Detección asistida por fono y electrocardiograma de enfermedad valvular (PEA-Valve)

Detección asistida por fono y electrocardiograma de enfermedad valvular (estudio PEA-Valve)

Objetivo(s) específico(s) Objetivo 1: ¿Puede un algoritmo de aprendizaje automático derivado de registros fonográficos y electrocardiográficos simultáneos diagnosticar de forma fiable la estenosis aórtica clínicamente importante?

Objetivo 2: ¿Puede un algoritmo de aprendizaje automático derivado de grabaciones simultáneas de fono y electrocardiograma diagnosticar de forma fiable la insuficiencia mitral clínicamente importante?

Importancia La enfermedad cardíaca valvular (VHD) es un problema de salud mundial común, con estudios basados ​​en la población que muestran una prevalencia del 10 % para la estenosis aórtica (AS) y del 20 % para la regurgitación mitral (MR). Los nuevos avances quirúrgicos e intervencionistas permiten tratar a pacientes de mayor edad o cuyo riesgo de intervención hubiera sido previamente insostenible. Dado que la incidencia de MR y AS aumenta con la edad, existe una necesidad creciente de identificar estas condiciones para ofrecer terapias que modifiquen la enfermedad.

En la práctica clínica actual, el diagnóstico de VHD se basa en gran medida en la ecocardiografía. Esto, a su vez, requiere tanto la derivación de un proveedor con sospecha clínica de VHD, por lo general debido a una anomalía en la auscultación, como el acceso al propio ecocardiograma. MR y AS dan como resultado hallazgos auscultatorios confiablemente reproducibles: soplos holosistólicos y sistólicos crescendo-decrescendo, respectivamente. Sin embargo, a pesar de esto, la auscultación como herramienta de diagnóstico es notoriamente pobre: ​​su precisión para detectar MR y AS varía solo del 5 al 40%. Todos estos factores generan preocupaciones por el diagnóstico insuficiente de estas afecciones cada vez más tratables.

Aquí, los investigadores abordarán las necesidades tanto de un mayor acceso como de una mejor precisión diagnóstica de las pruebas de VHD. Los investigadores utilizarán una combinación de registros de fonocardiograma (PCG) y electrocardiograma (ECG) de una sola derivación, sincronizados en tiempo real con un servidor seguro basado en la nube, utilizando el estetoscopio electrónico Eko Duo. Con estos datos, los investigadores desarrollarán y validarán un algoritmo de aprendizaje automático para diagnosticar AS o MR clínicamente importantes. Como el Eko Duo es esencialmente similar a un estetoscopio tradicional, una herramienta icónica ampliamente aceptada tanto por pacientes como por proveedores, su uso para impulsar un algoritmo de detección automatizado es factible y atractivo como sustituto de la auscultación tradicional. Además, al trasladar la carga de la interpretación de la prueba del médico al algoritmo, los investigadores plantean la hipótesis de que esto mejorará la precisión diagnóstica general.

Métodos Descripción general del diseño: estudio transversal de todos los sujetos sometidos a ecocardiogramas clínicos en el laboratorio de ecocardiografía de adultos de la UCSF

Sujetos del estudio Descripción general: Los investigadores inscribirán a sujetos adultos que se someterán a ecocardiogramas clínicos en el campus de UCSF Parnassus. Estos sujetos serán agrupados en cohortes de derivación y validación secuencialmente, estratificados por estado de caso, para alcanzar el tamaño de muestra esperado. Tal agrupación ocurrirá después de la inscripción de sujetos y la recopilación de datos.

Población objetivo: Adultos con AS de moderada a grave a grave o MR de moderada a grave a grave (casos) y adultos con corazones estructuralmente normales con VHD mínimo (controles). En un análisis paralelo más estricto, se definirá una población objetivo de controles que tengan cualquier grado de AS o MR inferior a moderado a grave.

Población accesible: Adultos que cumplen los criterios de ingreso y se someten a ecocardiogramas clínicos en el laboratorio de ecocardiografía de la UCSF susceptibles de participar.

Esquema de muestreo: Los investigadores se acercarán a los sujetos que se presenten al laboratorio de ecocardiografía de adultos en UCSF Parnassus consecutivamente. Además, los investigadores evaluarán previamente a los sujetos para detectar una alta probabilidad de tener EA o RM (según la indicación del estudio y los diagnósticos previos en el registro médico de APEX) y seleccionarán selectivamente su inscripción durante situaciones en las que la capacidad de inscripción del coordinador del estudio esté saturada. .

Estrategia de reclutamiento: Introducción del estudio al momento de registrarse para el ecocardiograma con un folleto o volante, seguido de un acercamiento en persona a los sujetos potenciales mientras esperan el ecocardiograma clínico.

Estrategia de retención: ninguna. Los investigadores conservarán un archivo maestro de los números de registros médicos para identificar la información de contacto en el futuro si se considera necesario.

Descripción general de las mediciones: el estudio se centrará en dos mediciones: 1) la evaluación estándar de oro de VHD mediante ecocardiograma, según lo informado por el laboratorio de ecocardiografía de la UCSF. 2) Grabaciones simultáneas de PCG y ECG de una sola derivación de 30 segundos realizadas por el dispositivo Eko Duo en cada una de las cuatro posiciones estándar de auscultación cardíaca, con grabaciones adicionales opcionales con el dispositivo Eko Core. El estudio aprovecha el hecho de que todos los informes de ecocardiografía clínica incluyen estas evaluaciones valvulares.

Estándar de oro: la comunidad de cardiología acepta el ecocardiograma como el estándar de oro para el diagnóstico de la gravedad de la VHD. Para minimizar la carga de los investigadores, así como reducir los costos, los investigadores aprovecharán que todos los informes de ecocardiografía clínica incluyen evaluaciones de VHD, que servirán como estándar de oro. Estos informes siguen las pautas de la Sociedad Estadounidense de Ecocardiografía (ASE), que permiten clasificar el VHD de la siguiente manera: ninguno, leve, moderado o grave. El laboratorio de ecocardiografía de la UCSF incluye categorías adicionales de seguimiento, de leve a moderado, de moderado a grave y crítico, lo que permite interpretaciones donde los parámetros individuales dentro del estudio entran en conflicto. La medición principal será la conclusión final de la gravedad de VHD para MR o AS, según lo informado por un cardiólogo certificado por la junta. Los investigadores definirán la VHD "clínicamente importante" como aquella calificada de moderada a grave o peor, ya que abarcaría todos los niveles de la enfermedad que podrían requerir una intervención directa. Además, los investigadores extraerán todo el informe de ecocardiografía, así como las imágenes de los archivos de ecocardiografía, a fin de guardar los datos para su uso futuro a medida que surjan nuevas preguntas de investigación.

Mediciones del dispositivo: se realizarán registros de PCG simultáneos y ECG de una sola derivación para cada sujeto de manera estandarizada. Cada sujeto se someterá a grabaciones de 30 segundos utilizando el dispositivo Eko Duo en las cuatro posiciones de auscultación estándar. Los observadores serán capacitados en el método sistemático de obtención de mediciones. Si el tiempo y el paciente lo permiten, los investigadores también obtendrán los mismos registros utilizando el dispositivo Eko Core, que utiliza el mismo software pero no incluye registro de ECG. Como el dispositivo permitirá la visualización de la PCG durante la grabación, el observador obtendrá información en tiempo real sobre el posicionamiento del dispositivo para maximizar la calidad de la grabación en cada posición. Los investigadores planificarán una revisión periódica de las grabaciones para garantizar la calidad adecuada de los datos. Los investigadores anticipan que esta flexibilidad y retroalimentación en tiempo real mejorarán la generalización del uso del dispositivo en el mundo real (es decir, fuera del estudio) situación clínica.

Factores de confusión y sesgo: la derivación y validación de los algoritmos se realizará de forma remota, después de que se haya realizado el ecocardiograma clínico y, por lo tanto, sin efecto en el resultado del patrón oro. La prueba puede estar influenciada por la presencia de otras condiciones que causan soplos sistólicos (incluyendo VHD que no sean AS o MR, o cardiopatías congénitas). Los investigadores incluirán estas medidas del informe del ecocardiograma para comparar el rendimiento de la prueba en personas con y sin estas otras afecciones.

Problemas estadísticos Hipótesis nula: un algoritmo de aprendizaje automático no puede predecir la presencia de AS o MR clínicamente importantes.

Justificación del tamaño de la muestra:

• Sensibilidad del algoritmo: 90%
• Especificidad del Algoritmo: 90%
• Relación de probabilidad objetivo (+) del algoritmo [LR(R)]: 9 (derivado de Sn / [1 - Sp])
• Razón de verosimilitud mínima (+) del algoritmo [LR(R)]: 5
• Nivel de confianza = 0,95 (alfa = 0,05)
• Intervalo de confianza [LR(R)]: 5.120-15.820
• Tamaño de la muestra = 110 por grupo; 330 por cohorte (control, caso AS, caso MR); 660 en general (cohortes de capacitación y validación)
• Resumen: Suponiendo que la sensibilidad y la especificidad del algoritmo de aprendizaje automático para la detección de AS o MR clínicamente importantes son ambas de 0,9, no se espera que un tamaño de muestra total de 660 esté por debajo del umbral de razón de probabilidad de 5,0 en el intervalo de confianza del 95 % en ninguno de los dos casos. las cohortes de derivación o validación.
• Justificación de los supuestos críticos: los investigadores asumen que el algoritmo puede producir una sensibilidad y especificidad del 90 % en la detección de estenosis aórtica o insuficiencia mitral en comparación con corazones sin enfermedad valvular, en base a informes publicados anteriormente utilizando redes neuronales, utilizando tamaños de muestra de menos de 100 casos. Además, los investigadores estiman que sería necesaria una relación de probabilidad mínima de 5 para que la prueba sea clínicamente útil. Si bien esta estimación funciona bien para el conjunto de validación, el número necesario para el conjunto de derivación es menos claro; las estimaciones anteriores son un número conservador. Los investigadores prevén entrenar el algoritmo después de la inscripción de cada 20 casos utilizando un enfoque de arranque; esto proporcionará características de prueba provisionales y ayudará a determinar el verdadero número necesario para el conjunto de derivación. Como se trata, en parte, de un estudio piloto, la identificación de la verdadera sensibilidad y especificidad de la prueba es en sí misma un resultado valioso.

Enfoque de análisis: los investigadores generarán curvas ROC (trazando Sn frente a 1-Sp) para las puntuaciones del algoritmo para el conjunto de validación. En última instancia, los investigadores generarán 4 curvas: dos para MR y AS, usando algoritmos generados por los enfoques primario (definiendo controles que no tienen más de VHD leve) y secundario (definiendo controles como que no tienen VHD de moderado a grave o mayor) . Además, los investigadores prevén realizar análisis exploratorios y descriptivos del propio algoritmo, mediante la identificación de correlaciones clínicas con las características de mayor peso en la detección de AS o MR.

Varios Consideraciones éticas: Sin preocupaciones importantes. Los datos se almacenarán de forma segura en plataformas compatibles con HIPAA. El estudio califica como de riesgo mínimo según los criterios de UCSF CHR.

Planes de prueba previa: antes del reclutamiento del estudio, el personal del estudio recopilará datos sobre ellos mismos y los proveedores para probar el sistema de recopilación de datos. Durante el reclutamiento inicial de sujetos, el personal del estudio revisará el proceso después de cada día para analizar los obstáculos o inquietudes.

Plan de gestión de datos: Los datos del estudio provendrán de dos fuentes. Los informes de los ecocardiogramas, extraídos de la historia clínica electrónica (APEX), serán revisados ​​por el personal del estudio para generar la base de datos principal de las características de la enfermedad. Un archivo maestro que vincula los identificadores de los sujetos con la información identificable, así como los informes de ecocardiogramas extraídos y anonimizados y las imágenes de ecocardiogramas sin identificar anonimizadas se almacenarán en un servidor de investigación seguro utilizado por la División de Cardiología. Los datos PCG y ECG registrados (las mediciones reales del estudio) se sincronizarán en tiempo real con un servidor seguro basado en la nube, compatible con HIPAA, administrado por Eko Devices. En tiempos preespecificados de entrenamiento de algoritmos, el equipo de aprendizaje automático (coordinado por Eko Devices) recibirá claves para la asignación del identificador de sujeto a la categoría VHD.

Medidas de control de calidad: el IP del estudio realizará una revisión periódica de los datos registrados para garantizar la calidad adecuada de los datos.

Calendario:

Contrato/Logística Materia Inscripción Algoritmo Desarrollo Análisis Publicación Calendario general: 9 meses