Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il sensore adesivo portabile della toppa ha predetto esattamente il peggioramento dell'infarto

Indossando un sensore smontabile e adesivo della toppa ha predetto esattamente il peggioramento l'infarto e dell'esigenza dell'ospedalizzazione parecchi giorni prima che l'ospedalizzazione dell'infarto si presentasse fra i veterani con infarto, secondo la ricerca pubblicata oggi nella circolazione del giornale dell'associazione americana del cuore: Infarto.

I partecipanti allo studio multicentrato di LINK-HF hanno consistito di cento pazienti (HF) che erano veterani, un'età media dell'infarto di 68 anni, iscritta a quattro ospedali di affari (VA) dei veterani -- a Salt Lake City; Palo Alto, California; Houston e Gainesville, Fla. -- dopo un'ammissione iniziale dell'insufficienza cardiaca acuta all'ospedale. I partecipanti hanno indossato una toppa adesiva del sensore sul loro torace 24 ore al giorno per un minimo dei 30 giorni e di fino a tre mesi dopo che il loro scarico iniziale dell'ospedale per un evento di infarto. Dei partecipanti ammissibili, 90% ha continuato a indossare il sensore ai 30 giorni e ai 90 giorni; i dati sono stati raccolti dall'agosto 2015 al dicembre 2016.

Il sensore ha riflesso la frequenza cardiaca, il ritmo del cuore, il ritmo respiratorio e le attività fisiche come, camminando, posizione dell'organismo e di sonno per ogni partecipante. I dati sono stati trasmessi dal sensore via Bluetooth ad uno smartphone e poi sono stati caricati dallo smartphone ad una piattaforma di analisi dei dati su un " server " sicuro del computer. Un algoritmo di apprendimento automatico, un tipo di approccio di intelligenza artificiale all'analisi di dati, ha stabilito un riferimento normale per ogni paziente e poi ha esaminato i dati ricevuti. Quando i dati osservati hanno deviato “dal comportamento previsto del riferimento normale„, l'algoritmo ha generato un avviso per indicare che l'infarto del paziente stava peggiorando. La tecnologia ha predetto esattamente il rischio dell'ospedalizzazione più di 80% del tempo. Questa previsione dell'ospedalizzazione ha avuto luogo una media dei 6,5 giorni prima della riammissione.

“Con l'uso dei dati remoti dal sensore e con l'analisi di dati dall'apprendimento automatico, abbiamo indicato che possiamo predire il futuro. Dopo, esamineremo se possiamo cambiare il futuro,„ abbiamo detto lo studio Josef Stehlik autore, M.D., M.P.H., il professore di Christi T. Smith di medicina all'università di scuola di medicina di Utah, Direttore medico del cavo del programma del trapianto di cuore e dei codirettori del programma di avanzamento dell'infarto all'università di ospedale di Utah e del centro medico di affari dei veterani di Salt Lake City.

L'infarto (HF) è un'emissione di salute pubblica importante - urta circa 6,2 milione adulti degli Stati Uniti ed è la diagnosi di scarico dell'ospedale di no. 1 nel cuore che degli Stati Uniti le spese sanitarie in relazione con l'errore erano nel 2012 i $30,7 miliardo stimati e che si pensano che raggiungano $53 miliardo da ora al 2030. Circa 80% di questi costi sono per l'ospedalizzazione secondo uno studio citato dai ricercatori e pubblicato nel 2011. Nei primi 90 giorni dopo scarico dall'ospedale per infarto, i pazienti sono ad un livello, fino a 30%, rischio di riammissione. Dato questo rischio significativamente aumentato di HF che peggiora dopo l'ospedalizzazione, i ricercatori hanno messo a fuoco sul verificare una soluzione non invadente per migliorare la gestione di HF durante questo periodo di momento critico.

In infarto cronico, lo stato di una persona può peggiorare con dispnea, fatica ed accumulazione fluida, al punto molti finiscono nel pronto soccorso e passare i giorni nell'ospedale per recuperare. Se possiamo identificare i pazienti prima che l'infarto peggiori e se medici hanno l'opportunità di cambiare la terapia basata su questa previsione novella, potremmo evitare o diminuire le ospedalizzazioni, miglioriamo le vite dei pazienti e notevolmente diminuiamo le spese sanitarie. Con l'evoluzione della tecnologia e con i metodi statistici di intelligenza artificiale, abbiamo nuovi strumenti per fare questo accadere.„

Josef Stehlik, autore di studio del cavo

Limitazioni di studio incluse:

  • I partecipanti di studio erano maschio di 98%, così non si sa se questi risultati fossero coerenti in femmine;
  • Una maggioranza dei partecipanti ha avuta HFrEF (infarto con la frazione diminuita di espulsione), così più ulteriormente studio in pazienti con HFpEF (infarto con la frazione conservata di espulsione) è necessaria; e
  • La ricerca supplementare è necessaria da determinare se i cambiamenti del trattamento basati sugli avvisi potessero piombo ai risultati pazienti migliori.

In uno studio futuro, i ricercatori verificheranno il trattamento paziente cambiante basato all'erta generato dall'algoritmo. “Stiamo sperando che con questi informazioni, possiamo intervenire e fare diminuire la tariffa dell'ospedalizzazione, miglioriamo la qualità di vita e, per i pazienti che finiscono l'ammissione all'ospedale, accorciamo la durata del soggiorno,„ Stehlik conclusivo.

Source:
Journal reference:

Stehlik, J., et al. (2020) Continuous Wearable Monitoring Analytics Predict Heart Failure Hospitalization. Circulation: Heart Failure. doi.org/10.1161/CIRCHEARTFAILURE.119.006513.