CN101264012B - 一种血压测定数据处理装置 - Google Patents

Abstract

本发明涉及临床检测技术领域，具体涉及一种血压测定数据处理装置及其数据分析方法。本发明所提供的装置和方法通过常规的24小时血压检测后便可以获得血压快变离散度值σ，基于人体正常生理血压慢波动基础上的快波动构成的离散度，以能直接地简便地判断人体血管健康状态。

Description

一种血压测定数据处理装置

技术领域

本发明涉及临床检测技术领域，具体涉及一种血压测定数据处理装置及其数据分析方法。

背景技术

常规对血压的检测是关心其是否有超过正常值上下限的情况，即主要关注静态的血压，血管的健康状况将对该静态的血压状态形成影响，为此在诊疗上被高度关注的是收缩压、舒张压和脉压差的最大值，同时也参考出现的最低值和平均值。但是这些基本的信息对于人体而言还没有较全面地反映出人体血压健康状态，在医疗过程中还时有发生这些基本血压指标都正常情况下，却出现心脑血管疾病突发事件，说明了目前对于血压信息的获取还不够全面，至少还没有健全可全面反映人体非健康状态的血压指标。为此任何能够进一步提供反映血压健康状态的新信息对于揭示人体非健康状态都是很有诊疗意义的。如高血压与很多非健康状态密切关系已有证实，但同时临床研究也揭示：血压控制良好的患者中时有脑梗死、心功能衰竭、心绞痛、心肌梗死和猝死等心血管事件的发生。这些现象并不能用目前广泛应用于临床的收缩压、舒张压、脉压差以及动态血压中观察到24小时中最高血压、最低血压的阈值性变化来解释。这促使人们考虑一个基本问题，即除要考虑血压的特征数值外，哪些血压特征还会影响人体的非健康状态。由慢速血压波动性对心血管影响的研究结果进而使人们推测血压“快速”波动对心血管事件也会有着直接的相关性。临床数据表明这样的“快速”波动与非健康状态如糖尿病、心功能减退、血管内斑块等有很强的关联性，但是，如何观察血压“快速”波动是临床尚未解决的技术难题，正确观察血压“快速”波动对血管损伤的研究甚少，目前尚未见类似报道。

目前，临床已经普遍采用的廉价的24小时血压监测手段来检测衡量血压健康状态。所谓24小时血压监测手段就是为了能够更全面地反映出人体血压状态，在检测技术上发展起来的一种24小时定时间间隔的血压测定方法，在诊疗上通过该测量将提供出各类血压的最高值、最低值和平均值，同时也给出了偏离平均值的离散度值，然而这样的离散度由于还包括了人正常生理波动引发的属于健康状态的偏离平均值的信息，所以内含的属于非健康状态的离散度信息就被埋没在其中。目前24小时血压监测还只是一种简单的直观利用，此方法将血压变化与病理的关联停留在定性或半定量上，从此角度，24小时动态血压的大量的信息未被挖掘。如果充分挖掘、利用所获得的信息、获得与病例关联上最大的信息资源，使得医生对于血压变化了解精确度得到很大的提高，进而既可以从技术上缓解老百姓普遍反应看病贵的问题，又可帮助医生对病情的发生、发展及其合理用药提供合理判断。

发明内容

本发明就是针对上述需求，提供一种血压测定数据处理装置及其数据分析方法。

通过24小时的血压测定可以发现血压并非是稳定的，而是会出现波动，这样的波动不但具有随着人体生理状态在24小时内的变化而形成的以大于4-5小时为变化周期的慢变化，而且还会出现以1小时左右为变化周期的快变化。目前，对于血压“波动性”的诊断，主要通过血压偏离平均值的离散度值的大小来衡量。大量研究证实：心血管事件的发生率与血压“波动性”的增大成正比，但是，用这样的血压“波动性”不能正确反映血压以小时为单位的“快速”波动，也不能完全解释大量的临床事件与血压、血压“波动性”的关系。然而血压的快变化恰恰是更多地反映了人体非健康状态的信息，本发明基于上述原理，公开了一种血压测定数据处理装置及其数据分析方法，从而给出基于人体正常生理血压慢波动基础上的快波动构成的离散度，以供临床诊断人体血管健康状态。

本发明的技术方案是利用24小时的血压测定获得待测对象(病人或健康人)在24小时内的血压数据，由计算机的自动分析给出扣除了人体生理的健康特征引起的偏离平均血压的离散特性，提取出具有快变特征的离散度值，便可获得待测对象的表达更多非健康信息的血压快变特征上的离散度，我们将其定义为血压快变离散度。

一种血压测定数据处理装置，包括与24小时血压监测仪相连的通信串口；具有所测定的血压数据与测定时间数据建立关联而被存储的存储部；数据分析处理部；显示部；上述通信串口将24小时血压监测仪所测定的血压数据与测定时间数据传输到存储部；上述数据分析处理部从上述存储部中读取上述测定条件下所测定的血压数据群，将表示代表所读取的上述时间条件下所测定的血压数据群的血压数据的代表血压数据显示在上述显示部上，进而，将所读取的上述时间条件下所测定的血压数据群的血压快变离散度，以规定的显示状态显示在上述显示部上。

本发明另一方面，还提供一种血压测定数据分析方法为：利用24小时血压监测仪所测定的血压数据与测定时间数据为测量分析做准备；启动微机中的血压分析软件中的通信管理模块A，设定与24小时血压监测仪相连的微机通信端口为联机的端口，确保微机与24小时血压监测仪通信畅通；启动血压分析软件中的数据读取保存模块B，将24小时血压监测仪中保存的所有血压数据与测定时间数据读取到微机中并以文件形式保存；启动血压分析软件中的血压数据分析模块C，读取规格化的数据文件，然后对血压数据进行血压快变离散度分析；以规定的显示状态显示分析结果。

本发明的血压分析软件还包括数据管理模块D，数据管理模块D管理汇总存贮在微机中的血压数据文件，根据不同个人将数据保存到同一格式的文件或通用的数据库中不同子库中；

通信管理模块A完成微机串行端口的设定及联接测试，确保使用正确的端口与进行通信；

数据读取保存模块B完成读取24小时血压监测仪中的血压数据与测定时间数据，并将读取的数据转换为微机可以处理识别的数据格式；

血压数据分析模块C将读取到的数据进行血压快变离散度分析，包括形成收缩压随时间变化的函数、形成血压慢波动的函数、获得血压快变离散度值，并绘制血压快变离散度曲线图。

在一优选实施方案里，血压数据分析模块C对选定的血压快变离散度数据与用于评价的健康人血压快变离散度值进行比较，根据不同的分析目标处理计算选定的数据，产生结果。

在一优选实施方案里，其具体步骤如下：

1.将待测对象按医院所进行24小时血压测定的常规检测手段佩戴好检测仪，按标准规程启动检测仪进行检测，24小时后将检测仪取下，按标准规程从检测仪导出检测数据，送入计算机，此时一般会有约40个检测数据，数据包括了每次测量的时间(t)、收缩压(S)、舒张压(D)、心率(R)等数据；

2.形成收缩压随时间变化的函数。

在计算机上利用时间值t作为横坐标x，收缩压值S作为纵坐标y，便形成了收缩压随时间变化的函数，称其为y₁(x)，将其画到x-y坐标系中是若干个数据点。

3.形成血压慢波动的函数。

利用关于人体健康状态下血压随昼夜具有慢变的基本认识，可以用一个一元二次函数很好地表达在4-5个小时内的慢变特征，该慢变特征所对应的函数称其为y₂(x)，可以表达成：y₂(x)＝ax²+bx+c，其中通过调整系数a，b，c就可以获得与该时间段内y₁(x)值最接近的函数y₂(x)，定义这样的y₂(x)为Y2(x)。

要获得Y2(x)，在具体途径上我们可以通过y₁(x)和y₂(x)组合出如下式：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{[y_2\left(x_i\right)-y_1\left(x_i\right)]}^2$

其中x为函数的横坐标，即时间t；S为对二函数差值平方和，n是在所计算时间段内测量血压的数据点数目，xi(i＝1，2，.....n)对应着所测量血压点的时间。由于在此S值关于y₂(x)中的系数a，b，c求最小值是三维最小值问题，数学上已有很成熟的方法和程序，如牛顿下山法，Powell法，随机采样法等。因此采用其中任何一种数学方法均可通过对S值的最小值求解得到a，b，c三个系数，从而得到在该系数下的y₂(x)函数，也就是Y2(x)。

通过对于y₁(x)函数进行连续的分段处理，我们可以得到各段的Y2(x)值，由各段的Y2(x)函数拼接而成的覆盖了整个测量时间段的新函数我们称其为函数F(x)，这就是隐含在测量得到的函数y₁(x)中的反映了生理健康状态下正常昼夜慢波动的函数。

4.获得血压快变离散度值。

利用所获得的F(x)和所测量得到的y₁(x)值，即可获得我们待求的血压快变离散度值σ如下：

$\mathrm{\σ}=\sqrt{\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{[F\left(x_i\right)-y_1\left(x_i\right)]}^2}{n}}$

上述四个步骤的完成仅在常规的24小时血压检测中增加了约3分钟的数据分析时间，所以对于整个检测与出报告的时间而言所增加的时间是可以忽略不计的。

对于本发明应用的健康人血压快变离散度值σ约为4.2，而对于本发明应用的非健康人体，其血压快变离散度值σ明显高于健康人，如糖尿病人血压快变离散度值σ约为14.5。

本发明的方法具有如下积极效果和优点：

对被检人体而言，通过常规的24小时血压检测后便可以获得血压快变离散度值σ，该信息是不被常规24小时血压检测报告中的要素所包括的，而且该血压快变离散度值σ揭示了人体中一种非健康状态特征，是没有现成的手段所容易获取的；

由于该方法就是直接附加在常规的24小时血压检测手段上，所以应用中无需加重被检测者的负担；

由于是一种所获取数据的计算机处理途径应用，所以也不增加明显的费用成本和时间成本，为此在临床应用中是完全适合于普查的。

由于本方法的生理慢波动函数是根据被测对象个体特征直接获得的，所以给出的完全是个体特征，没有应用特殊的统一模型，所以能够完全适应各种个体。

附图说明

图1为血压测定数据处理装置结构框图。

图2为血压分析软件整体结构框图。

图3为健康人体的血压慢波动函数F(x)图(实线)。

图4为糖尿病人体的血压慢波动函数F(x)图(实线)。

图5为对含量因子的数值y进行随机变化的计算机软件程序图。

具体实施方式

以下结合具体实施例，进一步阐明本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。下列实施例中未注明具体条件的实验方法，通常按照常规条件，或按照制造厂商所建议的条件。比例和百分比基于重量，除非特别说明。

实施例1

参见图1，一种血压测定数据处理装置，包括与24小时血压监测仪相连的通信串口1；具有所测定的血压数据与测定时间数据建立关联而被存储的存储部2；数据分析处理部3；显示部4；上述通信串口1将24小时血压监测仪所测定的血压数据与测定时间数据传输到存储部2；上述数据分析处理部3从上述存储部2中读取上述测定条件下所测定的血压数据群，将表示代表所读取的上述时间条件下所测定的血压数据群的血压数据的代表血压数据显示在上述显示部4上，进而，将所读取的上述时间条件下所测定的血压数据群的快波动构成的离散度，以规定的显示状态显示在上述显示部4上。

实施例2

以健康人体和糖尿病患者为病例采用下述步骤：

1.将待测对象按医院所进行24小时血压测定的常规检测手段佩戴好检测仪，按标准规程启动检测仪进行检测，24小时后将检测仪取下，按标准规程从检测仪导出检测数据，送入计算机，此时一般会有约40个检测数据，数据包括了每次测量的时间(t)、收缩压(S)、舒张压(D)、心率(R)等数据；

2.形成收缩压随时间变化的函数。

在计算机上利用时间值t作为横坐标x，收缩压值S作为纵坐标y，便形成了收缩压随时间变化的函数，称其为y₁(x)，将其画到x-y坐标系中是若干个数据点。

3.形成血压慢波动的函数。

利用关于人体健康状态下血压随昼夜具有慢变的基本认识，可以用一个一元二次函数很好地表达在4-5个小时内的慢变特征，该慢变特征所对应的函数称其为y₂(x)，可以表达成：y₂(x)＝ax²+bx+c，其中通过调整系数a，b，c就可以获得与该时间段内y₁(x)值最接近的函数y₂(x)，定义这样的y₂(x)为Y2(x)。

要获得Y2(x)，在具体途径上我们可以通过y₁(x)和y₂(x)组合出如下式：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{[y_2\left(x_i\right)-y_1\left(x_i\right)]}^2$

其中x为函数的横坐标，即时间t；S为对二函数差值平方和，n是在所计算时间段内测量血压的数据点数目，xi(i＝1，2，.....n)对应着所测量血压点的时间。由于在此S值关于y₂(x)中的系数a，b，c求最小值是三维最小值问题，数学上已有很成熟的方法和程序，如牛顿下山法，Powell法，随机采样法等。因此采用其中任何一种数学方法均可通过对S值的最小值求解得到a，b，c三个系数，从而得到在该系数下的y₂(x)函数，也就是Y2(x)。

通过对于y₁(x)函数进行连续的分段处理，我们可以得到各段的Y2(x)值，由各段的Y2(x)函数拼接而成的覆盖了整个测量时间段的新函数我们称其为函数F(x)，这就是隐含在测量得到的函数y₁(x)中的反映了生理健康状态下正常昼夜慢波动的函数。

4.获得血压快变离散度值。

利用所获得的F(x)和所测量得到的y₁(x)值，即可获得我们待求的血压快变离散度值σ如下：

$\mathrm{\σ}=\sqrt{\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{[F\left(x_i\right)-y_1\left(x_i\right)]}^2}{n}}$

按医院所进行24小时血压测定的常规检测手段佩戴好检测仪，按标准规程启动检测仪进行检测，24小时后将检测仪取下，按标准规程从检测仪导出检测数据，送入计算机，此时一般会有约40个检测数据，数据包括了每次测量的时间(t)、收缩压(S)、舒张压(D)、心率(R)等数据；在计算机上利用时间值t作为横坐标x，收缩压值S作为纵坐标y，便形成了收缩压随时间变化的函数，称其为y₁(x)，将其画到x-y坐标系中是若干个数据点。得到24小时血压随时间变化值函数，称其为y₁(x)，分别就健康人体和糖尿病患者见图3和图4中的圆点。

图3为被测对象为健康人体所得的24小时血压随时间变化的函数y₁(x)(圆点)，经计算分析处理后的表征着生理昼夜变化引发的血压慢波动函数F(x)(实线)。

图4为被测对象为糖尿病人体所得的24小时血压随时间变化的函数y₁(x)(圆点)，经计算分析处理后的表征着生理昼夜变化引发的血压慢波动函数F(x)(实线)。

图5为对获得人体生理波动引发的正常波动平滑曲线进行随机变化的计算机软件程序图。采用该流程图获得与实际测量的血压值最接近的由系数(a，b，c)决定的二次函数值后，就得到了由a，b，c决定的二次函数给出的正常波动平滑曲线。具体实施如下：采用取4个小时的数据6个数据点的y₁(x)值进行相应的Y2(x)函数的获取，取起始点的Y2(x)值为F(x)值在该x点上的值，然后把时间段的起始和终结点在向后移半小时，即一个数据点，再一次按步骤3中方法对新的一组y₁(x)值进行相应的Y2(x)函数的获取，再次取新的范围的起始点的Y2(x)值为F(x)值在该x点上的值，如此重复一直取到y₁(x)函数的最后6个点范围为止，这样就获得了相应的F(x)函数。分别就健康人体和糖尿病患者的y₁(x)值都进行了该处理获得的相应F(x)函数如图3和图4中的实线所示。

利用所获得的F(x)和所测量得到的y₁(x)值，即可获得我们待求的血压快变离散度值σ如下：

$\mathrm{\σ}=\sqrt{\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{[F\left(x_i\right)-y_1\left(x_i\right)]}^2}{n}}$

对于如图3所示的健康人体所得到的血压快变离散度值σ＝4.2，对于如图4所示的糖尿病患者的血压快变离散度值σ＝14.5。糖尿病患者的血压快变离散度值明显高于健康人体的值。目前对于糖尿病患者区别与健康人的指标都是采用血糖指标，还从未有过血压方面的指标直接显示，这说明本发明提出的方法的确很好地反映了人体血压平衡能力的强弱，健康人其平衡能力较强，而以糖尿病患者为例的非健康人体其平衡能力较弱。表明了本发明的方法在实际应用中的可行性和实用性。

本发明的范围不受所述具体实施方案的限制，所述实施方案只欲作为阐明本发明各个方面的单个例子，本发明范围内还包括功能等同的方法和组分。实际上，除了本文所述的内容外，本领域技术人员参照上文的描述和附图可以容易地掌握对本发明的多种改进。所述改进也落入所附权利要求书的范围之内。

Claims (2)

1.一种血压测定数据处理装置，其特征在于，包括与24小时血压监测仪相连的通信串口(1)；具有所测定的血压数据与测定时间数据建立关联而被存储的存储部(2)；数据分析处理部(3)；显示部(4)；通信串口(1)将24小时血压监测仪所测定的血压数据与测定时间数据传输到存储部(2)；数据分析处理部(3)从存储部(2)中读取上述测定条件下所测定的血压数据群，将表示代表所读取的上述24小时时间条件下所测定的血压数据群的血压数据显示在显示部(4)上，进行血压快变离散度分析，包括形成收缩压随时间变化的函数、形成血压慢波动的函数、获得血压快变离散度值进而将所读取的上述24小时时间条件下所测定的血压数据群的血压快变离散度，以规定的显示状态显示在显示部(4)上。

2.如权利要求1所述的血压测定数据处理装置，其特征在于所述收缩压随时间变化的函数为以时间值t作为横坐标x，收缩压值S作为纵坐标y，便形成了收缩压随时间变化的函数，称其为y₁(x)；所述血压慢波动的函数为函数F(x)，要获得F(x)，按照下列公式：

$S=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{[y_2\left(x_i\right)-y_1\left(x_i\right)]}^2$

其中x为函数的横坐标，即时间t；S为对二函数差值平方和，n是在所计算时间段内测量血压的数据点数目，x_i(i＝1，2，......n)对应着所测量血压点的时间；y₂(x)可以表达成：y₂(x)＝ax²+bx+c，通过对S值的最小值求解得到a，b，c三个系数，获得与该时间段内y₁(x)值最接近的函数y₂(x)，定义这样的y₂(x)为Y2(x)；由各段的Y2(x)函数拼接而成的覆盖了整个测量时间段的新函数为函数F(x)；所述获得血压快变离散度值可利用所获得的F(x)和所测量得到的y₁(x)值，按下列公式即可获得血压快变离散度值σ：

$\mathrm{\σ}=\sqrt{\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{[F\left(x_i\right)-y_1\left(x_i\right)]}^2}{n}}$

Images