FORE-SIGHT™ 监测仪对血液动力学恶化的预测价值

1. 背景

   准确的血液动力学监测通常需要使用侵入性工具或导管。 这些工具中有许多可供成人使用，但不能用于危重婴儿和儿童，因为它们的尺寸太大，而且这些侵入性技术具有很高的并发症风险。 允许检测关键血液动力学状态的非侵入性监测技术在这一人群中引起了高度关注。

   FORE-SIGHT™ 是一种测量脑组织氧饱和度的非侵入性工具。 脑组织氧饱和度 (SctO2) 值对临床医生很重要，因为脑缺氧（脑组织供氧不足）是许多手术和临床情况下发生脑损伤的主要原因之一。 FORE-SIGHT™ 脑血氧仪利用基于光学的近红外光谱 (NIRS) 技术监测绝对 SctO2。 它的工作原理是通过头皮和颅骨投射无害的近红外光，并通过患者前额上的一次性传感器进入大脑。 该设备测量返回到传感器上检测器的光，并使用专利算法分析此信息以确定绝对脑组织氧饱和度水平。 FORE-SIGHT™ 旨在以连续的方式监测 SctO2，并为临床医生提供在大脑损伤发生之前进行干预的机会。 该监护仪目前是在手术室接受体外循环的儿童标准监护的一部分，并且通常在鲁汶大学附属医院的儿科重症监护病房 (PICU) 的术后阶段继续使用。

   多项研究指出，在成人心脏或腹部手术后围手术期监测 SctO2 具有潜在优势 [1,2,3,4]，对于接受先天性心脏缺陷手术矫正的儿童 [5,6] ,7]。 低 SctO2 值与较差的结果相关，并且与其他监测器的数据一致，表明当时大脑的氧气含量不足。 特别是，SctO2 去饱和度低于 55%、60% 和 65% 的持续时间可预测术后并发症 [8]。 然而，这些研究仅分析了在循环受损的复杂手术期间，NIRS 作为一种工具在大脑处于最高风险时监测大脑的情况。 尽管没有证据表明基于 NIRS 数据的决策有利于患者的预后，但许多中心使用 NIRS 作为手术环境之外的监测工具。

   由于大脑对氧合作用的变化非常敏感，因此监测 SctO2 可能会指示患者血液动力学状态的关键变化，从而作为患者一般血液动力学状态的监测器。 本研究希望在心脏手术后的术后阶段检查 SctO2 监测相对于 PICU 儿科患者常规监测的附加值。 理想情况下，为了具有附加值，SctO2 的变化应该发生在血流动力学恶化之前。

   预测是重症监护医学的核心，医生利用他们的医学知识和所有与患者相关的数据来预测患者病情的变化，并实施适当的（预防性）治疗。 重症监护病房 (ICU) 是一个数据非常丰富的环境，具有多个信息源，例如入院记录、病史、样本实验室分析、药物和治疗记录以及生命信号监测。 从 2006 年 2 月开始，我们的 ICU 安装了患者数据管理系统 (PDMS)（MetaVision®、iMD-Soft®、马萨诸塞州波士顿）。 该 PDMS 软件自动收集和整合来自多个信息源的数据。 将所有与患者相关的数据都整合到一个格式中的好处之一是，可以通过使用一般的计算技术，尤其是数据挖掘技术，轻松地对其进行分析。 这些技术利用大型数据库中的信息自动生成可用于预测的模型（例如，预测患者在 ICU 中的生存概率）。 在之前的研究中，我们的研究小组已经展示了比在重症监护领域使用数据挖掘模型可以获得的更高的预测性能。

   在这项研究中，我们将利用数据挖掘技术，通过分析 PDMS（包括 FORE-SIGHT™ NIRS）中收集的数据，评估 SctO2 监测对心脏手术后 PICU 患者未来血流动力学恶化的预测能力。

2. 项目目标

   • 评估 FORE-SIGHT™ NIRS 信号在心脏手术后的术后阶段对危重婴儿和儿童未来血流动力学恶化的独立预测能力。

   • 评估 FORE-SIGHT™ NIRS 信号对危重婴儿和儿童心脏手术后术后阶段结果的预测能力。

3. 学习规划

前瞻性、观察性、非干预性研究。 从入院到停止机械通气，所有符合条件的儿童都将接受 FORE-SIGHT™ 的监测。 通常，在鲁汶大学附属医院的 PICU 接受心脏手术后入院的患者会接受 12 小时至两周的机械通气 [8]。

FORE-SIGHTTM SctO2 信号将对床边临床医生不可见，并将存储在 PDMS 系统中以供分析。 到达 ICU 后的前 20 分钟数据将不会用于分析，因为在此期间患者通常在转运后稳定到新环境，因此数据不是 ICU 逗留的特征。

来自这些患者的数据将用于分析，以建立预测模型。 删除所有涉及患者身份的数据后，PDMS 数据库的副本将用于数据分析。 数据挖掘模型，例如简单的逻辑回归模型，还有更高级的机器学习技术（由计算机算法自动学习的模型，例如决策树模型 [9]、贝叶斯网络、高斯过程、支持向量机等），将评估 FORE-SIGHT™ 信号对常规监测数据的独立预测能力。

1. FORE-SIGHT™ 用于及早发现未来的血液动力学不稳定。

首先，将建立模型来评估 FORE-SIGHT™ 信号的独立预测能力，以提前 10 分钟检测血流动力学不稳定事件。

由于儿童的心输出量不是直接侵入式测量的，因此这种事件可以通过间接体征来证明。 如果满足以下一项或多项标准，则认为这是一次血流动力学不稳定事件。

1. 血液动力学监测 • 心率 >160 或 <90，至少连续 5 分钟 • 收缩压 < 55（婴儿）或 < 65（儿童），至少连续 5 分钟

2. 床旁实验室分析

   • 静脉饱和度 (SvO2) <55（当存在氰源性心脏病时），或 <65（在所有其他患者中）

   • 动脉血气采样的乳酸 > 2 mmol/L

3. 临床观察 • 连续 2 小时尿量 < 正常值 0.5 ml/kg/h

2. 用于预测结果的 FORE-SIGHT™。 其次，将建立模型来评估 FORE-SIGHT™ 信号是否可以预测医院和 ICU 住院时间 (LOS)、死亡率以及（有创或无创）机械呼吸机支持的持续时间。

为了评估 2 个预测任务的预测性能，将使用以下统计数据：阳性预测值、ROC 曲线下面积 (AUROC)、Hosmer-Lemeshow 统计量、大规模校准、校准-斜率和 Brier 分数。

阳性预测值是正确分类的阳性实例的比例。 它反映了阳性结果对应于所测试的潜在条件的概率。

AUROC 是衡量模型区分正例和负例的能力的指标。 通常 AUROC 作为评估比准确性更受欢迎，因为它允许权衡将负面实例错误分类为正面的可能不同成本，或者等效于模型的敏感性和特异性之间的权衡。

Hosmer-Lemeshow 统计量、大范围校准和校准斜率用于确定模型是否校准良好。 这些测试评估观察到的事件发生率是否与人口亚组中的预期事件发生率相匹配。 子组中预期和观察到的事件发生率相似的模型被认为是经过良好校准的。

整体模型性能将使用 Brier 分数及其标准化版本 Brier 比例分数进行评估。 准确的模型具有较低的总体预测误差，因此具有较低的 Brier 分数（低于每个任务的基本案例值）。

4 研究人群

所有 12 岁以下的儿童，在心脏手术后入住鲁汶大学鲁汶大学医院的 PICU，如果符合以下纳入标准，则有资格参加该研究：

• 入住 ICU 时机械通气或入住后插管
• 动脉线到位。
• 预计至少在 PICU 停留 24 小时。

存在实际或潜在脑损伤的患者，如外伤性脑损伤患者、脑肿瘤患者或心肺复苏（CPR）后患者除外。 患有禁止放置前额传感器的病症或伤口的患者也被排除在外。

该研究将收集为期 1.5 年的数据。 招募300名危重患儿。 大约 20% 的 PICU 患者表现出临床恶化事件，中位 (IQR) 住院时间为 3 (2-7) 天 [8] 并且每天至少发生一次事件，我们预计至少会发生 180 次临床恶化事件每年人口的恶化。 根据之前具有类似事件分布的研究 [15,16]，我们希望我们的模型产生至少 0.8 的灵敏度（和特异性），α 误差为 5%，统计功效为 80%。

因此，该研究将具有所需的统计功效来检测 FORE-SIGHT™ NIRS 信号在预测临床恶化方面的潜力。