運動学的データと個体背景データを用いた一般化加法モデルによる馬の全身麻酔覚醒スコアの客観的評価

3行まとめ

• 全身麻酔から覚醒する馬において慣性計測ユニットの運動学的データを用いた客観的評価モデルを検証した。
• 一般化加法モデルが最も精度が高く累積転倒強度や起立時間、麻酔時間などがスコアに大きく影響していた。
• 運動学的データと個体背景データを統合することで麻酔覚醒の質を客観的かつ正確に評価可能となる。

この論文の要約

目的

慣性計測ユニット（IMU）から抽出した運動学的データを解析し、全身麻酔から覚醒する馬における覚醒の質を評価することである。

対象と方法

全身麻酔を受けた雑種馬102頭を対象とした。IMUより3軸加速度、角速度、向きを収集し、起立試行を検出するアルゴリズムを用いて運動学的特徴を算出した。3名の評価者による修正複合評価尺度の平均スコアを従属変数、運動学的特徴および個体背景データを独立変数とし、4つの回帰モデル（重回帰モデル、多項式モデル、一般化加法モデル、ランダムフォレストモデル）の予測精度を評価した。

主な結果

一般化加法モデルが最も低いAIC（658.24）、BIC（737.96）、RMSE（5.21）、および最も高いR2値（0.8）を達成した。このモデルにおいて最も影響が大きかった独立変数は、累積転倒強度、起立までの時間、麻酔時間（線形関係）、および平均衝撃重症度（非線形関係）であった。

臨床的意義

運動学的データと個体背景データに基づく回復スコアを用いることで、馬の全身麻酔後の覚醒の質を客観的に評価できる可能性がある。

⚠️ この要約はAIが自動生成したものです。