Journal of Marine Medicine

fa پیش‌بینی و مدیریت ریسک عوارض بعد از جراحی قلب: کاربرد مدل‌های طولی چندمتغیره در ایجاد یک ابزار پایش جامع برای پارامترهای حیاتی و درناژ روزانه Prediction and Risk Management of Post-Cardiac Surgery Complications: Application of Multivariate Longitudinal Models to Develop a Comprehensive Monitoring Tool for Vital Signs and Daily Drainage طب دریا Marine Medicine خلاصه سیاستی Policy Brief <div style="text-align: justify;">دوره‌ نقاهت پس از جراحی قلب یکی از حساس‌ترین مراحل درمانی بیماران محسوب می‌شود، زیرا در این بازه‌ زمانی شاخص‌های حیاتی بدن دچار نوسانات پیچیده و گاه غیرقابل پیش‌بینی می‌شوند. این تغییرات می‌توانند شامل ضربان قلب، فشار خون، میزان اکسیژن خون و سایر پارامترهای حیاتی باشند که هر کدام نقش مهمی در سلامت عمومی بیمار دارند. بنابراین، پایش دقیق و مستمر این شاخص‌ها نه تنها برای پیشگیری از بروز عوارض احتمالی ضروری است، بلکه می‌تواند به شناسایی زودهنگام مشکلات و مداخله‌ی سریع تیم درمانی منجر شود. اهمیت این موضوع زمانی بیشتر آشکار می‌شود که بدانیم کوچک‌ترین تغییر در وضعیت حیاتی بیماران قلبی می‌تواند پیامدهای جدی و گاه غیرقابل جبران به همراه داشته باشد. در این مطالعه، پژوهشگران با بهره‌گیری از مدل‌سازی طولی چندمتغیره، داده‌های تکرارشونده‌ی ۷۲ بیمار که تحت عمل جراحی قلب قرار گرفته بودند را مورد بررسی دقیق قرار دادند. این روش آماری امکان تحلیل تغییرات در طول زمان را فراهم می‌کند و علاوه بر آن، روابط میان متغیرهای مختلف و همبستگی‌های موجود بین شاخص‌های حیاتی را آشکار می‌سازد. هدف اصلی این تحلیل، شناسایی الگوهای زمانی و تعیین شاخص‌های پیش‌بینی‌کننده‌ وضعیت بیماران بود تا بتوان از آن‌ها در طراحی پروتکل‌های مراقبتی دقیق‌تر استفاده کرد. چنین رویکردی به پزشکان و پرستاران اجازه می‌دهد تا با دیدی جامع‌تر نسبت به وضعیت بیمار تصمیم‌گیری کنند و از بروز بحران‌های ناگهانی جلوگیری نمایند. نتایج حاصل از این پژوهش نشان داد که شدت درد پس از جراحی ارتباط معناداری با تغییرات نامطلوب در علائم حیاتی دارد. به عبارت دیگر، افزایش سطح درد می‌تواند موجب بی‌ثباتی در فشار خون، ضربان قلب و سایر شاخص‌های حیاتی شود که این امر ضرورت مدیریت مؤثر درد را بیش از پیش برجسته می‌سازد. همچنین مشخص شد میزان درناژ روزانه، به‌ویژه در روزهای نخست پس از عمل، توانایی پیش‌بینی تغییرات آتی فشار خون را دارد. این یافته نشان می‌دهد که توجه به میزان خروج مایعات از بدن می‌تواند به عنوان یک شاخص هشداردهنده‌ی اولیه در نظر گرفته شود و پزشکان را نسبت به تغییرات احتمالی آماده سازد. یافته‌های این مطالعه ارزش کاربردی بالایی دارند و می‌توانند به تصمیم‌گیرندگان و مدیران بخش‌های درمانی کمک کنند تا پروتکل‌های مدیریت درد و پایش بیماران را بهینه‌سازی کنند. علاوه بر این، نتایج می‌تواند مبنای توسعه‌ی سیستم‌های هشداردهنده‌ی هوشمند در بخش‌های مراقبت ویژه باشد؛ سیستم‌هایی که با تحلیل داده‌های لحظه‌ای بیماران، تغییرات غیرعادی را شناسایی کرده و تیم درمانی را به سرعت مطلع سازند. چنین فناوری‌هایی نه تنها کیفیت مراقبت از بیماران را ارتقا می‌دهند، بلکه می‌توانند میزان مرگ‌ومیر و عوارض پس از جراحی قلب را به شکل قابل توجهی کاهش دهند. در مجموع، این پژوهش گامی مهم در جهت تلفیق دانش بالینی با ابزارهای آماری پیشرفته و فناوری‌های نوین مراقبتی به شمار می‌رود.  </div> The postoperative recovery period following cardiac surgery represents one of the most critical phases in patient care, as vital signs often exhibit complex and sometimes unpredictable fluctuations. These changes may include heart rate, blood pressure, oxygen saturation, and other physiological parameters, each playing a crucial role in overall patient health. Therefore, continuous and precise monitoring of these indicators is essential not only for preventing potential complications but also for the early detection of problems and timely intervention by the clinical team. The importance of this monitoring becomes particularly evident given that even minor alterations in the vital signs of cardiac patients can lead to serious and potentially irreversible consequences. In this study, researchers employed multivariate longitudinal modeling to analyze repeated measurements from 72 patients who had undergone cardiac surgery. This statistical approach allows for the examination of temporal changes and the interrelationships among different variables, revealing correlations between vital signs over time. The primary aim of this analysis was to identify temporal patterns and predictive indicators of patient status, which could inform the design of more precise care protocols. Such an approach enables physicians and nurses to make more comprehensive clinical decisions and prevent sudden critical events. The results demonstrated that postoperative pain intensity was significantly associated with adverse changes in vital signs. In other words, higher pain levels contributed to instability in blood pressure, heart rate, and other physiological parameters, highlighting the critical importance of effective pain management. Additionally, daily drainage volume -particularly during the early postoperative days- was found to predict subsequent blood pressure changes. This finding suggests that fluid output can serve as an early warning indicator, preparing clinicians for potential physiological alterations. The findings of this study have high practical relevance and can assist healthcare administrators and clinicians in optimizing pain management protocols and patient monitoring. Moreover, the results provide a foundation for developing intelligent early-warning systems in intensive care units, capable of analyzing real-time patient data, detecting abnormal changes, and alerting the clinical team promptly. Such technologies not only enhance the quality of patient care but also have the potential to significantly reduce postoperative morbidity and mortality following cardiac surgery. Overall, this research represents an important step toward integrating clinical expertise with advanced statistical tools and innovative monitoring technologies.   جراحی قلب, پایش, مدیریت ریسک, عوارض Cardiac surgery, Patient monitoring, Risk management, Postoperative complications 47 50 http://jmarmed.ir/browse.php?a_code=A-10-492-11&slc_lang=fa&sid=1 Amirhossein Yadolahi امیرحسین یدالهی 10031947532846006394 10031947532846006394 No Negar Asadpanah نگار اسدپناه 10031947532846006395 10031947532846006395 No Mehdi Raei مهدی راعی mehdi_r_d@yahoo.com 10031947532846006396 10031947532846006396 Yes Artificial Intelligence in Health Research Center, Biomedicine Technologies Institute, Baqiyatallah University of Medical Sciences, Tehran, Iran مرکز تحقیقات هوش مصنوعی در سلامت، پژوهشکده فناوری های زیست پزشکی، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران