1。介绍
DPOP (Delta-POP或ΔPOP)是一个生理参数计算出脉搏血氧计信号photoplethysmogram或“pleth”——措施呼吸调节出现在波形的强度。参数已被证明是有用的作为一个流体响应性指数与许多研究表明有利,脉压变化之间的相关性(PPV),常用于响应的测定体积膨胀(
1- - - - - -
7]。然而,PPV入侵参数需要一个动脉线,而基于脉搏血氧计测量提供一个完全非侵入性技术。这是当前的主要原因这一领域的兴趣。
Cannesson et al。
8)建议DPOP作为衡量“呼吸变化脉搏血氧仪plethysmographic(流行)波形振幅”,定义如下:
(1)
DPOP
=
(
AMP
马克斯
- - - - - -
AMP
最小值
)
AMP
大街
,
AMP在哪里心脏脉冲波形的振幅pleth,
AMP
大街
=
(
AMP
马克斯
+
AMP
最小值
)
/
2
。DPOP通常表示为一个百分比。注意方程DPOP PPV的数学公式一样(
9,
10)和其他类似的配方pleth-based流体响应参数被提出的其他组在同时Cannesson的2005年的论文
11,
12]。
(表达的DPOP的基本计算,
1),相对比较简单,只需要几行计算机代码来实现。然而,对于一个完全自动化的发展算法能够应对极端的数据特点在临床环境中,更需要处理。一个完全自动化的DPOP算法可以分为三个主要部分:(1)预处理,在原始pleth操纵DPOP前计算;(2)处理,根据DPOP的计算值(
1)进行;(3)后处理,当前的计算值的DPOP进一步处理。这个算法的高层结构如图
1。预处理和后处理活动主导所有商业生理参数的算法。这种复杂性是必要的为了产生一个完全自动化的算法所需的必要的逻辑和决策过程提供一个健壮的,临床上有用的数字显示(
13]。预处理和后处理步骤涉及过滤的原始pleth波形,信号质量评估,不规则的脉冲波形,识别和清除外围数据点,平滑,,最后,公司最近在报道价值(即计算值。,价值计算的近段信号用于更新值显示给医生)。这一步骤可能包括许多以前点加权的平均时间相关性和数据的质量。
的高级概述图DPOP算法。
我们编码DPOP算法将上述步骤。DPOP代码的开发过程中我们发现改善之间的相关性DPOP PPV和可以实现在低灌注值通过添加一个额外的后处理模块代码。低灌注在文献里有清楚的记录的问题,事实上,低灌注认为研究的排除标准Cannesson [
1,
2和钱德勒等。
7]。因此,我们开发了两个版本的算法:DPOPa,它提供了一个健壮的DPOP参数的制定(
1)和DPOPb修改DPOP灌注指数< 3%减少价值比例灌注指数趋于零。
本研究报告的目的是评估的相对性能两个photoplethysmographic-derived指标的相关性和协议对脉冲pressure-derived PPV测量病人在手术室进行机械通风控制。
2。方法
2.1。病人
机构审查委员会批准的书面知情同意,便利样本的成年患者在俄亥俄州立大学录取(俄勒冈州立大学)瓦克斯纳医疗中心(首席研究员:塞尔吉奥·d·Bergese MD)。需要放置一个动脉内的通风病人被安排为自己做手术的研究。没有特定的疾病或病理生理的条件在招生目标。排除标准:(1)目前参与或参与招生的试验性药物研究七日内,(2)了解严重接触过敏胶粘剂材料,(3)有预防适当的传感器应用现有的医疗条件,和(4)属于弱势群体(怀孕、哺乳和囚犯)。
2.2。数据采集
每个病人都配备了一个手指传感器(Nellcor OxiMax马克斯,Covidien,博尔德公司)按传感器的设备标签。传感器连接到一个自定义数据记录框,包含一个Nellcor OEM脉搏血氧计相同类型的商用中n - 600 x监控(Nell-1板、Covidien、博尔德有限公司)。收集高分辨率pleth波形从Nell-1董事会在其默认配置,“正常”的反应模式。没有显示读数或警报这个临床实验的记录系统;医院的床边或多参数脉搏血氧计用于病人护理。血压信号从一个动脉内的血压监测(由GE-Marquette太阳能8000年)也被记录下来。这通过一个以太网电缆与BedMaster笔记本电脑软件(佛罗里达州埃克塞尔医学)。一个同步采集的脉搏血氧计和动脉压信号在整个执行过程和保存到一台笔记本电脑供以后分析。
人口信息,传感器类型和传感器网站使用,术中数据表清单的重大事件为手动收集数据采集作为通知数据分析的有用的参考。这些事件包括药物的管理(时间和类型的药物),运动时代重要的病人,手术切口,清洗病人,对心肺机,时间的显著变化(±20毫米汞柱)的血压、感应、拔管,中央线插入病人/病人床上的位置变化,动脉行重新调零,冲洗,或高度调整。
2.3。数据分析
结果或数据集包含36个病人的记录,同时收集pleth和动脉波形。16个数据集被排除在分析各种原因,包括缺乏,或丢失,信息报表(CRF),没有血压波形记录,缺乏pleth波形记录,出现心律失常,破损的数据文件,并与工件pleth数据由于BP袖口通胀的手臂血氧计探头。剩下的20名受试者平均长度数据记录的115分钟,最长最短的43分钟的录音和记录204分钟。所有受试者提供全身麻醉药物之前和期间的过程。14个科目也提供作用于血管的药物在特定点的过程。
收集到的信号被分成两个不同的数据集:(1)一个稳定的地区数据集和全球数据集。(2)一个“稳定”数据集对应于几分钟内的高质量信号片段选自post-inducation, pre-incision时期,只有管理(即全身麻醉药物。,没有作用于血管的药物)和合理artifact-free pleth和英国石油(BP)信号。稳定的数据集是为了提供一个比较的结果研究基于手动选择高信号质量区域经常在文献报道。稳定区域的识别是由视觉检查。一个稳定的地区选择的例子分析如图
2。导致BP信号区域内工件的排除这部分信号进行分析(尽管pleth信号质量相对较好)。工件在两个区域内的信号B造成排除这部分信号的稳定区域数据集。所选pleth区域显示阴影的阴谋。“全球数据集”中包含的全部数据记录病人(即。,包括部分,如在图A和B
2)和象征的所有数据在实践中遇到的商业设备。全球数据集提供了一个更加严格的测试自动化决策算法对信号质量和优化报告相应的参数通过先进的信号处理措施。
选择一个稳定的区域(pleth和(a) (b)手指动脉BP)。
2.4。统计分析
PPV DPOP参数的性能分析对信号包括计算统计数据定量描述它们之间的关系,包括相关性和接收机算子特征(ROC)曲线分析。最适合线PPV DPOP与策划是基于线性最小二乘法回归。皮尔森相关系数,
R
描述如何与PPV DPOP符合线性关系。统计学意义(
P
的值)
R
也被计算。通过计算ROC曲线,我们也确定敏感性,特异性,曲线下的面积(AUC)值。这些对应的假设替换DPOP PPV PPV通过设置一个固定的阈值为13%,使用的几项研究表明之间的边界停止响应,响应病人(例如,de Figueiredo et al。
11),Cannesson et al。
8),Natalini et al。
12),Landsverk et al。
14)和韦氏比重等。
5])。ROC曲线然后计算确定敏感性和特异性双DPOP阈值的范围。我们选择最优DPOP从预定义的阈值准则最大化Youden指数(灵敏度+(特异性−1))(
6,
12,
15]。
3所示。结果
分析的结果总结表
1。图
3(一个)显示了一个阴谋的PPV DPOPa和俄勒冈州立大学的稳定区域的数据集,对应于一个
R
值为0.83。图
3 (b)显示相应的情节为DPOPb稳定数据集可以DPOPa相比结果图
3(一个)。修正低灌注造成一个小的改进
R
运行稳定地区的数量(从0.83到0.85)。虽然整体相关性提高非常小,很明显当比较数据的情节
3(一个)和
3 (b)不同的子集的异常数据点(箭头在图所示
3(一个))是由DPOPb处理算法。以这种方式消除异常值是一个至关重要的算法设计的一部分,它不应该仅仅由改善全球统计数据(例如,
R
AUC,敏感性,特异性,等等)。事实上,局外人常常提供最大的障碍临床算法的设计。
原始和PMod DPOP纠正的结果。
| 参数 |
数据集 |
R
|
P
|
灵敏度 |
特异性 |
DPOP阈值 |
AUC |
| DPOPa |
稳定的 |
0.826 |
< 0.01 |
0.858 |
0.699 |
18.69 |
0.877 |
| DPOPb |
稳定的 |
0.852 |
< 0.01 |
0.892 |
0.819 |
18.14 |
0.917 |
| DPOPa |
全球 |
0.467 |
< 0.01 |
0.810 |
0.609 |
23.01 |
0.733 |
| DPOPb |
全球 |
0.728 |
< 0.01 |
0.834 |
0.756 |
21.37 |
0.863 |
原始和百分比调制(PMod)纠正DPOP结果稳定的地区。注意:垂直轴在情节设置为相同的规模。
DPOPa PPV和
DPOPb PPV和
图
4(一)PPV显示DPOP的散点图和俄勒冈州立大学的全球数据记录的数据集。这显然情节展示性能降低比相应的稳定区域图的阴谋
3(一个),价值较低
R
0.47。图
4 (b)显示了DPOPb相应的情节。然而,对于这个数据集,我们看到一个改善全球统计由于低灌注、校正
R
从0.47增长到0.73。一个箭头标志着区域图
4(一)情节DPOPa数据,许多点表现出明显的PPV比预期更大的值对应的值。我们可以看到从图
4 (b)许多这些离群点远离这个地区的低灌注校正,导致PPV DPOP之间的相关性和显著增加。
原始和PMod DPOP纠正结果为全球地区。注意:垂直轴在情节设置为相同的规模。
DPOPa PPV和
DPOPb PPV和
图
5结果包含了ROC曲线对应的数据绘制在图
3和
4。相对应的点的最大Youden指数叠加在曲线供参考。总结了民国统计数据表
1的敏感性和特异性,包括最大Youden指数和DPOP阈值操作点对应。稳定地区数据相对较高的ROC统计:0.86和0.89的敏感性,特异性的0.70和0.82,和0.88和0.92的auc DPOPa DPOPb,分别。全球数据集相应的值是0.81和0.83的敏感性,特异性的0.61和0.76,auc 0.73和0.86,分别突出两个贫穷的结果由于全球数据和明显特征的吵着DPOPb算法改进的能力在这两种情况下的结果。
ROC曲线对应于数据中的数据
3和
4。
DPOPa PPV和(稳定的地区)
DPOPb PPV和(稳定的地区)
DPOPa PPV和(全球地区)
DPOPb PPV和(全球地区)
4所示。讨论和结论
目前的研究表明强烈DPOP和PPV及其之间的关系进一步改善算法中通过会计低灌注信号。此外,PPV DPOP能够确定值的阈值具有高敏感性和特异性为13%。
DPOP提出了作为脉压变化的非侵入性代理(PPV)用于测定体积膨胀的响应在低血容量性患者
8,
11)和许多研究发现好的协议中的两个参数或重症监护病房(
1- - - - - -
8,
11,
12]。虽然被认为是一种微创技术,外周动脉线的位置在罕见情况下耗时的和相关的潜在有害的并发症,包括感染、血栓形成,和血肿(
5]。许多研究已经报道了DPOP参数和许多研究小组已经构造算法的计算从第一原理,描述了实现细节(例如,Cannesson et al。
1- - - - - -
3),Feissel et al。
4),韦氏比重等。
5),Høiseth et al。
6),和钱德et al。
7])。然而,许多作家关注已经预处理pleth性质的工作。这是由Cannesson恰当地总结et al。
16]国家,众所周知,pleth“精加工的信号,只有原始波形可以显示呼吸变化一致。“Landsverk et al。
14]回声情绪评论,在他们的研究中使用的商业脉搏血氧计“过滤器”建成的,因此他们使用的模拟输出信号是因此不是一个“原始信号。“他们因此不能排除这样一种可能性,即呼吸变化可以改变的预处理设备。Cannesson et al。
3]国家的视觉分析呼吸波形的变化是不可靠的,因为曲线的振幅”不断处理和平滑的大部分设备商用。“Delerme et al。
17]plethysmographic信号描述为“高度和位置相关的信号处理”,结果可能会有所不同从一个脉搏血氧计到另一个。在目前的研究中,我们是幸运的,我们有能力访问原始pleth波形和操作它,以减轻质量差信号和低灌注的影响。此外,我们使用工具箱的尝试和测试信号处理模块具体的提取从pleth呼吸调节的基础算法(
13,
18]。
有一种诱惑,相信脉压波形和脉动的pleth波形基本相同的信号,实际上Westphal et al。
5评论两者之间的相似之处。然而,额外的复杂的、非线性pressure-mechanical耦合和单独的光吸收现象的生理系统,给我们提供了pleth动脉波形。因此需要修正DPOP在低灌注随着pressure-mechanical动力系统的变化状态。纠正我们用于低灌注(DPOPb)改善目前的研究结果。最显著的改善是更具挑战性的全球数据集
R
从0.47提高到0.73。详细目视检查pleth波形表明,灌注降低,似乎有一个更快的减少意味着不同组件DPOP计算(分母(
1比调制)组件(分子)。这种行为不应该令人惊讶的复杂的非线性性质pressure-mechanical脉搏波的相互作用在血管壁(
19,
20.]。此外,研究表明,DPOP PPV和参数变化在低血容量性不同的国家由于中风体积之间的变化关系和脉压的合规主动脉是大大增加
21,
22]。因此我们看到physiomechanical和现象学的考虑,有一个期望的偏离线性关系。(这也是为什么我们不应指望1:1 PPV DPOP和线性关系。)事实上,许多研究评论的有害影响变量和/或低灌注水平方法提取呼吸从pleth调制信息(
6,
8,
23,
24)和一些,事实上,引用低灌注作为扣除标准的数据分析(
1,
2,
7]。此外,Broch et al。
25)清楚地展示了商用pleth-based呼吸强度调制参数的依赖关系(元太)灌注指数。他们表示,“元太显示可怜的能力预测如果不同灌注状态对液体的食指不视为“和推断能力有限的参数预测流体响应的低灌注。
进一步研究算法的性能在低易散发的状态我们考虑数据的子集在调节百分比低于阈值的范围。PMod,比例调制脉冲幅度的比值对整个信号强度。我们重新进行了一系列PMod算法阈值等于0.5%,1%,2%,3%。这项研究的结果发表在图的一些示例
6。数据
6(一)和
6 (b)包含全局数据分成两个子组对应PMod不到0.5%——对应于DPOPa DPOPb和其他。我们可以看到,通过修正低灌注,DPOP值转移到那些更符合图中所示的关系
4 (b)。此外,相应的
R
值从0.36提高到0.62。数据
6 (c)和
6 (d)包含类似的情节与PMod数据值小于3%。我们又一次看到改善的位置数据和相关系数,明显改善
R
(从0.07到0.60)。类似的行为被发现的1%和2%的阈值,改善
R
分别从0.13到0.73和0.22到0.63(没有显示)。
DPOP PMod值低的结果。
DPOPa PMod < 0.5%
DPOPb PMod < 0.5%
DPOPa PMod < 3.0%
DPOPb PMod < 3.0%
目前的结果很适合大多数以前的研究涉及或数据显示良好的相关性DPOP PPV, 5 6报道研究展示
R
值高于0.7 (
2,
3,
6,
8,
15]。剩下的研究由de Souza否决权et al。
26)报道
R
= 0.48。请注意,Hengy et al。
15)发现了一个相对较高
R
值为0.79的所有病人意味着值之间的相关性和更低的价值
R
= 0.47当考虑intrapatient系数的平均值的相关性。Hengy还手动删除5.7%的呼吸周期,因为质量差信号,然而,在目前的研究中,提供给算法的整个数据记录。(事实上,这是一个主要的要求我们的自动算法:它必须使用在实践中遇到的所有信号特征。)文献包含了一个广泛的数据的预处理和后处理的方法。许多研究执行手动选择最佳的数据段,而其他人则试图自动化这个过程。这也许可以解释一些报道的变化值。然而,它还应该指出,许多研究诉诸策划一个平均每个主题数据点,通常这可能是平均超过几个精心挑选呼吸周期,而其他人尝试长期平均计划。平均可以极大地提高系统的信噪比,通常会导致改善结果。作为一个例子,图
7包含相关情节的稳定和全球区域中描述的数据
3和
4,但是有一个点代表每个主题数据的均值。所有数据集的相关性提高,稳定的地区
R
值DPOPa DPOPb显示轻微的改善0.86和0.88,分别。的
R
值DPOPa和DPOPb在全球地区,然而,表现出明显的改进
R
分别为= 0.47 - 0.63和0.73 - 0.87,随着全球平均证明特别擅长抑制信号的噪音更具有挑战性的数据集。因此必须小心当解释报告结果。策划以这种方式可能会提供一些使用它降噪数据在全球意义上,导致一种改进解决不同的潜在关系。然而,这并不代表报告参数实际上就是计算/更本地化的信号段,因此不适合提供的改善信号噪声特性非常长期的平均。因此,报告结果应该被解释的方法用于生产它们。Cannesson et al。
16回应这个观点认为这样的研究”的方式被记录的数据,进行了分析,并报告应该标准化,以避免潜在的混杂因素。”
DPOP one-point-per-patient基础上报道的结果。
DPOPa PPV和(稳定的地区)
DPOPb PPV和(稳定的地区)
DPOPa PPV和(全球地区)
DPOPb PPV和(全球地区)
总之,一个复杂的算法健壮DPOP参数的确定了PPV信息作为一个代理,PPV的相关性与PPV及其预测能力值的一个预定义的阈值(13%)。我们进一步提高性能的参数通过提供一个低灌注校正信号。