• 警报负载的预测模型[时间范围：2020-2023]
  识别导致重症监护室每天每张床每天警报次数测量高警报负荷的物品
• 可操作警报的预测模型[时间范围：2020-2023]
  识别导致大量可操作的警报每天在重症监护室中每张床每天可操作的警报数量衡量的项目

评分系统通常由两个部分组成 - 一个分数（反映疾病严重程度的数字）和概率模型（表明事件概率的公式，例如患者在医院中的死亡）。数十年来，评分系统已在重症监护医学中使用，可以帮助评估治疗的有效性或确定可比较的患者出于研究目的。例如，在重症监护医学中使用的评分系统是

• 急性生理学，年龄，慢性健康评估II（Apache II）
• 简化急性生理评分II（SAPS II）
• 多器官功能障碍评分（mod）
• 顺序器官故障评估（SOFA）
• 逻辑器官功能障碍系统（LODS）
• MPM II-入选（死亡率概率模型（MPM II）
• 器官功能障碍和感染评分（ODIN）
• 为期三天的重新校准ICU结果（三个）
• 格拉斯哥昏迷得分（GCS）
• 出院准备分数（DRS）上述评分系统已经定期收集到各自的医院部门。在Badawi等人的最新研究中。可以表明，计数系统连续计算时允许更准确的预测。但是，由于对患者集体进行了调查，这些结果只能在有限的程度上转移到其他患者群体。此外，仅分析了评分系统Apache，沙发和DR。

因此，在本研究中，上述所有评分系统将使用数字患者记录中的常规数据连续计算（每分钟一次），并通过应用机器学习和时间序列分析方法进行优化。

在各自医院的麻醉学重症监护病房中，没有关于警报管理的校园标准。因此，我们估计警报疲劳的速度（由于许多错误警报引起的警报）非常高。为了优化警报管理，将回顾性评估患者监视设备的警报，并与上面提到的数据相结合，例如，确定某些类型的疾病（例如SEPSIS）是否期望更频繁地警报（例如，sepsis）或分数（例如，Apache得分高）以及如何优化警报限制设置。

• 重症监护病房的死亡率
• 并发症感染
• 警报疲劳

纳入标准：

- 在2006年1月1日至30.09.2023之间入院的患者

排除标准：

• 18岁以下的患者。
• 不完整的患者记录。
• 密集的停留时间不到24小时。

• 警报负载的预测模型[时间范围：2020-2023]
  识别导致重症监护室每天每张床每天警报次数测量高警报负荷的物品
• 可操作警报的预测模型[时间范围：2020-2023]
  识别导致大量可操作的警报每天在重症监护室中每张床每天可操作的警报数量衡量的项目

评分系统通常由两个部分组成 - 一个分数（反映疾病严重程度的数字）和概率模型（表明事件概率的公式，例如患者在医院中的死亡）。数十年来，评分系统已在重症监护医学中使用，可以帮助评估治疗的有效性或确定可比较的患者出于研究目的。例如，在重症监护医学中使用的评分系统是

• 急性生理学，年龄，慢性健康评估II（Apache II）
• 简化急性生理评分II（SAPS II）
• 多器官功能障碍评分（mod）
• 顺序器官故障评估（SOFA）
• 逻辑器官功能障碍系统（LODS）
• MPM II-入选（死亡率概率模型（MPM II）
• 器官功能障碍和感染评分（ODIN）
• 为期三天的重新校准ICU结果（三个）
• 格拉斯哥昏迷得分（GCS）
• 出院准备分数（DRS）上述评分系统已经定期收集到各自的医院部门。在Badawi等人的最新研究中。可以表明，计数系统连续计算时允许更准确的预测。但是，由于对患者集体进行了调查，这些结果只能在有限的程度上转移到其他患者群体。此外，仅分析了评分系统Apache，沙发和DR。

因此，在本研究中，上述所有评分系统将使用数字患者记录中的常规数据连续计算（每分钟一次），并通过应用机器学习和时间序列分析方法进行优化。

在各自医院的麻醉学重症监护病房中，没有关于警报管理的校园标准。因此，我们估计警报疲劳的速度（由于许多错误警报引起的警报）非常高。为了优化警报管理，将回顾性评估患者监视设备的警报，并与上面提到的数据相结合，例如，确定某些类型的疾病（例如SEPSIS）是否期望更频繁地警报（例如，sepsis）或分数（例如，Apache得分高）以及如何优化警报限制设置。

• 重症监护病房的死亡率
• 并发症感染
• 警报疲劳

纳入标准：

- 在2006年1月1日至30.09.2023之间入院的患者

排除标准：

• 18岁以下的患者。
• 不完整的患者记录。
• 密集的停留时间不到24小时。