Hipotensão perioperatória em cirurgia oncológica ginecológica: HPI-ClearSight versus análise de forma de onda arterial

INTRODUÇÃO A hipotensão intraoperatória (HIO) é um evento adverso comum durante a cirurgia não cardíaca [1,2]. Está associada a um aumento da incidência de lesão renal aguda, lesão miocárdica, deficiências neurológicas, bem como aumento da mortalidade operatória em 30 dias [3-7]. Lesões de órgãos demonstraram estar associadas com a profundidade, frequência e duração dos episódios de hipotensão [4,8]. Os dados indicam que uma pressão arterial média de 65 mmHg serve como um limiar para prever lesão miocárdica e renal [9-11].

Métodos minimamente invasivos recentemente desenvolvidos da análise da forma de onda arterial permitem o cálculo do débito cardíaco, volume sistólico, variação do volume sistólico e resistência vascular sistêmica. Essa visão mais profunda da hemodinâmica permite abordagens terapêuticas direcionadas a objetivos; no entanto, as informações fornecidas permitem apenas reagir aos eventos em vez de preveni-los [12,13].

Curiosamente, dados recentes indicam uma redução significativa na disfunção orgânica pós-operatória pela prevenção da IOH, sugerindo um potencial benefício da intervenção precoce [14].

As intervenções cirúrgicas para redução da massa do câncer estão entre as operações mais invasivas em ginecologia. O trauma cirúrgico extenso resulta em desvios de volume intra e perioperatórios graves e hemodinâmica instável [15]. Grande cirurgia abdomino-pélvica para cirurgia oncológica ginecológica (GOS) pode incluir histerectomia, ooforectomia, omentectomia, colectomia, remoção dos gânglios linfáticos e remoção peritoneal. A cirurgia é realizada por laparoscopia ou incisão laparotômica e está frequentemente associada a perda significativa de sangue [16]. A hipotensão durante a GOS é comum e, como está associada ao potencial de dano, requer avaliação e tratamento imediatos [16]. A ressuscitação volêmica extensa em pacientes com câncer peritoneal está associada a um desfecho pós-operatório insatisfatório independente da doença maligna subjacente e é recomendado evitar a sobrecarga hídrica [15].

Portanto, a previsão de hipotensão intraoperatória e, consequentemente, sua prevenção por meio de tratamento proativo pode apresentar efeitos benéficos para os pacientes. O aprendizado de máquina, uma disciplina da ciência da computação usada para analisar grandes conjuntos de dados e desenvolver modelos preditivos, tem aplicações evidentes na área da saúde [17,18]. Várias tentativas de usar algoritmos como auxílio na prática da anestesiologia recentemente receberam atenção renovada, com o objetivo de otimizar o status perioperatório dos pacientes, focando principalmente na detecção de instabilidade hemodinâmica precoce e previsão de hipotensão [19].

O Índice de Previsão de Hipotensão - HPI (Edwards Lifesciences, Irvine, EUA) é um algoritmo baseado na análise complexa de características em registros de forma de onda de pressão arterial de alta fidelidade desenvolvido para observar sinais sutis que poderiam prever o aparecimento de hipotensão em pacientes cirúrgicos e de unidade de terapia intensiva [20]. HPI é um número sem unidade que varia de 1 a 100 e, à medida que o número aumenta, a probabilidade ou risco de um evento hipotensivo (definido como pressão arterial média [PAM] <65 mmHg por mais de 1 minuto) ocorrendo em um futuro próximo aumenta [20]. Um estudo de validação realizado em pacientes cirúrgicos relatou alta sensibilidade e especificidade do HPI para predizer hipotensão 5, 10 e 15 minutos antes do evento ocorrer [21]. O desenvolvimento do algoritmo foi baseado em dados invasivos da forma de onda da linha arterial; no entanto, apenas uma pequena fração dos pacientes submetidos à cirurgia não cardíaca requer monitoramento arterial invasivo [22].

A estimativa das formas de onda da pressão arterial de um manguito de dedo não invasivo (ClearSight) está bem estabelecida, e a PAM medida pelo sistema ClearSight pode ser considerada uma alternativa para a pressão arterial radial média [23,24]. O algoritmo HPI, foi recentemente relatado para trabalhar também com uma estimativa de forma de onda não invasiva [25-27].

Este estudo comparará um manejo hemodinâmico baseado no algoritmo HPI trabalhando com o sistema não invasivo ClearSight com um clássico baseado em ClearSight em termos de incidência, duração e gravidade de eventos hipotensivos intraoperatórios avaliados pela média ponderada de tempo de hipotensão em pacientes submetidos a GOS.

MATERIAIS E MÉTODOS Este estudo observacional retrospectivo unicêntrico foi aprovado pelo Comitê Interno de Ética (ID 3664, protocolo número 10077/21). O consentimento informado por escrito será obtido de todos os pacientes envolvidos.

O desfecho primário é a incidência, duração e gravidade dos eventos hipotensivos (definidos como PAM < 65 mmHg por pelo menos 1 minuto) avaliados pela média ponderada pelo tempo (TWA) PAM de hipotensão nos dois grupos de pacientes. O TWA-MAP é uma combinação de gravidade e duração dos eventos hipotensivos, em relação ao tempo total de cirurgia. É calculado usando a soma da área abaixo do limiar dividida pela duração da cirurgia [28]. O limiar para eventos hipotensivos é definido como uma PAM abaixo de 65 mmHg por pelo menos 1 minuto de duração. O tempo de duração da hipotensão termina após o aumento dos valores de MAP após ≥65 mmHg por pelo menos 1 min.

Os endpoints secundários consistem no número de pacientes com eventos hipotensivos, número de eventos por (respectivo) paciente, duração cumulativa e média da hipotensão, combinado com números de eventos hipotensivos <65 e <50 mmHg.

Os dados foram coletados durante um período limitado de tempo em que novos sensores de monitoramento hemodinâmico (ClearSight) foram avaliados durante um lançamento de marketing. Os primeiros 68 pacientes submetidos a GOS na IRCCS Policlinico A.Gemelli Foundation entre dezembro de 2019 e fevereiro de 2020 foram monitorados com sensor ClearSight clássico (n = 36) e sensor ClearSight com HPI ativado (n = 32). Os critérios de inclusão consistiram em GOS eletivo, idade > 18 anos. Os critérios de exclusão foram pacientes sem ritmo sinusal, fração de ejeção <30%, estenose valvar aórtica grave, cirurgia de emergência, isquemia miocárdica aguda, gravidez.

O monitoramento padrão (Life Scope TR, Nihon Kohden Co, Tóquio, Japão) incluiu um eletrocardiograma de 5 derivações, oximetria de pulso, pressão arterial não invasiva (NIBP) e eventual pressão arterial invasiva (IBP). Além do monitoramento padrão, todos os pacientes tiveram monitoramento hemodinâmico não invasivo com ClearSight (Edwards Lifesciences, Irvine, CA). Ao chegar à sala de cirurgia, foi iniciada a medição da PANI por meio de um esfigmomanômetro digital automatizado no braço direito e o sistema ClearSight foi acoplado a um dedo do braço esquerdo dos pacientes. Conectamos o monitor ClearSight com um cabo de interface ao monitor do paciente. Em pacientes que necessitam de monitoramento de IBP, uma cânula arterial foi colocada contralateral ao manguito ClearSight. O sistema de referência ClearSight foi zerado no nível do átrio direito. O valor da pressão arterial do manguito do dedo (CS-BP) foi relatado no monitor principal. A medição da NIBP usando o esfigmomanômetro digital automatizado foi realizada em intervalos de 5 minutos. Para fins de terapia, definimos hipotensão como um valor absoluto de CS-BP MAP < 65 mmHg. A incidência e a duração dos episódios e intervenções hipotensos foram registradas. Bradicardia foi definida como frequência cardíaca (FC) < 60 bpm.

Um furo grande i.v. Foi inserido cateter em veia do antebraço e administrado Cefazolina 2 gr, Dexametasona 4 mg e Omeprazol 40 mg. A anestesia geral foi induzida com sufentanil 0,2 mcg/kg (peso corporal ideal), propofol 2 mg/kg (peso corporal real) e rocurônio 0,6 mg/kg (peso corporal ideal). Durante a cirurgia, os pacientes foram posicionados em posição de Trendelenburg com ambos os braços estendidos em dispositivos de posicionamento de braço. A anestesia foi mantida com Sevoflurano para manter um valor de Índice Bispectral entre 40-50. Bolus adicionais de sufentanil e rocurônio foram administrados quando necessário.

Todos os pacientes receberam um protocolo hemodinâmico GDT para otimizar o débito cardíaco e o suprimento de oxigênio. Como parte do protocolo GDT, os pacientes receberam cristaloides e/ou fluidos para manter a VSV <13% ou para evitar a redução da VS em mais de 10% da linha de base. Vasopressores e inotrópicos foram administrados a pedido do clínico para manter a PAM ≥65. No grupo HPI, o anestesiologista assistente estava livre para usar líquidos, vasopressores e drogas inotrópicas, mas foi permitido ler no monitor Hemosphere HPI e parâmetros secundários (para avaliação de pré-carga, contratilidade cardíaca e pós-carga como possíveis causas de hipotensão) , e atuar de forma preventiva para evitar a hipotensão.

Todos os dados foram baixados do monitor HemoSphere, incluindo HPI, CS-MAP, pressão arterial sistólica CS, pressão arterial diastólica CS. Todos os dados baixados consistiam em pontos de dados médios com intervalos de 20 segundos. Os dados foram transferidos para um computador para análise através de uma unidade USB. Cada arquivo era nomeado com um código gerado automaticamente pela máquina e era identificável por um número de identificação contido nele.

O algoritmo HPI estima a probabilidade de ocorrência em um futuro próximo de um evento hipotensivo tomando a forma de onda da pressão arterial como entrada para calcular um valor de índice que varia entre 1 e 100. Neste estudo, em vez de dados de forma de onda arterial invasiva, usamos a forma de onda de pressão arterial não invasiva do ClearSight.

No monitor HemoSphere, formas de onda arteriais de baixa qualidade foram detectadas automaticamente pelos algoritmos de processamento de formas de onda arteriais e excluídas do cálculo das médias de 20 segundos.

Análise estatística Os dados coletados no perioperatório e baixados da plataforma HemoSphere serão analisados ​​usando o software Acumen Analytics (Edwards Lifesciences Corp.).

Dados categóricos serão apresentados como frequências com porcentagens. As diferenças serão analisadas com o teste exato de Fisher. Para variáveis ​​quantitativas será utilizado o teste de distribuição normal com o teste de Shapiro-Wilk. Os dados serão apresentados como média ± desvio padrão (DP) no caso de distribuição normal, caso contrário, como mediana e intervalo interquartílico (IQR). As variáveis ​​lineares serão analisadas usando o teste t não pareado de Student em variáveis ​​com distribuição normal e o teste U de Mann-Whitney em variáveis ​​com distribuição não normal. Valores de P inferiores a 0,05 serão considerados estatisticamente significativos. A análise estatística será realizada com o SPSS Statistics.