Wearable alert system for detecting postoperative hypotension

用于检测术后低血压的可穿戴警报系统

基本信息

  • 批准号:
    10760370
  • 负责人:
  • 金额:
    $ 29.59万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2023
  • 资助国家:
    美国
  • 起止时间:
    2023-08-11 至 2025-02-10
  • 项目状态:
    未结题

项目摘要

Project Summary This project aims to develop a low-cost, comfortable, and easy-to-use wearable alert system that tracks continuous BP non-invasively in patients to notify caregivers of hypotensive events in the postoperative setting. Postoperative hypotension (POH), when a patient’s mean arterial pressure (MAP) falls to unsafe levels, commonly <70 mmHg, can occur frequently in the time span between leaving the operating room and prior to discharge from the hospital. POH is a serious and common condition that has been shown to be independently associated with poor patient outcomes such as acute kidney injury, stroke, hospital re-admission, myocardial injury, and death.1–9 During surgery and recovery in the post anesthesia care unit (PACU) or the intensive care unit (ICU), a patient’s hemodynamics are closely monitored to support timely interventions and treatment. However, once the patient is transferred to a lower ward for recovery, patient monitoring is dramatically reduced. The current method to monitor a patient’s BP in the general ward, which relies on intermittent spot-checks performed manually every 4-6 hours by the nurse using an oscillometric BP cuff, is insufficient for detecting POH events. A recent study showed that almost 50% of hypotensive events went undetected by routine vital assessments. There is an unmet need for a technology that comfortably monitors a patient’s BP in the postoperative setting. Our core technology is able to non-invasively measure rapid BP changes at any location with a palpable pulse. The proposed project aims build upon the core technology to create a wearable alert system that informs caregivers of postoperative hypotensive episodes. To do so, a machine learning (ML) classifier for detection of hypotensive episodes will be developed through monitoring in the ICU. This ML classifier will undergo feasibility testing in the PACU and then a pilot study in the general ward. Successful completion of the proposed aims will result in a proof- of-concept wearable alert system that continuously monitors BP in the postoperative environment in a low-profile, wireless, and comfortable manner. Such a technology has huge potential to change clinical practice through earlier detection of patient deterioration, allowing more timely intervention and ultimately improved patient outcomes.
项目概要 该项目旨在开发一种低成本、舒适且易于使用的可穿戴警报系统, 无创地跟踪患者的连续血压,以通知护理人员患者的低血压事件 术后低血压(POH),即患者的平均动脉压。 (MAP) 降至不安全水平,通常<70 mmHg,在以下时间跨度内经常发生: 离开手术室和出院前发生的 POH 是一种严重且常见的情况。 已被证明与不良患者预后独立相关的病症,例如 如急性肾损伤、中风、再次入院、心肌损伤和死亡。1–9 在麻醉后监护病房 (PACU) 或重症监护病房 (ICU) 进行手术和恢复, 密切监测患者的血流动力学,以支持及时的干预和治疗。 然而,一旦患者被转移到下层病房进行康复,患者监测就无法进行。 目前在普通病房监测患者血压的方法大大减少。 依靠护士每 4-6 小时手动进行间歇性抽查,使用 最近的一项研究表明,示波血压袖带不足以检测 POH 事件。 常规生命评估未发现 50% 的低血压事件。 需要一种能够在术后环境中舒适地监测患者血压的技术。 核心技术能够以非侵入方式测量任何位置的快速血压变化 拟议项目旨在以核心技术为基础,打造一款可穿戴设备。 警报系统可以通知护理人员术后低血压发作。为此,需要一台机器。 用于检测低血压发作的学习(ML)分类器将通过以下方式开发 该 ML 分类器将在 PACU 中进行可行性测试,然后进行可行性测试。 普通病房试点研究的成功完成将产生证明- 概念可穿戴式警报系统,可在术后环境中持续监测血压 这种技术以低调、无线和舒适的方式具有巨大的潜力。 通过及早发现患者病情恶化来改变临床实践,以便更及时地 干预并最终改善患者的治疗结果。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Joshua Kim其他文献

Joshua Kim的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Joshua Kim', 18)}}的其他基金

Beat-to-Beat Blood Pressure Monitoring During Sleep
睡眠期间逐次血压监测
  • 批准号:
    10629436
  • 财政年份:
    2022
  • 资助金额:
    $ 29.59万
  • 项目类别:
Beat-to-Beat Blood Pressure Monitoring During Sleep
睡眠期间逐次血压监测
  • 批准号:
    10449027
  • 财政年份:
    2022
  • 资助金额:
    $ 29.59万
  • 项目类别:

相似国自然基金

本体驱动的地址数据空间语义建模与地址匹配方法
  • 批准号:
    41901325
  • 批准年份:
    2019
  • 资助金额:
    22.0 万元
  • 项目类别:
    青年科学基金项目
时空序列驱动的神经形态视觉目标识别算法研究
  • 批准号:
    61906126
  • 批准年份:
    2019
  • 资助金额:
    24.0 万元
  • 项目类别:
    青年科学基金项目
针对内存攻击对象的内存安全防御技术研究
  • 批准号:
    61802432
  • 批准年份:
    2018
  • 资助金额:
    25.0 万元
  • 项目类别:
    青年科学基金项目
大容量固态硬盘地址映射表优化设计与访存优化研究
  • 批准号:
    61802133
  • 批准年份:
    2018
  • 资助金额:
    23.0 万元
  • 项目类别:
    青年科学基金项目
IP地址驱动的多径路由及流量传输控制研究
  • 批准号:
    61872252
  • 批准年份:
    2018
  • 资助金额:
    64.0 万元
  • 项目类别:
    面上项目

相似海外基金

Cardiac sURgery anesthesia Best practices to reduce Acute Kidney Injury (CURB-AKI)
心脏手术麻醉减少急性肾损伤 (CURB-AKI) 的最佳实践
  • 批准号:
    10656576
  • 财政年份:
    2022
  • 资助金额:
    $ 29.59万
  • 项目类别:
Data Driven Approaches to Improving Risk Prediction of Pulmonary Complications After Major Inpatient Surgery
数据驱动的方法改善重大住院手术后肺部并发症的风险预测
  • 批准号:
    10665631
  • 财政年份:
    2021
  • 资助金额:
    $ 29.59万
  • 项目类别:
Data Driven Approaches to Improving Risk Prediction of Pulmonary Complications After Major Inpatient Surgery
数据驱动的方法改善重大住院手术后肺部并发症的风险预测
  • 批准号:
    10283012
  • 财政年份:
    2021
  • 资助金额:
    $ 29.59万
  • 项目类别:
Data Driven Approaches to Improving Risk Prediction of Pulmonary Complications After Major Inpatient Surgery
数据驱动的方法改善重大住院手术后肺部并发症的风险预测
  • 批准号:
    10469672
  • 财政年份:
    2021
  • 资助金额:
    $ 29.59万
  • 项目类别:
How Can We Make Invasive Non-Surgical Procedures Safer? Using Big Data to Identify Adverse Events and Opportunities to Mitigate Harm
我们如何才能使侵入性非手术程序更安全?
  • 批准号:
    10399528
  • 财政年份:
    2020
  • 资助金额:
    $ 29.59万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了