La AEPOC se define como un “empeoramiento sostenido de la condición del paciente, desde el estado estable y más allá de las variaciones diarias normales, que tiene un inicio agudo y requiere un cambio en la medicación regular en un paciente con EPOC subyacente”. La AECOPD generalmente se caracteriza por un aumento de la disnea, la producción de esputo y tos, respiración superficial, aumento de la frecuencia cardíaca y la temperatura corporal, y posiblemente deterioro del estado mental. Las exacerbaciones respiratorias se acompañan de sonidos respiratorios anormales, como sibilancias.
Para determinar la mejor manera de tratar la AECOPD y reducir su carga física y financiera para los pacientes, es importante explorar una variedad de posibles soluciones. El estudio piloto explorado en las publicaciones de blog de hoy prueba un sensor respiratorio basado en el hogar con análisis computarizado de sonidos respiratorios (CARS) y monitoreo remoto para la predicción de AECOPD.
Principales Conclusiones
- Las exacerbaciones agudas de la EPOC (AEPOC) representan una carga económica importante y se asocian con una mayor mortalidad y morbilidad en pacientes con EPOC.
- Este estudio piloto probó un sensor respiratorio en el hogar con análisis informático de sonidos respiratorios (CARS) y monitoreo remoto para la predicción de AECOPD.
- Durante 6 meses de seguimiento remoto, el sistema predijo 25 de 33 AECOPD (75.8%) unos 5 días antes del evento.
Impacto del paciente
La monitorización remota es capaz de predecir de forma eficaz los eventos de AECOPD con tiempo suficiente para posibles intervenciones.
Métodos de estudio
Se equipó a los pacientes con EPOC con una estación domiciliaria y un sensor respiratorio para registrar sus sonidos respiratorios durante seis meses al día. Los registros se obtuvieron mientras se presionaba el dispositivo contra la muesca supraesternal (la gran depresión visible entre el cuello y la clavícula) y se respiraba normalmente. Los datos registrados fueron procesados y filtrados, luego analizados automáticamente por un clasificador entrenado (un algoritmo de computadora). Se activaba una alarma si el clasificador identificaba salidas positivas en dos días consecutivos.
Resultados del estudio
Durante el período de estudio, ocurrieron 33 eventos AECOPD que calificaron para el análisis (es decir, no ocurrieron dentro de la fase de recuperación de un AECOPD anterior). El sistema fue capaz de predecir 25 de estos 33 AEPOC (75.8%) con un margen de 5 ± 1.9 días antes de la atención médica necesaria. Se generaron tres falsas alarmas durante el período de estudio.
La monitorización remota de los sonidos respiratorios grabados de pacientes con EPOC con análisis informático posterior pudo predecir correctamente el 75.8 % de la AEPOC. Esto demuestra que la monitorización remota de un dispositivo doméstico no invasivo y fácil de usar con el mínimo esfuerzo del paciente (una aplicación diaria) tiene la capacidad de predecir la EAEPOC con un margen suficiente (cinco días antes) para intervenciones preventivas.
0 Comentarios