124 评估一种新型的自动无创脉压变异率算法CNAPPPV准确Word文档下载推荐.docx

124 评估一种新型的自动无创脉压变异率算法CNAPPPV准确Word文档下载推荐.docx

《124 评估一种新型的自动无创脉压变异率算法CNAPPPV准确Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《124 评估一种新型的自动无创脉压变异率算法CNAPPPV准确Word文档下载推荐.docx（13页珍藏版）》请在冰点文库上搜索。

最近，对于机械通气状态下的镇静病人的血流动力学功能分析已成为对液体管理更优的办法（例如：

是否通过液体管理--减少流量的给予，能够让心输出量显著增加）。

已经证明，动态指标对于病人的液体响应能力优于静态指标。

在这些动态的指标中，PPV脉压变异率--即收缩压和舒张压差异的变化率已经显示比其他的动态指数更可靠，且已经用于对病人的液体管理。

（引言的接下来部分介绍了得到PPV的常规方法时通过有创血压导管介入得到血压值，然后利用手动方式进行计算，且这种方式的准确度很好。

--最近，基于一些其他学者的研究，PPV也可以通过CNAP无创血压监测系统自动得出，且这些研究中，CNAP提供的PPV能够对病人的液体响应能力显示出较好的准确度和特异性。

在这篇研究中，将会比较无创CNAP方式下手动计算PPV和自动PPV算法的偏差，以及CNAP自动PPV与有创PPV的偏差。

有创和无创方式下通过手动和自动PPV算法得到的PPV具有良好的一致性，CNAP自动PPV算法和IBP手动PPV算法之间的偏差具有临床相关性。

因此，这种新开发的算法将会是一种有价值的连续评估PPV的方法，但仍需进一步的临床试用。

全文翻译：

1.引言

一些研究的相关结果已经证明目标导向液体管理（即在外科手术和重症监护室中液体给予的剂量应该在基于客观量化的基础上寻求最优化的方案而不是基于一般的基础上）能够显著提高病人的预后。

最近，对于镇静状态下机械通气的病人，通过获得其血流动力学参数的途径来预测病人的液体响应能力（即：

在病人进行补液治疗后或体液流失的情况下，是否病人的心输出量能随之显著增加和减少）已经是更为准确的方法。

动态指标相比于静态指标能够更好的用于对病人液体响应能力的评估。

在这些动态的指标中，脉压变异率（PPV）（即收缩压和舒张压的偏差的变化）已经证明是更为可靠的动态指标相比于其他的动态参数已经被应用于临床的液体管理中。

获取PPV的方式：

通过有创血压监测（桡动脉穿刺）或者无创血压监测技术（CNAP每搏/即时连续无创血压监测系统）。

通过有创方式下手动离线计算PPV被认为是医学界的金标准。

通常，需要获得连续血压监测信号和气道压信号。

为了消除呼吸机中的气道压信号，需要精确的算法来滤除气道压信号，自动和连续地获得仅仅只包含血压信号，从而来评估PPV。

大部分的时候，临床上回选择有创血液波形来获取PPV，其显示出高度的准确性。

可靠的PPV值也能够通过无创血压波形自动获得，这种方式对于不能进行动脉导管穿刺的病人将非常有价值。

CNAP每搏即时连续无创血压监测系统已经在腹部全麻手术、妇产科、血管外科、神经科等手术中得到验证。

当CNAP与有创血压监测进行比较时其显示出高度的准确性。

从CNAP血压监测系统中的血压波形自动计算出的PPV对于预测病人液体响应能力已经在血管外科手术和急危重症手术中应用。

在这些研究中，Biais等人比较了自动计算的PPV和有创血压（桡动脉穿刺）监测下的PPV。

Monnet等人比较了自动计算的PPV与有创股动脉穿刺血压监测下的PPV。

这些结果显示麻醉手术和急危重症手术中，机械通气状态下基于手指传感器采集的血压信号的PPV与有创方式下得到的PPV在病人液体管理中显示出相似的敏感性和特异性。

在这篇研究中，我们评估了CNAP仪器上自动和连续计算得出的PPV值从而来评估CNAP-PPV算法。

这篇研究的目的是通过使用有创血压监测和CNAP无创血压监测的血压波形来比较手动计算的PPV与自动PPV算法（CNAP）。

2、方法

研究协议已被受试者伦理委员会同意（奥地利格拉茨大学医院）.所有病人或者他们的亲戚都被告知病人将进行此研究并能够在任何时间拒绝病人的参与。

我们研究了重症监护室的10名病人，其都处于镇静状态、使用血管活性药物（去甲肾上腺素）和有窦性心率。

病人上臂或者手指末端重度水肿的病人将从此研究中排除。

使用桡动脉穿刺导管进行有创血压监测（20G，动脉导管，BD重症监护系统有限公司，新加坡）。

使用快速冲洗试验来测试导管的阻尼系数和自然频率。

所有病人都使用EvitaXL来进行机械通气（在两相的气道正压模式）。

病人的血压信号只选择那些没有自主呼吸的病人，因为自主呼吸已被证明在液体管理中可能造成病人获得的血压信号用来指导病人的液体管理不可靠。

CNAP包括双指套、前臂压力传感器、上臂血压袖带定标系统。

CNAP是基于体积加压方法（或血管卸载技术），血管卸载技术最早是由Penaz在1970年提出，后来由Fortin等人加以改进（CNAP的发明者）。

双指套包括两个相邻的手指套，其用来监测连续无创的血压信号，一次只使用一个手指套来采集信号，每隔5-60分钟其将自动与另一只手指套交换（在此次研究中将设置为30分钟，这也是制造商建议的交替时间）。

上臂袖带装置是基于示波法血压监测原理其是用来进行每隔5-60分钟的定标（这篇研究选择时间间隔为15分钟，这也是制造商建议的间隔时间）。

图1.CNAP：

双指套，固定于前臂的压力传感器，上臂血压袖套

CNAP指套被置放于与有创介入导管相反的一侧。

CNAP上臂袖带与有创穿刺在同一侧手臂，从而可以消除手臂间可能引起的误差。

虽然对于PPV的研究这样的偏差是不重要的，但是其血压偏差可能直接影响到血压的比较。

有创血压监测的传感器与CNAP的传感器被放置于接近心脏的水平。

CNAP监测系统与病人的监护仪相连同时进行零校准（这是制造商建议的）。

CNAP和IBP血压波形都被同步显示在床旁病人监护仪上，同时采用数据采集软件进行血压数据的采集：

使用一个随机的数字发生器，对于每10个病人，分析10次血压波形数据。

在产生随机数的过程中，两次血压波形都需进行视觉检查是否有38次心跳。

为什么选择38次心跳这是因为其时间比3次典型的呼吸循环周期长。

如果观察到所有有创和无创的血压波形中均无伪影点,将执行以下的程序：

推荐的PPV金标准值将会通过手动点击鼠标后，选择三个连续脉压的最大值和最小值，使用临床标准的公式来进行计算：

PPV=（PPmaxPPmin）/[（PPmax+PPmin）/2]×

100%。

PPVman值被定义为这三个连续呼吸周期的平均PPV值。

PPVman的计算是回顾性的基于有创血压监测和无创血压监测的波形。

对于每一个病人，这个程序将会在相同的时间内（用T1-T10来标示其开始和结束时间）取得10对IBP和CNAP的PPVman值。

这些PPVman值将会与显示在CNAP血压监测系统上的对应时间点（T1-T10）PPVauto值作比较。

这些PPVauto值是通过使用厂家提供的软件来进行提取的。

基本上来讲，使用CNAP血压监测系统中植入的专有的PPV算法其将自动搜索机械通气下血压波形的典型波动周期。

通过自动监测脉搏波形的最小值和最大值以及标准的经过3个连续呼吸周期平滑处理后的PPV计算公式，PPV的值将通过电脑自动算出。

同时，一个基于自适应系数调整的滤波器能够纠正由于异常和波动较大的生理参数计算的PPV，这种自适应调整在最后的PPV值显示在CNAP监测系统上之前将会进行。

PPV的原始算法由制造商提供并以子程序的方式植入到Matlab里。

这个子程序刚开始叫做CNAP血压波形，在测量结束之后其将自动返回计算出的所有PPV值，这些PPV值都以时间进行标志，接下来其IBP将会应用相同的程序计算出所有的PPVautoIBP值。

从这些PPVauto值中，这些分别处于T1-T10之间的对应的PPVmanIBP和PPVmanCNAP值将会进行比较。

因此，共有100对数据被用于此次研究分析。

手动方式和自动方式处理PPV的方式不是完全相同的：

手动计算PPV的值是基于心跳的次数，且必须包含3个连续的自主呼吸周期（对于个体其具有差异性且依赖于他们当前的心跳）然而自动的PPV算法包括一个更新的滤波器其包含过去的信息并对显示在病人监护仪上的PPV值进行平滑。

分析被分成两个部分：

（i）评估CNAP自带的PPV算法的准确性；

比较基于相同波形的的手动PPV值和自动PPV值；

（例如：

PPVmanCNAP与PPVautoCNAP和PPVmanIBP与PPVautoIBP）；

（ii）评估自动PPV-CNAP的临床价值，比较PPVautoCNAP与金标准PPVmanIBP。

数据的分析是利用MSEXcel2007版本和SPSS（windows版）。

数据是以均值±

平均方差的形式显示。

通过计算偏差、偏差的标准方差、回归点和Bland-altman差异分析图来比较PPV之间的一致性。

图二：

上面的图形显示出CNAP血压监测系统上的无创血压信号（左边的尺度）和每搏的PPV数值（在蓝色线上标注的点，右边的尺度）。

下面的图显示相应显示了有创血压信号的波形和数据。

）

3、结果

在表一中显示了10例病人的特点。

对于每个病人记录了CNAP和IBP的血压波形，记录时间至少为1h每个病人（最短的时间为：

1:

47，最长的时间为：

2:

44）。

表二总结了这些血压波形的舒张压、收缩压和平均动脉压的值，脉搏压和PPV值。

脉压的最小和最大的数据点是通过在IBP和CNAP信号上手动选取的。

3.1、CNAP中植入的PPV算法的准确度

分析手动和自动PPV值之间的差异性（即自动和手动计算的方式相比，先基于有创血压监测然后基于CNAP信号），其偏差，以及偏差的方差（95%的置信区间）被列于图3中。

这种分析结果（即：

PPVmanIBP与PPVautoIBP和PPVmanCNAP与PPVautoCNAP）显示出正相关（分别为:

R=0.889和R=0.822;

P＜0.001，n=100）

图3.（a）回归性曲线（回归基线和相关性）和（b）Bland-Altman差异分析图（水平直线代表偏差，水平点状线代表一致性范围）：

PPVmanCNAP和PPVautoCNAP，PPVmanIBP和PPVautoIBP。

图4每位病人PPV值的中值偏差.所有的值都是以百分比形式显示的。

PPVmanIBP=基于IBP信号手动计算的PPV值；

PPVauto=基于IBP信号自动计算的PPV值；

PPVmanCNAP=基于CNAP手动计算的PPV；

PPVautoCNAP=基于CNAP信号自动计算的PPV。

表3显示：

（a）回归曲线图显示出回归基线和相关系数的一致性；

（b）Bland-Altam差异分析图显示出在置信区间95%下水平虚线和点状虚线下的一致性，左边是PPVmanCNAP与PPVautoCNAP，右边为PPVmanIBP与PPVautoIBP。

3.2、基于CNAP的自动PPV算法的可靠性的临床价值

PPVmanIBP和PPVautoCNAP是正相关的（R=0.522，P＜0.001，n=100）。

PPVmanIBP和PPVautoCNAP之间的偏差和标准方差（95%的置信区间）显示在图三中。

每个病人的主要数据显示在图4中；

图4显示（a）回归曲线图显示出回归基线和相关系数的一致性；

（b）Bland-Altam差异分析图显示出在置信区间95%下水平虚线和点状虚线下的一致性。

4、讨论

这篇研究的结果的第一部分比较了手动计算的PPV值（PPVmanIBP和PPVmanCNAP）同其对应的自动计算PPV值（PPVautoIBP和PPVautoCNAP）显示出PPV的算法不仅适用于有创监测方式也适用于无创监测方式（PPVmanCNAP与PPVautoCNAP的偏差±

标准方差：

-1.02±

2.03%，相关系数为：

R=0.822；

PPVmanIBP与PPVautoIBP的偏差±

-0.19±

1.65%，相关系数为：

R=0.889）.

第二部分的结果比较了从CNAP上得到的PPV值（PPVautoCNAP）与基于IBP血压波形手动计算的PPV值（PPVmanIBP），结果显示：

PPVautoCNAP与PPVmanIBP较低的正相关系数（R=0.522），偏差±

-2.10±

其一致性范围的结果为-8.26%和4.06%，都具有临床相关性，但是也显示出虽然CNAP植入的PPV算法提供的结果很满意，但IBP和CNAP的血压波形在一定程度上是有差异的，从而影响到最后得到的PPV值。

在图2中可以看到：

CNAP和IBP用于计算PPV的血压值（收缩压、舒张压和平均动脉压）是有差别的。

这种差值是因为IBP和CNAP的测量部位是不一样的（IBP为桡动脉穿刺而CNAP定标体系是以肱动脉为基准）：

CNAP的收缩压值一般都会比IBP的值低，而舒张压的值一般都会比IBP的高。

因此，其会导致脉压值CNAP比IBP的低，基于IBP血压信号计算的PPV值一般情况下高于基于CNAP血压信号的PPV值（PPVmanIBP为6.9±

3.6%，PPVautoIBP为6.7±

3.2%,PPVmanCNAP为5.8±

3.4%，PPVautoCNAP为4.8±

2.2%）.同样自动和手动PPV值之间的偏差范围也是令人感兴趣的：

自动计算出的PPV值一般情况下低于手动计算出的偏差值，其标准方差只是稍微偏低。

所有的结果的产生可能归因于自动算法中的滤波器和平滑处理过程，这应该是与手动PPV计算方法最大的差别。

但是，这两种方法都是基于3个呼吸周期。

在这个方面，CNAP的滤波器和平滑处理系数需要稍加改进从而更好地提高其跟随真实的潜在变化的动态性，特别是移除由于工件等因素造成的异常的变化较大的参数。

第一个实现自动实时PPV算法的仪器是PhilipsIntellivueMP70monitors（IntellivueMP70,

PhilipsMedicalSystems,Suresnes,France）。

这种算法与手动PPV算法相比是可靠的，并在麻醉科和ICU都有使用。

Cannesson和其同事报道了PPVman与PPVauto的一致性（偏差±

标准方差为：

0.7±

3.4%，相关性为：

0.86），其结果是基于IBP的血压波形。

对于目前的离线的验证性分析，PPVmanIBP与PPVautoIBP之间的一致性和PPVmanCNAP与PPVautoCNAP的一致性都处于相同的数量级显示出相似的偏差（-0.19%和-1.02%），一致性系数分别为（R=0.889，R=0.822）。

标准方差稍低，分别为：

（1.65%和2.03%），可能是由于我们分析中数据的数量较少。

这些结果显示出自动的PPV算法能在任何输入波形下使用。

当PPV值的金标准（即通过有创血压信号手动计算的PPV值--PPVmanIBP）与基于CNAP计算出的PPV（即PPVautoCNAP）相比较时，其结果与之前同PhilipsIntellivueMP70monitors相比得出的结果是其标准方差相似（3.14%），但是偏差的数值较大（-2.10%）。

我们研究的结果同样与Biais和Monnet等人得出的结果有些不同：

在它们的这篇文章中，Biais等人对于血管外科手术中对液体管理具有挑战性的病人通过IBP和CNAP血压信号手动计算PPV的值（PPV是基于3个呼吸周期），体积扩张之前：

PPV-IBP和PPV-CNAP之间的偏差为0.6±

2.7%（R=0.90），体积扩张之后：

PPV-IBP和PPV-CNAP之间的偏差为-0.9±

1.6%（R=0.74）。

在这篇研究中，PPV的计算是在体积扩张前和体积扩张后仅仅只是测量一次，而在如此短的时间间隔内，造成的血压波形的伪影误差可以完全避免的。

在ICU的实际设置中病人是根据临床全程监测的需要来对待的，这将会影响影响计算PPV的血压波形信号。

这这些作者的研究中，Monnet等人比较了IBP血压监测和CNAP血压监测下手动计算PPV值的差异（采用4个连续呼吸周期下平均的PPV值）经受被动抬腿试验和呼吸末闭塞试验。

所有的PPV-IBP和PPV-CNAP的偏差为-0.6±

2.3%（R=0.88）。

此外，所有测试是在彻底执行控制的时间间隔内执行的。

我们的初步研究有以下的局限性：

首先是在急危重症室中极度危重病人的小样本试验，可能不适用与其他的小样本的群组。

第二，病人治疗的确切时间没有记录在病人的列表中，因此未能被清楚地排除在研究之外。

更进一步地，我们没有进行液体响应能力的测试，没有研究CNAP对于预测病人液体响应能力。

我们的研究中同样包括潮气量小于8ml/kg的病人（一般建议为潮气量大于8ml/kg），其中最小的数值为：

5.7ml/kg,7.0-8.0ml/kg的25-75%四分位数；

此外，所有病人都有呼吸末正压通气（PEEP,9.3–11.6cmH2O的25-75%四分位数），这些设置都应用在标准的肺保护性通气中，特别是脓毒症和肺炎患者，因此这些都是ICU真实的监测数值。

在Freitas等人的研究中，其证明了PPV仍然是一项对于液体响应能力较为有效的监测指标，当病人通气状态下潮气量为6ml/kg的时候。

在Huang等人的研究中，其讨论了在预测病人流体响应能力时更高的呼吸末正压通气值能平衡低潮气量所带来的效应。

因此，我们的通气设置是可以产生适合于流量管理的PPV值。

图4.（a）回归曲线图（显示回归基线和相关性）和（b）PPVmanIBP和PPVautoCNAP：

一致性Bland-Altman差异分析图（水平直线代表着偏差，水平点状代表着一致性的界限）

总之，在CNAP中的自动PPV算法能够评估机械通气状态下真实环境中的急危重症患者的PPV，从而提供PPV的实时连续无创的监测。

有创方式下和无创方式下的PPV-man和PPV-auto具有较好的一致性，但是基于CNAP波形自动获得的PPV值与基于有创血压波形手动计算的PPV值之间的偏差具有临床相关性。

因此，新发展起来的自动算法可能会是一种连续评估PPV有价值的方法，但是CNAP仪器仍需临床进一步的试验。

5.总结

在手术中和急危重症室中流量的导向管理已经显示出能极大地提高病人预后的结果。

在机械通气的患者中，像PPV这样的动态指标在病人液体响应能力的预测中已经显示出比其他静态指标更为优越。

在这篇研究中我们评估了PPV的自动算法（显示在CNAP上的连续的自动的数值——CNSystemsMedizintechnikAG，Graz，Austria）。

这篇研究的目的是比较无创和有创方式下手动计算的PPV与基于CNAP自动计算的PPV之间的偏差。

同时，通过有创血压监测方式下手动计算的PPV与自动显示在CNAP监护仪上的PPV的比较来验证CNAP-PPV的临床可靠性。

分析中包含了10例机械通气状态下急危重症患者的数据。

血压通过CNAP监测系统进行无创监测和通过桡动脉穿刺进行有创监测。

这两种血压监测的波形都被数据采集软件以100hz的频率采集和记录下来。

离线状态下，分析手动计算的PPV同基于CNAP自动计算的PPV。

对于每一个病人产生的100对数据，相应地评估随机选取的10个PPV值。

PPV-manCNAP与PPV-autoCNAP之间的偏差为-1.02±

2.03（平均偏差和标准方差），相关系数为R=0.889；

PPV-manIBP与PPV-autoIBP：

1.65%（R=0.822）；

PPV-manIBP与PPVautoCNAP：

3.14%（R=0.522）.

利益申明

CNAP监测系统是以贷款的形式由CNSystems公司提供。

作者感谢Drä

ger医疗公司，其提供数据收集软件。

CNAP上的PPV值是由导出软件CNSystemsPPV.dll导出的，其是由CNSystems公司提供的。