COPD is een ernstige aandoening die dagelijks miljoenen mensen treft, zowel fysiek als financieel. Acute exacerbaties van COPD (AECOPD) vertegenwoordigen het grootste deel van de economische last van COPD, aangezien ze leiden tot bezoeken aan de afdeling spoedeisende hulp en ziekenhuisopname. Wat nog belangrijker is, AECOPD wordt geassocieerd met verhoogde mortaliteit en verminderde kwaliteit van leven voor getroffen COPD-patiënten.

AECOPD wordt gedefinieerd als een "aanhoudende verslechtering van de toestand van de patiënt, vanuit de stabiele toestand en voorbij normale dagelijkse variaties, die acuut begint en een verandering van reguliere medicatie noodzakelijk maakt bij een patiënt met onderliggende COPD". AECOPD wordt meestal gekenmerkt door verhoogde kortademigheid, sputumproductie en hoesten, oppervlakkige ademhaling, verhoogde hartslag en lichaamstemperatuur, en mogelijk een verminderde mentale toestand. Respiratoire exacerbaties gaan gepaard met abnormale ademhalingsgeluiden zoals piepende ademhaling.

Om de beste manier te bepalen om AECOPD te behandelen en de fysieke en financiële last voor patiënten te verminderen, is het belangrijk om verschillende mogelijke oplossingen te onderzoeken. De pilootstudie die in de blogposts van vandaag wordt onderzocht, test een thuisgebaseerde ademhalingssensor met computeranalyse van ademhalingsgeluiden (CARS) en bewaking op afstand voor voorspelling van AECOPD.

Belangrijkste bevindingen

• Acute exacerbaties van COPD (AECOPD) vertegenwoordigen een grote economische last en gaan gepaard met verhoogde mortaliteit en morbiditeit bij COPD-patiënten.
• Deze pilotstudie testte een thuisgebaseerde ademhalingssensor met computeranalyse van ademhalingsgeluiden (CARS) en bewaking op afstand voor voorspelling van AECOPD.
• Tijdens 6 maanden monitoring op afstand voorspelde het systeem ongeveer 25 dagen voor het evenement 33 van de 75.8 AECOPD (5%).

Gevolgen voor de patiënt

Monitoring op afstand kan AECOPD-gebeurtenissen effectief voorspellen met voldoende tijd voor mogelijke interventies.

Studiemethoden

COPD-patiënten werden uitgerust met een thuisstation en een ademhalingssensor om zes maanden lang dagelijks hun ademhalingsgeluiden op te nemen. Opnames werden verkregen terwijl het apparaat tegen de suprasternale inkeping (de grote zichtbare kuil tussen de nek en het sleutelbeen) werd gedrukt en normaal werd ademgehaald. Opgenomen gegevens werden verwerkt en gefilterd en vervolgens automatisch geanalyseerd door een getrainde classificator (een computeralgoritme). Er ging een alarm af als de classificator op twee opeenvolgende dagen positieve outputs identificeerde.

Studieresultaten

Tijdens de studieperiode deden zich 33 AECOPD-gebeurtenissen voor die in aanmerking kwamen voor analyse (dwz ze vonden niet plaats binnen de herstelfase van een eerdere AECOPD). Het systeem kon 25 van deze 33 AECOPD (75.8%) voorspellen met een marge van 5 ± 1.9 dagen voorafgaand aan de benodigde medische zorg. Tijdens de onderzoeksperiode werden drie valse alarmen afgegeven.

Monitoring op afstand van opgenomen ademhalingsgeluiden van COPD-patiënten met daaropvolgende computeranalyse was in staat om 75.8% van AECOPD correct te voorspellen. Dit toont aan dat monitoring op afstand van een niet-invasief en gebruiksvriendelijk thuisapparaat met minimale inspanning van de patiënt (eenmaal daags aanbrengen) het vermogen heeft om AECOPD te voorspellen met voldoende marge (vijfÍ dagen ervoor) voor preventieve interventies.

Referenties

Fernandez-Granero MA et al. Geautomatiseerde analyse van op afstand gecontroleerde ademhalingsgeluiden voor het voorspellen van acute exacerbaties van COPD. Sensoren 2015, 15(10), 26978-26996.