Faisabilité clinique d’une technologie de surveillance continue multiparamètre épidermique néonatale avancée dans une grande maternité publique à Nairobi, au Kenya

Conception de l’étude et participants

Nous avons mené une étude prospective, observationnelle et de faisabilité clinique d’ANNE au Pumwani Maternity Hospital (PMH) à Nairobi, au Kenya, le plus grand hôpital de maternité public de référence en Afrique subsaharienne. Le PMH n’a pas d’unité de soins intensifs néonatals. Les soignants des nouveau-nés nés ou admis au PMH ont été approchés par le personnel de l’étude formé qui a obtenu un consentement éclairé écrit et a évalué le nouveau-né pour l’éligibilité à l’étude sur la base des résultats des antécédents médicaux, de l’examen clinique et de la compréhension appropriée de l’étude par le soignant (Tableau 1). Réalisé conformément à la Déclaration d’Helsinki et aux directives de bonnes pratiques cliniques / Organisation internationale de normalisation (ISO) 14155 pour garantir une collecte de données précise, fiable et cohérente, le protocole d’étude a été approuvé par le Western Institutional Review Board (20191102), Aga Khan Comité d’éthique de la recherche de l’Université de Nairobi (2019/REC-02) et Kenya Pharmacy and Poisons Board (ECCT/19/05/02) et enregistré auprès de ClinicalTrials.gov, NCT03920761^dix. Des efforts ont été faits pour s’assurer que la participation à l’étude n’interférait pas ou ne retardait pas inutilement les soins cliniques des nouveau-nés.

Tableau 1 Critères d’éligibilité, paramètres et définitions de l’étude.

Procédures d’étude

Les nouveau-nés inscrits ont reçu la norme de soins locale tout en étant surveillés simultanément avec la technologie de surveillance continue multiparamètre ANNE (Sibel Inc. IL, États-Unis), le co-oxymètre de pouls Rad-97 avec capnographie (Masimo Corporation, États-Unis) et Tempo Easy de Spengler thermomètre infrarouge sans contact (Groupe SPENGLER HOLTEX, Aix-en-Provence, France). Le Rad-97 a été sélectionné comme technologie de référence en raison de sa capacité à extraire et à enregistrer des données haute résolution, à effectuer une capnographie néonatale et une oxymétrie de pouls, et sa conception compacte permettant une surveillance au chevet du patient. Tempo Easy a été choisi comme technologie de référence pour la surveillance de la température en raison de sa disponibilité dans le pays. FC, FR et SpO₂ les données ont été collectées en temps réel pendant au moins une heure à partir d’ANNE et de Rad-97 et les données de température via des contrôles ponctuels horaires avec la technologie Tempo Easy. La possibilité totale d’attacher les technologies était similaire. Temps de disponibilité, performances de détection des événements cliniques et FC, RR, SpO₂et les données de mesures de température ont été collectées par ANNE et les technologies de référence (tableau 1). Pour la température, les relevés du capteur thoracique d’ANNE ont été comparés aux relevés de température de la peau du front de Tempo Easy.

Résultats

Pour garantir des mesures objectives de la faisabilité clinique, les résultats de l’étude comprenaient des comparaisons entre le temps total de connexion et le temps de disponibilité de l’ANNE et des technologies de référence, et la détection d’événements d’événements HR et RR élevés et faibles, SpO faible₂ événements et événements à haute température. De plus, nous avons évalué la concordance entre HR, RR, SpO₂et des mesures de température dans un environnement réel (tableau 1).

Traitement et analyse des données

Le nombre total de minutes pendant lesquelles les capteurs ont été connectés et le temps de fonctionnement de chaque technologie ont été calculés. Nous avons évalué la qualité des mesures de l’ANNE et des technologies de référence, et désigné des périodes de données de qualité de signal adéquates comme temps de fonctionnement (tableau 1). Pour ANNE, nous avons obtenu HR, RR et SpO₂ mesures avec leur indice de qualité de signal exclusif correspondant toutes les secondes. Les données brutes collectées en temps réel ont été extraites du Rad-97 avec une application Android personnalisée. Les données ont été analysées en C (Dennis Ritchie & Bell Labs, USA) pour obtenir la forme d’onde du pléthysmographe et les données de l’indice de qualité du pléthysmographe (PO-SQI) à 62,5 Hz (Hz) et la capnographie (dioxyde de carbone (CO₂)) données de forme d’onde à environ 20 Hz. CO₂ les données de forme d’onde ont été analysées à l’aide d’un algorithme de détection de respiration développé dans MATLAB (Math Works, États-Unis) basé sur la segmentation adaptative des impulsions¹¹. Nous avons obtenu HR et RR à partir des intervalles de durée intra-battement et respiratoire, respectivement. Un algorithme personnalisé basé sur les caractéristiques de capnographie a été utilisé pour déterminer l’indice de qualité de capnographie (CO₂-SQI). SpO₂ les valeurs ont été calculées par le Rad-97 à 1 Hz, et des médianes de 8 s ont été utilisées dans l’analyse. Pour normaliser la détection des événements, les limites supérieures de FC et de RR ont été individualisées pour chaque nouveau-né et ont été calculées pour que la FC soit de 20 % et pour que la RR soit supérieure de 15 % à leurs valeurs de référence respectives (sur la base d’un examen des données historiques) une fois que le nouveau-né a été réglé (environ 15 min après le début de la surveillance) mais pas moins de 140 battements/minute pour HR et 40 respirations/minute pour RR. Pour tous les nouveau-nés, une température limite supérieure de 37,5 °C a été utilisée. Les limites inférieures étaient statiques avec des valeurs de 80 battements/minute pour la fréquence cardiaque, 15 respirations/minute pour la fréquence cardiaque et 90 % pour la SpO₂ sur la base de la plage physiologique normale. Pour identifier les événements cliniques, Sibel a fourni un analyseur logiciel qui traitait toutes leurs données de surveillance et fournissait une détection des événements en temps pseudo-réel qui était finalisée avant la collecte des données. Les données de la technologie de référence ont été traitées après la collecte des données avec un algorithme personnalisé pour identifier les événements.

Pour les périodes de disponibilité d’ANNE et de Rad-97 qui se chevauchent, les événements cliniques ont été détectés en examinant la minute de données précédente pour les deux technologies. Un événement a été identifié si la médiane sur une minute et la médiane sur dix secondes la plus récente respectaient toutes deux une qualité de signal adéquate et dépassaient le seuil des valeurs d’alarme supérieures ou inférieures pour la fréquence cardiaque, la fréquence cardiaque et la SpO₂, ou température. À l’aide d’un algorithme personnalisé, les événements ont été regroupés à partir des technologies dans des fenêtres de dix minutes classées comme vrais positifs, faux négatifs, faux positifs ou vrais négatifs pour une FC et une RR élevées et faibles et une SpO faible.₂ pour chaque variable (tableau 1)¹². Un panel de néonatologistes formés et de boursiers principaux en néonatologie a procédé à une évaluation manuelle des événements faux négatifs et faux positifs identifiés par algorithme afin d’identifier ceux qui étaient cliniquement significatifs (Tableau 1). Pour HR et RR, tous les événements faux négatifs et faux positifs supérieurs à dix battements par minute pendant plus de deux minutes ont été soumis à l’arbitrage. Pour SpO₂, tous les événements faux négatifs et faux positifs qui présentaient une différence supérieure à 4 % entre ANNE et Rad-97 pendant plus de deux minutes ont été soumis à l’arbitrage. Aucune décision n’a été prise pour la surveillance de la température en raison d’un faible nombre d’événements. Ensembles d’arbitrage consistant en des visualisations de certains faux négatifs et faux positifs HR, RR et SpO₂ des événements et des listes de contrôle d’arbitrage ont été élaborés et fournis au panel d’arbitres (Fig. S2). Tous les événements faux négatifs et faux positifs ont été évalués de manière indépendante par deux arbitres et un troisième arbitre a réconcilié les résultats en cas de désaccord. Pour évaluer la détection d’événements d’ANNE, des matrices de confusion ont été générées et des paramètres de performance comprenant la sensibilité, la spécificité, la valeur prédictive positive (PPV), la valeur prédictive négative (NPV) et le rapport faux négatif/faux positif pour HR et RR élevés et faibles, faible SpO₂et la température élevée ont été calculées pour les résultats avant et après l’adjudication.

Nous avons évalué l’accord de mesure entre ANNE et les technologies de référence comme le biais normalisé et l’écart normalisé entre les limites d’accord à 95 % (LOA) calculé en divisant le biais et l’écart entre le LOA à 95 % par la référence globale HR, RR, SpO₂ou valeur moyenne de la température¹³. Nous avons également calculé l’écart quadratique moyen (RMSD) pour chaque comparaison. Sur la base de la phase de vérification de la technologie de référence, des écarts normalisés acceptables identifiés a priori entre la LOA supérieure de 95 % et la LOA inférieure de 30 % ont été sélectionnés pour le RR et le HR¹⁴. Pour SpO₂la limite adéquate identifiée a priori pour la RMSD était de 4,5 % et la limite optimale était de 3,5 % selon les normes de l’Organisation internationale de normalisation¹⁵. Pour la température, une limite adéquate identifiée a priori de 4,5 °C pour la LOA a été sélectionnée sur la base d’une revue de la littérature et d’une étude de validation formelle^sept. La version R 4.0.2 (Vienne, Autriche 2020) a été utilisée pour l’analyse des données.

Rôle de la source de financement

Les bailleurs de fonds de l’étude n’ont joué aucun rôle dans la conception de l’étude, la collecte des données, l’analyse des données, l’interprétation des données ou la rédaction du rapport.

Conception de l’étude et participants

Nous avons mené une étude prospective, observationnelle et de faisabilité clinique d’ANNE au Pumwani Maternity Hospital (PMH) à Nairobi, au Kenya, le plus grand hôpital de maternité public de référence en Afrique subsaharienne. Le PMH n’a pas d’unité de soins intensifs néonatals. Les soignants des nouveau-nés nés ou admis au PMH ont été approchés par le personnel de l’étude formé qui a obtenu un consentement éclairé écrit et a évalué le nouveau-né pour l’éligibilité à l’étude sur la base des résultats des antécédents médicaux, de l’examen clinique et de la compréhension appropriée de l’étude par le soignant (Tableau 1). Réalisé conformément à la Déclaration d’Helsinki et aux directives de bonnes pratiques cliniques / Organisation internationale de normalisation (ISO) 14155 pour garantir une collecte de données précise, fiable et cohérente, le protocole d’étude a été approuvé par le Western Institutional Review Board (20191102), Aga Khan Comité d’éthique de la recherche de l’Université de Nairobi (2019/REC-02) et Kenya Pharmacy and Poisons Board (ECCT/19/05/02) et enregistré auprès de ClinicalTrials.gov, NCT03920761^dix. Des efforts ont été faits pour s’assurer que la participation à l’étude n’interférait pas ou ne retardait pas inutilement les soins cliniques des nouveau-nés.

Tableau 1 Critères d’éligibilité, paramètres et définitions de l’étude.

Procédures d’étude

Les nouveau-nés inscrits ont reçu la norme de soins locale tout en étant surveillés simultanément avec la technologie de surveillance continue multiparamètre ANNE (Sibel Inc. IL, États-Unis), le co-oxymètre de pouls Rad-97 avec capnographie (Masimo Corporation, États-Unis) et Tempo Easy de Spengler thermomètre infrarouge sans contact (Groupe SPENGLER HOLTEX, Aix-en-Provence, France). Le Rad-97 a été sélectionné comme technologie de référence en raison de sa capacité à extraire et à enregistrer des données haute résolution, à effectuer une capnographie néonatale et une oxymétrie de pouls, et sa conception compacte permettant une surveillance au chevet du patient. Tempo Easy a été choisi comme technologie de référence pour la surveillance de la température en raison de sa disponibilité dans le pays. FC, FR et SpO₂ les données ont été collectées en temps réel pendant au moins une heure à partir d’ANNE et de Rad-97 et les données de température via des contrôles ponctuels horaires avec la technologie Tempo Easy. La possibilité totale d’attacher les technologies était similaire. Temps de disponibilité, performances de détection des événements cliniques et FC, RR, SpO₂et les données de mesures de température ont été collectées par ANNE et les technologies de référence (tableau 1). Pour la température, les relevés du capteur thoracique d’ANNE ont été comparés aux relevés de température de la peau du front de Tempo Easy.

Résultats

Pour garantir des mesures objectives de la faisabilité clinique, les résultats de l’étude comprenaient des comparaisons entre le temps total de connexion et le temps de disponibilité de l’ANNE et des technologies de référence, et la détection d’événements d’événements HR et RR élevés et faibles, SpO faible₂ événements et événements à haute température. De plus, nous avons évalué la concordance entre HR, RR, SpO₂et des mesures de température dans un environnement réel (tableau 1).

Traitement et analyse des données

Le nombre total de minutes pendant lesquelles les capteurs ont été connectés et le temps de fonctionnement de chaque technologie ont été calculés. Nous avons évalué la qualité des mesures de l’ANNE et des technologies de référence, et désigné des périodes de données de qualité de signal adéquates comme temps de fonctionnement (tableau 1). Pour ANNE, nous avons obtenu HR, RR et SpO₂ mesures avec leur indice de qualité de signal exclusif correspondant toutes les secondes. Les données brutes collectées en temps réel ont été extraites du Rad-97 avec une application Android personnalisée. Les données ont été analysées en C (Dennis Ritchie & Bell Labs, USA) pour obtenir la forme d’onde du pléthysmographe et les données de l’indice de qualité du pléthysmographe (PO-SQI) à 62,5 Hz (Hz) et la capnographie (dioxyde de carbone (CO₂)) données de forme d’onde à environ 20 Hz. CO₂ les données de forme d’onde ont été analysées à l’aide d’un algorithme de détection de respiration développé dans MATLAB (Math Works, États-Unis) basé sur la segmentation adaptative des impulsions¹¹. Nous avons obtenu HR et RR à partir des intervalles de durée intra-battement et respiratoire, respectivement. Un algorithme personnalisé basé sur les caractéristiques de capnographie a été utilisé pour déterminer l’indice de qualité de capnographie (CO₂-SQI). SpO₂ les valeurs ont été calculées par le Rad-97 à 1 Hz, et des médianes de 8 s ont été utilisées dans l’analyse. Pour normaliser la détection des événements, les limites supérieures de FC et de RR ont été individualisées pour chaque nouveau-né et ont été calculées pour que la FC soit de 20 % et pour que la RR soit supérieure de 15 % à leurs valeurs de référence respectives (sur la base d’un examen des données historiques) une fois que le nouveau-né a été réglé (environ 15 min après le début de la surveillance) mais pas moins de 140 battements/minute pour HR et 40 respirations/minute pour RR. Pour tous les nouveau-nés, une température limite supérieure de 37,5 °C a été utilisée. Les limites inférieures étaient statiques avec des valeurs de 80 battements/minute pour la fréquence cardiaque, 15 respirations/minute pour la fréquence cardiaque et 90 % pour la SpO₂ sur la base de la plage physiologique normale. Pour identifier les événements cliniques, Sibel a fourni un analyseur logiciel qui traitait toutes leurs données de surveillance et fournissait une détection des événements en temps pseudo-réel qui était finalisée avant la collecte des données. Les données de la technologie de référence ont été traitées après la collecte des données avec un algorithme personnalisé pour identifier les événements.

Pour les périodes de disponibilité d’ANNE et de Rad-97 qui se chevauchent, les événements cliniques ont été détectés en examinant la minute de données précédente pour les deux technologies. Un événement a été identifié si la médiane sur une minute et la médiane sur dix secondes la plus récente respectaient toutes deux une qualité de signal adéquate et dépassaient le seuil des valeurs d’alarme supérieures ou inférieures pour la fréquence cardiaque, la fréquence cardiaque et la SpO₂, ou température. À l’aide d’un algorithme personnalisé, les événements ont été regroupés à partir des technologies dans des fenêtres de dix minutes classées comme vrais positifs, faux négatifs, faux positifs ou vrais négatifs pour une FC et une RR élevées et faibles et une SpO faible.₂ pour chaque variable (tableau 1)¹². Un panel de néonatologistes formés et de boursiers principaux en néonatologie a procédé à une évaluation manuelle des événements faux négatifs et faux positifs identifiés par algorithme afin d’identifier ceux qui étaient cliniquement significatifs (Tableau 1). Pour HR et RR, tous les événements faux négatifs et faux positifs supérieurs à dix battements par minute pendant plus de deux minutes ont été soumis à l’arbitrage. Pour SpO₂, tous les événements faux négatifs et faux positifs qui présentaient une différence supérieure à 4 % entre ANNE et Rad-97 pendant plus de deux minutes ont été soumis à l’arbitrage. Aucune décision n’a été prise pour la surveillance de la température en raison d’un faible nombre d’événements. Ensembles d’arbitrage consistant en des visualisations de certains faux négatifs et faux positifs HR, RR et SpO₂ des événements et des listes de contrôle d’arbitrage ont été élaborés et fournis au panel d’arbitres (Fig. S2). Tous les événements faux négatifs et faux positifs ont été évalués de manière indépendante par deux arbitres et un troisième arbitre a réconcilié les résultats en cas de désaccord. Pour évaluer la détection d’événements d’ANNE, des matrices de confusion ont été générées et des paramètres de performance comprenant la sensibilité, la spécificité, la valeur prédictive positive (PPV), la valeur prédictive négative (NPV) et le rapport faux négatif/faux positif pour HR et RR élevés et faibles, faible SpO₂et la température élevée ont été calculées pour les résultats avant et après l’adjudication.

Nous avons évalué l’accord de mesure entre ANNE et les technologies de référence comme le biais normalisé et l’écart normalisé entre les limites d’accord à 95 % (LOA) calculé en divisant le biais et l’écart entre le LOA à 95 % par la référence globale HR, RR, SpO₂ou valeur moyenne de la température¹³. Nous avons également calculé l’écart quadratique moyen (RMSD) pour chaque comparaison. Sur la base de la phase de vérification de la technologie de référence, des écarts normalisés acceptables identifiés a priori entre la LOA supérieure de 95 % et la LOA inférieure de 30 % ont été sélectionnés pour le RR et le HR¹⁴. Pour SpO₂la limite adéquate identifiée a priori pour la RMSD était de 4,5 % et la limite optimale était de 3,5 % selon les normes de l’Organisation internationale de normalisation¹⁵. Pour la température, une limite adéquate identifiée a priori de 4,5 °C pour la LOA a été sélectionnée sur la base d’une revue de la littérature et d’une étude de validation formelle^sept. La version R 4.0.2 (Vienne, Autriche 2020) a été utilisée pour l’analyse des données.

Rôle de la source de financement

Les bailleurs de fonds de l’étude n’ont joué aucun rôle dans la conception de l’étude, la collecte des données, l’analyse des données, l’interprétation des données ou la rédaction du rapport.

— to www.nature.com