Wartość predykcyjna monitora FORE-SIGHT™ dla pogorszenia parametrów hemodynamicznych

1. Tło

   Dokładne monitorowanie hemodynamiczne często wymaga użycia inwazyjnych narzędzi lub cewników. Wiele z tych narzędzi, dostępnych dla dorosłych, nie może być stosowanych u niemowląt i dzieci w stanie krytycznym ze względu na ich rozmiar oraz ponieważ te inwazyjne techniki niosą ze sobą wysokie ryzyko powikłań. Nieinwazyjne techniki monitorowania, które pozwalają wykryć krytyczne stany hemodynamiczne, cieszą się dużym zainteresowaniem w tej populacji.

   FORE-SIGHT™ to nieinwazyjne narzędzie do pomiaru nasycenia tlenem tkanki mózgowej. Wartości wysycenia tlenem tkanki mózgowej (SctO2) są ważne dla klinicystów, ponieważ niedotlenienie mózgu (brak dopływu tlenu do tkanki mózgowej) jest jedną z głównych przyczyn urazów mózgu, które występują w wielu sytuacjach chirurgicznych i klinicznych. Pulsoksymetr mózgowy FORE-SIGHT™ wykorzystuje optyczną technologię spektroskopii w bliskiej podczerwieni (NIRS) do monitorowania bezwzględnego stężenia SctO2. Działa poprzez projekcję nieszkodliwego światła bliskiej podczerwieni przez skórę głowy i czaszkę oraz do mózgu za pośrednictwem jednorazowego czujnika na czole pacjenta. Urządzenie mierzy światło, które jest zwracane do detektorów na czujniku i analizuje te informacje za pomocą opatentowanych algorytmów w celu określenia bezwzględnych poziomów nasycenia tlenem tkanki mózgowej. FORE-SIGHT™ jest przeznaczony do ciągłego monitorowania SctO2 i zapewnia klinicystom możliwość interwencji, zanim dojdzie do uszkodzenia mózgu. Monitor jest obecnie częścią standardowego monitorowania dzieci poddawanych krążeniu pozaustrojowemu na sali operacyjnej i często jest kontynuowany w fazie pooperacyjnej na oddziale intensywnej terapii pediatrycznej (PICU) szpitali uniwersyteckich w Leuven.

   W kilku badaniach wskazano na potencjalne zalety monitorowania SctO2 w fazie okołooperacyjnej po operacjach serca lub jamy brzusznej u dorosłych [1,2,3,4], a także u dzieci poddawanych chirurgicznej korekcji wrodzonych wad serca [5,6 ,7]. Niskie wartości SctO2 wiążą się z gorszym wynikiem i korespondują z danymi z innych monitorów wskazującymi, że zawartość tlenu w mózgu w tym czasie jest niewystarczająca. W szczególności czas trwania desaturacji SctO2 poniżej 55%, 60% i 65% pozwala przewidzieć powikłania pooperacyjne [8]. W badaniach tych analizowano jednak tylko wykorzystanie NIRS jako narzędzia do monitorowania mózgu w okresach największego ryzyka, podczas złożonej operacji z upośledzonym krążeniem. Chociaż nie ma dowodów, które wykazałyby, że podejmowanie decyzji na podstawie danych NIRS jest korzystne dla wyników leczenia pacjentów, wiele ośrodków wykorzystuje NIRS jako narzędzie monitorowania poza środowiskiem chirurgicznym.

   Ponieważ mózg jest bardzo wrażliwy na zmiany utlenowania, monitorowanie SctO2 może dostarczać wskazówek dotyczących krytycznych zmian w stanie hemodynamicznym pacjenta, a tym samym służyć jako monitor ogólnego stanu hemodynamicznego pacjenta. Niniejsze badanie ma na celu zbadanie wartości dodanej monitorowania SctO2 w porównaniu z rutynowym monitorowaniem pacjentów pediatrycznych na OIT w fazie pooperacyjnej po operacji kardiochirurgicznej. Idealnie, aby zmiany SctO2 miały wartość dodaną, powinny poprzedzać epizod pogorszenia hemodynamicznego.

   Prognozowanie jest sercem medycyny intensywnej terapii, gdzie lekarze wykorzystują swoją wiedzę medyczną i wszystkie dane dotyczące pacjenta, aby przewidzieć zmiany w stanie pacjenta i zastosować odpowiednie (zapobiegawcze) leczenie. Oddział intensywnej terapii (OIOM) to bardzo bogate w dane środowisko z kilkoma źródłami informacji, takimi jak rejestry przyjęć, historia medyczna, analizy laboratoryjne próbek, zapisy leków i leczenia oraz monitorowanie sygnałów życiowych. System zarządzania danymi pacjenta (PDMS) (MetaVision®, iMD-Soft®, Boston, MA) został zainstalowany na naszym OIOM począwszy od lutego 2006 roku. To oprogramowanie PDMS automatycznie zbiera i integruje dane z wielu źródeł informacji. Jedną z korzyści płynących z posiadania wszystkich danych dotyczących pacjentów w zintegrowanym formacie jest to, że można je łatwo analizować za pomocą ogólnych technik obliczeniowych, aw szczególności eksploracji danych. Techniki te wykorzystują informacje z dużych baz danych do automatycznego generowania modeli, które można wykorzystać do prognozowania (np. przewidywania prawdopodobieństwa przeżycia pacjenta na OIT). W poprzednich badaniach nasza grupa badawcza wykazała wysokie wyniki predykcyjne, które można uzyskać za pomocą modeli eksploracji danych w domenie intensywnej terapii.

   W tym badaniu wykorzystamy techniki eksploracji danych, aby ocenić moc predykcyjną monitorowania SctO2 dla przyszłego pogorszenia hemodynamicznego pacjenta na OIOM-ie po operacji kardiochirurgicznej, poprzez analizę danych zebranych w PDMS, w tym FORE-SIGHT™ NIRS.

2. Cele projektu

   • Ocena niezależnej siły predykcyjnej sygnału FORE-SIGHT™ NIRS dla przyszłego pogorszenia hemodynamiki krytycznie chorych niemowląt i dzieci w fazie pooperacyjnej po operacji kardiochirurgicznej.

   • Aby ocenić siłę predykcyjną sygnału FORE-SIGHT™ NIRS dla wyniku u krytycznie chorych niemowląt i dzieci, w fazie pooperacyjnej po operacji kardiochirurgicznej.

3. Projekt badania

Badanie prospektywne, obserwacyjne, nieinterwencyjne. Wszystkie kwalifikujące się dzieci będą monitorowane za pomocą FORE-SIGHT™ od momentu przyjęcia do odstawienia od wentylacji mechanicznej. Zazwyczaj pacjenci przyjmowani po operacjach kardiochirurgicznych na OIOM szpitali uniwersyteckich w Leuven są wentylowani mechanicznie od 12 godzin do dwóch tygodni [8].

Sygnał FORE-SIGHTTM SctO2 zostanie zaślepiony dla lekarza przyłóżkowego i będzie przechowywany w systemie PDMS do analizy. Dane z pierwszych 20 minut po przybyciu na OIT nie będą wykorzystywane do analizy, ponieważ w tym czasie pacjent zwykle stabilizuje się do nowego środowiska po transporcie, a zatem dane nie są charakterystyczne dla pobytu na OIT.

Dane od tych pacjentów zostaną wykorzystane do analizy, do budowy modeli predykcyjnych. Do analizy danych zostanie wykorzystana kopia bazy danych PDMS, po usunięciu wszystkich danych dotyczących tożsamości pacjentów. Modele eksploracji danych, takie jak proste modele regresji logistycznej, ale także bardziej zaawansowane techniki uczenia maszynowego (modele automatycznie wyuczone przez algorytm komputerowy, takie jak modele drzewa decyzyjnego [9], sieci Bayesa, procesy Gaussa, maszyny wektorów nośnych, …), będą ocenić niezależną moc predykcyjną sygnału FORE-SIGHT™ w porównaniu z rutynowo monitorowanymi danymi.

1. FORE-SIGHT™ do wczesnego wykrywania przyszłej niestabilności hemodynamicznej.

Najpierw zostaną zbudowane modele do oceny niezależnej mocy predykcyjnej sygnału FORE-SIGHT™ w celu wykrycia epizodów niestabilności hemodynamicznej z 10-minutowym wyprzedzeniem.

Ponieważ pojemność minutowa serca nie jest bezpośrednio mierzona inwazyjnie u dzieci, taki epizod jest potwierdzony objawami pośrednimi. Jeśli spełnione jest jedno z poniższych kryteriów, uważa się to za epizod niestabilności hemodynamicznej.

1. Monitorowanie hemodynamiczne • Częstość akcji serca >160 lub <90 przez co najmniej 5 kolejnych minut • Skurczowe ciśnienie krwi <55 (niemowlęta) lub <65 (dzieci) przez co najmniej 5 kolejnych minut

2. Analiza laboratoryjna punktu opieki

   • Nasycenie żylne (SvO2) <55 (w przypadku obecności kardiopatii cyjanogennej) lub <65 (u wszystkich pozostałych pacjentów)

   • Mleczan > 2 mmol/L w gazometrii krwi tętniczej

3. Obserwacja kliniczna • Szybkość wydalania moczu < normalna szybkość 0,5 ml/kg/h przez 2 kolejne godziny

2. FORE-SIGHT™ do przewidywania wyniku. Po drugie, zostaną zbudowane modele w celu oceny, czy sygnał FORE-SIGHT™ jest predykcyjny dla długości pobytu w szpitalu i na OIOM-ie (LOS), śmiertelności oraz czasu trwania (inwazyjnego lub nieinwazyjnego) mechanicznego wspomagania respiratora.

W celu oceny wydajności predykcyjnej dla 2 zadań predykcyjnych zostaną wykorzystane następujące statystyki: dodatnia wartość predykcyjna, pole pod krzywą ROC (AUROC), statystyka Hosmera-Lemeshow, kalibracja-w-dużej, kalibracja- wyniki nachylenia i Briera.

Dodatnia wartość predykcyjna to odsetek pozytywnych przypadków, które zostały prawidłowo sklasyfikowane. Odzwierciedla prawdopodobieństwo, że pozytywny wynik odpowiada badanemu warunkowi.

AUROC jest miarą zdolności modelu do rozróżniania instancji pozytywnych i negatywnych. Zwykle AUROC jako ocena jest preferowana ponad dokładnością, ponieważ pozwala na kompromis między możliwymi różnymi kosztami nieprawidłowego sklasyfikowania negatywnego przypadku jako pozytywnego lub równoważnego kompromisowi między czułością a specyficznością modelu.

Statystyka Hosmera-Lemeshow, kalibracja w dużym zakresie i nachylenie kalibracji służą do określenia, czy model jest dobrze skalibrowany. Testy te oceniają, czy zaobserwowane częstości zdarzeń odpowiadają oczekiwanym częstościom zdarzeń w podgrupach populacji. Mówi się, że modele, dla których oczekiwane i obserwowane częstości zdarzeń w podgrupach są podobne, są dobrze skalibrowane.

Ogólna wydajność modelu zostanie oceniona za pomocą skali Briera i jej znormalizowanej wersji, skali Briera. Dokładne modele mają niski ogólny błąd prognozy, a zatem niski wynik Briera (poniżej wartości przypadku podstawowego dla każdego zadania).

4 Badana populacja

Wszystkie dzieci w wieku poniżej 12 lat, przyjęte na OIOM szpitali uniwersyteckich w Leuven w Leuven po operacji kardiochirurgicznej, kwalifikują się do badania, jeśli spełniają następujące kryteria włączenia:

• Wentylowani mechanicznie przy przyjęciu na OIOM lub zaintubowani po przyjęciu
• Linia tętnicza na swoim miejscu.
• Oczekuje się, że pozostanie co najmniej 24 godziny na OIOM-ie.

Pacjenci z faktycznym lub potencjalnym uszkodzeniem mózgu, tacy jak pacjenci z urazowym uszkodzeniem mózgu, pacjenci z guzami mózgu lub pacjenci po resuscytacji krążeniowo-oddechowej (CPR) są wykluczeni. Wykluczeni są również pacjenci ze stanem lub raną uniemożliwiającą umieszczenie czujnika na czole.

Badanie będzie zbierać dane przez okres 1,5 roku. Zatrudnionych zostanie 300 krytycznie chorych dzieci. Około 20% pacjentów OIOM-u wykazuje objawy pogorszenia stanu klinicznego, a przy medianie długości pobytu (IQR) wynoszącej 3 (2-7) dni [8] i co najmniej jednym zdarzeniu dziennie, spodziewamy się co najmniej 180 zdarzeń klinicznych pogorszenie rocznej liczby ludności. Na podstawie wcześniejszych badań z podobnym rozkładem zdarzeń [15,16] spodziewamy się, że nasze modele będą miały czułość (i specyficzność) co najmniej 0,8, z błędem alfa na poziomie 5% i mocą statystyczną na poziomie 80%.

Badanie będzie zatem miało wymaganą moc statystyczną do wykrycia potencjału sygnału FORE-SIGHT™ NIRS w przewidywaniu pogorszenia stanu klinicznego.