Summary

Hydra, en datamaskin plattform for hjelpe klinikere hjerte analyse og diagnose

Published: September 26, 2018
doi:

Summary

Denne artikkelen presenterer en protokoll basert på Hydra-et webbasert system for klinisk beslutningsstøtte som integrerer et fullstendig og detaljert sett av funksjoner og tjenester som kreves av leger for fullstendig hjerte analyse, risikovurdering, tidlig diagnose, behandling og overvåking over tid.

Abstract

Kardiovaskulære sykdommer (karsykdommer) er den ledende dødsårsaken i hele verden. Totalt risikoen for å utvikle CVD bestemmes av den kombinerte effekten av ulike kardiovaskulære risikofaktorer (f.eks diabetes, økt blodtrykk, usunt kosthold, tobakksbruk, stress, etc.) som ofte eksistere og handle multiplicatively . De fleste karsykdommer kan forebygges ved en tidlig identifisering av høyeste risikofaktorer og en passende behandling. Lagdeling av kardiovaskulære risikofaktorer innebærer en rekke parametere og tester som spesialister bruker i sin praksis. I tillegg til hjerte (CV) risiko lagdeling gir timers overvåking (ABPM) også relevant informasjon for diagnose og behandling. Dette arbeidet presenterer en liste over protokollene basert på Hydra plattform, et webbasert system for klinisk beslutningsstøtte som inneholder et sett av funksjoner og tjenester som er nødvendige for fullstendig hjerte analyse, risikovurdering, tidlig diagnose , behandling og overvåking av pasienter over tid. Programmet inkluderer verktøy for skrive og administrere omfattende pasientdata, organisert i forskjellige checkups spore utviklingen over tid. Det har også en risiko lagdeling verktøyet til å beregne en CV risikofaktor basert på flere risiko lagdeling tabeller referanse. I tillegg inneholder programmet et verktøy som inkorporerer ABPM analyse og utvinning av verdifull informasjon ved å overvåke blodtrykk over en bestemt tidsperiode. Endelig oppsummerer rapporteringstjenesten den mest relevante informasjonen i et sett som hjelpe leger i deres kliniske beslutningsprosess.

Introduction

Kardiovaskulære sykdommer (karsykdommer) er en gruppe sykdommer i sirkulasjonssystemet som utgjør den ledende årsaken til uførhet og tidlig død i hele verden1,2. Ifølge Verdens helseorganisasjon (WHO), døde anslagsvis 17,7 millioner mennesker fra karsykdommer i 2015, representerer 31% av alle globale dødsfall1,2. Det er mange risikofaktorer for karsykdommer, inkludert atferdsmessige faktorer som tobakksbruk, et usunt kosthold, skadelig bruk av alkohol og utilstrekkelig fysisk aktivitet, samt fysiologiske faktorer, inkludert reist blodtrykk (hypertensjon), høyt kolesterol eller forhøyet blodsukker, blant annet2,3. Hypertensjon representerer en stor risikofaktor for tidlig kardiovaskulær sykdom, ansvarlig for høy kardiovaskulær sykelighet og dødelighet4,5. Videre er det anslått at forekomsten av hypertensjon blant voksne i utviklede land er nesten 40%6,7,8. Imidlertid er det fortsatt uoppdaget, undertreated og dårlig kontrollert3,4.

CVD er et stort offentlig helseproblem som pålegger en betydelig økonomisk belastning på noen gitt helsevesenet system6. Tidlig identifisering av høyeste kardiovaskulær risiko og riktig behandling kan hindre klinisk hendelser og tidlig død4,5. Derfor er det merkbar helse og økonomiske gevinster knyttet til omfattende og grundig spore alle disse faktorene. Totalt risikoen for å utvikle en CVD bestemmes av den kombinerte effekten av kardiovaskulære risikofaktorer2,4,5, som ofte eksistere og handle multiplicatively. En totalt risiko tilnærming er derfor tilrådelig for tidlig oppdagelse, så vel som for klinisk beslutninger på intensiteten av forebyggende intervensjoner. Dermed sykelighet, tidlig dødelighet og uførhet kunne reduseres og kvaliteten av livet kan bli bedre i individer med en forhøyet totalt Kardiovaskulær risiko2.

Diagnostisering av karsykdommer bestemmes av analyse av en rekke parametere som er samlet inn av ulike prosedyrer brukes av leger i sin praksis. Vurdering av disse parameterne kan beregning av en total CV risikofaktor som er nyttig for diagnose og formål2,4,5. I tillegg til lagdeling av CV risiko gir timers overvåking (ABPM)9 også verdifull informasjon. ABPM testen tillater sporing av pasientens blodtrykk (BP) under deres daglige rutine, unngå påvirkning av klinisk setting (hvit pels syndrom). Derfor er et pålitelig sett av målinger oppnådd, slik at utvinning av tilleggsinformasjon som støtter klinisk beslutningsprosessen.

Derfor innebærer analyse av det kardiovaskulære systemet en stor mengde data, innebærer en kjedelig og tidkrevende oppgave som kompliserer diagnose og behandling resept. I denne forbindelse, ville tilgjengeligheten av pasientens hele profilen som samler alle nødvendige data sammen med en rekke automatiserte tjenester for å trekke ut nødvendig informasjon være en betydelig forbedring å veilede klinikere i deres beslutningsprosessen. Bortsett fra dette, tilgjengeligheten av en tilgjengelig plattform som sentraliserer alle pasientinformasjon ikke bare gjør samarbeid mellom ulike spesialister fra forskjellige steder, men også tillater diskusjon diskuteres saker og gir pålitelig diagnoser.

De siste årene, har bruk av datamaskin-baserte programmer og telemedisin økt betraktelig, spiller en viktig rolle i å forbedre offentlig helse og velferd i alle sektorer av befolkningen. Dette er deres evne til å trekke ut relevant og nyttig informasjon for tidlig diagnose og behandling av flere sykdommer10. Bruk av disse verktøyene forbedrer kvaliteten på helsetjenester, dermed praktisk og pålitelig tilfredsstille pasienten etterspørselen samt redusere kostnader11. Som henvisning, har antall globale imaging-baserte prosedyrer steget betydelig, gitt den økende tilgjengeligheten av medisinsk utstyr og mer sofistikert opptaksenheter. Derfor Lundberg et al. 12 foreslått en Telemedisin verktøyet å vurdere digital bildekvalitet og avtale mellom fagperson innen på otorhinolaryngology. Ortega et al. 13 utviklet SIRIUS, en dataassistert diagnose rammeverk for analyse av netthinnen bilder. Novo et al. 14 også presentert deres plattform for analyse av netthinnen mikrosirkulasjonen sammen med carotis macrocirculation.

Med hensyn til CV vurdering, har det vært en jevn økning i antallet verktøy tilgjengelig gjennom årene. Noen av verktøyene er utviklet for å forutsi risiko for kardiovaskulær sykdom-som verktøyet foreslått av Paredes et al. 15 – eller å beregne risiko online ved å implementere algoritmen foreslått av Goff et al. 16 etter en retningslinje for vurdering av kardiovaskulær risiko å beregne 10 år risikoen for hjertesykdom. Andre systemer er utformet for å brukes med mobiltelefoner, som forslag fra Sufi et al. 17 som identifiserer sykdommer fra kroppen sensorer, enheten er designet av Lin et al. 18 for sporing elektrokardiogram for å oppdage tilstedeværelsen av unormal rytmer og sende alarm, app fra Lee et al. 19 for overvåking pust og hjertefrekvens verdier mens en person utøver eller programmet iverksatt av Kang og Park20 for å håndtere økt blodtrykk på grunnlag av kliniske retningslinjer.

Tilgjengelige verktøy er hovedsakelig beregnet på tilfredsstille pasienten etterspørselen i enkelte scenarioer. Denne artikkelen beskriver derimot, en protokoll basert på Hydra21, en plattform som fokuserer på analyse av det kardiovaskulære systemet, som er laget utelukkende for kundestøttespesialister i sin kliniske beslutningsprosess. Dette verktøyet har en rekke funksjoner og tjenester som leger krever for pålitelig hjerte analyse inkludert risikovurdering, tidlig diagnose, behandling resept og overvåking av pasienter over tid. Derfor er det et verktøy for inn- og forvaltning av pasienten data som registreres i ulike checkups. Deretter gir en risiko lagdeling verktøyet automatisk en CV risikofaktor basert på forskjellig risikostyring lagdeling tabeller referanse. I tillegg kan analyseverktøyet ABPM utvinning av verdifull informasjon fra analyse av blodtrykket opptak over en bestemt tidsperiode. Til slutt, den mest relevante informasjonen er oppsummert i et sett som guide klinikere i diagnostisering og riktig behandling resept. På denne måten fører beskrevet protokollen til en forbedring i fullstendig hjerte analyse støtte en pålitelig diagnose og riktig behandling. Videre tillater presentert plattformen samarbeid mellom eksperter, og dermed fremme klinisk forskning.

Protocol

Alle prosedyrer ble utført under institusjonelt godkjent protokoller med pasienten samtykke. 1. pasient og Checkup registrering Merk: Se figur 1. Gå til http://www.varpa.es/Hydra/ ved hjelp av en moderne nettleser. Bruke en eksisterende konto tilknyttet en lege å Stokk inne å Hydra web-verktøyet. Fyll i pasienten registreringsskjemaet inkludert pasienten kode, dato av fødselen, kjønn…

Representative Results

Pasienten registrering beskrives i trinn 1 utføres ved å fylle ut skjemaet i figur 1. Når brukeren registrerer en ny pasient, flytter programmet fremover å introdusere det første checkup, hvilke innrømmer input av omfattende pasientdataene. Figur 2 viser et skjermbilde av den første formen av checkup. Når neste -knappen klikkes, flytter programmet fremover til andre checkup skjemaet vises i <strong class=…

Discussion

Tidlig identifisering og overvåking av ulike kardiovaskulære risikofaktorer sammen med en passende behandling er avgjørende for forebygging av hjerte-og karsykdommer og tidlig dødsfall. I kliniske hverdagen måtte klinikere håndtere store mengder diverse informasjon sjekke alle ulike variabler og parametere som påvirker sirkulasjonssystemet. Derfor er det en kjedelig og tidkrevende oppgave som kompliserer diagnose og behandling resept.

De foreslåtte protokollene kan en fullstendig analy…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dette arbeidet er støttet av i Instituto de Salud Carlos III av det spanske regjeringen og den europeiske Regional utvikling Fund (ERDF) via PI14/02161 og DTS15/00153-forskningsprosjekter og Xunta de Galicia, Centro entall de investigación de Galicia akkreditering 2016 – 2019 Ref. ED431G/01; og Grupos de Referencia Competitiva, Ref. ED431C 2016-047.

Materials

Computer with color screen N/A N/A
Internet connection N/A N/A
Modern web broser N/A N/A Google Chrome, Internet Explorer, Safari, Fierfox, etc.
Blood pressure monitor Spacelabs N/A Spacelabs 90217

References

  1. Stamler, J., Stamler, R., Neaton, J. D. Blood pressure, systolic and diastolic, and cardiovascular risks: US population data. Archives of Internal Medicine. 153 (5), 598-615 (1993).
  2. Kannel, W., Wilson, P. An update on coronary risk factors. Medical Clinics of North America. 79 (5), 951-971 (1995).
  3. Tarride, J. E., et al. A review of the cost of cardiovascular disease. The Canadian Journal of Cardiology. 25 (6), 195-202 (2009).
  4. Wolf-Maier, K., et al. Hypertension prevalence and blood pressure levels in 6 European countries, Canada, and the United States. The Journal of American Medical Association. 289 (18), 2363-2369 (2003).
  5. Kearney, P., Whelton, M., Reynolds, K., Muntner, P., Whelton, P., He, J. Global burden of hypertension: analysis of worldwide data. The Lancet. 365 (9455), 217-223 (2005).
  6. Hermida, R., Smolensky, H., Ayala, E., Portaluppi, F. Ambulatory Blood Pressure Monitoring (ABPM) as the reference standard for diagnosis of hypertension and assessment of vascular risk in adults. Chronobiology International. 32 (10), 1329-1342 (2015).
  7. Field, M. . Telemedicine: A Guide to Assessing Telecommunications in Health Care. , (1996).
  8. Charles, B. Telemedicine can lower costs and improve access. Healthcare Financical Management. 54 (4), 66-69 (2000).
  9. Lundberg, T., Westman, G., Hellstrom, S., Sandstrom, H. Digital imaging and telemedicine as a tool for studying inflammatory conditions in the middle ear – evaluation of image quality and agreement between examiners. International Journal of Pediatric Otorhinolaryngoly. 72 (1), 73-79 (2008).
  10. Ortega, M., Barreira, N., Novo, J., Penedo, M., Pose-Reino, A., Gómez-Ulla, F. Sirius: a web-based system for retinal image analysis. International Journal of Medical Informatics. 79 (10), 722-732 (2010).
  11. Novo, J., Rouco, J., Barreira, N., Ortega, M., Penedo, M. G., Campilho, A. Wivern: a Web-Based System Enabling Computer-Aided Diagnosis and Interdisciplinary Expert Collaboration for Vascular Research. Journal of Medical and Biological Engineering. 37 (6), 920-935 (2017).
  12. Paredes, S., Rocha, T., de Carvalho, P., Henriques, J., Morais, J. Matlab tool for cardiovascular disease risk prediction. Experiment@ International Conference (exp.at’ 13). , 190-191 (2013).
  13. Goff, D., et al. 2013 ACC/AHA Guideline on the Assessment of Cardiovascular Risk. Circulation. 137 (11), (2013).
  14. Sufi, F., Khalil, I., Tari, Z. A cardiod based technique to identify cardiovascular diseases using mobile phones and body sensors. Conference Proceedings IEEE Engineering in Medicine and Biology Society. 2010, 5500-5503 (2010).
  15. Lin, C. T., et al. An intelligent telecardiology system using a wearable and wireless ECG to detect atrial fibrillation. IEEE Transactions on Information Technology in Biomedicine. 14 (3), 726-733 (2010).
  16. Lee, H., Wang, W., Lu, S., Wu, B., Ko, L. Home-based mobile cardio-pulmonary rehabilitation consultant system. Conference Proceedings IEEE Engineering in Medicine and Biology Society. , 989-992 (2011).
  17. Kang, H., Park, H. Development of hypertension management mobile application based on clinical practice guidelines. Studies in Health Technology and Informatics. 210, 602-606 (2015).
  18. Novo, J., Hermida, A., Ortega, M., Barreira, N., Penedo, M. G., López, J. E., Calvo, C. Hydra: A web-based system for cardiovascular analysis, diagnosis and treatment. Computer methods and programs in biomedicina. 139, 61-81 (2017).
  19. Janes, H., Pepe, M., Gu, W. Assessing the value of risk predictions by using risk stratification tables. Annals of Internal Medicine. 149 (10), 751-760 (2008).
  20. Mancia, G., et al. 2007 Guidelines for the management of arterial hypertension: the Task Force for the Management of Arterial Hypertension of the European Society of Hypertension (ESH) and of the European Society of Cardiology (ESC). Journal of Hypertension. 25 (6), 1105-1187 (2007).
  21. Grundy, S., Brewer, H., Cleeman, J., Smith, S., Lenfant, C. Definition of metabolic syndrome: report of the National Heart, Lung, and Blood Institute/American Heart Association Conference on scientific issues related to definition. Circulation. 109 (3), 433-438 (2004).
  22. Conroy, R., et al. Estimation of ten-year risk of fatal cardiovascular disease in Europe: the SCORE project. European Heart Journal. 24 (11), 987-1003 (2003).
  23. Kannel, W., McGee, D., Gordon, T., et al. A general cardiovascular risk profile: the Framingham study. American Journal of Cardiology. 38 (1), 46-51 (1976).

Play Video

Cite This Article
Ramos, L., Novo, J., Barreira, N., Rouco, J., Penedo, M. G., Ortega, M. Hydra, a Computer-Based Platform for Aiding Clinicians in Cardiovascular Analysis and Diagnosis. J. Vis. Exp. (139), e58132, doi:10.3791/58132 (2018).

View Video