心不全患者の遠隔監視のためのデジタルヘルスプラットフォームの改善 (DHEART)
心不全患者の遠隔監視のためのデジタルヘルスプラットフォームの改善に関する観察研究
調査の概要
詳細な説明
心不全 (HF) は、世界中の何百万もの人々の生活の質に影響を与える、一般的で致命的な臨床症候群です。 HF に苦しむ患者の 17% から 45% が最初の 1 年以内に死亡し、残りは 5 年以内に死亡します。 さらに、これらの患者は再入院のリスクが高く、関連する医療費が莫大であり、平均余命が長くなるほど、病気の有病率が高くなります。 HF の症状には一般に、息切れ、過度の疲労、足のむくみが含まれ、これらは代償不全によって悪化する可能性があるため、医療センターへの移動はそのような個人にとってハンディキャップとなります。 遠隔監視技術は、代償不全を早期に特定し、ライフスタイルの変更や投薬をより適切に順守できるようにする実現可能なソリューションを提供します。 スマートフォンによる遠隔監視は、心不全による入院の頻度と期間の両方を減らす可能性を示しましたが、全死因死亡率の減少との関連はありませんでした。 したがって、より効果的で正確な方法論を探す必要があることを示しています。 近年、人工知能 (AI) と組み合わせた患者の生理学的データの毎日のモニタリングを可能にするウェアラブル デバイスの使用は、心血管関連疾患、その有害事象、心不全患者を含む患者の健康状態を予測する上で大きな可能性を示しています。
HumanITcare は、患者の生物医学的測定値が事前に定義された範囲外になったときに健康アラームを送信する、患者のリモート モニタリング用のクラウド プラットフォームとアラーム ベースのシステムを実装しました。 このプラットフォームにより、臨床医や介護者は各患者のデータを調べて異常をチェックする必要がなくなり、意思決定プロセスが加速され、病院への相談が減ります。 しかし、システムは、医療専門家による評価の後、最終的に破棄される多くの単純なアラームを作成しています。 現在のプロジェクトでは、各アラームの関連性に関する注釈を含む患者の臨床データを含む巨大なデータセットを作成するために、観察研究を実行することを提案します。 注釈付きのデータセットを使用して、機械学習 (ML) モデルを実装およびトレーニングし、リモート監視システムとそのアラームベースのシステムをより堅牢で信頼できるものにすることで改善できます。
この調査は、欧州イノベーション評議会 (EIC) が推進する欧州プロジェクトの枠組みで実施されています。 プラットフォームの以前のバージョンは、HF に焦点を当てたトレビエハ病院で 2020 年に実施された研究で検証されました。 この研究の理論的根拠は、人工知能ツールを組み込んでデジタル プラットフォームを最適化するという HumanITcare の目標に沿ったものです。 この研究は、多様でラベル付けされたデータセットの作成と人工知能イベント予測アルゴリズムの開発に焦点を当てていますが、今後の 2 番目の研究では、アルゴリズムの検証に焦点を当てて、アルゴリズムの臨床的有効性を評価します。
これは、ヨーロッパの病院ネットワークを対象とした観察研究です。 この研究は、HumanITcare のデジタル プラットフォームと提供されたデバイス (張力計、ウェアラブル、体重計、酸素濃度計) を使用した継続的な遠隔患者モニタリングで構成されています。 6 か月間、心不全に苦しむ合計 500 人の患者の生理学的定数を監視します。
患者は、適格基準に基づいて研究に含まれ、提供されたインフォームドコンセントを完了する必要があります。 各病院は、特定の臨床診療に応じて、いつ患者を含めるかを決定します(退院計画の過程または最初のフォローアップ訪問中、つまり退院後1週間または2週間)。 募集期間は6ヶ月と定められています。 つまり、患者は開始から 6 か月目まで研究に組み込まれます。 研究に含まれる最後の被験者は、研究の初日から 1 年後に研究を終了します。 各病院の医療関係者が参加者の募集を担当します。 採用率は病院ごとに異なり、月によって変動する場合があります。
調査の主な目的は、ML モデルをトレーニングするためにデータセットを収集することであるため、調査に関連する検出力の計算はありません。 アルゴリズムが開発されると、精度に関するモデルのパフォーマンスが、C 統計、受信機動作特性曲線の下の領域、およびキャリブレーション プロットの作成によって評価されます。 さらに、モデルは、統計的同等性、グループの公平性、均等化されたオッズ、予測的均等性などの指標を使用して、公平性と潜在的なバイアスの観点から評価されます。
研究の種類
入学 (実際)
連絡先と場所
研究場所
-
-
-
Girona、スペイン、17007
- Hospital Universitari de Girona Doctor Josep Trueta
-
-
Alicante
-
Torrevieja、Alicante、スペイン、03186
- Hospital Universitario de Torrevieja
-
-
Girona
-
Figueres、Girona、スペイン、17600
- Hospital de Figueres
-
-
Toledo
-
Talavera De La Reina、Toledo、スペイン、45600
- Hospital General Universitario Nuestra Señora del Prado
-
-
-
-
-
Bucharest、ルーマニア、014461
- Hospital Floreasca
-
Bucharest、ルーマニア、020125
- Colentina Hospital
-
-
Galati
-
Galaţi、Galati、ルーマニア、800225
- Hospital of Galati
-
-
参加基準
適格基準
就学可能な年齢
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
包含基準:
- -NYHA機能クラス> = IIの心不全(HF)患者(2021 EUガイドラインによる)。
- -研究登録の30日前または退院計画の過程でHF入院から退院した患者。
- -患者は、入院時にNTproBNP> 1800 pg / mlまたはBNP> 400 pg / mlのいずれかを持っています。
- 患者は、心不全入院中に心エコー検査を受けている必要があります。
- 手順を開始する前に、該当する場合、病院は患者が記入したインフォームド コンセント文書を取得するようにします。
- LVEF(HFrEF、HFmrEF、HFpEF)のレベルに関係なく、すべての患者が対象となります。
除外基準:
- 転移または化学療法が進行中の腫瘍患者
- -他の研究または試験に参加している患者。
- 参加を希望しない患者。
- 150kg以上の患者
- カタロニア語、スペイン語、英語、ポルトガル語、イタリア語、オランダ語、ドイツ語、スウェーデン語、ハンガリー語、ルーマニア語、またはフランス語を使用しない患者。
- 携帯電話をお持ちでない患者様
- インターネットに接続していない患者
- 有能な介護者がいない中等度または重度の認知障害のある患者
- 重篤な精神疾患の患者
- 心臓手術を予定している患者
- -計画された心臓移植またはLVADインプラントを持つ患者
研究計画
研究はどのように設計されていますか?
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
心不全患者を遠隔監視
患者はvitaleraアプリとプラットフォームで監視されます
|
すべての患者は、次のデータを含むラベル付きの多様なデータセットを作成するために遠隔監視されます。 生理学的パラメーター (定期的に測定)、社会人口統計学的データ、危険因子、投薬追跡、患者の症状に関するアンケート、NYHA クラス、臨床的介入、健康アンケートの回答、それぞれのタイムスタンプと MD による注釈を含む分類されたアラーム、および測定範囲パーソナライズされた各アラームとその変更 |
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
データセットに含まれる患者の数
時間枠:6ヶ月
|
データセットには、テレモンタードされているHF患者のデータが含まれます。
この結果は、患者の健康予測のためにMLモデルをトレーニングするためにデータセットを構築するためにデータを使用する患者の数を示しています。
|
6ヶ月
|
|
MLモデルを実装して、作成されたデータセットを使用して現在のアラームベースのシステムを改善する
時間枠:6ヶ月
|
モデルは次のとおりです。 無関係なアラームの数を減らしてパーソナライズされたフォローアップを促進することにより、新しいアラームごとに関連レベルを提供します。 データセットで利用可能な多様な社会人口統計データを考慮して、さまざまな新しい病院で堅牢であり、さまざまなターゲット集団で信頼性が高く公平になります。 |
6ヶ月
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
データベースに含まれるすべての臨床的介入とイベントを追跡する
時間枠:6ヶ月
|
登録された情報を使用して、システムに新しい自己生成アラームを追加するMLイベント予測アルゴリズムを開発および実装します。 これらのアラームは、次の予測する必要があります。 UCI訪問や病院の再入院などの追跡されていない病院の介入。 特定の推定用量による投薬の変化。 死亡率などの臨床イベント。 |
6ヶ月
|
|
デジタルプラットフォームで患者と医療の専門家の満足度を評価する
時間枠:6ヶ月
|
「研究後のユーザビリティアンケート」(PSSUQ)を使用して、研究の終わりにあるデジタルプラットフォームに対する患者および医療専門家の満足度を評価します。
|
6ヶ月
|
|
デジタルプラットフォームアプリの使いやすさを評価するための平均SUSスコア
時間枠:6ヶ月
|
「システムユーザビリティスケール」(SUS)を使用して、調査の最後にあるデジタルプラットフォームの使いやすさを評価します。
SUSは、10項目のアンケートを通じてデジタルプラットフォームの使いやすさを評価するために使用される標準化されたツールです。
各アイテムは、「強く同意しない」(1)から「強く同意する」(5)までの5ポイントのリッカートスケールで評価されます。
0から100のスケール。
スコアが高いほど、使いやすさが向上します。
|
6ヶ月
|
協力者と研究者
スポンサー
捜査官
- 主任研究者:Julio César MD Blázquez、Hospital Universitario de Torrevieja
出版物と役立つリンク
一般刊行物
- Koehler F, Winkler S, Schieber M, Sechtem U, Stangl K, Bohm M, Boll H, Baumann G, Honold M, Koehler K, Gelbrich G, Kirwan BA, Anker SD; Telemedical Interventional Monitoring in Heart Failure Investigators. Impact of remote telemedical management on mortality and hospitalizations in ambulatory patients with chronic heart failure: the telemedical interventional monitoring in heart failure study. Circulation. 2011 May 3;123(17):1873-80. doi: 10.1161/CIRCULATIONAHA.111.018473. Epub 2011 Mar 28.
- Jaarsma T, Arestedt KF, Martensson J, Dracup K, Stromberg A. The European Heart Failure Self-care Behaviour scale revised into a nine-item scale (EHFScB-9): a reliable and valid international instrument. Eur J Heart Fail. 2009 Jan;11(1):99-105. doi: 10.1093/eurjhf/hfn007.
- Scherr D, Kastner P, Kollmann A, Hallas A, Auer J, Krappinger H, Schuchlenz H, Stark G, Grander W, Jakl G, Schreier G, Fruhwald FM; MOBITEL Investigators. Effect of home-based telemonitoring using mobile phone technology on the outcome of heart failure patients after an episode of acute decompensation: randomized controlled trial. J Med Internet Res. 2009 Aug 17;11(3):e34. doi: 10.2196/jmir.1252.
- Roque NA, Boot WR. A New Tool for Assessing Mobile Device Proficiency in Older Adults: The Mobile Device Proficiency Questionnaire. J Appl Gerontol. 2018 Feb;37(2):131-156. doi: 10.1177/0733464816642582. Epub 2016 Apr 11.
- Tripoliti EE, Papadopoulos TG, Karanasiou GS, Naka KK, Fotiadis DI. Heart Failure: Diagnosis, Severity Estimation and Prediction of Adverse Events Through Machine Learning Techniques. Comput Struct Biotechnol J. 2016 Nov 17;15:26-47. doi: 10.1016/j.csbj.2016.11.001. eCollection 2017.
- Authors/Task Force Members:; McDonagh TA, Metra M, Adamo M, Gardner RS, Baumbach A, Bohm M, Burri H, Butler J, Celutkiene J, Chioncel O, Cleland JGF, Coats AJS, Crespo-Leiro MG, Farmakis D, Gilard M, Heymans S, Hoes AW, Jaarsma T, Jankowska EA, Lainscak M, Lam CSP, Lyon AR, McMurray JJV, Mebazaa A, Mindham R, Muneretto C, Francesco Piepoli M, Price S, Rosano GMC, Ruschitzka F, Kathrine Skibelund A; ESC Scientific Document Group. 2021 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure: Developed by the Task Force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology (ESC). With the special contribution of the Heart Failure Association (HFA) of the ESC. Eur J Heart Fail. 2022 Jan;24(1):4-131. doi: 10.1002/ejhf.2333.
- Schiff GD, Fung S, Speroff T, McNutt RA. Decompensated heart failure: symptoms, patterns of onset, and contributing factors. Am J Med. 2003 Jun 1;114(8):625-30. doi: 10.1016/s0002-9343(03)00132-3.
- Brahmbhatt DH, Cowie MR. Remote Management of Heart Failure: An Overview of Telemonitoring Technologies. Card Fail Rev. 2019 May 24;5(2):86-92. doi: 10.15420/cfr.2019.5.3. eCollection 2019 May.
- Koulaouzidis G, Iakovidis DK, Clark AL. Telemonitoring predicts in advance heart failure admissions. Int J Cardiol. 2016 Aug 1;216:78-84. doi: 10.1016/j.ijcard.2016.04.149. Epub 2016 Apr 21.
- Lee S, Chu Y, Ryu J, Park YJ, Yang S, Koh SB. Artificial Intelligence for Detection of Cardiovascular-Related Diseases from Wearable Devices: A Systematic Review and Meta-Analysis. Yonsei Med J. 2022 Jan;63(Suppl):S93-S107. doi: 10.3349/ymj.2022.63.S93.
- Guidi G, Pollonini L, Dacso CC, Iadanza E. A multi-layer monitoring system for clinical management of Congestive Heart Failure. BMC Med Inform Decis Mak. 2015;15 Suppl 3(Suppl 3):S5. doi: 10.1186/1472-6947-15-S3-S5. Epub 2015 Sep 4.
- Muller-Nordhorn J, Roll S, Willich SN. Comparison of the short form (SF)-12 health status instrument with the SF-36 in patients with coronary heart disease. Heart. 2004 May;90(5):523-7. doi: 10.1136/hrt.2003.013995.
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (実際)
研究の完了 (実際)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。