CN111954489A - 计算和显示由非侵入式基于阻抗的呼吸容积监测获得的连续监测的潮式呼吸流动-容积环(tbfvl)的装置和方法 - Google Patents
计算和显示由非侵入式基于阻抗的呼吸容积监测获得的连续监测的潮式呼吸流动-容积环(tbfvl)的装置和方法 Download PDFInfo
- Publication number
- CN111954489A CN111954489A CN201880089500.3A CN201880089500A CN111954489A CN 111954489 A CN111954489 A CN 111954489A CN 201880089500 A CN201880089500 A CN 201880089500A CN 111954489 A CN111954489 A CN 111954489A
- Authority
- CN
- China
- Prior art keywords
- flow
- volume
- loop
- volume loop
- patient
- 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.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0809—Detecting, measuring or recording devices for evaluating the respiratory organs by impedance pneumography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0803—Recording apparatus specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/085—Measuring impedance of respiratory organs or lung elasticity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/091—Measuring volume of inspired or expired gases, e.g. to determine lung capacity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0826—Detecting or evaluating apnoea events
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Pulmonology (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Fuzzy Systems (AREA)
- Nursing (AREA)
- Radiology & Medical Imaging (AREA)
- Evolutionary Computation (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
公开了显示患者的流动‑容积环和流动‑容积环横跨所测量呼吸的可变性的方法和系统。所述方法包括:在数据获取装置上获得患者的生理数据集;在处理装置上向生理数据集应用平滑与曲线拟合算法,以获得多个时间点处的实时容积和流动数据;在处理装置上向容积和流动数据应用可视化算法,以基于容积和流动数据而创建一系列流动‑容积环;以及在显示装置上输出流动‑容积环的图表,以帮助评估或诊断患者。
Description
相关申请的参考。
本申请要求具有相同名称的在2017年12月15提交的美国临时申请第62/599,153号的优先权,其全部通过参考具体地并入本文。
技术领域
本发明涉及计算和显示由非侵入式基于阻抗的呼吸容积监测获得的连续监测的潮式呼吸流动-容积环(TBFVL或FVL)的装置和方法。
背景技术
实时流动-容积环监测在某些肺部疾病的诊断、鉴别诊断、监测和治疗反应性的方面是有用的,然而,由于技术困难,因此其对于非插管和潮式容积呼吸患者的临床应用已受到限制。
肺活量测定法是肺功能测试的整体部分,其中,测量并且呈现肺功能状态的各种参数,例如,潮式容积(TV)、功能残气量(FRC)、肺活量(LC)等等(见表1)。虽然肺活量测定法是对于非插管患者中的流动-容积环测量的黄金标准,但潮式呼吸流动-容积环(TBFVL或FVL)可提供传统肺活量测定法不可提供的有用信息。肺活量测定法测试通常需要清醒有意识并且配合的患者。收集肺活量测定法数据所要求的操作通常对于患者或个体具有学习曲线,并且对于给定操作要求肺活量测定法测试在+/-3%内,以被视为是可接受的。儿童、老年人以及患有影响认知功能、吸气/呼气肌肉力量的疾病和肺部疾病(即,谵妄、痴呆、COPD、肌萎缩性脊髓侧索硬化症等等)的人要求大量训练、练习和指导,以实现高质量的结果。通常,不可获得可用结果。通过去除对于患者配合或作出显著呼吸努力的要求,TBFVL测量还具有的优点是,提供了在基础条件下或变化的生理机能(例如,运动或疾病状态)条件下或在进行药物治疗或其它疗法之前和之后展示呼吸功能的数据。
表1。
越来越多证据指示清醒或睡着的自主呼吸患者的TBFVL的动态变化对于正常患者和具有限制性或阻塞性气道的患者两者具有临床意义。然而,在现场缺少监测限制了此信息的使用。
最近,已开发了若干非侵入式方法,以填补对于临床监测所需的技术空白,其包括基于背心和面罩的系统。FloRight(基于背心的系统)通过检测由患者穿戴的柔性线圈中的磁场变化而测量胸腹容积。虽然此方法是非侵入式的,但研究已得出的结论是,其不适于潮式容积测量或长期监测。FloRight和肺量计之间的比较显示的是,FloRight始终低估潮式容积。FloRight系统还要求容积信号的重复漂移校正,这可长期影响测量。使用超声流动计(USFM)的基于面罩的系统利用面罩替代标准PFT的口罩。USFM使用基于超声的空气流动测量,其可比基于背心的容积测量更准确;然而,其不是没有其限制性。面罩的侵入性限制了装置抽查潮式容积和每分钟通气量,并且转而阻止连续长期监测。面罩还增加附加无效空间,这可改变呼吸模式和深度。
非侵入式呼吸监测系统已应用于监测患有肺部疾病(包括哮喘、COPD以及其它)的患者。在基于最大吸气的标准FVL以及TBFVL两者中,在对于受阻塞的患者特别是那些患有严重阻塞性疾病的患者的流动-容积环中可观察到呼气流动限制(见图3C)。被称为负呼气压力(NEP)的技术已与肺量计结合应用,以确定患者在潮式呼吸期间是否具有呼气流动限制。所述技术通过在潮式呼吸的呼气阶段期间施加小负压力而工作,这增加呼气流动。当NEP应用于具有潮式流动限制的患者时,流动-容积环从原始TBFVL偏离,但呼气曲线在具有潮式流动限制的患者中保持相同。此技术仅可在具有口罩的患者中执行,并且要求真空。由于实际限制并且缺少商业技术解决方案,因此所述技术尚未在临床实践中广泛实施。
也已在运动生理机能领域中在健康个体中测量了TBFVL。所记录的是,一些个体(包括经训练的运动员)在运动期间展现流动限制。然而,这些测量已全部利用专业设施在受控实验室环境中收集。特别地,使用鼻夹和口罩或面罩的肺量计仅可对于有限时间量使用。这防止了利用呼吸监测设施在专业运动试验之后在休息和恢复周期期间连续监测运动员或其它个体。
由于不可训练动物,以执行肺功能测试,因此TBFVL已在兽医学中受到关注。类似于人类运动员,测量竞速动物、马术运动以及其它中的呼吸功能的能力对于治疗动物并且最大化性能表现可为有用的。USFM已用于测量体育运动马匹中的TBFVL,以便检测复发的气道阻塞。对于诊断、监测或治疗功效的评估,其它兽医应用类似于人类医学。
因此,需要可实时、非侵入式地并且连续长达24小时或更长时间地监测潮式呼吸流动-容积的系统。由于呼吸大小和速率将影响在TBFVL中测量的项目,因此这些参数的并入对于一些应用将是有用的。TV和RR以及TBFVL的准确监测将帮助解释数据。
发明内容
本发明通过提供以下装置和方法而克服了与当前策略和设计相关联的问题和缺点,所述装置和方法用于收集和显示由非侵入式呼吸容积监测器获得的呈图形形式的呼吸容积迹线,其中,沿着一个轴线绘制瞬时呼吸容积(V),并且沿着第二轴线绘制呼吸流动的变化(即,呼吸容积随时间的变化,dV/dt)。将此图形与其它生理参数(例如,TV、RR和吸气呼气比)配对提供了附加信息。
本发明的附加实施例和优点部分在随后的描述中阐述,并且部分可根据此描述显而易见,或可从本发明的实践得知。
本发明的实施例使得数据能够由计算机软件收集和分析,以提供TV和RR数据,以便生成和显示可在用户选择的位置处(包括在个体的护理点或测量源处,或在远程位置处)呈现到用户的数值、图表和迹线。定制计算机软件代码可驻存在测量设备内部或位于外部的计算机处理和存储单元上,并且可对于从电极或其它传感器(其可优选地定位在人体上)得出的测量执行计算和计算机操作。测量设备和计算机软件的组合优选地实现了对于呼吸状态的迹线、TBFVL和数值指数的呈现,其中,数值指数和图表的整个集合变成描述患者的“呼吸概况”或“呼吸特征”。通过使受试者或患者以该规定方式呼吸,本发明还可生成最大努力TBFVL。
本发明可提供流动-容积环(FVL)测量,无论其来自最大努力或来自连续潮式呼吸监测或是如由诊断医生禁止的任何呼吸模式。本发明应用于可生成FVL的所有呼吸形式的测量。
在一个实施例中,本发明优选地实现了从许多患者收集呼吸测量,允许连续并入新数据,用于由定制软件计算的现有概况和特征的扩展和细化。在计算机软件代码中存在有对于本文详细总结和描述的所有实施例共同的特征。
在一个实施例中,本发明优选地允许呼吸监测以及绝对容积和流动信息的同时收集,这由软件实现。在优选实施例中,这与测量电极的优选定位相关联。
在一个实施例中,来自一组电极或传感器的阻抗测量被记录和传输到计算机处理单元,并且转换成描述患者的呼吸状态的容积迹线和数值。在优选实施例中,本发明利用图表提供此信息,所述图表显示容积和流动速率两者关于时间的瞬时变化(即,TBFVL)之间的关系以及从这些图表得出的相关联新信息。在一个实施例中,新信息优选地通过使用TBFVL进行计算的定制软件程序生成。
在一个实施例中,FVL的形状由医师、生理学家或可使用FVL形状的其它用户解释,以进行诊断或帮助疾病的诊断,评定生理机能,监测或评定对于疗法的反应。本发明将利用新电极的重复应用而允许短期和长期监测(数小时至数天至数周至甚至更长周期)。TBFVL形状数据可用于评定患有限制性或阻塞性肺病、具有肺后遗症的心脏病、运动或训练效果以及药物或装置驱动疗法或改进或维持健康的方法的效果的患者。在优选实施例中,软件代码将FVL分解成若干区段,用于计算和自动数据拟合,并且利用不同数学函数而拟合每个区段。在一个实施例中,这些所生成数据点对于数据拟合和一致性而被评估,并且可被进一步细化成描述特征的数值参数。这些特征优选地识别对于每个单独呼吸的呼吸周期的方面,并且实现了随时间追踪这些相同特征,以对于单个患者创建所观察的呼吸模式或“轨迹”的趋势。由于甚至对于单个患者在整个监测周期对于每次呼吸创建大量数值或指标,因此这些趋势可由计算机软件代码汇总,以创建患者的呼吸状态的“概况”。
可根据其与不同病理表现和患者病史的关联性和外观而进一步细化和分类这些概况。在一个实施例中,软件优选地使用有监督和无监督的算法两者而将所述分类分成概况以及然后概况的分类符。虽然有监督的算法优选地使用统计工具和到抽象相位空间中的投影而识别分组,但无监督的学习算法将优选地利用使用附加专用运算处理单元的深度学习机器学习工具。原理是,每个FVL是2维图表(其是2维图像),并且关于时间绘制的许多FVL将创建3维“流动容积隧道”(FVT)(见图6-8)。可通过改变时间轴线而修改隧道的长度,但不同于基于单次呼吸或三次或更多次呼吸的平均值或叠加的FVL,呼吸速率也将是改变FVT的特性的特征。所述实施例还生成FVT图像的图表,其可由临床医生、生理学家或其它用户用于评估呼吸状态、疾病状态或对于刺激或疗法的反应。使用定制机器学习软件代码,这些FVL图像和二次计算以及FVT图像和二次计算优选地变成描述受监测人员的呼吸状态的附加参数。此实施例允许组织和呈现FVL和FVT图表、图形、数值以及与呼吸状态数据库的相关性,以增强用户测量呼吸模式的变化或识别正常/异常或健康/病理性呼吸状态的能力。
实施例优选地是,显示引擎组合了容积和流动迹线的实时图形显示与容积和/或呼吸速率基于迹线的绝对值。计算机代码优选地驻存在用于获取呼吸容积迹线的装置中包括的处理单元上,随着获取数据而实现瞬时呼吸容积、呼吸速率以及呼吸流动变化的计算和绘制。容积信息以及同时瞬时流动速率两者优选地绘制在垂直轴线上,并且得出流动容积环(FVL)以及如由数值指数指示的患者当前呼吸状态。在优选实施例中,生物阻抗测量提供对于FVL和FVT的数据以及所计算的呼吸参数,并且由于电极在受试者的上部躯体上的优选放置,因此这些测量优选地是准确的。在此实施例中,处理单元、电极垫、软件和显示器一起组合这些信息流,用于显示到用户。所显示的信息包括但不限于如由迹线绘制或由数值呈现的容积、流动和呼吸状态。所呈现的数据告知在自主或自然呼吸期间的吸入容积(“潮式容积”或“潮式呼吸”)、在潮式呼吸期间在给定时间框架内的呼吸次数(“呼吸速率”)以及在潮式呼吸期间在1分钟内吸入的总空气容积(“每分钟通气容积”)以及等等的状态,但并不限于此。可基于个体运动水平、新陈代谢水平、对于药物或装置疗法的反应、治疗操作、对于具体动作方案、疾病状态(例如,充血性心力衰竭、败血症、COPD、囊胞性纤维症、支气管肺发育不良、限制型肺部疾病)的反应而确定或记录潮式呼吸值、FVL、FVT以及其模式的改变。在一个实施例中,计算机代码优选地被配置成通过曲线拟合以及基于定制算法的其它操作而对于每个FVL或FVT操作,其中,所理解的是,FVL的不同部分可由不同算法和模型拟合。
在一个实施例中,测量设备、计算机处理单元和显示单元可全部驻留在物理分立位置中,并且经由基于本地和因特网的通信网络通信。
在本发明的另一优选实施例中,系统包括位于测量设备外部的处理单元以及其内部处理单元,并且使用所编写的计算机程序代码,以生成视觉图表和数值指数,用于显示到用户。外部处理单元优选地通过无线(例如,蓝牙、Wi-Fi、近场通信、短波无线电、蜂窝数据传输等等)或有线以太网连接而连接到测量设备。测量设备优选地将阻抗和容积信息传输到外部处理单元,所述外部处理单元包括计算和显示图表和数值指数所要求的软件程序,如在第一实施例中描述的。本发明优选地允许所测量的数据到位于外部的计算机处理单元的及时分布,所述计算机处理单元优选地运行计算机程序,用于处理来自单个个体或来自多个个体的测量,用于显示。显示器可位于远离患者,并且还可显示对于多于一个患者的图表和数值。
本发明的另一实施例优选地包括测量设备,所述测量设备在缺少计算机处理单元的情况下工作,并且可将容积和阻抗迹线发送到位于外部的计算机处理单元,如在本发明的其它实施例的情况下。然后,位于外部的处理单元可在多个显示位置(包括测量源(即,患者休息的位置)处和如由终端用户指定的监测位置处的显示监测器)处收集、处理和呈现迹线、图表和数值。
本发明的另一实施例优选地是,测量设备和内部计算机处理单元(如在第一和第二实施例中描述的)用于将信息发送到外部计算机处理和数据存储单元(一起被称为“服务器”)。通过有线或无线以太网或其它无线方法(例如,蓝牙、Wi-Fi、近场通信协议、通过蜂窝网络等等)或通过由用户提供的存储机制的数据传送而发送数据。收集远程捕获的测量的服务器可在医疗护理组织(例如,医院)的物理控制下,或由商业实体控制,或被签约到提供远程托管和运算服务的第三方供应商(后者被称为“基于云的服务器”)。生理数据集可传输到服务器,其中,被安装在服务器上的定制计算机可执行指令可处理数据集,并且生成FVL/TBFVL图形和数值数据的表示,用于呈现到用户。因此,此服务器系统(由公司直接控制,或通过云服务供应商签约)可对于容积迹线执行运算操作,以生成指示呼吸状态的图表、数值和迹线,用于显示和进一步分析。此实施例优选地允许横跨来自护理区域点、单个位置(医院或医院系统)内的护理单元的多个患者以及横跨多个监测位置的处理和存储。监测位置被限定为具有此处描述的本发明的物理示例或是本发明的明显扩展的位置,而不论所述位置是在由保健专业人员照料的护理区域点中、在家、或是在非保健护理位置(例如但不限于健身中心、健身房、学校、球场以及等等)中。
本发明的一个实施例涉及显示患者的流动-容积环和流动-容积环横跨所测量呼吸的可变性的方法。所述方法包括以下步骤:在数据获取装置上获得患者的生理数据集;在处理装置上向生理数据集应用平滑与曲线拟合算法,以获得多个时间点处的实时容积和流动数据;在处理装置上向容积和流动数据应用可视化算法,以基于容积和流动数据而创建一系列流动-容积环;以及在显示装置上输出流动-容积环的图表,以帮助评估或诊断患者。
优选地,所述方法还包括将流动容积环与潮式容积和呼吸速率的指标配对。优选地,所述方法还包括在处理装置上应用匹配算法,以识别正常流动-容积环和指示可能的病理状态或变化的生理机能状态的流动-容积环。优选地,所述方法还包括追踪和更新处理装置上的流动-容积环,以识别对于治疗、活动变化、运动方案变化和治疗操作中的至少一个的反应。优选地,所述方法还包括在显示装置上显示治疗、活动变化、运动方案变化和治疗操作中的至少一个的有效性的至少一个指示。
在优选实施例中,数据获取装置、处理装置和显示装置由通信网络通过一定距离联接。优选地,生理数据集是呼吸数据集或心脏数据集。优选地,平滑与曲线拟合算法是移动平均算法、数字滤波算法和经由迭代误差减少学习算法的拟合中的一个。在优选实施例中,多个流动-容积环在显示装置上叠加。优选地,叠加环被集成为代表性环。
优选地,相邻地绘制多个流动-容积环,以显示流动-容积环之间的差异。优选地,以螺旋形配置显示相邻地绘制的流动-容积环。在优选实施例中,流动-容积环被分区段成单独部分,并且单独地分析每个部分。优选地,自动化无监督的算法经由匹配算法而识别所关注的流动-容积环。优选地,所述方法还包括创建数据库,其中,根据临床相关呼吸系统相关诊断而连续更新和分类与流动-容积环相关的诊断信息。
优选地,所述方法还包括创建数据库,其中,根据临床相关心脏系统相关诊断而连续更新和分类与流动-容积环相关的诊断信息。优选地,所述方法还包括创建流动-容积模板,以有助于匹配模板或落在模板之外的连续生成的流动-容积环的算法识别。优选地,从非插管患者收集流动-容积环。在优选实施例中,利用电阻抗监测器而收集流动-容积环。优选地,将流动-容积环与对于患者参数校正的正在进行的容积测量配对。优选地,将流动-容积环与正在进行的呼吸速率评估配对。
在优选实施例中,将流动-容积环与正在进行的心率评估配对。优选地,将流动-容积环与正在进行的容积和正在进行的呼吸速率评估两者配对。优选地,将流动-容积环与正在进行的心博容积和正在进行的心率评估两者配对。优选地,所述方法还包括基于呼吸速率和/或容积测量而分类流动-容积环,用于分析、解释和显示。优选地,所述方法还包括基于呼吸速率和/或容积测量而解释流动-容积环,用于诊断、对于生理机能变化的反应、对于干预的反应。优选地,所述方法还包括如果一个或多个流动-容积环在预确定参数之外或如果一个或多个流动-容积环从先前的流动-容积环偏离预确定偏差则触发警报、警告或记录中的注释中的至少一个。
本发明的另一实施例涉及显示患者的流动-容积环和流动-容积环横跨所测量呼吸的可变性的系统。所述系统包括:数据获取装置,获得患者的生理数据集;处理装置,向生理数据集应用平滑与曲线拟合算法,以获得在多个时间点处的实时容积和流动数据,其中,处理装置向容积和流动数据应用可视化算法,以基于容积和流动数据而创建一系列流动-容积环;以及显示装置,输出流动-容积环的图表,以帮助评估或诊断患者。
在优选实施例中,处理装置将流动容积环与潮式容积和呼吸速率的指标配对。优选地,处理装置应用匹配算法,以识别正常流动-容积环和指示可能的病理状态或变化的生理机能状态的流动-容积环。优选地,处理装置追踪和更新流动-容积环,以识别对于治疗、活动变化、运动方案变化和治疗操作中的至少一个的反应。优选地,显示装置显示治疗、活动变化、运动方案变化和治疗操作中的至少一个的有效性的至少一个指示。在优选实施例中,数据获取装置、处理装置和显示装置由通信网络通过一定距离联接。优选地,生理数据集是呼吸数据集或心脏数据集。
优选地,平滑与曲线拟合算法是移动平均算法、数字滤波算法和经由迭代误差减少学习算法的拟合中的一个。在优选实施例中,多个流动-容积环在显示装置上叠加。优选地,叠加环被集成为代表性环。优选地,相邻地绘制多个流动-容积环,以显示流动-容积环之间的差异。在优选实施例中,相邻地绘制的流动-容积环以螺旋形配置显示。
优选地,流动-容积环被分区段成单独部分,并且单独地分析每个部分。在优选实施例中,自动化无监督的算法经由匹配算法而识别所关注的流动-容积环。所述系统优选地还包括数据库,其中,根据临床相关呼吸系统相关诊断而连续更新和分类与流动-容积环相关的诊断信息。所述系统优选地还包括数据库,其中,根据临床相关心脏系统相关诊断而连续更新和分类与流动-容积环相关的诊断信息。
优选地,处理装置创建流动-容积模板,以有助于匹配模版或落在模板之外的连续生成的流动-容积环的算法识别。优选地,从非插管患者收集流动-容积环。在优选实施例中,数据获取装置是电阻抗监测器。优选地,将流动-容积环与对于患者参数校正的正在进行的容积测量配对。优选地,将流动-容积环与正在进行的呼吸速率评估配对。在优选实施例中,将流动-容积环与正在进行的心率评估配对。
在优选实施例中,将流动-容积环与正在进行的容积和正在进行的呼吸速率评估两者配对。优选地,将流动-容积环与正在进行的心博容积和正在进行的心率评估两者配对。优选地,处理装置基于呼吸速率和/或容积测量而分类流动-容积环,用于分析、解释和显示。优选地,处理装置基于呼吸速率和/或容积测量而解释流动-容积环,用于诊断、对于生理机能变化的反应、对于干预的反应。所述系统优选地还包括如果一个或多个流动-容积环在预确定参数之外或如果一个或多个流动-容积环从先前的流动-容积环偏离预确定偏差则触发警报、警告或记录中的注释中的至少一个。
本发明的其它实施例和优点部分在随后的描述中阐述,并且部分可根据此描述显而易见,或可从本发明的实践得知。
附图说明
仅通过示例的方式并且参考所附附图而更详细地描述了本发明,在附图中:
图1 本发明的运算装置100的优选实施例的示意图;
图2 正常和患病个体的代表性流动-容积环;
图3A-C 分别对于最大自主通气量(MVV)、重度运动和阻塞性疾病的流动-容积环;
图4 对于正常(左列)、快速(中间列)和慢速(右列)呼吸试验的代表性容积(顶行)、流动(中间行)和流动-容积环(底行)。流动-容积环显示呼吸试验期间的所有呼吸以及平均吸气(绿色)和呼气(红色)曲线。应注意的是,两个轴线根据流动-容积环的共同表现而反转;
图5 来自RVM(左侧)和呼吸流动速率计(左侧)的新生儿患者的代表性FVL。此处绘示的FVL的可视化可应用于来自RVM、呼吸流动速率计、肺量计、呼吸机、CPAP或能够测量呼吸流动和容积的任何其它装置的数据;
图6 (A) 随着时间绘制的一系列潮式容积FVL,创建了“隧道”。此隧道的形状可用于帮助评定呼吸状态、呼吸性能、来自药物治疗或其它疗法的呼吸变化、对于具体呼吸刺激的反应、在日常生活期间或在具体指定活动期间随着时间监测呼吸、诊断疾病和监测疗法。(B)每个FVL包括呼吸容积(顶部)和流动(中间)记录。可基于FVL、容积、流动或其之间的时间关系而计算各种参数。这些参数可然后显示在曲线图(底部)上,或用于触发警报系统,或用于呼吸疾病的诊断;
图7(A) 布置在流动隧道中的FVL的代表图,其中,当前FVL(以及相关联参数)显示在屏幕上。(B) 呈示意性形式表示的流动隧道,其中,黄色区段突出显示了当FVL超出范围时。(C) 可创建模板,以帮助分诊/分类对于每次呼吸的实际FVL;
图8 (A) FVL的详细示例以及可如何布置其以形成FVL“隧道”的方式。在此代表图中,呼吸速率的变化被绘示为连续FVL之间的密度变化(以时间间隔减小或增加)(B)而容积的变化被绘示为FVL的形状和大小的变化(C)。(D)对应于各种呼吸状态的FVL隧道的绘示。
具体实施方式
如本文实施和广泛描述的,本文的公开提供了本发明的详细实施例。然而,所公开的实施例仅是本发明的可呈各种以及可选形式实施的示例。因此,具体结构和功能细节不应旨在是限制性的,而旨在的是,其提供了用于权利要求的基础以及用于教导本领域技术人员以不同地采用本发明的代表性基础。
图1绘示了本发明的运算装置100的优选实施例的示意图。在优选实施例中,运算装置100是流媒体装置。装置100包括可从交流电(AC)转换为直流电(DC)的功率转换器101。优选地,功率转换器101以60赫兹接受120伏,并且可适于另一标准国际电压。插座连接器可为极化的,可包括接地片,并且可适于国内或国际插座。附加地,如本文描述的,所述片可提供散热。
功率转换器101用于向流媒体装置100的其余部件供应电力。流媒体装置100还包括集成电路(即,片上系统(SoC))102。SoC将计算机或其它电子系统的多个部件集成到单个芯片中。其可在单个芯片基底上全部包括数字、模拟、混合信号和射频功能。SoC 102优选地并入中央处理单元(CPU)、图形处理单元(GPU)以及将各种系统部件(包括系统存储器、动态随机存取存储器(RAM) 150和闪速存储器130)联接到SoC 102的系统总线。系统总线可为若干类型的总线结构中的一个,包括存储器总线或存储器控制器、外围总线或局部总线(其使用各种总线架构中的一个)。被存储在闪速存储器130或类似物中的基本输入/输出(BIOS)可提供基本例程,所述基本例程例如在启动期间帮助在运算装置100内的元件之间传送信息。驱动器和相关联的计算机可读媒体为运算装置100提供计算机可读指令、数据结构、程序模块和其它数据的非易失性存储。基本部件对于本领域技术人员是已知的,并且设想了适当变化。
虽然本文描述的示例性环境采用闪速存储器,但本领域技术人员应理解的是,在示例性操作环境中还可使用可存储可由计算机存取的数据的其它类型的计算机可读媒体,例如,磁带、硬盘驱动器、数字通用盘、盒式磁带、随机存取存储器(RAM)、只读存储器(ROM)140、包括位流的电缆或无线信号和类似物。
运算装置100还包括联网装置200。联网装置180和200能够连接到例如因特网、一个或多个局域网(“LAN”)、一个或多个城域网(“MAN”)、一个或多个广域网(“WAN”)、一个或多个内联网等等。联网装置200可具有SoC设计,其中,可获得多个连接性模块,包括蓝牙和无线以太网装置。优选地,蓝牙模块可能够连接到无线蓝牙装置(例如,键盘或鼠标)。优选地,联网装置200包括无线联网装置(例如,Wi-Fi),然而,硬连线网络可联接到通信接口180(例如,以太网和RJ-45)。此外,联网装置200还可连接到分布式运算环境,其中,任务由通过通信网络链接(通过硬连线链路、无线链路或通过其组合)的本地和远程处理装置执行。在分布式运算环境中,程序模块可位于本地和远程存储器存储装置中。
除了SoC设计以外,此系统的其它示例还包括由输出装置170连接到视频显示器的运算装置100,其中,视频显示器定位在运算装置100外部。作为另一实施例,运算装置100可被设计成集成显示器(例如,平板PC)。作为另一实施例,运算装置100可在没有任何视频显示器的情况下操作,但可经由通信接口180或联网装置200将患者获取数据直接传输到位于外部的运算装置。
为了实现与运算装置100的用户交互,存在有输入接收装置190。输入接收装置190可从多个输入机构(例如,用于语音的麦克风、用于手势或图形输入的触敏屏幕、键盘、鼠标、运动输入、RJ-45、USB以及等等)接收输入。在一些情况下,多模态系统使得用户能够提供多种类型的输入,以与运算装置100通信。对于在任何特定硬件布置上操作的本发明不存在有限制,并且因此此处的基本特征可容易地被代替为改进硬件或固件布置(随着其被开发)。
运算装置100还包括至少一个输出端口170。输出端口170将运算装置100连接到TV、扬声器、投影仪或其它视听装置。优选地,输出端口170是HDMI端口、光学音频端口、串行端口、USB端口、联网端口、超级视频端口、同轴电缆端口、复合视频、复合音频和/或VGA端口。在优选实施例中,运算装置100还可包括附加辅助部件(例如,电源管理装置或数字音频转换器)。
为了解释的清楚性,说明性系统实施例被呈现为包括单独功能块。这些块代表的功能可通过使用共享或专用硬件提供,其包括但不限于能够执行软件的硬件。例如,图1中呈现的一个或多个处理器(处理器120)的功能可由单个共享处理器或多个处理器提供。(不应将术语“处理器”的使用解释为仅指代能够执行软件的硬件。)说明性实施例可包括微处理器和/或数字信号处理器(DSP)硬件、用于存储执行下文讨论的操作的软件的只读存储器(ROM)以及用于存储结果的随机存取存储器(RAM)。还可提供超大规模集成(VLSI)硬件实施例以及与DSP电路组合的定制VLSI电路系统。
本发明的范围内的实施例包括计算机可读媒体,所述计算机可读媒体用于承载或具有经由存储装置160存储在其上的计算机可执行指令或数据结构。此类计算机可读媒体可为可由通用或专用计算机存取的任何可获得的媒体。通过示例而非限制的方式,此类计算机可读媒体可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置或可用于承载或存储呈计算机可执行指令或数据结构的形式的期望程序代码方式的任何其它媒体。当信息通过网络或另一通信连接(硬连线、无线或其组合)传送或提供到计算机时,计算机将所述连接适当地视为计算机可读媒体。因此,任何此类连接被适当地称为计算机可读媒体。上文的组合也应被包括在计算机可读媒体的范围内。
计算机可执行指令包括指令和数据,例如,所述指令和数据导致计算机、专用计算机或专用处理装置执行特定功能或功能群组。计算机可执行指令还包括由计算机在独立或网络环境中执行的程序模块。总体上,程序模块包括执行特定任务或实施特定抽象数据类型的例程、程序、对象、部件和数据结构等等。计算机可执行指令、相关联数据结构和程序模块表示了用于执行本文公开的方法的步骤的程序代码方式的示例。此类可执行指令或相关联数据结构的特定序列表示了用于实施在此类步骤中描述的功能的对应行动的示例。
最重要的是,计算机可执行指令的这些方面是模块化的,并且可横跨由输入装置190和输出装置170连接的多个计算机装置或横跨由通信接口180和/或联网装置200连接的计算机装置而在单个计算机装置中运行。计算机可执行指令可适于在其中数据在其之中共享的多个装置上同时工作,或借助于数据传输和存储而远程地并且在不同时间工作。这些可被视为本地和集成装置和基于网络的运算装置的附加示例,以在用户选择的目的地处计算和显示连续监测的潮式呼吸流动-容积环。硬件和软件模块可被实施在一个装置中,或横跨隔开一定距离的装置排列,但借助于通信网络连接。
本发明的优选实施例是用于呈图形形式收集和显示由非侵入式呼吸容积监测器获得的呼吸容积迹线的装置和方法,其中,瞬时呼吸容积(V)沿着一个轴线绘制,并且呼吸流动的变化(即,呼吸容积随着时间的变化,dV/dt)沿着第二轴线绘制。根据此类型的表示,可生成更复杂的数学描述符。FVL可被分成子部分(例如,通过由流动的一阶导数识别峰值,或通过拐点,如由流动的二阶导数或由其它函数确定的),并且使用不同数学函数而被分析,以拟合曲线区段,包括但不限于双曲线和抛物线函数、线性回归、多项式拟合和小波分析。描述函数拟合数据的良好程度的系数以及所生成的方程式参数变成在数学上描述FVL的附加方式。这些数值可与其它呼吸参数组合,以作用为用于与从具体人群得出的标准典型FVL比较的指数。虽然相对于呼吸描述了本发明,但所述系统和方法可在血液流动的情况下使用心博容积和心脏输出量或心脏指数而适于用于心脏目的的流动容积环。此外,所述系统可将压力容积环用于呼吸。
在一个实施例中,呼吸容积监测器优选地是基于阻抗的呼吸容积监测器(RVM)。在一个实施例中,呼吸容积(V)优选地沿着常规笛卡儿坐标系的x轴线绘制,并且流动(dV/dt)沿着y轴线绘制。在另一实施例中,两个变量优选地沿着极坐标系的r和θ轴线绘制。随着数据由RVM装置捕获,可显示这些图表,而以圆形“雷达扫掠”状的动画向用户显示每个流动-容积环的构造。实施例还可被配置成仅显示完成的流动-容积环图表。
在一个实施例中,优选地显示瞬时流动(y轴线)/时间(x轴线)迹线,以显示波形形态的变化,所述变化可指示以其它方式仅可利用校准肺量计获得的吸气和/或呼气气流异常。在另一实施例中,流动时间波形的形状的特征在于吸气和/或呼气阶段的斜率的测量,作为流动异常以及与干预相关联的伴随变化的指示。在每个实施例中,在图形或数字的方面上,可将这些具体患者测量与从大量但代表性的人群得出的或从相同患者但由临床终端用户识别的基线标准得出的那些测量进行比较。
在一个实施例中,流动-容积环优选地被归一化,并且对于流动和容积两者被呈现为患者预测值的百分比(作为%Pred或Pred的%)。在一个实施例中,这些预测值优选地从大量代表性受试者得出。在另一实施例中,这些预测值可在“基线”呼吸状态期间从每个单独患者得出:例如,在哮喘患者中,可在没有哮喘发作的情况下在正常呼吸的周期期间计算“基线”容积和流动,使得然后可由这些“基线”值归一化在哮喘发作期间获得的值。可在服用吸入药物、口服药物、静脉内药物或提供其它疗法之后计算这些值。其它疾病状态可包括限制性疾病、分泌物驻留、肺不张、肺炎、心力衰竭、充血性心力衰竭和其它形式的阻塞性或限制性疾病。可提供的其它疗法和所评估的治疗有效性可包括气道复张操作、抽吸、叩诊、振动、基于背心的振动、间歇性正压呼吸(IPPB)、对于使用呼吸机的患者的不同空气输送策略或模式。在另一实施例中,这些预测值可被归一化为拟人化变量(例如,年龄、身高、体重和性别)或生理变量(例如,心率或血压、膈膜移动的测量、血液二氧化碳水平、潮式末二氧化碳、经皮二氧化碳、血氧水平或氧气饱和度)。在另一实施例中,来自多个患者的许多数据流可由通信模块发送到可编程元件,以通过识别和并入来自新的但仍为代表性的受试者的附加数据而连续采样和得出新的平均呼吸状态。在此实施例中,服务器可在直接物理控制下,或被签约到处理和存储服务(即,“基于云的运算”)的第三方提供商。
在优选实施例中,将这些流动容积环图像与具体呼吸速率和/或呼吸容积测量配对,以提供呼吸状态的更高级评定。FVL的形状的含义随着不同呼吸容积而不同,例如,潮式容积、功能残气量、总肺活量、用力肺活量、用力呼气容积、用力呼气流动25-75%、呼气流动峰值、最大自主通气量、慢肺活量、残气容积、呼气储备容积以及在肺功能测试和运动生理机能中使用的其它指标,例如,VO2、VCO2、PetCO2、RER、SaO2或这些指标的任何组合、比率或乘积。所述容积指标中的每个可基于参数(包括身高、体重、性别、年龄、种族等等)而被放入到对于给定患者的预测容积的背景中,或与在休息时或在具体呼吸操作、治疗、活动变化或运动程序或治疗操作之后收集的基线测量进行比较。FVL形状与其它呼吸指标的配对优选地将曲线的形状放入对于给定个体在更大容积下的预期变化(其在更低容积下可为不明显的)的背景中。FVL与呼吸指标的此配对优选地用于呼吸状态、呼吸性能、来自药物治疗或其它疗法的呼吸变化、对于具体呼吸刺激的反应、在日常生活期间或在具体指定活动期间随着时间监测呼吸、诊断疾病和监测疗法和治疗操作。附加地,将呼吸速率包括到对FVL的分析中优选地为呼吸评定、诊断和疗法的监测提供附加信息。FVL可与以下中的任何配对(基于绝对值,或对于具体患者参数校正):容积指标、呼吸速率、对于疗法的反应。
在一个实施例中,优选地对于每次呼吸(从呼气开始到呼气结束)生成单独流动-容积环。优选地在从屏幕删除旧流动-容积环之后绘制新流动-容积环。在另一实施例中,优选地在具有起始点(例如,横跨呼吸对准的x-y坐标)的来自先前呼吸的环上绘制单独呼吸的流动容积环。在一个实施例中,先前呼吸的环优选地随着时间而逐渐消失,使得在任何时间点处存在有可见的最大数字(例如,5、10或50),如由制造商默认值或由终端用户限定的。在另一实施例中,单独呼吸流动-容积环优选地沿着对应于其时间序列的轴线中的一个(例如,x轴线)偏移:例如,每个呼吸的环可在先前呼吸的环右侧1mm处绘制,创建了“流动-容积隧道”(见图7A和图7B)。用户可通过滑动通过隧道、拖动或按压屏幕上的方向图标而通过滚动通过隧道选择所关注的流动-容积环。随着新流动-容积环成为焦点,其可旋转,以在传统2维笛卡儿坐标系中被呈现到用户,并且然后随着用户远离其移动而旋转返回,并且展平成隧道堆栈(见图7A)。根据这些数据计算的不同数值优选地呈现在这些流动-容积隧道和单独流动-容积环下方。这些数值和指数(不需要将所有这些数值和指数同时呈现到用户)可用于自动分类器方案,或指示流动-容积环已分类到的分组。例如,呼吸状态可由测量值的数组或集合表示;在其它情况下,定制软件可生成指数,所述指数表示由分类器程序确定的类别。这些还可被存储,并且准备用于查看,以有助于用户解释与机器计算排序算法之间的比较。
在一个实施例中,如绘制在笛卡儿坐标系上的流动-容积环可被视为2维图像,以将单独呼吸与对于所关注的给定呼吸状态(例如,活动引发的呼吸变化、疾病进展、病理状态、药剂反应以及等等)的流动-容积环的标准表示进行比较(见图7C)。通过彼此叠加地绘制多个迹线,所述比较可容易地扩展到多个迹线,创建了呼吸的平均表示。此图像比较优选地通过创建相关性分布图而执行,所述相关性分布图对于流动-容积环的任何两个图像之间的重叠程度进行打分;通过计算所有可能的成对分组中的相关性系数,可进行多次比较。流动-容积环优选地首先被归一化为最大容积位移和最大绝对流动量值,其中,可在呼气或吸气期间观察最大流动。这些归一化迹线优选地是可作为图像比较的形状,因为其优选地具有相同图像维度。通过与不同大小和构造的内核卷积,可由图像平滑进一步控制降噪和灵敏度。优选地,这些作为图像的迹线之间的重叠越多,则相关性系数越高,并且因此两者在形状上越类似。在此实施例中,优选地,可比较任何两个流动-容积环,无论其是所关注的单独呼吸或是来自特定呼吸状态的所得出的表示或是某一形式的平均FVL表示。
在一个实施例中,根据从RVM流式传输的数据生成的每个流动-容积环可明确地与被存储在优选运算装置100上在存储器装置130、140和160中的一组呼吸(“表”或“库”)进行比较。被存储在所述装置上的所述一组呼吸可为FVL以及其相关联数值参数或来自对于不同呼吸状态的代表性群组的多个单独FVL以及其参数的平均表示。通过将所记录的FVL和参数与所存储的FVL和参数进行比较,可生成对于各种呼吸状态的相似性指数,用于每个所记录呼吸。
在一个实施例中,可将患者FVL和参数与在如由用户确定的“基线”记录期间从相同患者生成的FVL和参数进行比较。此实施例允许了明确监测,用于由于活动或劳累、治疗进展、疾病进展、病理状态、药剂反应以及等等而因此改变的呼吸状态改变状态。可通过数值参数或通过FVL的图形分析而追踪这些状态变化。
在一个实施例中,可将单个FVL与先前收集的数据集(“库”)中的所有FVL进行比较。优选装置(例如,运算装置100的某一变型)可将数据传输到服务器,并且可将所测量的呼吸和患者数据与所存储的呼吸“库”进行比较。可修改计算机可执行指令,以在服务器上运行,并且对于呼吸数据执行相同操作,如本文描述的。此实施例优选地考虑了由本发明的多个示例在多个位置处测量的扩展数据集,并且将这些并入到“库”中,所述“库”包括被组织成正常和异常两者的呼吸状态的呼吸。此实施例将优选地使得用户能够显示结果(包括但不限于指数、FVL、迹线以及其选择的位置处的参数),用于查看。此实施例优选地指示的是,随着新的已验证数据被添加到服务器,随着库继续扩展,比较的次数可增加。此实施例将优选地还实现了被传输到服务器以及用于显示到用户的许多不同数据流的比较,其中,数据流源自医疗和非医疗护理场所,包括但不限于家庭场所、健身中心、诊所、流动诊所、医院、学校以及等等。
在一个实施例中,FVL库可被连续分析,并且与如电子病历中记录的症状表现和患者人口统计资料相关联。为了有助于此工作,RVM数据将优选地连同由自愿方提供的非RVM数据一起被传输到服务器。计算机指令将优选地被修改,以生成描述FVL的指数,并且将其与从患者或其它用户得出的信息相关联,以创建概率分布图,即,在缺少当前诊断的情况下的异常呼吸状态的可能性的预测性测量。此预测性测量还可再次肯定积极诊断或疗法效果。
在一个实施例中,用户可具有设置其自身限制并且当超过(或未能达到)限制时使用RVM以触发警告的能力。在一个实施例中,可使用数值参数作为阈值,并且用户可键入其自己的参数限制,并且确定FVL和迹线是否需要保持在限制之下或超过限制,以触发警告。在一个实施例中,用户可借助于触摸屏界面而操作模板FVL,而绘制理想化FVL,如在图7C中的。用户可通过加粗指定FVL的线而指定围绕FVL的区域,以设置其接受的值范围,其中,RVM警告每当来自单独呼吸的FVL超出所绘制FVL模板的范围时。这些限制可限定对于用户要求警告的呼吸状态。
在运动性能表现的背景中,来自FVL和呼吸指标的合并数据可提供信息,以修改程序或例程。可简化这些数据,用于呈现为单个数字。
在一个实施例中,如果具有或不具有相关联呼吸指标的FVL或所限定的FVL系列在先前选择的参数之外,或如果具有或不具有相关联呼吸指标的FVL或FVL系列从先前FVL偏离先前限定的量,则装置可提供警报或警告或记录中的注释,其远程地被提供到个体或看护人或其它人。警报或警告可保持直到被解决,或可在返回到可接受参数时停止。
在一个实施例中,所关注的FVL可被识别,并且被存储在存储器中,用于查看,例如,用户可指定以某一方式标记具有的潮式容积大于0.8升或小于0.3升以及等等的所有呼吸。可视化的一些示例可包括但不限于叠加单独FVL、显示平均FVL,或使流动-容积隧道着色,以显示发生呼吸的时间(见图7C)。以此方式,用户可在其发生时评定发生的频率,并且将其发生放置于治疗的背景中。
在一个实施例中,FVL可用于评定阻塞性睡眠呼吸暂停和中枢性呼吸暂停或神经肌肉疾病,例如,肌萎缩性脊髓侧索硬化症或来自长通气周期的全身无力。例如,对于呼吸暂停患者,一个实施例将提供组合呼吸速率或呼吸暂停与恢复呼吸的FVL特征的信息。对于具有弱肌肉组织特征的患者,一个实施例将提供关于与弱肌肉组织相关联的流动减少的数据,并且帮助限定改进或恶化。这可帮助限定疾病的重要特征,例如,限定呼吸肌肉组织克服障碍的足够能力的流动参数或弱肌肉组织可提供足够呼吸的速度。
在一个实施例中,流动-容积环可用于评定、诊断、对于疗法的反应和/或对于疾病状态、呼吸状态和/或其它临床状况的预测。在一个实施例中,流动-容积环的形状可用于帮助诊断或评定状况(例如,哮喘、COPD、CHF、囊胞性纤维症、炎症性疾病状态等等)(见图2)。在另一实施例中,流动-容积环的吸气或呼气部分内的(多个)面积或形状或斜率可用于帮助诊断或监测疗法或与其它指标组合,如上文描述的。在另一实施例中,吸气或呼气特征(面积、斜率、时间等等)之间的和、差、乘积、比率(或其组合)可用于帮助诊断或监测阈值。类似于先前实施例,可选择和显示从更大代表性人群得出的图形和数值表示,以形成比较。
在每个实施例中,可将流动-容积环和隧道的图形和数值表示与从具有该指示的大量代表性人群得出的值和迹线进行比较。可对于每个疾病而调整具体表示,以有助于诊断和评定。本文的描述描述了优选实施例,用于使用RVM,以诊断和评定正常和异常呼吸状态,但不限制本领域技术人员的附加采用。这些FVL以及呼吸指标集成、分析和显示技术的使用可与提供潮式FVL的技术(例如,肺量计、呼吸机和呼吸流动速率计)一起使用。当潮式FVL被显示在呼吸机上时,令人惊讶的是,隧道呈现、阈值限制、趋势和本发明的其它特征当前是不可获得的。
在一个实施例中,流动容积环和相关联参数优选地在机械通气期间、在拔管期间以及在拔管之后被捕获,以表征限制和阻塞变化,以清楚地表征患者在没有机械通气支持的情况下自主呼吸的能力。
在一个实施例中,顺序地监测流动-容积环和相关联参数(无论是呈完全重叠或是呈“隧道”形式)可用于监测呼吸性能的实时变化。这些变化可由活动水平、物理疗法、康复程序、术前准备程序或疾病进展引发。
在一个实施例中,流动-容积环的形状和相关联参数可用于评定阿片类药物敏感性、阿片类药物引发的呼吸抑制和/或阿片类药物引发的呼吸损害。在另一实施例中,流动-容积环的形状变化和相关联参数可用于量化镇静水平(或阿片类药物的使用)、阿片类药物的代谢率和/或对于阿片类药物逆转治疗(例如,纳洛酮)的需要。
在另一实施例中,流动-容积环的形状和相关联参数可用于评定苯二氮平类药物的效果。在另一实施例中,流动-容积环的形状变化可用于量化患者对于药剂的敏感性,尤其是那些对于中枢和周围神经系统具有已知或可疑效果的药剂。
在另一实施例中,流动-容积环的形状和相关联参数可用于评定在呼吸疾病中使用的药物(例如,β-激动剂、类固醇、茶碱、氨茶碱、乙酰半胱氨酸、盐酸多沙普仑)的效果。
在一个实施例中,呼吸性能的变化可用于评定疾病进展(例如,哮喘、COPD、CHF、囊胞性纤维症等等)。在另一实施例中,呼吸性能的变化可用于评估疗法(CPAP、BiPAP、高流动O2、支气管扩张剂等等)的有效性。在另一实施例中,呼吸性能的变化可用于评定对于工作场所中存在的支气管收缩剂(例如,冷空气、乙酰甲胆碱或其它工业刺激物)的反应。
在一个实施例中,在多导睡眠监测期间监测流动容积环并且使其与睡眠阶段(1-4级, REM)或睡眠状态(苏醒、非REM睡眠、REM)相关联可用于检测与上气道阻力(UARS,上气道阻力综合症)相关联的气流变化。在一个实施例中,在呼吸暂停或呼吸不足事件之前的流动容积环形状和相关联参数变化优选地预示呼吸停止的严重性。在一个实施例中,在悬雍垂腭咽成形术(UPPP)之后的环变化优选地表征和记录手术后气道通畅性的增加。
在一个实施例中,通过在50%呼出和吸气容积下测量和趋向峰值呼气和峰值吸气流动而优选地表征潮式呼吸流动容积环。1.0的最佳比率优选地指示正常通畅呼吸。当比率下降到1.0以下时,其可指示呼气流动限制的细微变化。
在一个实施例中,心肺运动测试期间的潮式容积环和相关联参数(最大或其次最大)可用于确定肺的通气限制。流动容积环的变化结合运动疲劳优选地确定呼吸限制,并且可能帮助排除造成运动不耐受的肌肉或心脏限制。自主运动流动容积环的呼气分支中的凹面的检测可帮助评定患有COPD和其它呼吸疾病的患者的动态过度充气和运动限制。在一个实施例中,由RVM收集FVL优选地消除了在运动期间对于不方便并且潜在不准确的数据收集的要求,因为不要求口罩或面罩。数据可在运动生理机能实验室之外在总体运动环境中(例如,在外面跑步或骑自行车)收集,其是更自然的环境,并且更反应实际训练要求。
在一个实施例中,在用于肺康复的受控运动设置中收集的实时流动容积环和相关联参数可提供信息,以适当地规定运动处方,因此患者可执行运动程序,获得积极益处,而没有过度劳累以及引发不必要的疲劳、呼吸困难和去氧饱和。对于心脏和其它康复,在日常实践中利用面罩或肺量计而收集数据是困难并且不熟练的。RVM和FVL分析的使用优选地允许了日常观察运动耐力的进展,同时为通气和代谢努力提供安全阈值。一个实施例优选地提供了具有FVL隧道的数据呈现以及具有在心肺实验室中由肺活量测定法或肺流动速率测定法收集的数据的数据集成和呈现。
在一个实施例中,潮式流动容积环和相关联参数优选地在休息时被收集。在优选实施例中,流动容积环优选地贯穿于一天在正常活动期间被记录,类似于霍尔特氏监测器,以评定呼吸功能的可变性。这可包括呼吸参数与日志条目的相关性。这些数据可用于评定持续存在的疾病(例如,COPD或CHF),评定对于用于心肺疾病的疗法的反应,评定对于治疗方案的依从性或用于确定对于一般手术的适用性或对于肺切除的适用性。FVL和肺部数据可与标准心脏霍尔特氏监测组合,用于心肺系统的全面评估。在另一实施例中,优选地基于通气状态和患者通常设置中的日常要求而对于肺切除确定最小适当呼吸功能。
在优选实施例中,优选地对于不可有效地与标准肺活量测定法测试配合的个体执行测试,所述测试类似于不能够在标准(如由ATS确定的)、高级、以及在肺功能测试期间进行的其它测试期间执行的那些,所述标准肺活量测定法测试要求将肺量计保持在口中,并且同时深呼吸,并且剧烈呼气。这在许多老年、小儿或婴儿患者中通常是挑战性或不可能的。所述系统优选地还提供了不由在口中或在面部上的面罩中的肺量计口罩存在而改变的信息。
流动-容积测量的长期连续使用在基于肺量计的系统的情况下是从来不可能的,这是因为对于面罩或口罩的要求以及密封患者呼吸“回路”的要求,即,在从患者的肺到他/她的口或鼻(利用口罩或面罩)并且到肺量计的任何点处不存在有泄漏。要求用户连续评定泄漏,或积极维持气密密封,而阻止了对于不可遵守要求的患者的这些测量。这些肺量计的使用限于几次呼吸或几分钟的短监测周期。利用RVM测量,可利用流动容积环而可视化的生理变化可在24小时、多天、1星期周期或1月周期期间或永久地与生理或精神压力相关联。
本发明的其它特征可包括但不限于:日常生活活动的霍尔特氏监测的呼吸等同物、触发警报的某些百分比的变化、在清醒周期期间的重要、在身体或情绪压力的周期期间进行监测、监测睡眠和清醒周期的组合特征以及两者之间的差异、将低于40%预测的FVL着色为红色、橙色或深黄色、将40-80的FVL着色为亮黄色并且警报、将超过300的FVL着色为橙红色或深黄色并且警报、以不同颜色向上或向下调整着色参数(吸气为绿色,呼气为粉红色或紫色或其它颜色)、将不同于正常预测超过50%的曲线着色并且警报、将不同于患者的通常或基线曲线超过50%的曲线着色并且警报、追溯性地将1SD离群值的曲线着色、在给定曲线与预测曲线之间的区域中着色并且在超过x不同的情况下警报、在给定曲线与基线曲线之间的区域中着色并且在x%不同的情况下警报、将在疗法(例如,沙丁胺醇)之前的x曲线平均值与疗法之后的x曲线之间的区域着色、计算MV的百分比变化并且报告、确定变化是否导致高于40%的预测MV并且在否(或80%)的情况下警报、生理节凑、随着时间变化等等、可变性、变异性、复杂性分析等等。
本文描述的本发明的实施例有助于对于在更长时间周期对于显著更多患者中的附加呼吸状态进行分类的最终需要,所有所述患者以某一方式经历呼吸困难。
优选地,流动-容积环的意义是:(1) 对于图2中显示的情况提供诊断和鉴别诊断;(2)提供运动潮式流动容积环的新概念以及其临床意义。可获得以下信息:(1) 呼气流动限制的程度;(2) 在潮式呼吸的范围内可获得的最大呼气/吸气流动;(3)吸气流动量。见图3A-B。
在TBFVL中,吸气流动限制在睡眠相关呼吸障碍中是常见的。在TBFVL中,呼气流动限制在反应性气道(例如,哮喘)中是常见的。在TBFVL中,中间部分对于睡眠呼吸暂停低通气综合征更敏感,并且环的中间的变化可能是此综合征的早期指示。在预康复(患有呼吸疾病的患者)和康复(接受腹部和胸腔外科手术的所有患者或具有肺部并发症风险的老年患者)中。
可移动到其中或移动出人肺的最大空气容积被称为肺活量(VC)。VC通常被测量为静态肺容积,以揭示阻塞性对于限制性肺部病变。当用力呼出肺活量时,呼吸操作被称为用力肺活量(FVC)。
当分析FVC容积/时间迹线时,所述操作揭示了到肺中以及离开肺的气流限制。当为所述操作定迹线时,其中,x轴线=容积,并且y轴 线=流动,肺功能操作被称为流动容积环,因为其呈环的形式呈现,所述环是各种肺部病变/疾病的病因。
流动变量优选地从容积/时间迹线得出。如果流动变量被显示为根据时间,则其优选地揭示了不如由容积/时间迹线容易地揭示的流动限制的模式。
环还可在自主通气(潮式呼吸)期间创建。这些所谓的潮式容积流动容积环还可揭示肺功能的变化。特别地,顺序地监测所述环(重叠)可帮助监测呼吸的实时变化,所述变化继发于疾病进展、对于疗法的反应性、对于工作场所中存在的支气管收缩剂(例如,冷空气、乙酰甲胆碱或其它工业刺激物)的反应。
在FVC操作期间,存在有可用于表征环的形状的许多参数,并且大部分这些参数被呈现为患者预测值的百分比(%Pred)。预测值从大量正常受试者得出。通过将数据呈现为%Pred,所述值被归一化为拟人化变量,例如,年龄、身高、体重和性别。
通常更多地通过形状变化而非通过在潮式呼吸期间与流动参数的不存在的大型数据库进行比较而分析潮式容积流动容积环。如此,限定简单的参数,例如,UAC、峰值–零流动的吸气和呼气斜率。
如果系统可计算容积、流动的一阶导数,则其可被显示为流动/时间。虽然流动/时间迹线对于确定气道反应的细微变化是有用的,但如果其可被表示为TV FV环的y轴线,则其可为系统赋予基于单次测量、每分钟通气量(MV)、通气基本单位而唯一地显示图形的能力。
使用RVM信号,环优选地被创建,所述创建不同于在非插管患者中使用的其它技术、呼吸感应体积描记法或RIP。RIP信号基于两个隔室(胸腔和腹腔)的移动,每个为误差分析贡献了一定自由度。本发明优选地使用单个参数,所述单个参数已被证实在容积/流动校准的肺量计(流动计、加热流动速率计、容积肺量计)的10%内是准确的。
在一个实施例中,已注意的是,自主呼吸患者的呼吸容积/时间迹线的形态在服用阿片类药物之后改变。有效地,形状表明的是,个体“忘记呼气”,其中,在容积/时间迹线中具有平稳时期。如此,对于这些受试者的TV/FV环的再现具有独特形态,并且可限定阿片类药物对于呼吸状态的影响,诊断阿片类药物引发的呼吸抑制,将阿片类药物引发的呼吸抑制与导致呼吸抑制的其它状态区分,并且展示对于阿片类药物逆转剂的反应或刺激对于呼吸状态的影响。
在医院环境之外捕获具有此独特形态的FV环可为有用的,以确定受试者在其系统中是否具有药物,而允许关于遵守排毒程序、30、60、90天再入院等等作出临床决策。优选地,RVM为FVL/呼吸分析提供信息,因为具有非侵入和连续监测吸气和呼气流动和容积的能力的使用阻抗技术的通气监测器(其不要求配合)可长时间周期实施,并且对于患者是方便的。用于收集流动容积环数据的传统方法依赖于使用口罩和呼吸流动速率计以及对于有意识患者的患者努力。呼吸感应体积描记法(RIP)技术使用两个胸带而测量胸腔移动的变化。
示例。
肺功能测试利用流动-容积环(FVL),以帮助检测、诊断和监测长期发展的肺部疾病,例如,COPD和哮喘。肺活量测定法是经由用力肺活量(FVC)测试用于生成FVL的黄金标准,所述用力肺活量(FVC)测试测量受试者可用力呼出的空气量。此测试要求患者清醒、警觉并且配合,这不总是可能的,尤其是对于小儿或老年患者。另外,已使用潮式呼吸FVL,以分析基线条件下的呼吸功能,并且使用呼吸感应体积描记法(RIP)环带而监测呼吸的实时变化。监测潮式呼吸FVL是监测疾病进展、对于疗法的反应性、对于支气管收缩剂的反应以及运动期间的呼吸变化的方式,但由于技术限制而尚未被广泛采用。非侵入式呼吸容积监测器(RVM)可代替RIP环带或肺量计而用于以各种呼吸速率测量健康志愿者的连续潮式FVL。
使用RVM从志愿者受试者收集连续呼吸数据,包括容积迹线。每个受试者以3个不同规定呼吸速率执行6次呼吸试验。在试验1和6中,指示受试者正常呼吸。在中间四次试验中,受试者在快速(25 bpm)与慢速(5 bpm)呼吸之间交替,如由节拍器设置的。通过获取容积迹线的一阶导数,生成了流动迹线。为了减少呼吸间可变性,在吸气开始时对准单独呼吸,其中,容积和流动设置为“零”。对于每个呼吸试验,呼吸被分成相等时间区段,并且在每个试验内横跨所有呼吸进行平均,以生成平均“代表性”FVL。系统评定FVL的形状的特征,用于不同呼吸试验。
48位受试者(15位女性/33位男性,年龄:46.1 ± 14.3岁;BMI:27.6 ± 6.2 kg/m2, 均值 ± SD)完成了研究。正常、快速和慢速呼吸试验的呼吸速率分别为12.6 ± 0.6min-1、24.6 ± 0.1 min-1和6.9 ± 0.3 min-1(均值 ± SEM)。图4绘示了对于正常、快速和慢速呼吸试验的代表性容积(顶行)、流动(中间行)和FVL(底行)。FVL显示了呼吸试验期间的所有呼吸以及平均吸气(绿色)和呼气(红色)曲线。对于正常呼吸试验(左列),FVL具有凸面形状,在呼气分支的后半部分具有稳定流动。快速呼吸试验期间的FVL是椭圆的,其中,主轴线具有陡峭斜率。在慢速呼吸过程期间,在呼气的末端附近观察到凹面呼气分支,指示了在患有阻塞性肺部疾病(例如,COPD)的患者中观察到的呼气流动限制。
所述研究展示了非侵入式RVM在健康志愿者中生成连续潮式FVL的能力。当受试者改变其呼吸速率时,观察到FVL的独特形状。虽然此研究通过健康志愿者完成,但结果指示的是,由RVM生成的FVL可识别在患有肺部疾病的患者中观察到的异常。RVM消除了对于肺量计的需要,并且极大地扩展了其中可测量FVL的潜在应用。
示例:监测健康志愿者以及从手术恢复的患者的TBFVL。
作为IRB批准的研究的一部分,利用RVM和呼吸流动速率计同时监测20个健康成年志愿者(在休息时呼吸10分钟)。在医院地板上仅利用RVM监测从腹部手术恢复的另外20个患者长达48小时。对于两个装置记录TBFVL和指标,包括:呼吸速率(RR)、潮式容积(TV)、吸气时间(tI)、呼气时间(tE)、吸气和呼气比(tI/tE)、工作循环(tI/tTot)以及50%潮式容积(IE50)下的吸气和呼气流动比。使用呼吸流动速率计作为标准而对于志愿者计算TBFVL指标的Bland Altman准确性。对于手术后患者随着时间可视化TBFVL。
Bland Altman分析显示的是,RVM与呼吸流动速率计之间的差异很小,并且对于TV和RR在临床上无关,其分别具有9.9%和1.5%的均方根误差(RMSE)。对于每次呼吸测量的对于tI和tE的RMSE分别为11.8%和10.9%。对于比率tI/tE、tI/tTot和IE50的RMSE分别为15.3%、10.8%和17.0%。为了在视觉上检测手术后患者在延长的监测周期内的TBFVL变化,还随着时间将逐次呼吸的TBFVL视觉化为3D图表。还随着时间绘制了逐次呼吸容积、流动、潮式呼气流动峰值以及潮式呼气流动峰值下的容积的样本迹线。
与无需患者配合或不方便实施的肺活量测定法相比,RVM生成的TBFVL在形态上类似。因此,可使用RVM,以非侵入式地监测TBFVL,并且对于延长的持续时间提供临床相关肺指标。由RVM生成的FVL和指标可用于在床边或在肺功能测试实验室中对于成年和小儿患者两者检测呼吸异常并且诊断。
通过考虑本文公开的本发明的说明和实践,本发明的其它实施例和使用对于本领域技术人员将显而易见。虽然本文描述了多个实施例,但来自一个实施例的元素可用于另一实施例中,并且若干实施例可组合成单个实施例。本文引用的所有参考(包括所有公开、美国和外国专利和专利申请)通过参考而具体并且完全地并入。说明和示例旨在被视为仅是示例性的,其中,本发明的真实范围和精神由以下权利要求指示。此外,术语“由…组成”包括术语“由…组成”以及“实质上由…组成”。
Claims (56)
1.显示患者的流动-容积环和所述流动-容积环横跨所测量呼吸的可变性的方法,包括:
在数据获取装置上获得所述患者的生理数据集;
在处理装置上向所述生理数据集应用平滑与曲线拟合算法,以获得多个时间点处的实时容积和流动数据;
在所述处理装置上向所述容积和流动数据应用可视化算法,以基于所述容积和流动数据而创建一系列流动-容积环;以及
在显示装置上输出所述流动-容积环的图表,以帮助评估或诊断所述患者。
2.根据权利要求1所述的方法,还包括:将流动容积环与潮式容积和呼吸速率的指标配对。
3.根据权利要求1所述的方法,还包括:在所述处理装置上应用匹配算法,以识别正常流动-容积环和指示可能的病理状态或变化的生理机能状态的流动-容积环。
4.根据权利要求1所述的方法,还包括:追踪和更新所述处理装置上的流动-容积环,以识别对于治疗、活动变化、运动方案变化和治疗操作中的至少一个的反应。
5.根据权利要求4所述的方法,还包括:在所述显示装置上显示治疗、活动变化、运动方案变化和治疗操作中的至少一个的有效性的至少一个指示。
6.根据权利要求1所述的方法,其中,所述数据获取装置、所述处理装置和所述显示装置由通信网络通过一定距离联接。
7.根据权利要求1所述的方法,其中,所述生理数据集是呼吸数据集。
8.根据权利要求1所述的方法,其中,所述生理数据集是心脏数据集。
9.根据权利要求1所述的方法,其中,所述平滑与曲线拟合算法是移动平均算法、数字滤波算法和经由迭代误差减少学习算法的拟合中的一个。
10.根据权利要求1所述的方法,其中,多个流动-容积环在所述所显示装置上叠加。
11.根据权利要求10所述的方法,其中,所述叠加环被集成为代表性环。
12.根据权利要求1所述的方法,其中,相邻地绘制多个流动-容积环,以显示所述流动-容积环之间的差异。
13.根据权利要求12所述的方法,其中,以螺旋形配置显示相邻地绘制的流动-容积环。
14.根据权利要求1所述的方法,其中,流动-容积环被分区段成单独部分,并且单独地分析每个部分。
15.根据权利要求1所述的方法,其中,自动化无监督的算法经由匹配算法而识别所关注的流动-容积环。
16.根据权利要求1所述的方法,还包括:创建数据库,其中,根据临床相关呼吸系统相关诊断而连续更新和分类与流动-容积环相关的诊断信息。
17.根据权利要求1所述的方法,还包括:创建数据库,其中,根据临床相关心脏系统相关诊断而连续更新和分类与流动-容积环相关的诊断信息。
18.根据权利要求1所述的方法,还包括:创建流动-容积模板,以有助于匹配所述模板或落在所述模板之外的连续生成的流动-容积环的算法识别。
19.根据权利要求1所述的方法,其中,从非插管患者收集所述流动-容积环。
20.根据权利要求1所述的方法,其中,利用电阻抗监测器而收集所述流动-容积环。
21.根据权利要求1所述的方法,其中,将所述流动-容积环与对于患者参数校正的正在进行的容积测量配对。
22.根据权利要求1所述的方法,其中,将所述流动-容积环与正在进行的呼吸速率评估配对。
23.根据权利要求1所述的方法,其中,将所述流动-容积环与正在进行的心率评估配对。
24.根据权利要求1所述的方法,其中,将所述流动-容积环与正在进行的容积和正在进行的呼吸速率评估两者配对。
25.根据权利要求1所述的方法,其中,将所述流动-容积环与正在进行的心博容积和正在进行的心率评估两者配对。
26.根据权利要求1所述的方法,还包括:基于呼吸速率和/或容积测量而分类所述流动-容积环,用于分析、解释和显示。
27.根据权利要求1所述的方法,还包括:基于呼吸速率和/或容积测量而解释所述流动-容积环,用于诊断、对于生理机能变化的反应、对于干预的反应。
28.根据权利要求1所述的方法,还包括:如果一个或多个流动-容积环在预确定参数之外,或如果一个或多个流动-容积环从先前的流动-容积环偏离预确定偏差,则触发警报、警告或记录中的注释中的至少一个。
29.显示患者的流动-容积环和所述流动-容积环横跨所测量呼吸的可变性的系统,包括:
数据获取装置,获得所述患者的生理数据集;
处理装置,向所述生理数据集应用平滑与曲线拟合算法,以获得多个时间点处的实时容积和流动数据;
其中,所述处理装置向所述容积和流动数据应用可视化算法,以基于所述容积和流动数据而创建一系列流动-容积环;以及
显示装置,输出所述流动-容积环的图表,以帮助评估或诊断所述患者。
30.根据权利要求29所述的系统,其中,所述处理装置将流动容积环与潮式容积和呼吸速率的指标配对。
31.根据权利要求29所述的系统,其中,所述处理装置应用匹配算法,以识别正常流动-容积环和指示可能的病理状态或变化的生理机能状态的流动-容积环。
32.根据权利要求29所述的系统,其中,所述处理装置追踪和更新流动-容积环,以识别对于治疗、活动变化、运动方案变化和治疗操作中的至少一个的反应。
33.根据权利要求32所述的系统,其中,所述显示装置显示治疗、活动变化、运动方案变化和治疗操作中的至少一个的有效性的至少一个指示。
34.根据权利要求29所述的系统,其中,所述数据获取装置、所述处理装置和所述显示装置由通信网络通过一定距离联接。
35.根据权利要求29所述的系统,其中,所述生理数据集是呼吸数据集。
36.根据权利要求29所述的系统,其中,所述生理数据集是心脏数据集。
37.根据权利要求29所述的系统,其中,所述平滑与曲线拟合算法是移动平均算法、数字滤波算法和经由迭代误差减少学习算法的拟合中的一个。
38.根据权利要求29所述的系统,其中,多个流动-容积环在所述所显示装置上叠加。
39.根据权利要求38所述的系统,其中,所述叠加环被集成为代表性环。
40.根据权利要求29所述的系统,其中,相邻地绘制多个流动-容积环,以显示所述流动-容积环之间的差异。
41.根据权利要求40所述的系统,其中,相邻地绘制的流动-容积环以螺旋形配置显示。
42.根据权利要求29所述的系统,其中,流动-容积环被分区段成单独部分,并且单独地分析每个部分。
43.根据权利要求28所述的系统,其中,自动化无监督的算法经由匹配算法而识别所关注的流动-容积环。
44.根据权利要求29所述的系统,还包括:数据库,其中,根据临床相关呼吸系统相关诊断而连续更新和分类与流动-容积环相关的诊断信息。
45.根据权利要求29所述的系统,还包括:数据库,其中,根据临床相关心脏系统相关诊断而连续更新和分类与流动-容积环相关的诊断信息。
46.根据权利要求29所述的系统,其中,所述处理装置创建流动-容积模板,以有助于匹配所述模板或落在所述模板之外的连续生成的流动-容积环的算法识别。
47.根据权利要求29所述的系统,其中,从非插管患者收集所述流动-容积环。
48.根据权利要求29所述的系统,其中,所述数据获取装置是电阻抗监测器。
49.根据权利要求29所述的系统,其中,将所述流动-容积环与对于患者参数校正的正在进行的容积测量配对。
50.根据权利要求29所述的系统,其中,将所述流动-容积环与正在进行的呼吸速率评估配对。
51.根据权利要求29所述的系统,其中,将所述流动-容积环与正在进行的心率评估配对。
52.根据权利要求29所述的系统,其中,将所述流动-容积环与正在进行的容积和正在进行的呼吸速率评估两者配对。
53.根据权利要求29所述的系统,其中,将所述流动-容积环与正在进行的心博容积和正在进行的心率评估两者配对。
54.根据权利要求29所述的系统,其中,所述处理装置基于呼吸速率和/或容积测量而分类所述流动-容积环,用于分析、解释和显示。
55.根据权利要求29所述的系统,其中,所述处理装置基于呼吸速率和/或容积测量而解释所述流动-容积环,用于诊断、对于生理机能变化的反应、对于干预的反应。
56.根据权利要求29所述的系统,还包括:如果一个或多个流动-容积环在预确定参数之外,或如果一个或多个流动-容积环从先前的流动-容积环偏离预确定偏差,则触发警报、警告或记录中的注释中的至少一个。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762599153P | 2017-12-15 | 2017-12-15 | |
US62/599153 | 2017-12-15 | ||
PCT/US2018/066060 WO2019118980A1 (en) | 2017-12-15 | 2018-12-17 | Devices and methods of calculating and displaying continuously monitored tidal breathing flow-volume loops (tbfvl) obtained by non-invasive impedance-based respiratory volume monitoring |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111954489A true CN111954489A (zh) | 2020-11-17 |
Family
ID=66813685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880089500.3A Pending CN111954489A (zh) | 2017-12-15 | 2018-12-17 | 计算和显示由非侵入式基于阻抗的呼吸容积监测获得的连续监测的潮式呼吸流动-容积环(tbfvl)的装置和方法 |
Country Status (10)
Country | Link |
---|---|
US (1) | US20190183383A1 (zh) |
EP (1) | EP3723600A1 (zh) |
JP (1) | JP7337393B2 (zh) |
KR (1) | KR20200135291A (zh) |
CN (1) | CN111954489A (zh) |
AU (1) | AU2018386333A1 (zh) |
BR (1) | BR112020011978A2 (zh) |
CA (1) | CA3085819A1 (zh) |
MX (1) | MX2020006210A (zh) |
WO (1) | WO2019118980A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022542181A (ja) * | 2019-07-31 | 2022-09-29 | レズメド コーポレーション | 呼吸器疾患を常時モニタリングするためのシステムおよび方法 |
US20230263426A1 (en) * | 2020-08-13 | 2023-08-24 | The Uab Research Foundation | Spirometry methods to diagnose mild and early airflow obstruction |
KR102407355B1 (ko) * | 2021-02-04 | 2022-06-10 | 주식회사 바이랩 | 비침습적으로 기류성분과 혈류성분을 분리하여 측정하는 장치 및 그 방법 |
WO2024020130A1 (en) * | 2022-07-20 | 2024-01-25 | Children's Hospital Los Angeles | Systems and methods for detecting pathologic breaths/breathing patterns |
CN115211838A (zh) * | 2022-09-20 | 2022-10-21 | 深圳市健怡康医疗器械科技有限公司 | 基于耦合交互的肺功能检测的小型化智能设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1374767A2 (en) | 2001-03-02 | 2004-01-02 | Norio Kihara | Respiration function measuring system and its application |
US7720306B2 (en) * | 2005-08-29 | 2010-05-18 | Photomed Technologies, Inc. | Systems and methods for displaying changes in biological responses to therapy |
US7668579B2 (en) * | 2006-02-10 | 2010-02-23 | Lynn Lawrence A | System and method for the detection of physiologic response to stimulation |
US7784461B2 (en) * | 2006-09-26 | 2010-08-31 | Nellcor Puritan Bennett Llc | Three-dimensional waveform display for a breathing assistance system |
BRPI1005358A2 (pt) | 2009-01-30 | 2019-09-24 | Koninl Philips Electronics Nv | sistema para exibir as informações de ventilação pulmonar, método para exibir as informações de ventilação pulmonar e produto de programa de computador |
GB0919269D0 (en) | 2009-11-03 | 2009-12-16 | Univ Manchester | Lung function analysis method and apparatus |
CA2805124C (en) * | 2010-08-13 | 2017-11-14 | Respiratory Motion, Inc. | Devices and methods for respiratory variation monitoring by measurement of respiratory volumes, motion and variability |
JP5896609B2 (ja) | 2011-03-11 | 2016-03-30 | 株式会社フクダ産業 | 呼吸機能検査装置 |
US20150073281A1 (en) * | 2013-09-11 | 2015-03-12 | Xerox Corporation | Generating a flow-volume loop for respiratory function assessment |
-
2018
- 2018-12-17 EP EP18888804.4A patent/EP3723600A1/en not_active Withdrawn
- 2018-12-17 CN CN201880089500.3A patent/CN111954489A/zh active Pending
- 2018-12-17 KR KR1020207020514A patent/KR20200135291A/ko unknown
- 2018-12-17 BR BR112020011978-4A patent/BR112020011978A2/pt not_active Application Discontinuation
- 2018-12-17 CA CA3085819A patent/CA3085819A1/en active Pending
- 2018-12-17 WO PCT/US2018/066060 patent/WO2019118980A1/en unknown
- 2018-12-17 JP JP2020552683A patent/JP7337393B2/ja active Active
- 2018-12-17 US US16/222,783 patent/US20190183383A1/en active Pending
- 2018-12-17 MX MX2020006210A patent/MX2020006210A/es unknown
- 2018-12-17 AU AU2018386333A patent/AU2018386333A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
MX2020006210A (es) | 2021-03-25 |
BR112020011978A2 (pt) | 2020-11-17 |
JP7337393B2 (ja) | 2023-09-04 |
US20190183383A1 (en) | 2019-06-20 |
EP3723600A1 (en) | 2020-10-21 |
CA3085819A1 (en) | 2019-06-20 |
KR20200135291A (ko) | 2020-12-02 |
JP2021506550A (ja) | 2021-02-22 |
AU2018386333A1 (en) | 2020-07-02 |
WO2019118980A1 (en) | 2019-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7461072B2 (ja) | 呼吸早期警告スコアリングシステムおよび方法 | |
JP7337393B2 (ja) | 非侵襲性インピーダンスベースの呼吸量監視によって取得される連続的に監視された周期性呼吸フローボリュームループ(tbfvl)を計算し表示するデバイスおよび方法 | |
EP2289402B1 (en) | Method and system for interpretation and analysis of physiological, performance, and contextual information | |
US7668579B2 (en) | System and method for the detection of physiologic response to stimulation | |
JP2020503085A (ja) | 呼吸早期警告スコアリングシステムおよび方法 | |
US20140163897A1 (en) | System and Method for Detecting a Baseline Gradient | |
CN110996781A (zh) | 呼吸容积监测器和呼吸机 | |
US11147507B2 (en) | Decision support system for cardiopulmonary resuscitation (CPR) | |
US20200383647A1 (en) | Device and method for clinical evaluation | |
US20230380699A1 (en) | Advanced Respiratory Monitor and System | |
Nesar et al. | Improving touchless respiratory monitoring via lidar orientation and thermal imaging | |
AU2022211837A1 (en) | Advanced respiratory monitor and system | |
US20230190133A1 (en) | Generating an indicator of chronic obstructive pulmonary disease | |
KR102633976B1 (ko) | 심전도 신호와 호흡 신호를 출력하는 장치 및 방법 | |
Hmeidi | Evaluation of Structured Light Plethysmography for lung function monitoring in pediatric respiratory disorders | |
JP2024506439A (ja) | 心電図信号と呼吸信号を出力する装置および方法 | |
Shokoueinejad | Computer-Based Sleep Apnea Detection and Use of Rebreathe Device (" Smart CO2") to Treat Sleep Apnea | |
CN116801797A (zh) | 输出心电信号和呼吸信号的装置以及方法 | |
Kheirkhah Dehkordi | Assessment of respiratory flow and efforts using upper-body acceleration considering Sleep Apnea Syndrome | |
Eklund et al. | DETECTION OF APNOEA IN NEWBORN INFANTS USING IMPEDANCE RESPIRATORY WAVE DATA |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201117 |
|
WD01 | Invention patent application deemed withdrawn after publication |