Name: Wartość odcięcia kąta fazowego za pomocą analizy impedancji bioelektrycznej przy przyjęciu jako czynnik prognostyczny u pacjentów z ostrą niewydolnością serca (Wideo) | JoVE Journal
Uploaded: 2025-06-10T13:40:00.000+00:00
Duration: 5 min 16 s
Description: Poznaj analizę impedancji bioelektrycznej do oceny kąta fazowego jako czynnika prognostycznego w ostrej niewydolności serca. Metoda wykorzystuje regresję Coxa z ograniczonymi splajnami sześciennymi do identyfikacji optymalnej wartości odcięcia i poprawy predykcji ryzyka.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Autorzy dziękują profesorom. Piccoli i Pastori z Wydziału Nauk Medycznych i Chirurgicznych Uniwersytetu w Padwie, Włochy, za dostarczenie oprogramowania BIVA. Badania te nie otrzymały żadnych konkretnych grantów od agencji finansujących w sektorze publicznym, komercyjnym lub non-profit.

To badanie składa się z czterech etapów. Dane wykorzystane w tym badaniu obejmowały dorosłych pacjentów (≥18 lat) z AHF potwierdzonym poprzednim echokardiogramem zgodnie z wytycznymi Europejskiego Towarzystwa Kardiologicznego (ESC) 8 oraz z oczekiwaną hospitalizacją, zgodnie z oceną klinicystów. Badanie to zostało zatwierdzone przez Komitet ds. Etyki i Badań Biomedycznych Człowieka Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán i zostało przeprowadzone zgodnie z zasadami Deklaracji Helsińskiej. Pisemną świadomą zgodę uzyskano od pacjenta lub jego najbliższej rodziny, jeśli nie byli oni w stanie wyrazić zgody.
1. Akwizycja danych i informacje ogólne
UWAGA: Pomiary BIA wymagają specjalnego przygotowania pacjenta, zgodnie z opisem w oddzielnym protokole9. Gdy sprzęt BIA zakończy pomiar, na ekranie urządzenia zostaną wyświetlone następujące dane: wartości impedancji (Z) przy różnych częstotliwościach (5, 50, 100 i 200 kHz), a także wartości rezystancji i reaktancji przy 50 kHz.
<ol>
	<li>Po pomiarach BIA otwórz oprogramowanie, aby dostosować rezystancję (R) i reaktancję (Xc) w zależności od wzrostu pacjenta oraz obliczyć wartości kąta fazowego (PhA). 
	UWAGA: Analizę parametrów BIA za pomocą BIVA należy wykonać w ciągu 24 godzin od przyjęcia pacjenta.</li>
	<li>Wprowadź wyniki do zestawu danych i zapisz je jako plik .csv do analizy w programie RStudio. 
	UWAGA: Dane pacjenta są przedstawione jako odniesienie w tabeli uzupełniającej S1.</li>
</ol>
2. Instalowanie, ładowanie pakietów i przygotowanie danych
UWAGA: Wszystkie procedury zostały wykonane przy użyciu oprogramowania R przy użyciu pakietów survival, MASS i pspline.
<ol>
	<li>Pobierz języki R i RStudio.
	<ol>
		<li>Zainstaluj oprogramowanie R (wersja może się zmieniać w czasie) i RStudio i otwórz je. Kliknij zakładkę Plik | Nowa opcja Plik | wybierz skrypt języka R. Program RStudio wyświetli plik skryptu w lewym górnym rogu, umieszczonym nad kartą Konsola.</li>
		<li>Zainstaluj pakiety, wykonując następujące polecenia w pliku skryptu: 
		install.packages("przetrwanie") 
		install.packages("MASA") 
		install.packages("pspline")</li>
		<li>Załaduj pakiety, uruchamiając następujące polecenia 
		biblioteka(przetrwanie) 
		biblioteka(MASA) 
		biblioteka (pspline)</li>
		<li>Zaimportuj zestaw danych, wykonując następujące polecenie. #Dataset będzie nazwą danych. Tutaj przykładem jest plik Dane dotyczące ostrej niewydolności serca. 
		Zbiór danych <-read.csv(".../Ostra niewydolność serca data.csv")</li>
	</ol>
	</li>
</ol>
3. Budowa modelu
<ol>
	<li>Określ model regresji proporcjonalnego hazardu Coxa skorygowany o potencjalne zmienne zakłócające i oblicz 95% przedziały ufności (95% CI) za pomocą następujących poleceń. 
	Model_1 <- coxph (Surv (Survival_days, wynik) ~ współczynnik (Diabetes_mellitus) + Systolic_blood_pressure + Serum_sodium + Phase_angle, method="breslow") 
	exp(confint(Model_1))</li>
	<li>Oblicz kryterium informacyjne Akaike (AIC), Bayesowskie kryterium informacyjne (BIC), statystykę C i 95% CI, uruchamiając następujące polecenia. 
	#Akaike Kryterium informacyjne 
	AIC(Model_1) 
	#Bayesian Kryterium informacyjne 
	BIC(Model_1) 
	C-statistic 
	summary(Model_1)$concordance[1] 
	#Lower przedział C-statistic 
	summary(Model_1)$concordance[1]-(1.96*summary(Model_1)$concordance[2]) 
	#Upper przedział C-statistic 
	podsumowanie(Model_1)$concordance[1]+(1.96*podsumowanie(Model_1)$concordance[2])</li>
</ol>
4. Reprezentacja graficzna
<ol>
	<li>Utwórz obiekt przetrwania za pomocą funkcji Surv(). 
	surv_1 <- Surv(Survival_days, wynik)</li>
	<li>Dopasuj model regresji proporcjonalnego hazardu Coxa opracowany w kroku 3.1. i przewiduj wartości dopasowanego splajnu, wykonując następujące polecenia. 
	fit_model_1 <- Coxph(surv_1 ~ pspline(Phase_angle, df=2)+czynnik(Diabetes_mellitus)+ Systolic_blood_pressure + Serum_sodium) 
	predicted_1 <- predict(fit_model_1, type="terms", se.fit=TRUE ,terms=1)</li>
	<li>Narysuj dopasowany model i odpowiadające mu linie na wykresie, wykonując następujące polecenia. Zidentyfikuj punkt odcięcia, w którym skorygowane HR (regresja splajnu) jest większe niż 1, co sugeruje, że niższe wartości PhA przewidują zwiększone ryzyko śmiertelności wewnątrzszpitalnej i 90-dniowej ponownej hospitalizacji lub zgonu. 
	plot(Phase_angle, exp(predicted_1$fit), type="n", xlab="Kąt fazowy", ylab="Skorygowane HR (95% IC)", xlim=c(1.2,12), ylim= c(0,2.5), main="Wszystkie wyniki kliniczne") 
	lines(sm.spline(Phase_angle , exp(predicted_1$fit)) , col = "#b23500" , lty = 1, lwd=2 ) 
	lines(sm.spline(Phase_angle , exp(predicted_1$fit + 1.96 * predicted_1$se)) , col = "#b23500" , lty = 2,lwd=1.2) 
	lines(sm.spline(Phase_angle , exp(predicted_1$fit - 1.96 * predicted_1$se)) , col = "#b23500" , lty = 2, lwd=1.2) 
	abline(h=1.0,col="#050505", lty= 2, lwd= 0.00001 ) 
	text(4.27,1.12, "4.0°") 
	abline(v=4.0,col="", lty= 2, lwd= 0.00001)</li>
</ol>

<ol><li>Boorsma, E. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Congestion+in+heart+failure%3A+A+contemporary+look+at+physiology%2C+diagnosis%2C+and+treatment%5BTitle%5D)+AND+%22Nat+Rev+Cardiol%22%5BJournal%5D)">Congestion in heart failure: A contemporary look at physiology, diagnosis, and treatment.</a> Nat Rev Cardiol. 17 (10), 641-655 (2020).</li>
<li>Rahman, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Malnutrition+and+cachexia+in+heart+failure%5BTitle%5D)+AND+%22J+Parenter+Enteral+Nutr%22%5BJournal%5D)">Malnutrition and cachexia in heart failure.</a> J Parenter Enteral Nutr. 40 (4), 475-486 (2016).</li>
<li>Sze, S., Pellicori, P., Zhang, J., Weston, J., Clark, A. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+impact+of+malnutrition+on+short-term+morbidity+and+mortality+in+ambulatory+patients+with+heart+failure%5BTitle%5D)+AND+%22Am+J+Clin+Nutr%22%5BJournal%5D)">The impact of malnutrition on short-term morbidity and mortality in ambulatory patients with heart failure.</a> Am J Clin Nutr. 113 (3), 695-705 (2021).</li>
<li>Lukaski, H. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Classification+of+hydration+in+clinical+conditions%3A+Indirect+and+direct+approaches+using+bioimpedance%5BTitle%5D)+AND+%22Nutrients%22%5BJournal%5D)">Classification of hydration in clinical conditions: Indirect and direct approaches using bioimpedance.</a> Nutrients. 20 (4), 330-339 (2019).</li>
<li>Lukaski, H. C., Kyle, U. G., Kondrup, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessment+of+adult+malnutrition+and+prognosis+with+bioelectrical+impedance+analysis%3A+phase+angle+and+impedance+ratio%5BTitle%5D)+AND+%22Curr+Opin+Clin+Nutr+Metab+Care%22%5BJournal%5D)">Assessment of adult malnutrition and prognosis with bioelectrical impedance analysis: phase angle and impedance ratio.</a> Curr Opin Clin Nutr Metab Care. 20 (5), 330-339 (2017).</li>
<li>Norman, K., Stobäus, N., Pirlich, M., Bosy-Westphal, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bioelectrical+phase+angle+and+impedance+vector+analysis+-+Clinical+relevance+and+applicability+of+impedance+parameters%5BTitle%5D)+AND+%22Clin+Nutr%22%5BJournal%5D)">Bioelectrical phase angle and impedance vector analysis - Clinical relevance and applicability of impedance parameters.</a> Clin Nutr. 31 (6), 854-861 (2012).</li>
<li>Lima, J., Eckert, I., Gonzalez, M. C., Silva, F. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prognostic+value+of+phase+angle+and+bioelectrical+impedance+vector+in+critically+ill+patients%3A+A+systematic+review+and+meta-analysis+of+observational+studies%5BTitle%5D)+AND+%22Clin+Nutr%22%5BJournal%5D)">Prognostic value of phase angle and bioelectrical impedance vector in critically ill patients: A systematic review and meta-analysis of observational studies.</a> Clin Nutr. 41 (12), 2801-2816 (2022).</li>
<li>McDonagh, T. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((2021+ESC+Guidelines+for+the+diagnosis+and+treatment+of+acute+and+chronic+heart+failure%5BTitle%5D)+AND+%22Eur+Heart+J%22%5BJournal%5D)">2021 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure.</a> Eur Heart J. 42 (36), 3599-3726 (2021).</li>
<li>Castillo-Martínez, L., Bernal-Ceballos, F., Reyes-Paz, Y., Hernández-Gilsoul, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+fluid+overload+by+bioelectrical+impedance+vectorial+analysis%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Evaluation of fluid overload by bioelectrical impedance vectorial analysis.</a> J Vis Exp. (186), e64331(2022).</li>
<li>Colín-Ramírez, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bioelectrical+impedance+phase+angle+as+a+prognostic+marker+in+chronic+heart+failure%5BTitle%5D)+AND+%22Nutrition%22%5BJournal%5D)">Bioelectrical impedance phase angle as a prognostic marker in chronic heart failure.</a> Nutrition. 28 (9), 901-905 (2012).</li>
<li>Alves, F. D., Souza, G. C., Clausell, N., Biolo, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prognostic+role+of+phase+angle+in+hospitalized+patients+with+acute+decompensated+heart+failure%5BTitle%5D)+AND+%22Clin+Nutr%22%5BJournal%5D)">Prognostic role of phase angle in hospitalized patients with acute decompensated heart failure.</a> Clin Nutr. 35 (6), 1530-1534 (2016).</li>
<li>Scicchitano, P., Massari, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+bioelectrical+phase+angle+in+patients+with+heart+failure%5BTitle%5D)+AND+%22Rev+Endocr+Metab+Disord%22%5BJournal%5D)">The role of bioelectrical phase angle in patients with heart failure.</a> Rev Endocr Metab Disord. 24 (3), 465-477 (2023).</li>
<li>Arrigo, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Acute+heart+failure%5BTitle%5D)+AND+%22Nat+Rev+Dis+Primers%22%5BJournal%5D)">Acute heart failure.</a> Nat Rev Dis Primers. 6 (1), 16(2020).</li>
<li>Elbadawi, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age-specific+trends+and+outcomes+of+hospitalizations+with+acute+heart+failure+in+the+United+States%5BTitle%5D)+AND+%22Int+J+Cardiol%22%5BJournal%5D)">Age-specific trends and outcomes of hospitalizations with acute heart failure in the United States.</a> Int J Cardiol. 330, 98-105 (2021).</li>
<li>Khan, M. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Trends+in+30-+and+90-Day+Readmission+Rates+for+Heart+Failure%5BTitle%5D)+AND+%22Circ+Heart+Fail%22%5BJournal%5D)">Trends in 30- and 90-Day Readmission Rates for Heart Failure.</a> Circ Heart Fail. 14 (4), e008335(2021).</li>
<li>Gracia, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+vulnerable+phase+of+heart+failure%5BTitle%5D)+AND+%22Am+J+Ther%22%5BJournal%5D)">The vulnerable phase of heart failure.</a> Am J Ther. 25 (4), e456-e464 (2018).</li>
<li>Santarelli, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prognostic+value+of+decreased+peripheral+congestion+detected+by+Bioelectrical+Impedance+Vector+Analysis+%28BIVA%29+in+patients+hospitalized+for+acute+heart+failure%3A+BIVA+prognostic+value+in+acute+heart+failure+on+behalf+of+the+GREAT+network%5BTitle%5D)+AND+%22Eur+Heart+J+Acute+Cardiovasc+Care%22%5BJournal%5D)">Prognostic value of decreased peripheral congestion detected by Bioelectrical Impedance Vector Analysis (BIVA) in patients hospitalized for acute heart failure: BIVA prognostic value in acute heart failure on behalf of the GREAT network.</a> Eur Heart J Acute Cardiovasc Care. 6 (4), 339-347 (2017).</li>
<li>Jiang, N., Wu, Y., Li, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Limitations+of+using+COX+proportional+hazards+model+in+cardiovascular+research%5BTitle%5D)+AND+%22Cardiovasc+Diabetol%22%5BJournal%5D)">Limitations of using COX proportional hazards model in cardiovascular research.</a> Cardiovasc Diabetol. 23, 219(2024).</li>
<li>Shih, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Problems+in+dealing+with+missing+data+and+informative+censoring+in+clinical+trials%5BTitle%5D)+AND+%22Curr+Control+Trials+Cardiovasc+Med%22%5BJournal%5D)">Problems in dealing with missing data and informative censoring in clinical trials.</a> Curr Control Trials Cardiovasc Med. 3 (1), (2002).</li>
</ol>

Autorzy oświadczają, że nie pozostają w konflikcie interesów.

Badanie to wykazało, że pacjenci z AHF przyjęci na SOR z niższymi wartościami PhA w ciągu pierwszych 24 godzin po przyjęciu mieli większe ryzyko złego rokowania, takiego jak zgon lub ponowna hospitalizacja w ciągu kolejnych 90 dni po wypisie, które wzrastało, gdy wartości PhA były poniżej 4,0°, niezależnie od stężenia sodu w surowicy, SBP, obecność cukrzycy lub płci. Podobnie, niższe wartości PhA przewidywały śmiertelność wewnątrzszpitalną po dostosowaniu do płci, SBP, poziomu potasu w surowicy i typu HF. Obecnie istnie...

Ostra niewydolność serca (AHF) jest najczęstszą przyczyną hospitalizacji u pacjentów w wieku > 65 lat, przy czym w większości przypadków dominującym objawem jest przekrwienie, jak również głównym powodem hospitalizacji1. Niewydolność serca (HF) może prowadzić do niedożywienia poprzez różne mechanizmy, w tym złe wchłanianie z powodu obrzęku jelit, hiperkatabolizm spowodowany ciągłą aktywacją neurohormonalną i ciągłe stan zapalny2,3. Dlatego przekrwienie i niedożywienie bezpośrednio wpływają na skład ciała.
Analiza impedancji bioelektrycznej (BIA) to szybka, nieinwazyjna i bezpieczna metoda, która zapewnia natychmiastowe i wiarygodne pomiary przy łóżku pacjenta w celu oszacowania składu ciała poprzez wprowadzenie stałego prądu przemiennego o niskim poziomie, który mierzy impedancję (Z) lub rezystancję/opozycję generowaną przez ludzkie komórki i tkanki. BIA obejmuje dwa parametry: rezystancję (R) i reaktancję (Xc)4. 
Dodatkowo, mierzy opóźnienie między prądem a napięciem wymaganym do penetracji błony komórkowej i interfejsów tkankowych, znane jako kąt fazowy (PhA), który został zasugerowany jako wskaźnik zdrowia komórek, integralności błony komórkowej i witalności, na które wpływa dystrybucja płynów, stan zapalny i niedożywienie spowodowane rezystywnością tkanek i właściwościami elektrycznymi. Niższe wartości PhA wskazują na apoptozę i zmniejszone składniki macierzy komórkowej, podczas gdy wyższe wartości odzwierciedlają większą komórkowość i lepszą funkcję komórki5. Różne badania konsekwentnie wykazały prognostyczną, że doktorat z krwi i kości słoniowej wpływa na wiele wyników, takich jak śmiertelność, ponowna hospitalizacja, długość pobytu w szpitalu i ryzyko złego stanu odżywienia w różnych warunkach klinicznych, w tym u pacjentów z HF6,7. 
To badanie miało na celu opisanie kroków wykonywania wielowymiarowej analizy regresji Coxa z karanymi splajnami w celu określenia wartości granicznej PhA przez BIA w ciągu pierwszych 24 godzin po przyjęciu, aby przewidzieć śmiertelność wewnątrzszpitalną i śmiertelność z jakiejkolwiek przyczyny lub ponowną hospitalizację po 90 dniach od wypisu u pacjentów z AHF.

<table><tbody><tr>Oprogramowanie <td></td><td></td><td>R-Xc z tolerancją BIVA</td><td>Połączone ze sprzętem BIA</td></tr><tr><td>System komputerowy</td><td>Microsoft</td><td>&nbsp; Okna 10&nbsp;</td><td>Windows 10 lub nowszy</td></tr><tr><td>Quadscan 4000&nbsp; sprzęt</td><td>BodyStat</td><td>BS-4000</td><td>Zakres pomiaru impedancji: 20 - 1300 &Omega; ohms Prąd testowy: 620 &mu; A Częstotliwość: 5, 50, 100, 200 kHz Dokładność: Impedancja 5 kHz: +/- 2 &Omega; &nbsp; Impedancja 50 kHz: +/- 2 &Omega; &nbsp; Impedancja 100 kHz: +/- 3 &Omega; &nbsp; Impedancja 200 kHz: +/- 3 &Omega; &nbsp; Rezystancja 50 kHz: +/- 2 &Omega; &nbsp; Reaktancja 50 kHz: +/- 1 &Omega; &nbsp; Kąt fazowy 50 kHz: +/- 0,2&deg; Kalibracja : Od czasu do czasu dostarczany jest rezystor do niezależnej weryfikacji. Wartość impedancji powinna wynosić od 496 do 503 &Omega;.</td></tr><tr><td>Oprogramowanie R&nbsp;</td><td>Brak&nbsp;</td><td>Nie dotyczy&nbsp;</td><td>Wersja 3.6.2 lub nowsza&nbsp;</td></tr><tr><td>RStudio</td><td>Brak&nbsp;</td><td>Nie dotyczy&nbsp;</td><td>Wersja 2022.07.2+576</td></tr></tbody></table>

wartość odcięcia kąta fazowego za pomocą analizy impedancji bioelektrycznej przy przyjęciu jako czynnik prognostyczny u pacjentów z ostrą niewydolnością serca

Cutoff Value of Phase Angle by Bioelectrical Impedance Analysis at Admission as a Prognostic Factor in Patients with Acute Heart Failure

Ostra niewydolność serca jest najczęstszą przyczyną hospitalizacji u pacjentów w wieku > 65 lat, a dominującym objawem jest przekrwienie. Powszechnie wiadomo, że zatory komunikacyjne są główną przyczyną readmisji i jej związku ze złymi wynikami. Badanie to miało na celu określenie wartości odcięcia kąta fazowego za pomocą analizy impedancji bioelektrycznej w ciągu pierwszych 24 godzin po przyjęciu do szpitala w celu przewidywania śmiertelności wewnątrzszpitalnej i śmiertelności z jakiejkolwiek przyczyny lub ponownej hospitalizacji 90 dni po wypisie ze szpitala u pacjentów z ostrą niewydolnością serca.
Zbiór danych analizowany dla tego protokołu obejmował 219 pacjentów, którzy zgłosili się na oddział ratunkowy z ostrą niewydolnością serca, z których 115 zmarło podczas hospitalizacji, 90 dni po wypisie lub zostało ponownie przyjętych w tym samym okresie. Poprzez analizę jednoczynnikową z wykorzystaniem analizy regresji proporcjonalnego hazardu Coxa zidentyfikowano potencjalne predyktory, a wielowymiarowy model proporcjonalnego hazardu Coxa wykorzystano do identyfikacji istotnych czynników prognostycznych związanych z przeżyciem pacjenta i kontroli zmiennych zakłócających. Analiza kąta fazowego skorygowanego przez różne predyktory wykorzystujące ograniczone krzywe sześcienne wykazała, że niższe wartości były bezpośrednio związane z ryzykiem 90-dniowej readmisji lub śmierci po wypisie, szczególnie gdy wartość graniczna PhA wynosiła <4,0°. Wszystkie opracowane modele wykazały umiarkowaną zdolność dyskryminacyjną (< statystyczna C 0,80); jednak model śmiertelności wewnątrzszpitalnej wykazał najwyższą zdolność do dyskryminacji (statystyka C, 0,75).

Badanie objęło 219 pacjentów z ostrą niewydolnością serca (AHF), zarówno w postaci de novo, jak i ostrej niewydolności serca z rozkompensacją. Mediana wieku pacjentów wynosiła 71 (p25th 60 - p75th 81) lat, a 63% z nich stanowiły kobiety. Cukrzyca i nadciśnienie tętnicze były najczęstszymi chorobami współistniejącymi (odpowiednio 41,6% i 69,9% pacjentów). W czasie mediany obserwacji wynoszącej 79 dni wystąpiło 115 zdarzeń (52,5%), z czego 32,2% pacjentów zmarło w szpitalu, a 67,8% zostało ponownie przyjętych do s...

Ten protokół przedstawia kody R do wykonywania analizy regresji Coxa z ograniczonym sześciennym wielowypustem w celu określenia wartości granicznej kąta fazowego dla prognozowania w ostrej niewydolności serca, a także kody do obliczania statystyk, które mierzą zdolność dyskryminacyjną każdego modelu i oceniają jego dobroć dopasowania.

Wartość odcięcia kąta fazowego za pomocą analizy impedancji bioelektrycznej przy przyjęciu jako czynnik prognostyczny u pacjentów z ostrą niewydolnością serca

Acute heart failure is the most common cause of hospital admission in patients aged &#62; 65 years, with congestion being the predominant symptom. It is ...

Badanie to ocenia użyteczność prognostyczną, jaką kąt fazowy ma miejsce w ostrej niewydolności serca, identyfikując optymalną wartość odcięcia i oceniając wydajność modelu za pomocą konfiguracji wielowymiarowej z ograniczonymi wypustami. Ostatnie osiągnięcia w tej dziedzinie obejmują wykorzystanie analizy wektora impedancji bioelektrycznej (BIVA) do precyzyjnej oceny stanu nawodnienia i integralności błony komórkowej wraz z wielowymiarowymi modelami przeżycia, włączonymi do biomarkerów pochodzących z impedancji elektrycznej w celu poprawy wczesnej identyfikacji pacjentów wysokiego ryzyka.Obecne wyzwania obejmują zapewnienie dokładnych, wiarygodnych pomiarów BIVA w trakcie hospitalizacji, kontrolowanie czynników zakłócających w różnych populacjach pacjentów oraz zapewnienie odpowiedniej wielkości próby dla dokładnych szacunków w modelowaniu prognostycznym. Zajmujemy się luką wynikającą z braku precyzyjnych wartości odcięcia dla kąta fazowego jako markera prognostycznego oraz potrzebą wiarygodnych i dokładnych metod statystycznych, aby zapewnić dokładne prognozy śmiertelności i ponownej hospitalizacji. Protokół ten wykorzystuje metodę nieinwazyjną, szybką i przyłóżkową, stosując regresję Coxa do identyfikacji czynników ryzyka i graficznego przedstawienia skorygowanego progu w celu precyzyjnego przewidywania ryzyka w ostrej niewydolności serca.[Instruktor] Po zainstalowaniu programów R i R Studio na komputerze otwórz program R Studio. Kliknij kartę pliku, przejdź do nowego pliku i wybierz pozycję Skrypt języka R, aby wyświetlić plik skryptu w lewym górnym rogu nad kartą konsoli. W nowym pliku skryptu zainstaluj wymagane pakiety survival, MASS i pspline. Załaduj pakiety, wpisując i wykonując funkcje biblioteczne dla survival, MASS i pspline. Zaimportuj zestaw danych, określając nazwę i ścieżkę pliku danych w poleceniu, a następnie przypisz go do obiektu o nazwie dataset.Określ model regresji proporcjonalnego hazardu Coxa, skorygowany o cukrzycę, skurczowe ciśnienie krwi, stężenie sodu w surowicy i kąt fazowy za pomocą metody Breslowa i oblicz 95% przedziały ufności dla współczynników modelu. Następnie oblicz kryterium informacyjne Akaikego, kryterium informacji bayesowskiej i statystykę C wraz z jej 95% przedziałem ufności. Aby uzyskać reprezentację graficzną, utwórz obiekt przetrwania przy użyciu funkcji surv z dniami przeżycia i wynikiem jako danymi wejściowymi. Dopasuj model regresji proporcjonalnego hazardu Coxa za pomocą obiektu przeżycia i dostosuj do cukrzycy, skurczowego ciśnienia krwi, sodu w surowicy i ukaranego splajnu kąta fazowego o dwóch stopniach swobody. Następnie należy przewidzieć wartości dopasowanego splajnu i ich błędy standardowe przy użyciu modelu. Na koniec narysuj dopasowany model na wykresie, używając przewidywanych wartości, aby zobrazować skorygowany współczynnik ryzyka dla kąta fazowego. Dodaj odpowiednie linie powyżej i poniżej dopasowanej krzywej, aby przedstawić górną i dolną granicę interwału przewidywania. Zidentyfikuj punkt odcięcia, w którym skorygowany współczynnik ryzyka przekracza jeden, wskazując, że niższe wartości kąta fazowego wiążą się ze zwiększonym ryzykiem śmiertelności wewnątrzszpitalnej i 90-dniowej ponownej hospitalizacji lub zgonu. Poniższa tabela podsumowuje wartość prognostyczną, jakie mają różne parametry kliniczne i bioimpedancyjne przy użyciu wielowymiarowych modeli regresji Coxa, z wynikami obejmującymi śmiertelność wewnątrzszpitalną i 90-dniową ponowną hospitalizację lub zgon. W pierwszym modelu dla zdarzeń niepożądanych niższy kąt fazowy był niezależnie związany ze zwiększonym ryzykiem. W modelu drugim, który obejmował różne zmienne, niższy kąt fazowy pozostał istotnym predyktorem niekorzystnych wyników. Statystyka C dla modelu pierwszego wskazywała na umiarkowaną zdolność predykcyjną dla zdarzeń niepożądanych. W modelu śmiertelności wewnątrzszpitalnej niższy kąt fazowy był bardzo istotnym predyktorem zgonu. Niższe skurczowe ciśnienie krwi było również istotnie związane ze śmiertelnością wewnątrzszpitalną. Model śmiertelności wewnątrzszpitalnej miał najwyższą zdolność dyskryminacyjną spośród wszystkich modeli.

cutoff-value-phase-angle-bioelectrical-impedance-analysis-at

Research

JoVE Journal

Medicine

Medycyna

W tym badaniu pokazujemy, jak ocenić obecność przeciążenia płynów za pomocą analizy wektorowej impedancji bioelektrycznej (BIVA) oraz stosunek impedancji mierzony za pomocą tetrapolarnego sprzętu wieloczęstotliwościowego u pacjentów przyjętych na oddział ratunkowy. BIVA i współczynnik impedancji są wiarygodnymi i użytecznymi narzędziami do przewidywania słabych wyników.

Ocena przeciążenia płynów za pomocą analizy wektorowej impedancji bioelektrycznej

Nierównowaga stanu nawodnienia może mieć krótkoterminowy wpływ na bezpośrednie i pośrednie determinanty poboru tlenu i pulsu oraz czynniki prognostyczne zachorowalności i śmiertelności w chorobie niedokrwiennej serca. Protokół ten opisuje technikę oceny stanu nawodnienia poprzez analizę wektora impedancji bioelektrycznej i odpowiedzi krążeniowo-oddechowej podczas wysiłku wysiłkowego.

Ocena stanu nawodnienia za pomocą analizy wektora impedancji bioelektrycznej u pacjentów z chorobą niedokrwienną serca poddawanych próbie wysiłkowej

W tym protokole wyjaśniamy, jak uzyskać i zinterpretować wartości kąta fazowego i wektora analizy impedancji bioelektrycznej (BIVA) Z-score uzyskane przez impedancję bioelektryczną u pacjentów z ostrą niewydolnością serca przyjętych na Szpitalny Oddział Ratunkowy oraz ich kliniczną przydatność jako marker predykcyjny dla prognozy 90-dniowego zdarzenia.

Kliniczne zastosowanie analiz kąta fazowego i BIVA Z-score u pacjentów przyjmowanych na szpitalny oddział ratunkowy z ostrą niewydolnością serca

W niniejszym filmie opisano sposób pomiaru CO2 u pacjentów intubowanych oraz oddychających spontanicznie. Główne wskazania kliniczne odnoszą się do sytuacji nagłych: (1) weryfikacja prawidłowego ułożenia rurki endotrachealnej; (2) uzyskanie normokapnii u pacjentów po urazach; (3) monitorowanie wentylacji w przypadku sedacji proceduralnej.

Pomiar wydychanego CO2 u pacjentów intubowanych lub oddychających spontanicznie w oddziale ratunkowym

Tutaj prezentujemy protokół do wywołania kardiomiopatii wywołanej tachykardią u świń. Model ten stanowi skuteczny sposób badania hemodynamiki postępującej przewlekłej niewydolności serca i skutków zastosowanego leczenia.

Kardiomiopatia wywołana tachykardią jako model przewlekłej niewydolności serca u świń

Ostry zawał mięśnia sercowego u myszy wywołuje ostre, ale nie do końca scharakteryzowane zmiany w funkcjonowaniu lewej komory (LV). Cewnikowanie lewej dawki u myszy poddawanych niedrożności tętnic wieńcowych służy jako nowatorska metoda oceny funkcji lewej komory w czasie rzeczywistym.

Analiza ciśnienia i objętości w czasie rzeczywistym ostrego zawału mięśnia sercowego u myszy

Prezentujemy protokół do wywołania i fenotypowania ostrej niewydolności prawego serca w dużym modelu zwierzęcym z przewlekłym nadciśnieniem płucnym. Model ten może być wykorzystany do testowania interwencji terapeutycznych, opracowywania wskaźników prawego serca lub lepszego zrozumienia patofizjologii ostrej prawej niewydolności serca.

Indukcja i fenotypowanie ostrej niewydolności prawego serca w dużym modelu zwierzęcym przewlekłego zakrzepowo-zatorowego nadciśnienia płucnego

Ten protokół zintegrował spektroskopię bliskiej podczerwieni z konwencjonalnymi testami wysiłkowymi krążeniowo-oddechowymi, aby zidentyfikować udział mózgowej odpowiedzi hemodynamicznej w nietolerancji wysiłku u pacjentów z niewydolnością serca.

Integracja monitorowania wysycenia tkanki mózgowej w testach wysiłkowych krążeniowo-oddechowych u pacjentów z niewydolnością serca

Uszkodzenie balonu tętnicy szyjnej szczura naśladuje zabieg angioplastyki klinicznej wykonywany w celu przywrócenia przepływu krwi w naczyniach miażdżycowych. Model ten indukuje reakcję na uszkodzenie tętnicy poprzez rozdęcie ściany tętnicy i obnażenie warstwy wewnętrznej komórek śródbłonka, ostatecznie powodując przebudowę i reakcję hiperplastyczną błony wewnętrznej.

Segmentowe uszkodzenie balonu tętnicy szyjnej szczura z kontrolowanym ciśnieniem z okołoprzybytkowym zastosowaniem terapeutycznym

Obecny protokół opisuje krok po kroku procedurę tworzenia modelu miniświni niewydolności serca z zachowaną frakcją wyrzutową przy użyciu zstępującego zwężenia aorty. Przedstawiono również metody oceny morfologii, histologii i funkcji tego modelu choroby serca.

Chirurgiczny model niewydolności serca z zachowaną frakcją wyrzutową u tybetańskich świnek miniaturowych

Poznaj analizę impedancji bioelektrycznej do oceny kąta fazowego jako czynnika prognostycznego w ostrej niewydolności serca. Metoda wykorzystuje regresję Coxa z ograniczonymi splajnami sześciennymi do identyfikacji optymalnej wartości odcięcia i poprawy predykcji ryzyka.

Wartość odcięcia kąta fazowego za pomocą analizy impedancji bioelektrycznej przy przyjęciu jako czynnik prognostyczny u pacjentów z ostrą niewydolnością serca (Wideo) | JoVE Journal

Wartość odcięcia kąta fazowego za pomocą analizy impedancji bioelektrycznej przy przyjęciu jako czynnik prognostyczny u pacjentów z ostrą niewydolnością serca

Przeglądaj więcej filmów