Draagbare sensoren voor deliriumdetectie in een vroeg stadium (WeSen_delirium)

Hypothese en primaire doelstelling Het overkoepelende doel van het geplande onderzoek is het identificeren van op sensoren gebaseerde activiteits- en slaapindicatoren en -patronen (met behulp van de sensoren 'Fitbit Charge 5' en 'Oura ring generatie 3'), die voorafgaan aan een delirium en daardoor kunnen kwalificeren als potentiële voorspellers op persoonsniveau om een ​​voorspellend algoritme te informeren om een ​​zich ontwikkelend delirium in een vroeg stadium te detecteren. Daarnaast is het verduidelijken van de haalbaarheid van het gebruik van dergelijke gegevens voor het onderzoeksdoel van deze studie het tweede doel.

Primaire doelstellingen hebben betrekking op:

1. Sensorgebaseerde profilering van delirium: bepaling van aanvang en beëindiging van delirium; bepaling van sensorprofielen van delirante toestanden in termen van sleutelkenmerken (bijv. frequentie van overgangen tussen rust en inactiviteit, beweging), die stabiel zijn tussen individuen, rekening houdend met discussies over klinische motorische subtypes van delirium.
2. Op persoonsniveau - voorlopers en repercussies: karakteriseren en vergelijken van activiteits- en slaappatronen (bijv. Slaapgebrek, toegenomen beweging tijdens de slaap) afgeleid van wearables-sensoren voorafgaand aan en volgend op een delirium, delirium tot delirium-niet-gerelateerde tijdsperioden bij personen die een delirium doormaakten (d.w.z. 'Kunnen zulke indicatoren/patronen een onderscheid maken tussen perioden in de buurt van een delirium in vergelijking met tijdsperioden die niet gerelateerd zijn aan delirium?').
3. Tussen persoonsniveau - voorlopers en repercussies: het vergelijken van real-time activiteits- en slaappatronen afgeleid van draagbare sensoren tussen personen die een delirium hebben ervaren en degenen die dat niet hebben ervaren (d.w.z. 'Kunnen dergelijke indicatoren/patronen onderscheid maken tussen personen die een delirium ontwikkelen en degenen die dat niet doen?').
4. Ontwikkeling van voorspellende algoritmen: vervolgens identificatie van activiteits- en slaapindicatoren/patronen die kwalificeren als potentiële voorlopers van een delirium (d.w.z. verschillende parameters of hun patronen/interactie) om een ​​voorspellend algoritme voor deliriumdetectie in een vroeg stadium te informeren en te ontwikkelen (te valideren in een vervolgonderzoek).
5. Visuele gegevensanalyse: de onderzoekers zullen clustertechnieken gebruiken (bijv. Zelforganiserende kaarten, K-Means Clustering) voor longitudinale gegevens om vergelijkbare sensormeettrajecten tussen studiedeelnemers te identificeren (bijv. Voor hartslagmetingen per uur, stappentellingen per uur, enz. ). Omdat deze analyses verkennend zijn, zullen ze worden verfijnd op basis van beschikbare gegevens.

De voorspellingen zijn gebaseerd op een recent overzicht waarin state-of-the-art onderzoek wordt samengevat. Er zijn aanwijzingen voor het bestaan ​​van klinische delirium-subtypen (d.w.z. motorische subtypen: hypoactief, hyperactief, gemengd).

Onderzoek naar subtypeclassificatie is echter nog steeds zeldzaam. Eerste onderzoek suggereert dat het hypoactieve en gemengde type beter te onderscheiden lijkt van delirium dan het hyperactieve type. De voorspellingen zouden dus nauwkeuriger kunnen zijn voor deliria van het hypoactieve en gemengde type. Concreet verwachten de onderzoekers dat:

1. Sensorgebaseerde profilering van delirium (overdag, nacht): De onderzoekers verwachten dat hypoactieve delirische toestanden worden gekenmerkt door verminderde activiteitsniveaus in vergelijking met niet-delirium. In plaats daarvan worden verhoogde activiteitsniveaus verwacht tijdens hyperactieve delirante toestanden in vergelijking met niet-delirium. Activiteitsniveaus van het gemengde deliriumtype zullen naar verwachting variëren tussen het niveau van het hyper- en het hypoactieve type.

2. Persoonlijk niveau - voorlopers en gevolgen (overdag):

   • Hypoactief type: de tijd die voorafgaat aan en volgt op een delirium overdag wordt gekenmerkt door verhoogde activiteit en rusteloosheid in vergelijking met delirium-niet-gerelateerde tijdsperioden van een persoon overdag.
   • Hyperactief type: de tijd die voorafgaat aan een delirium overdag wordt gekenmerkt door verhoogde activiteit en rusteloosheid in vergelijking met delirium-niet-gerelateerde tijdsperioden van een persoon overdag.
3. Intern niveau - voorlopers en repercussies (nacht): De tijdspanne voorafgaand aan en volgend op het delirium wordt gekenmerkt door verhoogde activiteitsniveaus tijdens de nacht (aangegeven door bijvoorbeeld een verhoogde gemiddelde hartslag en beweging, frequentie en aantal overgangen tussen rustperiodes). /activiteit), verminderde slaaptijd / efficiëntie, en minder minuten doorgebracht met rusten in vergelijking met delirium-niet-gerelateerde tijdsperioden van een persoon tijdens de nacht.

Er ontbreekt momenteel echter onderzoek dat zorgvuldig onderscheid maakt tussen tijdsafhankelijke voorspellers op het niveau van binnen en tussen personen en hun wisselwerking door gebruik te maken van verschillende soorten sensoren. Ook is er tot op heden geen algoritme ontwikkeld waarmee deliria in een vroeg stadium kan worden opgespoord. Gezien de nieuwheid van deze onderzoekslijn is deze studie vooral verkennend van aard.

Primaire en secundaire eindpunten Eindpunten Eindpunten betreffen sensorgebaseerde beoordelingen (Fitbit, Oura-ring) evenals gestandaardiseerde metingen van delirium, zoals de DOS/CAM-beoordeling (voor details zie Delirium-gerelateerde eindpunten), gemeten tussen de dag van de nulmeting en de dag van ontslag van de studiedeelnemers.

Sensorgebaseerde eindpunten:

Primaire eindpunten hebben betrekking op sensorgebaseerde in realtime indicatoren en hun patronen met betrekking tot activiteit en slaap beoordeeld met Fitbit en Oura ring. Beide sensoren beoordelen een breed scala aan indicatoren die relevant zijn voor de huidige studie, inclusief maar niet beperkt tot de onderstaande voorbeeldindicatoren.

Activiteits- en slaapparameters, bijv.:

• hartslag(rust)frequentie, hartslagvariabiliteit
• zuurstofverzadiging, ademhalingsfrequentie
• huid temperatuur
• totale slaaptijd, tijd doorgebracht in verschillende slaapstadia
• hartslag(rust)frequentie, hartslagvariabiliteit
• slaap latentie
• tijd doorgebracht in het licht
• 'slaap efficiëntie'
• aantal stappen, minuten besteed aan activiteitenintensiteitsniveaus (hoog, matig, laag)

Circadiane ritme-gerelateerde indices, bijvoorbeeld:

• Hoeveelheid overgangen tussen rust en activiteit
• Minst actieve 5 uur in een cyclus van 24 uur
• Meest actieve periode van 10 uur in een cyclus van 24 uur
• Relatieve amplitude

Delirium-gerelateerde eindpunten:

Confusion Assessment Method Andere eindpunten betreffen gestandaardiseerde instrumenten voor de beoordeling van deliria. Een algemeen erkend instrument om een ​​delirium te diagnosticeren tijdens een verblijf in een ziekenhuis is de Confusion Assessment Method (CAM), waarmee beroepsbeoefenaren in de gezondheidszorg delier snel en nauwkeurig kunnen identificeren in zowel klinische als onderzoeksomgevingen. De CAM is een vierpuntsschaal met de volgende criteria (korte vorm): (1) acuut begin en/of fluctuerend beloop, (2) aandachtsstoornis, (3) formele denkstoornis, (4) veranderd bewustzijnsniveau. Alle items worden dichotoom gescoord als afwezig of aanwezig.

Delirium Observation Screening Scale Standaard screening op delirium in het Universitair Ziekenhuis Zürich omvat de toepassing van een Delirium Observation Screening Scale (DOS) die is ontworpen om vroege deliriumsymptomen driemaal per dag vast te leggen door getrainde verpleegkundigen. Als een aankomend delirium wordt vermoed (op basis van de specifieke DOS-waarde van 3 of meer), wordt dit verder beoordeeld door CAM.

Demografische variabelen Niet-farmacologische factoren die van invloed kunnen zijn op het optreden van delirium zijn toenemende leeftijd, mannelijk geslacht, IC- of chirurgische ingrepen, overplaatsing en veranderingen in de setting van de patiënt en klinische behandeling lijkt te worden beïnvloed door de subtypes van delier.

Medische risicofactoren voor delirium Daarnaast worden bekende medische risicofactoren voor een delirium verzameld om een ​​beschrijvende analyse uit te voeren. Deze gegevens zullen worden verkregen uit patiëntendossieroverzichten van het klinisch informatiesysteem KISIM, namelijk geselecteerde variabelen van medische geschiedenis en bestaande ziekten van de deelnemende patiënten en de medicatie op het moment van opname, laboratoriumwaarden (bloedafname - klinische chemie), en verder risicofactoren voor delirium, bijvoorbeeld: serumureum, evenals de ziekten en medicatie op het moment van ontslag. De geselecteerde variabelen worden vermeld in de CRF.

Schatting van de steekproefomvang Gezien het verkennende karakter van het geplande onderzoek is een nauwkeurige schatting van de steekproefomvang niet mogelijk. Het doel van deze studie is om 10 patiënten op te nemen die ijlen tijdens hun verblijf in de USZ en ten minste 10 patiënten die geen delirium ontwikkelen tijdens hun verblijf in het ziekenhuis. Op basis van de ervaringen uit eerdere onderzoeken en de korte observatieperiode verwachten de onderzoekers geen significante uitval door de sensoren. Verder is de schatting van de deliriumincidentie afkomstig van de klinische ervaring van de onderzoekers bij de USZ. Het werkelijke percentage patiënten dat in de huidige studie delirant wordt, kan echter afwijken van deze schatting. Om rekening te houden met deze onzekerheid, is het de bedoeling om ongeveer 30 tot 36 patiënten te werven om de steekproefomvang te bereiken die nodig is voor de onderzoeksdoelstellingen van deze studie (36 is het maximum). Werving zal worden afgerond zodra de gegevensbeoordeling van 10 delirante patiënten en 10 niet-delirante patiënten is voltooid.