Bærbar fjernovervåking av hjertefrekvens og respirasjonsfrekvens for hjertesvikt

Hjertesvikt (HF) er en utfordrende tilstand å håndtere, med reinnleggelse på sykehus for HF-eksacerbasjon som har negative innvirkninger på pasientresultater og økonomisk belastning for både pasient og helsesystem [Lloyd-Jones, 2010; Yancy, 2017; Ross, 2009; Chaudhry, 2007]. Et intuitivt behov for mer sensitive prediktorer for HF-eksaserbasjoner har fått forskere til å utforske fjernovervåking som et mulig svar. Forbrukereide sensorer har blitt mer nøyaktige i registreringen av vitale tegn, og kan dermed inneholde potensial for fjernovervåking [Dickinson, 2018]. Det kombinerte målet for hjertefrekvens (HR) og respirasjonsfrekvens (RR) har vist seg å forutsi New York Heart Association (NYHA) HF-klasse, en indikator på alvorlighetsgraden av hjertesykdom, i implanterbare hjerteenheter med multi-sensor overvåkingsevner [Auricchio , 2014; Prasun, 2019; Boehmer, 2015; Boehmer, 2017]. Hjertefrekvensvariabilitet (HRV), et mål på sympatisk autonom funksjon, har også vist potensial i prediksjon av uønskede hjertehendelser [Al-Zaiti, 2019; Shaffer, 2017; Bullinga, 2005; Tsuji, 1996].

WHOOP-enheten, en bærbar stropp som ligner på en Fitbit, gir mulighet for HR-overvåking i sanntid og kan bestemme RR ved å bruke respiratorisk sinusarytmi [www.whoop.com/experience; Berryhill, 2020]. Det er en av få enheter på markedet som nøyaktig kan spore hjertefrekvens så vel som respirasjonsfrekvens i sanntid (under aktivitet) og er utstyrt med et flerveis akselerometer for aktivitetssporing. WHOOP-enheten ble nylig eksternt validert mot polysomnografi og kontinuerlig elektroencefalogram (EEG) for søvnsporing, og kontinuerlig elektrokardiogram (EKG) for HR og HRV (med mindre enn 5 % feil) [Berryhill, 2020]. HRV, som representerer balansen mellom det sympatiske og parasympatiske nervesystemet, er en kjent prediktor for hjertehendelser. Det er spesielt nyttig ved HF, som er en kronisk forhøyet katekolamintilstand som fører til deprimert HRV og er knyttet til NYHA HF-klassen, en indikator på alvorlighetsgraden av sykdommen [Bullinga, 2005; Tsuji, 1996].

Data så langt angående effektiviteten av ekstern fysiologisk overvåking ved bruk av hjerteimplanterbare elektroniske enheter (CIED), selv om de er lovende i teorien, har ennå ikke vist seg sensitive når det gjelder påvisning av HF-eksaserbasjon. Målet med CLEPSYDRA-studien var å bruke data hentet fra implantert hjerteresynkroniseringsterapi med defibrilleringsutstyr (CRT-D) hos HF-pasienter for å forutsi hjertesvikthendelser; Selv om hovedvariablene brukt i den nye algoritmen, minuttventilasjon og pasientaktivitet, intuitivt ser ut til å være prediktorer for dårlig utfall/HF-forverring, var sensitiviteten til algoritmen for å forutsi en hendelse bare 34 % [6]. Det ser ut til at denne kombinasjonen av variabler ikke er tilstrekkelig til å forutsi uønskede HF-hendelser. Imidlertid viste HOME-CARE (HOME Monitoring in Cardiac REsynchronization Therapy)-studien mer lovende resultater, da deres forbedrede prediktor, ved bruk av syv diagnostiske variabler fra implanterte CRT-D-er, skilte med en sensitivitet på 65,4 % [Sack, 2011]. Selv om dataene fra disse studiene er nyttige, har ingen studie vært i stand til å identifisere og vurdere nøyaktige prediktorer for HF-klasse.

Nåværende effektive styringsstrategier er begrenset til hemodynamiske eller multisensor-overvåkingssystemer. Disse er imidlertid bare tilgjengelige i implantert hjertestarter-defibrillator (ICD) eller hjerteresynkroniseringsterapi-defibrillator (CRT-D)-enheter. Disse blir ikke implantert hos alle HF-pasienter [Al-Zaiti, 2019]. Ikke-invasiv overvåking som gir lignende data, for eksempel overvåking av bærbare enheter, vil utvide gruppen av pasienter som vil ha nytte av fjernovervåking og ville unngå risikoen ved å ha implantert maskinvare. Videre kan bedre prediksjon av alvorlighetsgraden av HF hjelpe til med å veilede oppfølgingsbehandling og forutsi HF-hendelser [Boehmer, 2015; Boehmer 2017]. Dette vil føre til mer effektiv ledelse, mindre reinnleggelse på sykehus og forbedre resultatene for HF-pasienter generelt [Dickinson, 2018].

Etterforskerne foreslår en mulighetsstudie hos HF-pasienter for å bedre vurdere HF-sykdomstilstanden, noe som kan hjelpe til med behandling og forbedre resultatene. Forsøkspersonene vil bruke WHOOP-enheten, som måler både aktivitets- og HR-parametere og kan utlede RR ved hjelp av respiratorisk sinusarytmi, i 90 dager. I løpet av denne perioden vil deres HR og RR registreres i hvile, under aktivitet og restitusjonsfaser etter aktivitet. Dette kombinerte målet for HR/RR har vist seg å forutsi NYHA HF-klassen, en indikator på alvorlighetsgraden av sykdommen, i implanterbare enheter med multi-sensor overvåkingsevne; dermed representerer den en nyttig håndteringsstrategi hos HF-pasienter [Bullinga, 2005; Tsuji, 1996]. En kontinuerlig ekstern overvåkingsenhet som bæres på håndleddet, slik som WHOOP-enheten, vil gi verdifulle fysiologiske data for en gruppe HF-pasienter som tidligere ikke var i stand til å bli overvåket på denne måten. Sekundæranalyse av denne studien vil undersøke bruken av intra- og postaktivitet HR og RR som prediktorer for sykehusinnleggelsesrater, et vanlig problem hos HF-pasienter som korrelerer med dårligere dødelighetsutfall.