- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT06202638
Badanie dokładności diagnostycznej algorytmu przewidywania niedociśnienia (HPI) w resekcjach płuc
Obserwacyjne, prospektywne, nierandomizowane, wieloośrodkowe kohortowe badanie wykonalności wskaźnika przewidywania niedociśnienia (HPI) u pacjentów poddawanych resekcji płuc z zastosowaniem wentylacji jednym płucem.
Przegląd badań
Status
Warunki
Szczegółowy opis
Wskaźnik przewidywania niedociśnienia (HPI) to skala hemodynamiczna zaprojektowana specjalnie w celu przewidywania śródoperacyjnych epizodów niedociśnienia (IOH). Opiera się na algorytmie zaprogramowanym w platformie klinicznej monitora Edwards Lifesciences HemoSphere (Irvine, Kalifornia, USA). HPI opiera się na ciągłej analizie przebiegu ciśnienia tętniczego. Jest przetwarzany dodatkowo przez algorytm FloTrac za pośrednictwem opatentowanego czujnika Acumen IQ Sensor i wykorzystuje technologię sztucznej inteligencji. Po wewnętrznej walidacji algorytm został zweryfikowany prospektywnie, zewnętrznie i klinicznie u pacjentów z chirurgii ogólnej, w okresie okołooperacyjnym, pacjentów z operacjami sercowo-naczyniowymi i pacjentów mechanicznie wentylowanych na OIT z powodu Covid-19.
W przeciwieństwie do konwencjonalnych systemów monitorowania, które wyświetlają parametry fizjologiczne w rzeczywistym życiu, algorytm HPI wykrywa najwcześniejsze zmiany, wieloczynnikową zmienność i interakcje w powiązanych ze sobą danych fizjologicznych dotyczących obciążenia wstępnego, obciążenia następczego i kurczliwości, aby zapewnić wskaźnik przewidujący nadchodzące zdarzenie hipotensyjne . Zmienne wykorzystywane przez chroniony patentem algorytm do obliczania HPI to: zmienność tętna (zmiany tętna/zmiany MAP); złożoność kształtu fali ciśnienia tętniczego (przybliżona entropia kształtu fali, entropia próbki próbki, miara w dziedzinie częstotliwości harmonicznych wyższego rzędu); parametry obciążenia wstępnego (zmiana ciśnienia impulsu PPV, zmiana objętości skoku SVV); parametry kurczliwości (nachylenie rosnącej części przebiegu ciśnienia w funkcji czasu, dP/dt); i parametry obciążenia następczego (SVR, dynamiczna elastyczność tętnicza Eadyn), ale nie ujawniono ich względnego udziału w ostatecznym wskaźniku.
Końcowe wartości wskaźnika HPI wahają się od 1 do 100, przy czym rosnące liczby oznaczają większe prawdopodobieństwo zbliżającego się zdarzenia hipotensyjnego. Zdarzenia te definiuje się jako średnie ciśnienie tętnicze (MAP) <65 mmHg występujące przez ponad minutę. Wartości HPI pozwalają przewidzieć wystąpienie niedociśnienia na pięć do piętnastu minut przed zdarzeniem, z czułością i swoistością w obu przedziałach czasowych przekraczającą 80%. W większości badań wartość 85 HPI przewiduje epizod hipotensyjny i wartość ta jest arbitralnie zaprogramowana w monitorze HemoSphere, aby ostrzec lekarza i umożliwić proaktywną reakcję w celu zminimalizowania lub nawet całkowitego zapobiegania niedociśnieniu śródoperacyjnemu.
Parametry wykorzystywane i włączone do monitora HemoSphere mogą pomóc lekarzowi w optymalnym leczeniu IOH. Te zmienne „wtórnego ekranu” obejmują parametr kurczliwości lewej komory (dP/dt), parametr dynamicznego obciążenia wstępnego (SVV) i parametr obciążenia następczego, dynamiczną elastancję tętniczą Eadyn.
Maksymalny wzrost ciśnienia lewej komory (LV) (LV dP/dt max) jest klasycznym wskaźnikiem sprawności i funkcji skurczowej lewej komory. Tradycyjnie definiuje się ją jako zmianę ciśnienia w jamie lewej komory w czasie skurczu izowolumetrycznego i pierwotnie wymaga ona cewnikowania LV. W praktyce klinicznej do oceny wartości dP/dt i przewidywania konieczności zastosowania wsparcia inotropowego wykorzystuje się zastępczą krzywą ciśnienia tętniczego obwodowego.
SVV jest dynamicznym parametrem obciążenia wstępnego i reprezentuje różnicę w objętości wyrzutowej lewej komory wtórną do zmian ciśnienia wewnątrz klatki piersiowej wywołanych wentylacją mechaniczną.
Dynamiczna elastyczność tętnicza Eadyn reprezentuje stosunek zmienności ciśnienia tętna (PPV) do SVV. Można go wykorzystać do oceny napięcia naczyń, co pozwala przewidzieć reakcję ciśnienia tętniczego po obciążeniu objętościowym i/lub potencjalną reakcję na podanie leku wazopresyjnego.
Uważa się, że zarówno PPV, jak i SVV są lepsze od wskaźników statycznych w przewidywaniu reakcji na płyn. Obydwa opierają się na interakcjach serce-płuco i odzwierciedlają cykliczne zmiany hemodynamiczne wywołane wentylacją mechaniczną w stanie zamkniętej klatki piersiowej. Ich wartości są istotnie skorelowane z wielkością VT. Obecna strategia śródoperacyjnej wentylacji z małą objętością oddechową chroni płuca, ale jednocześnie obniża wiarygodność wskaźników dynamicznych, szczególnie w warunkach otwartej klatki piersiowej. Ze względu na ograniczone zmiany ciśnienia wewnątrz klatki piersiowej podczas cyklu oddechowego w warunkach otwartych płuc istnieje ryzyko uzyskania fałszywie ujemnych wartości parametrów. Wydaje się, że PPV i SVV nie są dokładne w przewidywaniu reakcji na płyny przy otwartej klatce piersiowej podczas zabiegów kardiochirurgicznych.
Wskaźnik HPI został sprawdzony w chirurgii ogólnej i na oddziałach intensywnej terapii, ale nie w przypadku zabiegów chirurgii klatki piersiowej z jednostronnym otwarciem klatki piersiowej. Do zabiegów tych zaliczają się nie tylko znacząco nieprawidłowe stany fizjologiczne (otwarta opłucna i wentylacja ochronna jednego płuca), ale także duża częstość występowania nagłych, manualnych interwencji chirurgicznych. Wszystkie te czynniki mogą znacząco wpływać i pogarszać wydajność HPI.
Celem pracy jest walidacja technologii HPI w zabiegach resekcji płuc na otwartej klatce piersiowej z zastosowaniem wentylacji jednego płuca. Grupę badaną stanowić będzie 60 kolejnych dorosłych pacjentów zakwalifikowanych do zabiegów resekcji płuc w znieczuleniu ogólnym z wentylacją otwartą klatką piersiową i jednym płucem.
Podczas operacji pacjenci będą monitorowani za pomocą standardowego inwazyjnego monitorowania hemodynamicznego za pomocą przetwornika ciśnienia tętniczego oraz jednocześnie za pomocą monitora HemoSphere z oprogramowaniem HPI podłączonym do przetwornika Acumen IQ (Edwards LifeSciences, Irvine, Kalifornia, USA). Lekarze nie będą widzieć wyników monitora HemoSphere. Krzywe hemodynamiczne i dane przewidywań HPI, w tym zdarzenia hipotensyjne (IOH), będą rejestrowane od momentu wprowadzenia kaniuli tętniczej do momentu opuszczenia sali operacyjnej. Zarejestrowane dane zostaną podzielone na siedem kohort, reprezentowanych przez odrębne ramy czasowe:
0. Stan wyjściowy przed indukcją, pozycja leżąca, oddychanie spontaniczne (jeśli jest dostępne i kaniula tętnicza włożona przed indukcją)
- Leżenie na wznak, znieczulenie z zamkniętą klatką piersiową, zaintubowanie, wentylacja dwoma płucami
- Odleżyna boczna, zamknięta klatka piersiowa, wentylacja dwoma płucami
- Odleżyna boczna, zamknięta klatka piersiowa, wentylacja jednym płucem (OLV)
- Odleżyna boczna, otwarta klatka piersiowa, wentylacja jednym płucem (OLV)
- Odleżyna boczna, zamknięta klatka piersiowa, wentylacja obu płuc po resekcji
- Leżenie na wznak, zamknięta klatka piersiowa, wentylacja dwoma płucami
Oszacujemy czułość (przywołanie) i dodatnią wartość predykcyjną (precyzję) algorytmu HPI oraz opiszemy liczbę fałszywych alarmów i pominiętych zdarzeń bez bezpośredniego odwoływania się do specyficzności lub ujemnej wartości predykcyjnej.
Prowadzenie badania i raportowanie będą prowadzone zgodnie z wytycznymi STARD.
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Athens, Grecja, 12462
- Faculty of Medicine, NKUA Attikon University Hospital
-
-
-
-
Małopolska
-
Krakow, Małopolska, Polska, 31-202
- St. John Paul II Hospital in Krakow
-
-
Silesian Voivodeship
-
Zabrze, Silesian Voivodeship, Polska, 40-055
- Department of Anesthesiology and Intensive Therapy; Department of Pain Research and Treatment, Faculty of Medical Sciences Zabrze
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Stan fizyczny II do IV Amerykańskiego Towarzystwa Anestezjologów (ASA);
- Planowane inwazyjne monitorowanie ciśnienia krwi w znieczuleniu ogólnym, które ma trwać dłużej niż 2 godziny i planowana nocna hospitalizacja.
- Procedury: torakoskopia przy pomocy wideo (VATS) – lobektomia, lobektomia z otwartą torakotomią, pneumonektomia.
- Dorośli powyżej 18 roku życia.
Kryteria wyłączenia:
- Procedury pilne/awaryjne.
- Pacjenci ze znanymi klinicznie istotnymi przeciekami wewnątrzsercowymi.
- Umiarkowana do ciężkiej choroba zastawek.
- Przedoperacyjne objawowe zaburzenia rytmu, w tym AF.
- Zastoinowa niewydolność serca z frakcją wyrzutową LV mniejszą niż 35%.
- Odmowa udziału
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Ciśnienie tętnicze i przebieg HPI w 7 kohortach okien czasowych u pacjentów wentylowanych jednym płucem
60 kolejnych dorosłych pacjentów zakwalifikowanych do zabiegów resekcji płuc na otwartej klatce piersiowej w znieczuleniu ogólnym z wentylacją jednego płuca będzie monitorowanych podczas operacji przy użyciu standardowego inwazyjnego monitorowania hemodynamicznego za pomocą przetwornika ciśnienia tętniczego oraz jednocześnie za pomocą monitora HemoSphere z oprogramowaniem HPI podłączonego do przetwornika Acumen IQ (Edwards LifeSciences, Irvine, Kalifornia, USA).
Lekarze nie będą widzieć wyników monitora HemoSphere.
Krzywe hemodynamiczne i dane prognozy HPI będą rejestrowane od momentu wprowadzenia kaniuli tętniczej do momentu opuszczenia sali operacyjnej.
Wartości HPI i śródoperacyjny przebieg hemodynamiczny, w tym śródoperacyjne zdarzenia hipotensyjne (IOH), będą rejestrowane na wszystkich etapach zabiegu.
|
Rejestrowane będą dwa jednoczesne ciągi danych śródoperacyjnych: 1. kształt fali tętniczej i ciśnienie na standardowym hemodynamicznym monitorze pacjenta oraz 2. dane z monitora HemoSphere z oprogramowaniem Acumen Hypotension Prediction Index
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Dodatnia wartość predykcyjna
Ramy czasowe: Okres śródoperacyjny
|
|
Okres śródoperacyjny
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Częstotliwość zdarzeń
Ramy czasowe: Okres śródoperacyjny
|
|
Okres śródoperacyjny
|
Współpracownicy i badacze
Sponsor
Śledczy
- Główny śledczy: Mirosław Ziętkiewicz, MD, PhD, 2nd Anesthesiology and Intensive Care Unit, John Paul II Hospital, Prądnicka St. 80, Kraków, Poland
Publikacje i pomocne linki
Publikacje ogólne
- Walsh M, Devereaux PJ, Garg AX, Kurz A, Turan A, Rodseth RN, Cywinski J, Thabane L, Sessler DI. Relationship between intraoperative mean arterial pressure and clinical outcomes after noncardiac surgery: toward an empirical definition of hypotension. Anesthesiology. 2013 Sep;119(3):507-15. doi: 10.1097/ALN.0b013e3182a10e26.
- von Elm E, Altman DG, Egger M, Pocock SJ, Gotzsche PC, Vandenbroucke JP; STROBE Initiative. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007 Oct 20;370(9596):1453-7. doi: 10.1016/S0140-6736(07)61602-X.
- Song SY, Jung JY, Cho MS, Kim JH, Ryu TH, Kim BI. Volume-controlled versus pressure-controlled ventilation-volume guaranteed mode during one-lung ventilation. Korean J Anesthesiol. 2014 Oct;67(4):258-63. doi: 10.4097/kjae.2014.67.4.258. Epub 2014 Oct 27.
- Lin F, Pan L, Qian W, Ge W, Dai H, Liang Y. Comparison of three ventilatory modes during one-lung ventilation in elderly patients. Int J Clin Exp Med. 2015 Jun 15;8(6):9955-60. eCollection 2015.
- Davies SJ, Vistisen ST, Jian Z, Hatib F, Scheeren TWL. Ability of an Arterial Waveform Analysis-Derived Hypotension Prediction Index to Predict Future Hypotensive Events in Surgical Patients. Anesth Analg. 2020 Feb;130(2):352-359. doi: 10.1213/ANE.0000000000004121.
- Hatib F, Jian Z, Buddi S, Lee C, Settels J, Sibert K, Rinehart J, Cannesson M. Machine-learning Algorithm to Predict Hypotension Based on High-fidelity Arterial Pressure Waveform Analysis. Anesthesiology. 2018 Oct;129(4):663-674. doi: 10.1097/ALN.0000000000002300.
- Piccioni F, Bernasconi F, Tramontano GTA, Langer M. A systematic review of pulse pressure variation and stroke volume variation to predict fluid responsiveness during cardiac and thoracic surgery. J Clin Monit Comput. 2017 Aug;31(4):677-684. doi: 10.1007/s10877-016-9898-5. Epub 2016 Jun 15.
- Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig L, Lijmer JG, Moher D, Rennie D, de Vet HC, Kressel HY, Rifai N, Golub RM, Altman DG, Hooft L, Korevaar DA, Cohen JF; STARD Group. STARD 2015: an updated list of essential items for reporting diagnostic accuracy studies. BMJ. 2015 Oct 28;351:h5527. doi: 10.1136/bmj.h5527.
- Mahmoud K, Ammar A, Kasemy Z. Comparison Between Pressure-Regulated Volume-Controlled and Volume-Controlled Ventilation on Oxygenation Parameters, Airway Pressures, and Immune Modulation During Thoracic Surgery. J Cardiothorac Vasc Anesth. 2017 Oct;31(5):1760-1766. doi: 10.1053/j.jvca.2017.03.026. Epub 2017 Mar 22.
- Shin B, Maler SA, Reddy K, Fleming NW. Use of the Hypotension Prediction Index During Cardiac Surgery. J Cardiothorac Vasc Anesth. 2021 Jun;35(6):1769-1775. doi: 10.1053/j.jvca.2020.12.025. Epub 2020 Dec 21.
- de Keijzer IN, Vos JJ, Scheeren TWL. Hypotension Prediction Index: from proof-of-concept to proof-of-feasibility. J Clin Monit Comput. 2020 Dec;34(6):1135-1138. doi: 10.1007/s10877-020-00465-3. Epub 2020 Jan 23. No abstract available.
- Rajkomar A, Dean J, Kohane I. Machine Learning in Medicine. N Engl J Med. 2019 Apr 4;380(14):1347-1358. doi: 10.1056/NEJMra1814259. No abstract available.
- van der Ven WH, Terwindt LE, Risvanoglu N, Ie ELK, Wijnberge M, Veelo DP, Geerts BF, Vlaar APJ, van der Ster BJP. Performance of a machine-learning algorithm to predict hypotension in mechanically ventilated patients with COVID-19 admitted to the intensive care unit: a cohort study. J Clin Monit Comput. 2022 Oct;36(5):1397-1405. doi: 10.1007/s10877-021-00778-x. Epub 2021 Nov 13.
- Vistisen ST, Johnson AEW, Scheeren TWL. Predicting vital sign deterioration with artificial intelligence or machine learning. J Clin Monit Comput. 2019 Dec;33(6):949-951. doi: 10.1007/s10877-019-00343-7. Epub 2019 Jun 28. No abstract available.
- Vos JJ, Scheeren TWL. Intraoperative hypotension and its prediction. Indian J Anaesth. 2019 Nov;63(11):877-885. doi: 10.4103/ija.IJA_624_19. Epub 2019 Nov 8.
- Sharman JE, Qasem AM, Hanekom L, Gill DS, Lim R, Marwick TH. Radial pressure waveform dP/dt max is a poor indicator of left ventricular systolic function. Eur J Clin Invest. 2007 Apr;37(4):276-81. doi: 10.1111/j.1365-2362.2007.01784.x.
- de Waal EE, Rex S, Kruitwagen CL, Kalkman CJ, Buhre WF. Dynamic preload indicators fail to predict fluid responsiveness in open-chest conditions. Crit Care Med. 2009 Feb;37(2):510-5. doi: 10.1097/CCM.0b013e3181958bf7.
- Fu Q, Duan M, Zhao F, Mi W. Evaluation of stroke volume variation and pulse pressure variation as predictors of fluid responsiveness in patients undergoing protective one-lung ventilation. Drug Discov Ther. 2015 Aug;9(4):296-302. doi: 10.5582/ddt.2015.01046.
- Tugrul M, Camci E, Karadeniz H, Senturk M, Pembeci K, Akpir K. Comparison of volume controlled with pressure controlled ventilation during one-lung anaesthesia. Br J Anaesth. 1997 Sep;79(3):306-10. doi: 10.1093/bja/79.3.306.
- Montes FR, Pardo DF, Charris H, Tellez LJ, Garzon JC, Osorio C. Comparison of two protective lung ventilatory regimes on oxygenation during one-lung ventilation: a randomized controlled trial. J Cardiothorac Surg. 2010 Nov 2;5:99. doi: 10.1186/1749-8090-5-99.
- Kim KN, Kim DW, Jeong MA, Sin YH, Lee SK. Comparison of pressure-controlled ventilation with volume-controlled ventilation during one-lung ventilation: a systematic review and meta-analysis. BMC Anesthesiol. 2016 Aug 31;16(1):72. doi: 10.1186/s12871-016-0238-6.
- Lin F, Pan L, Huang B, Ruan L, Liang R, Qian W, Ge W. Pressure-controlled versus volume-controlled ventilation during one-lung ventilation in elderly patients with poor pulmonary function. Ann Thorac Med. 2014 Oct;9(4):203-8. doi: 10.4103/1817-1737.140125.
- Lohser J. Evidence-based management of one-lung ventilation. Anesthesiol Clin. 2008 Jun;26(2):241-72, v. doi: 10.1016/j.anclin.2008.01.011.
- Tan J, Song Z, Bian Q, Li P, Gu L. Effects of volume-controlled ventilation vs. pressure-controlled ventilation on respiratory function and inflammatory factors in patients undergoing video-assisted thoracoscopic radical resection of pulmonary carcinoma. J Thorac Dis. 2018 Mar;10(3):1483-1489. doi: 10.21037/jtd.2018.03.03.
- Zhang BJ, Tian HT, Li HO, Meng J. The effects of one-lung ventilation mode on lung function in elderly patients undergoing esophageal cancer surgery. Medicine (Baltimore). 2018 Jan;97(1):e9500. doi: 10.1097/MD.0000000000009500.
- Schick V, Dusse F, Eckardt R, Kerkhoff S, Commotio S, Hinkelbein J, Mathes A. Comparison of Volume-Guaranteed or -Targeted, Pressure-Controlled Ventilation with Volume-Controlled Ventilation during Elective Surgery: A Systematic Review and Meta-Analysis. J Clin Med. 2021 Mar 19;10(6):1276. doi: 10.3390/jcm10061276.
- Samantaray A, Hemanth N. Comparison of two ventilation modes in post-cardiac surgical patients. Saudi J Anaesth. 2011 Apr;5(2):173-8. doi: 10.4103/1658-354X.82790.
- Ranucci M, Barile L, Ambrogi F, Pistuddi V; Surgical and Clinical Outcome Research (SCORE) Group. Discrimination and calibration properties of the hypotension probability indicator during cardiac and vascular surgery. Minerva Anestesiol. 2019 Jul;85(7):724-730. doi: 10.23736/S0375-9393.18.12620-4. Epub 2018 Nov 22.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- NB.060.1.011.2022
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
produkt wyprodukowany i wyeksportowany z USA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .