Software Acumen Hypotension Prediction Index

El software Acumen Hypotension Prediction Index (HPI) es la primera tecnología de este tipo que le brinda información sobre la probabilidad de que un paciente tenga tendencia hacia un evento hipotensivo.*

Según varios estudios, el software Acumen HPI tiene las siguientes características:

  • Logra una reducción estadísticamente significativa de la hipotensión cuando se combina con un protocolo de tratamiento en cirugía no cardiaca frente al tratamiento de referencia.1,2
  • Demuestra una capacidad de predicción de la hipotensión superior a la de los parámetros hemodinámicos frecuentes, como el gasto cardiaco (GC), volumen sistólico (VS) y cambios en la presión arterial media (PAM).3
  • Tiene precisión comprobada y fiable.4

Consulte los descubrimientos en estos estudios clínicos.

*Un evento hipotensivo se define como PAM < 65 mmHg por una duración de al menos un minuto.
Software Acumen Hypotension Prediction Index

Edwards Lifesciences se ha asociado con médicos para llevar avances en la atención al paciente al mercado. Esa asociación es el núcleo del software Acumen Hypotension Prediction Index. Desarrollado en colaboración con médicos de todo el mundo y el primero en una nueva categoría de productos, el software Acumen Hypotension Prediction Index ofrece el único parámetro de monitorización predictivo para la hipotensión que está disponible en Europa.

 Software Acumen Hypotension Prediction Index

Este software predictivo imprescindible para la toma de decisiones es el primero de su tipo y detecta la probabilidad de un evento hipotensivo antes de que ocurra. Además, HPI proporciona información sobre las causas raíces del evento y lo ayuda a identificar el mejor curso de acción potencial para su paciente.

Obtener más información sobre los riesgos de hipotensión.

Como parte del conjunto de soporte de decisiones Acumen, el software Acumen Hypotension Prediction Index se desbloquea con el sensor Acumen IQ.

Tres elementos clave del software Acumen Hypotension Prediction Index

Parámetro HPI

Parámetro HPI

El parámetro HPI muestra un valor que varía de 0 a 100, con valores más altos que indican una mayor probabilidad de un evento hipotensivo.**

El algoritmo patentado, desarrollado utilizando datos de casi 59 000 eventos hipotensivos y más de 144 000 eventos no hipotensivos, junto con técnicas de aprendizaje automático, detecta potencialmente la hipotensión incluso antes de que ocurra. El valor del parámetro HPI se actualiza cada 20 segundos, proporcionando información predictiva continua sobre el desarrollo de eventos hipotensivos.

Cuanto más alto sea el valor del parámetro HPI, mayor será la probabilidad de que ocurra un evento hipotensivo.

El rendimiento diagnóstico del parámetro HPI se evaluó mediante estudios de validación clínica:

Resumen de estudios de validación clínica

* La tabla completa de los resultados de los estudios de validación clínica se puede encontrar en la Tabla 12­6 del Manual del usuario.

  1. Especificidad: relación de negativos verdaderos con respecto al número total de no eventos (negativos). “Negativo” se define como un punto de datos que está, como mínimo, a 20 minutos de cualquier evento hipotensivo
  2. NPV

  3. Sensibilidad: relación entre los verdaderos positivos y el número total de eventos (positivos). “Positivo” se define como un punto de datos que se encuentra, como máximo, 5 minutos antes de un evento hipotensivo.
  4. PPV

VP = Verdaderos positivos     FP = Falso positivo
NV = Negativos verdaderos   FN= Falso negativo

Ventana emergente de alerta alta de HPI

Ventana emergente de alerta alta de HPI

La alerta HPI le advierte cuando su paciente tiende hacia un evento hipotensivo o lo experimenta.

La alerta emerge cuando el parámetro HPI excede 85 en dos actualizaciones consecutivas de 20 segundos o alcanza 100 en cualquier actualización en particular. Aparecerá la ventana emergente Alerta, que le solicitará que revise la hemodinámica del paciente utilizando la pantalla secundaria del HPI.

Pantalla secundaria del HPI

Si su paciente tiende a un evento hipotensivo o está experimentando uno, es posible que desee investigar la causa raíz para informar de manera proactiva un posible curso de acción. Los parámetros avanzados de presión y flujo hemodinámicos en la pantalla secundaria del HPI, proporcionan información para investigar e identificar las causas fundamentales del desarrollo de eventos hipotensivos.

Pantalla secundaria del HPI

Se accede a la pantalla secundaria del HPI a través de la ventana emergente de alerta alta de HPI, tocando la barra de información de HPI (cuando está habilitada), presionando el botón en el parámetro clave de HPI o en cualquier otro momento a través del menú de acciones clínicas en el monitor. La pantalla secundaria del HPI muestra valores consolidados para los parámetros clínicos del paciente de PAM, CO, SVR, PR, VS y VVS, así como dos indicadores adicionales de contractilidad y poscarga para proporcionar un perfil hemodinámico completo del paciente. Los parámetros hemodinámicos avanzados en la pantalla secundaria están organizados visualmente por precarga, contractilidad y poscarga.

Estos parámetros hemodinámicos avanzados le proporcionan información potencial sobre la causa de un evento hipotensivo.

Precarga

Precarga

Variación de volumen sistólico (VVS)

La diferencia porcentual entre el VS mínimo y máximo durante un ciclo respiratorio. La VVS se utiliza como un marcador preciso de la posición ocupada en la curva de Frank-Starling.

Contractilidad

Contractilidad

dP/dt

Una medida sensible de los cambios en la contractilidad del ventrículo izquierdo.

Poscarga

Poscarga

Elastancia arterial dinámica (Eadyn)

La relación entre la variación de la presión del pulso y la variación del volumen sistólico (VPP/VVS).

Preload

Variación de la presión del pulso (PPV)

Variación de la presión del pulso, la diferencia porcentual entre la presión de pulso mínima y máxima (PP), durante un ciclo respiratorio.

Folleto del HPI

**Un evento hipotensivo se define como PAM < 65 mmHg por una duración de al menos un minuto.
Resumen de estudios clínicos

Mediante el software Acumen HPI combinado con un protocolo de tratamiento se logró una reducción estadísticamente significativa de la hipotensión en comparación con el tratamiento estándar1,2

En dos ensayos controlados aleatorizados se ha demostrado que el uso del software Acumen HPI en combinación con un protocolo de tratamiento hemodinámico redujo significativamente la incidencia y la duración de los eventos hipotensivos en pacientes sometidos a cirugía no cardíaca.1,2

Resultados del ensayo HYPE presentados en JAMA1

Puntos destacados de 2020 Wijnberge, et al.1

Publication in JAMA: “Effect of a Machine Learning–Derived Early Warning System for Intraoperative Hypotension vs Standard Care on Depth and Duration of Intraoperative Hypotension During Elective Noncardiac Surgery: The HYPE Randomized Clinical Trial”

  • Los pacientes de cirugía electiva no cardíaca monitorizados con el software Acumen HPI tuvieron un tiempo medio de hipotensión por paciente de 8 minutos en comparación con 32,7 minutos en el grupo de control
  • En el promedio ponderado en el tiempo de la hipotensión se combinan la duración y la gravedad de la hipotensión corregida para la duración total del procedimiento. Con el software Acumen HPI, en el estudio se demostró una diferencia media de 0,38 mm Hg entre el grupo de intervención y el de control.
  • En la pantalla secundaria del software Acumen HPI se proporcionó información sobre la posible causa raíz de esa hipotensión, lo que permitió a los médicos identificar el curso de tratamiento adecuado

Ensayo HYPE: criterios de valoración primarios y secundarios1

Imagen de la Tabla

Ensayo HYPE: protocolo de tratamiento y guía de diagnóstico hemodinámico12

El protocolo del ensayo se incluye a continuación solo a los fines de referencia para este estudio en particular.

Diagrama

En el ensayo HYPE, no hubo diferencias significativas en la dosis acumulada de vasopresores o líquidos y se evitó la hipotensión sin aumentar el número de eventos hipertensivos.1

Resultados de la implementación de Acumen HPI en un ensayo prospectivo de artroplastia total de cadera2

Puntos destacados de 2019 Schneck, et al.2

Publication in the Journal of Clinical Monitoring and Computing: “Hypotension Prediction Index based protocolized haemodynamic management reduces the incidence and duration of intraoperative hypotension in primary total hip arthroplasty: a single centre feasibility randomised blinded prospective interventional trial”

Se demostró que el software Acumen Hypotension Prediction Index (HPI) de Acumen combinado con el tratamiento protocolizado reduce la duración relativa y absoluta de los eventos hipotensivos en pacientes con artroplastia total de cadera, en comparación con un grupo de control histórico y prospectivo.

Ensayo: criterios de valoración primarios2

HPICTRLhCTRL
Número de eventos hipotensivos por hora (n/h) 0 5 2
Tiempo absoluto de IOH (s) 0 640 660
Tiempo de IOH relativo (tiempo de IOH en % del tiempo total de anestesia) 0 6 7
HPI = software Hypotension Prediction Index; CTRL = cohorte de atención anestésica de rutina; hCTRL = grupo de control histórico
Grupo HPI, n = 25; CTRL, n = 24; hCTRL, n = 50. Total n = 99
Con los gráficos se demostraron la incidencia (a), la duración absoluta (b) y la duración relativa (c) de los eventos de hipotensión en las tres cohortes de estudio; las diferencias significativas entre los grupos de estudio están simbolizadas por **p < 0,01 y ***p < 0,001.

Ensayo prospectivo de artroplastia total de cadera: protocolo2

El protocolo del ensayo se incluye a continuación solo a los fines de referencia para este estudio en particular.

Diagrama

El software Acumen HPI tenía una capacidad superior para predecir eventos hipotensivos en comparación con los parámetros hemodinámicos comunes3

Puntos destacados de 2019 Davies, et al.3

Publication in Anesthesia and Analgesia: “Ability of an Arterial Waveform Analysis–Derived Hypotension Prediction Index to Predict Future Hypotensive Events in Surgical Patients”

En comparación con los parámetros hemodinámicos como SV, CO, VVS y MAP, el software Acumen HPI mostró un mayor rendimiento predictivo 5 y 10 minutos antes de la hipotensión en este estudio3.

Predicción de la hipotensión 5 minutos antes de un evento3

Imagen

Predicción de la hipotensión 10 minutos antes de un evento3

Imagen

Curvas de características operativas del receptor para HPI, CO, SV, MAP, PP, HR, VVS e índice de choque para la predicción de hipotensión
5 y 10 minutos antes del evento.

El software Acumen HPI demostró una alta precisión para predecir la hipotensión4

Puntos destacados de Hatib, et al4

Publication in Anesthesiology: “Machine-learning Algorithm to Predict Hypotension Based on High-fidelity Arterial Pressure Waveform Analysis”

  • Los algoritmos predictivos generalmente se evalúan mediante una curva ROC y el AUC muestra el poder predictivo del algoritmo.4,14
  • 10 minutos antes de un evento en este estudio, con el software Acumen HPI, se predijo hipotensión con una especificidad y sensibilidad del 89% y 90%, respectivamente y con un AUC de 0,95.4

La ROC más cercana al eje y se acerca a un modelo perfecto, con menos valores falsos positivos y falsos negativos13

Imagen

ROC 10 minutos antes de un evento hipotensivo4

Imagen

AUC = área bajo la curva; ROC = característica de funcionamiento del receptor.
Riesgo de hipotensión

En pacientes de cirugía no cardíaca, los resultados de la investigación han revelado fuertes asociaciones entre la hipotensión intraoperatoria y el riesgo elevado de lesión renal aguda (LRA) y lesión miocárdica después de la cirugía no cardíaca (MINS).1,2,3

MINS, la complicación cardiovascular más común que ocurre después de la cirugía no cardíaca, es la principal causa de mortalidad dentro del mes posterior a la cirugía.1,4 Es un problema sustancial de salud pública.4

 Riesgo de hipotensión

Más de 200 millones de adultos en todo el mundo se someterán a cirugía no cardíaca anualmente, y este número continúa aumentando cada año.5,6 A nivel mundial, cada año se estima que 8 millones de pacientes mayores de 45 años, más de 1 de cada 12 pacientes, sufren una lesión miocárdica después de una cirugía no cardíaca.4,6,7

PAM más baja (mmHg)

Una vez que la presión arterial media (PAM) de un paciente alcanza los 65 mmHg, solo se necesitan 10 minutos de exposición para ver asociaciones más altas entre la hipotensión intraoperatoria y el MINS.1

PAM más baja (mmHg)

Además, si la PAM de un paciente alcanza los 50 mmHg, solo se necesita un minuto de exposición para ver un incremento significativo de MINS que hace que la identificación temprana de un evento hipotensivo sea crítica.1

El software Acumen Hypotension Prediction Index es la primera tecnología predictiva que le proporciona información sobre la probabilidad de que un paciente tenga tendencia a un evento hipotensivo* y lo ayuda a comprender la causa raíz del deterioro de la estabilidad hemodinámica.

*Un evento hipotensivo se define como PAM < 65 mmHg por una duración de al menos un minuto.
El sensor Acumen IQ desbloquea la función Acumen Hypotension Prediction Index
Acumen IQ

El sensor Acumen IQ, parte de la familia de sensores hemodinámicos Acumen, desbloquea el Software Acumen Hypotension Prediction Index. El sensor Acumen IQ es mínimamente invasivo y se conecta a un catéter arterial. El sistema Acumen IQ actualiza automáticamente los parámetros avanzados cada 20 segundos y refleja, de este modo, los rápidos cambios fisiológicos que se producen en las intervenciones quirúrgicas de riesgo moderado a alto. Los parámetros hemodinámicos avanzados proporcionados por el sensor Acumen IQ le ofrecen información continua sobre el estado hemodinámico de su paciente.

Más sobre el sensor Acumen IQ

El software Acumen Analytics

El software Acumen Analytics le permite descargar los datos de su paciente al ordenador y analizarlos de manera retrospectiva. Las sesiones de monitorización, que incluyen los datos demográficos, se pueden descargar de la plataforma de monitorización avanzada HemoSphere o de la plataforma clínica EV1000 al software Acumen Analytics para su organización y análisis. Los identificadores del paciente se omiten en la recopilación de datos.

Acumen Analytics software
Más sobre el software Acumen Analytics

Disponible en la plataforma del futuro

HPI secondary screen

La plataforma de monitorización avanzada HemoSphere ofrece parámetros hemodinámicos avanzados que pueden ayudar a guiarle en la toma proactiva de decisiones en una serie de situaciones y escenarios clínicos para que pueda mantener una perfusión óptima del paciente.

Mas sobre de la plataforma de monitorización avanzada HemoSphere

Formación clínica de Edwards

Formación hemodinámica que potencia el avance clínico

Con el compromiso a largo plazo de mejorar la calidad de la atención a los pacientes quirúrgicos y críticos mediante la formación, la formación clínica de Edwards se adapta a usted con independencia del punto del proceso de aprendizaje donde se encuentre, con una oferta continua de recursos y herramientas que le proporcionan asistencia de forma constante a medida que supera los desafíos clínicos a los que hace frente ahora y en el futuro.

Para obtener información formativa adicional

Pódcasts de TopMedTalk sobre hipotensión intraoperatoria (IOH)

Los pódcasts de TopMedTalk son una fuente importante de gran valor sobre debate y educación médica acerca de la anestesia, los cuidados preoperatorios y la recuperación mejorada. Hemos presentado entrevistas con los principales líderes, investigadores, médicos y formuladores de políticas.

A continuación, puede escuchar pódcasts sobre la hipotensión y el software Acumen Hypotension Prediction Index (HPI). Además, puede encontrar estos episodios de TopMedTalk en cualquier lugar donde obtenga sus pódcasts.

Podcast icon

Evitar el riesgo de hipotensión

El software Acumen Hypotension Prediction Index (HPI) toma 2,6 millones de características de una sola forma de onda y luego las aplica a 150 millones de formas de onda diferentes para buscar factores que pueden predecir la hipotensión. Es la primera incursión totalmente aprobada en el análisis predictivo para el mundo de la anestesia.

Esta conversación analiza en detalle cómo funciona y cómo se está adoptando.

Presentado por Desiree Chappell con Monty Mythen y el Dr. Feras Hatib, director, Investigación y Desarrollo, Algoritmos y Procesamiento de Señales en Edwards Lifesciences y el Dr. Simon Davies, especialista en anestesia en York Teaching Hospital NHS Foundation Trust.

Podcast icon

TopMedTalk con Tim Miller

La Iniciativa de Calidad Perioperatoria (POQI) ha aparecido frecuentemente en TopMedTalk, aquí discutimos su enfoque en la hipotensión y la presión sanguínea.

Presentado por Monty Mythen y Desiree Chappell con Joff Lacey, registrador en anestesia en el Hospital St George's de Londres, que actualmente está realizando una beca en Medicina Perioperatoria en la UCLH, además de ser un presentador habitual en TopMedTalk y Tim Miller, Profesor Adjunto de Anestesiología del Centro Médico de la Universidad de Duke.

Podcast icon

TopMedTalk con Feras Hatib

Transmitido en directo desde el Congreso Mundial de Prehabilitación de 2019 y el Congreso Anual de Medicina Perioperatoria de Londres. Esta es una sesión de apertura celebrada en 'Montague on The Gardens', centrada en la inteligencia artificial y fue patrocinada por Edwards Lifesciences.

Presentado por Desiree Chappell y Monty Mythen con su invitado, Feras Hatib, PhD, Director de Investigación y Desarrollo, Algoritmos y Procesamiento de Señales en Edwards Lifesciences.

Podcast icon

El doctor de la IA te verá ahora...

Transmitido en directo desde el Congreso Mundial de Prehabilitación de 2019 y el Congreso Anual de Medicina Perioperatoria de Londres. Esta es una sesión de apertura celebrada en 'Montague on The Gardens', centrada en la inteligencia artificial y fue patrocinada por Edwards Lifesciences.

Presentado por Monty Mythen y Desiree Chappell, esta es una breve explicación de la tecnología en la práctica.

Póngase en contacto con nosotros

La ventaja de Edwards

Tenemos el compromiso de ofrecer a su centro, a sus profesionales médicos y a su personal, los niveles más altos de servicio al cliente y asistencia técnica para garantizar una implementación fluida y un uso ininterrumpido:


Póngase en contacto con un representante de ventas

Referencias:
  1. Wijnberge, M., Geerts, B., Hol, L., Lemmers, N., Mulder, M., Berge, P., Schenk, J., Terwindt, L., Hollman, M., Vlaar, A., Veelo, D. (2020) Effect of a Machine Learning-Derived Early Warning System for Intraoperative Hypotension vs Standard Care on Depth and Duration of Intraoperative Hypotension During Elective Noncardiac Surgery: The HYPE Randomized Clinical Trial. JAMA Online, February 17, 2020. doi:10.1001/jama.2020.0592 https://jamanetwork.com/journals/jama/article-abstract/2761469
  2. Schneck, E., Schulte, D., Habig, L., Ruhrmann, S., Edinger, F., Markmann, M., Habicher, M., Rickert, M., Koch, C., Sander, M. (2019) Hypotension Prediction Index based protocolized haemodynamic management reduces the incidence and duration of intraoperative hypotension in primary total hip arthroplasty: a single centre feasibility randomized blinded prospective interventional trial. Journal of Clinical Monitoring and Computing online, November 29, 2019. https://link.springer.com/article/10.1007/s10877-019-00433-6
  3. Davies SJ, Vistisen ST, Jian Z, et al. Ability of an arterial waveform analysis-derived hypotension prediction index to predict future hypotensive events in surgical patients. Anesth Analg 2020;doi: 10.1213/ANE.0000000000004121. https://journals.lww.com/anesthesia-analgesia/Citation/2020/02000/Ability-of-an-Arterial-Waveform-Analysis-Derived.16.aspx
  4. Hatib, F., Zhongping, J., Buddi, S., Lee, C., Settels, J., Sibert, K., Rinehart, J., Cannesson, M. (2018). Machine-learning Algorithm to Predict Hypotension Based on High-fidelity Arterial Pressure Waveform Analysis. Anesthesiology 129, 663-74. https://anesthesiology.pubs.asahq.org/article.aspx?articleid=2685008
  5. Salmasi, V., Maheshwari, K., Yang, G., Mascha, E.J., Singh, A., Sessler, D.I., & Kurz, A. (2017). Relationship between intraoperative hypotension, defined by either reduction from baseline or absolute thresholds, and acute kidney injury and myocardial injury. Anesthesiology, 126(1), 47-65.
  6. Sun, L.Y., Wijeysundera, D.N., Tait, G.A., & Beattie, W.S. (2015). Association of Intraoperative Hypotension with Acute Kidney Injury after Elective non-cardiac Surgery. Anesthesiology, 123(3), 515-523.
  7. Walsh, M., Devereaux, P.J., Garg, A.X., Kurz, A., Turan, A., Rodseth, R.N., Cywinski, J., Thabane, L., & Sessler, D.I. (2013). Relationship between Intraoperative Mean Arterial Pressure and Clinical Outcomes after non-cardiac Surgery. Anesthesiology, 119(3), 507-515.
  8. Kahn, Alonso-Coello and Devereaux, Myocardial injury after non-cardiac surgery, Curr Opin Cardiol, 2014, 29:307-311
  9. Devereaux and Sessler, Cardiac complications in patients undergoing major non-cardiac surgery, N Engl J Med, 2015, 373(23):2258-2269.
  10. Sellers, D., Srinivas, C., Djaiani, G. (2018). Cardiovascular complications after non-cardiac surgery. Anaesthesia, 73 (Suppl. 1), 34 - 42.
  11. van Waes, J., Nathoe, H., Graaff, J., Kemperman, H., de Borst, G., Peelen, L., van Klei, W. (2013). Myocardial Injury After Noncardiac Surgery and its Association With Short-Term Mortality. Circulation, 127, 2264 - 2271.
  12. Wijnberge et al. HYPE Protocol supplement: Intraoperative implementation of the hypotension probability indicator (HPI) algorithm – A pilot randomized controlled clinical trial, Supplemental to Effect of a machine learning-derived early warning system for intraoperative hypotension vs standard care on depth and duration of intraoperative hypotension during elective noncardiac surgery: The HYPE Randomized Clinical Trial. JAMA 2020.16 Appendix I.
  13. Vining, David & Gladish, Gregory. (1992). Receiver operating characteristic curves: a basic understanding. Radiographics : a review publication of the Radiological Society of North America, Inc. 12. 1147-54. 10.1148/radiographics.12.6.1439017.
  14. Huang, Jin, and C.X. Ling. (2005) Using AUC and Accuracy in Evaluating Learning Algorithms. IEEE Transactions on Knowledge and Data Engineering, vol. 17, no. 3, 2005, pp. 299–310., doi:10.1109/tkde.2005.50.
ESTÁ SALIENDO DEL SITIO DE EDWARDS ESPAÑA

Acaba de hacer clic en un enlace para ir a otro sitio web de Edwards.
Su uso del otro sitio está sujeto a las condiciones de uso y la declaración de privacidad de ese sitio.
Es posible que algunos de los productos en el otro sitio no estén aprobados en su región o país.

CONTINUAR

Para uso profesional

Para uso profesional

Para obtener una lista de indicaciones, contraindicaciones, precauciones, advertencias y posibles eventos adversos, consulte las Instrucciones de uso (consulte eifu.edwards.com cuando corresponda).

Los dispositivos de Edwards Lifesciences disponibles en el mercado europeo cumplen los requisitos esenciales descritos en el artículo 3 de la Directiva 93/42/CEE relativa a los productos sanitarios y llevan la marca de conformidad CE. Todos los productos sanitarios de Edwards Lifesciences puestos en el mercado español cumplen con la legislación vigente.

Please update your browserClose this window

Please update to a current version of your preferred browser, this site will perform effectively on the following:

Unable to update your browser?

If you are on a computer, that is maintained by an admin and you cannot install a new browser, ask your admin about it. If you can't change your browser because of compatibility issues, think about installing a second browser for browsing and keep this old one for compatibility