Análisis de big data sobre AOS durante la terapia CPAP | Investigaciones sobre TRS | ResMed

Apnea central del sueño durante la terapia CPAP: primeros hallazgos de un análisis de big data.

El Big data es una prometedora e innovadora forma de explorar cuestiones de importancia clínica, identificar los patrones y características de las enfermedades y generar hipótesis sobre formas de tratamiento. Actualmente existe una enorme cantidad de datos que crece exponencialmente, provenientes de diferentes fuentes como los dispositivos médicos telemonitorizados que están conectados a bases de datos y proporcionan información sobre el funcionamiento del dispositivo y el estado del paciente. El análisis de estos datos puede proporcionar nuevos enfoques y dar soporte a nuevas formas de abordar la gestión de los cuidados sanitarios.

Con este innovador método, se analizaron los datos reales anonimizados de pacientes estadounidenses telemonitorizados con el fin de caracterizar la Apnea Central del Sueño (ACS) durante la terapia CPAP. El análisis pudo identificar 3 categorías de ACS durante la terapia CPAP, que afectaban negativamente al cumplimiento de la terapia CPAP y al riesgo de abandono de la misma.1

Un segundo análisis realizado sobre la misma base de datos demostró que cambiar a los pacientes con ACS persistente o emergente de la terapia CPAP a la ASV* puede mejorar el cumplimiento y, consecuentemente, los resultados potenciales de los pacientes.2

big-data-study-ResMed big-data-CSA-trajectories-prevalence-US-ResMed

Se identificaron tres categorías de ACS durante la terapia CPAP: ACS emergente, transitoria y persistente.

big-data-CSA-trajectories-US-criteria-ResMed

El estudio “Trajectories of CSA during CPAP therapy” (Trayectorias de la ACS durante la terapia CPAP) observó los datos anonimizados de 133.000 pacientes telemonitorizados tratados por trastornos respiratorios del sueño (TRS) con dispositivos de presión positiva de en las vías respiratorias (PAP) de ResMed en EE.UU. en 2015.1 Se descubrió nueva información sobre la trayectoria natural de la ACS durante la terapia CPAP, utilizando mediciones repetidas de datos reales telemonitorizados en lugar de “instantáneas” individuales de ACS.

big-data-CSA-trajectories-prevalence-US-ResMed

Se produjo ACS en el 3,5% de los pacientes; se identificaron 3 categorías de tratamiento asociadas con la ACS1: ACS emergente (20%), transitoria (55%), y persistente (25%).

Cada categoría está asociada a una decreciente adherencia del paciente y a un riesgo creciente de abandono de la terapia1

  • La presencia de ACS se asoció con un menos uso de horas de terapia CPAP y una mayor probabilidad de discontinuación del tratamiento, comparado con la AOS. La probabilidad de continuar la terapia CPAP el día 300 fue del 83% para AOS, y 79%, 76% y 72% para ACS transitoria, persistente y emergente, respectivamente. 
  • Las tasas de riesgo de abandono de la terapia para los 3 grupos de ACS fue de 1.3, 1.5, y 1.7, respectivamente.  
  • Estos resultados demostraron ser consistentes aplicando la definición de ACS persistente, tanto de la European Respiratory Society como la de EEUU (IAH ≥15/h o IAC (índice de apnea central) ≥5/h). 

El cambio de CPAP a ASV en pacientes con ACS emergente o persistente puede mejorar la adherencia2

big-data-ASV-switch-usage-hours-ResMed

Un análisis secundario mostró que el cumplimiento en pacientes con ACS emergente o persistente que cambiaron de terapia CPAP a ASV mejoraron inmediatamente tras realizar el cambio. Se observó una mejora de la adherencia de más del 22% en los dos subgrupos de pacientes que cambiaron de CPAP a EPAP ASV fija
(n = 127, p < 0,05) o variable (n = 82, p < 0,01).

big-data-ASV-switch-AHI-ResMed

El IAH medio antes del cambio de terapia CPAP a ASV entre pacientes con ACS emergente o persistente fue de 17,34/hora comparado con 4,1/hora después del cambio.

Los datos sugieren que: si la ACS persiste después de 2 semanas, el paciente encaja en la trayectoria de ACS emergente o persistente y puede beneficiarse con un cambio a ASV.*

El estudio fue liderado por un comité internacional externo de expertos respiratorios y del sueño: Jean-Louis Pépin (Francia), Holger Woehrle (Alemania), Atul Malhotra (EEU.U.) y Peter Cistulli (Australia).

Estudio de Big data: vídeos de expertos

Vea a los expertos comentando el estudio de Big data

 

Análisis de Big data: hallazgos principales

El doctor en medicina Holger Woerhle explica los principales hallazgos de un análisis de big data sobre ACS durante la terapia CPAP.

 

Trayectorias de la ACS emergente durante la terapia CPAP

El profesor Jean-Louis Pépin explica los resultados del análisis de big data “Trajectories of Emergent Central Sleep Apnoea during CPAP therapy”.

 

Big data: ¿el siguiente paso en medicina respiratoria y del sueño?

El doctor Ramon Farré, comparte sus perspectivas sobre el big data: definición, nuevos conceptos y herramientas de análisis, protección de la privacidad del paciente, perspectiva regulatoria y riesgos.

Implicaciones para la práctica clínica

Identificar ACS residual con ResScan™

Los datos estadísticos de ResScan proporcionan el IAH, IA, IAC, HI and IDO (índice de desaturación de oxígeno, si se utiliza con un oxímetro), lo que permite identificar la ACS residual y la respiración de Cheyne-Stokes durante la terapia CPAP.

 

  1. Inicie sesión en ResScan
  2. Vaya al registro del paciente
  3. Vaya a “Configuración”
  4. Compruebe en el Modo de terapia si el paciente está en terapia CPAP o APAP
big-data-ResScan-settings-therapymode-ResMed face-study-ResMed
  1. Vaya a “Estadísticas”
  2. Seleccione las últimas 2 semanas
  3. Consulte los valores de IAH y IA para comprobar si: IAH ≥ 15/h, IA > 5/h o IAC > 5/h 
big-data-ResScan-statistics-ResMed face-study-ResMed

Identificar ACS residual con AirView

El panel de control inalámbrico con códigos de color de AirView le permite identificar fácilmente el bajo uso y el IAH residual. Muestra una visión general del uso, el IAH y las fugas de los últimos 10 días. Consulte la guía de iconos de AirView.

big-data-AirView-wireless-patients-ResMed

  1. Inicie sesión enAirView
  2. Vaya a la pestaña de pacientes y haga clic en selección inalámbrica para acceder al panel de control inalámbrico
  3. Mire los pacientes con terapia CPAP/APAP
  4. Observe los pacientes con estos iconos:
  5. Haga clic en el cuadro que indica un IAH demasiado alto para ver los detalles
big-data-AirView-iconAHI-ResMed face-study-ResMed
  1. Compruebe si el IAH es ≥ 15/h
  2. Haga clic en lepaciente
  3. Vaya a “Generar informe” y seleccione 
    “Informe de cumplimiento y terapia”
big-data-AirView-create-report-ResMed face-study-ResMed
  1.  Lea el informe y compruebe si el IAC es > 5/h 
big-data-AirView-report-CAI-ResMed face-study-ResMed

Más información sobre apnea central del sueño

SERVE-HF se ha convertido en un estudio clave en su campo, que contribuye significativamente a la práctica clínica de la terapia ASV Conozca cómo se ha diseñado el estudio y cuáles son los resultados e implicaciones para la práctica clínica.

Más información

El estudio FACE proporcionará datos a largo plazo sobre la morbilidad y la mortalidad de los pacientes con insuficiencia cardíaca (tanto HFrEF como HFpEF) que utilizan ASV.

Más información

La servoventilación adaptativa (ASV)* es una elección adecuada para tratar a la mayoría de estos pacientes, especialmente complejos.

Más información

Referencias

*La terapia ASV está contraindicada en pacientes con insuficiencia cardíaca crónica sintomática (NYHA 2-4) con fracción de eyección ventricular izquierda reducida (LVEF ≤ 45%) y apnea central del sueño predominante moderada a severa.

  1. Liu et al. Trajectories of Emergent Central Sleep Apnea During CPAP therapy. Chest. 2017;152(4):751-60.
  2. Pépin et al. Adherence to Positive Airway Therapy After Switching From CPAP to ASV: A Big Data Analysis. J Clin Sleep Med. 2018 Jan 15;14(1):57-63. doi: 10.5664/jcsm.6880.