重症患者の重症化。急性心不全の発症を早期に予測する

Decompensation in Critical Care: Early Prediction of Acute Heart Failure Onset.

• Patrick Essay
• Baran Balkan
• Vignesh Subbian

抄録

背景:

心不全は世界的に死亡率と罹患率の主要な原因である。急性心不全は、心不全の新たな徴候や症状が急速に出現したり、悪化したりすると広く定義されており、多くの場合、入院と集中治療室（ICU）への入院を必要とする。この急性期心不全は慢性心不全に比べて非常に異質であり、理解されていない。集中治療室（ICU）では，詳細かつ継続的にモニターされた患者データを介して，心不全の減退や心不全をレトロスペクティブに解析し，生理状態や患者の転帰を評価する機会を提供している．

BACKGROUND: Heart failure is a leading cause of mortality and morbidity worldwide. Acute heart failure, broadly defined as rapid onset of new or worsening signs and symptoms of heart failure, often requires hospitalization and admission to the intensive care unit (ICU). This acute condition is highly heterogeneous and less well-understood as compared to chronic heart failure. The ICU, through detailed and continuously monitored patient data, provides an opportunity to retrospectively analyze decompensation and heart failure to evaluate physiological states and patient outcomes.

目的:

本研究の目的は、ICUに入院した患者の心血管危険因子の有病率を調べ、機械学習技術を用いて急性心不全の発症などの症状を予測する臨床的特徴の組み合わせを評価することであった。この目的を達成するために、米国内の200以上の病院の遠隔ICUデータを利用した。

OBJECTIVE: The goal of this study was to examine the prevalence of cardiovascular risk factors among those admitted to ICUs and to evaluate combinations of clinical features that are predictive of decompensation events such as onset of acute heart failure using machine learning techniques. To accomplish this objective, we leveraged tele-ICU data from >200 hospitals across the United States.

方法:

我々は、特定の心不全危険因子（冠動脈疾患、高血圧、心筋梗塞）を有する心不全の既往歴のない入院患者26,534人と、危険因子のない入院患者96,350人を対象に、遠隔でモニターされた検査室、バイタルサイン、および個別の生理学的測定値を用いて、ICU入院後すぐに心不全を予測することの可能性を評価した。多変量ロジスティック回帰とランダムフォレストモデルを用いて、分解を予測し、異種データからのモデル入力の組み合わせから重要な特徴を強調した。

METHODS: We evaluated the feasibility of predicting decompensation soon after ICU admission for 26,534 patients admitted without history of heart failure with specific heart failure risk factors - coronary artery disease, hypertension, and myocardial infarction - and 96,350 patients admitted without risk factors using remotely monitored laboratory, vital signs, and discrete physiological measurements. Multivariate logistic regression and random forest models were applied to predict decompensation and highlight important features from combinations of model inputs from dissimilar data.

結果:

心不全と診断された患者のほとんどは危険因子を持たずにICUに入院していたが、我々のデータセットでは最も一般的な危険因子は高血圧であった。ランダムフォレストとバイタルサイン、臨床検査値、離散的な生理学的測定値を組み合わせた場合の心不全予測精度は最高で95.1％、受信機操作特性曲線下面積は最高で0.9503であった。ランダムフォレストの特徴の重要性は、いくつかの個別の生理学的特徴と検査値の組み合わせが最も心不全の悪化を示唆するものとして強調された。集計されたバイタルサインのタイムライン分析では、バイタルサインデータを追加しても結果の改善が続かない場合には、リターンが減少するポイントが明らかになった。

RESULTS: The most prevalent risk factor in our dataset was hypertension, although most patients diagnosed with heart failure were admitted to the ICU without a risk factor. The highest heart failure prediction accuracy was 95.1% and highest area under receiver operating characteristic curve was 0.9503 with random forest and combined vital signs, laboratory values, and discrete physiological measurements. Random forest feature importance also highlighted combinations of several discrete physiological features and laboratory measures as most indicative of decompensation. Timeline analysis of aggregate vital signs revealed a point of diminishing returns where additional vital signs data did not continue to improve results.

結論:

心不全の危険因子は遠隔ICUのデータでは一般的であるが、ICU滞在後に心不全と診断された患者のほとんどは危険因子を伴わないため、重症化の予測は非常に重要である。全体的な結果から、臨床検査値とバイタルサインの組み合わせは、患者の心不全の早期かつ継続的な予知に有効であることが示唆された。時系列のバイタルサインデータの最適なデータ抽出ウィンドウが存在する。そして、遠隔ICUデータを使用して適切な精度で重症化を同定し、予測することが可能である。

CONCLUSIONS: Heart failure risk factors are common in tele-ICU data though most patients that are diagnosed with heart failure later in an ICU stay presented without risk factors making prediction of decompensation critical. Overall, results suggest combinations of laboratory measurements and vital signs are viable for early and continuous prediction of patient decompensation. An optimal data extraction window for time series vital signs data exists. And, decompensation is identifiable and predicted with reasonable accuracy using tele-ICU data.

臨床試験:

CLINICALTRIAL: