Fono- og elektrokardiogramassistert påvisning av valvular sykdom (PEA-Valve)

Fono- og elektrokardiogram-assistert deteksjon av valvulær sykdom (PEA-ventilstudie)

Spesifikke mål Mål 1: Kan en maskinlæringsalgoritme avledet fra samtidige fono- og elektrokardiogramopptak på en pålitelig måte diagnostisere klinisk viktig aortastenose?

Mål 2: Kan en maskinlæringsalgoritme avledet fra samtidige fono- og elektrokardiogramopptak på en pålitelig måte diagnostisere klinisk viktig mitralregurgitasjon?

Betydning Valvulær hjertesykdom (VHD) er et vanlig globalt helseproblem, med befolkningsbaserte studier som viser en prevalens på 10 % for aortastenose (AS) og 20 % for mitralregurgitasjon (MR). Nye kirurgiske og intervensjonelle fremskritt gir mulighet for behandling av pasienter i en eldre alder eller hvis risiko for intervensjon tidligere ville vært uholdbar. Gitt at forekomsten av både MR og AS øker med økende alder, er det et økende behov for å identifisere disse tilstandene for å tilby sykdomsforandrende behandlinger.

I dagens kliniske praksis er diagnosen VHD i stor grad avhengig av ekkokardiografi. Dette krever igjen både en henvisning fra en leverandør med en klinisk mistanke om VHD, typisk fra en abnormitet ved auskultasjon, samt tilgang til selve ekkokardiogrammet. MR og AS resulterer begge i pålitelig reproduserbare auskultatoriske funn: henholdsvis holosystoliske og systoliske crescendo-decrescendo-mislyder. Til tross for dette er auskultasjon som et diagnostisk verktøy notorisk dårlig: dens nøyaktighet for å oppdage MR og AS varierer bare fra 5-40 %. Disse faktorene fører alle til bekymring for underdiagnostisering av disse stadig mer behandlingsbare tilstandene.

Her vil etterforskerne adressere behovene for både større tilgang til og forbedret diagnostisk nøyaktighet ved testing for VHD. Etterforskerne vil bruke en kombinasjon av fonokardiogram (PCG) og single-lead elektrokardiogram (EKG) opptak, synkronisert i sanntid til en sikker skybasert server, ved hjelp av Eko Duo elektroniske stetoskop. Med disse dataene vil etterforskerne utvikle og validere en maskinlæringsalgoritme for å diagnostisere klinisk viktig AS eller MR. Siden Eko Duo i hovedsak ligner på et tradisjonelt stetoskop, et ikonisk verktøy som er allment akseptert av både pasienter og leverandører, er bruken til å drive en automatisert deteksjonsalgoritme både mulig og attraktiv som en erstatning for tradisjonell auskultasjon. Videre, ved å flytte byrden med testtolkning bort fra klinikeren og over på algoritmen, antar etterforskerne at dette vil forbedre den generelle diagnostiske nøyaktigheten.

Metoder Oversikt over design: Tverrsnittsstudie av alle forsøkspersoner som gjennomgår kliniske ekkokardiogrammer ved UCSF voksen ekkokardiografi laboratorium

Studieemner Oversikt: Etterforskerne vil registrere voksne personer som gjennomgår kliniske ekkokardiogrammer ved UCSF Parnassus campus. Disse emnene vil bli gruppert i avlednings- og valideringskohorter sekvensielt, stratifisert etter saksstatus, for å nå forventet utvalgsstørrelse. Slik gruppering vil skje etter fagregistrering og datainnsamling.

Målpopulasjon: Voksne med enten moderat til alvorlig til alvorlig AS eller moderat til alvorlig til alvorlig MR (tilfeller) og voksne med strukturelt normale hjerter med minimal VHD (kontroller). I en strengere, parallell analyse vil en målpopulasjon av kontroller bli definert som å ha en hvilken som helst grad av AS eller MR mindre enn moderat til alvorlig.

Tilgjengelig populasjon: Voksne som oppfyller inngangskriteriene som gjennomgår kliniske ekkokardiogrammer ved UCSF-ekkokardiografilaboratoriet som kan delta.

Prøvetakingsskjema: Etterforskerne vil henvende seg til emner som presenteres for ekkokardiografilaboratoriet for voksne ved UCSF Parnassus fortløpende. I tillegg vil etterforskerne forhåndsscreene forsøkspersoner for høy sannsynlighet for å ha AS eller MR (basert på indikasjon for studie og tidligere diagnoser i APEX-journalen) og selektivt målrette deres påmelding i situasjoner der påmeldingskapasiteten til studiekoordinatoren er mettet. .

Rekrutteringsstrategi: Introduksjon av studie ved registrering for ekkokardiogram med en brosjyre eller flyer, etterfulgt av personlig henvendelse til potensielle forsøkspersoner mens de venter på det kliniske ekkokardiogrammet.

Oppbevaringsstrategi: Ingen. Etterforskerne vil beholde en hovedfil med journalnumrene for å identifisere kontaktinformasjon i fremtiden hvis det anses nødvendig.

Oversikt over målinger: Studien vil fokusere på to målinger: 1) gullstandardvurderingen av VHD ved ekkokardiogram, som rapportert av UCSF ekkokardiografilaboratoriet. 2) 30 sekunders samtidige PCG- og enkeltavlednings-EKG-opptak av Eko Duo-enheten ved hver av de fire standard hjerteauskultasjonsposisjonene, med valgfrie tilleggsopptak med Eko Core-enheten. Studien utnytter det faktum at alle kliniske ekkokardiogramrapporter inkluderer disse klaffevurderingene.

Gullstandard: Ekkokardiogrammet er akseptert som gullstandarden for diagnose av VHD-alvorlighet av kardiologimiljøet. For å minimere belastningen på etterforskerne, samt redusere kostnadene, vil etterforskerne dra nytte av at alle kliniske ekkokardiogramrapporter inkluderer vurderinger av VHD, som vil tjene som gullstandarden. Disse rapportene følger retningslinjene fra American Society for Echocardiography (ASE), som tillater gradering av VHD som følger: ingen, mild, moderat eller alvorlig. UCSF-ekkokardiografilaboratoriet inkluderer tilleggskategorier av spor, mild til moderat, moderat til alvorlig og kritisk, noe som gir mulighet for tolkninger der individuelle parametere i studien er i konflikt. Den primære målingen vil være den endelige konklusjonen av alvorlighetsgraden av VHD for MR eller AS, som rapportert av en styresertifisert kardiolog. Etterforskerne vil definere "klinisk viktig" VHD som gradert moderat til alvorlig eller verre, da dette vil omfatte alle sykdomsnivåer som kan kreve direkte intervensjon. I tillegg vil etterforskerne trekke ut hele ekkokardiografirapporten, samt bildene av ekkokardiogramfilene, for å lagre dataene for fremtidig bruk når nye forskningsspørsmål oppstår.

Enhetsmålinger: Registreringer av samtidig PCG og enkeltavlednings-EKG vil bli utført for hvert individ på en standardisert måte. Hvert forsøksperson vil gjennomgå 30 sekunders opptak ved hjelp av Eko Duo-enheten ved de fire standard auskultasjonsposisjonene. Observatører vil bli opplært i den systematiske metoden for å oppnå målinger. Når tiden og pasienten tillater det, vil etterforskerne også få de samme opptakene ved å bruke Eko Core-enheten, som bruker samme programvare, men ikke inkluderer EKG-registrering. Siden enheten vil tillate visualisering av PCG under opptak, vil observatøren få sanntids tilbakemelding på posisjonering av enheten for å maksimere kvaliteten på opptaket ved hver posisjon. Etterforskerne vil planlegge for periodisk gjennomgang av opptak for å sikre tilstrekkelig datakvalitet. Etterforskerne forventer at denne fleksibiliteten og sanntidstilbakemeldinger vil forbedre generaliserbarheten av bruken av enheten til en virkelig verden (dvs. ikke-studie) klinisk situasjon.

Konfoundere og skjevheter: Utledning og validering av algoritmene vil skje eksternt, etter at det kliniske ekkokardiogrammet er utført, og derfor uten effekt på resultatet av gullstandarden. Testen kan påvirkes av tilstedeværelsen av andre tilstander som forårsaker systoliske bilyd (inkludert andre VHD enn AS eller MR, eller medfødt hjertesykdom). Etterforskerne vil inkludere disse målene fra ekkokardiogramrapporten for å sammenligne testytelse hos de med og uten disse andre tilstandene.

Statistiske problemer Nullhypotese: En maskinlæringsalgoritme kan ikke forutsi tilstedeværelsen av klinisk viktig AS eller MR.

Begrunnelse for prøvestørrelse:

• Algoritmefølsomhet: 90 %
• Spesifisitet av algoritme: 90 %
• Mål sannsynlighetsforhold (+) for algoritme [LR(R)]: 9 (avledet fra Sn / [1 - Sp])
• Minimum sannsynlighetsforhold (+) for algoritme [LR(R)]: 5
• Konfidensnivå = 0,95 (alfa = 0,05)
• Konfidensintervall [LR(R)]: 5.120-15.820
• Prøvestørrelse = 110 per gruppe; 330,- per årskull (kontroll, AS-tilfelle, MR-tilfelle); 660 totalt (trenings- og valideringskull)
• Sammendrag: Forutsatt at sensitiviteten og spesifisiteten til maskinlæringsalgoritmen for påvisning av klinisk viktig AS eller MR begge er 0,9, forventes ikke en total prøvestørrelse på 660 å gå under terskelsannsynlighetsforholdet på 5,0 i 95 % konfidensintervallet i noen av de to avlednings- eller valideringskohortene.
• Begrunnelse av kritiske antagelser: Etterforskerne antar at algoritmen kan gi en sensitivitet og spesifisitet på 90 % ved å oppdage aortastenose eller mitralregurgitasjon sammenlignet med hjerter uten klaffesykdom, basert på tidligere publiserte rapporter ved bruk av nevrale nettverk, ved bruk av prøvestørrelser på under 100 saker. Videre anslår etterforskerne at et minimum sannsynlighetsforhold på 5 vil være nødvendig for at testen skal være klinisk nyttig. Selv om dette estimatet fungerer bra for valideringssettet, er antallet som trengs for avledningssettet mindre klart; estimatene ovenfor er et konservativt tall. Etterforskerne forventer å trene algoritmen etter registrering av hver 20. sak ved å bruke en bootstrapping-tilnærming; dette vil gi midlertidige testkarakteristikk og hjelpe til med å bestemme det sanne tallet som trengs for avledningssettet. Siden dette delvis er en pilotstudie, er identifisering av den sanne sensitiviteten og spesifisiteten til testen i seg selv et verdifullt resultat.

Analysetilnærming: Etterforskerne vil generere ROC-kurver (plotting av Sn vs. 1-Sp) for algoritmeskåre for valideringssettet. Til slutt vil etterforskerne generere 4 kurver: to hver for MR og AS, ved å bruke algoritmer generert av den primære (definerer kontroller som ikke har større enn mild VHD) og sekundære (definerer kontroller som ikke har moderat til alvorlig eller høyere VHD) tilnærminger . I tillegg forventer etterforskerne å utføre utforskende, beskrivende analyser av selve algoritmen, ved å identifisere kliniske korrelater til egenskapene som er mest vektet ved å oppdage AS eller MR.

Diverse Etiske hensyn: Ingen store bekymringer. Data vil bli trygt lagret på HIPAA-kompatible plattformer. Studien kvalifiserer som minimal risiko etter UCSF CHR-kriterier.

Pretestplaner: Før studierekruttering vil studiepersonell samle inn data om seg selv og tilbydere for å teste datainnsamlingssystemet. Under første fagrekruttering vil studiepersonell gjennomgå prosessen etter hver dag for å diskutere veisperringer eller bekymringer.

Data Management Plan: Data fra studien vil komme fra to kilder. Rapporter om ekkokardiogrammer, hentet fra den elektroniske journalen (APEX), vil bli gjennomgått av studiepersonell for å generere hoveddatabasen over sykdomskarakteristikker. En hovedfil som kobler emneidentifikatorer med identifiserbar informasjon, samt ekstraherte og avidentifiserte ekkokardiogramrapporter og avidentifiserte råekkokardiogrambilder vil bli lagret på en sikker forskningsserver som brukes av avdelingen for kardiologi. Registrerte PCG- og EKG-data (de faktiske studiemålingene) vil bli synkronisert i sanntid til en sikker, HIPAA-kompatibel, skybasert server administrert av Eko Devices. På forhåndsspesifiserte tidspunkter for algoritmetrening vil maskinlæringsteamet (koordinert av Eko Devices) få nøkler til tilordningen av emneidentifikator til VHD-kategori.

Kvalitetskontrolltiltak: Periodisk gjennomgang av de registrerte dataene vil bli utført av studiens PI for å sikre passende datakvalitet.

Rutetabell:

Kontrakt/logistikk Emne Registrering Algoritme Utviklingsanalyse Publikasjon Samlet tidsplan: 9 måneder