三大GHDT（目標循環動態指向治療）戦略による大腸手術中の液体管理最適化：ランダム化比較試験

概要

大規模の腫瘍手術は最も複雑な手術の一つであり、術後の即時結果や生活の質に大きく影響を与える可能性のある高リスク要因を持ち合わせた患者が関与しています。これらの患者の手術中の血流動態管理は重要な課題を代表しており、手術中の心血管の安定性と体液バランスを維持することは、急性腎不全、心肌梗塞、敗血症などの合併症を減少させることに関連しています。文献では、特定のアルゴリズムに基づく手術中の体液投与が合併症を減少させ、患者の結果を改善するということが示されています。 近年、人工知能（AI）の進歩は手術中の血流動態変数の管理方法に大きな変革をもたらしました。AIはリアルタイムの臨床データ処理を可能にし、前兆の低血圧発作を予測し、医療チームが積極的に介入できる可能性を提供します。そのような技術の例として、Hypotension Prediction Index（HPI）があります。HPIは機械学習アルゴリズムを使用して血流動態データを分析し、発作が発生するまでに最大80%の精度で低血圧のリスクを予測します。したがって、パルス形状システムから得られたパラメータと体液投与量を統合したソフトウェアが使用されており、体液ボルス投与の効果を分析することができます。例えば、Assisted Fluid Management（AFM）ソフトウェアは、医師が体液投与のタイミングを選択し、体液反応の効果を測定するのを助けます。これにより、不適切な手術中の体液管理に関連する合併症、例えば臓器損傷を減少させ、体液と血管収縮薬の使用を最適化することができます。 手術におけるAIの使用が増えているにもかかわらず、その技術の臨床的および経済的影響はまだ研究されています。高度な手術中の血流動態管理ツールは、低血圧発作の期間を短縮し、血流動態の安定性を向上させることを示しています。この監視の臨床的影響、合併症や術後の入院期間に関して、高リスク患者群でその使用を推奨するためには重要です。これは、術後の合併症が患者関連の入院コストを増加させるという医学文献の結果と一致しています。この研究は、目標指向的な血流動態療法（GDHT）プロトコルとAIソフトウェアを組み合わせた3つの異なるシナリオの有用性を探ることを目的としています。 研究の主要目的は、AIをサポートするGDHTの3つの異なるプロトコル間で術後の体液投与量に著しい差があるかどうかを評価することです。 研究の二次目的は以下の通りです： * 3つのグループ間で低血圧発作の率をTime-Weighted Average Hypotension（TWAH）の観点から評価する。 * 3つのグループ間で術後の合併症と病院死亡率を分析する。 * 3つのグループ間で全体的な病院入院期間および/または集中治療室での滞在日数を評価する。 この研究は、現在の日常実務における血流動態監視技術の臨床的効果に関する証拠を提供することを目的としています。結果は、術後の血流動態管理の最適化を定義し、臨床結果を改善し、医療資源の使用を最適化することを可能にします。