МОБИЛЬНЫЙ ТЕЛЕМОНИТОРИНГ ДЛЯ РАННЕЙ ДИАГНОСТИКИ ИЗМЕНЕНИЙ СОСТОЯНИЯ ПАЦИЕНТОВ С ПРИМЕНЕНИЕМ ТЕХНОЛОГИИ HOME MONITORING

Цель. Целью исследования был анализ частоты неблагоприятных событий (adverse events - AE) и трендов физиологически значимых параметров у пациентов с имплантатами для электрокардиотерапии с функцией мобильного телемониторинга.

Методы. В 9 центрах Российской Федерации и 2 центрах Республики Казахстан в исследование было включено 126 пациентов с имплантируемыми кардиовертерами-дефибрилляторами (ИКД) или электрокардиостимуляторами (ЭКС) с функцией Home Monitoring (BIOTRONIK, Берлин, Германия). В ходе ежесуточного телемониторинга регистрировались все тревожные сообщения и все изменения опций Home Monitoring с указанием даты и текста сообщения, наблюдения AE, предпринятых действий. При амбулаторных визитах пациентов регистрировали необходимость изменения программы имплантата и/или медикаментозной терапии.

Результаты. У пациентов, пребывавших в исследовании не менее одного года, были зарегистрированы 42 AE, 26 из которых были серьезными (serious AE - SAE), и 3 SAE были определены как связанные с воздействием имплантированного изделия. Анализ полученных данных у пациентов с ИКД (n=90) показал статистически значимые отличия в частоте возникновения SAE при наличии или отсутствии ишемической болезни сердца, р=0,0249. Статистически значимая более низкая частота возникновения SAE выявлена у пациентов с трехкамерными ИКД для лечения сердечной недостаточности (HF-T) по сравнению с пациентами с двухкамерными и однокамерными ИКД (р=0,046). Для ретроспективного математического анализы были доступны ежесуточные тренды параметров, сгружаемых с интернет-портала сервисного центра Home Monitoring, для 60 пациентов с ИКД. У 47 пациентов у которых возникали эпизоды желудочковой тахикардии (ЖТ), фибрилляции желудочков (ФЖ) и/или предсердной тахиаритмии (ПТ), проанализированы тренды физиологически значимых параметров для поиска скрытых закономерностей, позволяющих прогнозировать наступление аритмий. Результаты анализа методом решающих деревьев и методом градиентного бустинга над решающими деревьями показали, что по имеющемуся набору данных события ПТ и ФЖ можно предсказывать с вероятностью, значительно превышающей вероятность случайного угадывания.

Заключение. Наблюдение больных с имплантатами для электрокардиотерапии с помощью технологии телемониторинга позволяет оценить клинические преимущества применения имплантатов различного типа, в том числе, для предупреждения ятрогенных эффектов электрокардиостимуляции. Результаты исследования показали возможность разработки предиктора осложнений на основе анализа трендов физиологически значимых параметров, ежедневно передаваемых с применением технологии Home Monitoring.

1. Hutten H, Schaldach M. Telecardiology Optimizing the Diagnostic and Therapeutic Efficacy of the Next Implant Generation. Progress in Biomedical Research 1998; 3 (1): 1-4.

2. Dubner S, Auricchio A, Steinberg JS, et al. ISHNE/ EHRA expert consensus on remote monitoring of cardiovascular implantable electronic devices (CIEDs). Europace 2012; 14: 278-293.

3. Slotwiner D, Varma N, Akar JG, et al. HRS Expert Consensus Statement on remote interrogation and monitoring for cardiovascular implantable electronic devices. Heart Rhythm 2015; 12 (7): e69-e100.

4. Varma N, Epstein AE, Irimpen A, Schweikert R, Love C, for the TRUST Investigators. Efficacy and Safety of Automatic Remote Monitoring for Implantable Cardioverter-Defibrillator Follow-Up: the Lumos-T Safely Reduces Routine Office Device Follow-up (TRUST) Trial. Circulation 2010; 122 (4): 325-332.

5. Ricci RP, Morichelli L, Santini M. Home Monitoring Remote Control of Pacemaker and Implantable Cardioverter Defibrillator Patients in Clinical Practice: Impact on Medical Management and Health-Care Resource Utilization. Europace 2008; 10 (2): 164-170.

6. Mabo P, Victor F, Bazin P, Ahres S, Babuty D, Da Costa A, Binet D, Daubert J-C, on behalf of the COMPAS trial investigators. A randomized trial of long-term remote monitoring of pacemaker recipients (The COMPAS trial). Eur Heart J (2011) doi: 10.1093/eurheartj/ehr419. First published online: November 29, 2011.

7. Varma N Epstein AE, Irimpen A, Gibson L, Love C. Efficacy of calendar based ICD checks: conventional follow up compared to remote monitoring in the TRUST trial. European Heart Journal 2009; 30 (abstract supplement): 278.

8. Ricci RP, Morichelli L, Quarta L, Sassi A, Porfili A, Laudadio MT, Gargaro A, Santini M. Europace 2010; 12 (5): 674-679.

9. Halimi F, Clémenty J, Attuel P, Dessenne X, Amara W; OEDIPE trial Investigators. Optimized post-operative surveillance of permanent pacemakers by home monitoring: the OEDIPE trial. Europace 2008; 10: 1392-1399.

10. Vardas PE, Auricchio A, Blanc JJ, et al. European Society of Cardiology; European Heart Rhythm Association. Guidelines for cardiac pacing and cardiac resynchronization therapy: The Task Force for Cardiac Pacing and Cardiac Resynchronization Therapy of the European Society of Cardiology. Developed in collaboration with the European Heart Rhythm Association. Eur Heart J 2007; 28: 2256-2295.

11. Heidbüchel H, Lioen P, Foulon S, Huybrechts W, Ector J, Willems R, Ector H. Potential role of remote monitoring for scheduled and unscheduled evaluations of patients with an implantable defibrillator. Europace 2008; 10: 351-357.

12. Kacet S, Guédon-Moreau L, Hermida J-S, Aliot E, Boursier M, Bizeau O, Klug D, Kouakam C on behalf of the ECOST trial Investigators. Safety and effectiveness of implantable cardioverter defibrillator follow-up using remote monitoring: ECOST study. European Society of Cardiology, Paris, 29 August 2011 - http://www.escardio. org/congresses/esc-2011/congress-reports/Pages/707-2- ECOST.aspx

13. Hindricks G, Taborsky M, Glikson M et al. Implant-based multiparameter telemonitoring of patients with heart failure (IN-TIME): a randomised controlled trial. The Lancet 2014; 384 (9943): 583-590.

14. Ревишвили А.Ш., Ломидзе Н.Н., Сунгатов Р.Ш., Хасанов И.Ш. Удаленная диагностика и интеграция медицинских данных для повышения эффективности электрокардиотерапии. Вестник аритмологии 2016; №85: с. 5-18.

15. Helterbook. Свидетельство о государственной регистрации программы для ЭВМ № 2013661583, 11 декабря 2013 года.

16. Sack S, Wende ChM, Nägele H, Katz A, Bauer WR, Barr CS, Malinowski K, Schwacke H, Leyva F, Proff J, Berdyshev S, Paul V. Potential value of automated daily screening of cardiac resynchronization therapy defibrillator diagnostics for prediction of major cardiovascular events: Results from Home-CARE (Home Monitoring in Cardiac Resynchronization Therapy) study. European Journal of Heart Failure 2011; 13: 1019-1027.

17. Refaeilzadeh P, Tang L, Liu H. (2009) Cross-Validation. In: Liu L, Özsu MT (eds) Encyclopedia of Database Systems. Springer, Boston, MA.

18. Zweig MH, Campbell G. Receiver-operating characteristic (ROC) plots: a fundamental evaluation tool in clinical medicine. Clin Chem 1993; 39: 561-577.

19. Ho TK. The random subspace method for constructing decision forests. IEEE Transactions on Pattern Analysis and Machine Intelligence 1998; 20 (8): 832-844.

20. Cortes C, Vapnik V. Support-Vector Networks. Machine Learning 1995; 20: 273-297.

21. Altman NS. An introduction to kernel and nearest-neighbor nonparametric regression. The American Statistician 1992; 46 (3): 175–185.

22. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: классификация и снижение размерности. - М.: Финансы и статистика, 1989.

23. Friedman J. Greedy Function Approximation: A Gradient Boosting Machine. - IMS 1999 Reitz Lecture.