Удаленный мониторинг пациентов с хроническими сердечно-легочными заболеваниями из группы высокого риска

Обострения хронических сердечно-легочных заболеваний являются основной причиной заболеваемости и смертности во всем мире. По оценкам, во всем мире насчитывается 23 миллиона пациентов с сердечной недостаточностью, и, по прогнозам, распространенность сердечной недостаточности в Соединенных Штатах будет расти в течение следующих четырех десятилетий, а к 2040 году прогнозируется 772 000 новых случаев сердечной недостаточности. Обострения хронических респираторных заболеваний могут ускорить снижение функции легких и снизить выживаемость. Они также могут привести к значительному удорожанию медицинских услуг. Обострения хронической обструктивной болезни легких (ХОБЛ) являются серьезной причиной повторных госпитализаций: частота повторных госпитализаций в течение 30 дней составляет примерно 20%, а последующие расходы на здравоохранение составляют 15 миллиардов долларов США в год. Кистозный фиброз (CF), генетическое заболевание, которое влияет на очистку дыхательных путей и секрецию, имеет 30-дневную частоту повторных госпитализаций примерно в 11%.

Из-за высокой стоимости пребывания в больнице и посещения отделений неотложной помощи, особенно в условиях пандемии COVID-19, все более привлекательными становятся более рентабельные «внебольничные» модели ведения пациентов. Такие модели не только обеспечивают экономическую выгоду для пациентов, плательщиков и больниц, но также расширяют возможности оказания помощи людям на дому.

Показано, что респираторные параметры являются одним из наиболее чувствительных индикаторов обострения ХОБЛ, и наблюдалась значительная корреляция между частотой дыхания и симптомами ХОБЛ. В сочетании с частотой пульса и насыщением кислородом эти переменные обеспечивают полезный метод выявления обострений. Текущие аналитические модели предназначены для запуска сигналов тревоги, которые обычно основаны на традиционной аналитике, управляемой пороговым типом. Такие методы не способны выявлять и распознавать тенденции из-за ограниченного доступа к расширенной аналитике (например, методам машинного обучения). Устройство, предлагаемое для использования в этом исследовании, будет измерять частоту дыхания, отношение вдоха: выдоха (В:Д), глубину дыхания, частоту сердечных сокращений, SpO2, вариабельность SpO2, движения пациента, и исследователи будут использовать машинное обучение и моделирование данных для анализа их тенденции во времени.

Носимая биометрическая платформа (называемая «Дыхательный датчик»), разработанная Институтом биоинженерии и биоимиджинга (IBB), A*STAR, предназначена для ношения на груди с помощью лейкопластыря медицинского класса. Дыхательный датчик включает в себя неинвазивный датчик, сочетающий акселерометр и световые методы для определения расширения грудной клетки или дыхания.

Дыхательный датчик позволяет собирать дополнительную информацию о дыхании (частота дыхания, относительная глубина дыхания и рабочий цикл) в качестве предикторов обострения хронических сердечно-легочных заболеваний и, возможно, улучшать передовые аналитические модели, которые могут обеспечить более высокую чувствительность и специфичность по сравнению с традиционными моделями (например, клинические дневники). В конечном счете, это может позволить раннее прогнозирование амбулаторных обострений, чтобы обеспечить раннее вмешательство и сокращение повторных госпитализаций (посредством дистанционных вмешательств).

В этом проекте Институт биоинженерии и биоимиджинга (IBB) A*STAR хотел бы сотрудничать с Больницей общего профиля штата Массачусетс для сбора данных о пациентах и ​​дальнейшей разработки своего программного алгоритма с использованием машинного обучения (например, модели случайного леса и модели долговременной памяти и т. д.) и статистические модели (например, регрессионные модели и анализ выживаемости с одномерным и многомерным анализом) на основе особенностей дыхания и гемодинамики для прогнозирования обострений и ухудшения состояния у 60 пациентов с сердечно-легочными заболеваниями. Конечные точки этого сотрудничества включают следующее:

1. Подтвердить гипотезу об использовании респираторных биомаркеров в моделях (не зависящих от заболевания и специфичных для конкретного заболевания) для прогнозирования обострений - необходимо провести сравнительный анализ по сравнению с последующими анкетами и телефонными звонками.
2. Для подтверждения уровня соблюдения режима лечения, показателя отсева и необходимости принятия дополнительных мер для привлечения пациентов к последующему лечению.