CN115052515A - 用于确定患者呼吸时所付出的呼吸努力程度的系统和方法 - Google Patents
用于确定患者呼吸时所付出的呼吸努力程度的系统和方法 Download PDFInfo
- Publication number
- CN115052515A CN115052515A CN202080095583.4A CN202080095583A CN115052515A CN 115052515 A CN115052515 A CN 115052515A CN 202080095583 A CN202080095583 A CN 202080095583A CN 115052515 A CN115052515 A CN 115052515A
- Authority
- CN
- China
- Prior art keywords
- patient
- sensor
- data set
- sensor data
- processor
- 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
-
- 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
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1127—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using markers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/0051—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes with alarm devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/021—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes operated by electrical means
- A61M16/022—Control means therefor
- A61M16/024—Control means therefor including calculation means, e.g. using a processor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/04—Arrangements of multiple sensors of the same type
- A61B2562/043—Arrangements of multiple sensors of the same type in a linear array
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/06—Respiratory or anaesthetic masks
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/06—Respiratory or anaesthetic masks
- A61M16/0666—Nasal cannulas or tubing
- A61M16/0672—Nasal cannula assemblies for oxygen therapy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/18—General characteristics of the apparatus with alarm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/33—Controlling, regulating or measuring
- A61M2205/332—Force measuring means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/33—Controlling, regulating or measuring
- A61M2205/3327—Measuring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/35—Communication
- A61M2205/3546—Range
- A61M2205/3553—Range remote, e.g. between patient's home and doctor's office
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/50—General characteristics of the apparatus with microprocessors or computers
- A61M2205/502—User interfaces, e.g. screens or keyboards
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2210/00—Anatomical parts of the body
- A61M2210/10—Trunk
- A61M2210/1021—Abdominal cavity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2210/00—Anatomical parts of the body
- A61M2210/10—Trunk
- A61M2210/1025—Respiratory system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/04—Heartbeat characteristics, e.g. ECG, blood pressure modulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/40—Respiratory characteristics
- A61M2230/42—Rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/60—Muscle strain, i.e. measured on the user
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2240/00—Specially adapted for neonatal use
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Emergency Medicine (AREA)
- Anesthesiology (AREA)
- Hematology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Otolaryngology (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明是一种使用2个以上的传感器对患者的呼吸运动进行映射以解释为呼吸努力和严重程度评分的呼吸监测设备。本发明的核心部件是测量胸部、腹部和/或其他关键解剖特征的相对运动的基于接触的传感器、从所有传感器获取数据的处理单元、分析和比较来自每个传感器的数据以理解相对运动并将其解释为临床相关信息的算法、以及与临床医生共享该信息的显示屏。这些传感器彼此连接并且连接到信息处理单元,该信息处理单元与屏幕共享数据,以基于对胸腹异步(TAA)或由传感器网络测量并由算法分析的呼吸努力的类似指标的分析来显示呼吸严重程度评分。
Description
相关申请
本申请是于2019年12月05日提交的名称为“RESPIRATORY SEVERITY ASSESSMENTUSING MOTION-BASED SENSING[使用基于运动的感测进行呼吸严重程度评估]”的美国临时专利申请号62/944,355和于2020年10月20日提交的名称为“SYSTEMS,DEVICES,ANDMETHODS FOR THORACOABDOMINAL ASYNCHRONY-BASED RESPIRATORY EFFORT ASSESSMENTIN PATIENTS[用于患者的基于胸腹异步的呼吸努力评估的系统、设备和方法]”的美国临时专利申请号63/094,056的国际申请(PCT)并要求其优先权,这两个美国临时专利申请以其全文并入本文。
背景技术
呼吸系统疾病是全球儿童和成人发病和死亡的主要原因。这些疾病包括呼吸窘迫综合征(RDS)、急性呼吸窘迫综合征(ARDS)、小儿急性呼吸窘迫综合征(PARDS)、哮喘以及上下呼吸道感染,如哮吼、细支气管炎和肺炎。在非因呼吸系统疾病入院的儿科重症监护室(PICU)患者中,呼吸窘迫是非常值得关注的,因为未被识别的呼吸衰竭是婴儿心肺骤停的主要原因;并且呼吸骤停是成人死亡的主要原因。早期识别和治疗对于降低发病率和死亡率至关重要。因此,用于确保适当利用呼吸支持的呼吸监测是普通和ICU临床医生关注的关键领域。
传统上,已经使用直接和间接方法评估患者所付出的呼吸努力。对呼吸努力的最直接评估是计算呼吸功,或与呼吸相关联的总能量消耗,其可以被计算为呼吸量和压力的乘积的积分。被定义为通过放置在患者的食道中的球囊导管测量压力的食道测压法被认为是通过呼吸功计算对呼吸努力进行微创、定量评估的黄金标准;然而,由于临床医生的可解释性差,食道测压法并未在临床实践中广泛采用。
用于测量呼吸功的不太直接的方法依赖于:当患者休息时评估如呼吸费力或呼吸窘迫或呼吸困难等状况;患者对辅助呼吸肌的使用;以及以定性或半定量的方式测量患者腹部的反常运动。儿童和婴儿呼吸窘迫的客观临床评估的现有临床标准的一个示例被称为Silverman Andersen呼吸严重程度评分(RSS)。RSS是对与呼吸功相关的五个参数的半定量评估,该评估已经率先用于资源匮乏的环境。基于五个参数的总严重程度等级,即等级0、1或2,RSS评分范围从0到10。然而,与许多临床评估指南一样,这一指标存在观察者间可变性较差的问题,这只能通过连续、广泛的培训以保持评估技能来纠正。另外,该评估依赖于医疗专业人员的可用性和直接观察,并且不允许连续监测,这可能会影响在呼吸努力开始时检测到增加的呼吸努力并及时干预的能力。
图1提供了当前可用的工具以及对其相应功能和局限性的描述的表格,这些工具通过机械、声学和/或电感测设备间接评估患者为呼吸所付出的努力程度。虽然这些工具中的每个工具都具有测量呼吸努力的一个或多个特征的能力,但是每个工具都具有与准确性、将监测数据与呼吸努力联系起来的能力以及商业可用性相关的独特局限性,这些独特局限性限制了这些工具的相应有用性和准确性,特别是在临床环境中。
附图说明
图1提供了根据本发明的实施例的当前可用的工具以及对其相应功能和局限性的描述的表格,这些工具通过机械、声学和/或电感测设备间接评估患者为呼吸所付出的努力程度;
图2A提供了曲线图,示出了根据本发明的实施例第一胸部信号在时间上与第一腹部信号对齐;
图2B提供了曲线图,示出了根据本发明的实施例第二胸部信号在时间上与第二腹部信号对齐;
图2C提供了曲线图,示出了根据本发明的实施例第三胸部信号在时间上与第三腹部信号对齐;
图3A呈现了根据本发明的实施例的示例性系统,该示例性系统可以被配置为执行本文所披露的一种或多种方法;
图3B是框图,示出了根据本发明的实施例的示例性计算机系统;
图4A是根据本发明的实施例的包括三个传感器模块的示例性传感器阵列的图示;
图4B是根据本发明的实施例的另一个示例性传感器阵列的图示;
图4C提供了根据本发明的实施例的传感器阵列的分解图;
图4D是根据本发明的实施例的其上定位有传感器阵列的患者的图示;
图5A是流程图,示出了根据本发明的实施例的用于确定患者呼吸速率的过程的示例性步骤;
图5B描绘了波形图,该波形图可以表示根据本发明的实施例的接收到的传感器数据;
图6是流程图,示出了根据本发明的实施例的用于确定患者的TAA、患者表现出的呼吸窘迫程度和/或患者的呼吸窘迫评分的过程的示例性步骤;
图7是流程图,示出了根据本发明的实施例的用于确定患者的TAA、患者表现出的呼吸窘迫程度和/或患者的呼吸窘迫评分的另一个过程的示例性步骤;
图9提供了曲线图,示出了根据本发明的实施例的运动捕获测试;
图10是流程图,示出了根据本发明的实施例的用于收集关于当呼吸时患者的胸腔及其部分随时间的移动的信息的过程的示例性步骤;
图11提供了根据本发明的实施例的图像的示例,该图像可以在以绘制在患者身上的点和从患者身上竖起的标签的形式的不同标记描绘患者胸腔或胸部的不同定位的步骤中接收;
图12提供了示例性曲线图,示出了根据本发明的实施例的绘制腹部移动随肋骨笼移动变化的三条利萨茹曲线(Lissajous curve);
图13提供了根据本发明的实施例的在伴有重度呼吸窘迫的正常呼吸和从重度呼吸窘迫恢复后的呼吸期间的平均峰峰值幅度的条形图;
图14是流程图,示出了根据本发明的实施例的用于治疗呼吸窘迫患者的过程的示例性步骤。
发明内容
用于监测患者的呼吸系统的系统可以包括:第一传感器,该第一传感器通信地耦合至处理器并被配置为定位在患者的胸部上并且捕获该患者的胸部的移动;第二传感器,该第二传感器通信地耦合至处理器并被配置为靠近该患者的剑突定位并且捕获该患者的剑突的移动;第三传感器,该第三传感器通信地耦合至处理器并被配置为定位在患者的腹部上并且捕获该患者的腹部的移动;以及电源,该电源用于向该第一传感器、该第二传感器和该第三传感器提供电力。该第一传感器、该第二传感器和/或该第三传感器可以是例如加速度计、力传感器和/或应变仪。
在一些实施例中,该系统还包括通信地耦合至该第一传感器、该第二传感器和该第三传感器中的至少一者以及该处理器的控制器。该控制器可以被配置为例如提取移动测量结果、加速度测量结果、力测量结果、应变测量结果、呼吸速率和/或该患者表现出的胸腹异步(TAA)程度并将提取的移动测量结果、加速度测量结果、力测量结果、应变测量结果、呼吸速率和/或TAA程度传送给该处理器。
另外地或替代性地,该系统可以包括将该第一传感器和该第二传感器机械地耦合和电耦合在一起的第一导线以及将该第二传感器和该第三传感器机械地耦合和电耦合在一起的第二导线。在一些情况下,该第一导线和/或该第二导线的长度可以经由例如可收缩线轴或在可以使用可扩展导线时进行调整。
在一些实施例中,该系统的处理器可以与其上存储有指令集的存储器通信,该指令集在由该处理器执行时使该处理器执行多个步骤,如从定位在患者表皮上第一位置的第一传感器接收第一传感器数据集;从定位在该患者表皮上第二位置的第二传感器接收第二传感器数据集;确定该第一传感器数据集与该第二传感器数据集之间的相位差和/或对该第一传感器数据集和该第二传感器数据集执行互相关分析;基于所确定的该第一传感器数据集与该第二传感器数据集之间的相位差和/或该互相关分析的结果来确定该患者表现出的呼吸努力程度;以及将该呼吸努力程度传送给显示设备。在一些实施例中,该系统的处理器还可以进行以下操作:从定位在该患者表皮上第三位置的该第三传感器接收第三传感器数据集,该第三传感器与该处理器通信;确定该第一传感器数据集与该第三传感器数据集和/或该第二传感器数据集与该第三传感器数据集中的至少一者之间的相位差和/或对该第一传感器数据集和第三传感器数据集和/或该第二传感器数据集和第三传感器数据集执行互相关分析;以及基于所确定的该第一传感器数据集与该第三传感器数据集和/或该第二传感器数据集与该第三传感器数据集之间的相位差和/或基于该互相关分析的结果来确定该患者表现出的呼吸努力程度。
在使用本发明时由处理器执行的示例性方法包括:从定位在患者表皮上第一位置的第一传感器接收第一传感器数据集;从定位在该患者表皮上第二位置的第二传感器接收第二传感器数据集;确定该第一传感器数据集与该第二传感器数据集之间的相位差;基于所确定的该第一传感器数据集与该第二传感器数据集之间的相位差来确定该患者表现出的呼吸努力程度;以及将该呼吸努力程度传送给显示设备。在一些实施例中,对该患者表现出的呼吸努力程度的确定可以包括确定该患者表现出的胸腹异步(TAA)程度。该第一位置可以是该患者的胸部或靠近该患者的剑突,并且该第二位置可以靠近该患者的剑突或腹部。
有时,在确定该相位差之前可以对该第一传感器数据集和/或(多个)第二传感器数据集进行预处理或滤波(例如,带通滤波)。该第一传感器和该第二传感器可以是例如加速度计,并且该第一传感器数据集和该第二传感器数据集包括加速度测量结果。另外地或替代性地,该第一传感器和该第二传感器可以是测力计,并且该第一传感器数据集和该第二传感器数据集包括力测量结果。另外地或替代性地,该第一传感器和该第二传感器可以是应变传感器,并且该第一传感器数据集和该第二传感器数据集包括应变测量结果。
在一些实施例中,可以接收对该患者的呼吸速率的指示,并且对该患者表现出的呼吸努力程度的确定可以进一步基于该呼吸速率。
在一些实施例中,可以从定位在该患者身上第三位置的第三传感器接收第三传感器数据集。然后可以确定第一传感器数据集与第三传感器数据集和/或该第二传感器数据集与该第三传感器数据集之间的相位差,并且对该患者表现出的呼吸努力程度的确定可以进一步基于所确定的该第一传感器数据集与该第三传感器数据集和/或该第二传感器数据集与该第三传感器数据集之间的相位差。
在一些实施例中,可以在确定该患者表现出的呼吸努力程度之前完成该第一传感器数据集与该第二传感器数据集之间的互相关分析,其中,该患者表现出的呼吸努力程度可以进一步基于该互相关分析的结果。
在一些实施例中,该第一传感器数据集和该第二传感器数据集可以是在一段时间内收集的信号,并且在确定该患者表现出的呼吸努力程度之前,该段时间期间特定时间的互相关计算的结果可以与在该段时间期间计算的最大理论互相关值或最大互相关值进行映射。
另外地或替代性地,可以接收该患者可能呼吸时一段时间内患者的胸腔的视频记录,从而可以观察和/或测量该患者的胸腔或其部分的运动。有时,运动可以是该患者可能呼吸时该患者的胸腔的相对移动。在一些实施例中,该视频记录是三维视频记录。可选地,在一些情况下,可以用定位在该患者表皮上第一位置(例如,胸部或剑突)的第一标记和定位在该患者表皮上第二位置(例如,剑突或腹部)的第二标记来标记该患者的胸腔的表皮,但不一定总是这种情况。示例性标记包括绘制在患者皮肤上的点或图形、贴纸、LED和不透射线标记。然后可以分析视频以确定该段时间内第一标记和第二标记的位置变化,并且可以形成或产生示出该段时间内第一标记的位置变化的第一波形以及示出该段时间内第二标记的位置变化的第二波形。在一些情况下,第一波形和/或第二波形可以是正弦的。可以确定第一波形与第二波形之间的相位差,并且使用确定的相位差来进一步确定患者表现出的呼吸努力程度。另外地或替代性地,可以使用第一波形和第二波形来执行互相关分析,并且使用互相关分析的结果来进一步确定患者表现出的呼吸努力程度。然后可以将呼吸努力程度作为例如呼吸努力评分、呼吸窘迫严重程度评分或呼吸努力的其他指标传送给显示设备。在一些情况下,对该患者表现出的呼吸努力程度的确定可以包括确定该患者表现出的胸腹异步(TAA)程度。另外地或替代性地,对该患者的呼吸速率的指示以及对该患者表现出的呼吸努力程度的确定可以进一步基于该呼吸速率。
在一些实施例中,可以在确定该患者表现出的呼吸努力程度之前执行该第一传感器数据集与该第二传感器数据集之间的互相关分析,其中,该患者表现出的呼吸努力程度可以进一步基于该互相关分析的结果。在这些实施例中,该第一传感器数据集和该第二传感器数据集可以是在一段时间内收集的信号,并且在确定该患者表现出的呼吸努力程度之前,该段时间期间特定时间的互相关计算的结果可以与在该段时间期间计算的最大理论互相关值或最大互相关值进行映射。
具体实施方式
与COVID-19相关联的呼吸窘迫的管理必须考虑所有有创和无创通气选项,因为长时间使用ICU病床和呼吸机所消耗的资源可能在受限环境中不容易获得。医生还必须平衡呼吸机诱导的肺损伤风险和长时间使用呼吸机带来的拔管挑战以及不当延迟插管导致较差结果的风险。插管或提供侵入性较小形式的呼吸支持的决定通常因具有类似呼吸功能水平的患者的表现可变性程度而变得复杂。最近关于COVID-19管理的指导建议可以为一些患者提供非侵入性支持,如BiPAP、CPAP或HFNC,但必须密切监测他们的呼吸努力恶化体征,如缺氧时呼吸功增加的体征、使用辅助肌和呼吸急促。
虽然食道测压法已被公认为从呼吸压力得到呼吸功的黄金标准,但由于其侵入性和输出测量结果的有限可解释性,其显示出有限的临床实用性。被认为是呼吸努力(在本文中也被称为“呼吸功”)的标志的临床指标是胸腹异步(TAA),即呼吸期间肋骨笼和腹部的不一致运动。在健康患者中,胸壁和腹部在呼吸期间以同步的方式扩展和收缩;当患者出现呼吸窘迫时,胸部和腹部的异步运动变得越来越明显。在最糟糕的表现中,肋骨笼和腹部根据180°异相的周期函数移动,这种现象被称为“跷跷板式”呼吸。
除了升级指导之外,拥有可以指导呼吸支持降级的反馈机制对于成功且高效地治疗COVID-19患者至关重要。成功拔管在COVID-19管理中特别重要,因为在多次插管拔管循环中存在气溶胶化风险。监测TAA的实时变化可以在指导通气支持脱机方面发挥重要作用。最近发布的针对COVID-19患者的拔管协议建议在自主呼吸试验(SBT)期间观察如TAA等体征以确保SBT在脱机过程期间的成功。这种监测对于脱机可能更具挑战性的高危患者特别重要。在这些风险因素中,肥胖是影响多达一半成年COVID患者的合并症。肥胖可以通过阻碍膈肌移动、削弱对病毒感染的免疫反应、促进促炎状态和诱导可能对心血管功能产生不利影响的氧化应激来限制通气。重要的是,已经显示TAA在显著腹部肥胖的受试者中升高,从而增加了缺氧通气-灌注不匹配和气体交换受损的风险。
TAA监测的临床标准涉及由呼吸护理团队成员进行周期性目视观察。这种主观评估实践可能会受到观察者间可变性较差的影响。对于COVID-19以及所有急性呼吸系统疾病,用于连续监测呼吸努力的可靠、客观的评估工具可以允许更全面地了解患者的实时呼吸状态并且为利用不同水平的通气支持提供附加指示或禁忌症。
图2A至图2C分别提供了曲线图210、220和230,这些曲线图示出了来自定位在患者的胸部(在曲线图上被标记为“C”)上的传感器的正弦信号(在本文中有时被称为“胸部信号”)、来自定位在患者的腹部(在曲线图上被标记为“A”)上的传感器的正弦信号(在本文中有时被称为“腹部信号”)、以及示出了第一(胸部)正弦信号叠加在第二(腹部)信号上方以便例如可以观察或确定其间的相位差的复合图。胸部信号和腹部信号每次振荡的最大幅度用箭头标记。另外,胸部正弦信号和腹部正弦信号在时域中对齐,使得其在时间上彼此对应(例如,具有相同的开始和结束时间并且在时间上以相同的速率前进)。更具体地,图2A提供了曲线图210,示出了第一胸部信号240A在时间上与第一腹部信号245A对齐。曲线图210还提供了第一胸部信号240A与第一腹部信号245A叠加的复合信号250A。第一胸部信号240A与第一腹部信号245A高度相关(即,高互相关),使得其间的相位差为大约0°。因为在第一胸部信号240A与第一腹部信号245A之间存在高度相关性,所以与第一胸部信号240A和第一腹部信号245A相关联的患者表现出很少甚至没有TAA并且在呼吸时展现出很少或正常的努力。
更具体地,图2B提供了曲线图220,示出了第二胸部信号240B在时间上与第二腹部信号245B对齐。图210还提供了第二胸部信号240B与第二腹部信号245B叠加的复合信号250B。第二胸部信号240B与第二腹部信号245B的相关性不高(即,低互相关),使得其间的相位差为大约90°。因为在第二胸部信号240B与第二腹部信号245B之间不存在高度相关性,所以与第二胸部信号240B和第二腹部信号245B相关联的患者表现出一定的TAA,在呼吸时表现出更多的努力,并且可能处于一定的呼吸窘迫。
更具体地,图2C提供了曲线图230,示出了第三胸部信号240C在时间上与第三腹部信号245C对齐。图210还提供了第三胸部信号240C与第三腹部信号245C叠加的复合信号250C。第三胸部信号240C与第三腹部信号245C不相关(即,无互相关),使得其间的相位差为大约180°。因为在第三胸部信号240C与第三腹部信号245C之间不存在相关性,所以与第三胸部信号240C和第三腹部信号245C相关联的患者表现出重度TAA,并且可能在呼吸时付出极度努力,并且可能处于重度呼吸窘迫中。
在健康患者中,胸壁和腹部在呼吸期间以高互相关和大约0°的相位差以同步的方式扩展和收缩,如图2A的第一曲线图210的第一复合信号250A所示。当患者出现呼吸窘迫时,胸部与腹部之间的异步运动变得越来越明显,如在图2B的曲线图220中可以看到的,并且更具体地,如在第二复合信号250B中可以看到的,在该第二复合信号中,胸部运动的频率与腹部运动的频率呈90°异相。在最糟糕的表现中,胸部和腹部移动变得完全异步,或者表现出彼此大约180°异相的低互相关,如在图2C的曲线图230的第三复合信号250C中可以看到的。这种异步呼吸现象(如图2C所示)有时被称为“跷跷板式”呼吸。
异步呼吸是所有类型患者的呼吸窘迫症状,无论例如年龄、体型、体重指数、腰围、胸围和/或性别。然而,在一些情况下,异步呼吸的水平或程度可能取决于患者的生理特性并且可能不是由呼吸窘迫引起的(例如,BMI较高或靠近腹部的脂肪层较大的患者可能会模糊腹部或胸腔的部分的移动极限,并且在一些情况下,可能不会表现出与BMI较低或脂肪层较小的个体一样显著的异步)。例如,在腹部上或腹部周围具有相对较大脂肪组织层的成年患者中,该脂肪组织层可能会对膈肌造成一定的压缩,这可能导致并非由呼吸窘迫引起的一定程度的异步呼吸。然而,当这种患者处于或可能处于这种呼吸窘迫时,本文所描述的系统和过程能够调整测量和其他分析,以校正定位在腹部上或腹部周围的脂肪组织。
因此,对患者的异步呼吸的严重程度的确定可以是绝对的(例如,相对于已知基线或基线组测量)或者可以是相对于患者健康时的呼吸模式和他或她在患病状态时的呼吸模式或绝对的。
图3A呈现了示例性系统300,该示例性系统可以被配置为执行本文所披露的一种或多种方法。在一些情况下,系统300(或其部分)可以收集数据,这些数据可以用于使用系统300或其部分来评估患者的呼吸努力并确定患者的呼吸窘迫(例如,呼吸窘迫评分)。系统300包括:传感器阵列310,该传感器阵列被配置为测量呼吸期间的胸部和腹部运动;控制器320,该控制器被配置为从传感器阵列310接收数据,从传感器阵列数据中提取例如移动、TAA和/或呼吸速率并将提取的数据提供给计算机系统330,在许多情况下,该计算机系统包括显示界面以可视化数据供用户查看。在一些实施例中,控制器320可以是微控制器。系统300还可以包括电源360,该电源可以电耦合至系统300的一个或多个部件。电源360可以被配置为向系统300的一个或多个部件提供电力。示例性电源包括但不限于电池和插入壁装电源插座并从主电源汲取电力的机制。
传感器阵列310可以包括多个(例如,2个至10个)传感器,这些传感器可以被配置为感测患者的移动。包括在传感器阵列310中的示例性传感器包括但不限于加速度计(例如,2维和/或三维加速度计)、测力计和/或基于应变的传感器(有时被称为应变计)。可以包括在传感器阵列310中的示例性加速度计是Invensense ICM-20602 6轴陀螺仪和/或加速度灵敏度为±2g、±4g、±8g或±16g的加速度计。示例性的基于应变的传感器包括设置在如硅树脂或橡胶弹性体基板等基板中的压阻金属薄膜。
控制器320可以被配置为以允许测量微小(例如,0.1mm至5mm)患者移动的任何优选速率(例如,4kHz或更低)从传感器阵列310对数据进行采样。在一些实施例中,可以使用控制器320从遵循I2C通信协议的传感器阵列310收集传感器数据,该控制器可以以例如30.5Hz的示例性频率从每个加速度计接收加速度数据。控制器320然后可以将经采样的加速度计数据传送到PC,以根据例如本文所描述的一个或多个过程进行处理。系统300的部件可以经由有线和/或无线方式进行通信,并且在一些实施例中,可以使用像互联网等通信网络进行通信。
在一些实施例中,传感器阵列310的传感器和/或控制器320可以彼此物理地耦合/电耦合和/或耦合至系统300的其他部件。另外地或替代性地,传感器阵列310的传感器中的一个或多个和/或控制器320可以经由例如无线或近场通信协议(例如,BLUETOOTHTM)彼此无线耦合和/或耦合至系统300的其他部件。当传感器阵列310的传感器和/或控制器导线320被配置用于无线通信时,其可以包括无线天线和/或收发器(未示出)。
系统300还可以包括:数据库340,该数据库被配置为存储由计算机系统330接收的数据;显示设备350,该显示设备通信地耦合至计算机系统330;以及相机360,该相机可以是被配置为捕获患者呼吸时他或她的视频图像的摄像机。在一个实施例中,相机360是高速相机,该高速相机被配置为捕获例如每分钟1,500帧至3,000帧。系统300的两个或更多个部件可以经由例如网络305(如互联网)彼此通信地耦合。
图3B是框图,示出了示例性计算机系统370,该示例性计算机系统包括总线372或用于传送信息的其他通信机制,以及与总线372耦合的用于处理信息的处理器374。计算机系统370还包括主存储器376(如随机存取存储器(RAM)或其他动态存储设备),该主存储器耦合至总线372以用于存储要由处理器374执行的信息和指令。主存储器376还可以用于存储在执行要由处理器374执行的指令期间的临时变量或其他中间信息。计算机系统370进一步包括只读存储器(ROM)378或耦合至总线372以用于为处理器374存储静态信息和指令的其他静态存储设备。提供存储设备380,例如硬盘、基于闪速存储器的存储介质或处理器374可以从其读取的其他存储介质,并耦合至总线372,以用于存储信息和指令(例如,操作系统、应用程序等)。
计算机系统370可以经由总线372耦合至显示器382(如平板显示器),以用于将信息显示给计算机用户。输入设备384(如包括字母数字键和其他键的键盘)可以耦合至总线372,以用于将信息和命令选择传送给处理器374。另一种类型的用户输入设备是光标控制设备386(如鼠标、轨迹板或类似输入设备),用于将方向信息和命令选择传送给处理器374并且用于控制显示器382上的光标移动。如麦克风、扬声器等其他用户接口设备未详细示出,但可能涉及用户输入的接收和/或输出的呈现。
本文提到的过程可以通过执行包含在主存储器376中的一系列适当的计算机可读指令的处理器374来实施。这种指令可以从如存储设备380等另一个计算机可读介质读入主存储器376,并且执行包含在主存储器376中的一系列指令使处理器374执行相关联的动作。在替代性实施例中,可以使用硬接线电路系统或固件控制的处理单元代替或结合处理器374及其相关联的计算机软件指令来实施本发明。这些计算机可读指令可以以任何计算机语言渲染。
一般而言,所有上述过程描述都旨在涵盖按顺序执行以实现给定目的的任何一系列逻辑步骤,这是任何计算机可执行应用程序的标志。除非特别声明,否则应当理解,贯穿本发明的说明书,如“处理”、“运算”、“计算”、“确定”、“显示”、“接收”、“传输”等术语的使用是指适当编程的计算机系统(如计算机系统370)或类似电子计算设备的动作和过程,这些适当编程的计算机系统或类似电子计算设备将被表示为其寄存器和存储器中物理(电子)量的数据操纵和转换成类似地被表示为其存储器或寄存器或其他这种信息存储、传输或显示设备内物理量的其他数据。
计算机系统370还包括耦合至总线372的通信接口388。通信接口388可以提供与计算机网络的双向数据通信信道,该双向数据通信信道提供到上文所讨论的各种计算机系统的连接性以及这些计算机系统之间的连接性。例如,通信接口388可以是用于提供到兼容性LAN的数据通信连接的局域网(LAN)卡,该兼容性LAN本身通过一个或多个互联网服务提供商网络通信地耦合至互联网。这种通信路径的精确细节对于本发明并不重要。重要的是,计算机系统370可以通过通信接口388发送和接收消息和数据并以这种方式与可经由互联网访问的主机通信。应当注意,系统370的部件可以位于单个设备中,或者位于多个物理上和/或地理上分布的设备中。
图4A是示例性传感器阵列310的图示,该示例性传感器阵列包括三个传感器模块420:第一传感器模块420A,该第一传感器模块可以被配置为定位在患者的胸部上(并且在本文中有时可以被称为“胸部传感器”);第二传感器模块420B,该第二传感器模块可以被配置为定位在患者的剑突上(并且在本文中有时可以被称为“剑突传感器”);以及第三传感器模块420C,该第三传感器模块可以被配置为定位在患者的腹部上(并且在本文中有时可以被称为“腹部传感器”),例如图4C所示。第一传感器420A、第二传感器420B和第三传感器420C可以是例如加速度计、应变仪和/或测力计,其经由通过可以包括在单根或多根电缆440中的多根(例如,4根、8根、10根)导线彼此物理地耦合和电耦合(串联和/或并联)。单独的导线/电缆440可以焊接到由第一传感器420A、第二传感器420B和第三传感器420C提供的引线。尽管被示出为有线的,但是第一传感器420A、第二传感器420B和第三传感器420C在一些情况下可以被配置为无线地或者以不同数量的接线配置传输信号。传感器阵列310可以经由导线440耦合至控制器320。在一些情况下,导线440可以足够长以适应将控制器放置在距放置传感器阵列310的患者优选距离(例如,10英尺或15英尺)处。在一些实施例中,导线/电缆440的大小可以适合不同的身形(例如,婴儿、儿童、青少年和成人)。另外地或替代性地,导线/电缆440的长度可以经由例如传感器420中的一个或多个的外壳中存在的线轴或收缩机制调整,该线轴或收缩机制有助于导线/电缆440的延伸和/或收缩以适应不同的身形。在一些实施例中,导线/电缆440可以是柔性的和/或导线/电缆440与传感器之间的附接机制是柔性的。
图4B是包括类似于4A所示的那些传感器模块的三个传感器模块420的另一个示例性传感器阵列310的图示。除了图4A所示的传感器阵列的部件之外,图4B的传感器阵列310还包括导线扩展机制455,该导线扩展机制可以被配置为使导线/电缆440的长度可经由例如通过线轴或弹性机制的收缩和/或扩展来调整。
图4C提供了传感器阵列310的分解图,其中,每个传感器420包括被配置为例如感测运动或加速度的一组传感器电路系统和/或机械装置425、被配置为粘附至患者皮肤的可拆卸粘性贴片450、可以附接至例如心电图(ECG)垫的夹具460、以及容纳夹具460和传感器电路系统和/或机械装置425的外壳470。传感器电路系统和/或机械装置425可以是例如印刷电路板,该印刷电路板在一些情况下包括MEMS IMU和支持硬件、力传感器设备、应力计和/或加速度计。图4D的传感器阵列310还示出了导线440的长度。
传感器420和/或传感器电路系统和/或机械装置425的间距可以被配置为与患者的胸部与剑突之间以及剑突与腹部顶点之间的距离的解剖学测量结果对齐并且可以具有不同的长度以适应不同的年龄和体型,如1岁至5岁的儿童、13岁至15岁的青少年、或成人(18岁至90岁)。在一些情况下,一根或多根导线440的长度可以是可调整的,以便适应例如不同的体型/身形。例如,用于一个或多个传感器420的壳体可以包括能够使一根或多根导线440收缩到壳体中的机制(例如,线轴)。另外地或替代性地,传感器阵列的部件可以是弹性的或以其他方式被配置为扩展或收缩,使得传感器420之间的定位可以适应个体的生理机能。在一些实施例中,第一加速度计420可以被配置为放置在佩戴者的胸部上(例如,患者的乳头之间的中点),第二加速度计420可以被配置为放置在患者的剑突上,并且第三加速度计420可以被配置为放置在患者的腹部上。
图4D是其上定位有传感器阵列310的患者480的图示。在一些情况下,如果用户(例如,卫生保健提供者)将第一传感器420A粘附在乳头之间的中点处,将第二传感器420B粘附在靠近患者的剑突的表皮上,并且将第三传感器420C粘附到腹部上(对于儿科患者大约在肚脐上方1英寸至3英寸或者对于成年患者大约在肚脐上方2英寸至6英寸),则传感器阵列310可以定位在患者480身上。
图5A是流程图,示出了用于确定患者的呼吸速率的过程500的示例性步骤。过程500可以由例如系统300或其任何部件执行。
最初,在步骤505中,可以以例如波形530的形式接收传感器数据,如图5B所示。通常,接收到的传感器数据是来自像腹部传感器420C等腹部传感器的数据。传感器数据可以带有时间戳和/或被划分为多个时间窗,该多个时间窗的示例在图5B中被示出为第一时间窗535a和第二时间窗535b。在一些实施例中,可以使用例如带宽滤波器对传感器数据进行滤波。
然后可以使用例如峰值检测函数分析接收到的传感器数据以检测传感器数据中的峰值(步骤510)。这些峰值可以与腹腔的最大扩展相对应,该腹腔的最大扩展在每个呼吸周期发生一次并且因此与患者的呼吸周期相关。在一些情况下,数据中的峰值可以由多个点的阈值分离和相对于周围局部最大值的阈值显著性来表征,由此阈值分离意味着每个峰值被一定数量的点分离。例如,如果在点x处识别出峰值并且将阈值分离定义为10个点,则这意味着可以识别的最早的另一个峰值位于点x+10处。这可以防止从数据中过于频繁地对峰值进行采样。分离可以等效于本文所披露的python函数的距离输入。阈值显著性可以提供相对幅度的指标。信号内的噪声具有一定的典型幅度,并且感兴趣的信号内容(例如,样本中的呼吸幅度或次数)可能具有共同的或典型的幅度。设置显著性阈值允许设置峰值相对于其他可能的峰值的“显著的”程度以实际标记为峰值。
在步骤515中,可以针对多个峰值和/或时间窗确定分离每对连续峰值的持续时间。然后,可以确定分离峰值的平均时间值(步骤520)并且可以将该平均时间值转换为呼吸速率(步骤525),其中,例如,给定时间窗(例如,1分钟)内的平均峰值数与每分钟的呼吸次数(即,呼吸速率)相对应。
图6是流程图,示出了用于确定患者的TAA、患者表现出的呼吸窘迫程度和/或患者的呼吸窘迫评分的过程600的示例性步骤。这些确定可以在例如周期性的、按需的和/或连续的基础上执行。过程600可以由例如系统300或其任何部件(如传感器阵列310)执行。
最初,第一传感器数据集和第二传感器数据集可以由处理器或像计算机系统330等计算机接收(步骤605)。在一些实施例中,第一传感器数据集和第二传感器数据集是像图2A至图2C所示的那些波形等波形。传感器数据可以从例如像控制器320等控制器和/或像第一传感器420A、第二传感器420B和/或第三传感器420C等传感器接收。传感器数据可以与例如加速度数据、力测量结果、应变测量结果和/或测得的例如患者的胸腔、胸部、剑突区域和/或腹部的直径变化相对应并且可以随时间(例如,30s、1分钟、5分钟等)获取。有时,在步骤605中可以接收与多个测量结果相对应的数据。例如,在步骤605中可以从例如第一传感器420A接收与在患者的胸部处获取的测量结果相对应的数据、从例如第二传感器420B接收与在患者的剑突处获取的测量结果相对应的数据和/或从例如第三传感器420C接收与在患者的腹部处获取的测量结果相对应的数据。在一些实施例中,在步骤605中可以接收与从特定位置(例如,胸部、剑突和/或腹部)获取的测量结果相对应的不同类型的数据。例如,可以接收与患者的胸部上特定位置中的一个或多个的加速度、力和/或应变测量结果相对应的数据,从而例如可以使用多种类型的测量结果来验证和/或建立使用接收到的数据进行的确定的准确性的置信度水平。
然后可以对接收到的传感器数据进行滤波、分析和/或预处理(步骤610)。在一些情况下,步骤610的分析和预处理可以包括例如使用例如希尔伯特变换滤波器对数据进行滤波和/或执行相移分析,从而可以确定结果函数之间的相位角(步骤615)。
希尔伯特变换滤波器是可以用于将实信号转换为解析信号的数学函数,该解析信号被定义为具有无负频率分量的信号。连续时间解析信号可以表示为等式1,如下所示:
其中:
z(t)=解析表示
t=时间
Z(ω)=正频率信号的复系数并设置其幅度和相位;
ω=频率
dω=频率的导数
通过产生相位正交分量作为虚部可以将实正弦曲线转换为正频率复正弦曲线;该相位正交分量是通过将原始信号偏移90°产生的。希尔伯特变换滤波器具有滤除负频率并为正频率创建增益2的效果。
希尔伯特变换可以在数学上进行解释,其中,如果两个信号完全同步,则所得相位角接近0°,而在反常运动期间,相位角接近180°。
希尔伯特变换可以通过以下等式2A和2B的计算在数学上进行解释,其中,x(t)是具有单位幅度、频率ω0、正频率分量X+和负频率分量X-的正弦信号,其中:
然后,将原始分量和移位器分量相加在一起作为单个信号(x(t)+jy(t))产生等式4A和4B,如下所示。
在使用如MATLAB和/或Python脚本库等软件处理离散时间信号时,通过首先计算信号的傅里叶变换来计算希尔伯特变换。然后将信号的负频率分量的幅度设置为零。最后,通过计算新频率空间的傅里叶逆变换来产生新信号。
使用希尔伯特变换可以允许用单个特性频率定义近似正弦的信号,如呼吸信号。在一些实施例中,确定来自患者的身体上的两个或更多个位置/传感器(例如,剑突和肚脐位置)的数据的特性频率可以允许对信号之间的相移的确定。这可以在识别可以计算相移的最近收集的数据的窗口并且通过减去包含在窗口内的数据点的平均值并除以标准偏差来归一化数据之后完成。一旦归一化,就可以通过希尔伯特变换滤波器来发送数据并且可以计算相移。图8提供了曲线图800,其中,在复平面中绘制了从靠近患者的肚脐或腹部放置的传感器(在本文中有时被称为第三信号)接收到的并在图8中被称为肚脐信号(N)的数据与从靠近患者的剑突放置的传感器(在本文中有时被称为第二信号)接收到的并在图8中被称为剑突信号(X)的数据的希尔伯特变换滤波幅度之间的相移其中,Y轴与虚数(在曲线图800上被标记为Im)相对应并且X轴与实数(在曲线图800上被标记为Re)相对应。肚脐信号(N)可以表示为等式5,如下所示:
其中:
N=肚脐信号的振幅移位
e=欧拉数(大约2.71828)
ω=频率
t=时间
剑突信号可以表示为等式6,如下所示:
剑突信号=Xe-iwt 等式6
其中:
X=剑突信号的振幅移位
e=欧拉数(大约2.71828)
ω=频率
t=时间
可选地,在步骤620中,除了步骤615的相位差确定之外和/或替代该步骤的相位差确定,可以执行在步骤605中接收到的两个数据集(例如,来自第二传感器和第三传感器的数据)的互相关分析。可以将特定时间的某个时刻的互相关分析的结果(在本文中也被称为互相关数据)映射到在数据收集过程中计算的最大互相关(步骤625)。数据收集过程可以持续一段时间,例如持续15秒、30秒、60秒、5分钟、10分钟和/或一小时。在一些情况下,数据的收集在更长的时间段(例如,4小时、12小时、24小时、48小时或82小时)内可以是连续的和/或周期性的。在一些实施例中,互相关分析可以基于两个或更多个信号的时间积分。例如,可以将在给定时间确定的互相关相对于在数据收集过程中计算的最大互相关从0%映射到100%;这种输出或映射可以被称为“相对互相关”。步骤615的相移分析和/或步骤620的互相关分析可以以类似于经由过程500执行呼吸速率计算的方式在时间段内执行。
在一些实施例中,两个离散函数f[n]和g[n]或数据集的互相关可以如等
式8所示来定义,如下所示:
其中:
f=与第一数据集相对应的信号
g=与第二数据集相对应的信号
n=函数之间的滞后
m=在一段时间内与第一数据集或第二数据集中的任一个相对应的信号的最大值
对于两个具有相等周期的噪声失真的、近似周期性离散信号,具有每个信号中的从负到正范围内的点数之和的滞后n的两个信号的互相关函数可能看起来大致如图9所示,其中,最大值将出现在零滞后时间处并且局部极大值出现在等于周期的偏移处。图9提供了曲线图900,示出了运动捕获测试,其中,以秒为单位的滞后时间被示出为在呼吸窘迫的各个阶段期间确定的剑突和肚脐呼吸信号的互相关的函数,其中,曲线910示出了作为正常呼吸的滞后时间的函数的互相关,曲线920示出了作为处于重度呼吸窘迫时呼吸的滞后时间的函数的互相关,并且曲线930示出了作为从重度呼吸窘迫中恢复时呼吸的滞后时间的函数的互相关。图9示出了在正常条件下两个信号之间的相关性最大;重度呼吸窘迫时相关性降低;并且在从呼吸窘迫中恢复后,相关性返回到接近基线。
可选地,在步骤630中,可以接收对患者的呼吸速率可变性的指示。该指示可以使用第一传感器数据集和第二传感器数据集来确定和/或可以从另一个设备和/或由主治护理员输入。
可选地,在步骤635中,可以接收和/或确定关于患者的附加信息。示例性接收到的附加信息包括与患者的生理特性有关的信息,如体重指数(BMI)、患者的腹部脂肪组织的厚度、患者的体重、患者的身形、患者的呼吸速率(例如,每分钟呼吸次数)、精神状态、血氧饱和度和/或患者是否正在接受补充氧气或其他呼吸辅助。示例性确定的附加信息包括呼吸速率(例如,每分钟呼吸次数),该呼吸速率可以使用例如像上文关于图5A所描述的过程500等过程来确定,以及呼吸速率s,即对每个呼吸循环的时间长度变化的度量。
在步骤640中,相移分析数据、映射的互相关数据和/或在步骤635中接收到的附加信息可以用于确定患者表现出的呼吸努力程度,该呼吸努力程度可以用于确定患者的呼吸窘迫水平(即,呼吸窘迫评分)(步骤645),其中,两个或更多个收集的信号之间的互相关降低和相移增加指示胸腹异步(TAA)增加。在一些情况下,患者表现出的呼吸努力程度可以是和/或可以包括患者表现出的TAA程度。呼吸努力程度和/或呼吸窘迫程度然后可以被提供给显示设备,如计算机监视器或其他显示设备(步骤650)。
在一些实施例中,并非执行过程600的所有步骤来确定呼吸窘迫程度(步骤640)和/或确定呼吸窘迫严重程度评分(步骤645)。例如,在一些实施例中,仅使用步骤615的相位差、步骤620的互相关分析的结果、步骤625的互相关数据的映射、步骤625的对呼吸可变性指示的确定来执行对步骤640和/或645的确定。替代性地,过程600的两个或更多个步骤的执行结果可以用于确定呼吸窘迫程度(步骤640)和/或确定呼吸窘迫严重程度评分(步骤645)。例如,可以将步骤615和620的执行结果的组合、步骤615、620和625的执行结果的组合、步骤615、620、625和630的执行结果的组合、步骤620、625和/或630的执行结果的组合和/或步骤625和630的执行结果的组合进行组合以确定呼吸窘迫程度(步骤640)和/或确定呼吸窘迫严重程度评分(步骤645)。
图7是流程图,示出了用于确定患者的TAA、患者表现出的呼吸窘迫程度和/或患者的呼吸窘迫评分的另一个过程700的示例性步骤。这些确定可以在例如周期性的、按需的和/或连续的基础上执行。过程700可以由例如系统300或其任何部件(如传感器阵列310)执行。
最初,在步骤705中,可以经由例如执行过程600或其一部分来接收第一互相关数据集、患者表现出的第一呼吸努力程度和/或患者的第一呼吸窘迫严重程度评分。在一些实施例中,在步骤705中接收到的信息可以是基线互相关数据集、患者表现出的基线呼吸努力和/或基线呼吸窘迫严重程度评分,在一些情况下,这些信息可以作为例如常规体检的一部分而被预先确定。这些基线可以帮助确定患者在正常条件下(例如,不是在急性病时)呼吸时表现出的努力程度。以这种方式使用基线可以允许在确定患者是否处于呼吸窘迫和/或量化呼吸窘迫程度或确定患者的呼吸窘迫评分时对考虑个体差异的呼吸努力的确定。例如,当患者在正常条件下表现出呼吸受损时,这可能是有帮助的,如可能是慢性呼吸系统诊断(例如,哮喘、慢性阻塞性肺病(COPD)或肺癌)的情况。另外地或替代性地,在步骤705中接收到的信息可以是在执行过程700之前(例如,几分钟、几小时、几天)的互相关数据集、患者表现出的呼吸努力程度和/或针对患者确定的呼吸窘迫严重程度评分。
在步骤710中,第三传感器数据集和第四传感器数据集可以由处理器或像计算机系统330等计算机接收。在一些实施例中,第三数据集和第四数据集来自定位在患者身体的不同部位(例如,胸部和腹部或剑突和腹部)上的不同传感器。在一些实施例中,第三传感器数据集和第四传感器数据集是像图2A至图2C所示的那些波形等波形,并且有时,第三传感器数据集和第四传感器数据集可以类似于在步骤605中接收到的第一传感器数据集和第二传感器数据集。
然后可以对接收到的传感器数据进行滤波、分析和/或预处理(步骤715)。除了对第三传感器数据集和第四传感器数据集执行滤波、分析和/或预处理之外,步骤715的执行可以类似于上文所描述的步骤610的执行。然后,可以确定第三传感器数据集与第四传感器数据集之间的相位差(步骤720)。步骤720的执行可以类似于步骤615的执行。
然后可以执行第三数据集和第四数据集的互相关分析(步骤725)并且可以将特定时间的某个时刻的该互相关分析的结果(在本文中也被称为互相关数据)映射到在数据收集过程中计算的最大互相关(步骤730)。在一些实施例中,步骤725和730的执行可以分别以类似于步骤620和625的执行的方式进行。
可选地,在步骤735中,可以接收和/或确定关于患者的附加信息。在步骤735中接收到的附加信息可以类似于在步骤635中接收到的附加信息。
在步骤740中,可以使用第三数据集和第四数据集的映射的互相关数据和/或在步骤735中接收到的附加信息来确定患者表现出的第二或后续呼吸努力程度,该第二或后续呼吸努力程度可以用于确定患者的第二或后续呼吸窘迫水平(即,呼吸窘迫评分)(步骤745)。在一些情况下,患者表现出的呼吸努力程度可以是和/或可以包括患者表现出的胸腹异步(TAA)程度。
在步骤750中,可以将第三数据集和第四数据集的映射的互相关数据与第三数据集和第四数据集的映射的互相关数据进行比较,以便确定其间的差异。该差异可以用于调整或限定(例如,提高或改善)在步骤740中确定的第二确定的呼吸窘迫程度和/或在步骤745中确定的第二呼吸评分。另外地或替代性地,步骤750可以在(多个)步骤740和/或745之前执行,并且比较可以用于确定在步骤740中确定的第二呼吸窘迫程度和/或在步骤745中确定的第二呼吸评分。
另外地或替代性地,步骤750可以包括将在步骤705中接收到的呼吸努力程度与在步骤740中确定的第二呼吸努力程度进行比较。该差异可以用于调整或限定(例如,提高或改善)在步骤740中确定的第二呼吸窘迫程度和/或在步骤745中确定的第二呼吸评分。另外地或替代性地,步骤750可以在(多个)步骤740之前执行,并且比较可以用于确定在步骤740中确定的第二呼吸窘迫程度和/或在步骤745中确定的第二呼吸评分。
另外地或替代性地,步骤750可以包括将在步骤705中接收到的呼吸窘迫评分的程度与在步骤745中确定的第二呼吸窘迫评分进行比较。该差异可以用于调整或限定(例如,提高或改善)在步骤740中确定的第二呼吸窘迫程度和/或在步骤745中确定的第二呼吸评分。另外地或替代性地,步骤750可以在(多个)步骤745之前执行,并且比较可以用于确定在步骤740中确定的第二呼吸窘迫程度和/或在步骤745中确定的第二呼吸窘迫评分。
可选地,在步骤755中,可以使用步骤750的比较结果来更新和/或重新计算在步骤740中确定的第二呼吸窘迫程度和/或在步骤745中确定的第二呼吸窘迫评分。
在步骤760中,可以将患者的第二呼吸努力程度和/或第二呼吸窘迫严重程度评分和/或更新的和/或重新计算的第二呼吸努力程度和/或第二呼吸窘迫严重程度评分传送给显示设备。
图10是流程图,示出了用于使用例如系统300和/或其部件收集关于当呼吸时患者的胸腔及其部分随时间的移动的信息并评估患者是否处于呼吸窘迫的过程1000的示例性步骤。
在步骤1005中,可以接收其上定位有多个标记的患者的图像。标记可以标记或描绘患者的胸腔的不同定位。在步骤1005中接收到的图像中的标记的位置可以表示标记的原始定位或原点,可以针对该原始定位或原点来测量上下、左右的运动。
图11提供了图像的示例,该图像可以在以绘制在患者身上的点和从患者身上竖起的标签的形式的不同标记描绘患者胸腔或胸部的不同定位的步骤1005中接收。更具体地,图11示出了定位在患者的胸部上部区域的第一标记1105、定位在胸骨下方的第二标记1110、定位在肚脐处或肚脐附近的第三标记1115、大致定位在第一肋间隙(例如,第五肋与第六肋之间)的第四标记1120、大致定位在第二肋间隙(例如,第六肋与第七肋之间)的第五标记1125、大致定位在第三肋间隙(例如,第七肋与第八肋之间)的第六标记1130、大致定位在第四肋间隙(例如,第八肋与第九肋之间)的第七标记1130、以及大致定位在第五肋间隙(例如,第九肋与第十肋之间)的第八标记1135。在一些实施例中,第一标记1105、第二标记1110和/或第三标记1115可以分别包括第一参考标记1106、第二参考标记1110和/或第三参考标记1116,这些参考标记可以被配置为帮助捕获患者在呼吸时在例如X、Y和/或Z(多个)方向上移动的视频。在一些情况下,参考点可以呈十字或“+”符号的形式,以例如帮助分析患者的视频记录,从而确定患者在他或她呼吸时的移动。图11还示出了可选的子标记。患者的胸部和腹部的运动可以经由前八个标记1105-1135观察和量化。例如,如摄像机360等摄像机可以记录呼吸时患者的胸部的移动并且该视频可以在步骤1010中接收。可以分析视频以例如确定标记随时间的移动(步骤1015)。在一些实施例中,可以在步骤1010中接收到的多个视频可以在患者的(例如,不受限制和受限制的)不同呼吸条件下经由前八个标记进行分析/量化。例如,可以在以下情况下获取患者呼吸的视频记录:当呼吸不受限制(例如,正常)时;当经由例如弹性带和/或具有固定阻力的锻炼面罩对患者的胸部和/或呼吸施加阻力、没有时间适应具有阻力的呼吸时;和/或当经由例如弹性带和/或具有固定阻力的锻炼面罩对患者的胸部和/或呼吸施加阻力、以一段时间间隔(例如,3分钟至8分钟)使患者适应具有阻力的呼吸时。然后可以分析这些记录以确定前八个标记1105-1135在患者的不同条件下随时间移动了多少。
图12提供了示例性曲线图1200,示出了绘制以英寸为单位的腹部移动随以英寸为单位测量的肋骨笼移动变化的三个利萨茹曲线,其中,第一利萨茹曲线1210表示当患者从呼吸窘迫中恢复时作为肋骨笼移动的函数的腹部移动,第二利萨茹曲线1220表示当患者处于重度呼吸窘迫时作为肋骨笼移动的函数的腹部移动,并且第三利萨茹曲线1230表示当患者经历正常呼吸时作为肋骨笼移动的函数的腹部移动。第一利萨茹曲线1210、第二利萨茹曲线1220和第三利萨茹曲线1230反映了三种呼吸类型(即,分别为从呼吸窘迫中恢复、重度呼吸窘迫和正常呼吸)中的每一种的移动幅度的变化,其中,对于该示例,与正常呼吸(即,第三利萨茹曲线1230)和由呼吸窘迫呼吸恢复所展示的第一利萨茹曲线1210所示的恢复(即腹部移动的幅度变化相对于肋骨笼移动的幅度较小)相比,呼吸窘迫恢复(即,第二利萨茹曲线1220)时呼吸的幅度范围更大。这示出了对患者的腹部和肋骨笼移动幅度的比较可以如何帮助量化地表征患者正在经历呼吸窘迫的程度。
可选地,在步骤1020中,来自标记中的两个或更多个标记的数据的互相关然后可以以例如类似于步骤620的互相关分析的方式进行。
可选地,在步骤1025中,可以确定标记中的一个或多个标记的幅度随时间的变化。作为示例,图13提供了前七个标记1105-1135在正常呼吸(无填充(或白色)的条形图)、重度呼吸窘迫的呼吸(用带有水平填充线的条形图显示)和从重度呼吸窘迫中恢复之后的呼吸(用带有对角填充线的条形图显示)期间的平均峰峰值幅度的条形图。图1300还以误差条的形式提供每种呼吸类型的误差范围的指示。在这种情况下,误差条表示95%的置信度区间。
在步骤1030中,可以确定患者是否处于呼吸窘迫(即,呼吸类似于受限呼吸)并且可以向如临床医生、医生或护士等用户提供患者是否处于呼吸窘迫的指示(步骤1035)。
最近提出的针对COVID-19引起的缺氧患者的治疗算法建议在考虑将呼吸支持从HFNC疗法升级为机械通气时监测包括TAA在内的体征。这是因为呼吸速率和胸腹异步不能通过HFNC迅速缓解的一些患者存在HFNC失败的潜在高风险。多项研究表明,虽然HFNC和无创通气(NIV)在足够早利用的情况下可能足以管理COVID-19的呼吸衰竭,但数据远非决定性的——需要用于在形式NIV中进行选择以及在NIV与有创通气之间进行选择的更有力、基于证据的指示。
图14是流程图,示出了用于使用例如系统300和/或其部件(如传感器阵列310)治疗呼吸窘迫患者的过程1400的示例性步骤。
在步骤1405中,可以接收患者的传感器数据集。传感器数据可以类似于在步骤605中接收到的传感器数据,如上文关于图6所解释的。在一些实施例中,第一数据集和第二数据集来自定位在患者身体的不同部位(例如,胸部和腹部或剑突和腹部)的不同传感器。在一些实施例中,可以在患者到达治疗机构(例如,急救中心医院)和/或在家中监测患者的呼吸窘迫时接收传感器数据。在步骤1405之前,可以将如传感器阵列310等传感器阵列放置在患者的胸部、剑突和腹部上,从而获得当患者呼吸时关于胸部、剑突和腹部如何移动的数据。在步骤1410中,可以通过例如执行过程600或其部分来确定患者是否正在经历呼吸窘迫。然后可以将步骤1410的确定的指示提供给临床医生或患者的护理员。出于讨论过程1400的目的,呼吸窘迫确定的范围是无、轻微、中度或重度窘迫,但是本领域技术人员将理解的是,呼吸窘迫的指示可以以任何适当的形式(例如,数字评分或图形)做出并提供给临床医生。
当患者没有经历呼吸窘迫时,他或她可以从治疗机构出院(步骤1485)。当确定患者正在经历轻微的呼吸窘迫时,可以施用如沙丁胺醇等治疗(步骤1415)并且可以继续监测患者以确定治疗是否有效。在步骤1420中,可以接收另一个传感器数据集,并且可以确定患者在治疗之后是否仍然处于呼吸窘迫(步骤1425)。如果患者不再处于呼吸窘迫,或者如果呼吸窘迫被认为在门诊环境中是可管理的,如可能是从呼吸系统疾病中恢复的患者和/或患有例如慢性阻塞性肺病(COPD)的慢性病患者的情况,则他或她可以从治疗机构出院(步骤1485)。当患者仍然处于呼吸窘迫时,他或她可以被收治到治疗机构(例如,医院)以进一步治疗他或她的呼吸窘迫(步骤1430)。
当在步骤1410中确定患者的呼吸窘迫是重度时,患者可以被收治到治疗机构(例如,医院)以进一步治疗他或她的呼吸窘迫(步骤1430)。在经由1410或1425的确定收治到治疗机构后,可以接收附加传感器数据(步骤1435),从而可以确定呼吸窘迫的水平(步骤1440)并且可以使用步骤1440的呼吸窘迫确定来确定是将患者放在重症监护室(重度呼吸窘迫)还是医院的楼层(中度)。在一些实施例中,可以不执行步骤1435和1440,并且可以使用步骤1410或步骤1425的呼吸窘迫确定来确定是将患者放在重症监护室还是医院的楼层。
在步骤1445中,可以将患者放在重症监护室(ICU)以根据呼吸窘迫的严重程度和患者对治疗的响应性例如使用沙丁胺醇、HFNC、NIPPV、IPPV和/或镇静和通气进行进一步治疗(步骤1450)。为了确定患者对治疗的响应性,可以监测患者,并且可以在连续的、周期性的和/或按需的基础上接收附加传感器数据集(步骤1455)。在步骤1455中接收到的传感器数据可以用于确定患者的呼吸窘迫是否已经发生变化(步骤1460)。当患者的呼吸状况没有改善或者恶化时,可以重复步骤1450,逐渐进行更积极和侵入性的治疗。当患者的呼吸状况改善和/或当患者的呼吸窘迫为中度而非重度时,可以将患者转移到治疗机构/医院楼层(步骤1465),在那里他或她可以接受如沙丁胺醇、氧气和/或HFNC等治疗(1470)。当在治疗机构/医院楼层时,可以在连续的、周期性的和/或按需的基础上监测患者并接收传感器数据(步骤1475),并且当呼吸窘迫解决时,患者可以从治疗机构出院。如果患者的呼吸窘迫没有解决(例如,呼吸窘迫与先前确定的呼吸窘迫指标相同或更差),则治疗1470可以继续,并且当患者的呼吸窘迫恶化到重度程度时,可以将他或她转移到重症监护室(步骤1445)和/或可以重复步骤1435。
在一些实施例中,当使用过程1400监测患者的呼吸窘迫时,可以在步骤1405之前将像传感器阵列310等传感器阵列放置在患者身上,如图4C所示,并且当患者在治疗机构接受治疗时,他或她可以连续地佩戴传感器阵列持续一段时间。以这种方式,随着时间的推移可以实现测量结果的一致性,因为不同的传感器和/或不同的传感器放置不会影响对呼吸窘迫的任何确定。另外地或替代性地,可以使用过程600来进行对步骤1410、1425、1440、1460和/或1480的关于患者是否处于呼吸窘迫的确定,使得输出是呼吸窘迫严重程度评分和/或对患者的TAA的严重程度的指示。
在一个使用案例中,本文所描述的过程可以用于评估和管理急性婴儿细支气管炎,该急性婴儿细支气管炎是出生后第一年住院的最常见原因。目前,用于监测例如细支气管炎医院收治的婴儿的当前标准是由训练有素的临床医生对婴儿进行一系列常规和重复的评估,以及监测呼吸速率、氧饱和度和呼吸功增加的体征,包括胸腹异步、鼻翼搧动和辅助肌使用等。通常,必须对婴儿进行连续监测以检测呼吸恶化,否则间歇性临床评估无法检测到该呼吸恶化,从而发展为更重度的疾病。就成本和资源使用(例如,临床工作人员)而言,由训练有素的临床工作人员进行的这种连续监测是费力且昂贵的。进一步地,对婴儿的直接观察和评估受到例如由互可观察性和相对论性评估(与绝对诊断或评估相反)引起的误差的影响。
在细支气管炎的治疗中使用的氧气和通气支持从最小侵入性到最大侵入性的范围为从补充氧气(经由鼻插管或面罩)到高流量鼻插管(HFNC)到持续气道正压通气(CPAP)再到最重度的情况下的侵入性机械通气。经由本文所描述的系统和过程监测呼吸努力将为临床医生提供在不需要对患者进行连续和直接的观察和评估的情况下连续监测细支气管炎患者的能力。当与当前护理标准相比时,这具有几个优点,包括但不限于被动地、连续地和持续地监测患者在呼吸时所付出的努力的能力,以便可以随时间准确地测量变化(改善或衰竭)并且可以相应地调整治疗计划。例如,由本文所描述的系统和过程提供的信息(例如,呼吸窘迫严重程度评分、呼吸努力程度等)可以帮助临床医生做出关于患者的状况或呼吸窘迫的严重程度的决定和/或关于在这种情况下呼吸和/或通气支持的升级和降级的决定。
在细支气管炎的管理和/或治疗中的典型使用案例中,具有呼吸窘迫症状的患者就诊于治疗机构(例如,紧急护理诊所、医院、医院的急诊科),在该治疗机构中,可以将阵列310放置在患者身上,以便可以接收传感器数据(过程1400的步骤1405)。当呼吸窘迫程度为轻微(或不确定)时(步骤1410),可以施用例如补充氧气形式的治疗(步骤1415)。可以再次接收传感器数据(步骤1420)并且如果患者仍然处于呼吸窘迫(步骤1425),则他或她可能会因疑似细支气管炎而被收治到普通医院病房(例如,步骤1430)。替代性地,如果在患者进入治疗机构时观察到患者具有明显的呼吸窘迫,则患者可以直接被收治到普通医院病房(即,过程1400可以在步骤1415处开始(例如,当没有收集传感器数据时,因为呼吸窘迫是容易观察到的)和/或过程1400可以在步骤1430处开始)。可以经由例如执行过程600连续监测患者的呼吸窘迫(步骤1425和1440)。如果检测到严重的呼吸窘迫和/或如果存在中度呼吸衰竭,则可以发出警报,警告护理团队患者的状况。然后临床医生可以观察患者以评估他或她的状况,并且如果需要,可以调整提供给患者的治疗(步骤1450或1470)(例如,患者的氧气需求和/或呼吸疗法的升级(例如,升级为如CPAP等无创通气))。重症监护室收治可以发生在这个阶段,并且可以继续用本文所描述的系统对患者进行连续监测(步骤1445至1460)。
如果临床团队随后从本文所描述的系统接收到指示重度呼吸窘迫和/或衰竭的警报(步骤1440或1460),则可以考虑机械通气,特别是在用于插管的其他指示的环境中,如精神状态不佳、重度低氧血症或高碳酸血症。替代性地,如果系统指示呼吸状态改善(例如,步骤1460),则患者可以脱离氧气支持疗法并且可能从ICU转移到医院的楼层(步骤1465)。然后可以继续监测患者(步骤1475-1480)直到出院,这仅在传感器数据以及身体检查指示在没有支持疗法的情况下呼吸功最小时才会发生。这将转化为接近正常的呼吸严重程度评分。
在另一个使用案例中,本文所描述的系统、设备和过程可以用于COVID-19(或非COVID-19)急性呼吸窘迫综合征ARDS的诊断和管理(或治疗)。目前,关于高流量鼻插管(HFNC)和无创通气(NIV)在COVID-19呼吸窘迫的早期管理中的作用,存在相互矛盾的证据。一些研究已经发现,没有证据表明延迟插管之后使用HFNC或NIV会增加死亡率,这表明在不太严重的疾病中,这种模式可以用于成功地治疗疾病,同时避免与有创通气相关联的潜在损伤。其他研究已经发现,由于快速恶化和过度剧烈的自主通气导致的患者自身诱导的肺损伤(P-SILI),未能进行早期插管会导致死亡率增加。在将这些因素与HFNC和NIV病毒的气溶胶化风险一起考虑时,从而暴露床边医疗保健提供者,早期插管可能被认为是管理像SARS、MERS、SARS-CoV-2(即,COVID-19)呼吸窘迫等呼吸道疾病或感染的优选方法。使用本文所描述的系统、设备和过程连续监测呼吸努力可以提供对呼吸窘迫和/或患者所付出的呼吸努力程度的有价值的指示,这可以帮助指导COVID-19患者的早期富氧疗法和插管策略。在该使用案例中,本文所描述的系统和/或设备可以放置在疑似或确诊为呼吸道感染的患者身上,该患者在入院时表现出中度呼吸窘迫、通过身体检查呼吸功增加和/或低氧血症的可观察体征(步骤1430,该步骤可以在有或没有在(多个)步骤1405和/或1420处接收到的传感器数据的情况下执行)。在没有显著呼吸困难或重度呼吸窘迫的情况下(步骤1440),患者最初可以用短暂的(少于24小时)HFNC或无创通气(NIV)进行治疗(步骤1470),同时用本文所描述的系统/设备(连续地、周期性地和/或按需地)进行监测,以便确定患者在呼吸时所付出的努力程度、呼吸窘迫程度和/或随时间的呼吸窘迫评分(步骤1480)。本文所描述的系统和/或设备可以用于经由例如将随时间的呼吸窘迫评分和/或呼吸努力确定进行比较以量化改善或进一步衰竭来确定NIV试验的成功(步骤1480)。如果患者的状况稳定和/或改善(例如,提高呼吸窘迫评分或减少呼吸努力),则可以继续和/或降级治疗。如果患者的状况恶化和/或当指示进一步的代偿失调时,则可能需要升级到更积极和/或更具侵入性的治疗(例如,机械通气)和/或收治到ICU(步骤1480)。
护理标准是在插管后24小时就开始尽快让患者脱离机械通气,前提是患者至少能够自主呼吸。允许自主呼吸的呼吸机模式,无论有辅助还是无辅助,都可以促进这一过程。然而,使患者脱离呼吸机会给患者带来危险/风险,当高呼吸努力导致不受控的跨肺压并使患者处于P-SILI和脱机失败的风险中时,可能会发生这种情况。所描述的系统可以用于通过监测患者在呼吸时所付出的努力来确保机械通气中自主呼吸期间的充分最小化努力,从而可以对例如通气装置采取充分的调整和/或对策来降低对患者的风险。例如,如果临床护理团队确定患者的呼吸努力高于期望值(例如,高于期望值或阈值的呼吸努力评分),则可以将呼吸机模式调整为受控通气,其中,患者的呼吸完全由呼吸机控制,这可以用于减少患者在呼吸时所付出的努力量。另一方面,越来越多的证据表明,机械通气期间的患者努力不足与肌肉不活动导致的萎缩性膈肌损伤相关联。出于这个原因,系统还可以用于确保患者正在付出充分提高的呼吸努力(例如,高于期望值或阈值的呼吸努力评分)。如果患者正在付出的呼吸努力不足(低于期望值或阈值的呼吸努力评分),则响应于这种努力不足,护理团队可以调整呼吸机设置以允许更大的自主呼吸和更少的辅助呼吸。
Claims (69)
1.一种方法,包括:
由处理器从定位在患者表皮上第一位置的第一传感器接收第一传感器数据集,该第一传感器与该处理器通信;
由该处理器从定位在该患者表皮上第二位置的第二传感器接收第二传感器数据集,该第二传感器与该处理器通信;
由该处理器确定该第一传感器数据集与该第二传感器数据集之间的相位差;
由该处理器基于所确定的该第一传感器数据集与该第二传感器数据集之间的相位差来确定该患者表现出的呼吸努力程度;
由该处理器将该呼吸努力程度传送给显示设备。
2.如权利要求1所述的方法,其中,对该患者表现出的呼吸努力程度的确定包括确定该患者表现出的胸腹异步(TAA)程度。
3.如权利要求1所述的方法,进一步包括:
在确定该相位差之前至少预处理该第一传感器数据集和该第二传感器数据集。
4.如权利要求1所述的方法,进一步包括:
在确定该相位差之前至少对该第一传感器数据集和该第二传感器数据集进行滤波。
5.如权利要求1至4中任一项所述的方法,其中,该第一传感器和该第二传感器是加速度计,并且该第一传感器数据集和该第二传感器数据集包括加速度测量结果。
6.如权利要求1至5中任一项所述的方法,其中,该第一传感器和该第二传感器是测力计,并且该第一传感器数据集和该第二传感器数据集包括力测量结果。
7.如权利要求1至5中任一项所述的方法,其中,该第一传感器和该第二传感器是应变传感器,并且该第一传感器数据集和该第二传感器数据集包括应变测量结果。
8.如权利要求1至7中任一项所述的方法,其中,该第一位置是该患者的胸部。
9.如权利要求1至7中任一项所述的方法,其中,该第一位置靠近该患者的剑突。
10.如权利要求1至9中任一项所述的方法,其中,该第二位置靠近该患者的剑突。
11.如权利要求1至9中任一项所述的方法,其中,该第二位置是该患者的腹部。
12.如权利要求1至11中任一项所述的方法,进一步包括:
接收对该患者的呼吸速率的指示,其中,对该患者表现出的呼吸努力程度的确定进一步基于该呼吸速率。
13.如权利要求1至12中任一项所述的方法,进一步包括:
从定位在该患者表皮上第三位置的第三传感器接收第三传感器数据集,该第三传感器与该处理器通信;
确定该第一传感器数据集与该第三传感器数据集和该第二传感器数据集与该第三传感器数据集中的至少一者之间的相位差,其中,确定该患者表现出的呼吸努力程度进一步基于所确定的该第一传感器数据集与该第三传感器数据集和该第二传感器数据集与该第三传感器数据集之间的相位差。
14.如权利要求1至12中任一项所述的方法,进一步包括:
在确定该患者表现出的呼吸努力程度之前由该处理器执行该第一传感器数据集与该第二传感器数据集之间的互相关分析,其中,该患者表现出的呼吸努力程度进一步基于该互相关分析的结果。
15.如权利要求14所述的方法,其中,该第一传感器数据集和该第二传感器数据集是在一段时间内收集的信号,该方法进一步包括:
在确定该患者表现出的呼吸努力程度之前将该段时间期间特定时间的互相关计算的结果与在该段时间期间计算的最大互相关值进行映射。
16.如权利要求1至15中任一项所述的方法,进一步包括:
接收对该患者的呼吸速率可变性的指示,其中,对该患者表现出的呼吸努力程度的确定进一步基于呼吸速率可变性。
17.一种方法,包括:
由处理器从定位在患者表皮上第一位置的第一传感器接收第一传感器数据集,该第一传感器与该处理器通信;
由该处理器从定位在该患者表皮上第二位置的第二传感器接收第二传感器数据集,该第二传感器与该处理器通信;
由该处理器执行该第一传感器数据集与该第二传感器数据集之间的互相关分析;
由该处理器基于该互相关分析的结果确定该患者表现出的呼吸努力程度;以及
由该处理器将该呼吸努力程度传送给显示设备。
18.如权利要求17所述的方法,其中,对该患者表现出的呼吸努力程度的确定包括确定该患者表现出的胸腹异步(TAA)程度。
19.如权利要求17或18所述的方法,进一步包括:
在执行该互相关分析之前至少预处理该第一传感器数据集和该第二传感器数据集。
20.如权利要求17、18或19所述的方法,进一步包括:
在执行该互相关分析之前至少对该第一传感器数据集和该第二传感器数据集进行滤波。
21.如权利要求17至20中任一项所述的方法,其中,该第一传感器和该第二传感器是加速度计,并且该第一传感器数据集和该第二传感器数据集包括加速度测量结果。
22.如权利要求17至21中任一项所述的方法,其中,该第一传感器和该第二传感器是测力计,并且该第一传感器数据集和该第二传感器数据集包括力测量结果。
23.如权利要求17至21中任一项所述的方法,其中,该第一传感器和该第二传感器是应变传感器,并且该第一传感器数据集和该第二传感器数据集包括应变测量结果。
24.如权利要求17至23中任一项所述的方法,其中,该第一位置是该患者的胸部。
25.如权利要求17至24中任一项所述的方法,其中,该第一位置靠近该患者的剑突。
26.如权利要求17至25中任一项所述的方法,其中,该第二位置靠近该患者的剑突。
27.如权利要求17至26中任一项所述的方法,其中,该第二位置是该患者的腹部。
28.如权利要求17至27中任一项所述的方法,进一步包括:
接收对该患者的呼吸速率的指示,其中,对该患者表现出的呼吸努力程度的确定进一步基于该呼吸速率。
29.如权利要求17至28中任一项所述的方法,进一步包括:
在确定该患者表现出的呼吸努力程度之前由该处理器确定该第一传感器数据集与该第二传感器数据集之间的相位差,其中,该患者表现出的呼吸努力程度进一步基于所确定的相位差。
30.如权利要求29所述的方法,其中,该第一传感器数据集和该第二传感器数据集是在一段时间内收集的信号,该方法进一步包括:
在确定该患者表现出的呼吸努力程度之前将该段时间期间特定时间的互相关计算的结果与在该段时间期间计算的最大互相关值进行映射。
31.如权利要求17至30中任一项所述的方法,进一步包括:
从定位在该患者表皮上第三位置的第三传感器接收第三传感器数据集,该第三传感器与该处理器通信;
由该处理器执行该第一数据集与该第三数据集或该第二传感器数据集与该第三传感器数据集之间的互相关分析,其中,确定该患者表现出的呼吸努力程度进一步基于该第一传感器数据集与该第三传感器数据集或该第二传感器数据集与该第三传感器数据集之间的该互相关分析的结果。
32.如权利要求16至31中任一项所述的方法,进一步包括:
接收对该患者的呼吸速率可变性的指示,其中,对该患者表现出的呼吸努力程度的确定进一步基于呼吸速率可变性。
33.一种方法,包括:
由处理器接收患者呼吸时一段时间内该患者的胸腔的视频记录,用定位在该患者表皮上第一位置的第一标记和定位在该患者表皮上第二位置的第二标记来标记该患者的胸腔的表皮;
由该处理器分析该段时间内该第一标记和该第二标记的位置变化;
由该处理器形成第一波形,该第一波形示出了该段时间内该第一标记的位置变化;
由该处理器形成第二波形,该第二波形示出了该段时间内该第二标记的位置变化;
由该处理器确定该第一波形与该第二波形之间的相位差;
由该处理器基于所确定的相位差来确定该患者表现出的呼吸努力程度;
由该处理器将该呼吸努力程度传送给显示设备。
34.如权利要求33所述的方法,其中,对该患者表现出的呼吸努力程度的确定包括确定该患者表现出的胸腹异步(TAA)程度。
35.如权利要求33或34中任一项所述的方法,其中,该第一位置是该患者的胸部。
36.如权利要求33至35中任一项所述的方法,其中,该第一位置靠近该患者的剑突。
37.如权利要求33至36中任一项所述的方法,其中,该第二位置靠近该患者的剑突。
38.如权利要求33至36中任一项所述的方法,其中,该第二位置是该患者的腹部。
39.如权利要求33至38中任一项所述的方法,进一步包括:
接收对该患者的呼吸速率的指示,其中,对该患者表现出的呼吸努力程度的确定进一步基于该呼吸速率。
40.如权利要求33至39中任一项所述的方法,其中,该第一标记和该第二标记中的至少一个是传感器。
41.如权利要求33至39中任一项所述的方法,其中,该第一标记和该第二标记中的至少一个是灯。
42.如权利要求33至41中任一项所述的方法,其中,该视频记录是三维视频记录。
43.如权利要求33至42中任一项所述的方法,其中,该视频记录捕获该患者呼吸时该患者的胸腔的相对移动。
44.如权利要求33至43中任一项所述的方法,进一步包括:
在确定该患者表现出的呼吸努力程度之前由该处理器执行该第一传感器数据集与该第二传感器数据集之间的互相关分析,其中,该患者表现出的呼吸努力程度进一步基于该互相关分析的结果。
45.如权利要求44所述的方法,其中,该第一传感器数据集和该第二传感器数据集是在一段时间内收集的信号,该方法进一步包括:
在确定该患者表现出的呼吸努力程度之前将该段时间期间特定时间的互相关计算的结果与在该段时间期间计算的最大互相关值进行映射。
46.如权利要求33至45中任一项所述的方法,进一步包括:
接收对该患者的呼吸速率可变性的指示,其中,对该患者表现出的呼吸努力程度的确定进一步基于呼吸速率可变性。
47.一种方法,包括:
由处理器接收患者呼吸时一段时间内该患者的胸腔的视频记录,用定位在该患者表皮上第一位置的第一标记和定位在该患者表皮上第二位置的第二标记来标记该患者的胸腔的表皮;
由该处理器分析该段时间内该第一标记和该第二标记的位置变化;
由该处理器形成第一波形,该第一波形示出了该段时间内该第一标记的位置变化;
由该处理器形成第二波形,该第二波形示出了该段时间内该第二标记的位置变化;
由该处理器确定该第一波形与该第二波形之间的相位差;
由该处理器基于所确定的相位差来确定该患者表现出的呼吸努力程度;
由该处理器将该呼吸努力程度传送给显示设备。
48.如权利要求47所述的方法,其中,对该患者表现出的呼吸努力程度的确定包括确定该患者表现出的胸腹异步(TAA)程度。
49.如权利要求47或48中任一项所述的方法,其中,该第一位置是该患者的胸部。
50.如权利要求47或48中任一项所述的方法,其中,该第一位置靠近该患者的剑突。
51.如权利要求47至50中任一项所述的方法,其中,该第二位置靠近该患者的剑突。
52.如权利要求47至50中任一项所述的方法,其中,该第二位置是该患者的腹部。
53.如权利要求47至52中任一项所述的方法,进一步包括:
接收对该患者的呼吸速率的指示,其中,对该患者表现出的呼吸努力程度的确定进一步基于该呼吸速率。
54.如权利要求47至53中任一项所述的方法,其中,该第一标记和该第二标记中的至少一个是传感器。
55.如权利要求47至54中任一项所述的方法,其中,该第一标记和该第二标记中的至少一个是灯。
56.如权利要求47至55中任一项所述的方法,其中,该视频记录是三维视频记录。
57.如权利要求47至56中任一项所述的方法,其中,该视频记录捕获该患者呼吸时该患者的胸腔的相对移动。
58.如权利要求47至57中任一项所述的方法,进一步包括:
在确定该患者表现出的呼吸努力程度之前由该处理器执行该第一传感器数据集与该第二传感器数据集之间的互相关分析,其中,该患者表现出的呼吸努力程度进一步基于该互相关分析的结果。
59.如权利要求58所述的方法,其中,该第一传感器数据集和该第二传感器数据集是在一段时间内收集的信号,该方法进一步包括:
在确定该患者表现出的呼吸努力程度之前将该段时间期间特定时间的互相关计算的结果与在该段时间期间计算的最大互相关值进行映射。
60.如权利要求47至59中任一项所述的方法,进一步包括:
接收对该患者的呼吸速率可变性的指示,其中,对该患者表现出的呼吸努力程度的确定进一步基于呼吸速率可变性。
61.一种用于监测患者的呼吸系统的系统,该系统包括:
第一传感器,该第一传感器被配置为定位在患者的胸部上并且捕获该患者的胸部的移动,该第一传感器通信地耦合至处理器;
第二传感器,该第二传感器被配置为靠近该患者的剑突定位并且捕获该患者的剑突的移动,该第二传感器通信地耦合至该处理器;
第三传感器,该第三传感器被配置为定位在患者的腹部上并且捕获该患者的腹部的移动,该第三传感器通信地耦合至该处理器;以及
电源,该电源被配置为向该第一传感器、该第二传感器和该第三传感器提供电力。
62.如权利要求61所述的系统,其中,该第一传感器、该第二传感器和该第三传感器是加速度计。
63.如权利要求61所述的系统,其中,该第一传感器、该第二传感器和该第三传感器是力传感器。
64.如权利要求61所述的系统,其中,该第一传感器、该第二传感器和该第三传感器是应变仪。
65.如权利要求61所述的系统,进一步包括:
控制器,该控制器通信地耦合至该第一传感器、该第二传感器和该第三传感器中的至少一者以及该处理器,该控制器被配置为提取移动测量结果、加速度测量结果、力测量结果、应变测量结果、呼吸速率和该患者表现出的胸腹异步(TAA)程度中的至少一者并将提取的移动测量结果、加速度测量结果、力测量结果、应变测量结果、呼吸速率和TAA程度中的至少一者传送给该处理器。
66.如权利要求61所述的系统,进一步包括:
第一导线,该第一导线将该第一传感器和该第二传感器机械地耦合和电耦合在一起;以及
第二导线,该第二导线将该第二传感器和该第三传感器机械地耦合和电耦合在一起。
67.如权利要求66所述的系统,其中,该第一导线和该第二导线中的至少一者的长度是可调整的。
68.如权利要求61所述的系统,其中,该处理器与其上存储有指令集的存储器通信,该指令集在由该处理器执行时使该处理器进行以下操作:
从定位在患者表皮上第一位置的该第一传感器接收第一传感器数据集,该第一传感器与该处理器通信;
从定位在该患者表皮上第二位置的该第二传感器接收第二传感器数据集,该第二传感器与该处理器通信;
确定该第一传感器数据集与该第二传感器数据集之间的相位差;
基于所确定的该第一传感器数据集与该第二传感器数据集之间的相位差来确定该患者表现出的呼吸努力程度;并且
将该呼吸努力程度传送给显示设备。
69.如权利要求68所述的系统,其中,该处理器与其上存储有指令集的存储器通信,该指令集在由该处理器执行时进一步使该处理器进行以下操作:
从定位在该患者表皮上第三位置的该第三传感器接收第三传感器数据集,该第三传感器与该处理器通信;
确定该第一传感器数据集与该第三传感器数据集和该第二传感器数据集与该第三传感器数据集中的至少一者之间的相位差;并且
基于所确定的该第一传感器数据集与该第三传感器数据集和该第二传感器数据集与该第三传感器数据集之间的相位差来确定该患者表现出的呼吸努力程度。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962944355P | 2019-12-05 | 2019-12-05 | |
US62/944,355 | 2019-12-05 | ||
US202063094056P | 2020-10-20 | 2020-10-20 | |
US63/094,056 | 2020-10-20 | ||
PCT/US2020/063458 WO2021113745A1 (en) | 2019-12-05 | 2020-12-04 | Systems and methods for determining a degree of respiratory effort exerted by a patient while breathing |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115052515A true CN115052515A (zh) | 2022-09-13 |
Family
ID=76222108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080095583.4A Pending CN115052515A (zh) | 2019-12-05 | 2020-12-04 | 用于确定患者呼吸时所付出的呼吸努力程度的系统和方法 |
Country Status (8)
Country | Link |
---|---|
US (2) | US11679217B2 (zh) |
EP (1) | EP4069068A4 (zh) |
CN (1) | CN115052515A (zh) |
AU (1) | AU2020397171A1 (zh) |
BR (1) | BR112022010843A2 (zh) |
CA (1) | CA3160164A1 (zh) |
IL (1) | IL293622A (zh) |
WO (1) | WO2021113745A1 (zh) |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6267730B1 (en) | 1998-08-25 | 2001-07-31 | Kenneth M. Pacunas | Apnea detecting system |
WO2000017615A2 (en) | 1998-09-23 | 2000-03-30 | Keith Bridger | Physiological sensing device |
AUPP974599A0 (en) | 1999-04-14 | 1999-05-06 | Resmed Limited | Detection and classification of breathing patterns |
US6936011B2 (en) * | 2002-01-22 | 2005-08-30 | Medcare Flags Hf | Analysis of sleep apnea |
US7267652B2 (en) | 2003-04-10 | 2007-09-11 | Vivometrics, Inc. | Systems and methods for respiratory event detection |
US7678061B2 (en) | 2003-09-18 | 2010-03-16 | Cardiac Pacemakers, Inc. | System and method for characterizing patient respiration |
US20050113673A1 (en) * | 2003-11-26 | 2005-05-26 | Avinash Gobal B. | Method and system to reduce motion-related image artifacts during breath holding |
US8403865B2 (en) | 2004-02-05 | 2013-03-26 | Earlysense Ltd. | Prediction and monitoring of clinical episodes |
US7314451B2 (en) | 2005-04-25 | 2008-01-01 | Earlysense Ltd. | Techniques for prediction and monitoring of clinical episodes |
US7344498B1 (en) | 2007-01-23 | 2008-03-18 | The Gillette Company | Optical measurement method of skin strain during shaving |
WO2009124297A1 (en) | 2008-04-03 | 2009-10-08 | Kai Sensors, Inc. | Non-contact physiologic motion sensors and methods for use |
WO2009138896A1 (en) | 2008-05-14 | 2009-11-19 | Koninklijke Philips Electronics, N.V. | Respiratory monitors and monitoring methods |
US9002427B2 (en) | 2009-03-30 | 2015-04-07 | Lifewave Biomedical, Inc. | Apparatus and method for continuous noninvasive measurement of respiratory function and events |
US9675282B2 (en) | 2010-02-11 | 2017-06-13 | Koninklijke Philips N.V. | Method and apparatus for determining a respiration signal |
MX2013001557A (es) * | 2010-08-13 | 2013-06-28 | Respiratory Motion Inc | Dispositivos y metodos para el control de la variacion respiratoria mediante la medicion de volumenes, movimiento y variabilidad respiratoria. |
US20180280646A1 (en) * | 2010-08-13 | 2018-10-04 | Respiratory Motion, Inc. | Respiratory volume monitor and ventilator |
US8740806B2 (en) | 2012-11-07 | 2014-06-03 | Somnarus Inc. | Methods for detection of respiratory effort and sleep apnea monitoring devices |
US10165966B2 (en) | 2013-03-14 | 2019-01-01 | University Of Florida Research Foundation, Incorporated | Methods and systems for monitoring resistance and work of breathing for ventilator-dependent patients |
US20160029949A1 (en) * | 2013-03-25 | 2016-02-04 | Technion Research & Development Foundation Ltd. | Apnea and hypoventilation analyzer |
US9750463B2 (en) | 2013-12-10 | 2017-09-05 | General Electric Company | Respiratory stress detection |
US10939848B2 (en) | 2014-07-28 | 2021-03-09 | S & V Siu Associates, Llc | Method and apparatus for assessing respiratory distress |
US10159421B2 (en) | 2015-03-30 | 2018-12-25 | Resmed Sensor Technologies Limited | Detection of periodic breathing |
WO2017033058A1 (en) * | 2015-08-24 | 2017-03-02 | L.I.F.E. Corporation S.A. | Physiological monitoring garments with enhanced sensor stabilization |
WO2018033889A1 (en) | 2016-08-19 | 2018-02-22 | Nox Medical | Method, apparatus, and system for measuring respiratory effort of a subject |
US11545265B2 (en) | 2016-11-04 | 2023-01-03 | The Regents Of The University Of California | Predictive respiratory monitor and system |
IT201700078138A1 (it) | 2017-07-11 | 2019-01-11 | Milano Politecnico | Dispositivo indossabile per il monitoraggio continuo della frequenza respiratoria |
FR3080929B1 (fr) * | 2018-05-02 | 2021-04-30 | Fivefive | Procede de traitement d'un signal accelerometrique. |
US10977522B2 (en) | 2018-11-13 | 2021-04-13 | CurieAI, Inc. | Stimuli for symptom detection |
-
2020
- 2020-12-04 CA CA3160164A patent/CA3160164A1/en active Pending
- 2020-12-04 CN CN202080095583.4A patent/CN115052515A/zh active Pending
- 2020-12-04 IL IL293622A patent/IL293622A/en unknown
- 2020-12-04 EP EP20897544.1A patent/EP4069068A4/en active Pending
- 2020-12-04 BR BR112022010843A patent/BR112022010843A2/pt unknown
- 2020-12-04 WO PCT/US2020/063458 patent/WO2021113745A1/en unknown
- 2020-12-04 AU AU2020397171A patent/AU2020397171A1/en active Pending
-
2022
- 2022-05-24 US US17/752,834 patent/US11679217B2/en active Active
-
2023
- 2023-04-06 US US18/131,830 patent/US20230256182A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
IL293622A (en) | 2022-08-01 |
EP4069068A1 (en) | 2022-10-12 |
CA3160164A1 (en) | 2021-06-10 |
EP4069068A4 (en) | 2024-01-03 |
US11679217B2 (en) | 2023-06-20 |
BR112022010843A2 (pt) | 2022-08-23 |
US20220288333A1 (en) | 2022-09-15 |
AU2020397171A1 (en) | 2022-07-07 |
WO2021113745A1 (en) | 2021-06-10 |
US20230256182A1 (en) | 2023-08-17 |
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 | |
US11534130B2 (en) | Device, system and method for detecting a cardiac and/or respiratory disease of a subject | |
CN109996488B (zh) | 呼吸预警评分系统和方法 | |
JP6401718B2 (ja) | 呼吸監視のための方法および装置 | |
JP2023153893A (ja) | 換気療法システムおよび方法 | |
WO2020247940A1 (en) | Device and method for clinical evaluation | |
EP3203900A1 (en) | Weaning readiness indicator, sleeping status recording device, and air providing system applying nonlinear time-frequency analysis | |
WO2011077275A2 (en) | Bode index measurement | |
CN115052515A (zh) | 用于确定患者呼吸时所付出的呼吸努力程度的系统和方法 | |
US11272859B1 (en) | System and method of determining respiratory status from oscillometric data | |
TWI748485B (zh) | 一種資訊處理系統及其方法 | |
TWI772086B (zh) | 使用全卷積神經網路之呼吸暫停與不足事件偵測方法 | |
TWI756793B (zh) | 一種通道資訊處理系統 | |
Hughes | Respiratory rate monitoring devices for the acute care setting: device development and evaluation | |
Varlamova et al. | Recording Methods and the Capabilities of Modern Respiratory Rate Monitoring Devices (literature review) | |
WO2022020519A1 (en) | Method and apparatus for real time respiratory monitoring using embedded fiber bragg gratings |
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 |