CN106572813B - 用于量化慢性疾病的多种可能形式对被报告呼吸困难的患者的贡献的可能性的模式识别系统 - Google Patents

用于量化慢性疾病的多种可能形式对被报告呼吸困难的患者的贡献的可能性的模式识别系统 Download PDF

Info

Publication number
CN106572813B
CN106572813B CN201580028147.4A CN201580028147A CN106572813B CN 106572813 B CN106572813 B CN 106572813B CN 201580028147 A CN201580028147 A CN 201580028147A CN 106572813 B CN106572813 B CN 106572813B
Authority
CN
China
Prior art keywords
gas exchange
patient
physiological
disease
contribution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201580028147.4A
Other languages
English (en)
Other versions
CN106572813A (zh
Inventor
斯蒂芬·T·安德森
迪安·J·麦卡特尔
戴维·M·安德森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shape Medical Systems Inc
Original Assignee
Shape Medical Systems Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US14/341,442 external-priority patent/US10010264B2/en
Application filed by Shape Medical Systems Inc filed Critical Shape Medical Systems Inc
Publication of CN106572813A publication Critical patent/CN106572813A/zh
Application granted granted Critical
Publication of CN106572813B publication Critical patent/CN106572813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient ; user input means
    • A61B5/742Details of notification to user or communication with user or patient ; user input means using visual displays
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/087Measuring breath flow
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/091Measuring volume of inspired or expired gases, e.g. to determine lung capacity
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Abstract

用于量化慢性疾病的多种可能形式对被报告呼吸困难的患者的贡献可能性的系统和方法可以包括具有在静息时执行的、通过测量在静息、运动和恢复期间的心肺运动气体交换变量作为独特数据集而流动的流量/容积环的检验规程。所述数据集使用特征提取步骤进行分析以产生由显示各种慢性疾病对被报告呼吸困难的患者的贡献可能性的疾病竖井组成的图画映像。在一些实施方案中,所述竖井被分成亚类竖井。在一些实施方案中,多个慢性疾病索引被用来区分特定慢性疾病的各个亚类(例如,区分WHO 1 PH与WHO 2或WHO 3 PH)。将测试结果连续地作图以评估从而为医生提供关于提供给患者的疗法的功效的反馈。

Description

用于量化慢性疾病的多种可能形式对被报告呼吸困难的患者 的贡献的可能性的模式识别系统
相关申请
本申请于2015年3月16日作为PCT国际专利申请提交,并且要求于2014年3月28日提交的美国专利申请系列号61/971,915和于2014年7月25日提交的美国专利申请系列号14/341,442的优先权,所述申请的公开内容整体地通过引用并入本文。
技术领域
本公开总体上涉及医学诊断领域,包括但不限于,诊断和量化心脏和肺的疾病和病况(condition),包括心力衰竭(heart failure)、肺动脉高压(pulmonary arterialhypertension)、肺静脉高压(pulmonary venous hypertension)、阻塞肺(obstructedlung)、限制性肺(restricted lung)、肥胖症(obesity)、和/或一般性去适应(generaldeconditioning)。
背景
慢性疾病的早期症状——诸如呼吸困难、头晕和乏力——经常是轻微的并且对于许多其他病况是普遍的。在静息时,经常没有症状且没有疾病的明显体征。结果,对呼吸困难的病因和呼吸困难的严重性的检测可能被延迟数月或甚至数年。因此,一种或多种慢性疾病的存在经常无法被识别直至疾病相对进展为止。经常仅在其他病况已被调查并被排除的情况下,才能诊断出特异性的慢性疾病。
与慢性疾病相关联的症状的非特异性性质意味着不能单独根据症状做出诊断。使用肺动脉高压(PH)作为例子,需要一系列调查来做出初步诊断,从而根据肺动脉高压的临床类型完善诊断,并且评价功能性和血液动力学损害的程度。目前的PH评价和分类(类型、功能能力、血液动力学)方法包括血液检查和免疫学、HIV检查、腹部超声扫描、6分钟步行距离试验(6-MWT)、峰VO2、右心导管插入术、和血管反应性测试。在PH患者中在运动时,交感神经和神经激素系统触发肺动脉血管床的血管收缩增加,由此导致肺血管阻力升高且通过肺血管通路的血流量减少。这种响应也增加了运动过程中右心的工作负荷。减少的血流量与细支气管和肺泡中的空气流量不匹配。
世界卫生组织(WHO)将肺动脉高压归为不同的组,包括例如WHO 1组(“WHO 1”)、WHO 2组(“WHO 2”)和WHO 3组(“WHO 3”)、WHO 4组(“WHO 4”)、和WHO 5组(“WHO 5”)。典型地,WHO 1与WHO 2或WHO 3肺动脉高压的临床差异(经常称为原发性(primary)PH与继发性(secondary)PH)通过右心导管插入术(RHC)的侵入性操作来确认,心导管插入术要求压力监测导管经由锁骨下静脉或头静脉进入右心房的血管内通路,通过三尖瓣并且进入到右心室,进一步操作经过肺动脉瓣并到达肺动脉(PA)。导管在PA中典型地被向“下游”进一步推进,利用远侧尖端球囊的膨胀阻塞流动从而允许对前毛细管侧上的压力进行压力监测,所述前毛细管侧上的压力被称为楔压,已经报道其在大多数情况下与左心充盈或左心房压力良好地相关。疑似肺动脉高压的类型,无论是真肺动脉或是肺静脉高压,均通过关于平均PA压和肺动脉楔压值的血液动力学标准进行分类。RHC的进行带来了风险并且经常导致患者不适。另外,RHC通常限于采集患者在没有努力的静息时的血流动力学数据,这是由于仰卧患者难以在导管室台子上运动。
发明内容
总体而言,本公开针对表征慢性疾病或病况对患者中的呼吸困难的贡献。在一个可能的配置中并且通过非限制性实例,所述贡献采用使用气体交换测试系统收集的肺活量测定数据和气体交换数据进行表征。在本公开中描述了多个方面,其包括,但不限于,下列的方面。一个方面是一种用于表征生理病况对患者中的呼吸困难的贡献的系统,所述系统包括:流量传感器,所述流量传感器被配置成感测所述患者的呼吸流;分析仪,所述分析仪被配置成确定所述患者的所述呼吸流的至少一部分的组成;计算装置,所述计算装置被配置成:接收气体交换测量值,所述气体交换测量值基于在气体交换测试期间由所述流量传感器和所述分析仪所捕捉的相续呼吸(breath-by-breath)数据;确定与第一生理病况相关的第一贡献值,其中所述第一贡献值基于所述气体交换测量值;确定与第二生理病况相关的第二贡献值,其中所述第二贡献值基于所述气体交换测量值;以及输出所述第一贡献值和所述第二贡献值。
另一方面是一种用于表征生理病况对患者中的呼吸困难的贡献的系统,所述系统包括:计算装置,所述计算装置被配置成:接收气体交换测量值,所述气体交换测量值基于在气体交换测试期间由流量传感器和分析仪所捕捉的相续呼吸数据;确定与第一生理病况相关的第一贡献值,其中所述第一贡献值基于所述气体交换测量值;确定与第二生理病况相关的第二贡献值,其中所述第二贡献值基于所述气体交换测量值;以及输出所述第一贡献值和所述第二贡献值。
再另一个方面是一种表征生理病况对患者中的呼吸困难的贡献的方法,包括:接收对所述患者的肺活量测定测试的结果,其中所述肺活量测定测试包括流量-容积环(flow-volume loop);获得多个肺活量测定测量值,包括用力肺活量(FVC)、吸气量(IC)、和一秒钟用力呼吸量(FEV1)中的至少一个;使用心肺运动气体交换分析仪对所述患者进行气体交换测试,其中所述气体交换测试包括静息阶段、运动阶段和恢复期,其中所述患者在所述运动阶段期间进行运动;在所述气体交换测试期间在相续呼吸的基础上,获得多个气体交换测量值,包括潮气末CO2;确定与第一生理病况相关的第一贡献值,其中所述第一贡献值基于所述多个肺活量测定测量值中的至少一个和所述多个气体交换测量值中的至少一个;确定与第二生理病况相关的第二贡献值,其中所述第二贡献值基于所述多个气体交换测量值中的至少一个;以及显示所述第一贡献值和所述第二贡献值。
一种表征生理病况对患者中的呼吸困难的贡献的方法,包括:使用心肺运动气体交换分析仪的流量传感器对所述患者进行肺活量测定测试,其中所述肺活量测定测试包括流量-容积环;获得多个肺活量测定测量值,包括用力肺活量(FVC)、吸气量(IC)和一秒钟用力呼吸量(FEV1);使用所述心肺运动气体交换分析仪对所述患者进行气体交换测试,其中所述气体交换测试包括静息阶段、运动阶段和恢复期,其中所述患者在所述运动阶段期间进行运动;在所述气体交换测试期间在相续呼吸的基础上获得多个气体交换测量值,包括潮气末CO2;确定与第一生理病况相关的第一贡献值,其中所述第一贡献值基于与所述多个肺活量测定测量值中的至少一个和所述多个气体交换测量值中的至少一个的第一加权组合相关联的至少一个;确定与第二生理病况相关的第二贡献值,其中所述第二贡献值与所述多个肺活量测定测量值中的一个或多个和所述多个气体交换测量值中的至少一个或多个的第二加权组合相关联;取回与对所述患者进行的先前气体交换测试相关的历史测试数据;生成用户界面,所述用户界面包括第一视觉指示物、第二视觉指示物、第三视觉指示物和第四视觉指示物,其中所述第一视觉指示物的性质基于所述第一贡献值确定,所述第二视觉指示物的性质基于所述第二贡献值确定,所述第三视觉指示物的性质基于与所述第一生理病况相关联并且基于所述历史测试数据的第一历史贡献值确定,并且所述第四视觉指示物的性质基于与所述第二生理病况相关联且基于所述历史测试数据的第二历史贡献值确定。
还有另一个方面是对患者中的肺动脉高压(PAH)进行分类的方法:使用心肺运动气体交换分析仪对所述患者进行气体交换测试,其中所述气体交换测试包括静息阶段、运动阶段和恢复期,其中所述患者在所述运动阶段期间进行运动;在所述气体交换测试期间在相续呼吸的基础上获得多个生理测量值,包括潮气末CO2;基于所述多个生理测量值中的至少一些确定所述患者的心力衰竭功能状态;基于所述多个生理测量值中的至少一些确定所述患者的肺动脉高压功能状态;基于所述肺动脉高压功能状态和所述心力衰竭功能状态将所述肺动脉高压分类。
附图简述
图1图示了气体交换测试系统100的实施方案。
图2是用于存储通过图1的气体交换测试系统所获取的数据的数据库表150的示例实施方案。
图3图示了图1的气体交换测试系统的一些实施方案的模式识别系统的实施方案的示意图。
图4图示了用于与图1的气体交换测试系统的一些实施方案一起使用的示例测试规程。
图5图示了图4的测试规程的流量容积环(FVL)阶段。
图6是操作图3的特征提取引擎和分类引擎的示例方法的流程图。
图7是图示操作图3的特征提取引擎和分类引擎的另一示例方法的流程图。
图8是图1的气体交换测试系统的示例用户界面。
图9是图1的气体交换测试系统的另一示例用户界面。
图10是在图1的气体交换测试系统的一些实施方案中用来将各个生理值与竖井(silo)相关联的示例表。
图11图示了图1的气体交换测试系统的一些实施方案中用来计算各个生理值的竖井评分的示例表。
图12图示了包括竖井划分(splitting)的图1的气体交换测试系统的另一用户界面。
图13图示了图1的气体交换测试系统的一些实施方案使用的示例图,其用于区分不同类型的肺动脉高压。
图14图示了图1的气体交换测试系统的一些实施方案使用的示例图,其用来追踪与肺动脉高压相关联的变化。
图15图示了图1的气体交换测试系统的一些实施方案的用于追踪治疗的用户界面。
图16图示了来自图1的气体交换测试系统的一些实施方案的呼吸数据的Poincare散点图。
图17图示了由图1的气体交换测试系统的一些实施方案所捕捉的呼吸数据的图。
图18图示了示例性网络化气体交换测试系统。
具体实施方式
将参照附图详细描述各个实施方案,其中在几个视图中类似参照数字表示类似部件和组装件。对各个实施方案的参考不限制附带的权利要求的范围。另外地,在本说明书中提出的任何实施例不意在是限制性的且仅对附带的权利要求提出许多可能实施方案中的一些。
存在着对确定轻微至中等运动期间呼吸困难的最可能病因和使得临床上可使用指导医生转诊用于额外的护理测试标准的更准确手段的临床需求。目前的临床通路是无效的,在于做出的转诊经常面向错误的专家。本公开的一些实施方案意在使治疗简单化并且通过更准确地预测主要疾病的可能性并且提示其他疾病可能是呼吸困难的次要病因来增加疾病治疗的成功性。
总体上,本公开描述了用于量化和区分对患者中的呼吸困难有贡献的慢性疾病的系统和方法。在至少一些实施方案中,生理测量值获自气体交换测试和肺活量测定测试期间的患者。进一步,在至少一些实施方案中,生理值基于一个或多个生理测量值进行计算。在至少一些实施方案中,与特定慢性疾病对呼吸困难有贡献的可能性对应的评分基于生理测量值或生理值进行计算。此评分是贡献值的实例。在至少一些实施方案中,显示代表与特定慢性疾病对呼吸困难有贡献的可能性对应的评分的图表。在一些实施方案中,一些或所有慢性疾病表示为垂直的疾病竖井,每个具有与相关慢性疾病对呼吸困难有贡献的可能性对应的高度。
公开的系统和方法的至少一些实施方案比目前可用的疾病区分方法更灵敏、生理的和更容易。另外,在至少一些实施方案中,在患有慢性疾病的患者中的长期随访和治疗期间提供反馈。
在至少一些实施方案中,提供对多种慢性疾病以及它们对导致患者呼吸困难的作用的整体评估。另外,在至少一些实施方案中,提供对慢性疾病和慢性疾病亚类之间的区分。利用着重于单一疾病的索引或分类系统是没有这些益处的。
典型地,在临床背景中,将静息肺活量测定与利用相续呼吸气体交换监测的心肺运动测试单独地进行。已知静息肺活量测定数据本身可能不能预测功能性运动受限。运动状态常常不能通过真正代表肺中气体交换的任何肺功能参数来评价。而是,测量步行距离和氧摄取量峰值。
在至少一些实施方案中,在与运动气体交换测试同一门诊诊室诊察期间使用相同的流量传感器和患者准备来收集肺活量测定数据,由此减少了临床诊断时间。在至少一些实施方案中,肺活量测定数据包括患者的流量容积环(FVL)的关键量度,包括用力肺活量(FVC)、一秒钟用力呼吸量(FEV1)和吸气量(IC)。在一些实施方案中,计算FEV1与FVC的比率并将其作为疾病竖井用作慢性阻塞性肺病(COPD)存在的决定因素,在吸气量(IC)用于对肺病的潜在限制性模式的支持性评价之外。
使用FVC和FEV1的测量值的金标准(Gold Criteria)用于确定患者是否具有限制性或阻塞性肺病。当应用于限制性LD时,金标准在限制性LD竖井中产生0-3的数。当应用于阻塞性LD时,金标准在阻塞性LD竖井中产生0-3的数。
COPD的存在可以提供对利用其他选择气体交换可变模式所观察到的运动期间潜在过度充气的解释。在收集静息、运动和恢复数据之前患者的FVL性能意在提供对不同的潜在慢性疾病竖井的多变量描述符从而辅助对劳力性呼吸困难的可能病因的最准确评价。获自FVL的数据可以提供对肺中氧摄取减少的病因的解释。
通过FVL测量对关键肺变量的确定也辅助区分不同类型的肺动脉高压以及对存在的共病的确定,它们一起使劳力性呼吸困难的系统恶化。FVL的使用也可以有助于在确定呼吸困难的一种或多种可能病因后指导患者疗法的正确路径。
另外,在至少一些实施方案中,在气体交换测试的劳力性状态期间收集的数据用来在PH已经进展到其症状在静息期间存在之前检测PH的存在。这可以有益地允许在早期检测和诊断PH。如果以后检测到PH,则治疗变得更有挑战性并且肺血管床变得更为坚硬,并且导致PA压力升高。另外,对PH的较早检测可以使慢性血管损害和由与PH相关的右心室劳损导致的最终衰竭最小化或延缓慢性血管损害和由与PH相关的右心室劳损导致的最终衰竭。
另外,在一些实施方案中,使用多个慢性疾病指标来区分特定慢性疾病的亚类。例如,在一些实施方案中,气体交换测试系统100基于用于心力衰竭和肺动脉高压的独立指标区分WHO 1肺动脉高压与WHO 2和3肺动脉高压。在名称为“用于将来源于心肺运动测试的单个风险变量合并为单一变量的方法(METHOD FOR COMBINING INDIVIDUAL RISK VARIABLESDERIVED FROM CARDIOPULMONARY EXERCISE TESTING INTO A SINGLE VARIABLE)”并在2014年1月14日授权的美国专利号8,630,811中描述的多变量指标(MVI)是与心力衰竭相关的指标的实例。在题目为“用于对患有肺动脉高压(包括肺动脉高压和肺血管高压)的患者的功能状态进行分类的模式识别系统(PATTERN RECOGNITION SYSTEM FOR CLASSIFYINGTHE FUNCTIONAL STATUS OF PATIENTS WITH PULMONARY HYPERTENSION,INCLUDINGPULMONARYARTERIAL AND PULMONARY VASCULAR HYPERTENSION)”并于2009年9月25日提交的美国专利申请系列号12/567,005中描述的用于肺动脉高压的多参数指标是与肺动脉高压相关的指标的实例。在一些实施方案中,MVI和MPIph或相关值用来区分肺动脉高压的亚类。
根据本公开,公开了新的和新颖的方法,疾病风险和转诊优化(DR2)用于确定一种或多种慢性疾病的存在的相对可能性。另外,在至少一些实施方案中,DR2使得许多科的医生更容易可视化和解释综合肺功能和心肺运动测试。此外,在至少一些实施方案中,在静息时和在运动期间(极量或次极量)获得用于实施本方法的数据。
在至少一些实施方案中,心肺运动气体交换系统被配置成执行流量/容积环以及测量静息、运动和恢复期间的气体交换变量。在一些实施方案中,使用可获自明尼苏达州圣保罗市的Shape Medical Systems,Inc.的SHAPE HFTM心肺运动测试系统捕捉测量值。其他实施方案包括用来捕捉测量值的其他系统。在至少一些实施方案中,特征提取引擎和分类引擎能够使观察者对患者中存在的病况和病况趋势获得新的和有价值的了解。
现在参照图1,显示了气体交换测试系统100的实施方案。气体交换测试系统100包括计算装置112,气体交换测量装置134和数据库128。还显示了患者或受试者130。
在一些实施方案中,计算装置112包括带有相连鼠标116的显示终端114、报告打印机117和键盘118。鼠标116和键盘118是用户输入装置的实例。一些实施方案包括额外的或不同的用户输入装置诸如触摸式显示屏或语音识别系统。该系统进一步包括带有相关计算机可读存储器存储装置122的存储处理器120。计算机可读存储器存储装置122是计算机可读数据存储装置的实例。如本领域中众所周知的,存储处理器120输入/输出接口包括读/写装置,其用于读取、删除、添加或改变存储在机器可读介质上的信息,例如,U盘,且用于提供可以被认为是待根据加载到存储器126中的软件程序操作的数据或运算对象的信号。存储器126的实例包括RAM或ROM。在一些实施方案中,存储器存储装置122包括非易失性存储装置。计算装置还包括处理器124。
在一些实施方案中,气体交换测试是心肺运动测试。在这些实施方案中,运动规程包括运动设备(未显示),诸如踏车功能试验器、爬楼梯,或跑步机。受试者130在一部分测试期间使用运动设备。气体交换测量装置134包括流量传感器135,所述流量传感器135被配置成感测患者的呼吸流并且可以确定患者的呼吸流的组分,包括呼吸流中氧和二氧化碳的浓度。在气体交换测试期间,气体交换测量装置134还可以测量与受试者相关的多种生理参数。在一些实施方案中,这些生理参数包括心率(HR)、呼吸频率(RR)、通气量(VE)、氧摄取或消耗速率(VO2)、二氧化碳产出量(VCO2)和氧饱和度(SaO2)。在其他实施方案中,还测量其他生理参数。另外,在一些实施方案中,生理参数还包括用力肺活量(FVC)、一秒钟用力呼吸量(FEV1)和吸气量(IC)。气体交换测量装置134是分析仪的实例。另外,气体交换测量装置134也是肺活量计的实例。
在一些实施方案中,由气体交换测量装置134测量的生理数据经由导体131诸如线缆传输至计算装置112。在其他实施方案中,生理数据无线传输至计算装置。在其他实施方案中,其他通信装置被用于将生理数据传输至计算装置112。在一些实施方案中,显示终端114显示所述生理数据或衍生自所述生理数据的其他值。
计算装置112可以包括个人计算机、被配置成获取测量值并处理那些测量值的专用微控制器、移动计算装置诸如智能手机或智能平板电脑、或服务器计算机。因此,将不依赖计算装置112的类型和特性来做出进一步详细的描述。
数据库128以有组织的方式存储数据,诸如以分层或关系数据库结构,或以列表或其他数据结构诸如表。尽管数据库128图示为与计算装置112分开,但在一些实施方案中数据库128位于计算装置112上。在一些实施方案中,由气体交换测试系统100获取的数据以一个或多个关系数据库表的形式存储在数据库128中。
用于存储由气体交换测试系统100获取的数据的关系数据库表150的一个实施方案的实例图示在图2中。表150含有多行152,每行表示在气体交换测试的呼吸期间所捕捉的数据。每行152包括键154、测试键156、阶段158和测量数据160。
键154被数据库中的其他表用来参照特定的呼吸/行。测试键156是数据库128中的测试表(未显示)的外键。使用测试键156,将每个呼吸/行与测试相关联。阶段158与每个患者和每个测试的数据的呼吸/行关联,包括与流量/容积环相关联的数据,适宜的阶段(例如,静息、运动或恢复)用于特征提取和分类中。
另外,表150包括多列测量数据160。在所示的实例中,测量数据包括呼吸计数、PetCO2、VCO2、VO2、VT、心率、呼吸频率、和大气压。在其他实施方案中,在每行中存储更多、更少或不同的测量值。
图3图示了模式识别系统180的实施方案的示意图,模式识别系统180包括在气体交换测试系统100的一些实施方案中。模式识别系统180包括数据采集引擎182、特征提取引擎184、分类引擎186和用户界面引擎188。
数据采集引擎182操作以接收来自气体交换测量装置134的生理测量值和其他观察值。在一些实施方案中,数据采集引擎182还接收来自其他来源的测量值或观察值。作为实例,FVC、FEV1和IC可以在单独的肺活量计上测量,手动输入,并且存储在数据库128中。类似地,周期性呼吸的存在或缺少可以由医生观察值来确定,手动输入,并且储存在数据库128中。在一些实施方案中,数据采集引擎182处理测量值和观察值并且将它们存储在数据库128中。特征提取引擎184操作以由测量值和观察值计算数值信息。分类引擎186操作以基于提取的特征对测量值或观察值进行分类或描述。用户界面引擎188操作以生成用户界面从而将信息传达给用户和从用户接收信息。
图4图示了用于与气体交换测试系统100的一些实施方案一起使用的用于确定呼吸困难的一种或多种可能病因的示例测试规程210。测试规程包括FVL阶段212、静息阶段214、递增负荷运动阶段216和恢复期218。在一些实施方案中,数据采集引擎182捕捉这些阶段中的一个或多个阶段期间的数据,并且特征提取引擎184和分类引擎186处理所述数据从而将具有呼吸困难的患者的功能状态分类并鉴定呼吸困难的原发和继发病因的可能性。
在规程210,首先执行FVL阶段212。在FVL阶段212期间,患者进行FVL肺活量测定测试。
图5图示了FVL阶段并示出在FVL阶段212期间采集的示例数据。在FVL阶段212的操作230期间,告诉患者缓慢呼吸到系统流速传感器中,同时就坐直至观察到稳定的呼吸型态。下一步,在操作232,患者尽可能深地吸气。下一步,在操作234,患者尽可能猛力地和长地吹气。然后告诉患者再次正常地呼吸。
转到图4,FVL阶段212后接着是静息阶段214。在静息阶段214期间,由数据采集引擎182收集气体交换测量值,同时患者休息。在一些实施方案中,气体交换测量值用于确定通过Poincare散点图和/或心电图ST段分析来表征的周期性呼吸(PB)、心率变异性(HRV)、和/或呼吸频率。在其他实施方案中,气体交换测量值也用于其他目的。尽管显示为持续2分钟,但在一些实施方案中,静息阶段214持续更长或更短的时间。
在运动阶段216期间,患者进行次极量或极量运动,同时通过数据采集引擎182捕捉气体交换测量值。在一些实施方案中,在整个运动阶段216中,患者逐渐增量地增加运动的强度。在一些实施方案中,运动阶段216具有固定的持续时间。尽管显示为持续3分钟,但在一些实施方案中,运动阶段216持续更长或更短的时间。
另外,在一些实施方案中,继续运动阶段直至患者达到预定的目标度量。例如,在一些实施方案中,目标度量是等于或大于年龄预测的最大心率的60-90%的心率。在其他实施方案中,目标度量是大于或等于0.90的呼吸交换率(RER)。在其他实施方案中,也使用其他目标度量。在一些实施方案中,气体交换测试系统100指示(例如,可听见地或可视地)达到了预定目标度量。
在恢复阶段218期间,患者再次休息,同时数据采集引擎182收集气体交换测量值。在一些实施方案中,在恢复阶段218期间捕捉的气体交换测量值用来确定心率和耗氧量(VO2)恢复值。在其他实施方案中,在恢复阶段218期间捕捉的气体交换测量值还用于其他目的。尽管显示为持续1分钟,但在一些实施方案中,恢复阶段218持续更长或更短的时间。
规程210仅是实例。在其他实施方案中,使用其他规程,所述规程包括更少的、更多的或不同的阶段。另外,在一些实施方案中,FVL阶段212与静息阶段214组合。也可能有其他实施方案。
在一些实施方案中,所采用的通用类的数据是1)在静息时,2)根据标准化工作负荷规程作为引起由所述工作负荷导致的生理变化的强制功能而进行的体育运动测试过程中,和3)在运动结束后的短恢复期过程中获得的心肺运动气体交换测量值。在运动期间测量的数据根据生理变化来量化个体如何能够在物质世界中发挥功能,所述生理变化是当个体致力于进行每天的体力劳动时所经历的。
另外,在一些实施方案中,在开始收集气体交换测量值之前进行流量/容积环。使用被CPX所使用的相同流速传感器使用软件得到图4中指示的测量值,以200个样品/秒的速率所述软件收集被系统差压变换器测量的呼吸流的连续传送样品。
在一些实施方案中,使用CPX系统测量由增加的运动负荷所引起的生理变化以测量所选择的与耗氧量(VO2)、二氧化碳产出量(VCO2),潮气末CO2(ETCO2)、通气量(VE)、心率(HR)和氧饱和度(SaO2)相关的变量。在其他实施方案中,还捕捉更多的、更少的或不同的变量。
另外,在至少一些实施方案中,分析静息数据和运动数据中的一个或多个以确定下列附加变量中的一些或全部:
周期性呼吸(PB):周期性呼吸和运动诱发的振荡通气量是指分别在静息或运动过程中增加和降低通气量的规则循环。在一些实施方案中,周期性呼吸表示为二进制变量,指示是否观察到周期性呼吸。在一些实施方案中,此变量由医生通过系统的用户界面设置。在其他实施方案中,此变量使用计算机软件根据对测量到的振荡的振幅和周期的分析来量化。例如,至少一些实施方案使用峰检测算法、正弦波拟合算法和傅里叶分析中的一种或多种来鉴定周期性呼吸。图17图示了通过气体交换测试系统100的一些实施方案所捕捉的呼吸数据582的图580。呼吸数据582包括表示在患者测试的静息阶段584和运动阶段586期间捕捉的各次呼吸的多个点。表示一次呼吸的每个点在图580中与呼吸的VE(以升/分钟计)和测试期间发生呼吸的时间对应的位置处作图。这个示例图图示了静息阶段584期间和在运动阶段586的开始时的周期性呼吸。还显示了周期性呼吸的振幅588和时期590。
心率变异性(HRV):在一些实施方案中,心率变异性表示为与心跳之间的时间间隔变化相对应的数值。其通过由DR2系统心电图所记录的逐搏间隔变化来测量。
呼吸频率变异性(RRV):在一些实施方案中,呼吸频率在Poincare散点图或回归映射中作图以量化周期性呼吸功能的自相似性。在一些实施方案中,每次呼吸的呼吸间隔BI(n)针对该次呼吸之后的呼吸的呼吸间隔BI(n+1)进行作图。呼吸间隔被定义为呼气时间加上吸气时间。图16图示了来自气体交换测试系统100的一些实施方案的呼吸数据的Poincare散点图550。在图16中所示的实施例中,对一系列呼吸552进行作图。BI(n)在x轴上作图,而BI(n+1)在y轴上作图。在一些实施方案中,分析此图的形状以确定是否存在呼吸速率或呼吸频率的变异性。在至少一些实施方案中,所述图显示在显示装置上,且用户通过用户界面输入指示存在或缺少呼吸频率变异性的值。在其他实施方案中,使用计算机软件确定呼吸频率变异性的存在、缺少或振幅。例如,在至少一些实施方案中,使用椭圆形拟合技术将椭圆形554拟合为呼吸552。在一些实施方案中,椭圆形554的特性,诸如偏心率用来鉴定和量化呼吸频率变异性。在至少一些实施方案中,这样的显示的目的一个是确定相对于患者的疾病状态的患者活动和/或呼吸功不全。这样的数据可以提供关于在具有急性失代偿的HF患者中的流体积聚的无创性了解。
ST段分析:在至少一些实施方案中,对作为心脏疾病竖井的亚组的冠状动脉疾病的检测可以被认为是呼吸困难的可能病因。在一些实施方案中,对12通道心电图(ECG)的同时监测可以提供指示缺血的心电图改变的实时证据,如通过在一个或多个心前区导联或肢体导联中显著的ST段下降2mm以上所指示。与气体交换测量值改变相组合,通过添加选择参数将增强缺血检测,所述选择参数诸如(1)相对于增加的VO2或功,O2P特征曲线型式中的显著向下斜率迁移,(2)小于40%预测值的低通气阈值点,(3)ETCO2特征曲线的减小,(4)肺容量型式的扁平化或衰减和(5)V/Q比的升高。在一些实施方案中,对ST段改变与选择气体交换变量的实时绘图将辅助缺血发作与功能性心肺改变的联合从而标记由于心脏的血流需求与冠状动脉灌注的不匹配所引起的左室功能不全的发作。
在一些实施方案中,将在规程210过程中捕捉的一些或所有数据存储在数据库128中。
图6是操作特征提取引擎184和分类引擎186的示例方法250的流程图。在此实施例中,方法250包括操作252、254、256、258和266。
在操作252,获得生理测量值。在一些实施方案中,生理测量值获自数据库128。在其他实施方案中,生理测量值直接获自数据采集引擎182。然而也可以有其他实施方案。
在操作254,基于所述生理测量值计算生理值。在一些实施方案中,生理值基于生理测量值中的一个或多个。另外,在一些实施方案中,至少一些生理值基于由用户输入到用户界面中的值进行计算。关于图10更详细地图示和描述在一些实施方案中计算的生理值的实例。
在操作256,对与一个或多个竖井相关的每个生理值计算竖井评分。在一些实施方案中,根据特定的疾病类型或病况对竖井进行预定义。例如,在一些实施方案中,对于去适应(Deconditioned)、肥胖症、心脏病、肺血管或肺动脉高压和肺静脉高压、阻塞性肺病、和限制性肺病中的一种或多种对竖井进行预定义。将每个竖井与在操作254中计算的特定组的经计算的生理值相关联。对于每个竖井,评价相关联的生理值以对该生理值计算竖井评分。例如,在一些实施方案中,对每个生理值计算0-3的竖井评分,其中0代表无,1代表轻微,2代表中等,3代表强。在一些实施方案中,通过将经计算的生理值与预先确定的阈值相比较来计算竖井评分。关于图11更详细地图示和描述预先确定的阈值的一些实施方案的实例。
在操作258,对每个竖井计算贡献评分。在一些实施方案中,贡献评分指示与所述竖井相关联的疾病或病况对呼吸困难贡献的可能性。在一些实施方案中,对一个竖井的贡献评分通过平均与所述竖井相关联的所有生理值的竖井评分进行计算。在一些实施方案中,贡献评分基于相关联的生理值的竖井评分的加权平均值。在一些实施方案中,对竖井评分进行平均加权。在一些实施方案中,对每个竖井的贡献值表示怀疑特殊疾病或病况的证据的力度。在一些实施方案中,用于每个竖井的贡献值是0-3的数值,其中0代表无,1代表轻微,2代表中等,3代表强。
在操作260,竖井显示在用户界面上。在一些实施方案中,竖井显示为垂直柱,其中柱的高度与对所述竖井的贡献评分相关。关于图8更详细地图示和描述了用于显示疾病竖井的用户界面的示例实施方案。在一些实施方案中,用户界面还包括与每个竖井相关联的弹出信息按钮,当点击该按钮时将显示所述竖井的每个构成生理值的测量值和评分的弹出信息窗。关于图9更详细地图示和描述弹出信息窗的示例实施方案。
图7是图示操作特征提取引擎184和分类引擎186的操作的另一示例方法270的流程图。方法270包括操作272、274和278。
在操作272,将变量分配给各竖井。图10图示了使用存储在数据库128中用于每个患者用于在操作274中使用的每个测试的原始变量计算的单个变量的图谱。
在操作274,测量了用于每个变量的证据的力度。图11中的表图示了用于每个变量以确定该变量对呼吸困难的贡献的可能性的值的示例范围。包括在此示例表中的有按0-3的等级用于每个变量的用于确定所述可能性的截止点;0代表无,1代表轻微,2代表中等,3代表强。在一些实施方案中,所述示例范围是气体交换测试系统100的用户或管理者的选择基础。在一些实施方案中,截止点基于和与正常个体相关联的那些值相关地对每个竖井映射的(mapped)变量的更严重疾病状态的假设,还考虑年龄、性别和在一些情况下考虑体重指数(BMI)。在至少一些实施方案中,图11中的表被存储为配置文件使得可以调整截止点以反映由DR2系统的临床测试所标识的改善或允许定制。
在操作276,测量了用于单个竖井的证据的力度。每个竖井的竖直值通过在操作272中选择用于所述竖井的变量和在操作274中的可能性计算来确定。在操作274中对在操作272中被映射到所述竖井的所有变量确定用于每个变量的数值,合计,然后除以被映射的变量数。这产生了0-3的值,所述值与图8中标记的纵轴相互关联。
在至少一些其他实施方案中,使用各种机器学习和数据分类技术进行分类。例如,在至少一些实施方案中,基于从受累和未受累的患者两者捕捉的测量值对慢性疾病竖井中的一种或多种训练分类器。在至少一些实施方案中,分类器是贝叶斯分类器(Bayesianclassifier)。在至少一些其他实施方案中,分类器是支持向量机。还有可能存在分类器的其他实施方案。
图8图示了气体交换测试系统100的示例用户界面300。用户界面300包括疾病严重度滑块302和贡献图304。在一些实施方案中,用户界面300由用户界面引擎188生成。
疾病严重度滑块302指示患者的病况的总体严重度。在一些实施方案中,所述病况的总体严重度基于由数据采集引擎182采集的数据计算。
贡献图304包括一个或多个竖井306以及一个或多个弹出信息按钮308。竖井306对应于特定疾病或病况对患者的呼吸困难的贡献。在显示的实例中,有用于去适应、肥胖症、心脏病、肺血管疾病、阻塞性肺病、和限制性肺病的竖井。在一些实施方案中,竖井的高度与对所述疾病或病况计算的对呼吸困难的贡献度相关联。在一些实施方案中,每个弹出信息按钮308与竖井中的一个相关联。在一些实施方案中,弹出信息按钮308被配置成显示相关联的竖井的每个构成生理值的测量值和评分。
图9是气体交换测试系统100的示例用户界面300的另一图示。在此实例中,显示弹出信息窗330和弹出信息窗332。弹出信息窗330显示在计算在所显示的患者测试数据中心脏病对呼吸困难的贡献中使用的细节。类似地,弹出信息窗332显示在计算在所显示的患者测试数据中肺动脉高压对呼吸困难的贡献中使用的细节。弹出信息窗330和弹出信息窗332两者显示与所述竖井相关联的经计算的生理值,对那些生理值中的每一个计算的竖井评分,以及用来计算所述竖井评分的限值。另外,弹出信息窗330和弹出信息窗332两者显示对所述竖井计算的贡献值。在其他实施方案中,弹出信息窗包括更多、更少或不同的信息。
图10图示在气体交换测试系统100的一些实施方案中用来将多个生理值与竖井相关联的示例表350。生理值在列352中列出。竖井在行354中列出。在一些实施方案中,表350中的“X”指示气体交换测试系统100当计算在行354中列举的竖井的贡献评分时考虑在列352中列举的生理值。一些实施方案包括更多、更少,或不同的竖井或生理值。此外,一些实施方案使用其他技术来组织和存储将生理值与竖井关联的数据。
图11图示在气体交换测试系统100的一些实施方案中用来计算多个生理值的竖井评分的示例表380。该表包括多行382。行382的每一个与生理值相对应。每行包括描述列384,低截止值列386,中截止值列388,高截止值列390和竖井列392。描述列384存储对生理值的描述。低截止值列386、中截止值列388和高截止值列390存储在计算竖井列392中所指定的竖井的竖井评分中所使用的截止值。在一些实施方案中,截止值是数值。在其他实施方案中,截止值是二进制值或其他类型的值。
在一些实施方案中,竖井评分通过将经计算的患者生理值与截止值比较来计算。如果经计算的患者生理值在低截止值外(即,大于或小于,取决于所述生理值),则分配0的竖井评分。如果经计算的患者生理值在低截止值和中截止值之间,则分配1的竖井评分。如果经计算的患者生理值在中截止值和高截止值之间,则分配2的竖井评分。如果经计算的患者生理值在高截止值外(即,大于或小于,取决于所述生理值),则分配3的竖井评分。
图12图示气体交换测试系统100的另一用户界面410。用户界面410包括疾病严重度滑块302和贡献图304。贡献图304包括一个或多个竖井412和一个或多个弹出信息按钮414。竖井412类似于竖井306,不同之处在于肺血管疾病竖井划分成肺动脉高压和肺静脉高压竖井。弹出信息按钮414类似于弹出信息按钮308,不同之处在于它们对应于竖井412。
在一些实施方案中,疾病竖井划分成或细分成多个竖井,所述多个竖井代表主疾病竖井的亚类。例如,一些实施方案包括标题为“肺病”的疾病竖井和两个亚类竖井,阻塞性肺病和限制性肺病。还有可能有其他实施方案。
在一些实施方案中,用户界面410被配置成默认地划分某些主疾病竖井。在其他实施方案中,主疾病竖井仅在其贡献值超过预先确定的阈值时才被划分。此外,在一些实施方案中,主疾病竖井基于用户输入(例如,点击“划分”按钮)进行划分。还有可能存在其他实施方案。
随着临床研究推进,可以实施更多的“竖井划分”。例如,肺动脉高压竖井可以进一步基于多个气体交换变量在WHO 1和WHO2/3PH之间进行划分。例如,一些实施方案使用涉及心力衰竭和肺动脉高压的独立指标作为笛卡尔坐标以区分WHO 1和WHO 2/3PH患者。
另外,在一些实施方案中,心脏病竖井被划分成收缩性心脏病和舒张性心脏病。收缩性和舒张性心脏病具有不同的病因学。收缩性疾病由不佳的心脏灌注或CAD(冠状动脉病)引起。相反,舒张性疾病由未检测到的或治疗无效的系统性高血压的作用所引起,所述未检测到的或治疗无效的系统性高血压增加心脏后负荷并使左心室变硬,减少心动周期的舒张期间的充盈,由此减少每搏输出量或心搏量。
左心室的射血分数(EF)是相对于在舒张充盈期结束时心室中的总血量射出的血液的百分比。在收缩性心脏病中EF典型地小于45%。相反,在舒张性心脏病中,EF可以是正常的。这被称为射血分数保留的心脏病或心力衰竭。EF典型地在门诊或医院环境中在静息时通过超声心动图技术或通过在cat实验室中成像来测量。很少见的是采用运动来评价其增加。
相反,运动气体交换提供在用力期间心肺改变的动态图片,在每个心动周期期间基本上较大体积的血液经过心脏(容量负荷)。已知EF在运动期间从其静息值增加,并且通常在无氧阈(在运动期间通过气体交换变量的变化检测到的点)处达到平稳状态。在此点处相对于耗氧量或其他气体交换变量的低的氧脉搏(O2P)可以是对收缩性心脏病的描述,其型式为随着进一步的心脏运动负荷连续的扁平化或减小。
收缩性心脏病或CAD可以使用经典的12通道ECG ST段分析显示指示在心脏的某些位置中由于在递增负荷期间的灌注不足引起的心脏缺血的心电图变化。心脏病的收缩性和舒张性形式两者是心力衰竭的主要病因并且结局类似。两种类型的心脏病降低呼吸效并且改变/减弱运动期间的潮气末CO2(ETCO2)响应。收缩性心脏病或CAD还减小心脏的收缩运动并且可以通过O2P相对于氧的异常曲线检测到。
相比较,舒张期功能障碍大概描绘为具有达到较低峰值的O2P但具有描述正常收缩功能的正常型式。相信使用O2P曲线的多个描述符结合MPIph度量对运动期间O2P型式的详细分析能够区分收缩性心脏病与舒张性心脏病。还相信具有舒张功能的僵硬心室的初始充盈导致O2P增加和ETCO2升高的延缓。同样,在舒张性心脏病中,O2P在运动期间更易于变得扁平,心室可扩张性和充盈达到阈值。还有可能的是在恢复期间O2P简单地升高,后负荷减小,相比于收缩性心脏病在舒张性心脏病中更是这样。具有舒张期功能障碍的心脏也可以展示出与具有收缩性疾病的心脏相比在恢复期间动力学减小或衰减的速率较慢。
另外,在一些实施方案中,心脏竖井进一步划分成表示急性失代偿心力衰竭(Acute Decompensated Heart Failure,ADHF)的附加竖井。ADHF竖井可以基于多个生理测量值。例如,用于ADHF竖井的竖井评分可以基于选自由以下各项组成的生理参数组的至少两个生理参数:周期性呼吸、肺活量测量、通气效率、潮气末CO2、V/Q比、肺容量和PetCO2/RR。在经网络连接用于远程监测或基于家庭的监测(诸如图18中)的系统的实施方案中,与ADHF相关的变量可以如事先定义的那样被用来指示由失代偿过程所导致的呼吸困难的可能性。
DR2作图
如前所述,图8图示了一种显示疾病竖井的方法。还如之前所述,图12图示了所述方法如何可以扩展至疾病的亚类。在此实例中,肺血管疾病竖井被划分成用于肺动脉高压(WHO 1)和肺静脉高压(WHO 2)的独立竖井。在一些实施方案中,亚类区分采用多层方法,所述方法利用下列中的一个或多个:(1)用于选择气体交换变量的平均范围,所述平均范围已经证明在WHO 1和WHO 2之间显著不同,(2)来自其他疾病竖井的支持可能性数据以确认是否存在心脏病或肺病,和(3)使用MVI vs MPIph作图进行象限图分析(图13)。
图13图示了气体交换测试系统100的一些实施方案的示例图450。图450包括WHO 1区452、WHO 2&3区454、和正常区456。还显示了指示符458,其指示图450上患者测试的位置。
WHO 1区452指示图450中与患有WHO 1PH的个体相关的区。WHO2&3区454指示图450中与患有WHO 2&3PH的个体相关的区。正常区456指示图450中与正常的无疾病个体相关的区。
在一些实施方案中,在患者测试结束后,在图450上在对应于在测试期间计算的MVI(水平)和MPIph(垂直)的位置处绘制指示符458。在图13中,指示符458位于与WHO 1或WHO 2/3相关联的区中。在此情况下,利用其他区分层来进行区分。
例如,如果心脏病的可能性为中等至高,则与不存在左室功能障碍的WHO 1相比,有可能存在继发性PH或WHO 2。类似地,如果在FVL阶段212期间进行的流量容积环支持存在COPD,则PH的类型与WHO 3型相关或继发于肺病的可能性增加。另外,DR2数据将显示任何心脏病存在可能性的减少或最小/不存在。
在一些实施方案中,为了与被用于MVI(<1正常,递增的疾病严重度的范围为1-4)的缩放比例相一致,MPIph被按比例绘制成与MVI评分相同的数值范围。例如,在一些实施方案中,当用于DR2系统时,MPIph值使用下列的公式进行反转和归一化计算:反转和归一化的MPIph=(-1*MPIph)/8。
在一些实施方案中,所述区基于专门知识定义并且是可配置的。例如,在一些实施方案中,所述区的尺寸来源于视觉观察或对来自在患有被分类的疾病的患者上的测试的回顾性分析的数据的统计测定。在一些实施方案中,所述尺寸被存储在配置文件中使得能够定制和随时间推移而改进。在其他实施方案中,所述区使用机器学习技术定义,所述机器学习技术分析一组训练数据(例如,获自来自每一组的个体的示例数据)。
使用MVI vs MPlph作图的治疗追踪
图14是气体交换测试系统100的一些实施方案的示例图450的另一图示。在图14中,DR2系统用来观察选择用于患者的治疗是否产生了改善或通过观察来自新测试的MVI和MPIph(或反转和归一化的MPIph)与前一测试(图13)相关联地放置来观察是否正在恶化。如果病况改善,则任一个的减少将会导致将第二指示符460放置更接近于MVI vs MPIph(或反转和归一化的MPIph)绘图的左下象限中的正常簇。如果患者的病况恶化,则第二指示符462将在相同绘图上向上放置和/或向右侧放置。在一些实施方案中,如果患者的病况改善,则第二指示符被着成绿色,并且如果所述病况恶化则着成红色。
使用DR2疾病竖井的治疗追踪
现在参照图15,图示了气体交换测试系统100的一些实施方案的用户界面490。用户界面490类似于用户界面410(显示在图12中),不同之处在于其包括治疗追踪信息。在一些实施方案中,表示用于每一种疾病或病况的竖井的垂直柱被划分成两个柱,每个柱的宽度为原始测试的柱的宽度的一半。黑色柱表示在当前测试之前的测试中测定的值。每个垂直柱的第二半是在当前测试中测定的每个竖井的值。在一些实施方案中,如果改善则第二半是绿色(例如,比原始测试中更低的贡献评分),如果恶化则是红色(例如,比原始测试中更高的贡献值)。在一些实施方案中,表示竖井的柱具有不同的颜色。另外,在一些实施方案中,治疗追踪包括多于一个先前测试从而能够连续地评估患者。
以此方式,所有测试可以容易地被医生审查,并且对于针对原发性或继发性肺动脉高压的那些测试,医生可以快速地将PH的类型分类。
使用包括周期性呼吸的多变量指标的治疗追踪
在一些实施方案中,周期性呼吸可以被包括作为指标评分的组分,其也基于多种其他生理测量值。显示了通过气体交换测试系统100的一些实施方案计算的指标评分IS:
(1)IS=(W1*IVI1+W2*IVI2+...+Wn*IVIn+Wpb*IVIpb)/(n+1)
其中
IVI1-IVIn表示用于n个测量到的生理参数的个体变量指标(IVI);
IVIpb表示用于周期性呼吸的个体变量指标;
W1-Wn表示用于n个个体变量指标的权重因子;以及
Wpb表示用于周期性呼吸个体变量指标的权重因子。
在一些实施方案中,用于周期性呼吸的个体变量指标(IVIpb)如下所示计算:
(2)IVIpb=((1+((PBmeas-PBnv)/PBd))*-1)+1,
其中
PBmeas表示测量到的或输入的用于周期性呼吸的值;
PBnv是周期性呼吸的正常值;以及
PBd是用于周期性呼吸的增量(Δ)。
用于PBmeas的数值可以定量地或定性地确定。例如,用于PBmeas的数值可以基于呼吸数据中周期性呼吸的测量到的振幅或时期。这些值可以使用对呼吸数据的计算分析或通过人工测量来确定。备选地,PBmeas可以是由监护员基于对呼吸数据的目测输入的定性评分。在至少一些实施方案中,PBmeas是0或1的二进制值,分别指示周期性呼吸的不存在或存在。
在至少一些实施方案中,PBd和PBnv基于历史数据设定。PBnv可以设定为数据样本的标准差。备选地,PBnv设定为指示不存在周期性呼吸的值(例如,0),而PBnv设为1。可能存在其他实施方案。
此外,方程(1)和(2)是在一些实施方案中使用的实例。其他实施方案也使用其他方程。
在治疗的进程中,指标评分(IS)可以重新计算多次以监测疾病进展并评价各种治疗的效力。在评价的时候多个评分可以存储在数据库中。然后可以检索所述评分并将其显示在气体交换测试系统100的用户界面上。
现在参照图18,图示了示例性网络化的气体交换测试系统600。所述网络化的气体交换测试系统600可以用于远程测试和监测患者。例如,网络化的气体交换测试系统600可以用于非临床环境,诸如在患者的家里。在此实例中,网络化的气体交换测试系统600包括气体交换测试系统100、网络602和服务器604。
在一些实施方案中,气体交换测试系统100被配置成将与气体交换测试相关的数据(诸如生理参数的测量值,指标评分,等)经网络602发送到服务器604。
网络602是有助于气体交换测试系统100和服务器604之间的通信的电子通信网络。电子通信网络是多个计算装置和计算装置之间的链接的集合。网络中的计算装置使用所述链接以实现网络中计算装置之间的通信。网络602可以包括路由器、交换机、移动接入点、网桥、集线器、入侵检测装置、存储装置、独立服务器装置、刀片服务器装置、传感器、台式电脑、防火墙装置、手提电脑、手持计算机、移动电话和其他类型的计算装置。
在各个实施方案中,网络602包括各种类型的链接。例如,网络602可以包括有线和/或无线链接,包括蓝牙、超宽带(UWB)、802.11、ZigBee,和其他类型的无线链接。此外,在各个实施方案中,网络602以各种规模实施。例如,网络602可以作为一个或多个局域网(LAN)、城域网、子网络、广域网络(诸如互联网)实施,或以另一规模实施。
服务器604包括一个或多个计算装置。计算装置的各个实施方案已经在上面进行描述。此外,在一些实施方案中,服务器604包括单一服务器或一组服务器。在另一实施例中,服务器604可以是分布式网络服务器,通常称为“云”服务器。
在一些实施方案中,服务器604操作以接收数据诸如来自气体交换测试系统100的测试结果和生理测量值。服务器604然后处理数据并将其储存在数据库或电子医学记录系统中的一个或多个中。在一些实施方案中,服务器604包括模式识别系统180。
在一些实施方案中,服务器604生成用户界面,诸如具有用户界面引擎188,并传输用于远程显示的那些用户界面。例如,服务器604可以生成网页,所述网页包括含有从气体交换测试系统100传输的测试数据的用户界面。所述网页然后可以被传输到患者或监护者的计算装置(例如,智能手机、个人计算机或台式计算机)。
另外,在一些实施方案中,气体交换测试系统100与移动电话或其他网络连接的计算装置通信以访问网络602。例如,气体交换测试系统100可以通过使用蓝牙与移动电话将数据传输到服务器604。也可能有其他实施方案。
仅通过举例说明提供上述各个实施方案,所述各个实施方案不应当被解释为限制附带的权利要求。本领域技术人员将容易认识到各种改型和变化,可以在不遵照本文所举例说明和描述的示例实施方案和应用并且不背离下列权利要求的真实精神和范围的前提下做出所述改型和变化。

Claims (15)

1.一种用于表征多种可能导致呼吸困难的生理病况对患者中的呼吸困难的贡献的系统,所述系统包括:
流量传感器,所述流量传感器被配置成感测所述患者的呼吸流;
分析仪,所述分析仪被配置成确定所述患者的所述呼吸流的至少一部分的组成;
计算装置,所述计算装置被配置成:
接收气体交换测量值,所述气体交换测量值基于在气体交换测试期间由所述流量传感器和所述分析仪所捕捉的相续呼吸数据;
确定与第一生理病况对呼吸困难贡献的可能性相关的第一贡献值,其中所述第一贡献值基于所述气体交换测量值;
确定与第二生理病况对呼吸困难贡献的可能性相关的第二贡献值,其中所述第二贡献值基于所述气体交换测量值;以及
输出所述第一贡献值和所述第二贡献值。
2.权利要求1所述的系统,其中所述计算装置进一步被配置成接收肺活量测定测量值,所述肺活量测定测量值包括用力肺活量(FVC)、一秒钟用力呼吸量(FEV1)和吸气量(IC)。
3.权利要求2所述的系统,其中从所述流量传感器接收所述肺活量测定测量值。
4.权利要求2所述的系统,进一步包括用户输入装置,其中使用所述用户输入装置输入所述肺活量测定测量值。
5.权利要求2所述的系统,其中所述第一贡献值基于所述肺活量测定测量值和所述气体交换测量值。
6.权利要求1所述的系统,其中所述分析仪被配置成确定所述呼吸流的一种或多种组分的浓度,其中所述组分选自包括下列各项的组分的组:
氧;和
二氧化碳。
7.权利要求6所述的系统,其中所述计算装置进一步被配置成基于所述气体交换测量值计算至少一个生理参数,其中所述至少一个生理参数选自包括下列各项的生理参数的组:
呼吸频率(RR);
通气量(VE);
氧摄取或消耗速率(VO2);
二氧化碳产出量(VCO2);
通气效率比率(比率,VE/VCO2);
通气效率斜率(斜率,VE/VCO2);
潮气末CO2
潮气末CO2/呼吸频率(RR)
氧摄取效率斜率(OUES);
V/Q;和
肺容量。
8.权利要求1所述的系统,其中所述第一生理病况和所述第二生理病况选自由下列各项组成的生理病况的组:心力衰竭、肺动脉高压、肺静脉高压、阻塞肺、限制性肺、肥胖症、一般性去适应和急性失代偿心力衰竭。
9.权利要求1所述的系统,其中所述计算装置进一步被配置成将基于所述气体交换测量值的数据经网络传输至服务器计算装置。
10.权利要求1所述的系统,其中所述计算装置是移动计算装置。
11.权利要求1所述的系统,其中所述计算装置包括显示装置并且进一步被配置成生成包括第一视觉指示物的用户界面,其中所述第一视觉指示物的性质基于所述第一贡献值确定。
12.权利要求11所述的系统,其中所述用户界面包括第二视觉指示物,其中所述第二视觉指示物的性质基于所述第二贡献值。
13.权利要求12所述的系统,其中所述第一视觉指示物和第二视觉指示物的所述性质选自包括下列各项的性质的组:
大小;
高度;
和颜色。
14.权利要求1所述的系统,进一步包括计算机可读数据存储装置并且其中所述计算装置被配置成显示至少一个历史视觉指示物,其中所述至少一个历史视觉指示物的性质基于来自所述患者的历史气体交换测试的历史贡献值确定,与所述历史气体交换测试相关的数据存储在所述计算机可读数据存储装置中。
15.权利要求1所述的系统,其中所述气体交换测试包括静息阶段、运动阶段和恢复期,其中所述患者在所述运动阶段期间进行运动。
CN201580028147.4A 2014-03-28 2015-03-16 用于量化慢性疾病的多种可能形式对被报告呼吸困难的患者的贡献的可能性的模式识别系统 Active CN106572813B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201461971915P 2014-03-28 2014-03-28
US61/971,915 2014-03-28
US14/341,442 2014-07-25
US14/341,442 US10010264B2 (en) 2013-07-25 2014-07-25 Pattern recognition system for quantifying the likelihood of the contribution of multiple possible forms of chronic disease to patient reported dyspnea
PCT/US2015/020703 WO2015148169A1 (en) 2014-03-28 2015-03-16 Pattern recognition system for quantifying the likelihood of the contribution of multiple possible forms of chronic disease to patient reported dyspnea

Publications (2)

Publication Number Publication Date
CN106572813A CN106572813A (zh) 2017-04-19
CN106572813B true CN106572813B (zh) 2020-07-17

Family

ID=54196230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580028147.4A Active CN106572813B (zh) 2014-03-28 2015-03-16 用于量化慢性疾病的多种可能形式对被报告呼吸困难的患者的贡献的可能性的模式识别系统

Country Status (2)

Country Link
CN (1) CN106572813B (zh)
WO (1) WO2015148169A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019046413A1 (en) * 2017-08-30 2019-03-07 Bellerophon Pulse Technologies Llc USE OF INHALED NITRIC OXIDE FOR ENHANCED RIGHT AND / OR LEFT VENTRICULAR FUNCTION
KR20200127157A (ko) * 2017-12-28 2020-11-10 벨레로폰 펄스 테크놀로지스 엘엘씨 폐고혈압의 치료를 위한 흡입 산화질소 및 산소의 사용
CN109431465B (zh) * 2018-10-26 2021-06-22 南京邮电大学 一种基于射频标签技术的老年人睡眠质量监测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101524274A (zh) * 2008-03-06 2009-09-09 北京梅斐技术开发中心 一种计算机程序控制的呼吸频率检测装置
US8342178B2 (en) * 2008-05-08 2013-01-01 Dräger Medical GmbH Device for taking and analyzing breathing gas samples
CN103153184A (zh) * 2010-08-13 2013-06-12 呼吸运动公司 用于通过呼吸量、运动和变化性的测量进行呼吸振动监视的设备和方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040186389A1 (en) * 1998-02-05 2004-09-23 Mault James R Apparatus and method for determining a respiratory quotient
DE10031079A1 (de) * 2000-06-30 2002-02-07 Map Gmbh Vorrichtung zur Erfassung der Atmungsstätigkeit einer Person sowie Vorrichtung zur Vorgabe physikalischer Parameter bei der Zufuhr eines Atemgases
US7787946B2 (en) * 2003-08-18 2010-08-31 Cardiac Pacemakers, Inc. Patient monitoring, diagnosis, and/or therapy systems and methods
WO2012069051A1 (en) * 2010-11-26 2012-05-31 Mermaid Care A/S The automatic lung parameter estimator for measuring oxygen and carbon dioxide gas exchange
BR112013021132A2 (pt) * 2011-02-22 2019-09-24 Koninklijke Philips Electrnics N. V. sistema de monitoramento do dióxido de carbono (co2) para uso com pacientes em intubação, colocação avançada da via aérea, ressucitação cardiopulmonar (cpr), ou ventilação

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101524274A (zh) * 2008-03-06 2009-09-09 北京梅斐技术开发中心 一种计算机程序控制的呼吸频率检测装置
US8342178B2 (en) * 2008-05-08 2013-01-01 Dräger Medical GmbH Device for taking and analyzing breathing gas samples
CN103153184A (zh) * 2010-08-13 2013-06-12 呼吸运动公司 用于通过呼吸量、运动和变化性的测量进行呼吸振动监视的设备和方法

Also Published As

Publication number Publication date
CN106572813A (zh) 2017-04-19
WO2015148169A1 (en) 2015-10-01

Similar Documents

Publication Publication Date Title
US20220079470A1 (en) Pattern recognition system for quantifying the likelihood of the contribution of multiple possible forms of chronic disease to patient reported dyspnea
US20210345934A1 (en) Methods and systems for determining a physiological or biological state or condition of a subject
US20120016251A1 (en) System for Respiration Data Processing and Characterization
US8775093B2 (en) Pattern recognition system for classifying the functional status of patients with pulmonary hypertension, including pulmonary arterial and pulmonary vascular hypertension
US20230240545A1 (en) Heart Rate Variability Composite Scoring and Analysis
CN106572813B (zh) 用于量化慢性疾病的多种可能形式对被报告呼吸困难的患者的贡献的可能性的模式识别系统
WO2021225744A1 (en) Heart rate variability monitoring and analysis
US20100286534A1 (en) Methods and systems for assessing metabolic transition points
US20200359909A1 (en) Monitoring device including vital signals to identify an infection and/or candidates for autonomic neuromodulation therapy
US8630811B2 (en) Method for combining individual risk variables derived from cardiopulmonary exercise testing into a single variable
Rahman et al. Automated assessment of pulmonary patients using heart rate variability from everyday wearables
Ding et al. Point-of-care technologies in heart, lung, blood and sleep disorders from the Center for Advancing Point-of-Care Technologies
JPWO2020059641A1 (ja) 循環器系の状態の評価を支援するための評価支援システム及び評価支援方法
US20220039689A1 (en) Gas exchange systems and methods for calculating ventilatory threshold and evaluating pulmonary arterial hyertension
JP5296392B2 (ja) 自己組織化マップを用いた健康状態判定支援システム及び自己組織化マップ生成システム
Xie et al. Prediction of chronic obstructive pulmonary disease exacerbation using physiological time series patterns
US20210298608A1 (en) Pattern recognition system for identifying patients with ischemic heart disease
WO2020257609A1 (en) Diagnostics and treatments for cardiac disease
US11497439B2 (en) Pattern recognition system for classifying the functional status of patients with chronic heart, lung, and pulmonary vascular diseases
Bostwick et al. The approach to the patient with chronic dyspnea of unclear etiology
Harris et al. The preliminary credibility assessment system embedded algorithm description and validation results
Domingo et al. Cardiovascular health pre-diagnosis based on a BP profile using Artificial Neural Network
WO2023214956A1 (en) Systems, devices, and methods for biomarker detection and tracking
CA2780384A1 (en) Pattern recognition system for classifying the functional status of patients with pulmonary hypertension, including pulmonary arterial and pulmonary vascular hypertension

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant