【拔管】利用機器學習識別重症病患生命末期「拔管」決策因素，以及確認拔管是否縮短死亡過程

• 共有616名患者納入分析，其中396名(64.3%) 最終拔管 
• 使用隨機森林(RF)與Cox regression進行分析。Cox regression用於分析拔管從WLST到死亡時間的影響 
• 結果: (1) 研究中心、(2) 少量或是無升壓藥支持以及(3) 良好的呼吸功能是與拔管決策顯著相關因素 
• 調整死亡時間後，拔管患者的死亡時間明顯縮短（49 [95% CI：40；62] vs. 85 [95% CI：61；115] 分鐘）

原文	Machine learning determination of motivators of terminal extubation during the transition to end-of-life care in intensive care unit
出處	Nature/Scientific reports
序號	2956