Het detecteren van aankomende centrale hypovolemie voorafgaand aan symptomatische cerebrale hypoperfusie door middel van machine learning modellen getraind op realistische fysiologische modellen.
ID
Bron
Verkorte titel
Aandoening
- Verlaagde en niet-specifieke bloeddrukafwijkingen en shock
Synoniemen aandoening
Betreft onderzoek met
Ondersteuning
Onderzoeksproduct en/of interventie
Uitkomstmaten
Primaire uitkomstmaten
Vroegtijdige identificatie van cerebrale hypoperfusie door middel van een
machine learning model gebaseerd op veranderingen in hemodynamische parameters.
Secundaire uitkomstmaten
nvt
Achtergrond van het onderzoek
In gezonde proefpersonen wordt de cerebrale bloedflow constant gehouden door
cerebrale autoregulatie om hypo- of hyperperfusie van het brein te voorkomen.
Cerebrale autoregulatie zorgt voor vasoconstrictie als cerebrale perfusie druk
stijgt en vasodilatatie als cerebrale perfusiedruk daalt. Cerebrale
autoregulatie heeft echter zijn grenzen, en wanneer de ondergrens is bereikt
zakt de cerebrale bloedflow waardoor symptomatische cerebrale hypoperfusie
ontstaat. Momenteel wordt centrale bloedvolume tijdens anasthasie gemonitord
door middel van hartslag en de gemiddelde arteriele druk. Deze parameters zijn
niet in staat subclinische hypovolemie in de perioperatieve periode te
herkennen. Dit betekent dat applicatie van deze parameters als leidraad voor
vloeistof therapy kan resulteren in niet herkende hypovolemie of hypervolemie.
Parameters die dit beter kunnen zijn gewenst maar hebben als noodzaak het
monitoren van veel signalen welke te complex zijn om te interpreteren door de
clinicus. Complexe software modellen gebaseerd op fysiologische data is
noodzakelijk om veranderingen in het centrale bloedvolume beter te kunnen
herkennen. Een manier om dit te doen is met behulp van een machine learning
model welke meerdere parameters in acht kan nemen.
Doel van het onderzoek
Het detecteren van aankomende centrale hypovolemie voorafgaand aan
symptomatische cerebrale hypoperfusie door middel van machine learning modellen
getraind op realistische fysiologische modellen.
Onderzoeksopzet
Proefpersonsen worden onderworpen aan verschillende methodieken van
hypovolemische simulatie (passieve til,lower body negative pressure (LBNP),
actief staan). Golfvorm karakteristieken van bloeddruk, cerebral
bloedstroomsnelheid en niet invasieve applanatie van de arterial carotis en
femoralis golven worden geëxtraheerd en aan het machine learning algoritme als
input gegeven om te trainen op deze data om relevante biofysiologische signalen
gerelateerd aan cerebrale hypoperfusie kunnen worden gedetecteerd in meerdere
tijdsspannes.
Inschatting van belasting en risico
Er worden geen voorziene risico's verwacht bij deelname aan deze studie. De
last voor de proefpersoon is minimaal omdat alle metingen die worden gedaan in
deze studie niet-invasief zijn. De fysieke belasting van de routine testen in
deze studie wordt over het algemeen genomen goed verdragen. Het is in onze
laboratoria gebruikelijk dat de proefpersoon continu in persoon en
instrumenteel wordt gemonitored.
Echter bestaat er altijd de kans bij het bereiken van pre-syncope dat de
proefpersoon volledig syncopisch geraakt en flauwvalt. Hier wordt nauwlettend
op toegezien en zal onmiddelijk worden verholpen.
Algemeen / deelnemers
Meibergdreef 9
Amsterdam 1105 AZ
NL
Wetenschappers
Meibergdreef 9
Amsterdam 1105 AZ
NL
Landen waar het onderzoek wordt uitgevoerd
Leeftijd
Belangrijkste voorwaarden om deel te mogen nemen (Inclusiecriteria)
Gezonde personen met een leeftijd tussen 18 en 50 jaar
Belangrijkste redenen om niet deel te kunnen nemen (Exclusiecriteria)
Proefpersonen bekend met cardiovasculair aandoeningen of met gebruik van medicijnen voor cardiovasculaire aandoeningen, hypertensie, diabetes of frequent flauwvallen.
Opzet
Deelname
Opgevolgd door onderstaande (mogelijk meer actuele) registratie
Geen registraties gevonden.
Andere (mogelijk minder actuele) registraties in dit register
Geen registraties gevonden.
In overige registers
Register | ID |
---|---|
CCMO | NL50905.018.14 |