TrialsgramBetaRCTs are beautiful
Ungeprüfte ÜbersetzungDie Deutsche Übersetzung dieses Eintrags wurde nicht fachlich geprüft und kann vom Original abweichen. Akronym, vollständiger Titel und Zitat bleiben stets in der Originalsprache.Originalpublikation öffnen ↗

HYPE

Effect of a Machine Learning-Derived Early Warning System for Intraoperative Hypotension vs Standard Care on Depth and Duration of Intraoperative Hypotension During Elective Noncardiac Surgery: The HYPE Randomized Clinical Trial

Patient / Population Intervention / Exposition Vergleich Endpunkt

Bei 68 Erwachsenen mit elektiver nicht-kardialer Operation senkte ein Machine-Learning-Frühwarnsystem für Hypotonie mit Behandlungsprotokoll die Tiefe und Dauer intraoperativer Hypotonie verglichen mit der Standardversorgung mit demselben Ziel-MAP ≥65 mmHg.

N
68Patienten
Design
Monozentrische vorläufige unverblindete RCT, Niederlande
Endpunkt
Zeitgewichteter Mittelwert der Hypotonie (MAP <65 mmHg) während der Operation
Relevanz
1Praxisdefinierend — die Studie, auf der die Leitlinie ruht.
ErgebnisMedianer zeitgewichteter Mittelwert der Hypotonie 0,10 vs. 0,44 mmHg (mediane Differenz 0,38 mmHg; 95 %-KI 0,14–0,43; p=0,001); mediane Zeit in Hypotonie 8,0 vs. 32,7 min (Differenz 16,7 min; 95 %-KI 7,7–31,0; p<0,001). Schwerwiegende unerwünschte Ereignisse mit Todesfolge 0 vs. 2 (7 %).
Wijnberge M, et al. JAMA. 2020;323(11):1052-1060. 10.1001/jama.2020.0592
Diskussion & Kritik

Die erste randomisierte Studie zum Hypotension Prediction Index und der Proof of Concept, dass die Vorhersage einer Hypotonie kurz vor ihrem Eintreten Anästhesisten erlaubt, sie zu verhindern. Winzig, monozentrisch und unverblindet, mit einem Surrogatendpunkt (Hypotonielast) statt Organschädigung, und 60 von 68 schlossen die Studie ab. Maheshwari HPI, mit einem anderen Protokoll durchgeführt, konnte den Effekt nicht replizieren, und Ripollés-Melchor HPI fand keinen Nutzen bei der Nierenschädigung.