Forudsigelig værdi af FORE-SIGHT™-monitoren for hæmodynamisk forringelse

1. Baggrund

   Nøjagtig hæmodynamisk overvågning kræver ofte brug af invasive værktøjer eller katetre. Mange af disse værktøjer, som er tilgængelige for voksne, kan ikke bruges til kritisk syge spædbørn og børn på grund af deres størrelse, og fordi disse invasive teknikker medfører en høj risiko for komplikationer. Ikke-invasive overvågningsteknikker, der gør det muligt at detektere kritiske hæmodynamiske tilstande, er af stor interesse i denne population.

   FORE-SIGHT™ er et ikke-invasivt værktøj til at måle cerebralt vævs iltmætning. Cerebral vævs iltmætning (SctO2) værdier er vigtige for klinikere, fordi cerebral hypoxi (manglende ilttilførsel til hjernevæv) er en af ​​de førende årsager til hjerneskader, der opstår i mange kirurgiske og kliniske situationer. FORE-SIGHT™ Cerebral Oximeter anvender optisk-baseret Near Infra-Red Spectroscopy (NIRS) teknologi til at overvåge absolut SctO2. Det virker ved at projicere harmløst nær infrarødt lys gennem hovedbunden og kraniet og ind i hjernen via en engangssensor på patientens pande. Enheden måler lyset, der returneres til detektorer på sensoren, og analyserer denne information ved hjælp af patenterede algoritmer til at bestemme det absolutte cerebrale vævs iltmætningsniveau. FORE-SIGHT™ er designet til at overvåge SctO2 på en kontinuerlig måde og giver klinikere mulighed for at gribe ind, før skader på hjernen opstår. Monitoren er i øjeblikket en del af standardovervågningen for børn, der gennemgår kardiopulmonal bypass, på operationsstuen, og fortsættes ofte i den postoperative fase på den pædiatriske intensivafdeling (PICU) på universitetshospitalerne i Leuven.

   Adskillige undersøgelser har peget på de potentielle fordele ved SctO2-monitorering i den perioperative fase efter hjerte- eller abdominalkirurgi hos voksne [1,2,3,4], såvel som hos børn, der gennemgår kirurgiske korrektioner af medfødte hjertedefekter [5,6 ,7]. Lave SctO2-værdier er forbundet med et dårligere resultat og svarer til data fra andre monitorer, der indikerer, at iltindholdet i hjernen på det tidspunkt er utilstrækkeligt. Især varigheden af ​​SctO2-desaturationer under 55 %, 60 % og 65 % er prædiktiv for postoperative komplikationer [8]. Disse undersøgelser har dog kun analyseret brugen af ​​NIRS som et værktøj til at overvåge hjernen på tidspunkter, hvor den er i den højeste risiko, under kompleks operation med en kompromitteret cirkulation. Selvom der ikke er beviser, der har vist, at beslutningstagning baseret på NIRS-data er gunstig for patientresultatet, bruger mange centre NIRS som et overvågningsværktøj uden for det kirurgiske miljø.

   Fordi hjernen er meget følsom over for ændringer i oxygenering, kan monitorering af SctO2 give en indikation af kritiske ændringer i patientens hæmodynamiske tilstand og dermed tjene som monitor for patientens generelle hæmodynamiske status. Nærværende undersøgelse ønsker at undersøge merværdien af ​​SctO2-monitorering i forhold til rutinemæssig monitorering af pædiatriske patienter i PICU, i den postoperative fase efter hjertekirurgi. For at være af merværdi bør SctO2-ændringer ideelt set gå forud for en episode med hæmodynamiske forringelser.

   Forudsigelse er kernen i intensivmedicin, hvor læger gør brug af deres medicinske viden og alle patientrelaterede data til at forudse ændringer i patientens tilstand og administrere passende (forebyggende) behandlinger. En intensiv afdeling (ICU) er et meget datarigt miljø med flere informationskilder, såsom indlæggelsesjournaler, sygehistorie, laboratorieanalyser af prøver, medicin- og behandlingsjournaler og overvågning af vitale signaler. Et Patient Data Management System (PDMS) (MetaVision®, iMD-Soft®, Boston, MA) blev installeret på vores intensivafdeling fra februar 2006. Denne PDMS-software indsamler og integrerer automatisk data fra de mange informationskilder. En af fordelene ved at have alle patientrelaterede data i et integreret format er, at de let kan analyseres ved brug af beregningsteknikker generelt og data mining i særdeleshed. Disse teknikker gør brug af informationen i store databaser til automatisk at generere modeller, der kan bruges til forudsigelse (f.eks. til at forudsige en patients sandsynlighed for overlevelse på ICU). I tidligere undersøgelser har vores forskningsgruppe vist de høje prædiktive præstationer, der kan opnås med data mining-modeller i intensivområdet.

   I denne undersøgelse vil vi gøre brug af data mining-teknikker til at vurdere den forudsigelige kraft af SctO2-monitorering for fremtidig hæmodynamisk forringelse af PICU-patienten efter hjertekirurgi, ved at analysere data indsamlet i PDMS, herunder FORE-SIGHT™ NIRS.

2. Projektets mål

   • At vurdere den uafhængige forudsigelsesevne af FORE-SIGHT™ NIRS-signalet for fremtidig hæmodynamisk forringelse af kritisk syge spædbørn og børn i den postoperative fase efter hjertekirurgi.

   • At vurdere den prædiktive effekt af FORE-SIGHT™ NIRS-signalet for udfald hos kritisk syge spædbørn og børn i den postoperative fase efter hjertekirurgi.

3. Studere design

Prospektiv, observationel, ikke-interventionel undersøgelse. Alle berettigede børn vil blive overvåget med FORE-SIGHT™, fra indlæggelse, indtil de er vænnet fra mekanisk ventilation. Typisk bliver patienter indlagt efter hjertekirurgi i PICU på universitetshospitalerne i Leuven mekanisk ventileret mellem 12 timer og to uger [8].

FORE-SIGHTTM SctO2-signalet vil blive blindet for sengelægen og vil blive lagret i PDMS-systemet til analyse. De første 20 minutters data efter ankomst til ICU vil ikke blive brugt til analysen, da patienten i denne tid typisk stabiliserer sig til de nye omgivelser efter transport, og dataene derfor ikke er karakteristiske for ICU-opholdet.

Data fra disse patienter vil blive brugt til analyse, til at bygge prædiktive modeller. En kopi af PDMS-databasen, efter fjernelse af alle data, der refererer til patientens identitet, vil blive brugt til dataanalyse. Data mining-modeller, såsom simple logistiske regressionsmodeller, men også mere avancerede maskinlæringsteknikker (modeller, der automatisk læres af en computeralgoritme, såsom Decision Tree-modeller [9], Bayesian Networks, Gaussian Processes, Support Vector Machines, …), vil vurdere den uafhængige forudsigelseskraft af FORE-SIGHT™-signalet over de rutinemæssigt overvågede data.

1. FORE-SIGHT™ til tidlig påvisning af fremtidig hæmodynamisk ustabilitet.

Først vil der blive bygget modeller til at vurdere den uafhængige forudsigelsesevne af FORE-SIGHT™-signalet for at detektere episoder med hæmodynamisk ustabilitet 10 minutter i forvejen.

Da hjertevolumen ikke måles direkte invasivt hos børn, er en sådan episode påvist af indirekte tegn. Hvis et af flere af følgende kriterier er opfyldt, anses dette for at være en episode med hæmodynamisk ustabilitet.

1. Hæmodynamisk overvågning • Hjertefrekvens >160 eller <90, i mindst 5 på hinanden følgende minutter • Systolisk blodtryk < 55 (spædbørn) eller < 65 (børn) i mindst 5 på hinanden følgende minutter

2. Point of care laboratorieanalyse

   • Venøs mætning (SvO2) <55 (når cyanogen kardiopati er til stede) eller <65 (hos alle andre patienter)

   • Lactat > 2 mmol/L på arteriel blodgasprøve

3. Klinisk observation • Urinoutputhastighed < normal hastighed på 0,5 ml/kg/time over 2 på hinanden følgende timer

2. FORE-SIGHT™ til forudsigelse af resultatet. For det andet vil der blive bygget modeller til at vurdere, om FORE-SIGHT™-signalet er prædiktivt for hospitals- og intensivopholdslængde (LOS), dødelighed og varighed af (invasiv eller ikke-invasiv) mekanisk ventilatorstøtte.

For at vurdere prædiktiv præstation for de 2 prædiktive opgaver vil følgende statistik blive brugt: den positive prædiktive værdi, arealet under ROC-kurven (AUROC), Hosmer-Lemeshow-statistikken, kalibrering-i-det-store, kalibrering- hældning og Brier-scorer.

Den positive prædiktive værdi er andelen af ​​positive tilfælde, der er korrekt klassificeret. Det afspejler sandsynligheden for, at et positivt resultat svarer til den underliggende tilstand, der testes for.

AUROC er et mål for modellens evne til at skelne mellem positive og negative tilfælde. Normalt foretrækkes AUROC som evaluering frem for nøjagtighed, da det gør det muligt at afveje de muligvis forskellige omkostninger ved forkert at klassificere en negativ instans som positiv eller tilsvarende afvejning mellem modellens sensitivitet og specificitet.

Hosmer-Lemeshow-statistikken, kalibrering-i-den-store og kalibreringshældningen bruges til at bestemme, om en model er godt kalibreret. Disse test vurderer, om de observerede hændelsesrater matcher forventede hændelsesrater i undergrupper af befolkningen. Modeller, for hvilke forventede og observerede hændelsesrater i undergrupper er ens, siges at være godt kalibrerede.

Den overordnede modelydelse vil blive vurderet med Brier Score og dens normaliserede version, Brier Scaled Score. Nøjagtige modeller har en lav overordnet forudsigelsesfejl og derfor en lav Brier Score (under basisværdien for hver opgave).

4 Studiepopulation

Alle børn under 12 år, der er indlagt på PICU på Leuven Universitetshospitalerne i Leuven efter hjertekirurgi, er kvalificerede til undersøgelsen, hvis de opfylder følgende inklusionskriterier:

• Mekanisk ventileret ved ICU-indlæggelse eller intuberet efter indlæggelse
• Arteriel linje på plads.
• Forventes at blive mindst 24 timer i PICU.

Patienter med faktisk eller potentiel hjerneskade, såsom traumatiske hjerneskadepatienter, patienter med hjernetumorer eller patienter efter hjerte-lunge-redning (CPR) er udelukket. Patienter med en tilstand eller et sår, der forbyder placeringen af ​​en pandesensor, er også udelukket.

Undersøgelsen vil indsamle data i en periode på 1,5 år. 300 kritisk syge børn skal rekrutteres. Cirka 20 % af PICU-patienterne udviser hændelser med klinisk forværring, og med en median (IQR) liggetid på 3 (2-7) dage [8] og mindst én hændelse om dagen, forventer vi et minimum på 180 hændelser af kliniske forringelse af den årlige befolkning. Fra tidligere undersøgelser med en lignende hændelsesfordeling [15,16] forventer vi, at vores modeller resulterer i en sensitivitet (og specificitet) på mindst 0,8, med en alfa-fejl på 5 % og en statistisk styrke på 80 %.

Studiet vil derfor have den nødvendige statistiske kraft til at detektere potentialet af FORE-SIGHT™ NIRS-signalet til at forudsige klinisk forringelse.