TrialsgrambetaRCTs are beautiful
Traduzione non revisionataLa traduzione in Italiano di questa voce non è stata revisionata e può differire dalla fonte. Acronimo, titolo completo e citazione restano sempre nella lingua originale.Apri la pubblicazione originale ↗

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

Paziente / Popolazione Intervento / Esposizione Confronto Esito

In 68 adulti sottoposti a chirurgia non cardiaca elettiva, un sistema di allerta precoce dell'ipotensione con machine learning e protocollo di trattamento ha ridotto la profondità e la durata dell'ipotensione intraoperatoria rispetto alle cure standard con lo stesso target di MAP ≥65 mmHg.

N
68pazienti
Disegno
RCT preliminare monocentrico non in cieco, Paesi Bassi
Esito
Media ponderata nel tempo dell'ipotensione (MAP <65 mmHg) durante l'intervento
Rilevanza
1Definisce la pratica — lo studio su cui poggia la linea guida.
RisultatoIpotensione media ponderata nel tempo mediana 0,10 vs. 0,44 mmHg (differenza mediana 0,38 mmHg, IC al 95 % 0,14–0,43; p=0,001); tempo mediano in ipotensione 8,0 vs. 32,7 min (differenza 16,7 min, IC al 95 % 7,7–31,0; p<0,001). Eventi avversi gravi con esito fatale 0 vs. 2 (7 %).
Wijnberge M, et al. JAMA. 2020;323(11):1052-1060. 10.1001/jama.2020.0592
Discussione e critica

Il primo studio randomizzato sull'Hypotension Prediction Index, e prova di concetto che predire l'ipotensione poco prima che si verifichi consente agli anestesisti di prevenirla. Minuscolo, monocentrico e non in cieco, con un endpoint surrogato (carico ipotensivo) e non il danno d'organo, e 60 dei 68 hanno completato lo studio. Maheshwari HPI, condotto con un protocollo diverso, non ha replicato l'effetto, e Ripollés-Melchor HPI non ha trovato beneficio sul danno renale.