心不全の心拍数と呼吸数のウェアラブル遠隔モニタリング

心不全 (HF) は管理が困難な状態であり、心不全の悪化による再入院は患者の転帰に悪影響を及ぼし、患者と医療システムの両方に経済的負担をもたらします [Lloyd-Jones, 2010;ヤンシー、2017年。ロス、2009年。チョードリー、2007]。 HF 増悪のより感度の高い予測因子に対する直感的な必要性から、研究者は可能な答えとしてリモート モニタリングを検討するようになりました。 消費者が所有するセンサーは、バイタル サインの記録においてより正確になっているため、リモート モニタリングの可能性を秘めている可能性があります [Dickinson, 2018]。 心拍数 (HR) と呼吸数 (RR) を組み合わせた測定値は、ニューヨーク心臓協会 (NYHA) の心疾患の重症度の指標である HF クラスを、マルチセンサー監視機能を備えた埋め込み型心臓デバイスで予測することが示されています [Auricchio 、2014;プラスン、2019年。ベーマー、2015年。ベーマー、2017]。 交感神経自律神経機能の尺度である心拍変動 (HRV) も、有害な心臓イベントの予測における可能性を示しています [Al-Zaiti, 2019;シェーファー、2017年。ブリンガ、2005年。辻、1996]。

Fitbit に似たウェアラブル ストラップである WHOOP デバイスは、リアルタイムの HR モニタリングを可能にし、呼吸性洞性不整脈を使用して RR を決定できます [www.whoop.com/experience; ベリーヒル、2020]。 これは、心拍数と呼吸数をリアルタイムで正確に追跡できる市場で数少ないデバイスの 1 つであり (活動中)、活動追跡用の多方向加速度計が装備されています。 WHOOP デバイスは最近、睡眠追跡のための睡眠ポリグラフと連続脳波図 (EEG)、および HR と HRV のための連続心電図 (ECG) に対して (5% 未満の誤差で) 外部で検証されました [Berryhill, 2020]。 交感神経系と副交感神経系のバランスを表す HRV は、心臓イベントの既知の予測因子です。 これは、HRV の低下につながるカテコールアミンの慢性的な上昇状態である HF で特に有用であり、疾患の重症度の指標である NYHA HF クラスに関連付けられています [Bullinga、2005;辻、1996]。

心臓埋め込み型電子デバイス (CIED) を使用した遠隔生理学的モニタリングの有効性に関するこれまでのデータは、理論的には有望ですが、HF 増悪の検出において感度が高いことはまだ証明されていません。 CLEPSYDRA 研究の目的は、HF 患者における除細動 (CRT-D) 装置を用いた埋め込み型心臓再同期療法から抽出されたデータを使用して、心不全イベントを予測することでした。新しいアルゴリズムで使用される主な変数である分時換気量と患者の活動は、直感的に予後不良/HF 増悪の予測因子のように見えますが、イベントを予測するアルゴリズムの感度はわずか 34% でした [6]。 この変数の組み合わせは、心不全の有害事象を予測するには不十分であると思われます。 しかし、HOME-CARE (HOME Monitoring in CArdiac Resynchronization Therapy) 研究では、埋め込み型 CRT-D からの 7 つの診断変数を利用した強化された予測因子が 65.4% の感度を誇っていたため、より有望な結果が示されました [Sack, 2011]。 これらの研究のデータは役に立ちますが、HF クラスの正確な予測因子を適切に特定して評価できる研究はありません。

現在の有効な管理戦略は、血行動態またはマルチセンサー監視システムに限定されています。 ただし、これらは埋め込み型除細動器 (ICD) または心臓再同期療法除細動器 (CRT-D) デバイスでのみ利用できます。 これらはすべてのHF患者に移植されるわけではありません[Al-Zaiti、2019]。 ウェアラブル デバイスのモニタリングなど、同様のデータを提供する非侵襲的なモニタリングは、リモート モニタリングの恩恵を受ける患者のコホートを拡大し、ハードウェアを埋め込むリスクを回避します。 さらに、心不全の重症度のより良い予測は、フォローアップケアの指針となり、心不全イベントの予測に役立つ可能性があります [Boehmer, 2015;ベーマー 2017]。 これにより、管理がより効率的になり、再入院が減り、心不全患者全体の転帰が改善される[Dickinson, 2018]。

治験責任医師らは、HF 患者のフィージビリティ スタディを提案して、HF の病状をより適切に評価し、管理を支援し、転帰を改善することができます。 被験者は、アクティビティと HR パラメータの両方を測定し、呼吸性洞性不整脈を使用して RR を導出できる WHOOP デバイスを 90 日間着用します。 この期間中、HR と RR は安静時、活動中および活動後の回復段階で記録されます。 この HR/RR の組み合わせ測定は、マルチセンサー監視機能を備えた埋め込み型デバイスで、疾患の重症度の指標である NYHA HF クラスを予測することが示されています。したがって、HF 患者の有用な管理戦略を表しています [Bullinga、2005;辻、1996]。 手首に装着する WHOOP デバイスなどの継続的な外部モニタリング デバイスは、以前はこの方法でモニタリングできなかった HF 患者のコホートに貴重な生理学的データを提供します。 この研究の二次分析では、入院率の予測因子としての活動中および活動後の HR および RR の使用を調査します。