- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06202638
En undersøgelse af diagnostisk nøjagtighed af hypotensionsforudsigelsesindeks (HPI) algoritme i lunge resektioner
En observationel, prospektiv, ikke-randomiseret multicenter kohorte-gennemførlighedsundersøgelse af hypotensionsforudsigelsesindekset (HPI) hos patienter, der gennemgår lungeresektioner med brug af en-lungeventilation.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Hypotension Prediction Index (HPI) er en hæmodynamisk score designet specifikt til forudsigelse af de intraoperative hypotension (IOH) episoder. Den er baseret på en algoritme programmeret ind i Edwards Lifesciences HemoSphere monitor klinisk platform (Irvine, CA, USA). HPI er baseret på en kontinuerlig analyse af en arteriel trykbølgeform. Den behandles ud over FloTrac-algoritmen via proprietær Acumen IQ Sensor og bruger en kunstig intelligens-teknologi. Efter intern validering blev algoritmen prospektivt, eksternt og klinisk valideret i almindelige kirurgiske, perioperative patienter, kardiovaskulære kirurgiske patienter og mekanisk ventilerede COVID-19 ICU-patienter.
I modsætning til konventionelle overvågningssystemer, som viser fysiologiske parametre i det virkelige liv, registrerer en HPI-algoritme de tidligste ændringer, multivariat variabilitet og interaktioner i de fysiologiske indbyrdes relaterede data om preload, afterload og kontraktilitet for at levere et indeks, der forudsiger en kommende hypotensiv hændelse . Variabler brugt af den patentbeskyttede algoritme til at beregne HPI er som følger: hjertefrekvensvariabilitet (ændringer i hjertefrekvens/ændringer i MAP); arteriel trykbølgeforms kompleksitet (omtrentlig bølgeformentropi, prøvebølgeformentropi, frekvensdomænemål for højere ordens harmoniske); forbelastningsparametre (pulstryksvariation PPV, slagvolumenvariation SVV); kontraktilitetsparametre (hældning af den stigende del af trykbølgeformen over tid, dP/dt); og afterload-parametre (SVR, dynamisk arteriel elastance Eadyn), men deres relative bidrag til endeligt indeks afsløres ikke.
Endelige indeksværdier for HPI varierer fra 1 til 100, hvor stigende tal repræsenterer en større sandsynlighed for en forestående hypotensiv hændelse. Disse hændelser er defineret som middel arterielt tryk (MAP) <65 mmHg, der forekommer i mere end et minut. HPI-værdier forudsiger forekomsten af hypotension fem til femten minutter før hændelsen, med sensitivitet og specificitet i begge tidsrammer på mere end 80 %. I de fleste undersøgelser forudsiger en værdi på 85 HPI en hypotensiv episode, og denne værdi er vilkårligt forudprogrammeret i HemoSphere-monitoren for at advare klinikeren og tillade proaktive reaktioner for at minimere eller endda helt forhindre intraoperativ hypotension.
Parametre, der anvendes og er inkorporeret i HemoSphere-monitoren, kan guide en kliniker i den optimale håndtering af IOH. Disse "sekundære skærm"-variabler inkluderer venstre ventrikulær kontraktilitetsparameter (dP/dt), dynamisk præbelastningsparameter (SVV) og afterload-parameter dynamisk arteriel elastans Eadyn.
Maksimal venstre ventrikel (LV) trykstigning (LV dP/dt max) er en klassisk markør for LV ydeevne og systolisk funktion. Det er konventionelt defineret som ændringen i tryk i venstre ventrikulære hulrum i løbet af den isovolumetriske kontraktionsperiode, og det kræver oprindeligt LV-kateterisering. I klinisk praksis bruges en surrogat perifer arteriel trykbølgeform til at estimere dP/dt værdi og til at forudsige behovet for inotrop støtte.
SVV er en dynamisk præbelastningsparameter og repræsenterer forskellen i det venstre ventrikulære slagvolumen sekundært til ændringer i det intrathoraxale tryk induceret af mekanisk ventilation.
Den dynamiske arterielle elastans Eadyn repræsenterer andelen af puls-trykvariation (PPV) til SVV. Det kan bruges til at vurdere vaskulær tonus, som kan forudsige arteriel trykrespons efter volumenbelastning og/eller potentiel respons på vasopressoradministration.
Både PPV og SVV anses for at være overlegne i forhold til statiske indekser til at forudsige væskerespons. De er begge baseret på hjerte-lunge-interaktioner og afspejler hæmodynamiske cykliske ændringer induceret af mekanisk ventilation i lukket brystkasse. Deres værdier er signifikant korreleret med størrelsen af VT. Den nuværende intraoperative ventilatoriske strategi med lavt tidevolumen beskytter lungerne, men sænker samtidig pålideligheden af dynamiske indekser, især i åbent brystforhold. På grund af begrænsede ændringer i det intrathoraxale tryk under respirationscyklussen ved åbne lungetilstande er der risiko for at modtage falske negative parameterværdier. PPV og SVV ser ud til at være unøjagtige til at forudsige væskerespons i en åben brystkasse under kardiothoraxkirurgi.
HPI blev valideret i generel kirurgi og ICU tilfælde, men ikke i thoraxkirurgi ensidige åbne brystprocedurer. Disse procedurer omfatter ikke kun signifikant unormale fysiologiske tilstande (åben lungehinde og en-lunge-beskyttende ventilation), men også en høj forekomst af pludselige manuelle kirurgiske indgreb. Alle disse faktorer kan i væsentlig grad påvirke og kompromittere HPI-ydelsen.
Formålet med denne undersøgelse er at validere HPI-teknologien i åbne brystlunge-resektionsprocedurer med brug af en-lunge-ventilation. Studiegruppen vil omfatte 60 på hinanden følgende voksne patienter, der er kvalificeret til lungeresektionsprocedurer under generel anæstesi med åben bryst- og en-lungeventilation.
Patienterne vil blive overvåget under operationen ved hjælp af standard invasiv hæmodynamisk overvågning med arteriel tryktransducer og samtidig med HemoSphere-monitor med HPI-softwaren knyttet til Acumen IQ-transduceren (Edwards LifeSciences, Irvine, CA, USA). Klinikerne vil blive blindet for outputtet fra HemoSphere-monitoren. Hæmodynamiske bølgeformer og HPI-forudsigelsesdata inklusive hypotensive hændelser (IOH) vil blive registreret fra tidspunktet for indsættelse af arteriel kanyle, indtil operationsstuen forlades. Registrerede data vil blive opdelt i syv kohorter, repræsenteret af separate tidsrammer:
0. Præ-induktion baseline, liggende, spontan vejrtrækning (hvis tilgængelig og arteriel kanyle indsat præ-induktion)
- Rygliggende, lukket bryst bedøvet, intuberet, to-lunge ventilation
- Lateral decubitus, lukket bryst, to-lunge ventilation
- Lateral decubitus, lukket bryst, en-lunge ventilation (OLV)
- Lateral decubitus, åben brystkasse, en-lungeventilation (OLV)
- Lateral decubitus, lukket bryst, to-lungs ventilation efter resektion
- Rygliggende, lukket bryst, to-lunge ventilation
Vi vil estimere følsomheden (genkaldelse) og positiv prædiktiv værdi (præcision) af HPI-algoritmen og beskrive antallet af falske alarmer samt mistede hændelser uden eksplicit at henvise til specificitet eller negativ prædiktiv værdi.
Studiegennemførelse og rapportering vil blive udført under STARD-retningslinjerne.
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: Mirosław Ziętkiewicz, MD, PhD
- Telefonnummer: +48 609 668 145
- E-mail: mjzietkiewicz@gmail.com
Undersøgelse Kontakt Backup
- Navn: Szymon Białka, MD, PhD
- Telefonnummer: +48 606 493 210
- E-mail: szymon.bialka@gmail.com
Studiesteder
-
-
-
Athens, Grækenland, 12462
- Ikke rekrutterer endnu
- Faculty of Medicine, NKUA Attikon University Hospital
-
Kontakt:
- Tatiana Sidiropoulou, MD, PhD
- Telefonnummer: +30 21 0583 2374
- E-mail: tatianasid@gmail.com; tsidirop@med.uoa.gr
-
-
-
-
Małopolska
-
Kraków, Małopolska, Polen, 31-202
- Rekruttering
- St. John Paul II Hospital in Krakow
-
Kontakt:
- Mirosław Ziętkiewicz, MD, PhD
- Telefonnummer: +48 609 668 145
- E-mail: mjzietkiewicz@gmail.com
-
-
Śląskie
-
Zabrze, Śląskie, Polen, 40-055
- Rekruttering
- Department of Anesthesiology and Intensive Therapy; Department of Pain Research and Treatment, Faculty of Medical Sciences Zabrze
-
Kontakt:
- Szymon Białka, MD PhD
- Telefonnummer: +48 606 493 210
- E-mail: szymon.bialka@gmail.com
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- American Society of Anesthesiologists (ASA) fysisk status II til IV;
- Planlagt invasiv blodtryksovervågning under generel anæstesi forventes at vare mere end 2 timer og planlagt indlæggelse natten over.
- Procedurer: video-assist thorakoskopisk (VATS)-lobektomi, åben-thorakotomi lobektomi, pneumonektomi.
- Voksne over 18 år.
Ekskluderingskriterier:
- Hasteprocedurer/nødprocedurer.
- Patienter med kendte klinisk vigtige intrakardiale shunts.
- Moderat til svær klapsygdom.
- Præoperative symptomatiske arytmier inklusive AF.
- Kongestiv hjertesvigt med LV ejektionsfraktion mindre end 35 %.
- Afslag på deltagelse
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
---|---|
Arterietrykket og HPI-forløbet i 7 tidsvinduer-kohorter hos én-lunge-ventilerede patienter
60 på hinanden følgende voksne patienter, der er kvalificeret til lunge-resektionsprocedurer med åbent bryst under generel anæstesi med en-lunge-ventilation, vil blive overvåget under operationen ved hjælp af standard invasiv hæmodynamisk overvågning med arteriel tryktransducer og samtidig med HemoSphere-monitor med HPI-software, der er knyttet til Acumen IQ-transduceren (Edwards LifeSciences, Irvine, CA, USA).
Klinikerne vil blive blindet for outputtet fra HemoSphere-monitoren.
Hæmodynamiske bølgeformer og HPI-forudsigelsesdata vil blive registreret fra tidspunktet for indsættelse af arteriel kanyle, indtil operationsrummet forlades.
HPI-værdier og intraoperativt hæmodynamisk forløb inklusive intraoperative hypotensive hændelser (IOH) vil blive registreret på alle stadier af proceduren.
|
To samtidige forløb med intraoperative data vil blive registreret: 1. den arterielle bølgeform og tryk på den standard hæmodynamiske patientmonitor og 2. dataene fra HemoSphere-monitoren med Acumen Hypotension Prediction Index Software
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Positiv prædiktiv værdi
Tidsramme: Intraoperativ periode
|
|
Intraoperativ periode
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Begivenhedsrate
Tidsramme: Intraoperativ periode
|
|
Intraoperativ periode
|
Samarbejdspartnere og efterforskere
Sponsor
Efterforskere
- Ledende efterforsker: Mirosław Ziętkiewicz, MD, PhD, 2nd Anesthesiology and Intensive Care Unit, John Paul II Hospital, Prądnicka St. 80, Kraków, Poland
Publikationer og nyttige links
Generelle publikationer
- Walsh M, Devereaux PJ, Garg AX, Kurz A, Turan A, Rodseth RN, Cywinski J, Thabane L, Sessler DI. Relationship between intraoperative mean arterial pressure and clinical outcomes after noncardiac surgery: toward an empirical definition of hypotension. Anesthesiology. 2013 Sep;119(3):507-15. doi: 10.1097/ALN.0b013e3182a10e26.
- von Elm E, Altman DG, Egger M, Pocock SJ, Gotzsche PC, Vandenbroucke JP; STROBE Initiative. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007 Oct 20;370(9596):1453-7. doi: 10.1016/S0140-6736(07)61602-X.
- Song SY, Jung JY, Cho MS, Kim JH, Ryu TH, Kim BI. Volume-controlled versus pressure-controlled ventilation-volume guaranteed mode during one-lung ventilation. Korean J Anesthesiol. 2014 Oct;67(4):258-63. doi: 10.4097/kjae.2014.67.4.258. Epub 2014 Oct 27.
- Lin F, Pan L, Qian W, Ge W, Dai H, Liang Y. Comparison of three ventilatory modes during one-lung ventilation in elderly patients. Int J Clin Exp Med. 2015 Jun 15;8(6):9955-60. eCollection 2015.
- Hatib F, Jian Z, Buddi S, Lee C, Settels J, Sibert K, Rinehart J, Cannesson M. Machine-learning Algorithm to Predict Hypotension Based on High-fidelity Arterial Pressure Waveform Analysis. Anesthesiology. 2018 Oct;129(4):663-674. doi: 10.1097/ALN.0000000000002300.
- Piccioni F, Bernasconi F, Tramontano GTA, Langer M. A systematic review of pulse pressure variation and stroke volume variation to predict fluid responsiveness during cardiac and thoracic surgery. J Clin Monit Comput. 2017 Aug;31(4):677-684. doi: 10.1007/s10877-016-9898-5. Epub 2016 Jun 15.
- Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig L, Lijmer JG, Moher D, Rennie D, de Vet HC, Kressel HY, Rifai N, Golub RM, Altman DG, Hooft L, Korevaar DA, Cohen JF; STARD Group. STARD 2015: an updated list of essential items for reporting diagnostic accuracy studies. BMJ. 2015 Oct 28;351:h5527. doi: 10.1136/bmj.h5527.
- Mahmoud K, Ammar A, Kasemy Z. Comparison Between Pressure-Regulated Volume-Controlled and Volume-Controlled Ventilation on Oxygenation Parameters, Airway Pressures, and Immune Modulation During Thoracic Surgery. J Cardiothorac Vasc Anesth. 2017 Oct;31(5):1760-1766. doi: 10.1053/j.jvca.2017.03.026. Epub 2017 Mar 22.
- Shin B, Maler SA, Reddy K, Fleming NW. Use of the Hypotension Prediction Index During Cardiac Surgery. J Cardiothorac Vasc Anesth. 2021 Jun;35(6):1769-1775. doi: 10.1053/j.jvca.2020.12.025. Epub 2020 Dec 21.
- Davies SJ, Vistisen ST, Jian Z, Hatib F, Scheeren TWL. Ability of an Arterial Waveform Analysis-Derived Hypotension Prediction Index to Predict Future Hypotensive Events in Surgical Patients. Anesth Analg. 2020 Feb;130(2):352-359. doi: 10.1213/ANE.0000000000004121. Erratum In: Anesth Analg. 2023 Sep 1;137(3):e33.
- de Keijzer IN, Vos JJ, Scheeren TWL. Hypotension Prediction Index: from proof-of-concept to proof-of-feasibility. J Clin Monit Comput. 2020 Dec;34(6):1135-1138. doi: 10.1007/s10877-020-00465-3. Epub 2020 Jan 23. No abstract available.
- Rajkomar A, Dean J, Kohane I. Machine Learning in Medicine. N Engl J Med. 2019 Apr 4;380(14):1347-1358. doi: 10.1056/NEJMra1814259. No abstract available.
- van der Ven WH, Terwindt LE, Risvanoglu N, Ie ELK, Wijnberge M, Veelo DP, Geerts BF, Vlaar APJ, van der Ster BJP. Performance of a machine-learning algorithm to predict hypotension in mechanically ventilated patients with COVID-19 admitted to the intensive care unit: a cohort study. J Clin Monit Comput. 2022 Oct;36(5):1397-1405. doi: 10.1007/s10877-021-00778-x. Epub 2021 Nov 13.
- Vistisen ST, Johnson AEW, Scheeren TWL. Predicting vital sign deterioration with artificial intelligence or machine learning. J Clin Monit Comput. 2019 Dec;33(6):949-951. doi: 10.1007/s10877-019-00343-7. Epub 2019 Jun 28. No abstract available.
- Vos JJ, Scheeren TWL. Intraoperative hypotension and its prediction. Indian J Anaesth. 2019 Nov;63(11):877-885. doi: 10.4103/ija.IJA_624_19. Epub 2019 Nov 8.
- Sharman JE, Qasem AM, Hanekom L, Gill DS, Lim R, Marwick TH. Radial pressure waveform dP/dt max is a poor indicator of left ventricular systolic function. Eur J Clin Invest. 2007 Apr;37(4):276-81. doi: 10.1111/j.1365-2362.2007.01784.x.
- de Waal EE, Rex S, Kruitwagen CL, Kalkman CJ, Buhre WF. Dynamic preload indicators fail to predict fluid responsiveness in open-chest conditions. Crit Care Med. 2009 Feb;37(2):510-5. doi: 10.1097/CCM.0b013e3181958bf7.
- Fu Q, Duan M, Zhao F, Mi W. Evaluation of stroke volume variation and pulse pressure variation as predictors of fluid responsiveness in patients undergoing protective one-lung ventilation. Drug Discov Ther. 2015 Aug;9(4):296-302. doi: 10.5582/ddt.2015.01046.
- Tugrul M, Camci E, Karadeniz H, Senturk M, Pembeci K, Akpir K. Comparison of volume controlled with pressure controlled ventilation during one-lung anaesthesia. Br J Anaesth. 1997 Sep;79(3):306-10. doi: 10.1093/bja/79.3.306.
- Montes FR, Pardo DF, Charris H, Tellez LJ, Garzon JC, Osorio C. Comparison of two protective lung ventilatory regimes on oxygenation during one-lung ventilation: a randomized controlled trial. J Cardiothorac Surg. 2010 Nov 2;5:99. doi: 10.1186/1749-8090-5-99.
- Kim KN, Kim DW, Jeong MA, Sin YH, Lee SK. Comparison of pressure-controlled ventilation with volume-controlled ventilation during one-lung ventilation: a systematic review and meta-analysis. BMC Anesthesiol. 2016 Aug 31;16(1):72. doi: 10.1186/s12871-016-0238-6.
- Lin F, Pan L, Huang B, Ruan L, Liang R, Qian W, Ge W. Pressure-controlled versus volume-controlled ventilation during one-lung ventilation in elderly patients with poor pulmonary function. Ann Thorac Med. 2014 Oct;9(4):203-8. doi: 10.4103/1817-1737.140125.
- Lohser J. Evidence-based management of one-lung ventilation. Anesthesiol Clin. 2008 Jun;26(2):241-72, v. doi: 10.1016/j.anclin.2008.01.011.
- Tan J, Song Z, Bian Q, Li P, Gu L. Effects of volume-controlled ventilation vs. pressure-controlled ventilation on respiratory function and inflammatory factors in patients undergoing video-assisted thoracoscopic radical resection of pulmonary carcinoma. J Thorac Dis. 2018 Mar;10(3):1483-1489. doi: 10.21037/jtd.2018.03.03.
- Zhang BJ, Tian HT, Li HO, Meng J. The effects of one-lung ventilation mode on lung function in elderly patients undergoing esophageal cancer surgery. Medicine (Baltimore). 2018 Jan;97(1):e9500. doi: 10.1097/MD.0000000000009500.
- Schick V, Dusse F, Eckardt R, Kerkhoff S, Commotio S, Hinkelbein J, Mathes A. Comparison of Volume-Guaranteed or -Targeted, Pressure-Controlled Ventilation with Volume-Controlled Ventilation during Elective Surgery: A Systematic Review and Meta-Analysis. J Clin Med. 2021 Mar 19;10(6):1276. doi: 10.3390/jcm10061276.
- Samantaray A, Hemanth N. Comparison of two ventilation modes in post-cardiac surgical patients. Saudi J Anaesth. 2011 Apr;5(2):173-8. doi: 10.4103/1658-354X.82790.
- Ranucci M, Barile L, Ambrogi F, Pistuddi V; Surgical and Clinical Outcome Research (SCORE) Group. Discrimination and calibration properties of the hypotension probability indicator during cardiac and vascular surgery. Minerva Anestesiol. 2019 Jul;85(7):724-730. doi: 10.23736/S0375-9393.18.12620-4. Epub 2018 Nov 22.
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- NB.060.1.011.2022
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .
Kliniske forsøg med Intraoperativ hypotension
-
Academisch Medisch Centrum - Universiteit van Amsterdam...Edwards LifesciencesAfsluttetHypotension | Intraoperativ hypotension | Postoperativ hypotensionHolland
-
Tampere University Hospitalgeneral electric healthcare FinlandAfsluttetIntraoperative komplikationer | Intraoperativ hypotension | Intraoperativ hypertensionFinland
-
Peking Union Medical College HospitalRekrutteringIntraoperativ hypotensionKina
-
Meir Medical CenterIkke rekrutterer endnu
-
Nanfang Hospital of Southern Medical UniversityRekrutteringIntraoperativ hypotensionKina
-
Selcuk UniversityIkke rekrutterer endnuIntraoperativ hypotension
-
Assistance Publique - Hôpitaux de ParisAfsluttetIntraoperativ hypotensionFrankrig
-
Academisch Medisch Centrum - Universiteit van Amsterdam...Edwards LifesciencesUkendtIntraoperativ hypotensionHolland
-
Seoul National University HospitalRekrutteringIntraoperativ hypotensionKorea, Republikken
-
Universitätsklinikum Hamburg-EppendorfRekrutteringIntraoperativ hypotensionTyskland