Fono- a elektrokardiogram asistovaná detekce chlopenního onemocnění (PEA-Valve)

Fono- a elektrokardiogram asistovaná detekce onemocnění chlopní (PEA-Valve Study)

Specifický cíl Cíl 1: Může algoritmus strojového učení odvozený ze simultánních fono- a elektrokardiogramových záznamů spolehlivě diagnostikovat klinicky významnou aortální stenózu?

Cíl 2: Může algoritmus strojového učení odvozený ze simultánních fono- a elektrokardiogramových záznamů spolehlivě diagnostikovat klinicky významnou mitrální regurgitaci?

Význam Valvulární srdeční choroba (VHD) je běžný globální zdravotní problém, přičemž populační studie ukazují prevalenci 10 % aortální stenózy (AS) a 20 % mitrální regurgitace (MR). Nové chirurgické a intervenční pokroky umožňují léčbu pacientů ve vyšším věku nebo u kterých by riziko intervence bylo dříve neudržitelné. Vzhledem k tomu, že incidence jak MR, tak AS se zvyšuje s rostoucím věkem, existuje stále větší potřeba identifikovat tyto stavy, aby bylo možné nabízet terapie měnící onemocnění.

V současné klinické praxi se diagnostika VHD do značné míry opírá o echokardiografii. To zase vyžaduje jak doporučení od poskytovatele s klinickým podezřením na VHD, typicky z abnormality při auskultaci, tak i přístup k samotnému echokardiogramu. MR i AS mají za následek spolehlivě reprodukovatelné auskultační nálezy: holosystolický a systolický crescendo-decrescendo šelest. Navzdory tomu je auskultace jako diagnostický nástroj notoricky špatná: její přesnost detekce MR a AS se pohybuje pouze v rozmezí 5–40 %. Všechny tyto faktory vedou k obavám z nedostatečné diagnózy těchto stále více léčitelných stavů.

Zde se vyšetřovatelé budou zabývat potřebami jak pro lepší přístup k testování VHD, tak pro lepší diagnostickou přesnost. Vyšetřovatelé využijí kombinaci záznamů fonokardiogramu (PCG) a jednosvodového elektrokardiogramu (EKG), synchronizovaných v reálném čase na zabezpečený cloudový server pomocí elektronického stetoskopu Eko Duo. S těmito daty výzkumníci vyvinou a ověří algoritmus strojového učení pro diagnostiku klinicky důležité AS nebo MR. Protože Eko Duo je v podstatě podobný tradičnímu stetoskopu, ikonickému nástroji široce akceptovanému pacienty i poskytovateli, jeho použití k řízení automatického detekčního algoritmu je proveditelné a atraktivní jako náhrada za tradiční auskultaci. Přesunutím břemene interpretace testu z klinického lékaře na algoritmus navíc vyšetřovatelé předpokládají, že to zlepší celkovou diagnostickou přesnost.

Metody Přehled designu: Průřezová studie všech subjektů podstupujících klinické echokardiogramy v echokardiografické laboratoři UCSF pro dospělé

Přehled subjektů studie: Zkoušející zapíší dospělé subjekty podstupující klinické echokardiogramy v kampusu UCSF Parnassus. Tyto subjekty budou seskupeny do odvozených a validačních kohort postupně, stratifikované podle stavu případu tak, aby bylo dosaženo očekávané velikosti vzorku. K takovému seskupování dojde po registraci subjektu a sběru dat.

Cílová populace: Dospělí se středně těžkou až těžkou až těžkou AS nebo středně těžkou až těžkou MR (případy) a dospělí se strukturně normálním srdcem s minimální VHD (kontroly). V přísnější paralelní analýze bude cílová populace kontrol definována jako populace s jakýmkoliv stupněm AS nebo MR nižším než středním až těžkým.

Přístupná populace: Dospělí splňující vstupní kritéria podstupující klinické echokardiogramy v echokardiografické laboratoři UCSF, kteří se mohou zúčastnit.

Schéma odběru vzorků: Vyšetřovatelé budou postupně oslovovat subjekty prezentující se do echokardiografické laboratoře pro dospělé v UCSF Parnassus. Kromě toho vyšetřovatelé předem prohlédnou subjekty na vysokou pravděpodobnost, že budou mít AS nebo MR (na základě indikace ke studiu a předchozích diagnóz v lékařském záznamu APEX) a selektivně zaměří jejich zápis v situacích, kdy je kapacita koordinátora studie naplněna. .

Strategie náboru: Zahájení studie v době registrace na echokardiogram pomocí brožury nebo letáku, následované osobním kontaktováním potenciálních subjektů během čekání na klinický echokardiogram.

Retenční strategie: Žádná. Vyšetřovatelé si ponechají hlavní soubor čísel lékařských záznamů, aby v budoucnu identifikovali kontaktní informace, pokud to budou považovat za nutné.

Přehled měření: Studie se zaměří na dvě měření: 1) zlatý standard hodnocení VHD pomocí echokardiogramu, jak uvádí echokardiografická laboratoř UCSF. 2) 30sekundové simultánní PCG a jednosvodové EKG záznamy přístrojem Eko Duo v každé ze čtyř standardních srdečních auskultačních pozic, s volitelnými dalšími záznamy pomocí přístroje Eko Core. Studie využívá skutečnosti, že všechny klinické echokardiografické zprávy zahrnují tato chlopenní hodnocení.

Zlatý standard: Echokardiogram je kardiologickou komunitou přijímán jako zlatý standard pro diagnostiku závažnosti VHD. Aby se minimalizovala zátěž pro vyšetřovatele a také se snížily náklady, využijí vyšetřovatelé toho, že všechny klinické echokardiografické zprávy zahrnují hodnocení VHD, které bude sloužit jako zlatý standard. Tyto zprávy se řídí pokyny Americké společnosti pro echokardiografii (ASE), které umožňují klasifikaci VHD následovně: žádná, mírná, střední nebo závažná. Echokardiografická laboratoř UCSF zahrnuje další kategorie stopových, mírných až středních, středních až závažných a kritických, což umožňuje interpretace tam, kde jsou jednotlivé parametry v rámci studie v rozporu. Primárním měřením bude konečný závěr o závažnosti VHD pro MR nebo AS, jak uvádí atestovaný kardiolog. Vyšetřovatelé definují „klinicky důležitou“ VHD jako VHD klasifikovanou jako středně závažnou až závažnou nebo horší, protože by to zahrnovalo všechny úrovně onemocnění, které by mohly vyžadovat přímou intervenci. Kromě toho vyšetřovatelé extrahují celou echokardiografickou zprávu, stejně jako snímky souborů echokardiogramu, aby data uchovali pro budoucí použití, když se objeví nové výzkumné otázky.

Měření přístroje: Záznamy simultánního PCG a jednosvodového EKG budou prováděny u každého subjektu standardizovaným způsobem. Každý subjekt podstoupí 30sekundové záznamy pomocí zařízení Eko Duo ve čtyřech standardních auskultačních pozicích. Pozorovatelé budou proškoleni v systematické metodě získávání měření. Pokud to čas a pacient dovolí, vyšetřovatelé získají stejné záznamy také pomocí zařízení Eko Core, které používá stejný software, ale nezahrnuje záznam EKG. Protože zařízení umožní vizualizaci PCG během záznamu, pozorovatel získá zpětnou vazbu v reálném čase o umístění zařízení, aby se maximalizovala kvalita záznamu v každé poloze. Vyšetřovatelé budou plánovat pravidelnou kontrolu nahrávek, aby byla zajištěna odpovídající kvalita dat. Vyšetřovatelé předpokládají, že tato flexibilita a zpětná vazba v reálném čase zlepší zobecnitelnost použití zařízení v reálném světě (tj. nestudijní) klinická situace.

Confounders and Bias: Odvození a validace algoritmů bude probíhat vzdáleně po provedení klinického echokardiogramu, a proto bez vlivu na výsledek zlatého standardu. Test může být ovlivněn přítomností jiných stavů způsobujících systolický šelest (včetně VHD jiné než AS nebo MR nebo vrozené srdeční choroby). Vyšetřovatelé zahrnou tato měření ze zprávy o echokardiogramu, aby porovnali výkonnost testu u pacientů s těmito dalšími stavy a bez nich.

Statistické problémy Nulová hypotéza: Algoritmus strojového učení nemůže předpovědět přítomnost klinicky významných AS nebo MR.

Zdůvodnění velikosti vzorku:

• Citlivost algoritmu: 90%
• Specifičnost algoritmu: 90 %
• Cílový pravděpodobnostní poměr (+) algoritmu [LR(R)]: 9 (odvozeno z Sn / [1 - Sp])
• Minimální pravděpodobnostní poměr (+) algoritmu [LR(R)]: 5
• Úroveň spolehlivosti = 0,95 (alfa = 0,05)
• Interval spolehlivosti [LR(R)]: 5,120-15,820
• Velikost vzorku = 110 na skupinu; 330 na kohortu (kontrola, případ AS, případ MR); 660 celkem (školení a ověřovací kohorty)
• Shrnutí: Za předpokladu, že citlivost a specifičnost algoritmu strojového učení pro detekci klinicky důležitých AS nebo MR jsou obě 0,9, neočekává se, že celková velikost vzorku 660 klesne pod prahovou hodnotu pravděpodobnosti 5,0 v 95% intervalu spolehlivosti v obou případech. odvozené nebo validační kohorty.
• Zdůvodnění kritických předpokladů: Vyšetřovatelé předpokládají, že algoritmus může produkovat senzitivitu a specificitu 90 % při detekci aortální stenózy nebo mitrální regurgitace ve srovnání se srdíčky bez chlopňového onemocnění, na základě dříve publikovaných zpráv s použitím neuronových sítí, s použitím velikosti vzorku pod 100 případy. Kromě toho vyšetřovatelé odhadují, že minimální pravděpodobnostní poměr 5 by byl nezbytný pro to, aby byl test klinicky užitečný. Zatímco tento odhad funguje dobře pro validační sadu, počet potřebný pro derivační sadu je méně jasný; výše uvedené odhady jsou konzervativní číslo. Vyšetřovatelé očekávají trénování algoritmu po zařazení každých 20 případů pomocí bootstrappingu; to poskytne charakteristiky průběžného testu a pomůže určit skutečný počet potřebný pro derivační sadu. Jelikož se jedná zčásti o pilotní studii, identifikace skutečné citlivosti a specifičnosti testu je sama o sobě cenným výsledkem.

Analytický přístup: Výzkumníci vygenerují ROC křivky (vynesení Sn vs. 1-Sp) pro skóre algoritmu pro validační sadu. Nakonec vyšetřovatelé vygenerují 4 křivky: dvě pro MR a AS pomocí algoritmů generovaných primárním přístupem (definující kontroly jako nemající větší než mírnou VHD) a sekundární (definující kontroly jako nemající střední až závažnou nebo větší VHD) přístupem. . Kromě toho vyšetřovatelé očekávají provedení průzkumných, deskriptivních analýz samotného algoritmu, a to identifikací klinických korelací s charakteristikami, které jsou při detekci AS nebo MR nejvíce vážené.

Různé Etické úvahy: Žádné velké obavy. Data budou bezpečně uložena na platformách kompatibilních s HIPAA. Studie se kvalifikuje jako minimální riziko podle kritérií UCSF CHR.

Plány před zkouškou: Před náborem do studie shromáždí pracovníci studie data o sobě a poskytovatelích, aby otestovali systém sběru dat. Během počátečního náboru předmětů pracovníci studie po každém dni zhodnotí proces, aby projednali překážky nebo obavy.

Plán správy dat: Data ze studie budou pocházet ze dvou zdrojů. Zprávy o echokardiogramech extrahované z elektronického lékařského záznamu (APEX) budou přezkoumány zaměstnanci studie, aby se vytvořila hlavní databáze charakteristik onemocnění. Hlavní soubor spojující identifikátory subjektu s identifikovatelnými informacemi, stejně jako extrahované a deidentifikované echokardiografické zprávy a deidentifikované surové echokardiografické snímky budou uloženy na zabezpečeném výzkumném serveru používaném kardiologickou divizí. Zaznamenaná data PCG a EKG (skutečná měření studie) budou synchronizována v reálném čase na bezpečný cloudový server, který je v souladu s HIPAA a spravovaný společností Eko Devices. V předem specifikovaných časech školení algoritmů obdrží tým strojového učení (koordinovaný společností Eko Devices) klíče k přiřazení identifikátoru subjektu do kategorie VHD.

Opatření pro kontrolu kvality: PI studie bude provádět pravidelné přezkoumání zaznamenaných údajů, aby byla zajištěna odpovídající kvalita údajů.

Jízdní řád:

Smlouva/logistika Zápis předmětu Algoritmus Vývoj Analýza Publikace Celkový rozvrh: 9 měsíců