目的 构建基于变换检测与人体表面映射相结合的重症患者躁动预警系统模型，以期实现躁动行为的智能动态监测与高效预警。方法 通过将重症患者按照Richmond躁动-镇静评分（Richmond agitation-sedation scale，RASS评分）标准将患者模拟躁动行为视频进行收集、分类（躁动与非躁动）、基于多学科团队，利用变换检测与人体表面映射的多模态融合算法，构建躁动识别模型，最终将算法植入智能摄像头构建躁动行为监测预警系统。结果 共收集482例患者的3802个监护视频片段，并按照7∶1∶2的比例划分为训练集、验证集与测试集。在760个测试视频中患者躁动识别的二分类准确率达到98.5%，RASS评分准确率达到90.3%。结论 基于变换检测与人体表面映射的重症患者躁动监测模型对于躁动行为具有良好的动态监测与预警效能，可为提升重症患者安全提供一种新的评价策略。

黄晓霞,高梦珂,唐佳迎,梁景程,褚永华,叶建平,许永安,王育斌,金军灿,于慧敏. 重症患者多模态躁动监测与预警模型构建研究[J]. 中华急诊医学杂志, 2024,33(9): 1332-1336.
DOI号:10.3760/cma.j.issn.1671-0282.2024.09.022

基金项目：浙江省科技厅重点研发项目（“尖兵领雁+X”研发攻关计划，2024C03186）；国家中医药管理局科技司-浙江省中医药管理局共建重大项目（GZY-ZJ-KJ-24030）；临床医学研究中心协同攻关及示范（2022C03111）
伦理审批号：浙江大学医学院附属第二医院人体研究伦理委员会[（2024）伦审研第(0135)号]

关键词： ICU 躁动行为 报警模型 Richmond躁动-镇静评分