결론: 본 범위고찰은 중환자 환자의 예후를 예측하기 위한 모델에서 간호 데이터가 다양하게 활용되는 양상을 확인하였다. 전반적으로 간호 척도는 환자의 특정 건강 상태를 객관적으로 보여주는 구조화된 데이터로서 가장 많이 활용되었다. 다른 유형의 간호 데이터 역시 환자의 임상 예후를 예측할 잠재력이 있으므로, 향후 연구에서는 다양한 간호 데이터를 통합하는 예측 모델의 개발을 탐색해야 한다. 이러한 연구 결과는 간호 데이터의 활용에 대한 통찰을 제공하고, 중환자실 환경에서 임상 예후와 관련된 예측 모델을 개발하려는 의료 제공자와 연구자에게 도움을 줄 수 있다. 소셜미디어 초록: 본 범위고찰은 중환자 환자의 예후를 예측하기 위한 모델에서 간호 데이터가 다양하게 활용되는 양상을 확인하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.