Digitaalinen sydämen äänien diagnostiikka lastipotilailla [DI-SOUND-tutkimus] (DI-SOUND)

Johdanto:

Syntymän yhteydessä esiintyvät sydänsairaudet (CHD) ovat yleisimpiä ihmisten syntymävikoja. Ajoissa diagnosoitu sydämen rakenteelliset poikkeavuudet vastasyntyneillä ja lapsilla liittyvät parempiin tuloksiin yleisessä lasten väestössä. CHD:n sisällä kanavan varassa olevat CHD:t ovat harvinainen ryhmä sydän- ja verisuonimalformaatioita, joilla on heterogeeniset anatomiset piirteet, ja ne jakavat kyvyttömyyden ylläpitää joko keuhkojen (kanavan varassa oleva keuhkoverenkierto) tai systeemisen (kanavan varassa oleva systeeminen verenkierto) verenkiertoa kanavan sulkeutumisen yhteydessä. Esimerkkejä tällaisista tiloista ovat hypoplastinen vasen sydänsyndrooma (esiintyvyys 2/10 000), aortan vakava koarktaatio (esiintyvyys 3/10 000), keuhkovaltimon atresia ehjässä kammioväliseinässä (<1/10 000), kriittinen vastasyntyneen aorttaläpän ahtauma (esiintyvyys ~5/10 000), kriittinen keuhkovaltimon läpän ahtauma (1-5/10 000) ja muut harvinaiset monimutkaisemmat synnynnäiset vauriot. Näissä tapauksissa on välttämätöntä ajoissa varmistaa oikea diagnoosi varmistaakseen kanavan avoimuuden prostaglandiini-infusion kautta ja ohjata potilas hoidettavaksi tertiäärisiin lasten sydän- ja verisuonikeskuksiin.

Nykyinen vastasyntyneiden seulonta CHD:lle perustuu pääasiassa olkavarren ja alaraajojen pulssioksimetrian seulontaan (POS) ja sydämen auskultaatioon. Tällaisen käytännön diagnostinen suorituskyky on rajallinen. POS:ia vaivaa kohtalainen herkkyys, erityisesti jos se suoritetaan elämän ensimmäisten 24 tunnin aikana. Sydämen auskultaatiolla on todennäköisesti vieläkin rajoitetumpi herkkyys, joka vaihtelee 75-85 % välillä.

Vaikka CHD:n esi- ja vastasyntyneiden seulonta on liitetty lisääntyneeseen sairauden tunnistamiseen vastasyntyneillä, merkittävä määrä potilaita ei tunnisteta oikein ja viivästynyt diagnoosi on edelleen läsnä länsimaissa ja vielä enemmän kehitysmaissa.

Sydämen äänien digitaalista käsittelyä diagnostisia tarkoituksia varten on tutkittu viime aikoina aikuisilla ja vanhemmilla lapsilla. Ehdotamme erikoistuneen ohjelmiston kehittämistä sydämen äänien automaattista dikotomista kliinistä luokittelua (normaali vs. poikkeava) vastasyntyneillä varten parantaaksemme rakenteellisten sydänsairauksien tunnistamista tässä väestössä.

Digital dIagnosis of cardiac SOUND in pediatric patients (DI_SOUND) -tutkimuksen tavoitteena on kehittää ja validoida työkalu, jonka yleisenä tavoitteena on parantaa CHD:n tunnistamista vastasyntyneillä.

Tutkimuksen tavoitteet Tavoite 1: Kehittää binäärinen luokitin normaaleille vs. poikkeaville sydämen äänille vastasyntyneillä Tavoite 2: Validoida binäärinen luokitin peräkkäisessä, riippumattomassa vastasyntyneiden kohortissa Tavoite 3: Kustannustehokas analyysi digitaalisesta vs. standardiseulontamenetelmästä CHD:lle vastasyntyneillä

Menetelmät ja tutkimussuunnittelu Tämä on monikeskustutkimus, ja se toteutetaan neljässä lastenkardiologiaohjelmassa Italiassa (IRCCS Azienda Ospedaliero-Universitaria di Bologna, IRCCS Ospedale Pediatrico Bambin Gesù Roma, Azienda Ospedaliero-Universitaria Policlinico Umberto I Roma ja Ospedale Monaldi Napoli) yhdessä insinööriyksikön (Politecnico di Milano) kanssa. Tutkimus koostuu kahdesta peräkkäisestä vaiheesta: johdanto-/koulutusvaiheesta (binäärinen luokittelualgoritmin kehitys, Tavoite 1) ja validointivaiheesta (binäärinen luokittelualgoritmin validointi ja kustannustehokas analyysi Tavoitteet 2 ja 3) (Graafinen tiivistelmä). Tutkimussuunnittelu perustuu SPIRIT 2025 -ohjeistoon. IRB-hyväksyntä on saatu kustakin kliinisestä yksiköstä.

Tutkimuspopulaatio:

Johdantovaihe. Tutkimuspopulaatioon kuuluu vastasyntyneitä, joiden sydän- ja verisuonitila on tiedossa, mukaan lukien vastasyntyneet, joilla on ja joilla ei ole CHD:ta.

Validointivaihe. Tutkimuspopulaatioon kuuluu vastasyntyneitä ilman aiempaa sydän- ja verisuonitutkimusta ja tuntematonta sydän- ja verisuonitilaa. Ennakkotestitodennäköisyys CHD:lle määritellään: korkean riskin vastasyntyneet rakenteellisille sydän- ja verisuonipoikkeavuuksille vs. matalan riskin vastasyntyneet (yleisen väestön riskitaso). Korkean riskin alaryhmään kuuluu vastasyntyneet, joilla on olemassa oleva sikiön ultraäänitutkimus, joka viittaa sydän- ja verisuonipoikkeavuuksiin, ja ne, joilla on kliininen indikaatio lastenkardiologian arviointiin (poikkeava vastasyntyneiden seulonta, merkit/oireet). Matalan riskin alaryhmä (lähestyy potilastason esiintyvyyttä rakenteellisille sydän- ja verisuonipoikkeavuuksille) sisältää peräkkäiset vastasyntyneet, jotka on erityisesti rekrytoitu tätä tutkimustavoitetta varten ja joilla ei ole mitään indikaatiota sydän- ja verisuonitutkimukseen.

Sisällytyskriteerit

• Ikä < 30 päivää
• Allekirjoitettu tietoon perustuva suostumus saatu vanhemmilta tai edustajilta Poissulkemiskriteerit
• Kyvyttömyys hankkia diagnostinen ekokardiogrammi
• Paino alle 1,5 kg

Tutkimusväline:

Sydämen äänet tallennetaan Littmann Core Stetoskoopilla (Eko Software) (3M Company, Minnesota/USA). Digitaaliset tallenteet tallennetaan wav-tiedostoina erilliselle salatulle alustalle tiedonjakamista varten keskuksien välillä.

Jokainen tutkimukseen osallistuva vastasyntynyt käy läpi standardoidun ja täydellisen ekokardiogrammin kokeneiden operaattoreiden toimesta, kuten taulukossa 1 ja täydellisessä tutkimusprotokollassa, joka on lähetetty Online Supplementary Material -materiaalina. Ekokardiografinen arviointi suoritetaan olemassa olevien ohjeiden mukaisesti vastasyntyneiden ekokardiografialle.28 Tutkimukset suoritetaan standardoidulla ja toistettavalla lähestymistavalla (Taulukko 1). Ne tallennetaan digitaaliselle tukialustalle. Anonymisoinnin jälkeen tutkimukset siirretään Ekokardiografian Tutkimuksen Ydinkuvauslaboratorioon muodollista arviointia ja ratkaisua varten.

Verkkopohjainen, salattu Case Report Form luodaan käyttäen IRCCS Azienda Ospedaliero-Universitaria di Bolognan institutionaalista REDCap (Vanderbilt University) -lisenssiä.

Tutkimusmenettely:

Potilaan rekrytointi Johdantovaiheessa vastasyntyneitä ilman CHD:ta rekrytoidaan kotiuttamisen yhteydessä synnytys- ja naistentautiohjelmasta, ja vastasyntyneitä CHD:lla rekrytoidaan sydän- ja verisuonitutkimuksen yhteydessä. Validointivaiheessa peräkkäiset vastasyntyneet rekrytoidaan kotiuttamisen yhteydessä synnytys- ja naistentautiyksiköstä.

Graafinen tiivistelmä yhteenveto tutkimusputkesta. Johdantovaihe Kelpoisten potilaiden seulonnan jälkeen kirjallinen tietoon perustuva suostumus saadaan vanhemmilta tai huoltajilta.

Ensimmäinen ekokardiografinen arviointi tapahtuu postnataalisessa iässä < 30 päivää. Tallennus- ja ekokardiografisen arvioinnin ikä suunnitellaan ei ennen kuin 7 päivää syntymän jälkeisestä elämästä salliaakseen oikean sydän- ja verenkierron siirtymän täydellistymisen terveissä vastasyntyneissä (ts. kanavan sulkeutuminen, keuhkovaltimon uudelleenmuodostus, foramen ovalen fysiologinen shuntti). Ekokardiogrammi linkitetään anonyymiin tunnisteeseen, jota käytetään linkittämään tutkimus potilaaseen rikkomatta potilaan yksityisyyttä. Tutkimus tallennetaan digitaalisesti ja siirretään Ekokardiografian Tutkimuksen Ydinlaboratorioon muodollista tarkistusta varten. Vastasyntyneen sydän- ja verisuonitila merkitään asianmukaisesti olevan sydän- ja verisuonipoikkeavuuksien kanssa tai ilman.

Sydämen ääni tallennetaan digitaalisesti käyttäen hankintalaitteena Littmann Core Stetoskooppia (Eko Software) (3M Company, Minnesota/USA). Sydämen äänijäljet tallennetaan ja varastoidaan wav-muodossa ja salatusti siirretään Bioinsinööritutkimusyksikköön jatkokäsittelyä varten. Vastasyntyneen sydän- ja verisuonitila paljastetaan Bioinsinööritutkimusyksikölle salliaakseen luokittelijan koulutuksen asianmukaisen käsittelyn.

Hankintamenetelmän yksityiskohdat ovat seuraavat:

1. Hankintalaite: Littmann Core Stetoskooppi (Eko Software) (3M Company, Minnesota/USA)
2. Auskultaation sijainti: keskirintakehä. Kevyttä painetta kohdistetaan rintaan, spontaani hengitys, potilaat pidetään mahdollisimman rauhallisina käyttäen äitiyshoitoa ilman mitään sedaatioita
3. Keskimääräinen tallennuskesto: 15 sekuntia Fonokardiografiset signaalit tallennetaan wav-tiedostoina salattuun pilvijärjestelmään siirrettäväksi jatkoanalyysiä varten (Graafinen tiivistelmä). Jäljet käsitellään alustavasti taustamelun poistamiseksi ja segmentoidaan tuottaakseen homogeenisia sopivan viritetyn keston ääninäytteitä. Esikäsittelyn viimeisenä vaiheena suodatetut tallenteet normalisoidaan estääkseen epätasaisuutta poimituissa ominaisuuksissa. Tietojen analyysi toteutetaan sitten manuaalisesti poimittujen ominaisuuksien perusteella. Ominaisuuksien poiminnan päätavoite on tunnistaa pieni määrä edustavia ominaisuuksia, ts. ääninäytteen ominaispiirteitä, jotka korvaavat korkeaulotteiset raakasignaalit säilyttäen silti sen informatiivisen sisällön suhteessa tutkittavaan ilmiöön. Osuvat ominaisuudet syötetään sitten luokittelualgoritmille erottaakseen terveet ja poikkeavat yksilöt. Useita erilaisia tekniikoita käytetään tyypillisesti äänisignaalien ominaisuuksien poimintaan, ja ne voidaan löyhästi ryhmitellä taajuusalueen tekniikoihin (esim. Fast Fourier transform (FFT), Discrete Cosine Transform (DCT), Short Time Fourier transform (STFT)), aika-taajuusalueen tekniikoihin (esim. Linear Frequency Band Cepstral (LFBC), Mel Frequency Cepstrum Coefficients (MFCC) ja linear predictive coding (LPC)) ja aika-alueen tekniikoihin (esim. nollan ylityksen havaitseminen ja huippujen löytäminen). Jokainen näistä tekniikoista tarjoaa kuvaajia ääninäytteen mahdollisesti relevantista ominaisuuksista, joita voidaan käyttää ominaisuuksina tai jatkokäsitellä poimiakseen signaalin korkeamman tason ominaisuuksia (kuten systolen ja diastolen vaihtelu). Maksimoidaksemme tuloksemme robustisuuden vähemmän kuin ihanteellisissa hankintaolosuhteissa, koulutamme luokittelijat käyttäen ominaisuuksia kaikista edellä mainituista alueista ja suoritamme ominaisuusvalintamenettelyn valitaksemme ne ominaisuudet, jotka eniten korreloivat kiinnostuksen kohteena olevan tuloksen kanssa. Harkitsemme mahdollisina luokittelijoina Logistic Regression, AdaBoost, XGBoost, Random Forest, Support Vector Machines ja Hidden Markov Models. Neuroverkkoja voidaan toteuttaa, jos sopivaa ja mahdollista. Seuraamalla standardiparasta käytäntöä, tietojoukko jaetaan koulutusjoukkoon, validointijoukkoon ja testitietojoukkoon. Luokittelijoiden suorituskyvyn arvioimiseksi käytetään K-Fold ristivalidaatiota eri taittolukujen kanssa: 10-fold, 5-fold ja Leave-One-Out-Cross-Validation (LOOCV). LOOCV:ssä taittojen määrä on yhtä suuri kuin tallenteiden määrä. Gini-tärkeys Random Forest -luokittelijoille käytetään työkaluna validoida parametrit, joilla on vähiten ennustavaa kontribuutiota. Kun asianmukainen luokitin on koulutettu, suoritetaan jälkikoulutusanalyysi määrittääkseen tärkeimmät ominaisuudet. Tämän analyysin tarkoitus on tutkia, missä määrin jokainen ominaisuus osallistuu yhden luokan valintaan suhteessa toiseen. Ominaisuuksien relevanssin arviointitekniikoita perustuen SHAP-arvoihin tai permutaatioanalyysiin sovelletaan myös tarkoituksena tarjota asianmukainen selitys mallin päätökselle (Graafinen tiivistelmä).

Validointivaihe Kliininen ohjelmiston validointi (Tavoite 2) Kelpoisten potilaiden seulonnan jälkeen kirjallinen tietoon perustuva suostumus saadaan vanhemmilta tai huoltajilta.

Kliininen seulonta suoritetaan italian lain edellyttämällä tavalla. Preduktaalinen (oikea käsi) happisaturaatio ja postduktaalinen (jalka) happisaturaatio tallennetaan. Fyysinen tutkimus sisältää reisivaltimopulssin havaitsemisen ja sydämen auskultaation.

Kliinisen seulonnan tulosteen kynnyskriteerit on koottu taulukkoon 2. Tässä vaiheessa rekrytoimme potilaita käyttäen lohkostratifikaatiota korkean CHD-riskin vs. matalan (standardin) CHD-riskin tilalle jokaiselle vastasyntyneelle.

Sydämentallenteet hankitaan (30 sekunnin pituus) ennen kattavaa ekokardiografiaa koulutetun tutkimustutkijan toimesta. Tallennus- ja ekokardiografisen arvioinnin ikä suunnitellaan ei ennen kuin 7 päivää syntymän jälkeisestä elämästä salliaakseen oikean sydän- ja verenkierron siirtymän täydellistymisen terveissä vastasyntyneissä (ts. kanavan sulkeutuminen, keuhkovaltimon uudelleenmuodostus, foramen ovalen fysiologinen shuntti).

Ekokardiografia suoritetaan nykyisten ohjeiden mukaisesti asiantuntija lasten sydän- ja verisuonikuvaajan toimesta, joka on sokkoutunut kliinisiin ja digitaalisiin seulontatuloksiin. Alustava havainnoitsijavaihtelu ja sisäinen havainnoitsijavaihtelu keskuksien välillä omistautuneiden asiantuntija sydän- ja verisuonikuvaajien välillä suoritetaan pienessä potilasosajoukossa.

Osuvat anonymisoidut demografiset tiedot, sydän- ja verisuonitila ja osuvat tutkimusmuuttujat tallennetaan salattuun, verkkopohjaiseen, tutkimukseen keskittyvään online-ohjelmistoon.

Digitaalisesti anonymisoidut ekokardiografiset leikkeet siirretään Ekokardiografian Tutkimuksen Ydinlaboratorioon, joka suorittaa tutkimusten lopullisen, muodollisen lukemisen dikotomisoiden potilasväestön normaaleihin ja poikkeaviin tutkimuksiin. Mahdolliset tulkintakonfliktit ratkaistaan konsensuspäätöksellä ja kaikkien yksiköiden sydän- ja verisuonikuvaajien kesken.

Yhtenevyys/eriytyvyysmalli potilaskeskeisten vertailujen välillä digitaalisten ja kliinisten seulontatulosten välillä suoritetaan käyttäen ekokardiografiaa ensisijaisena tuloksen varmistusmenetelmänä (Kuva 1).

Kustannustehokkuuden validointi (Tavoite 3) Tavoite 3 tutkii mahdollisuuksia suoraan vaikuttaa terveydenhuoltoon ja menojen hallintaan digitaalisen seulonnan verrattuna nykyiseen käytäntöön. Tätä tutkimustavoitetta varten kohdeväestö koostuu vain matalan CHD-riskin vastasyntyneistä ilman mitään indikaatiota sydän- ja verisuonitutkimukseen approksimoidakseen valitsemattoman sydän- ja verisuonipoikkeavuuksien esiintyvyyttä yleisessä väestössä.

Estettyjen tarpeettomien tutkimusten määrä digitaalista seulontaa käyttäen ja ohitettujen mahdollisesti tarpeellisten tutkimusten määrä digitaalista seulontaa käyttäen mallinnetaan kiinnostuksen kohteena olevana tuloksena. Disease related group -kansallinen korvaus käytetään mallintamaan vastasyntyneiden digitaalisen seulonnan marginaalinen kustannustehokkuus käyttäen standardihoidon seulontamenetelmää vertailukohtana.

Tilastolliset näkökohdat:

Tietojen keräämismenetelmät Potilastason tiedot (demografia, synnytyshistoria, perhehistoria) kerätään sydämentallenteiden digitaalisen hankinnan yhteydessä ja tallennetaan (kuten aiemmin ilmoitettu) tavalliseen, verkkopohjaiseen, asianmukaisesti salattuun tietokantaan digitaalisella anonymisoinnilla, omistautuneen tutkimushenkilökunnan toimesta. Sydämentallenteiden digitaalinen hankinta hankitaan kuten aiemmin määritelty. Ekokardiografia suoritetaan omistautuneiden kokeneiden lasten sydän- ja verisuonikuvaajien toimesta. Alustava havainnoitsijavaihtelu ja sisäinen havainnoitsijavaihtelu ekokardiografiselle arvioinnille suoritetaan 1 %:ssa kokonaisväestöstä (vaihtelutestauskohortti).

Tilastosuunnitelma Ryhmien välisiä vertailuja kliinisiin ja tuloksen muuttujiin suoritetaan käyttäen independent samples t-test, Wilcoxon rank sum test, chi-square analysis tai Fisher's exact test käyttäen asianmukaisia muuttujakohtaisia nimittäjiä.

Kokeellisen suunnittelun tavoitteelle 1 saatavilla on rajoitetusti tietoja luotettavan teholaskennan rakentamiseksi tässä vaiheessa, mutta odotamme rekrytoivamme 600 potilasta 2:1 sairastuneet:terveet vastasyntyneet -suhteella tässä kokeellisessa vaiheessa.

Erityisiä mahdollisia luokittelijoita tutkitaan spektriominaisuuksissa, kestrelisissä ominaisuuksissa ja aika-alueen ominaisuuksissa. Logistic regression, boosting algorithms (AdaBoost, XGBoost, Random Forest) käytetään. Tietojoukko jaetaan koulutusjoukkoon, validointijoukkoon ja testitietojoukkoon. Luokittelijoiden suorituskyky arvioidaan käyttäen K-Fold ristivalidaatiota eri taittolukujen kanssa. Erilaisia taittotasoja testataan: 10-fold, 5-fold ja Leave-One-Out-Cross-Validation (LOOCV), tavoitteena >95 % herkkyys ja >90 % spesifisyys. Gini-tärkeys Random Forest -luokittelijoille käytetään työkaluna validoida parametrit, joilla on vähiten ennustavaa kontribuutiota.

Gini-tärkeys voidaan määritellä todennäköisyydeksi tehdä väärä luokittelu satunnaisesti valitusta tallenteesta, jos se olisi satunnaisesti merkitty luokkajakaumassa. Random Forestin päätöspuiden koulutuksen aikana jokainen puu on joukko sisäisiä solmuja ja lehtiä. Sisäisessä solmussa valittua ominaisuutta käytetään päätöksessä jakaa tietojoukko kahteen erilliseen haaraan. Ominaisuuden valinta tehdään Gini-epäpuhtauskriteerillä. Ominaisuus, joka tuo suurimman Gini-epäpuhtauden vähennyksen, valitaan sisäisille solmuille. Jopa koulutuksen jälkeen, kuinka jokainen ominaisuus vähentää epäpuhtautta voidaan laskea ja hyväksyä kyseisen ominaisuuden tärkeytenä.

Nettoluokittelun parannusta käytetään pääasiallisena tilastoanalyysinä Kokeelliselle Tavoitteelle 2, käyttäen 'standard of care' -seulontamenetelmää vertailuryhmänä. Herkkyys, spesifisyys, positiiviset ja negatiiviset ennustearvot lasketaan, ja todennäköisyyssuhde analysoidaan. C-statistics käytetään laskemaan uuden validoitujen algoritmin diagnostinen suorituskyky. Bootstrapping käytetään luomaan luottamusvälit.

Kokeellisen suunnittelun tavoitteelle 2 otoskoko laskenta esitetään herkkyydelle. Kiinnittäen alpha-virhe 0.05:een ja tavoitteena 0.9 teho (1-beta-virhe), ~1900 potilasta tarvitaan validoidaksemme ohjelmistomme, jos sairauden esiintyvyys on 0.01. Vastaavasti, riittävän kokoinen riippumaton validointikohortti seulotaan peräkkäin.

Tiedot raportoidaan keskiarvona ± keskihajontana, mediaanina (ensimmäinen ja kolmas kvartiili) tai frekvenssinä (%). Kaikki testit olivat kaksisuuntaisia. P-arvo <0.05 pidettiin merkitsevänä. Vakiotilastoanalyysi suoritetaan käyttäen STATA® 17h Release -tietojen analysointiohjelmistoa (StataCorp LP, College Station, TX).

Keskustelu DI_SOUND-tutkimuksen päätavoite on kehittää ja validoida digitaalinen luokitin vastasyntyneiden sydämen äänille parantaakseen vastasyntyneiden CHD-seulonnan tehokkuutta ja vaikuttavuutta. Nykyinen kliininen vastasyntyneiden seulonta perustuu käden ja jalan happisaturaation lukemiseen yhdessä neonatologin fyysisen tutkimuksen kanssa ennen kotiuttamista vastasyntyneiden arvioinnissa. Sydän- ja verisuonien auskultaatio on historiallisesti merkittävä osa vastasyntyneiden sydän- ja verisuonien seulontaa, mutta sillä on rajoituksia. Nykyisten vastasyntyneiden sydän- ja verisuonien seulontaprotokollien diagnostinen suorituskyky on rajallinen. Mahdolliset tekijät, jotka vaikuttavat seulonnan herkkyyteen, sisältävät: a) esisynnytyksellinen CHD:n tunnistaminen, joka yleensä johtaa keskushoitoon vastasyntyneille sydän- ja verisuonipoikkeavuuksilla, mikä voi vaikuttaa altistumiseen CHD:lla oleville vastasyntyneille yleisen lastenlääkäriasukkaiden ja juniori lastenlääkärihoitajien yhteisön toimesta; b) varhainen postnataalinen kotiuttaminen (yleensä 48-72 tunnin sisällä syntymästä), mikä voi rajoittaa suurten posttrikuspidaalisten shunttien ja monimutkaisten CHD:iden akustisia korrelaatteja jäännöskorkean keuhkovaltimon vastuksen ja varhaisen verenkierron siirtymän yhteydessä; c) vähentynyt kyky suorittaa fyysinen tutkimus kehittyneiden lääketieteellisten teknologioiden yhteydessä. Lisäksi ajoittainen tunnistaminen CHD:lla olevista vastasyntyneistä on erityisen ongelmallista kehitysmaissa, joissa yleinen vastasyntyneiden hoito on vähentynyt ja neonatologien saatavuus on yleensä hyvin rajallinen. Puhtaasti kustannustehokkuusprofiilista, vastasyntyneiden tunnistaminen ja asianmukainen hoito kriittisille (yleensä kanavan varassa oleville) on erittäin suotuisa, koska CHD:n hoito johtaa merkittävään laatuun sopeutettujen elinvuosien lisäykseen jopa kehitysmaissa, joilla on rajalliset terveydenhuoltovarat.

CHD-seulonnalla on myös rajallinen spesifisyys. Tämä yleensä tuottaa merkittävän määrän tarpeettomia vastasyntyneiden sydän- ja verisuonien arviointeja merkittävällä terveydenhuollon tehotonta resurssien käytöllä, perheiden ahdistuksella, pitkittyneellä vastasyntyneiden sairaalahoidolla.

Uskomme, että työkalu, joka on helposti toteutettavissa kaupallisesti saatavilla oleviin digitaalisiin terveydenhuoltoalustoihin, voi olla merkittävästi myönteinen vaikutus CHD:lla olevien vastasyntyneiden hoidossa. Seulonnan herkkyyden parantaminen vähentää "väärän negatiivisten" seulontatulosten määrää mahdollisella suurella vaikutuksella potilasturvallisuuteen, ennusteeseen, potilaan hoitoon, sairaalan logistiikkaan, ja tämä vaikutus voi olla vieläkin voimakkaampi matalan tulotason ympäristöissä, kuten kehitysmaissa tai kaukana olevilla alueilla, joilla on haasteellinen pääsy tertiäärisiin viittauskeskuksiin ja pidempi kuljetusaika.33 Parempi seulonnan spesifisyys vähentää "väärän positiivisten" tulosten määrää positiivisella vaikutuksella terveydenhuoltokustannuksiin, vähentää perheiden ahdistusta ja vastasyntyneiden epämukavuutta. Vielä tärkeämpää, digitaalinen luokitin voidaan helposti toteuttaa telelääketieteen verkkopohjaisiin alustoihin optimoiden seulonnan skaalautuvuuden, tunkeutumisen ja reaalimaailman tehokkuuden.

Rajoitukset Huomattavin rajoitus on luotettavien tietojen puute teholaskennan suorittamiseksi kehitys-/koulutusvaiheessa. Toiseksi, jotkut vakavat CHD:t (muun muassa suurten valtimoiden transpositio ehjässä kammioväliseinässä) voivat olla minimaalisia akustisia korrelaatteja, ja siksi lähestymistapamme voi olla rajallisen tehokas näille vaurioille. Kolmanneksi, kliininen seulontamenetelmä integroi monenlaisia ei-akustisia tietoja, kuten yleinen vastasyntyneen ulkonäkö, hengitysmalli, reisivaltimopulssit, happisaturaatio. On mahdollista, että kliininen seulontamenetelmä voi suoriutua paremmin kuin digitaalinen seulonta tietyille synnynnäisten vaurioiden osajoukoille. Lopuksi, diagnostisen työkalun kehittäminen ja validointi tietyllä maailman alueella voi itsessään olla rajoite, joka vaikuttaa maailmanlaajuiseen yleistettävyyteen.

Johtopäätös DI_SOUND-tutkimuksen yleisenä tavoitteena on muuttaa vastasyntyneiden sydän- ja verisuonien seulontaa hyödyntämällä teknologiaa parantaakseen diagnostista suorituskykyä, edistääkseen telemonitorointiseulonnan maailmanlaajuista tunkeutumista, vähentääkseen terveydenhuoltokustannuksia, parantaakseen potilasturvallisuutta. Tutkimus todistaa, onko digitaalisen luokittimen kehittäminen ja validointi vastasyntyneiden sydämen äänille mahdollista ja kuinka tämä vaikuttaa kliinisiin tuloksiin, potilaan hoitoon, sairaalahoitoihin ja seulonnan tehokkuuteen.