慢性心肺疾病高危患者的远程监护

慢性心肺疾病的恶化是全世界发病率和死亡率的主要原因。 全世界估计有 2300 万心力衰竭患者，美国的心力衰竭患病率预计在未来 40 年内上升，预计到 2040 年将有 772,000 例新的心力衰竭病例。 慢性呼吸系统疾病的恶化会加速肺功能下降并降低生存率。 它们还可能导致医疗保健成本显着上升。 慢性阻塞性肺病 (COPD) 恶化是再入院的重要原因，30 天再入院率约为 20%，随后每年的医疗保健支出达 150 亿美元。 囊性纤维化 (CF) 是一种影响气道清除和分泌物的遗传性疾病，其 30 天再入院率约为 11%。

由于住院和急诊就诊的费用高昂，尤其是在 COVID-19 大流行的背景下，更具成本效益的“院外”管理模式变得越来越有吸引力。 这种模式不仅为患者、付款人和医院提供了成本效益，而且还提高了为居家人员提供护理的能力。

呼吸变量已被证明是 COPD 恶化最敏感的指标之一，并且已观察到呼吸频率与 COPD 症状之间存在显着相关性。 当与脉搏率和氧饱和度相结合时，这些变量提供了一种识别恶化的有用方法。 当前的分析模型旨在触发警报，这些警报通常基于传统的阈值类型驱动的分析。 由于对高级分析（例如机器学习方法）的访问受限，此类方法无法识别和识别趋势。 提议用于本研究的设备将测量呼吸频率、吸气：呼气 (I:E) 比率、呼吸深度、心率、SpO2、SpO2 变异性、患者运动，研究人员将使用机器学习和数据建模来分析他们的随着时间的推移趋势。

由 A*STAR 生物工程与生物成像研究所 (IBB) 开发的可穿戴生物识别平台（称为“呼吸传感器”）将通过医疗级贴片佩戴在胸部区域。 呼吸传感器包括一个非侵入式传感器，结合了加速度计和基于光的方法来感测胸壁扩张或呼吸。

呼吸传感器允许收集额外的呼吸信息（呼吸率、相对潮气深度和占空比）作为慢性心肺疾病恶化的预测指标，并可能改进先进的分析模型，与传统模型（例如， 临床日记）。 最终，这可能允许及早预测门诊患者的病情恶化，以便进行早期干预并减少再次入院（通过远程干预）。

在这个项目中，A*STAR 生物工程与生物成像研究所 (IBB) 希望与马萨诸塞州总医院合作收集患者数据并使用机器学习进一步开发其软件算法（例如 随机森林模型和长短期记忆模型等）和统计模型（例如 回归模型和单变量和多变量分析的生存分析）基于呼吸特征和血流动力学预测 60 名心肺疾病患者的恶化和恶化。 该合作的终点包括以下内容：

1. 验证在模型（不可知疾病和特定疾病）中使用基于呼吸的生物标志物来预测恶化的假设——要进行的基准测试与后续问卷调查和电话
2. 验证依从性水平、退出率以及是否需要采取额外措施让患者接受后续治疗