Bærbar fjernovervågning af hjertefrekvens og respirationsfrekvens for hjertesvigt

Hjertesvigt (HF) er en udfordrende tilstand at håndtere, hvor hospitalsgenindlæggelse for HF-eksacerbation har en negativ indvirkning på patientresultater og økonomisk byrde for både patient og sundhedssystem [Lloyd-Jones, 2010; Yancy, 2017; Ross, 2009; Chaudhry, 2007]. Et intuitivt behov for mere følsomme forudsigere af HF-eksacerbationer har fået forskere til at udforske fjernovervågning som et muligt svar. Forbruger-ejede sensorer er blevet mere nøjagtige i deres registrering af vitale tegn og kan derfor rumme potentiale for fjernovervågning [Dickinson, 2018]. Det kombinerede mål for hjertefrekvens (HR) og respirationsfrekvens (RR) har vist sig at forudsige New York Heart Association (NYHA) HF-klasse, en indikator for sværhedsgraden af ​​hjertesygdomme, i implanterbare hjerteanordninger med multi-sensor overvågningskapacitet [Auricchio , 2014; Prasun, 2019; Boehmer, 2015; Boehmer, 2017]. Hjertefrekvensvariabilitet (HRV), et mål for sympatisk autonom funktion, har også vist potentiale til forudsigelse af uønskede hjertehændelser [Al-Zaiti, 2019; Shaffer, 2017; Bullinga, 2005; Tsuji, 1996].

WHOOP-enheden, en bærbar rem, der ligner en Fitbit, giver mulighed for HR-overvågning i realtid og kan bestemme RR ved hjælp af respiratorisk sinusarytmi [www.whoop.com/experience; Berryhill, 2020]. Det er en af ​​de få enheder på markedet, der nøjagtigt kan spore puls såvel som åndedrætsfrekvens i realtid (under aktivitet) og er udstyret med et multidirektional accelerometer til aktivitetssporing. WHOOP-enheden blev for nylig eksternt valideret mod polysomnografi og kontinuerligt elektroencefalogram (EEG) til søvnsporing og kontinuerligt elektrokardiogram (EKG) for HR og HRV (med mindre end 5 % fejl) [Berryhill, 2020]. HRV, som repræsenterer balancen i det sympatiske og parasympatiske nervesystem, er en kendt forudsigelse for hjertebegivenheder. Det er især nyttigt ved HF, som er en kronisk forhøjet katekolamintilstand, der fører til deprimeret HRV og er knyttet til NYHA HF-klassen, en indikator for sygdommens sværhedsgrad [Bullinga, 2005; Tsuji, 1996].

Data hidtil vedrørende effektiviteten af ​​fysiologisk fjernovervågning ved hjælp af hjerteimplanterbare elektroniske enheder (CIED'er), selvom de i teorien er lovende, har endnu ikke vist sig at være følsomme ved påvisning af HF-eksacerbation. Formålet med CLEPSYDRA-undersøgelsen var at bruge data udvundet fra implanteret hjerteresynkroniseringsterapi med defibrilleringsanordninger (CRT-D) hos HF-patienter til at forudsige hjertesvigtshændelser; selvom de vigtigste variabler, der anvendes i den nye algoritme, minutventilation og patientaktivitet, intuitivt ser ud til at være forudsigere for dårligt resultat/HF-eksacerbation, var algoritmens følsomhed til at forudsige en hændelse kun 34 % [6]. Det ser ud til, at denne kombination af variabler ikke er tilstrækkelig til at forudsige uønskede HF-hændelser. Imidlertid viste HOME-CARE (HOME Monitoring in Cardiac REsynchronization Therapy) undersøgelsen mere lovende resultater, da deres forbedrede prædiktor, der anvender syv diagnostiske variabler fra implanterede CRT-D'er, pralede af en følsomhed på 65,4 % [Sack, 2011]. Selvom dataene fra disse undersøgelser er nyttige, har ingen undersøgelse været i stand til tilstrækkeligt at identificere og vurdere nøjagtige forudsigere for HF-klasse.

Nuværende effektive styringsstrategier er begrænset til hæmodynamiske eller multisensorovervågningssystemer. Disse er dog kun tilgængelige i implanteret cardioverter-defibrillator (ICD) eller cardiac resynchronization therapy-defibrillator (CRT-D) enheder. Disse implanteres ikke i alle HF-patienter [Al-Zaiti, 2019]. Ikke-invasiv overvågning, der giver lignende data, såsom overvågning af bærbare enheder, ville udvide kohorten af ​​patienter, der ville drage fordel af fjernovervågning, og ville undgå risikoen ved at få implanteret hardware. Ydermere kunne bedre forudsigelse af HF-sværhedsgrad hjælpe med at vejlede opfølgende behandling og forudsige HF-hændelser [Boehmer, 2015; Boehmer 2017]. Dette ville føre til mere effektiv håndtering, færre hospitalsgenindlæggelser og forbedre resultaterne for HF-patienter generelt [Dickinson, 2018].

Efterforskerne foreslår et gennemførlighedsstudie i HF-patienter for bedre at vurdere HF-sygdomstilstanden, hvilket kan hjælpe med behandling og forbedre resultaterne. Forsøgspersoner vil bære WHOOP-enheden, som måler både aktivitets- og HR-parametre og kan udlede RR ved hjælp af respiratorisk sinusarytmi, i 90 dage. I denne periode vil deres HR og RR blive registreret i hvile, under aktivitets- og restitutionsfaser efter aktivitet. Dette kombinerede mål for HR/RR har vist sig at forudsige NYHA HF-klassen, en indikator for sygdommens sværhedsgrad, i implanterbare enheder med multi-sensor overvågningskapacitet; således repræsenterer det en nyttig håndteringsstrategi hos HF-patienter [Bullinga, 2005; Tsuji, 1996]. En kontinuerlig ekstern overvågningsenhed båret på håndleddet, såsom WHOOP-anordningen, ville give værdifulde fysiologiske data for en kohorte af HF-patienter, som tidligere ikke var i stand til at blive overvåget på denne måde. Sekundær analyse af denne undersøgelse vil undersøge brugen af ​​intra- og postaktivitet HR og RR som prædiktorer for hospitalsindlæggelsesrater, et almindeligt problem hos HF-patienter, der korrelerer med værre dødelighedsudfald.