- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT06202638
Un estudio de la precisión diagnóstica del algoritmo del índice de predicción de hipotensión (HPI) en resecciones pulmonares
Un estudio de viabilidad de cohorte multicéntrico, prospectivo, no aleatorizado y observacional del índice de predicción de hipotensión (HPI) en pacientes sometidos a resecciones pulmonares con el uso de ventilación unipulmonar.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
El índice de predicción de hipotensión (HPI) es una puntuación hemodinámica diseñada específicamente para la predicción de los episodios de hipotensión intraoperatoria (IOH). Se basa en un algoritmo programado en la plataforma clínica del monitor Edwards Lifesciences HemoSphere (Irvine, CA, EE. UU.). El HPI se basa en un análisis continuo de una forma de onda de presión arterial. Se procesa además del algoritmo FloTrac a través del sensor patentado Acumen IQ y utiliza una tecnología de inteligencia artificial. Después de la validación interna, el algoritmo se validó de forma prospectiva, externa y clínica en pacientes de cirugía general, pacientes perioperatorios, pacientes de cirugía cardiovascular y pacientes de UCI con COVID-19 con ventilación mecánica.
A diferencia de los sistemas de monitorización convencionales, que muestran parámetros fisiológicos en la vida real, un algoritmo HPI detecta los primeros cambios, la variabilidad multivariada y las interacciones en los datos fisiológicos interrelacionados sobre precarga, poscarga y contractilidad para ofrecer un índice que predice un próximo evento hipotensivo. . Las variables utilizadas por el algoritmo protegido por patente para calcular el HPI son las siguientes: variabilidad de la frecuencia cardíaca (cambios en la frecuencia cardíaca/cambios en la PAM); complejidad de la forma de onda de la presión arterial (entropía aproximada de la forma de onda, entropía de la forma de onda de la muestra, medida en el dominio de la frecuencia de armónicos de orden superior); parámetros de precarga (variación de la presión de pulso PPV, variación del volumen sistólico SVV); parámetros de contractilidad (pendiente de la parte ascendente de la forma de onda de presión con respecto al tiempo, dP/dt); y parámetros de poscarga (SVR, elastancia arterial dinámica Eadyn), pero no se revela su contribución relativa al índice final.
Los valores del índice final del HPI varían de 1 a 100, y los números crecientes representan una mayor probabilidad de un evento hipotensivo inminente. Estos eventos se definen como presión arterial media (PAM) <65 mmHg que ocurren durante más de un minuto. Los valores del HPI predicen la aparición de hipotensión entre cinco y quince minutos antes del evento, con una sensibilidad y especificidad en ambos períodos superiores al 80%. En la mayoría de los estudios, un valor de 85 HPI predice un episodio de hipotensión, y este valor se preprograma arbitrariamente en el monitor HemoSphere para alertar al médico y permitir respuestas proactivas para minimizar o incluso prevenir por completo la hipotensión intraoperatoria.
Los parámetros utilizados e incorporados al monitor HemoSphere pueden guiar al médico en el manejo óptimo de la IOH. Estas variables de "pantalla secundaria" incluyen el parámetro de contractilidad del ventrículo izquierdo (dP/dt), el parámetro de precarga dinámica (SVV) y el parámetro de poscarga, elastancia arterial dinámica Eadyn.
El aumento máximo de la presión del ventrículo izquierdo (VI) (dP/dt máx. del VI) es un marcador clásico del rendimiento del VI y de la función sistólica. Se define convencionalmente como el cambio de presión en la cavidad ventricular izquierda durante el período de contracción isovolumétrica y originalmente requiere cateterismo del VI. En la práctica clínica se utiliza una forma de onda sustituta de la presión arterial periférica para estimar el valor dP/dt y predecir la necesidad de soporte inotrópico.
SVV es un parámetro de precarga dinámica y representa la diferencia en el volumen sistólico del ventrículo izquierdo secundaria a cambios en la presión intratorácica inducida por la ventilación mecánica.
La elastancia arterial dinámica Eadyn representa la proporción de la variación de la presión del pulso (VPP) con respecto a la SVV. Puede usarse para evaluar el tono vascular, que puede predecir la respuesta de la presión arterial después de la carga de volumen y/o la posible respuesta a la administración de vasopresores.
Tanto el PPV como el SVV se consideran superiores a los índices estáticos para predecir la capacidad de respuesta a los fluidos. Ambos se basan en interacciones corazón-pulmón y reflejan cambios cíclicos hemodinámicos inducidos por la ventilación mecánica en condiciones de tórax cerrado. Sus valores están significativamente correlacionados con la magnitud del VT. La actual estrategia ventilatoria intraoperatoria de bajo volumen corriente protege los pulmones, pero al mismo tiempo reduce la confiabilidad de los índices dinámicos, particularmente en condiciones de tórax abierto. Debido a los cambios limitados en la presión intratorácica durante el ciclo respiratorio en condiciones de pulmón abierto, existe el riesgo de recibir valores de parámetros falsos negativos. PPV y SVV parecen ser inexactos para predecir la capacidad de respuesta a los líquidos en un entorno de tórax abierto durante la cirugía cardiotorácica.
El HPI fue validado en casos de cirugía general y UCI, pero no en procedimientos de cirugía torácica a tórax abierto unilateral. Estos procedimientos incluyen no sólo condiciones fisiológicas significativamente anormales (pleura abierta y ventilación protectora unipulmonar), sino también una alta incidencia de intervenciones quirúrgicas manuales repentinas. Todos estos factores pueden influir significativamente y comprometer el rendimiento del HPI.
El objetivo de este estudio es validar la tecnología HPI en procedimientos de resección pulmonar a tórax abierto con el uso de ventilación unipulmonar. El grupo de estudio estará compuesto por 60 pacientes adultos consecutivos calificados para procedimientos de resección pulmonar bajo anestesia general con tórax abierto y ventilación unipulmonar.
Los pacientes serán monitoreados durante la operación mediante monitorización hemodinámica invasiva estándar con transductor de presión arterial y concomitantemente con el monitor HemoSphere con el software HPI adjunto al transductor Acumen IQ (Edwards LifeSciences, Irvine, CA, EE. UU.). Los médicos estarán cegados a la salida del monitor HemoSphere. Las formas de onda hemodinámicas y los datos de predicción del HPI, incluidos los eventos de hipotensión (IOH), se registrarán desde el momento de la inserción de la cánula arterial hasta la salida del quirófano. Los datos registrados se dividirán en siete cohortes, representadas por períodos de tiempo separados:
0. Respiración espontánea, en decúbito supino y basal previa a la inducción (si está disponible y se inserta la cánula arterial antes de la inducción)
- Decúbito supino, anestesia con tórax cerrado, intubado, ventilación bipulmonar
- Decúbito lateral, tórax cerrado, ventilación bipulmonar.
- Decúbito lateral, tórax cerrado, ventilación unipulmonar (OLV)
- Decúbito lateral, tórax abierto, ventilación unipulmonar (OLV)
- Decúbito lateral, tórax cerrado, ventilación bipulmonar postresección
- Ventilación bipulmonar, en decúbito supino y cerrado
Estimaremos la sensibilidad (recordación) y el valor predictivo positivo (precisión) del algoritmo HPI y describiremos el número de falsas alarmas y eventos perdidos sin hacer referencia explícita a la especificidad o el valor predictivo negativo.
La realización del estudio y los informes se realizarán según las pautas STARD.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Athens, Grecia, 12462
- Faculty of Medicine, NKUA Attikon University Hospital
-
-
-
-
Małopolska
-
Krakow, Małopolska, Polonia, 31-202
- St. John Paul II Hospital in Krakow
-
-
Silesian Voivodeship
-
Zabrze, Silesian Voivodeship, Polonia, 40-055
- Department of Anesthesiology and Intensive Therapy; Department of Pain Research and Treatment, Faculty of Medical Sciences Zabrze
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Estado físico II a IV de la Sociedad Estadounidense de Anestesiólogos (ASA);
- Se espera que la monitorización invasiva planificada de la presión arterial durante la anestesia general dure más de 2 horas y la hospitalización nocturna planificada.
- Procedimientos: lobectomía videotoracoscópica (VATS), lobectomía por toracotomía abierta, neumonectomía.
- Adultos mayores de 18 años.
Criterio de exclusión:
- Procedimientos de urgencia/emergencia.
- Pacientes con derivaciones intracardíacas clínicamente importantes conocidas.
- Enfermedad valvular de moderada a grave.
- Arritmias sintomáticas preoperatorias, incluida la FA.
- Insuficiencia cardíaca congestiva con fracción de eyección del VI inferior al 35%.
- Denegación de participación
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
La presión arterial y el curso del HPI en 7 cohortes de ventanas de tiempo en pacientes con ventilación unipulmonar
60 pacientes adultos consecutivos calificados para procedimientos de resección pulmonar a tórax abierto bajo anestesia general con ventilación unipulmonar serán monitoreados durante la operación mediante monitorización hemodinámica invasiva estándar con transductor de presión arterial y de forma concomitante con el monitor HemoSphere con el software HPI adjunto al transductor Acumen IQ. (Edwards LifeSciences, Irvine, CA, EE. UU.).
Los médicos estarán cegados a la salida del monitor HemoSphere.
Las formas de onda hemodinámicas y los datos de predicción del HPI se registrarán desde el momento de la inserción de la cánula arterial hasta la salida del quirófano.
Los valores de HPI y el curso hemodinámico intraoperatorio, incluidos los eventos de hipotensión intraoperatoria (IOH), se registrarán en todas las etapas del procedimiento.
|
Se registrarán dos ciclos concomitantes de datos intraoperatorios: 1. la forma de onda arterial y la presión en el monitor hemodinámico estándar del paciente y 2. los datos del monitor HemoSphere con el software Acumen Hypotension Prediction Index Software
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Valor predictivo positivo
Periodo de tiempo: Periodo intraoperatorio
|
|
Periodo intraoperatorio
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Tasa de evento
Periodo de tiempo: Periodo intraoperatorio
|
|
Periodo intraoperatorio
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Mirosław Ziętkiewicz, MD, PhD, 2nd Anesthesiology and Intensive Care Unit, John Paul II Hospital, Prądnicka St. 80, Kraków, Poland
Publicaciones y enlaces útiles
Publicaciones Generales
- 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.
- 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.
- 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.
- 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.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- NB.060.1.011.2022
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
producto fabricado y exportado desde los EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .