Bärbar fjärrövervakning av hjärtfrekvens och andningsfrekvens för hjärtsvikt

Hjärtsvikt (HF) är ett utmanande tillstånd att hantera, där återinläggning på sjukhus för HF-exacerbation har negativa effekter på patientresultat och ekonomisk börda för både patient och hälsosystem [Lloyd-Jones, 2010; Yancy, 2017; Ross, 2009; Chaudhry, 2007]. Ett intuitivt behov av mer känsliga prediktorer för HF-exacerbationer har fått forskare att utforska fjärrövervakning som ett möjligt svar. Konsumentägda sensorer har blivit mer exakta i sin registrering av vitala tecken, och kan därför ha potential för fjärrövervakning [Dickinson, 2018]. Det kombinerade måttet på hjärtfrekvens (HR) och andningsfrekvens (RR) har visat sig förutsäga New York Heart Association (NYHA) HF-klass, en indikator på svårighetsgraden av hjärtsjukdom, i implanterbara hjärtenheter med multisensorövervakningskapacitet [Auricchio , 2014; Prasun, 2019; Boehmer, 2015; Boehmer, 2017]. Hjärtfrekvensvariabilitet (HRV), ett mått på sympatisk autonom funktion, har också visat potential för att förutsäga negativa hjärthändelser [Al-Zaiti, 2019; Shaffer, 2017; Bullinga, 2005; Tsuji, 1996].

WHOOP-enheten, en bärbar rem som liknar en Fitbit, möjliggör HR-övervakning i realtid och kan bestämma RR med hjälp av respiratorisk sinusarytmi [www.whoop.com/experience; Berryhill, 2020]. Det är en av få enheter på marknaden som exakt kan spåra hjärtfrekvens såväl som andningsfrekvens i realtid (under aktivitet) och är utrustad med en multiriktad accelerometer för aktivitetsspårning. WHOOP-enheten validerades nyligen externt mot polysomnografi och kontinuerligt elektroencefalogram (EEG) för sömnspårning och kontinuerligt elektrokardiogram (EKG) för HR och HRV (med mindre än 5 % fel) [Berryhill, 2020]. HRV, som representerar balansen mellan de sympatiska och parasympatiska nervsystemen, är en känd prediktor för hjärthändelser. Det är särskilt användbart vid HF, som är ett kroniskt förhöjt katekolamintillstånd som leder till deprimerad HRV och är knuten till NYHA HF-klass, en indikator på sjukdomens svårighetsgrad [Bullinga, 2005; Tsuji, 1996].

Data hittills angående effektiviteten av fysiologisk fjärrövervakning med hjälp av hjärtimplanterbara elektroniska enheter (CIED), även om de är lovande i teorin, har ännu inte visat sig vara känsliga vid upptäckt av HF-exacerbation. Syftet med CLEPSYDRA-studien var att använda data som extraherats från implanterad hjärtresynkroniseringsterapi med defibrilleringsanordningar (CRT-D) hos patienter med HF för att förutsäga hjärtsviktshändelser; även om de viktigaste variablerna som används i den nya algoritmen, minutventilation och patientaktivitet, intuitivt verkar vara prediktorer för dåligt utfall/HF-exacerbation, var algoritmens känslighet för att förutsäga en händelse endast 34 % [6]. Det verkar som om denna kombination av variabler inte är tillräcklig för att förutsäga negativa HF-händelser. HOME-CARE (HOME Monitoring in Cardiac REsynchronization Therapy)-studien visade dock mer lovande resultat, eftersom deras förbättrade prediktor, med användning av sju diagnostiska variabler från implanterade CRT-D, stoltserade med en känslighet på 65,4 % [Sack, 2011]. Även om data från dessa studier är användbara, har ingen studie kunnat identifiera och bedöma korrekta prediktorer för HF-klass.

Nuvarande effektiva hanteringsstrategier är begränsade till hemodynamiska eller multisensorövervakningssystem. Dessa är dock endast tillgängliga i implanterade hjärtdefibrillatorer (ICD) eller hjärtresynkroniseringsterapidefibrillatorer (CRT-D). Dessa implanteras inte i varje HF-patient [Al-Zaiti, 2019]. Icke-invasiv övervakning som tillhandahåller liknande data, såsom övervakning av bärbara enheter, skulle utöka kohorten av patienter som skulle dra nytta av fjärrövervakning och skulle undvika riskerna med att ha implanterad hårdvara. Dessutom kan bättre förutsägelse av HF-svårighet hjälpa till att vägleda uppföljningsvård och förutsäga HF-händelser [Boehmer, 2015; Boehmer 2017]. Detta skulle leda till effektivare hantering, färre återinläggning på sjukhus och förbättra resultatet för HF-patienter totalt sett [Dickinson, 2018].

Utredarna föreslår en genomförbarhetsstudie på HF-patienter för att bättre bedöma HF-sjukdomstillstånd, vilket kan hjälpa till med hanteringen och förbättra resultaten. Försökspersonerna kommer att bära WHOOP-enheten, som mäter både aktivitets- och HR-parametrar och kan härleda RR med hjälp av respiratorisk sinusarytmi, i 90 dagar. Under denna period kommer deras HR och RR att registreras i vila, under aktivitets- och återhämtningsfaser efter aktivitet. Detta kombinerade mått på HR/RR har visat sig förutsäga NYHA HF-klass, en indikator på sjukdomens svårighetsgrad, i implanterbara enheter med multisensorövervakningskapacitet; sålunda representerar den en användbar hanteringsstrategi hos HF-patienter [Bullinga, 2005; Tsuji, 1996]. En kontinuerlig extern övervakningsanordning som bärs på handleden, såsom WHOOP-anordningen, skulle ge värdefulla fysiologiska data för en kohort av HF-patienter som tidigare inte kunde övervakas på detta sätt. Sekundär analys av denna studie kommer att undersöka användningen av intra- och postaktivitet HR och RR som prediktorer för sjukhusvistelse, ett vanligt problem hos HF-patienter som korrelerar med sämre dödlighetsutfall.