Draagbare bewaking op afstand van hartslag en ademhalingsfrequentie voor hartfalen

Hartfalen (HF) is een uitdagende aandoening om mee om te gaan, waarbij ziekenhuisopname voor HF-exacerbatie een negatieve invloed heeft op de patiëntresultaten en financiële lasten voor zowel de patiënt als het gezondheidssysteem [Lloyd-Jones, 2010; Yancy, 2017; Ross, 2009; Chaudry, 2007]. Een intuïtieve behoefte aan meer gevoelige voorspellers van HF-exacerbaties heeft onderzoekers ertoe gebracht om monitoring op afstand te onderzoeken als een mogelijk antwoord. Sensoren die eigendom zijn van consumenten zijn nauwkeuriger geworden in het registreren van vitale functies en kunnen dus potentieel bieden voor monitoring op afstand [Dickinson, 2018]. Het is aangetoond dat de gecombineerde meting van hartslag (HR) en ademhalingsfrequentie (RR) de HF-klasse van de New York Heart Association (NYHA) voorspelt, een indicator van de ernst van hartaandoeningen, in implanteerbare cardiale apparaten met multi-sensorbewakingsmogelijkheden [Auricchio , 2014; Prasun, 2019; Boehmer, 2015; Boehmer, 2017]. Hartslagvariabiliteit (HRV), een maatstaf voor de sympathische autonome functie, heeft ook potentieel aangetoond bij het voorspellen van ongunstige cardiale gebeurtenissen [Al-Zaiti, 2019; Schaffer, 2017; Bullinga, 2005; Tsuji, 1996].

Het WHOOP-apparaat, een draagbare band vergelijkbaar met een Fitbit, maakt real-time HR-monitoring mogelijk en kan RR bepalen met behulp van respiratoire sinusaritmie [www.whoop.com/experience; Berryhill, 2020]. Het is een van de weinige apparaten op de markt die zowel de hartslag als de ademhaling in realtime (tijdens activiteit) nauwkeurig kan volgen en is uitgerust met een multidirectionele versnellingsmeter voor het volgen van activiteiten. Het WHOOP-apparaat is onlangs extern gevalideerd tegen polysomnografie en continu elektro-encefalogram (EEG) voor slaapregistratie, en continu elektrocardiogram (ECG) voor HR en HRV (met minder dan 5% fout) [Berryhill, 2020]. HRV, dat de balans van het sympathische en parasympathische zenuwstelsel vertegenwoordigt, is een bekende voorspeller van cardiale gebeurtenissen. Het is vooral nuttig bij HF, een chronisch verhoogde catecholaminetoestand die leidt tot een verlaagde HRV en is gekoppeld aan de NYHA HF-klasse, een indicator van de ernst van de ziekte [Bullinga, 2005; Tsuji, 1996].

Gegevens tot dusver over de effectiviteit van fysiologische monitoring op afstand met behulp van cardiale implanteerbare elektronische apparaten (CIED's), hoewel veelbelovend in theorie, zijn nog niet gevoelig gebleken voor de detectie van HF-exacerbaties. Het doel van de CLESYDRA-studie was om gegevens te gebruiken die zijn geëxtraheerd uit geïmplanteerde cardiale resynchronisatietherapie met defibrillatie (CRT-D) apparaten bij HF-patiënten om hartfalen te voorspellen; hoewel de belangrijkste variabelen die in het nieuwe algoritme worden gebruikt, minuutventilatie en patiëntactiviteit, intuïtief voorspellers lijken te zijn van een slechte uitkomst/HF-exacerbatie, was de gevoeligheid van het algoritme om een ​​event te voorspellen slechts 34% [6]. Het lijkt erop dat deze combinatie van variabelen niet voldoende is om ongunstige HF events te voorspellen. Het HOME-CARE-onderzoek (HOME Monitoring in CARdiac REsynchronization Therapy) liet echter meer veelbelovende resultaten zien, aangezien hun verbeterde voorspeller, gebruikmakend van zeven diagnostische variabelen van geïmplanteerde CRT-D's, pochte met een gevoeligheid van 65,4% [Sack, 2011]. Hoewel de gegevens van deze studies nuttig zijn, is geen enkele studie in staat geweest om accurate voorspellers van de HF-klasse adequaat te identificeren en te beoordelen.

De huidige doeltreffende beheersstrategieën zijn beperkt tot hemodynamische of multisensorbewakingssystemen. Deze zijn echter alleen beschikbaar in geïmplanteerde cardioverter-defibrillator (ICD) of cardiale resynchronisatietherapie-defibrillator (CRT-D) apparaten. Deze worden niet bij elke HF-patiënt geïmplanteerd [Al-Zaiti, 2019]. Niet-invasieve monitoring die vergelijkbare gegevens oplevert, zoals monitoring van draagbare apparaten, zou het cohort patiënten vergroten dat baat zou hebben bij monitoring op afstand en zou de risico's van geïmplanteerde hardware vermijden. Bovendien zou een betere voorspelling van de ernst van HF kunnen helpen bij het begeleiden van vervolgzorg en het voorspellen van HF-events [Boehmer, 2015; Böhmer 2017]. Dit zou leiden tot een efficiënter management, minder ziekenhuisopnames en betere resultaten voor HF-patiënten in het algemeen [Dickinson, 2018].

De onderzoekers stellen een haalbaarheidsstudie voor bij HF-patiënten om de ziektestatus van HF beter te beoordelen, wat kan helpen bij het beheer en de resultaten kan verbeteren. Proefpersonen zullen gedurende 90 dagen het WHOOP-apparaat dragen, dat zowel activiteits- als HR-parameters meet en RR kan afleiden met behulp van respiratoire sinusaritmie. Gedurende deze periode worden hun HR en RR geregistreerd in rust, tijdens activiteit en herstelfasen na activiteit. Het is aangetoond dat deze gecombineerde meting van HR/RR de NYHA HF-klasse, een indicator van de ernst van de ziekte, voorspelt in implanteerbare apparaten met multi-sensor bewakingsmogelijkheden; het vertegenwoordigt dus een nuttige managementstrategie bij HF-patiënten [Bullinga, 2005; Tsuji, 1996]. Een continu extern bewakingsapparaat dat om de pols wordt gedragen, zoals het WHOOP-apparaat, zou waardevolle fysiologische gegevens opleveren voor een cohort van HF-patiënten die voorheen niet op deze manier konden worden gecontroleerd. Secundaire analyse van deze studie zal het gebruik van intra- en post-activiteit HR en RR onderzoeken als voorspellers van ziekenhuisopnamecijfers, een veelvoorkomend probleem bij HF-patiënten dat correleert met slechtere mortaliteitsuitkomsten.