《Current Heart Failure Reports》:The Future of Cardiac Care: A Review on the Role for Non-Invasive, Home-Based Monitoring and Rehabilitation after Hospitalisation for Acute Decompensated Heart Failure
编辑推荐:
摘要专业翻译
摘要
综述目的 心力衰竭(HF)以反复失代偿为特征,导致症状恶化及计划外住院。患者常出现出院后恢复不佳、无法维持功能容量,且再入院风险高。本综述旨在探讨上述挑战,并评估无创数字化解决方案改善健康结局的潜力。
近期发现 与当前间断性监测模式相比,可
摘要专业翻译
摘要
综述目的 心力衰竭(HF)以反复失代偿为特征,导致症状恶化及计划外住院。患者常出现出院后恢复不佳、无法维持功能容量,且再入院风险高。本综述旨在探讨上述挑战,并评估无创数字化解决方案改善健康结局的潜力。
近期发现 与当前间断性监测模式相比,可穿戴传感器技术的进步实现了连续、无创监测,可支持基于生理学指导的管理策略,从而促进早期临床稳定。此外,多项试验证实,基于运动的心脏康复(CR)可改善HF患者的功能容量。最后,通过算法开发对相关生理信号进行连续监测,有望实现临床恶化的早期预测。
总结 无创、共同创建(co-created)的数字化解决方案可促进早期稳定、改善功能容量,并在失代偿发作后预测临床恶化。综合而言,这些方案有望改善HF患者的临床结局与生活质量。
论文主体内容专业总结
HF住院后稳定不佳:通过监测预判个体内/个体间变异
急性失代偿性心力衰竭(ADHF)出院后的最初数周是关键的稳定期,此阶段的核心任务是指南指导药物治疗(GDMT)的快速上调。然而,患者常存在持续性充血、神经体液激活及血流动力学恢复不完全,加之个体间及个体内治疗反应的高度异质性,使基于间断性生命体征、体重及自我报告症状的传统监测模式难以精准指导药物滴定。研究表明,心脏充盈压升高及血浆容量扩张常先于体重增加和呼吸困难出现,提示生理信号变化可提前数天至数周预警失代偿风险。尽管基于有创肺动脉压力传感器的远程监测已证实可降低HF住院率,但其可扩展性受限。近年来,消费级可穿戴设备(如智能手表)可通过光电容积脉搏波(PPG)和加速度计连续监测心率、心率变异性(HRV)及呼吸频率,适用于出院后早期阶段追踪自主神经平衡、昼夜节律及活动恢复趋势。此外,粘附式多传感器贴片可提供高质量心电图(ECG)、呼吸频率及胸阻抗信号,但仅适用于短期佩戴;基于纺织品的胸阻抗监测虽可反映肺淤血,但独立诊断性能有限;语音分析及地震心动图(seismocardiography)、心冲击图(ballistocardiography)等新兴技术尚处于早期验证阶段。多模态参数整合策略有望弥补单一传感器的局限性,未来需在ADHF人群中进行严格验证及结局驱动评估。
低功能容量:居家心脏康复的作用
运动训练是HF患者国际指南中的IA类推荐。荟萃分析显示,运动-based心脏康复(CR)可显著改善6分钟步行距离(平均增加21.0 m,95%CI:1.6–40.4 m)、生活质量(明尼苏达心衰生活质量问卷改善5.7–7.4分),并降低12个月内全因住院风险31%。然而,HF患者CR参与率仅5–10%,主要障碍包括高龄、衰弱、共病负担、交通不便及社会经济差异。值得注意的是,临床试验中HF患者平均年龄为63.3岁,而真实世界平均年龄接近70岁,且>90%的住院HF患者存在至少一种共病,>50%被视为衰弱,提示现有证据与临床实践存在显著差距。针对ADHF人群,REHAB-HF试验(平均年龄72.7±8.1岁,97%为衰弱前期或衰弱)证实,院内或出院后早期启动的多领域、个体化运动干预可显著改善身体功能,但约30%符合条件的患者因后勤限制未能参与。居家CR及远程康复模式可减少交通需求、提高时间灵活性,并支持个体化管理,现有证据表明居家与中心-based CR在HF人群中疗效相当。此外,人工智能(AI)可基于个体生理数据、共病及能量消耗动态调整运动处方,消费级可穿戴设备可追踪活动目标以提高依从性,AI驱动的动机提示(motivational prompts)有望进一步提升CR adherence,最终改善功能容量与生活质量。
再入院早期预测的挑战:数据驱动检测
连续监测产生的大规模多模态数据难以通过传统方法进行临床解读,需借助数据感知(data sensemaking)策略将原始数据转化为可操作信息。机器学习(ML)作为人工智能的一种形式,可从数据中学习模式,用于提取与HF恶化相关的生理变量、整合多源数据并预测临床恶化。例如,基于消费级可穿戴设备加速度计数据的深度学习模型可估算峰值摄氧量(peak VO2),其与HF相关住院风险显著相关;基于多模态系统(ECG、加速度计、皮肤阻抗及温度)的ML模型可高灵敏度、高特异性地检测临床恶化。然而,ML模型输出的临床可解释性及可操作性至关重要,需确保医疗决策在临床判断基础上得到增强。若ML模型基于对HF状态敏感的数据(如肺动脉压力、语音分析)训练,则可在患者出现症状前识别高风险个体,从而为临床医生提供早期预警,及时调整治疗或提供患者咨询。值得注意的是,连续监测数据的临床价值只有在嵌入重构的HF护理路径中才能实现,该路径需明确医疗专业人员的职责,包括在预设时间窗内审查、理解并对信号采取行动的指南。
共同创建在医疗创新中的重要性
尽管COVID-19大流行加速了居家监测及数字健康创新的发展,但远程医疗干预的效果仍不明确,自上而下的实施方式常因缺乏利益相关者参与而失败。共同创建(co-creation)是一种协作性创造性问题解决方法,在项目各阶段(从问题定义到最终实施)积极吸纳患者、照护者、医疗专业人员、政策制定者等多元利益相关者。系统综述表明,共同创建的干预可提高依从性,并对复杂生活方式相关健康行为产生显著影响。在HF领域,设计优先级常受临床、运营或成本考量主导,而忽视以患者为中心的需求;临床医生参与不足可能导致对工作流程中断或缺乏实用性的担忧而抵制技术实施。因此,必须在年龄、种族、教育水平、健康素养、健康状况(如共病及HF类型)及社会网络方面确保利益相关者多样性,通过迭代式沟通持续调整创新设计,以适配真实世界多元场景,提高成功实施的可能性。
医疗创新实施:健康技术评估的作用
医疗系统面临无限需求与有限资源(财务/人员)的矛盾,需在患者、医疗机构及社会层面系统评估创新的预期获益、成本及所需资源,即健康技术评估(HTA)。HTA应涵盖短期、中期及长期后果,通常需通过模拟建模(如离散事件模拟)整合现有证据并外推至患者终生。近年来,早期HTA(early-HTA)理念兴起,即在设计开发阶段即进行评估,以提高创新的潜在价值及实施成功率。在HF情境下,HTA面临特殊挑战:患者个体间及个体内治疗反应异质性需个体-level模拟模型;CR获益高度依赖患者动机与依从性,需理解未完成治疗的决定因素;远程监测及居家CR将医院护理转移至家庭,改变医疗专业人员的工作流程(量、强度及内容),应纳入模型;此外,创新效果在不同患者亚组(如年龄、性别、衰弱状态)间存在差异,需识别(成本)有效的亚组或再入院风险阈值以指导实施及报销决策。
本综述的局限性
本综述采用叙述性方法,而非系统综述中预设检索策略。
结论
HF管理中急性失代偿仍是重要挑战,尤其涉及出院后恢复不佳。出院后阶段,间断性及“一刀切”式监测导致管理欠佳及治疗不当;HF患者功能容量低下,且因突发恶化面临再入院风险。过去十年,技术革新使无创生理信号监测及居家CR成为可能。为将这些进展转化为有效的真实世界护理,我们倡导包容性(涵盖年龄、性别、多病共存、种族、教育水平)及多学科(心脏病学、技术开发、数据分析、设计)的共同创建方法,积极吸纳患者、照护者、医疗专业人员、数据科学家、政策制定者及保险公司等利益相关者参与研究设计、规划与实施,确保创新在真实世界中具有情境敏感性、有效性及可持续性。为促进实施,我们强烈支持采用HTA技术。基于当前技术发展,我们提出以下创新方向以改善ADHF患者的医疗及临床结局:(1)ADHF后快速稳定:评估居家无创监测相关生理信号的可行性与有效性,结合微创生物标志物评估,实现早期检测及GDMT及时优化;(2)功能容量改善:遵循共同创建原则,共同设计并评估包容性、跨机构(transmural)居家综合CR项目,强调通过用户友好型电子健康(eHealth)平台及行为改变理论优化依从性;(3)临床恶化早期预测:验证无创监测仪作为早期预警的效度与可行性,整合血管/心脏血流动力学、神经激素状态及充盈压等多维生理信号,并建立数据收集、分析及临床决策支持的新护理路径。