Fono- og elektrokardiogram-assisteret påvisning af hjerteklapsygdom (PEA-Valve)

Fono- og elektrokardiogram-assisteret påvisning af klapsygdom (PEA-ventilundersøgelse)

Specifikke mål Mål 1: Kan en maskinlæringsalgoritme afledt af samtidige fono- og elektrokardiogramoptagelser pålideligt diagnosticere klinisk vigtig aortastenose?

Mål 2: Kan en maskinlæringsalgoritme afledt af samtidige fono- og elektrokardiogramoptagelser pålideligt diagnosticere klinisk vigtig mitral regurgitation?

Betydning Valvulær hjertesygdom (VHD) er et almindeligt globalt sundhedsproblem, med befolkningsbaserede undersøgelser, der viser en prævalens på 10 % for aortastenose (AS) og 20 % for mitral regurgitation (MR). Nye kirurgiske og interventionelle fremskridt giver mulighed for behandling af patienter i en ældre alder, eller hvis risiko for intervention tidligere ville have været uholdbar. I betragtning af at forekomsten af ​​både MR og AS stiger med stigende alder, er der et stigende behov for at identificere disse tilstande for at tilbyde sygdomsændrende behandlinger.

I den nuværende kliniske praksis er diagnosen VHD i høj grad afhængig af ekkokardiografi. Dette kræver til gengæld både en henvisning fra en udbyder med en klinisk mistanke om VHD, typisk fra en abnormitet ved auskultation, samt adgang til selve ekkokardiogrammet. MR og AS resulterer begge i pålideligt reproducerbare auskultatoriske fund: henholdsvis holosystoliske og systoliske crescendo-decrescendo-mislyde. På trods af dette er auskultation som diagnostisk værktøj notorisk ringe: dens nøjagtighed til at detektere MR og AS varierer kun fra 5-40 %. Disse faktorer fører alle til bekymring for underdiagnosticering af disse tilstande, der i stigende grad kan behandles.

Her vil efterforskerne adressere behovene for både større adgang til og forbedret diagnostisk nøjagtighed af test for VHD. Efterforskerne vil bruge en kombination af fonokardiogram (PCG) og single-lead elektrokardiogram (EKG) optagelser, synkroniseret i realtid til en sikker sky-baseret server ved hjælp af Eko Duo elektroniske stetoskop. Med disse data vil efterforskerne udvikle og validere en maskinlæringsalgoritme til at diagnosticere klinisk vigtig AS eller MR. Da Eko Duo i det væsentlige ligner et traditionelt stetoskop, et ikonisk værktøj, der er bredt accepteret af både patienter og udbydere, er dets brug til at drive en automatiseret detektionsalgoritme både gennemførligt og attraktivt som en erstatning for traditionel auskultation. Ydermere, ved at flytte byrden af ​​testfortolkning væk fra klinikeren og over på algoritmen, antager efterforskerne, at dette vil forbedre den generelle diagnostiske nøjagtighed.

Metoder Oversigt over design: Tværsnitsundersøgelse af alle forsøgspersoner, der gennemgår kliniske ekkokardiogrammer på UCSF voksenekkokardiografilaboratoriet

Undersøgelsesemner Oversigt: Efterforskerne vil indskrive voksne forsøgspersoner, der gennemgår kliniske ekkokardiogrammer på UCSF Parnassus campus. Disse emner vil blive grupperet i aflednings- og valideringskohorter sekventielt, stratificeret efter sagsstatus, for at nå den forventede stikprøvestørrelse. En sådan gruppering vil ske efter emnetilmelding og dataindsamling.

Målpopulation: Voksne med enten moderat til svær til svær AS eller moderat til svær til svær MR (tilfælde) og voksne med strukturelt normale hjerter med minimal VHD (kontroller). I en mere stringent, parallel analyse vil en målpopulation af kontroller blive defineret som havende en hvilken som helst grad af AS eller MR mindre end moderat til svær.

Tilgængelig befolkning: Voksne, der opfylder adgangskriterierne, som gennemgår kliniske ekkokardiogrammer på UCSF's ekkokardiografilaboratorium, der er modtagelige for deltagelse.

Prøveudtagningsskema: Efterforskerne vil henvende sig til emner, der præsenteres for voksenekkokardiografilaboratoriet på UCSF Parnassus fortløbende. Derudover vil efterforskerne forhåndsscreene forsøgspersoner for en høj sandsynlighed for at have AS eller MR (baseret på indikation for undersøgelse og tidligere diagnoser i APEX-journalen) og selektivt målrette deres tilmelding i situationer, hvor studiekoordinatorens tilmeldingskapacitet er mættet .

Rekrutteringsstrategi: Introduktion af undersøgelse på tidspunktet for tilmelding til ekkokardiogram med en brochure eller flyer, efterfulgt af personlig henvendelse til potentielle forsøgspersoner, mens man afventer det kliniske ekkokardiogram.

Fastholdelsesstrategi: Ingen. Efterforskerne vil opbevare en masterfil med journalnumrene for at identificere kontaktoplysninger i fremtiden, hvis det skønnes nødvendigt.

Oversigt over målinger: Undersøgelsen vil fokusere på to målinger: 1) guldstandardvurderingen af ​​VHD ved ekkokardiogram, som rapporteret af UCSF ekkokardiografilaboratoriet. 2) 30 sekunders samtidige PCG- og enkeltaflednings-EKG-optagelser af Eko Duo-enheden ved hver af de fire standard-hjerte-auskultatoriske positioner, med valgfri yderligere optagelser med Eko Core-enheden. Undersøgelsen udnytter det faktum, at alle kliniske ekkokardiogramrapporter inkluderer disse klapvurderinger.

Guldstandard: Ekkokardiogrammet er accepteret som guldstandarden for diagnosticering af VHD-sværhedsgrad af det kardiologiske samfund. For at minimere byrden for efterforskerne samt reducere omkostningerne, vil efterforskerne drage fordel af, at alle kliniske ekkokardiogramrapporter inkluderer vurderinger af VHD, som vil tjene som guldstandarden. Disse rapporter følger American Society for Echocardiography (ASE) retningslinjer, som tillader graduering af VHD som følger: ingen, mild, moderat eller svær. UCSF-ekkokardiografilaboratoriet inkluderer yderligere kategorier af spor, mild til moderat, moderat til svær og kritisk, hvilket giver mulighed for fortolkninger, hvor individuelle parametre i undersøgelsen er i konflikt. Den primære måling vil være den endelige konklusion af sværhedsgraden af ​​VHD for MR eller AS, som rapporteret af en bestyrelsescertificeret kardiolog. Efterforskerne vil definere "klinisk vigtig" VHD som den gradueret moderat til svær eller værre, da dette ville omfatte alle niveauer af sygdom, som kunne kræve direkte indgreb. Derudover vil efterforskerne udtrække hele ekkokardiografirapporten samt billederne af ekkokardiogramfilerne for at gemme dataene til fremtidig brug, efterhånden som nye forskningsspørgsmål opstår.

Enhedsmålinger: Optagelser af det samtidige PCG og enkeltaflednings-EKG vil blive udført for hvert individ på en standardiseret måde. Hvert forsøgsperson vil gennemgå 30 sekunders optagelser ved hjælp af Eko Duo-enheden ved de fire standard auskultationspositioner. Observatører vil blive trænet i den systematiske metode til at opnå målinger. Hvis tid og patient tillader det, vil efterforskerne også opnå de samme optagelser ved hjælp af Eko Core-enheden, som bruger den samme software, men som ikke inkluderer EKG-optagelse. Da enheden tillader visualisering af PCG'en under optagelsen, vil observatøren få realtidsfeedback om placeringen af ​​enheden for at maksimere kvaliteten af ​​optagelsen ved hver position. Efterforskerne vil planlægge periodisk gennemgang af optagelser for at sikre tilstrækkelig datakvalitet. Efterforskerne forventer, at denne fleksibilitet og feedback i realtid vil forbedre generaliserbarheden af ​​brugen af ​​enheden til en virkelig verden (dvs. ikke-studie) klinisk situation.

Konfoundere og bias: Udledningen og valideringen af ​​algoritmerne vil ske eksternt, efter at det kliniske ekkokardiogram er blevet udført, og derfor uden effekt på resultatet af guldstandarden. Testen kan være påvirket af tilstedeværelsen af ​​andre tilstande, der forårsager systoliske mislyde (herunder andre VHD end AS eller MR, eller medfødt hjertesygdom). Efterforskerne vil inkludere disse mål fra ekkokardiogramrapporten for at sammenligne testpræstationer hos dem med og uden disse andre tilstande.

Statistiske problemer Nulhypotese: En maskinlæringsalgoritme kan ikke forudsige tilstedeværelsen af ​​klinisk vigtig AS eller MR.

Begrundelse for prøvestørrelse:

• Algoritmefølsomhed: 90 %
• Algoritmens specificitet: 90 %
• Målsandsynlighedsforhold (+) for algoritme [LR(R)]: 9 (afledt af Sn / [1 - Sp])
• Minimum sandsynlighedsforhold (+) for algoritme [LR(R)]: 5
• Konfidensniveau = 0,95 (alfa = 0,05)
• Konfidensinterval [LR(R)]: 5.120-15.820
• Prøvestørrelse = 110 pr. gruppe; 330 pr. kohorte (kontrol, AS-tilfælde, MR-tilfælde); 660 samlet (trænings- og valideringskohorter)
• Sammenfatning: Forudsat at sensitiviteten og specificiteten af ​​maskinlæringsalgoritmen til påvisning af klinisk vigtig AS eller MR begge er 0,9, forventes en samlet stikprøvestørrelse på 660 ikke at gå under tærskelsandsynlighedsforholdet på 5,0 i 95 % konfidensintervallet i nogen af ​​de to aflednings- eller valideringskohorterne.
• Begrundelse for kritiske antagelser: Efterforskerne antager, at algoritmen kan producere en sensitivitet og specificitet på 90 % til at detektere aortastenose eller mitral regurgitation sammenlignet med hjerter uden klapsygdom, baseret på tidligere offentliggjorte rapporter ved brug af neurale netværk, ved brug af prøvestørrelser på under 100 sager. Ydermere vurderer efterforskerne, at et minimum sandsynlighedsforhold på 5 ville være nødvendigt for at testen er klinisk anvendelig. Selvom dette estimat fungerer godt for valideringssættet, er det nødvendige antal for afledningssættet mindre klart; ovenstående skøn er et konservativt tal. Efterforskerne forventer at træne algoritmen efter tilmelding af hver 20 sager ved hjælp af en bootstrapping-tilgang; dette vil give midlertidige testkarakteristika og hjælpe med at bestemme det sande tal, der er nødvendigt for afledningssættet. Da dette til dels er et pilotstudie, er identifikation af testens sande sensitivitet og specificitet i sig selv et værdifuldt resultat.

Analysetilgang: Efterforskerne vil generere ROC-kurver (plotting af Sn vs. 1-Sp) for algoritmescores for valideringssættet. I sidste ende vil efterforskerne generere 4 kurver: to hver for MR og AS, ved hjælp af algoritmer genereret af den primære (definerer kontroller som havende ikke større end mild VHD) og sekundære (definerer kontroller som ikke har moderat til svær eller større VHD) tilgange . Derudover forventer efterforskerne at udføre undersøgende, beskrivende analyser af selve algoritmen ved at identificere kliniske korrelater til de karakteristika, der vægtes mest ved påvisning af AS eller MR.

Diverse Etiske overvejelser: Ingen større bekymringer. Data vil blive opbevaret sikkert på HIPAA-kompatible platforme. Undersøgelsen kvalificeres som minimal risiko efter UCSF CHR-kriterier.

Fortestplaner: Inden studierekruttering vil studiepersonalet indsamle data om sig selv og udbydere for at teste dataindsamlingssystemet. Under den første fagrekruttering vil studiepersonalet gennemgå processen efter hver dag for at diskutere vejspærringer eller bekymringer.

Data Management Plan: Data fra undersøgelsen vil komme fra to kilder. Rapporter om ekkokardiogrammer, udtrukket fra den elektroniske lægejournal (APEX), vil blive gennemgået af undersøgelsespersonalet for at generere hoveddatabasen over sygdomskarakteristika. En masterfil, der forbinder emneidentifikatorer med identificerbar information, samt udtrukne og afidentificerede ekkokardiogramrapporter og afidentificerede råekkokardiogrambilleder vil blive gemt på en sikker forskningsserver, der bruges af afdelingen for kardiologi. Registrerede PCG- og EKG-data (de faktiske undersøgelsesmålinger) vil blive synkroniseret i realtid til en sikker, HIPAA-kompatibel, cloud-baseret server, der administreres af Eko Devices. På foruddefinerede tidspunkter for algoritmetræning vil maskinlæringsteamet (koordineret af Eko Devices) få udleveret nøgler til tildelingen af ​​emneidentifikator til VHD-kategori.

Kvalitetskontrolforanstaltninger: Periodisk gennemgang af de registrerede data vil blive udført af undersøgelsens PI for at sikre passende datakvalitet.

Tidsplan:

Kontrakt/Logistik Emne Tilmelding Algoritme Udviklingsanalyse Publikation Samlet tidsplan: 9 måneder