Análisis de entropía e interacciones complejas entre paciente y ventilador durante la ventilación mecánica (ENTROPY-ICU)

Métodos

1. Definición de interacciones complejas entre el paciente y el ventilador Los investigadores definieron las "interacciones complejas entre el paciente y el ventilador" (CP-VI) como la presencia sola o en combinación de un cambio en la frecuencia respiratoria de más del 50 % y/o la aparición de cualquier tipo de asincronías
2. Adquisición y análisis de datos Las señales de Paw y Flow se registrarán continuamente durante la estancia del paciente en la Unidad de Cuidados Intensivos (UCI) utilizando el sistema BetterCare® (Better Care®, Barcelona, ​​España). BetterCare utiliza controladores diseñados específicamente para interactuar con la señal de salida de los ventiladores mecánicos y los monitores de cabecera en lugar de hacerlo directamente con los pacientes. Las señales registradas se sincronizan y almacenan para su posterior análisis. Se utilizará MATLAB (The MathWorks, Inc., vR2018b, Natick, MA, EE. UU.) para realizar el procesamiento de señales, el análisis de datos y la evaluación visual.
3. Población del estudio Los investigadores obtendrán datos de una base de datos construida prospectivamente a partir de una plataforma de conectividad (Better Care®) para interoperar señales de diferentes ventiladores y monitores y, posteriormente, calcular algoritmos para diagnosticar asincronías paciente-ventilador (ClinicalTrial.gov, NCT03451461). Todos aquellos pacientes que correspondan a un evento de autoextubación previamente registrado serán reclutados para el proceso de caracterización y validación, con el fin de garantizar las interacciones paciente-ventilador y los episodios cuando se pelean con el ventilador. Asimismo, se reclutarán pacientes en los que se haya realizado un ensayo de respiración espontánea previo a un intento de librarlo del ventilador para obtener señales de Paw y Flow. Los datos clínicos y demográficos se obtendrán de la historia clínica. La junta de revisión institucional aprobó el protocolo y renunció al consentimiento informado porque el estudio no era de intervención, no representaba un riesgo adicional para los pacientes y no interfería con la atención habitual.
4. Validación visual de CP-VI Tres investigadores revisarán visualmente las grabaciones de eventos de Flow y Paw. La duración de los segmentos se seleccionará en base a estudios previos donde se evalúen clústeres asíncronos. El conjunto de datos será previamente seleccionado por un experto en ventilación mecánica asegurando el equilibrio por modos de ventilación (agrupados por modos de Ventilación con soporte de presión (PSV) y Ventilación asistida-controlada) y la distribución equitativa de la presencia o ausencia de CP-VI. Los modos controlados incluían ventilación con control asistido por volumen (VACV) y ventilación con control asistido por presión (PACV). Los trazados de flujo y de pata se ordenarán aleatoriamente en MATLAB antes del análisis visual para garantizar el cegamiento de los anotadores. Los evaluadores recibirán una descripción escrita de las características del CP-VI antes del análisis visual, como referencia. Con base en la definición de CP-VI descrita anteriormente, cada investigador puntuará la presencia o ausencia de eventos de CP-VI, sin límite de tiempo. La evaluación visual se considerará como el estándar de oro.
5. Entropía La entropía es una medida no lineal que permite evaluar la aleatoriedad de una serie de datos. El cálculo de la entropía requiere tres parámetros: la dimensión de incrustación, m (un número entero positivo); el valor de tolerancia o criterio de similitud, r (un número real positivo); y la longitud total, N, de la serie analizada.
6. Detección automática de CP-VI Se implementará un algoritmo automatizado para la detección de CP-VI basado en la herramienta Entropy.
7. Análisis estadístico El coeficiente kappa de Fleiss se utilizará como confiabilidad del acuerdo entre evaluadores para la evaluación visual. El algoritmo automatizado para la detección de CP-VI se aplicará sobre la serie de entropía derivada del mismo Flujo y Pa. El rendimiento del algoritmo automatizado se evaluará en función de la sensibilidad (Se), la especificidad (Sp), los valores predictivos positivo y negativo (PPV y VPN, respectivamente), la precisión (ACC) y el coeficiente de correlación de Matthews (MCC).
8. Selección de m, r y N En los estudios de entropía, un paso importante es determinar la configuración óptima para extraer de forma robusta la aleatoriedad de una serie de datos. Por lo tanto, se realizará un procedimiento de optimización de m, r y N para estimar correctamente CP-VI.