- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT06097052
Hypotension ennustavan indeksin vaikutus intraoperatiiviseen hypotensioon haimaleikkauksen aikana. (EHPI-Pan)
Hypotension ennakoivan indeksin vaikutus leikkauksensisäisiin hypotension tapahtumiin ja kestoon haimaleikkauksen aikana. Retrospektiivinen Pre-post Observational Study.
Intraoperatiivinen hypotensio (IOH) on äkillinen kliininen ilmiö, jota esiintyy usein yleisanestesian aikana. IOH:n ehkäisy on yhdistetty vähentyneeseen postoperatiivisten elinvaurioiden ja perioperatiivisten komplikaatioiden esiintyvyyden vähenemiseen. Onkologiset potilaat, joilla on pienentyneet preoperatiiviset fysiologiset varat, voivat olla erityisen alttiita IOH:n haitallisille vaikutuksille, varsinkin kun ne altistuvat pitkittyneelle leikkausajan pituudelle, kuten haimaleikkauksen saaville potilaille.
Tutkijat pyrkivät tutkimaan sellaisen uuden tekniikan käyttöönottoa, joka pystyy ennustamaan hypotensiivisiä tapahtumia (Hypotension Predictive Index, HPI Acumen™) sen vaikutuksista IOH:n esiintymiseen ja rasitukseen haimaleikkauspotilailla. Tutkijat rekisteröivät potilaita ennen HPI-seurannan käyttöönottoa ja sen jälkeen. Lisäksi tutkitaan eroja postoperatiivisissa tuloksissa ja perioperatiivisissa komplikaatioissa ennen ja jälkeen populaatioiden välillä.
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
Intraoperatiivinen hypotensio (IOH) on suhteellisen yleinen tapahtuma leikkauksen aikana, ja se tapahtuu äkillisesti ja usein ilman varoitusmerkkejä. IOH:n ennustaminen auttaisi lääkäreitä luomaan nopean vasteen, mikä vähentää hypotensiivisten tapahtumien määrää ja hypotension kokonaisaikaa.
Historiallisesti IOH:n hallinta on ollut reaktiivista huolimatta kehittyneiden valtimoiden aaltomuoto-analyysijärjestelmien käyttöönotosta, jotka tarjoavat useita kardiovaskulaarisia parametreja (valtimopaine, sydämen minuuttitilavuus, dynaamiset indeksit), jotka mahdollistavat edistyneen intraoperatiivisen hemodynaamisen seurannan (FloTrac™, Edwards Lifesciences Corp., Irvine). , USA). Tämä muuttui, kun jatkuva verenpaineaaltojen staattisten ja dynaamisten piirteiden erottaminen yhdistettynä koneoppimismenetelmään osoittautui hyödylliseksi tunnistamaan erityisiä allekirjoituksia, jotka liittyvät kompensaatiomekanismien tulevaan loppuun. Sovittamalla nämä ominaisuudet matemaattiseen malliin tuli saataville helposti tulkittava hypotension ennustava indeksi (Acumen™ HPI – Edwards Lifesciences, Irvine, CA), joka voi ennustaa IOH:n jopa 15 minuuttia ennen kliinistä tapahtumaa. HPI ilmaistaan alueella 0-100, mitä suurempi luku, sitä suurempi on hypotensiivisen tapahtuman todennäköisyys ja sitä lyhyempi aika. Siksi valtimoiden aaltomuotoanalyysin ja HPI:n yhdistäminen voi tarjota oikea-aikaisia ennusteita ja tavoitteellisia hoitosuunnitelmia, jotka perustuvat IOH:n taustalla olevaan erityiseen mekanismiin, kuten suhteellinen hypovolemia, tilapäinen vasoplegia tai vähentynyt inotropismi.
Useat tutkimukset ovat osoittaneet, että IOH:lla on suuri vaikutus leikkauksen jälkeisiin tuloksiin, ja verenpaineen tiukka hallinta voi olla tärkeää erityisesti potilailla, joille tehdään suuri leikkaus. Nämä potilaat ovat usein heikkokuntoisia ja heillä on suurempi riski kehittää elinten toimintahäiriöitä, pääasiassa munuaisten vajaatoimintaa ja sydänlihasvaurioita. Futier et ai. raportoi leikkauksen jälkeisen elinten toimintahäiriön riskin pienenemisestä 25 %, kun IOH:ta hoidetaan asianmukaisesti leikkauksen aikana. Lisäksi prospektiiviset tutkimukset osoittivat, että HPI:n käyttö sekä lyhensi hypotension kokonaisaikaa ei-sydänkirurgiassa että vähensi leikkauksen jälkeisiä komplikaatioita ja sairaalahoidon kestoa.
Nämä tutkimukset käsittelivät HPI:n käyttöä sekaväestöryhmissä (ortopedinen kirurgia, neurokirurgia, yleis- ja verisuonikirurgia, ENT-kirurgia), mutta leikkauksen kesto ja tyyppi ovat varmasti kaksi päätekijää, jotka vaikuttavat IOH:n esiintymiseen ja vaikeusasteeseen. Ei-sydänleikkauksista suuri haimaleikkaus on yleensä monimutkainen ja pitkäkestoinen. Keskuksessamme noin 180 potilasta käy vuosittain suuren haimaleikkauksen läpi ja kokemuksemme mukaan nämä potilaat ovat usein heikkokuntoisia ja heikentyneet fysiologiset varat leikkauksen aikaan. Lisäksi leikkauksen jälkeiset komplikaatiot, mukaan lukien verenvuoto, sepsis, sappi-digestiiviset fistelit ja akuutti munuaisvaurio, ovat yleisiä tässä tilanteessa. Näistä syistä tutkijat uskovat, että potilaat, joille tehdään suuri haimaleikkaus, ovat erinomainen malli HPI:n tehokkuuden arvioimiseen verrattuna pelkkään FloTrac™-hoitoon, koska he voivat hyötyä kehittyneistä hemodynaamisista seuranta- ja IOH-ennustetyökaluista.
Tämän tutkimuksen tavoitteena on arvioida, hyötyvätkö haimaleikkauksen saaneet potilaat IOH:n varhaisesta ennustamisesta ja kohdennetusta hoidosta HPI-ohjelmistolla verrattuna tavoitteelliseen hemodynaamiseen lähestymistapaan, jossa käytetään FloTrac™-seurantajärjestelmää. Tutkijat aikovat tutkia IOH:n esiintymistä HPI:n kanssa ja ilman sitä verrattuna FloTrac™-seurantajärjestelmään. Lisäksi tutkimuksen tavoitteena on arvioida, johtaako HPI-ohjelmiston sisällyttäminen intraoperatiiviseen hemodynaamiseen hallintaprotokollaan parempaan intraoperatiiviseen kardiovaskulaariseen vakauteen ja parempiin kliinisiin tuloksiin. Lopuksi tutkijat haluavat selvittää, korreloiko parannettu kliininen kokemus HPI-ennustusmallilla IOH-asteen kanssa analysoimalla tietoja potilailta, joita hoidettiin vain tällä tekniikalla ajan mittaan.
TUTKIMUSSUUNNITTELU JA VÄESTÖ
Tämä on retrospektiivinen havainnollinen ennen ja jälkeen -tutkimus, jonka tarkoituksena on analysoida tietoja noin 60 elektiivisestä potilaasta, joille tehdään suuri avoin haimaleikkaus. Analyysissa otetaan huomioon vain potilaat, jotka ovat jo allekirjoittaneet tietoisen suostumuksen, joka sisältää perioperatiivisen datan käytön aikaisemmissa meneillään olevissa kliinisissä tutkimuksissa.
Jatkuvaa verenpaineen aaltomuotoa valtimolinjan asettamisen jälkeen (säteittäinen valtimo oli suositeltava valinta) seurattiin kaikilla potilailla anestesian induktion jälkeen. Maaliskuuhun 2022 asti potilaita seurattiin pelkällä FloTracTM-aaltomuotoanalyysillä, kun taas huhtikuusta 2022 tähän päivään potilaiden hemodynamiikkaa hallittiin HPI-ohjelmistolla. Tutkijat vertaavat kahta kohorttia (Flotrac-ryhmä vs. HPI-ryhmä) arvioidakseen jälkimmäisen teknologian vaikutusta IOH:hon. Keskimääräinen valtimopaine määritellään päämuuttujaksi, joka kuvaa perfuusiopainetta, kun taas sydänindeksiä pidetään hapen toimitusindeksinä (olettaen, että hemoglobiini ja keuhkojen kaasunvaihto ovat normaaleilla alueilla).
ENSISIJAINEN TULOS
Ensisijainen tulos on merkittävä ero MAP:n aikapainotetussa keskiarvossa (TWA) < 65 mmHg näiden kahden ryhmän välillä. TWA-laskenta suoritetaan seuraavan kaavan mukaan: TWA = (hypotension syvyys (mmHg) alle 65 mmHg:n MAP:n × aika minuutteina, joka kului alle MAP:n 65 mmHg) / (leikkauksen kokonaiskesto minuutteina ilmaistuna).
OTEKOON LASKENTA JA TILASTOANALYYSI
Julkaistun kirjallisuuden mukaisesti tutkijat olettivat, että HPI-ohjelmistopohjainen strategia voisi vähentää TWA-MAP:n keskiarvoa < 65 mmHg noin 50 %. Otoskoon laskennassa tutkijat pitivät 1 mmHg:n TWA-MAP:n viitearvona < 65 mmHg potilailla, joita hoidettiin FlotracTM-järjestelmällä (julkaisematon raakadata ekstrapoloitu 10 potilaan kohortista). Jotta voidaan havaita merkittävä ero TWA-MAP:ssa <65 mmHg HPI:n ja Flotrac-ryhmän välillä (0,5 mmHg keskihajonnan ollessa 0,4 mmHg), tutkimuksessa vaaditaan 14 tapauksen otoskoko kustakin ryhmästä, jotta saavutetaan 90 % teho ja 5 % merkitsevyystaso (kaksisuuntainen). Otoskoon laskenta suoritettiin Statulator-tilastolaskimella.
Perustason demografisten ja kliinisten tietojen kuvaavat tilastot suoritetaan seuraavasti: jatkuvat muuttujat ilmaistaan keskiarvona ± SD tai mediaani ja IQR riippuen jakautumisen normaalista. Kategoriset muuttujat ilmaistaan absoluuttisina arvoina ja prosentteina.
Tilastolliset erot perus- ja toissijaisissa tuloksissa analysoidaan käyttämällä paritonta Studentin t-testiä tai Mann-Whitney-testiä riippuen jakauman normaalista. Diskreettien muuttujien vertailuun käytetään Chi-neliö- tai Fisher-tarkkoja testejä. Monimuuttujaanalyysi tehdään regressiomalleja käyttäen. P-kriittinen arvo asetetaan arvoon 0,05. Tilastollinen analyysi suoritetaan Stata- ja SPSS-ohjelmistoilla. Kaaviot piirretään Prism Graphpad -ohjelmistolla.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Lombardia
-
Rozzano, Lombardia, Italia, 20089
- Istituto Clinico Humanitas
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- 18-vuotiaat tai vanhemmat.
- Koehenkilöt, joille on suunniteltu suuri avoin haimaleikkaus.
- Koehenkilöt, joita seurataan FloTrac- tai HPI-invasiivisella valtimoverenpainemittauksella.
- Kokonaisleikkausaika > 360 min.
Poissulkemiskriteerit:
- 90-vuotiaat tai vanhemmat
- Kohteet, jotka on luokiteltu ASA IV/V/VI
- Kohteet, joille tehdään kiireellinen tai hätäleikkaus
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
FloTrac
Kohde sai standardin kehittyneen hemodynaamisen monitoroinnin.
Hypotensiiviset jaksot hoidettiin reaktiivisella lähestymistavalla.
|
|
|
HPI
Koehenkilöitä seurattiin käyttämällä hypotensiota ennustavaa indeksiä yhdistettynä tavanomaiseen kehittyneeseen hemodynaamiseen seurantaan.
Hypotensiiviset jaksot hoidettiin ennakoivalla lähestymistavalla.
|
Hypotension käyttöönotto Ennustava indeksi ja siirtyminen reaktiivisesta proaktiiviseen intraoperatiivisen hypotension hoidon lähestymistapaan.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Keskimääräisen valtimopaineen aikapainotettu keskiarvo < 65 mmHg
Aikaikkuna: intraoperatiivinen
|
MAP-kynnyksen alapuolella oleva pinta-ala 65 mmHg normalisoitu leikkauksen kokonaiskestolle minuutteina
|
intraoperatiivinen
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Keskimääräinen intraoperatiivinen keskimääräinen valtimopaine
Aikaikkuna: intraoperatiivinen
|
Keskimääräinen intraoperatiivinen MAP
|
intraoperatiivinen
|
|
Hypotensiivisten tapahtumien esiintymistiheys
Aikaikkuna: intraoperatiivinen
|
Hypotensiivisten tapahtumien määrä (MAP < 65 mmHg yli 1 minuutin ajan) leikkaustuntia kohden
|
intraoperatiivinen
|
|
Keskimääräinen absoluuttinen aika keskimääräisen valtimopaineen aikana < 65 mmHg
Aikaikkuna: intraoperatiivinen
|
Hypotensiossa vietetty aika (MAP < 65 mmHg yli 1 minuutin ajan)
|
intraoperatiivinen
|
|
Keskimääräisen valtimopaineen aikapainotettu keskiarvo < 55 mmHg
Aikaikkuna: intraoperatiivinen
|
MAP-kynnyksen alapuolella oleva pinta-ala 55 mmHg normalisoitu leikkauksen kokonaiskestolle minuutteina
|
intraoperatiivinen
|
|
Keskimääräisen valtimopaineen aikapainotettu keskiarvo > 100 mmHg
Aikaikkuna: intraoperatiivinen
|
MAP-kynnyksen yläpuolella oleva alue 100 mmHg normalisoituna leikkauksen kokonaiskestolle minuutteina
|
intraoperatiivinen
|
|
Aivohalvaustilavuusindeksin esiintymistiheys < 35 ml/m2
Aikaikkuna: intraoperatiivinen
|
SVI < 35 ml/m2 tapahtumien määrä (SVI < 35 ml/m2 yli 1 min) tunnissa
|
intraoperatiivinen
|
|
Keskimääräinen absoluuttinen aika iskutilavuusindeksin aikana < 35 ml/m2
Aikaikkuna: intraoperatiivinen
|
SVI < 35 ml/m2 tapahtumissa vietetty aika (SVI < 35 ml/m2 yli 1 minuutin ajan)
|
intraoperatiivinen
|
|
Keskimääräisen valtimopaineen yleinen yleinen todellinen vaihtelu
Aikaikkuna: intraoperatiivinen
|
Kaikkien keskimääräisten valtimopainemittausten muutosten absoluuttisen arvon summa jaettuna kokonaisleikkausajalla
|
intraoperatiivinen
|
|
Leikkauksen jälkeisen teho-osaston vastaanottotiheys
Aikaikkuna: Jopa 30 päivää leikkauksen jälkeen
|
Leikkauksen jälkeisen teho-osaston vastaanottotiheys
|
Jopa 30 päivää leikkauksen jälkeen
|
|
Sairaalassa oleskelun pituus
Aikaikkuna: Jopa 30 päivää leikkauksen jälkeen
|
Sairaalassa oleskelun pituus
|
Jopa 30 päivää leikkauksen jälkeen
|
|
Leikkauksen jälkeisten komplikaatioiden määrä
Aikaikkuna: Jopa 30 päivää leikkauksen jälkeen
|
Komplikaatioiden ilmaantuvuus ja taakka Calvin-Dindo-luokituksen mukaan
|
Jopa 30 päivää leikkauksen jälkeen
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Federico Piccioni, Istituto Clinico Humanitas
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Wesselink EM, Kappen TH, Torn HM, Slooter AJC, van Klei WA. Intraoperative hypotension and the risk of postoperative adverse outcomes: a systematic review. Br J Anaesth. 2018 Oct;121(4):706-721. doi: 10.1016/j.bja.2018.04.036. Epub 2018 Jun 20.
- Futier E, Lefrant JY, Guinot PG, Godet T, Lorne E, Cuvillon P, Bertran S, Leone M, Pastene B, Piriou V, Molliex S, Albanese J, Julia JM, Tavernier B, Imhoff E, Bazin JE, Constantin JM, Pereira B, Jaber S; INPRESS Study Group. Effect of Individualized vs Standard Blood Pressure Management Strategies on Postoperative Organ Dysfunction Among High-Risk Patients Undergoing Major Surgery: A Randomized Clinical Trial. JAMA. 2017 Oct 10;318(14):1346-1357. doi: 10.1001/jama.2017.14172.
- Salmasi V, Maheshwari K, Yang D, Mascha EJ, Singh A, Sessler DI, Kurz A. Relationship between Intraoperative Hypotension, Defined by Either Reduction from Baseline or Absolute Thresholds, and Acute Kidney and Myocardial Injury after Noncardiac Surgery: A Retrospective Cohort Analysis. Anesthesiology. 2017 Jan;126(1):47-65. doi: 10.1097/ALN.0000000000001432.
- 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.
- Wijnberge M, Geerts BF, Hol L, Lemmers N, Mulder MP, Berge P, Schenk J, Terwindt LE, Hollmann MW, Vlaar AP, Veelo DP. Effect of a Machine Learning-Derived Early Warning System for Intraoperative Hypotension vs Standard Care on Depth and Duration of Intraoperative Hypotension During Elective Noncardiac Surgery: The HYPE Randomized Clinical Trial. JAMA. 2020 Mar 17;323(11):1052-1060. doi: 10.1001/jama.2020.0592.
- Augustin T, Burstein MD, Schneider EB, Morris-Stiff G, Wey J, Chalikonda S, Walsh RM. Frailty predicts risk of life-threatening complications and mortality after pancreatic resections. Surgery. 2016 Oct;160(4):987-996. doi: 10.1016/j.surg.2016.07.010. Epub 2016 Aug 18.
- Frassanito L, Giuri PP, Vassalli F, Piersanti A, Longo A, Zanfini BA, Catarci S, Fagotti A, Scambia G, Draisci G. Hypotension Prediction Index with non-invasive continuous arterial pressure waveforms (ClearSight): clinical performance in Gynaecologic Oncologic Surgery. J Clin Monit Comput. 2022 Oct;36(5):1325-1332. doi: 10.1007/s10877-021-00763-4. Epub 2021 Oct 7.
- Pecorelli N, Capretti G, Sandini M, Damascelli A, Cristel G, De Cobelli F, Gianotti L, Zerbi A, Braga M. Impact of Sarcopenic Obesity on Failure to Rescue from Major Complications Following Pancreaticoduodenectomy for Cancer: Results from a Multicenter Study. Ann Surg Oncol. 2018 Jan;25(1):308-317. doi: 10.1245/s10434-017-6216-5. Epub 2017 Nov 7.
- Schneck E, Schulte D, Habig L, Ruhrmann S, Edinger F, Markmann M, Habicher M, Rickert M, Koch C, Sander M. Hypotension Prediction Index based protocolized haemodynamic management reduces the incidence and duration of intraoperative hypotension in primary total hip arthroplasty: a single centre feasibility randomised blinded prospective interventional trial. J Clin Monit Comput. 2020 Dec;34(6):1149-1158. doi: 10.1007/s10877-019-00433-6. Epub 2019 Nov 29.
- Solares GJ, Garcia D, Monge Garcia MI, Crespo C, Rabago JL, Iglesias F, Larraz E, Zubizarreta I, Rabanal JM. Real-world outcomes of the hypotension prediction index in the management of intraoperative hypotension during non-cardiac surgery: a retrospective clinical study. J Clin Monit Comput. 2023 Feb;37(1):211-220. doi: 10.1007/s10877-022-00881-7. Epub 2022 Jun 2.
- van der Ven WH, Veelo DP, Wijnberge M, van der Ster BJP, Vlaar APJ, Geerts BF. One of the first validations of an artificial intelligence algorithm for clinical use: The impact on intraoperative hypotension prediction and clinical decision-making. Surgery. 2021 Jun;169(6):1300-1303. doi: 10.1016/j.surg.2020.09.041. Epub 2020 Dec 11.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- EHPI-Pan-15/23
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Yhdysvalloissa valmistettu ja sieltä viety tuote
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .