比较基于机器学习的低血压预警系统与标准监护对择期非心脏手术术中低血压程度和持续时间的影响

2021
02/08

+
分享
评论
古麻今醉
A-
A+

 

术中低血压是围术期患者最常见的风险之一,有研究报告显示255个病例中有87%的患者至少发生一次术中低血压(低血压定义为平均动脉压<65mmHg)。非心脏手术中低血压与肾功能不全、心肌损伤等多个术后并发症相关,并且提升死亡率。当前术中低血压的处理主要是反应性的。Hatib等开发了一种机器学习的算法,在血压出现下降前几分钟预测低血压,叫做低血压预测指数,该算法灵敏性为88%,特异性为87%。来自阿姆斯特丹大学医疗中心Wijnberge等在对该预警系统进行了改良的基础上,开展单中心临床随机对照研究,结果发表于2020年JAMA杂志本研究为单中心随机对照试验,纳入68名择期非心脏手术患者,随机进入预警系统组和标准护理组。试验时间从2018年5月到2019年3月。所有试验对象均需要进行桡动脉穿刺置管,预警系统组将预警系统软件与Flotrac传感器连接,以100Hz的采样频率连续测量动脉压波形。动脉监测系统每20秒更新一次血流动力学参数,预警系统也同样20秒更新一次。标准护理组显示平均动脉压、收缩压、舒张压和脉压变化。

实验中,预警系统从动脉压波形中提取23个变量计算预警值,当预警值超过85时,代表接下来的15分钟内发生低血压时间的可能性约为85%,此时会有警报声和闪光提醒麻醉医生在2分钟内进行处理。除了预警值,系统也提供卒中容积变化和全身血管阻力等数值协助麻醉医生判断血栓事件的发生。对照组同样连接了研究系统,但是屏幕对麻醉医生不可见,并消除报警音。麻醉医生仅适用标准监护仪上可见的变量来进行判断,指导血流动力学治疗。

图1 血流动力学诊断流程和治疗计划

主要观测值为围术期低血压时间的加权平均值,时间加权平均值结合了低血压的持续时间和严重程度(最低平均动脉压),并对手术时间进行校正。低血压定义为小于65mmHg持续1分钟。血压正常化至少1分钟,低血压事件结束。然后通过公式计算低血压时间加权平均值。次要观测值为低血压发生率(每位患者的低血压事件数)。

表1 主要观察终点和次要观察终点

干预组中,26名患者(84%)出现1次以上低血压发作,对照组为28名(97%),差异为13%。干预组低血压发生率的中位数为3.00,对照组为8.00,中位数差异为4.00(P=0.004)。计算低血压的中位发生率,包括0次低血压发作的患者。干预组低血压反生总时间中位数为8.00分钟,对照组为32.67分钟。(P<0.001)。低血压观察终点两组无显著差异。干预组596次中选择麻黄碱38次(6%),对照组258次中选择麻黄碱37次(14%),差异8%(P<0.001)。干预组选择去氧肾上腺素110次(占19%),对照组为61次(占24%),差异为5%(P=0.04)干预组选择快速补液96次(占16%),对照组为16次(占6%),差异为10%(P<0.001)。手术期间给予的升压药或液体积累量没有显著差异。干预组中导致死亡的严重不良事件0例,对照组有2里。干预组总共发生了33起不良事件,对照组为30起。

本研究表明,应用基于机器学习的术中低血压预警系统,结合血流动力学诊断指导和治疗方案可显著降低术中低血压的时间加权平均值。

多项研究表明术中低张力与心肌损伤、急性肾损伤和死亡率有关。基于这些研究,2019年围术期推荐共识包括几项研究表明术中低张力与心肌损伤、急性肾损伤和死亡率有关。基于这些研究,2019年围术期质量倡议共识声明包括麻醉医生在手术期间应保持大于60至70mmHg的平均动脉压阈值。此外,声明指出术后损伤是低血压时间和低血压深度的函数。一项RCT研究表明,在腹部手术中保持较高的平均动脉压可以降低术后或肝脏功能障碍的风险。在所有情况下,都使用升压药(去甲肾上腺素)来维持较高的平均动脉压。在目前的研究中,通过预测低血压并通过诊断和阻碍性治疗低血压的具体原因(前负荷、后负荷或收缩性)来预防低血压,高血压的预防更进了一步。

在这项对接受选择性非心脏手术患者的单中心初步研究中,与标准护理相比,使用机器学习衍生的低血压预警系统可减少术中低血压。然而,需要在不同环境下对更大的研究人群进行进一步研究,以了解对额外患者结果的影响,并充分评估安全性和普遍性。

评述:

目前,全世界范围内每年有超过3亿患者需要接受手术治疗,其中术中低血压事件发生率可高达87%。对于择期非心脏手术,低血压可导致肾脏灌注不足、心肌受损等并发症,使得围术期死亡率增高,但导致术中低血压的相关因素通常是多方面的,包括麻醉药物、患者并存疾病、外科因素等。因此,如何将围术期低血压事件降到最低,一直以来备受关注与挑战。

传统的术中低血压管理方法主要为发现后尽早干预,随着人工智能在医学领域运用的迅速进展,通过机器学习技术或可使更早地预测低血压成为可能,Hatib等开发了一种算法,即低血压早期预警系统,能够在血压下降之前几分钟预测事件的发生;来自阿姆斯特丹大学医疗中心Wijnberge等在对该预警系统进行了改良的基础上,开展单中心临床随机对照研究。

那么机器学习衍生的术中低血压预警系统能否与血流动力学诊断指导和治疗方案相结合预测术中低血压的发生呢?在这项单中心随机临床试验中,研究者共纳入了68名择期非心脏手术患者,随机分入低血压预警系统组和标准监护组,主要结局指标为比较两组间的低血压时间加权平均值,分别为0.10mmHg和0.44mmHg具有显著的统计学差异,其中血压加权平均值定义为血压低于65mmHg的数值乘低于65mmHg的时间除以总的手术时间;同样地,与对照组相比,基于机器学习的低血压早期预警系统组发生低血压总时间平均为8.0分钟,明显低于标准监护组的32.7分钟。

该早期预警系统所包含的23个参数均由动脉波形中所获取,当预警系统的阈值超过85时,表明患者在接下来的15分钟时间内发生低血压事件概率为85%,系统将同时出现预警提示光源和声音。低血压事件定义为血压低于65mmHg的时间超过1分钟。

当然,需要注意的是这项临床试验存在一定的局限性;比如纳入的病例均需进行有创动脉压监测,同时未来应进一步进行多中心、大样本研究才会更有指导意义,总之,基于人工智能的机器学习预警系统将使麻醉医师有更多更好的策略与选择,降低患者围术期不良事件如低血压、低氧血症等,改善围术期患者安全与预后。

编译:吕一正

述评:罗猛强 邓萌


原文链接

Wijnberge M, Geerts BF, Hol L, et al. Effect of a Machine Learning-Derived Early Warning System for Intraoperative Hypotension vs Standard Care on Depth and Duration of Intraoperative Hypotension During Elective Noncardiac Surgery: The HYPE Randomized Clinical Trial. JAMA. 2020 Mar 17;323(11):1052-1060. doi: 10.1001/jama.2020.0592. PMID: 32065827; PMCID: PMC7078808.

本文由作者自行上传,并且作者对本文图文涉及知识产权负全部责任。如有侵权请及时联系(邮箱:nanxingjun@hmkx.cn
关键词:
低血压,程度,监护,预警,影响,动脉,手术

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

推荐课程


社群

精彩视频

您的申请提交成功

确定 取消
剩余5
×

打赏金额

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!