FORE-SIGHT™ -monitorin ennustearvo hemodynaamisen heikkenemisen varalta

1. Tausta

   Tarkka hemodynaaminen seuranta vaatii usein invasiivisten työkalujen tai katetrien käyttöä. Monia näistä aikuisille saatavilla olevista työkaluista ei voida käyttää kriittisesti sairaiden imeväisten ja lasten hoitoon niiden koon vuoksi ja koska näihin invasiivisiin tekniikoihin liittyy suuri komplikaatioriski. Ei-invasiiviset seurantatekniikat, jotka mahdollistavat kriittisten hemodynaamisten tilojen havaitsemisen, ovat erittäin kiinnostavia tässä populaatiossa.

   FORE-SIGHT™ on ei-invasiivinen työkalu aivokudoksen happisaturaation mittaamiseen. Aivokudoksen happisaturaation (SctO2) arvot ovat tärkeitä kliinikoille, koska aivohypoksia (aivokudoksen hapenpuute) on yksi tärkeimmistä aivovaurioiden syistä, joita esiintyy monissa kirurgisissa ja kliinisissä tilanteissa. FORE-SIGHT™-aivooksimetri käyttää optisesti perustuvaa Near Infra-Red Spectroscopy (NIRS) -tekniikkaa absoluuttisen SctO2:n tarkkailuun. Se toimii projisoimalla vaaratonta lähi-infrapunavaloa päänahan ja kallon läpi ja aivoihin potilaan otsassa olevan kertakäyttöisen anturin kautta. Laite mittaa valon, joka palautetaan anturin ilmaisimiin, ja analysoi nämä tiedot patentoitujen algoritmien avulla määrittääkseen aivokudoksen absoluuttisen happisaturaatiotason. FORE-SIGHT™ on suunniteltu tarkkailemaan SctO2:ta jatkuvasti, ja se tarjoaa lääkäreille mahdollisuuden puuttua asiaan ennen kuin aivovaurioita tapahtuu. Monitori on tällä hetkellä osa sydän- ja keuhkoputken ohituksen saavien lasten standardiseurantaa leikkaussalissa, ja sitä jatketaan usein postoperatiivisessa vaiheessa Leuvenin yliopistosairaaloiden lasten tehohoitoyksikössä (PICU).

   Useat tutkimukset ovat osoittaneet SctO2-monitoroinnin mahdollisia etuja perioperatiivisessa vaiheessa sydän- tai vatsaleikkauksen jälkeen aikuisilla [1,2,3,4] sekä lapsilla, joille tehdään synnynnäisten sydänvikojen kirurgisia korjauksia [5,6] ,7]. Matalat SctO2-arvot liittyvät huonompaan lopputulokseen ja vastaavat muiden monitorien tietoja, jotka osoittavat, että aivojen happipitoisuus on silloin riittämätön. Erityisesti alle 55 %, 60 % ja 65 % SctO2-desaturaatioiden kesto ennustaa leikkauksen jälkeisiä komplikaatioita [8]. Nämä tutkimukset ovat kuitenkin analysoineet vain NIRS:n käyttöä välineenä aivojen seurantaan aikoina, jolloin ne ovat suurimmassa vaarassa, monimutkaisen leikkauksen aikana, jossa verenkierto on heikentynyt. Vaikka ei ole näyttöä siitä, että NIRS-tietoihin perustuva päätöksenteko olisi suotuisa potilastuloksen kannalta, monet keskukset käyttävät NIRS:ää seurantavälineenä kirurgisen ympäristön ulkopuolella.

   Koska aivot ovat erittäin herkkiä hapetuksen muutoksille, SctO2:n seuranta saattaa antaa osoituksen kriittisistä muutoksista potilaan hemodynaamisessa tilassa ja siten toimia potilaan yleisen hemodynaamisen tilan monitorina. Tässä tutkimuksessa halutaan tarkastella SctO2-monitoroinnin lisäarvoa sydänleikkauksen jälkeisen leikkauksen jälkeisessä PICU-potilaiden rutiiniseurannassa. Ihannetapauksessa, jotta SctO2-muutosten olisi lisäarvoa, niiden tulisi edeltää hemodynaamisen heikkenemisjaksoa.

   Ennustaminen on tehohoitolääketieteen ytimessä, jossa lääkärit hyödyntävät lääketieteellistä tietämystään ja kaikkea potilaaseen liittyvää tietoa ennakoidakseen muutoksia potilaan tilassa ja antaakseen asianmukaisia ​​(ennaltaehkäiseviä) hoitoja. Tehohoitoyksikkö (ICU) on erittäin tietorikas ympäristö, jossa on useita tietolähteitä, kuten vastaanottotiedot, sairaushistoria, näytteiden laboratorioanalyysit, lääkitys- ja hoitotiedot sekä elintoimintojen seuranta. Potilastietojen hallintajärjestelmä (PDMS) (MetaVision®, iMD-Soft®, Boston, MA) asennettiin teho-osastollemme helmikuusta 2006 alkaen. Tämä PDMS-ohjelmisto kerää ja integroi automaattisesti tiedot useista tietolähteistä. Yksi eduista, kun kaikki potilastiedot ovat integroidussa muodossa, on se, että ne voidaan helposti analysoida käyttämällä laskennallisia tekniikoita yleensä ja tiedon louhintaa erityisesti. Nämä tekniikat hyödyntävät suurten tietokantojen tietoja luodakseen automaattisesti malleja, joita voidaan käyttää ennustamiseen (esim. ennustamaan potilaan eloonjäämistodennäköisyyttä teho-osastolla). Aikaisemmissa tutkimuksissamme tutkimusryhmämme on osoittanut korkeat ennustussuoritukset kuin mitä voidaan saada tehohoidon tiedonlouhintamalleilla.

   Tässä tutkimuksessa hyödynnämme tiedonlouhintatekniikoita arvioidaksemme SctO2-seurannan ennustevoimaa PICU-potilaan tulevan hemodynaamisen heikkenemisen varalta sydänleikkauksen jälkeen analysoimalla PDMS:ssä, mukaan lukien FORE-SIGHT™ NIRS, kerättyjä tietoja.

2. Hankkeen tavoitteet

   • Arvioida FORE-SIGHT™ NIRS -signaalin riippumaton ennustevoima kriittisesti sairaiden imeväisten ja lasten tulevan hemodynaamisen heikkenemisen kannalta leikkauksen jälkeisessä vaiheessa sydänleikkauksen jälkeen.

   • Arvioida FORE-SIGHT™ NIRS -signaalin ennustevoimaa kriittisesti sairaiden imeväisten ja lasten lopputuloksen osalta sydänleikkauksen jälkeisessä postoperatiivisessa vaiheessa.

3. Opintojen suunnittelu

Prospektiivinen, havainnollinen, ei-interventiotutkimus. Kaikkia tukikelpoisia lapsia seurataan FORE-SIGHT™-laitteella sisäänpääsystä siihen asti, kunnes he vieroittuvat koneellisesta ventilaatiosta. Tyypillisesti Leuvenin yliopistollisten sairaaloiden PICU:hun sydänleikkauksen jälkeen otettuja potilaita ventiloidaan koneellisesti 12 tunnin ja kahden viikon välillä [8].

FORE-SIGHTTM SctO2-signaali sokennetaan vuodelääkärille ja tallennetaan PDMS-järjestelmään analysointia varten. Ensimmäisiä 20 minuuttia teho-osastolle saapumisen jälkeisiä tietoja ei käytetä analysointiin, koska tänä aikana potilas tyypillisesti stabiloituu uuteen ympäristöön kuljetuksen jälkeen, eivätkä tiedot sen vuoksi ole tyypillisiä teho-osastolla oleskelulle.

Näiltä potilailta saatuja tietoja käytetään analyyseihin ja ennakoivien mallien luomiseen. Tietojen analysointiin käytetään kopiota PDMS-tietokannasta, kun kaikki potilaiden henkilöllisyyteen viittaavat tiedot on poistettu. Tiedonlouhintamallit, kuten yksinkertaiset logistiset regressiomallit, mutta myös kehittyneemmät koneoppimistekniikat (tietokonealgoritmilla automaattisesti opitut mallit, kuten päätöspuumallit [9], Bayes-verkot, Gaussin prosessit, tukivektorikoneet jne.) arvioida FORE-SIGHT™-signaalin riippumaton ennusteteho rutiininomaisesti valvottujen tietojen suhteen.

1. FORE-SIGHT™ tulevan hemodynaamisen epävakauden havaitsemiseen varhaisessa vaiheessa.

Ensin rakennetaan malleja, jotka arvioivat FORE-SIGHT™-signaalin riippumattoman ennustusvoiman hemodynaamisen epävakauden jaksojen havaitsemiseksi 10 minuuttia etukäteen.

Koska sydämen minuuttitilavuutta ei mitata suoraan invasiivisesti lapsilla, tällaisesta episodista on osoituksena epäsuorat merkit. Jos yksi tai useampi seuraavista kriteereistä täyttyy, tämän katsotaan olevan hemodynaamisen epävakauden episodi.

1. Hemodynaaminen seuranta • Syke >160 tai <90, vähintään 5 minuuttia peräkkäin • Systolinen verenpaine < 55 (vauvoille) tai < 65 (lapsille) , vähintään 5 minuuttia peräkkäin

2. Hoitopisteen laboratorioanalyysi

   • Laskimokyllästys (SvO2) <55 (kun syanogeeninen kardiopatia) tai <65 (kaikilla muilla potilailla)

   • Laktaatti > 2 mmol/L valtimoveren kaasunäytteenotossa

3. Kliininen havainto • Virtsan eritysnopeus < normaali 0,5 ml/kg/h 2 peräkkäisen tunnin aikana

2. FORE-SIGHT™ tuloksen ennustamiseen. Toiseksi rakennetaan malleja arvioimaan, ennustaako FORE-SIGHT™-signaali sairaalan ja teho-osaston oleskelun kestoa (LOS), kuolleisuutta ja (invasiivisen tai ei-invasiivisen) mekaanisen hengityslaitteen tuen kestoa.

Kahden ennakoivan tehtävän ennustavan suorituskyvyn arvioimiseksi käytetään seuraavia tilastoja: positiivinen ennustearvo, ROC-käyrän alla oleva alue (AUROC), Hosmer-Lemeshow-tilasto, kalibrointi suuressa, kalibrointi- kaltevuus ja Brier-pisteet.

Positiivinen ennustearvo on oikein luokiteltujen positiivisten tapausten osuus. Se kuvastaa todennäköisyyttä, että positiivinen tulos vastaa taustalla olevaa sairautta, jota testataan.

AUROC mittaa mallin kykyä erottaa positiiviset ja negatiiviset tapaukset. Yleensä AUROC arviointina on parempi kuin tarkkuus, koska se mahdollistaa negatiivisen ilmentymän virheellisen luokittelun positiiviseksi mahdollisesti erilaiset kustannukset tai vastaavasti mallin herkkyyden ja spesifisyyden välisen kompromissin.

Hosmer-Lemeshow-tilastoa, suuren kalibrointia ja kalibrointikulmaa käytetään määrittämään, onko malli hyvin kalibroitu. Nämä testit arvioivat, vastaavatko havaitut tapahtumatiheydet väestön alaryhmien odotettuja tapahtumia. Mallit, joiden odotetut ja havaitut tapahtumat alaryhmissä ovat samanlaisia, sanotaan olevan hyvin kalibroituja.

Mallin kokonaissuorituskykyä arvioidaan Brier Score -arvolla ja sen normalisoidulla versiolla, Brier Scaled Score -arvolla. Tarkoilla malleilla on alhainen yleinen ennustevirhe ja siksi alhainen Brier-pistemäärä (kunkin tehtävän perustapausarvon alapuolella).

4 Tutkimuspopulaatio

Kaikki alle 12-vuotiaat lapset, jotka on otettu Leuvenin yliopistollisten sairaaloiden PICU:hun sydänleikkauksen jälkeen, ovat kelvollisia tutkimukseen, jos he täyttävät seuraavat osallistumiskriteerit:

• Mekaanisesti tuuletettu teho-osastolle saapumisen yhteydessä tai intuboitu saapumisen jälkeen
• Valtimolinja paikallaan.
• Odotetaan viipyvän vähintään 24 tuntia PICU:ssa.

Potilaat, joilla on todellinen tai mahdollinen aivovaurio, kuten traumaattisen aivovamman saaneet potilaat, potilaat, joilla on aivokasvaimet, tai potilaat kardiopulmonaalisen elvytyshoidon jälkeen, eivät sisälly tähän. Potilaat, joilla on sairaus tai haava, joka estää otsaanturin sijoittamisen, eivät myöskään kuulu tähän.

Tutkimus kerää tietoja 1,5 vuoden ajalta. Rekrytoidaan 300 vakavasti sairasta lasta. Noin 20 %:lla PICU-potilaista ilmenee kliinisiä heikkenemistapahtumia, ja kun keskimääräinen (IQR) oleskeluaika on 3 (2–7) päivää [8] ja vähintään yksi tapahtuma päivässä, odotamme vähintään 180 kliinistä tapahtumaa. vuosittaisen väestön heikkeneminen. Aikaisemmista tutkimuksista, joissa tapahtui samanlainen tapahtumajakauma [15,16], odotamme malliemme johtavan vähintään 0,8:n herkkyyteen (ja spesifisyyteen), alfa-virheen ollessa 5 % ja tilastollisen tehon 80 %.

Tutkimuksella on siksi tarvittava tilastollinen teho havaita FORE-SIGHT™ NIRS -signaalin potentiaali kliinisen huononemisen ennustamisessa.