Fjärrövervakning av högriskpatienter med kroniska hjärt- och lungsjukdomar

Exacerbationer av kroniska hjärt- och lungsjukdomar är en viktig orsak till sjuklighet och dödlighet över hela världen. Det finns uppskattningsvis 23 miljoner patienter med hjärtsvikt över hela världen, och förekomsten av hjärtsvikt i USA förväntas öka under de kommande fyra decennierna med uppskattningsvis 772 000 nya fall av hjärtsvikt under år 2040. Exacerbationer av kroniska luftvägssjukdomar kan påskynda lungfunktionsnedgången och minska överlevnaden. De kan också leda till betydande kostnadsökningar för sjukvård. Exacerbationer av kronisk obstruktiv lungsjukdom (KOL) är en viktig orsak till återinläggningar med en 30-dagars återinläggningsfrekvens på cirka 20 % och efterföljande utgifter på 15 miljarder USD i årliga hälsovårdsutgifter. Cystisk fibros (CF), en genetisk störning som påverkar luftvägarnas clearance och sekret, har en 30-dagars återinläggningsfrekvens på cirka 11 %.

På grund av de höga kostnaderna för sjukhusvistelser och akutmottagningsbesök, och särskilt i samband med covid-19-pandemin, har mer kostnadseffektiva hanteringsmodeller "utanför sjukhus" blivit allt mer tilltalande. Sådana modeller ger inte bara kostnadsfördelar för patienter, betalare och sjukhus, utan ökar också möjligheten att ge vård till människor i hemmet.

Andningsvariabler har visat sig vara en av de mest känsliga indikatorerna för KOL-exacerbation, och en signifikant korrelation mellan andningsfrekvens och KOL-symtom har observerats. I kombination med pulsfrekvens och syremättnad ger dessa variabler en användbar metod för att identifiera exacerbationer. Nuvarande analytiska modeller är utformade för att utlösa larm, som i allmänhet är baserade på traditionella tröskelstyrda analyser. Sådana metoder kan inte identifiera och känna igen trender på grund av begränsad tillgång till avancerad analys (t.ex. maskininlärningsmetoder). Den enhet som föreslås för användning i denna studie kommer att mäta andningsfrekvens, Inspiratoriskt: Expiratoriskt (I:E) förhållande, andningsdjup, hjärtfrekvens, SpO2, SpO2-variabilitet, patientrörelser, och utredarna kommer att använda maskininlärning och datamodellering för att analysera deras trender över tid.

Den bärbara biometriska plattformen (kallad 'respiratorisk sensor') utvecklad av Institute of Bioengineering & Bioimaging (IBB), A*STAR ska bäras på bröstområdet via ett självhäftande plåster av medicinsk kvalitet. Andningssensorn inkluderar en icke-invasiv sensor som kombinerar en accelerometer och ljusbaserade metoder för att känna av bröstväggens expansion eller andning.

Andningssensorn tillåter möjligheten att samla in ytterligare andningsinformation (andningsfrekvens, relativt tidvattendjup och arbetscykel) som prediktorer för förvärring av kroniska hjärt- och lungsjukdomar och kanske förbättra avancerade analytiska modeller som kan ge bättre känslighet och specificitet jämfört med traditionella modeller (t.ex. kliniska dagböcker). I slutändan kan detta möjliggöra tidig förutsägelse av polikliniska exacerbationer för att möjliggöra tidig intervention och minskade återinläggningar (via distansinterventioner).

I detta projekt, Institute of Bioengineering & Bioimaging (IBB), skulle A*STAR vilja samarbeta med Massachusetts General Hospital för att aggregera patientdata och för att vidareutveckla sin mjukvarualgoritm med hjälp av maskininlärning (t. slumpmässiga skogsmodeller och långtidsminnesmodeller etc.) och statistiska modeller (t.ex. regressionsmodeller och överlevnadsanalys med univariat och multivariat analys) baserad på andningsegenskaper och hemodynamik för att förutsäga exacerbationer och försämringar på 60 patienter med hjärt- och lungsjukdomar. Slutpunkterna för detta samarbete inkluderar följande:

1. Att validera hypotesen om att använda respiratoriska biomarkörer i modeller (sjukdomsagnostiska och sjukdomsspecifika) för att förutsäga exacerbationer - benchmarking som ska göras kontra uppföljande frågeformulär och telefonsamtal
2. För att validera graden av efterlevnad, avhoppsfrekvens och om ytterligare åtgärder krävs för att få patienter att följa upp