Characterization and prediction of septic shock in the hour preceding the diagnosis during ICU stay

One of the most critical condition which can affect the patients admitted to the Intensive Care Unit of the hospital is the Septic Shock, a condition which interests a subset of the septic patients, characterized by an underlying circulatory disease. It represents one the most problematic conditions in terms of mortality and is an expensive healthcare problem in the U.S. and all over the world. This work aims to characterize the hour before the beginning of the condition of Septic Shock with respect to the Septic patient and to predict the onset of the pathology. The cohort consists of data coming from the MIMIC-III database, from which are extracted 100 distinct patients, 45 Septic Shock and 55 just Septic, with 1-hour record of electrocardiogram and arterial blood pressure. Most of the features included in the study come from the recorded waveforms, but there are some extracted from the clinical database, such as the laboratory measures, the information about the administration and the comorbidities. The results in characterization are both univariate, obtained through the Mann-Whitney U-Test, and multivariate, obtained through logistic regression, show many significant features. The Septic Shock patients shows significantly lower values of systolic and mean arterial pressure, less information content in the RR interval time series (Approximate Entropy, p = 0.037), a balance of the activity of the autonomic nervous system moved to the vagal activity with respect to the sympathetic one (LF to HF ratio of the spectrum of the tachogram, p = 0.010, normalized LF content of the same quantity, p = 0.002). The Septic Shock patients show also inferior values in the analysis of coherence between heart rate variability and blood pressure, with maximum values often lower than 0.5 (p = 0.001). The prediction analysis is performed considering different prediction time and different quantity of record available, with the best result achieved by an Ensemble Tree, for a prediction with 15 minutes of advance with respect to the Septic Shock onset. This model achieves an AUC of 0.97, with Accuracy = 0.90, Sensitivity = 1 and Specificity = 0.82 on the test set, employing only features extracted from the recorded waveform signals. In conclusion, this study points out several differences between a septic patient and a septic patient who is going to develop the shock. Moreover, it shows that using algorithms is possible to predict with good performances the onset of the pathology, and this could bring in the future to the employment of these kind of techniques in the clinical practice, supporting the clinicians in the decision making process.

Una delle condizioni più critiche che possono colpire i pazienti ricoverati nell'Unità di terapia intensiva dell'ospedale è lo Shock Settico, una condizione potenzialmente fatale che interessa un sottogruppo dei pazienti settici, caratterizzato da una situazione di ipoperfusione e ipotensione. Rappresenta una delle condizioni più problematiche, sia in termini di mortalità sia in termini di costo per il sistema sanitario, sia negli Stati Uniti che in tutto il mondo. Questo lavoro si pone l'obiettivo di caratterizzare l'ora precedente all'inizio della condizione di Shock Settico, sia all'interno dei pazienti che soffrono della patologia, sia confrontandoli con pazienti settici che non incorreranno nella condizione di Shock. Inoltre, un ulteriore obiettivo riguarda lo sviluppo di algoritmi di classificazione per la predizione a breve termine dell'insorgenza della patologia. I pazienti inclusi nello studio provengono dal MIMIC-III database, dal quale sono stati estratti 100 pazienti distinti, 45 in condizione di Shock Settico e 55 pazienti settici per il gruppo di control, con 1 ora di registrazione di elettrocardiogramma e pressione arteriosa.La maggior parte delle misure inserite nello studio provengono dalle forme d'onda registrate, ma al tempo stesso ce ne sono alcune estratte dalla cartella clinica del paziente, come le misure di laboratorio, le informazioni riguardanti somministrazioni di farmaci e trattamenti e le comorbidità. L'analisi dell'evoluzione temporale verso l'insorgere della patologia evidenzia l'esistenza di dinamiche differenti all'interno dei pazienti in Shock Settico, sia nei valori di pressione arteriosa sia nelle quantità che forniscono informazione circa l'attività dei meccanismi di controllo, quali il baroriflesso e la coerenza. In particolare, è possibile notare, in diversi pazienti in Shock Settico, bassi valori di baroriflesso e mancanza di coerenza. I risultati dell'analisi di caratterizzazione rispetto al gruppo di controllo sono sia univariati, ottenuti attraverso il Mann-Whitney U-Test, e multivariati, ottenuti attraverso regressione logistica correggendo per i confondenti, e mostra molte quantità significative. I pazienti in Shock Settico mostrano valori significativamente più bassi di pressione sistolica e media, minor contenuto di informazione nel tacogramma (ApEn, p = 0.037), una bilancia dell'attività simpato-vagale del sistema nervoso autonomo spostata verso l'attività vagale rispetto a quella simpatica (rapporto tra LF e HF del tacogramma, (p = 0.010), contenuto LF normalizzato del tacogramma,(p = 0.002). I pazienti in Shock Settico mostrano anche valori inferiori nella coerenza tra variabilità cardiaca e pressione sanguigna, con valori massimi nelle bande LF e HF spesso inferiori a 0.5 (p = 0.001). L'analisi di predizione è stata eseguita considerando differenti intervalli di predizione e differente quantità di lunghezza di registrazione disponibile. Il miglior risultato è stato ottenuto da un albero ad apprendimento di insieme, con un tempo di predizione di 15 minuti rispetto all'insorgere della patologia. Questo modello raggiunge un valore di AUC pari a 0.97, con Accuratezza = 0.90, Sensitività = 1 e Specificità = 0.82 sul set di test, impiegando solo quantità estratte dai segnali registrati. In conclusione, questo studio evidenzia varie differenze tra pazienti settici e pazienti settici che stanno per degenerare in condizione di shock. Inoltre mostra che, usando algoritmi, è possible predire con buone prestazioni l'insorgere della condizione, e questo potrebbe portare in futuro all'impiego di questo tipo di tecniche nella pratica clinica, supportando i clinici nel processo decisionale.