CN116157067A - 急性肾损伤监测 - Google Patents
急性肾损伤监测 Download PDFInfo
- Publication number
- CN116157067A CN116157067A CN202180054415.5A CN202180054415A CN116157067A CN 116157067 A CN116157067 A CN 116157067A CN 202180054415 A CN202180054415 A CN 202180054415A CN 116157067 A CN116157067 A CN 116157067A
- Authority
- CN
- China
- Prior art keywords
- fluid
- determining
- signal
- processing circuitry
- dissolved oxygen
- 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
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
- A61B5/201—Assessing renal or kidney functions
-
- 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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14503—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue invasive, e.g. introduced into the body by a catheter or needle or using implanted sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14507—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue specially adapted for measuring characteristics of body fluids other than blood
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
- A61B5/207—Sensing devices adapted to collect urine
- A61B5/208—Sensing devices adapted to collect urine adapted to determine urine quantity, e.g. flow, volume
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/493—Physical analysis of biological material of liquid biological material urine
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H40/67—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 remote 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0045—Devices for taking samples of body liquids
- A61B10/007—Devices for taking samples of body liquids for taking urine samples
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Urology & Nephrology (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Optics & Photonics (AREA)
- Food Science & Technology (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Hematology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Medicinal Chemistry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- External Artificial Organs (AREA)
Abstract
一种示例装置包括存储器和通信地耦接到该存储器的处理电路系统。该处理电路系统被配置为确定流体中的溶解氧的第一基线值并且确定流体中的总氧输出量的第二基线值。该处理电路系统还被配置为从第一传感器接收指示流体中的溶解氧量的第一信号,并且从第二传感器接收指示流体的排出量的第二信号。该处理电路系统被配置为至少部分地基于第一基线值、第二基线值、第一信号和第二信号来确定出现急性肾损伤(AKI)的风险。
Description
本申请要求2021年5月5日提交的名称为“ACUTE KIDNEY INJURY MONITORING”的美国专利申请号17/308,511的优先权,该美国专利申请要求2020年9月4日提交的名称为“ACUTE KIDNEY INJURY MONITORING”的美国临时申请号63/074,781的权益,以上专利申请各自的全部内容据此以引用方式并入本文。
技术领域
本公开涉及患者监测。
背景技术
医疗装置,如导管,可用于帮助患者排尿。在一些情况下,这类导管可在手术期间和/或手术后使用。在使用导管帮助患者排尿的情况下,弗利导管(Foley catheter)是一种可使用比非弗利导管更长的时间的导管。一些弗利导管由硅橡胶构成,并包括锚定构件,该锚定构件可以是可膨胀的球囊,该球囊可以在患者的膀胱中膨胀以用作锚固件,因此导管的近侧末端不会滑出患者的膀胱。
发明内容
一般来讲,本公开描述了基于与一个或多个传感器感测到的流体(例如,尿液)相关联的感兴趣参数来进行肾监测(在本文中也称为肾功能监测)的装置、系统和技术。这些感兴趣的参数可以是例如该流体的感兴趣物质(例如,氧)或感兴趣特性(例如,体积或温度)。在一些示例中,一个或多个传感器被配置为感测与弗利导管中的流体(诸如弗利导管的引流管腔中的尿液,或者与弗利导管分离但以流体方式与之连接的流体体积中的尿液)相关联的感兴趣参数。在一些示例中,一个或多个传感器可以与弗利导管分离。在其他示例中,传感器可以是弗利导管的一部分。
在一些示例中,本公开描述了至少部分地基于感测到的参数来确定患者可能出现急性肾损伤(AKI)的风险的装置、系统和技术,这些感测到的参数可以促进临床医生的早期干预,以减少患者可能出现AKI的机会或降低AKI的严重程度。这些装置、系统和技术可以确定参数的基线,并且可以将参数与阈值进行比较,其中阈值在至少一些情况下可以基于基线。
在一个示例中,本公开描述了一种方法,包括:由处理电路系统确定流体中的溶解氧的第一基线值;由处理电路系统确定流体中的总氧输出量的第二基线值;从第一传感器接收指示流体中的溶解氧量的第一信号;从第二传感器接收指示流体的排出量的第二信号;以及由处理电路系统至少部分地基于第一基线值、第二基线值、第一信号和第二信号来确定出现急性肾损伤(AKI)的风险。
在另一个示例中,本公开描述了一种装置,包括:存储器;以及通信地耦接到存储器的处理电路系统,该处理电路系统被配置为:确定流体中的溶解氧的第一基线值;确定流体中的总氧输出量的第二基线值;从第一传感器接收指示流体中的溶解氧量的第一信号;从第二传感器接收指示流体的排出量的第二信号;以及至少部分地基于第一基线值、第二基线值、第一信号和第二信号来确定出现急性肾损伤(AKI)的风险。
在另一个示例中,本公开描述了一种装置,包括:存储器;以及通信地耦接到存储器的处理电路系统,该处理电路系统被配置为:基于第一信号确定流体中的溶解氧量的至少两个测量值;为了确定流体中的溶解氧的第一基线值,将指数衰减或非线性回归中的至少一者应用于流体中的溶解氧量的至少两个测量值;基于第二信号确定流体的排出量的至少两个测量值;为了确定流体中的总氧输出量的第二基线值,将指数衰减或非线性回归中的至少一者应用于以下至少一项:a)流体中的溶解氧量的至少两个测量值;b)流体的排出量的至少两个测量值,其基于第二信号;或c)流体中的总氧输出量的至少两个测量值,其基于流体中的溶解氧的至少两个测量值和流体中的溶解氧量的至少两个测量值;以及至少部分地基于第一基线值、第二基线值、第一信号和第二信号来确定出现急性肾损伤(AKI)的风险。
在附图和以下描述中阐述了一个或多个示例的细节。根据说明书和附图以及权利要求,其他特征、目标和优点将是显而易见的。
附图说明
图1为说明包括第一和第二传感器的示例性医疗装置的图。
图2是展示图1的医疗装置的示例横截面的图,该横截面沿图1的线2-2截取。
图3是可以与根据本公开技术的医疗装置一起使用的示例外部装置的框图。
图4是展示根据本公开的示例AKI风险确定技术的流程图。
图5是展示示例技术的流程图,这些示例技术包括基于尿液中的溶解氧量(uPO2)和/或尿液排出量确定指示患者出现急性肾损伤(AKI)的风险的风险评分。
图6是展示uPO2随时间推移的示例测量结果、uPO2的模拟初始下降和基线uPO2的一张图。
图7是展示uPO2随时间推移的示例测量结果、uPO2的模拟初始下降和基线uPO2的另一张图。
具体实施方式
急性肾损伤(AKI)是某些医疗程序(诸如一些心脏手术,例如冠状动脉旁路移植术(CABG))之后可能发生的并发症。AKI也可能发生在其他时间较长且涉及大量失血或体液转移的手术之后。例如,手术患者的身体可能会改变血液流向,这可能导致肾脏缺氧。手术相关AKI的一个原因是肾脏缺氧,这可能导致患者肾脏的缺血再灌注损伤。这种缺血再灌注损伤可能导致患者的肾功能退化。肾功能退化可能导致血液中废物产物的积累,这可延迟患者从手术中恢复并导致住院时间延长,甚至可导致进一步的并发症。
本公开描述了被配置为监测患者(诸如正在经历或经历过此类手术的患者)的肾功能的示例装置,其可以通过向临床医生提供对特定患者可能出现AKI的风险的评估来帮助减少AKI的发生。这可以有助于临床医生在患者出现AKI之前进行干预。例如,临床医生可以启动或改变血液动力学管理(例如,血压管理、流体管理、输血等)、改变心肺旁路机设置,或避免提供肾毒性药物。手术后,临床医生可以干预肾脏疾病:改善全球结局(KDIGO)集束或AKI护理集束。这些装置可以通信地耦接到多个传感器(例如,两个或更多个传感器),这些传感器被配置为感测感兴趣流体(诸如,就肾功能监测而言为尿液)的不同参数。虽然本文主要提及尿液、膀胱和AKI来描述示例装置,但是在其他示例中,这些装置可以与患者体内的其他目标位置(诸如血管内位置)一起使用,用于监测除尿液外的其他感兴趣流体和/或除肾功能外的其他患者状况。
全身生命体征(比如心输出量、血压和红细胞比容)是有用的,但可能无法完全足以监测肾脏。当身体紧张时,诸如在心脏手术期间,基于重要器官的危急程度,以可靠的顺序减少到这些器官的血流量。例如,已经观察到,典型情况是,血流量减少的第一个器官是皮肤,随后是肠道,然后是肾脏,接着是脑,最后是心脏。皮肤和肠道可以经受短时间的缺氧发作而恢复正常功能,但肾功能却可能受到甚至是短暂缺氧发作的不利影响。
可以用于确定肾功能状态的示例感测参数包括但不限于以下项中的任何一者或多者:尿液排出量(例如,流速或体积)、尿液中的溶解氧量(氧张力或uPO2)、尿液中的总氧量、尿液中的溶解氧量(氧张力或uPO2)的趋势,以及尿液中的总氧量的趋势。可以用于确定肾功能状态的其他感测参数可以包括尿液或膀胱温度、尿液浓度(尿液渗量)、尿液中的溶解二氧化碳量、尿液pH值、膀胱或腹腔压力、尿液颜色、尿肌酐、尿液电导率、尿钠,或者来自加速度计或其他运动传感器的运动。
例如,患者尿液中的溶解氧量可以指示肾脏功能或肾脏健康。患者的尿液和膀胱中的溶解氧可能与肾脏的灌注和/或氧合相关联,后者指示肾性能。
监测患者AKI风险增加的一种方法是监测肾脏的氧合状态。然而,由于一些患者的肾脏位于腹腔深处难以接近,所以对氧合状态的准确监测具有挑战性。近红外光谱(NIRS)测量局部血氧饱和度,在测量婴儿和苗条的成年人的肾脏氧合方面有一定的效用,但不具有大多数成年人所需的穿透深度和特异性。此外,NIRS的穿透深度限制了对肾皮质组织的测量。研究已表明,肾脏的髓质可能在皮质之前发生缺氧,在此类情况下,髓质的缺氧可能是AKI(实际AKI或出现AKI的风险增加)的相对早期指标。
据信,尿液氧张力(uPO2)可能与髓质的氧合相关联。在本文所述的示例中,肾监测系统被配置为基于一个或多个感测值确定患者排出的尿液中的uPO2、确定患者的尿液排出体积(本文中也称为尿液排出量),并且基于确定的uPO2和确定的尿液排出量预测患者是否会出现AKI。在一些示例中,该系统的处理电路系统被配置为基于确定的uPO2和确定的尿液排出量来确定患者可能出现AKI的风险(例如,指示患者出现AKI的可能性的AKI风险评分)。通过确定患者可能出现AKI的风险,该系统可以促进临床医生的早期干预,以减少患者可能出现AKI的机会或降低AKI的严重程度。
出现AKI的风险可能因患者而异,甚至是具有相同参数值的患者。因此,在确定患者出现AKI的风险之前确定患者的一条或多条患者特异性基线可能是有益的。在本文所述的一些示例系统中,该系统的处理电路系统可以相对快速地估计这些患者特异性基线,并且可以使用这些患者特异性基线来确定患者特异性阈值,在确定患者可能出现AKI的风险时,可以将参数与这些患者特异性阈值进行比较。参数与患者特异性阈值的比较可能比参数与一般的预定阈值的比较更能指示特定患者可能出现AKI的风险。
在一些示例中,由于患者之间的可变性,监测参数的变化可能比参数本身更能指示AKI。
在一些示例中,该系统的处理电路系统可以使用uPO2和尿液排出量的测量结果来确定趋势和/或总氧输出量,这些趋势和/或总氧输出量也可以用于确定患者可能出现AKI的风险。因此,在一些示例中,该系统的处理电路系统可以被配置为监测一个或多个参数的趋势并且至少部分地基于一个或多个参数的趋势来确定AKI风险评分。
一个或多个传感器可以被配置为生成指示尿液(或其他流体)中的uPO2水平的信号,并且一个或多个传感器可以被配置为生成指示患者的尿液排出体积的信号。这些一个或多个传感器可以定位在任何合适的位置,诸如连接到导管(例如,弗利导管)或以其他方式与经由导管从患者体内引流的流体(例如,尿液)连通。
图1为示例性医疗装置10的概念侧视图,其包括细长主体12、毂14和锚定构件18。在一些示例中,医疗装置10为导管,如弗利导管。虽然本文主要提及弗利导管及其预期用途来描述医疗装置10,但是在其他示例中,医疗装置10可以用于其他目的,诸如对伤口进行引流或者用于血管内监测或医疗程序。
医疗装置10包括远侧部分17A和近侧部分17B。远侧部分17A包括细长主体12的远侧末端12A并且在使用时旨在在患者身体外部,而近侧部分17B包括细长主体12的近侧末端12B并且在使用时旨在在患者身体内部。例如,当近侧部分17B定位在患者体内,例如使得细长主体12的近侧末端12B在患者的尿道和膀胱内时,远侧部分17A可以保留在患者身体之外。
如本文所用,“感测”可以包括检测和/或测量。如本文所用,“近侧”如ASTM F623-19第3.1.4节“Standard Performance Specification for Foley Catheter”中定义的那样来使用。也就是说,当导管正由患者使用时,导管的近侧末端是最靠近患者的末端。因此,远侧末端是离患者最远的末端。
细长主体12为从远侧末端12A延伸到近侧末端12B并且限定一个或多个内管腔的主体。在图1和图2所示的示例中,细长主体12限定管腔34和管腔36(在图1中示出)。在一些示例中,管腔34可为用于从目标部位,如膀胱排出流体的引流管腔。在其他示例中,管腔34可以用于任何其他合适的目的,诸如将物质或另一种医疗装置递送到患者体内的目标部位。管腔34可从流体开口13延伸到流体开口14A。流体开口13和流体开口14A都可流体地联接到管腔34,使得流体可通过管腔34从流体开口13或流体开口14A中的一个流动到流体开口13或流体开口14A中的另一个。在管腔管腔34为引流管腔的示例中,流体开口13和流体开口14A可为引流开口。在图1所示的示例中,细长主体12的远侧末端12A收纳在毂14内,并且经由粘合剂、焊接或另一种合适的技术或技术组合机械连接到毂14。
在一些示例中,细长主体12具有用于通过尿道进入患者膀胱的合适长度。长度可沿导管主体12的纵向轴线16测量。在一些示例中,细长主体12的外径可为约12弗伦奇至约14弗伦奇,但是在其它示例中可使用其它尺寸。细长主体12的远侧和近侧部分可各自具有任何合适的长度。
毂14定位在细长主体12的远侧末端处并且限定开口,通过该开口可以进入细长主体12的一个或多个内管腔(例如,图2所示的管腔34),并且在一些示例中,可以闭合该一个或多个内管腔。虽然毂14在图1中示出为具有两个臂14C和14D(例如,“Y-毂”),但毂14可具有任何合适数量的臂,这可取决于由细长主体12限定的内管腔的数量。例如,每个臂可以流体地联接到细长主体12的相应内管腔34,36。在图1的示例中,毂14包括流体地联接到管腔34的流体开口14A,以及流体地联接到细长主体12的膨胀管腔36(在图2A和图2B中示出)的膨胀开口14B。在锚定构件18不包括可扩张球囊的示例中,而不限定膨胀管腔36,细长主体12可限定内管腔,该内管腔被构造成收纳用于展开可扩张结构锚定构件18的展开机构(例如,拉线或推线),并且毂14可包括流体开口14A和开口14B,临床医生可经由该开口进入展开机构。
在其中医疗装置10为弗利导管的示例中,流体收集容器(例如,尿液袋)可附接到流体开口14A以收集从患者膀胱排出的尿液。膨胀开口14B可操作为连接到膨胀装置以膨胀定位在医疗装置10的近侧部分17B上的锚定构件18。当不使用时,锚定构件18可为未膨胀的或未展开的。毂14可包括连接器,如连接器15,用于连接到其它装置,如流体收集容器和膨胀源。在一些示例中,医疗装置10包括应变消除构件11,其可为毂14的一部分或可与毂14分离。
医疗装置10的近侧部分17B包含锚定构件18、流体开口13和第一传感器22。虽然第一传感器22被示为位于医疗装置10的近侧部分17B中,但是第一传感器22可以位于医疗装置10上的任何地方或者医疗装置10的远侧末端12A的远侧。锚定构件18可以包括任何合适的结构,该结构被构造成从相对低轮廓状态扩张到扩张状态,在扩张状态下,锚定构件18可以与患者(例如,膀胱内)的组织接合,以帮助紧固近侧部分17B并防止其移出患者身体。举例来说,锚定构件18可包括锚定球囊或其它可扩张结构。当膨胀或展开时,锚定构件18可起到将医疗装置10锚定到患者,例如,在患者的膀胱内的作用。以这种方式,在锚定构件18的近侧上的医疗装置10的部分可能不滑出患者的膀胱。流体开口13可定位在锚定构件18与近侧末端12B(如图所示)之间的医疗装置10的纵向轴线的表面上,或可定位在近侧末端12B处。
第一传感器(例如,第一传感器22)可以是一个或多个被配置为并且旨在感测应当相对靠近流体源(诸如膀胱)感测的参数的传感器,因为这些参数可能随时间或者基于感测参数的位置而显著变化。在一些示例中,第一传感器22可以包括被配置为感测尿液中的uPO2的氧传感器。
温度可为随着时间显著改变的一个示例,并且压力为可基于感测参数的位置而改变的一个示例参数。因此,温度和压力是在细长主体12的近侧部分17B(靠近流体源)较好地感测的两个参数,并且在一些示例中,第一传感器22可以包括诸如温度传感器和/或压力传感器之类的传感器。第一传感器22可以经由电连接、光学连接、无线连接或其他连接将传感器数据传送到外部装置24。在一些示例中,第一传感器22可以通过医疗装置10的细长主体12内从近侧部分17B到远侧部分17A的连接,经由嵌入式电线或光缆将传感器数据传送到外部装置24。在其它示例中,第一传感器22可经由无线通信技术将传感器数据传送到外部装置24。
医疗装置10的远侧部分17A包括一个或多个第二传感器20。第二传感器20可以如图所示定位在毂14上,或者可以定位在医疗装置10主体的远侧部分17A上的其他位置,或者可以定位在远侧末端12A的远侧,例如,在连接到流体收集容器(例如,尿袋)的管子上等。
第二传感器(诸如第二传感器20)可以相对较大,需要相对较多的电连接、光电连接和/或光学连接,并且/或者其感测的参数可以在相比于第一传感器22感测这些参数的位置相对远离流体源的位置感测。因此,第二传感器20被配置为感测的一个或多个参数可以包括不随时间也不基于感测参数的位置而显著变化的参数。在一些示例中,第二传感器20可以被配置为感测的一个或多个参数可以包括随时间或基于感测参数的位置而显著变化的参数。在一些示例中,第二传感器20可以包括被配置为感测尿液排出量(例如,流体流量或体积)、尿液浓度、尿液中的溶解氧量(氧张力或uPO2)、尿液中的溶解二氧化碳量、尿液pH值、尿液颜色、尿肌酐和/或运动的传感器。
例如,细长主体10可以被构造成当尿液从流体开口13流向第二传感器20时减少尿液中的溶解氧量的变化量,在这种情况下,第二传感器20可以包括氧传感器。例如,细长主体10可以如2020年4月21日提交的名称为“CATHETER INCLUDING A PLURALITY OFSENSORS”的美国专利申请16/854,592中论述的那样构造。
在一些示例中,第一传感器22和/或第二传感器20使用任何合适的技术,如但不限于粘合剂、焊接,通过嵌入细长主体12,经由压接带或其它合适的附接机构或附接机构的组合机械连接到医疗装置10的细长主体12或另一部分。在一些示例中,第二传感器20没有机械地连接到细长主体12和医疗装置10,而是作为替代,机械地连接到医疗装置10的远侧末端12A远侧的结构,诸如在毂14与流体收集容器之间延伸的管子。
第一传感器22和第二传感器20可被配置成将传感器数据传送到外部装置24。外部装置24可为计算装置,如工作站、台式计算机、膝上型计算机、智能电话、平板计算机、服务器或可被配置成接收、处理和/或显示传感器数据的任何其它类型的计算装置。第一传感器22和第二传感器20可以经由连接26将传感器数据传送到外部装置。连接26可为电、光、无线或其它连接。
尽管在图1中示出仅一个第一传感器22和仅一个第二传感器20,但是在其它示例中,医疗装置10可包括在近侧部分17B上的任何合适数量的传感器和在远侧部分17A上的任何合适数量的传感器,其中近侧部分17B上的传感器感测相同或不同的参数并且远侧部分上的传感器图17A感测相同或不同的参数。此外,近侧部分17B上的一些或所有传感器可感测与远侧部分17A上的传感器相同或不同的参数。举例来说,在远侧部分上的传感器可能依赖于温度的情况下,可能需要在近侧部分17B和远侧部分17A上感测温度。
细长主体12可在结构上被配置成相对柔韧、可推动并且相对抗扭结和弯曲,使得当推力施加到医疗装置的相对远侧部分以使细长主体向近侧推进时它可以抵抗弯曲通过尿道进入膀胱。细长主体12的扭结和/或弯曲可能阻碍临床医生向近侧推动细长主体的努力。
在一些示例中,细长主体12的外表面的至少一部分包括一种或多种涂层,如抗微生物涂层和/或润滑涂层。润滑涂层可被配置成当细长主体12推进穿过尿道时减少细长主体12和患者的组织之间的静摩擦或动摩擦。
图2是展示医疗装置10的示例横截面的图,其中该横截面在与纵向中心轴线16正交的方向上沿图1中的线2-2截取。锚定构件18没有在图2中示出。图2描绘了细长主体12的横截面,其限定管腔34和管腔36。在一些示例中,诸如在其中医疗装置10为被构造成从患者的膀胱引流尿液的弗利导管的示例中,管腔34可以被称为引流管腔,而管腔36可以在其中管腔36被构造成将膨胀流体递送到锚定构件18的示例中被称为膨胀管腔。细长主体12可包封连接38。管腔34可用作尿液通过流体开口13进入医疗装置10到流体开口14A的通道。
膨胀管腔36可以用作流体(诸如无菌水或盐水)或气体(诸如空气)从膨胀开口14B到锚定构件18的通道。例如,膨胀装置(未示出)可以将流体或气体泵入膨胀管腔36中通过膨胀开口14B进入锚定构件18,使得锚定构件18被膨胀到适合将医疗装置10锚定到患者膀胱的尺寸。虽然膨胀管腔36的横截面被示出为圆形,但它可以是任何形状。在一些示例中,可存在多个膨胀管腔。例如,多个膨胀管腔可基本上围绕管腔34。在一些示例中,锚定构件18可为不是可膨胀球囊的可扩张结构。在这类示例中,膨胀管腔36可以被能够允许临床医生扩张可扩张结构的部署机构或者被构造成容纳这种部署机构的管腔所替代。例如,膨胀管腔可以被机械装置所替代,该机械装置可以由临床医生与医疗装置10分开地推动和拉动,以使可扩张结构扩张或收缩。
连接38可以用于将定位在近侧部分17B处的第一传感器22连接到(图1的)连接26。连接38可为电、光或其它连接。在一些示例中,连接38可以包含多个连接。举例来说,连接38可以包括与温度传感器的多个有线或光连接中的一种和与压力传感器的一个或多个连接。在一些示例中,连接38可以包括一个或多个为第一传感器22供电的电源连接和一个或多个以接收来自第一传感器22的传感器数据通信连接。
图3是展示图1的示例外部装置24的功能框图。外部装置24可以被配置为与第一传感器22和第二传感器20通信并且/或者从第一传感器22和第二传感器20接收信号。在确定患者出现AKI的风险(本文中也称为风险评分或AKI风险评分)时,外部装置24可以使用来自第一传感器22的第一信号和来自第二传感器20的第二信号。在图3的示例中,外部装置24包括处理电路系统200、存储器202、用户界面(UI)204和通信电路系统206。外部装置24可以是具有用于读取传感器数据的专用软件的专用硬件装置。替代性地,外部装置24可以是现成的计算装置,例如台式计算机、膝上型计算机、平板计算机或运行以下应用程序的智能电话,该应用程序使得外部装置24能够读取来自第一传感器22和第二传感器20的传感器数据并且确定AKI风险评分。
在一些示例中,外部装置24的用户可以是临床医生。在一些示例中,用户使用外部装置24来监测患者的肾功能并且获得患者将出现AKI的风险的评估结果。在一些示例中,用户可以经由UI 204与外部装置24交互,该UI可以包括被配置为向用户呈现图形用户界面的显示器和/或被配置为生成可听到的输出的声音生成电路系统,以及用于从用户接收输入的小键盘或另一机构(诸如触感屏)。外部装置24可以使用有线、无线或光学方法通过通信电路系统206与第一传感器22和/或第二传感器20通信。在一些示例中,UI 204可以显示患者出现AKI的风险的表示,诸如AKI风险评分。通过显示患者出现AKI的风险的表示,外部装置24可以通知临床医生患者出现AKI的风险并且促进临床医生的早期干预,以减少患者可能出现AKI的机会或降低AKI的严重程度。
处理电路系统200可包括集成电路系统、离散逻辑电路系统、模拟电路系统(如一个或多个微处理器)、数字信号处理器(DSP)、专用集成电路系统(ASIC)或现场可编程门阵列(FPGA)的任何组合。在一些示例中,处理电路系统200可包括多个部件,如一个或多个微处理器,一个或多个DSP、一个或多个ASIC或一个或多个FPGA以及其它离散或集成逻辑电路系统和/或模拟电路系统的任何组合。
存储器202可存储程序指令,如软件208,其可包括可由处理电路系统200执行的一个或多个程序模块。这类程序指令在被处理电路系统200执行时可使处理电路系统200和外部装置24提供本文赋予它们的功能性。程序指令可以体现于软件和/或固件中。存储器202可以包括任何易失性介质、非易失性介质、磁性介质、光学介质或电介质,诸如随机存取存储器(RAM)、只读存储器(ROM)、非易失性RAM(NVRAM)、电可擦除可编程ROM(EEPROM)、闪存存储器,或任何其他数字介质。
在一些示例中,处理电路系统200被配置为使用可以存储在存储器202的软件208中的算法来基于感测到的uPO2和尿液排出量、uPO2的第一基线以及尿液中的总氧输出量的第二基线确定患者可能出现AKI的可能性。感测到的尿液的uPO2和尿液排出量参数可以经由肾功能监测系统的一个或多个传感器(例如,图1的传感器20,22)来感测。处理电路系统200可以确定第一阈值和第二阈值,如下文进一步论述的,这些阈值可以是患者特异性的。
例如,外部装置24可以例如经由传感器20或传感器22监测膀胱中的尿液中的氧分压(uPO2),因为该测量结果可以反映肾脏的氧合。在一些示例中,外部装置24可以采用以下算法(其可以存储在存储器202的软件208中):该算法获取测量溶解在尿液中的氧量(uPO2)的传感器(诸如传感器20或传感器22)和测量尿液排出量(UO)的传感器(诸如传感器20或传感器22)的输出,来估计出现AKI的风险(例如,通过AKI风险评分)。在一些示例中,处理电路系统200配置为使用可以存储在存储器202的软件208中的算法来确定趋势和/或总氧输出量,该趋势和/或总氧输出量也可以用于确定AKI风险评分。
图4是展示确定AKI风险评分的示例技术的流程图。虽然参考外部装置24的处理电路系统200来描述图4以及本文所述的其他技术,但是在其他示例中,其他处理电路系统单独或与处理电路系统200组合可以执行本文所述技术的全部或一部分。其他处理电路系统可以例如远离患者和/或外部装置24定位,诸如在接收和处理来自多个患者的数据的相对中心位置处。
根据图4所示的技术,处理电路系统200确定流体中的溶解氧的第一基线值(100)。例如,处理电路系统200可以基于第一信号确定流体中的溶解氧量的至少两个测量值,并且在确定流体中的溶解氧的第一基线值时,将指数衰减或非线性回归中的至少一者应用于流体中的溶解氧量的至少两个测量值。在一些示例中,处理电路系统200可以从存储器(诸如存储器202或另一装置的存储器)读取第一基线。在一些示例中,流体是尿液,并且尿液从患者的膀胱排出。
在一些示例中,第一信号可以是来自第一传感器(例如,图1的第一传感器22或第二传感器20)的信号。在一些示例中,第一传感器可以是溶解氧传感器。流体(诸如尿液)中的溶解氧的测量值(例如,定量值)可以随时间推移而变化。处理电路系统200可以基于第一信号确定流体中的溶解氧的第一测量值低于预定阈值,并且在确定流体中的溶解氧的第一基线值时,对该第一测量值和该第一测量值之前流体中的溶解氧的测量值取平均。例如,处理电路系统200可以对低于预定阈值的流体中溶解氧的第一测量值与流体中溶解氧的所有先前测量值、流体中溶解氧的预定数量的先前测量值(例如,如果用户输入预定阈值,则低至0个测量值,或者如果用户没有输入预定阈值,则少至3个或更多个相对稳定的测量值,具体取决于采样率),或者与紧挨第一测量值之前的预定时间段内(例如,少至10分钟至15分钟,长达60分钟或更长时间)的流体中溶解氧的先前测量值取平均。
心肺旁路手术可以在随尿液氧张力和流体的排出量而变化的信号中产生相对大的变化,并且其即将开始前的时间段可以是被视为患者基线的有效时间段。另外,旁路机可能产生较高的uPO2基线,这可能不利于确定AKI风险评分。因此,在另一个示例中,在确定流体中的溶解氧的第一基线值时,处理电路系统200可以对患者即将进行心肺旁路手术之前的时间段期间的溶解氧测量值取平均。下面参考图6和图7更详细地论述第一基线。
处理电路系统200确定流体中的总氧输出量的第二基线值(102)。例如,处理电路系统200可以基于第一信号确定流体中的溶解氧量的至少两个测量值,并且基于第二信号确定流体的排出量的至少两个测量值。在一些示例中,第二信号可以来自第二传感器(例如,图1的传感器20或传感器22)。在一些示例中,第二传感器可以是体积传感器或流量传感器。在确定流体中的总氧输出量的第二基线值时,处理电路系统200还可以将指数衰减或非线性回归中的至少一者应用于以下至少一项:a)流体中的溶解氧量的至少两个测量值;b)流体的排出量的至少两个测量值,其基于第二信号;或c)流体中的总氧输出量的至少两个测量值,其基于流体中的溶解氧的至少两个测量值和流体中的溶解氧量的至少两个测量值。在一些示例中,处理电路系统200可以从存储器(诸如存储器202或另一装置的存储器)读取第二基线。下面参考图6和图7更详细地论述第二基线。
处理电路系统200从第一传感器接收指示流体中的溶解氧量的第一信号(104)。例如,处理电路系统200可以从溶解氧传感器接收第一信号。
处理电路系统200可以从第二传感器接收指示流体的排出量的第二信号(106)。例如,处理电路系统200可以从体积传感器或流量传感器接收第二信号。
处理电路系统200至少部分地基于第一基线值、第二基线值、第一信号和第二信号来确定出现AKI的风险(108)。通过确定患者可能出现AKI的风险,该系统可以促进临床医生的早期干预,以减少患者可能出现AKI的机会或降低AKI的严重程度。
例如,作为确定AKI风险评分的一部分,处理电路系统200可以基于第一信号确定流体中的溶解氧量,并且将流体中的溶解氧量与第一阈值进行比较。处理电路系统200可以基于第二信号确定流体的排出量,并且将流体的排出量与第二阈值进行比较。处理电路系统200可以将总氧输出量的测量值与第三阈值进行比较。在这些示例中,处理电路系统200可以基于这些比较确定出现AKI的风险。在一些示例中,第一阈值基于第一基线值,并且第二阈值基于第二基线值。第一阈值、第二阈值和第三阈值以及本文所述的其他阈值可以由外部装置24的存储器202或另一装置的存储器存储。
在一些示例中,处理电路系统200可以基于第一信号和第二信号确定流体中的总氧输出量的测量值,并且基于总氧输出量的测量值,单独地或与上文论述的比较相结合地确定出现AKI的风险。
在一些示例中,作为确定出现AKI的风险的一部分,处理电路系统200可以基于第一信号确定流体中的溶解氧量随时间推移的第一趋势。处理电路系统200还可以基于第一信号和第二信号确定流体中总氧输出量的测量值的第二趋势。处理电路系统200还可以将第一趋势与第四阈值进行比较,并且将第二趋势与第五阈值进行比较。在这些示例中,可以基于这些比较确定出现AKI的风险。例如,处理电路系统200可以基于第一趋势低于第四阈值的时间量(“第一”时间量)和第二趋势低于第五阈值的时间量(“第二”时间量),单独地或与使用上文论述的第一阈值、第二阈值和第三阈值的比较相结合地确定出现AKI的风险。
在一些示例中,作为确定出现AKI的风险的一部分,处理电路系统200可以基于第二信号确定流体的排出量随时间推移的第三趋势,并且将第三趋势与第六阈值进行比较。在这些示例中,可以基于该比较确定出现AKI的风险。例如,处理电路系统200可以基于第三趋势低于第六阈值的时间量(“第三”时间量),单独地或与使用上文论述的第一阈值、第二阈值、第三阈值、第四阈值和第五阈值的比较相结合地确定出现AKI的风险。
图5是展示外部装置24的处理电路系统200可以实现基于uPO2和/或尿液排出量来确定患者出现AKI的风险评分的示例技术的流程图。图5展示了图4的全部或部分技术的示例。例如,使用图5的技术,处理电路系统200可以基于从第一传感器22和/或第二传感器20接收的uPO2和尿液排出量的测量值来确定患者可能出现AKI的风险。图5可以表示存储在存储器202的软件208中并且由处理电路系统200(图3)执行的算法。虽然参考外部装置24的处理电路系统200来描述这些技术,但是在其他示例中,另一装置的处理电路系统单独或与处理电路系统200组合可以执行本公开技术的任何部分。
处理电路系统200可以从被配置为感测患者的尿液或其他流体的相应参数的任何合适的传感器接收指示尿液排出体积40和uPO2 42的信号。例如,处理电路系统200可以从(图1的)第一传感器22和/或第二传感器20接收指示感测参数的信号。处理电路系统200确定uPO2的患者特异性基线48(图4的第一基线)并且确定总氧输出量的患者特异性基线46(图4的第二基线)。参考图6和图7更详细地论述用于确定这些基线的示例技术。在一些示例中,处理电路系统200可以在组合框44中将感测到的尿液排出量40与感测到的uPO2 42组合,以确定总氧输出量。例如,处理电路系统200可以将感测到的uPO2 42与感测到的尿液排出量40进行数学组合(诸如使用乘法),以确定总氧输出量的测量值。
处理电路系统200可以确定尿液排出量的阈值50、总氧输出量的阈值52、总氧输出量相对于基线的阈值54、uPO2基于基线的阈值56,并且/或者基于基线48设定uPO2的阈值58。在一些示例中,处理电路系统200可以设置阈值50、52、54、56和/或58。在一些示例中,处理电路系统200可以从存储器(诸如存储器202或分离装置中的存储器)读取阈值50、52、54、56和/或58。在一些示例中,阈值50、52、54、56和58可以是数值。在一些示例中,阈值52和阈值54可以是相同的。在一些示例中,阈值52和阈值54可以是不同的。在一些示例中,阈值56和阈值58可以是相同的。在一些示例中,阈值56和阈值58可以是不同的。在一些示例中,阈值52可以基于阈值54,或者相反。在一些示例中,阈值56可以基于阈值58,或者相反。在一些示例中,阈值52可以基于基线46并且/或者阈值58可以基于基线48。在一些示例中,基于基线46和/或基线48的阈值可以分别低于基线46和/或基线48。在一些示例中,基于基线46和/或基线48的阈值可以比相应的基线46、48低基线值的5%至50%,诸如分别比基线46和/或基线48低20%。
低尿液排出量可以指示患者没有产生足够的尿液,这可以指示肾功能退化。尿液中的低uPO2和低总氧输出量可能与肾脏的灌注和/或氧合相关联,这可以指示肾功能退化。当图5的参数(尿液排出量40、uPO2 42、总氧输出量)的值低于相应阈值时,患者也许更有可能出现AKI。因此,处理电路系统200可以将一个或多个感测参数的测量值与相应的阈值进行比较,以确定AKI风险评分70。例如,这种比较可以在医疗程序之前、医疗程序期间和/或从医疗程序恢复期间执行。例如,处理电路系统200可以将尿液排出量40与阈值50进行比较,并且基于该比较的结果来确定AKI风险评分70。在一些示例中,替代性地或除此之外,处理电路系统200可以将随时间推移的尿液排出量趋势与阈值50进行比较,确定尿液排出量低于阈值50的时间量60并基于该确定的时间量确定AKI风险评分70。
除了前述比较之外,在一些示例中,处理电路系统200可以将总氧输出量与阈值52进行比较并基于该比较来确定AKI风险评分70,并且/或者将随时间推移的总氧输出量趋势与阈值54进行比较,确定低于阈值54的时间量64并基于该确定的时间量来确定AKI风险评分70。在一些示例中,除了前述比较之外或代替前述比较,处理电路系统200可以将随时间推移的uPO2趋势与阈值56进行比较,确定uPO2低于阈值56的时间量66并基于该确定的时间量来确定AKI风险评分70。作为阈值比较的另一个示例,除了前述示例中的任一者之外或代替前述示例中的任一者,处理电路系统200可以将uPO2与阈值58进行比较,并且基于该比较来确定AKI风险评分70。
通过利用随时间推移的趋势(例如,总氧输出量随时间推移的变化和/或uPO2随时间推移的变化),处理电路系统200可以校正尿液流量的变化,其中尿液流量的变化可能导致uPO2以可能无法反映实际肾脏氧合的方式增加或减少。因此,根据这两个感测到的输入,外部装置24的处理电路系统200可以确定至少五个参数:uPO2、uPO2趋势、尿液排出量(和/或尿液排出量趋势)、总氧输出量和总氧输出量趋势,处理电路系统200可以使用这些参数来确定患者可能出现AKI的风险。
在一些示例中,基于对图5的一个或多个参数以及/或者低于阈值的时间60、64和/或66(或者,在一些示例中,相对于基线的曲线下面积)的考虑,处理电路系统200可以确定AKI风险评分70并且经由用户界面204将其输出。在各种示例中,AKI风险评分70可以是定量的或定性的。例如,AKI风险评分70可以是以下形式的值:连续指数,诸如介于1至10之间或1至100之间的数值范围;肾功能或风险水平的百分比值;离散指数,诸如低、中、高;或者定性指示,诸如使用色标(例如,红色指示出现AKI的风险相对高,绿色指示风险相对低)。在一些示例中,在确定AKI风险评分70时,处理电路系统200可以考虑在临床试验、动物研究或临床试验和动物研究两者中观察到的数据。在一些示例中,在确定AKI风险评分70时,处理电路系统200可以利用代数公式或杠杆作用机器学习(例如,经由神经网络)并且利用比简单回归模型更复杂的算法。
在一些示例中,AKI风险评分70可以基于将参数(尿液排出量40、uPO2 42、总氧输出量)组合,或者与阈值50至58的比较结果。在一些示例中,处理电路系统200可以基于少于五个参数来确定AKI风险评分70。例如,处理电路系统200可以基于两个参数的绝对测量值、两个参数之间的相互作用、参数的相对变化或参数相对变化的相互作用来确定AKI风险评分70。在一些示例中,能够以类似的方式使用附加参数,诸如感测温度。在一些示例中,可以将参数输入神经网络(例如,使用机器学习),以确定AKI风险评分70。在一些示例中,处理电路系统200可以使用查找表,基于前述参数和确定来确定AKI风险评分70。在一些示例中,可以使用算法来将测量的参数值与历史数据进行比较,该历史数据可以是患者特异性历史数据或其他患者的匿名历史数据,或这两者。
基线46,48可以使用任何合适的技术来确定。在最初将导管插入患者膀胱时,存在尿液流速和尿液氧合(uPO2)可能从相对高的值降低的初始时间段。例如,如果膀胱相对充盈,则可能会有相对大量的流体经由导管流出膀胱,直到导管更实时地对膀胱引流。作为另一个示例,如果患者在手术开始之前可能已经呼吸了约60%的补充氧合浓度,则在最初将导管引入膀胱时,uPO2可能相对较高。因为患者可能呼吸约60%的氧气,所以动脉血中的氧分压(PaO2)可能升高,诸如在200mmHg的范围内。由于尿液已经积聚在膀胱中,所以尿液体积增加并且尿液氧合开始与周围组织平衡,该周围组织可能具有高氧含量(约200mmHg)。因此,当医疗装置10最初插入患者的膀胱时,高氧含量的尿液高速排出,这可能无法提供患者肾脏氧合状态的信息。然而,在一段时间之后,尿液的流速和氧水平稳定到可能与临床相关的值,并且可以向临床医生提供重要的诊断信息。
在一些示例中,外部装置24的处理电路系统200可以从第一传感器22和/或第二传感器20接收指示尿液体积(例如,体积本身或流速)和/或氧合(例如,uPO2)的信号,并且可以确定尿液体积和/或氧合的初始变化,以提供对体积或流速和/或氧水平(例如,uPO2和/或总氧输出量)的基线的估计。处理电路系统200可以周期性地或连续地更新相应的参数水平和估计的基线值,直到建立准确的基线体积(例如,体积或流量)和氧水平的相对高的置信度水平为止。
如上文所论述的,出现AKI的风险可能因患者而异,甚至是具有相同参数值的患者。因此,跨所有患者使用的通用基线值可能不如患者特异性基线值准确。此外,尽可能快地确定患者特异性基线值可以缩短进行准确风险评估可能需要的时间。因此,快速确定(例如,尿液的uPO2、尿液中的总氧输出量和/或尿液体积或流量的)患者特异性基线值可能是有益的,处理电路系统200可以用该基线值确定AKI风险评分70。例如,离开肾脏进入膀胱的尿液可以相对快速地适应膀胱。例如,uPO2的最初几次(例如,三次)测量结果可能比肾脏中的尿液更能指示膀胱壁的状态。此外,当导管首次插入患者体内时,感测到的尿液体积或流量(其可以与uPO2一起用于确定尿液中的总氧输出量)可能比其他时间的值相对大或重一些。因此,这些初始值可能不是uPO2或者尿液体积或流量的准确表示。然而,处理电路系统200可以使用这些初始值来预测或建立患者特异性基线,并且使用该患者特异性基线来确定阈值,处理电路系统200可以将参数和参数趋势与这些阈值进行比较,以确定患者出现AKI的风险。
图6是展示uPO2随时间推移的示例测量结果、uPO2的模拟初始下降和基线uPO2的一张图。在图6的示例中,从患者感测的uPO2值由沿着实线300的圆圈表示。实线300本身表示在测量点之间的时间处的感测值的近似值。虚线304表示约30mmHg的基线值uPO2,其可以是患者特异性基线。虚线302表示处理电路系统200可以用于模拟患者尿液中的uPO2值的初始下降的简单指数衰减。
该示例显示了患者尿液的uPO2值如何从高值约160mmHg开始并随后降低至约30mmHg的基线值。实线300表示感测到的uPO2,其时间零点对应于弗利导管的近侧末端最初插入患者膀胱的时刻。
在一些示例中,外部装置24的处理电路系统200可以使用简单指数衰减来模拟(诸如虚线302的)初始下降。根据图6,使用简单指数衰减,虚线302可以用于在30分钟至40分钟的时间范围内以合理的近似来确定基线值304。然而,在使用非线性回归时,可能需要最长达60分钟的数据点来确定基线值304。例如,处理电路系统200可以基于第一信号确定流体中的溶解氧量的至少两个测量值,并且在确定流体中的溶解氧的第一基线值时,将指数衰减或非线性回归中的至少一者应用于流体中的溶解氧量的至少两个测量值。
类似地,为了建立基线值uPO2,处理电路系统200可以建立总氧输出量的第二基线值。例如,处理电路系统200可以使用对uPO2的至少两个测量值的简单指数衰减或非线性回归(第一基线)和对流体的排出量的至少两个相应测量值的简单指数衰减或非线性回归(流体的排出量的基线)来确定总氧输出量的第二基线值。例如,处理电路系统200可以按数学方式将第一基线和流体的排出量的基线组合。替代性地,处理电路系统200可以按数学方式将流体中的溶解氧量的至少两个测量值和流体的排出量的至少两个相应测量值组合,以确定总氧输出量的至少两个测量值,并且可以使用对总氧输出量的至少两个测量值的简单指数衰减或非线性回归来确定第二基线。
如果处理电路系统200使用更复杂的基线预测算法,则用来估计基线uPO2的时间可能减少。例如,如果将uPO2的变化率结合到估计中,则处理电路系统200可以明显更快地估计基线uPO2,如图7所示。图7是展示uPO2随时间推移的示例测量结果、uPO2的模拟初始下降和基线uPO2的一张uPO2。从患者感测的uPO2值由沿着实线310的圆圈表示。实线310表示在圈出的测量点之间的时间处的感测值的近似值。虚线314表示约30mmHg的基线值uPO2,其可以是患者特异性基线。虚线312表示处理电路系统200可以用于估计基线uPO2的模型,其中虚线圆圈表示在与实际测量点一致的时间处的uPO2模拟值。可能有利的是尽可能快地并且在心肺旁路或其他重大策略发生并引起基线值变化之前建立基线测量。
在图7的示例中,一旦uPO2的变化率低于预定阈值(例如,15mmHg),处理电路系统200就可以将该时间点作为稳定点存储在存储器202中,并且可以通过至少对回到初始时间点(例如,导管的近侧末端插入患者膀胱)的数据取平均来确定基线uPO2。在该示例中,处理电路系统200可以周期性地(例如,每1分钟至10分钟,诸如每5分钟)确定基线uPO2,并且处理电路系统200可以在例如20分钟内确定向患者基线的收敛。例如,处理电路系统200可以基于第一信号确定流体中的溶解氧的第一测量值低于预定阈值,并且在确定流体中的溶解氧的第一基线值时,对该第一测量值和该第一测量值之前流体中的溶解氧的测量值取平均。
类似地,处理电路系统200可以通过至少按数学方式将第一基线和流体的排出量的基线组合,或者至少按数学方式将流体中溶解氧的至少两个测量值和流体的排出量的至少两个相应测量值组合来确定第二基线。
在另一个示例中,处理电路系统200可以通过至少回顾性地对心肺旁路手术即将开始之前的时段取平均来确定基线测量结果。心肺旁路手术可以在随尿液氧张力和流体的排出量而变化的信号中产生相对大的变化。此外,心肺旁路机可能在患者的尿液中产生较高的uPO2,这可能使基线偏移。因此,心肺旁路手术即将开始前的时间段可以是被视为患者基线的有效时间段。例如,在确定流体中的溶解氧的第一基线值时,处理电路系统200可以对患者即将进行心肺旁路手术之前的时间段期间的溶解氧测量值取平均。
本公开的装置、系统和技术可以确定患者出现AKI的风险。通过确定患者可能出现AKI的风险,本公开的装置、系统和技术可以促进临床医生的早期干预,以减少患者可能出现AKI的机会或降低AKI的严重程度。
本公开中所述的技术,包括那些归属于传感器20、传感器22、处理电路系统200、通信电路系统206和UI 204或者各种组成部件的技术,可以至少部分地以硬件、软件、固件或它们的任何组合来实现。例如,这些技术的各种方面可在一个或多个处理器(包括一个或多个微处理器、DSP、ASIC、FPGA或任何其他等效集成或离散逻辑电路系统)内实施。术语“处理器”或“处理电路系统”通常可指单独的或与其他逻辑电路系统组合的任何前述逻辑电路系统或任何其他等效电路系统。
此类硬件、软件、固件可在同一装置内或在单独的装置内实现,以支持本公开中描述的各种操作和功能。此外,所描述的单元、模块或部件中的任一者可一起或单独地被实施为离散但可互操作的逻辑装置。将不同特征描述为模块或单元旨在突出不同的功能方面,并且不一定暗示此类模块或单元必须由单独的硬件或软件部件来实现。相反,与一个或多个模块或单元相关联的功能可由单独的硬件或软件部件执行,或者集成在公共或单独的硬件或软件部件内。
当以软件中实施时,归因于本公开中所描述的系统、装置和技术的功能可以体现为诸如RAM、ROM、NVRAM、EEPROM、闪速存储器、磁数据存储介质、光学数据存储介质等计算机可读介质上的指令。可以执行指令以支持本公开中所述的功能的一个或多个方面。
本公开包括以下非限制性实施例。
实施例1、一种方法,包括:由处理电路系统确定流体中的溶解氧的第一基线值;由处理电路系统确定流体中的总氧输出量的第二基线值;从第一传感器接收指示流体中的溶解氧量的第一信号;从第二传感器接收指示流体的排出量的第二信号;以及由处理电路系统至少部分地基于第一基线值、第二基线值、第一信号和第二信号来确定出现急性肾损伤(AKI)的风险。
实施例2、根据实施例1所述的方法,还包括:由处理电路系统基于第一信号和第二信号确定流体中的总氧输出量的测量值,其中确定出现AKI的风险还包括基于总氧输出量的测量值确定出现AKI的风险。
实施例3、根据实施例2所述的方法,其中确定出现AKI的风险包括:由处理电路系统基于第一信号确定流体中的溶解氧量;由处理电路系统将流体中的溶解氧量与第一阈值进行比较;由处理电路系统基于第二信号确定流体的排出量;由处理电路系统将流体的排出量与第二阈值进行比较;以及由处理电路系统将总氧输出量的测量值与第三阈值进行比较,其中基于这些比较确定出现AKI的风险。
实施例4、根据实施例3所述的方法,其中确定出现AKI的风险包括:由处理电路系统基于第一信号确定流体中的溶解氧量随时间推移的第一趋势;由处理电路系统基于第一信号和第二信号确定流体中总氧输出量的测量值的第二趋势;由处理电路系统将第一趋势与第四阈值进行比较;由处理电路系统将第二趋势与第五阈值进行比较,其中基于这些比较确定出现AKI的风险。
实施例5、根据实施例4所述的方法,其中确定出现AKI的风险进一步基于第一趋势低于第四阈值的第一时间量和第二趋势低于第五阈值的时间量。
实施例6、根据实施例4或实施例5所述的方法,其中确定出现AKI的风险包括:由处理电路系统基于第二信号确定流体的排出量随时间推移的第三趋势;由处理电路系统将第三趋势与第六阈值进行比较,其中基于该比较确定出现AKI的风险。
实施例7、根据实施例6所述的方法,其中确定出现AKI的风险进一步基于第三趋势低于第六阈值的第三时间量。
实施例8、根据实施例3至7的任何组合所述的方法,其中第一阈值基于第一基线值,并且第二阈值基于第二基线值。
实施例9、根据实施例3至8的任何组合所述的方法,其中确定第一基线值包括:由处理电路系统基于第一信号确定流体中的溶解氧的第一测量值低于预定阈值;由处理电路系统对该第一测量值和该第一测量值之前流体中的溶解氧的测量值取平均。
实施例10、根据实施例1至9的任何组合所述的方法,其中确定第一基线值包括:由处理电路系统对患者即将进行心肺旁路手术之前的时间段期间的溶解氧测量值取平均。
实施例11、根据实施例1至9的任何组合所述的方法,其中确定第一基线值包括:由处理电路系统基于第一信号确定流体中的溶解氧量的至少两个测量值;以及由处理电路系统将指数衰减或非线性回归中的至少一者应用于流体中的溶解氧量的至少两个测量值。
实施例12、根据实施例1至11的任何组合所述的方法,其中确定第二基线值包括:由处理电路系统基于第一信号确定流体中的溶解氧量的至少两个测量值;由处理电路系统基于第二信号确定流体的排出量的至少两个测量值;以及由处理电路系统将指数衰减或非线性回归中的至少一者应用于以下至少一项:a)流体中的溶解氧量的至少两个测量值,其基于第一信号;b)流体的排出量的至少两个测量值,其基于第二信号;或c)流体中的总氧输出量的至少两个测量值,其基于流体中的溶解氧的至少两个测量值和流体中的溶解氧量的至少两个测量值。
实施例13、根据实施例1至12的任何组合所述的方法,其中流体是尿液,并且尿液从患者的膀胱排出。
实施例14、一种装置,包括:存储器;以及通信地耦接到存储器的处理电路系统,该处理电路系统被配置为:确定流体中的溶解氧的第一基线值;确定流体中的总氧输出量的第二基线值;从第一传感器接收指示流体中的溶解氧量的第一信号;从第二传感器接收指示流体的排出量的第二信号;以及至少部分地基于第一基线值、第二基线值、第一信号和第二信号来确定出现急性肾损伤(AKI)的风险。
实施例15、根据实施例14所述的装置,其中处理电路系统被进一步配置为:基于第一信号和第二信号确定流体中的总氧输出量的测量值,其中确定出现AKI的风险还包括基于总氧输出量的测量值确定出现AKI的风险。
实施例16、根据实施例15所述的装置,其中作为确定出现AKI的风险的一部分,该处理电路系统被配置为:基于第一信号确定流体中的溶解氧量;将流体中的溶解氧量与第一阈值进行比较;基于第二信号确定流体的排出量;将流体的排出量与第二阈值进行比较;以及将总氧输出量的测量值与第三阈值进行比较,其中基于这些比较确定出现AKI的风险。
实施例17、根据实施例16所述的装置,其中作为确定出现AKI的风险的一部分,处理电路系统被配置为:基于第一信号确定流体中的溶解氧量随时间推移的第一趋势;基于第一信号和第二信号确定流体中总氧输出量的测量值的第二趋势;将第一趋势与第四阈值进行比较;以及将第二趋势与第五阈值进行比较,其中基于这些比较确定出现AKI的风险。
实施例18、根据实施例17所述的装置,其中处理电路系统被配置为进一步基于第一趋势低于第四阈值的第一时间量和第二趋势低于第五阈值的时间量来确定出现AKI的风险。
实施例19、根据实施例17或实施例18所述的装置,其中作为确定出现AKI的风险的一部分,处理电路系统被配置为:基于第二信号,确定流体的排出量随时间推移的第三趋势;以及将第三趋势与第六阈值进行比较,其中基于该比较确定出现AKI的风险。
实施例20、根据实施例19所述的装置,其中确定出现AKI的风险进一步基于第三趋势低于第六阈值的第三时间量。
实施例21、根据实施例16至20的任何组合所述的装置,其中第一阈值基于第一基线值,并且第二阈值基于第二基线值。
实施例22、根据实施例16至21的任何组合所述的装置,其中作为确定第一基线值的一部分,处理电路系统被配置为:基于第一信号确定流体中的溶解氧的第一测量值低于预定阈值;以及对该第一测量值和该第一测量值之前流体中的溶解氧的测量值取平均。
实施例23、根据实施例14至22的任何组合所述的装置,其中作为确定第一基线值的一部分,处理电路系统被配置为:对患者即将进行心肺旁路手术之前的时间段期间的溶解氧测量值取平均。
实施例24、根据实施例14至23的任何组合所述的装置,其中作为确定第一基线值的一部分,处理电路系统被配置为:基于第一信号确定流体中的溶解氧量的至少两个测量值;以及将指数衰减或非线性回归中的至少一者应用于流体中的溶解氧量的至少两个测量值。
实施例25、根据实施例14至24的任何组合所述的装置,其中作为确定第二基线值的一部分,处理电路系统被配置为:基于第一信号确定流体中的溶解氧量的至少两个测量值;基于第二信号确定流体的排出量的至少两个测量值;以及将指数衰减或非线性回归中的至少一者应用于以下至少一项:a)流体中的溶解氧量的至少两个测量值;b)流体的排出量的至少两个测量值,其基于第二信号;或c)流体中的总氧输出量的至少两个测量值,其基于流体中的溶解氧的至少两个测量值和流体中的溶解氧量的至少两个测量值。
实施例26、根据实施例14至25的任何组合所述的装置,其中流体是尿液,并且尿液从患者的膀胱排出。
实施例27、一种装置,包括:存储器;以及通信地耦接到存储器的处理电路系统,该处理电路系统被配置为:基于第一信号确定流体中的溶解氧量的至少两个测量值;为了确定流体中的溶解氧的第一基线值,将指数衰减或非线性回归中的至少一者应用于流体中的溶解氧量的至少两个测量值;基于第二信号确定流体的排出量的至少两个测量值;为了确定流体中的总氧输出量的第二基线值,将指数衰减或非线性回归中的至少一者应用于以下至少一项:a)流体中的溶解氧量的至少两个测量值;b)流体的排出量的至少两个测量值,其基于第二信号;或c)流体中的总氧输出量的至少两个测量值,其基于流体中的溶解氧的至少两个测量值和流体中的溶解氧量的至少两个测量值;以及至少部分地基于第一基线值、第二基线值、第一信号和第二信号来确定出现急性肾损伤(AKI)的风险。
已经描述了各种示例。这些和其他实施例在所附权利要求书的范围内。
Claims (14)
1.一种装置,包括:
存储器;以及
通信地耦接到所述存储器的处理电路系统,所述处理电路系统被配置为:
确定流体中的溶解氧的第一基线值;
确定所述流体中的总氧输出量的第二基线值;
从第一传感器接收指示所述流体中的溶解氧量的第一信号;
从第二传感器接收指示所述流体的排出量的第二信号;以及
至少部分地基于所述第一基线值、所述第二基线值、所述第一信号和所述第二信号来确定出现急性肾损伤(AKI)的风险。
2.根据权利要求1所述的装置,其中所述处理电路系统被进一步配置为:
基于所述第一信号和所述第二信号确定所述流体中的总氧输出量的测量值,
其中确定所述出现AKI的风险还包括基于所述总氧输出量的测量值来确定所述出现AKI的风险。
3.根据权利要求2所述的装置,其中作为确定所述出现AKI的风险的一部分,所述处理电路系统被配置为:
基于所述第一信号确定所述流体中的所述溶解氧量;
将所述流体中的所述溶解氧量与第一阈值进行比较;
基于所述第二信号确定所述流体的所述排出量;
将所述流体的所述排出量与第二阈值进行比较;以及
将所述总氧输出量的测量值与第三阈值进行比较,
其中基于所述比较确定所述出现AKI的风险。
4.根据权利要求3所述的装置,其中作为确定所述出现AKI的风险的一部分,所述处理电路系统被配置为:
基于所述第一信号确定所述流体中的所述溶解氧量随时间推移的第一趋势;
基于所述第一信号和所述第二信号确定所述流体中的所述总氧输出量的测量值的第二趋势;
将所述第一趋势与第四阈值进行比较;以及
将所述第二趋势与第五阈值进行比较,
其中基于所述比较确定所述出现AKI的风险。
5.根据权利要求4所述的装置,其中所述处理电路系统被配置为进一步基于所述第一趋势低于所述第四阈值的第一时间量和所述第二趋势低于所述第五阈值的时间量来确定所述出现AKI的风险。
6.根据权利要求4所述的装置,其中作为确定所述出现AKI的风险的一部分,所述处理电路系统被配置为:
基于所述第二信号确定所述流体的所述排出量随时间推移的第三趋势;以及
将所述第三趋势与第六阈值进行比较,
其中基于所述比较确定所述出现AKI的风险。
7.根据权利要求6所述的装置,其中确定所述出现AKI的风险进一步基于所述第三趋势低于所述第六阈值的第三时间量。
8.根据权利要求3所述的装置,其中所述第一阈值基于所述第一基线值,并且所述第二阈值基于所述第二基线值。
9.根据权利要求1至8中任一项所述的装置,其中作为确定所述第一基线值的一部分,所述处理电路系统被配置为:
基于所述第一信号确定所述流体中的溶解氧的第一测量值低于预定阈值;以及
对所述第一测量值和所述第一测量值之前所述流体中的所述溶解氧的测量值取平均。
10.根据权利要求1至8中任一项所述的装置,其中作为确定所述第一基线值的一部分,所述处理电路系统被配置为:
对患者即将进行心肺旁路手术之前的时间段期间的所述溶解氧的测量值取平均。
11.根据权利要求1至8中任一项所述的装置,其中作为确定所述第一基线值的一部分,所述处理电路系统被配置为:
基于所述第一信号确定所述流体中的所述溶解氧量的至少两个测量值;以及
将指数衰减或非线性回归中的至少一者应用于所述流体中的所述溶解氧量的所述至少两个测量值。
12.根据权利要求1至11中任一项所述的装置,其中作为确定所述第二基线值的一部分,所述处理电路系统被配置为:
基于所述第一信号确定所述流体中的所述溶解氧量的至少两个测量值;
基于所述第二信号确定所述流体的所述排出量的至少两个测量值;以及
将指数衰减或非线性回归中的至少一者应用于以下至少一项:a)所述流体中的所述溶解氧量的所述至少两个测量值;b)所述流体的所述排出量的所述至少两个测量值,其基于所述第二信号;或c)所述流体中的所述总氧输出量的至少两个测量值,其基于所述流体中的所述溶解氧的所述至少两个测量值和所述流体中的所述溶解氧量的所述至少两个测量值。
13.根据权利要求1至12中任一项所述的装置,其中所述流体是尿液,并且所述尿液从患者的膀胱排出。
14.一种装置,包括:
存储器;以及
通信地耦接到所述存储器的处理电路系统,所述处理电路系统被配置为:
基于第一信号确定流体中的溶解氧量的至少两个测量值;
为了确定所述流体中的溶解氧的第一基线值,将指数衰减或非线性回归中的至少一者应用于所述流体中的所述溶解氧量的所述至少两个测量值;
基于第二信号确定所述流体的排出量的至少两个测量值;
为了确定所述流体中的总氧输出量的第二基线值,将指数衰减或非线性回归中的至少一者应用于以下至少一项:a)所述流体中的所述溶解氧量的所述至少两个测量值;b)所述流体的所述排出量的所述至少两个测量值,其基于所述第二信号;或c)所述流体中的所述总氧输出量的至少两个测量值,其基于所述流体中的所述溶解氧的所述至少两个测量值和所述流体中的所述溶解氧量的所述至少两个测量值;以及
至少部分地基于所述第一基线值、所述第二基线值、所述第一信号和所述第二信号来确定出现急性肾损伤(AKI)的风险。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063074781P | 2020-09-04 | 2020-09-04 | |
US63/074,781 | 2020-09-04 | ||
US17/308,511 US20220076838A1 (en) | 2020-09-04 | 2021-05-05 | Acute kidney injury monitoring |
US17/308,511 | 2021-05-05 | ||
PCT/US2021/048479 WO2022051288A1 (en) | 2020-09-04 | 2021-08-31 | Acute kidney injury monitoring |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116157067A true CN116157067A (zh) | 2023-05-23 |
Family
ID=78000789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180054415.5A Pending CN116157067A (zh) | 2020-09-04 | 2021-08-31 | 急性肾损伤监测 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220076838A1 (zh) |
EP (1) | EP4208093A1 (zh) |
CN (1) | CN116157067A (zh) |
WO (1) | WO2022051288A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11864893B2 (en) | 2020-09-04 | 2024-01-09 | Covidien Lp | Oxygen sensor calibration |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10542923B2 (en) * | 2015-04-15 | 2020-01-28 | The Johns Hopkins University | System and urine sensing devices for and method of monitoring kidney function |
US11660032B2 (en) * | 2017-09-07 | 2023-05-30 | SWSA Medical Ventures, LLC | Catheter assemblies, oxygen-sensing assemblies, and related methods |
JP7221985B2 (ja) * | 2018-04-02 | 2023-02-14 | ポトレロ メディカル,インコーポレイテッド | 体液の排出および分析、並びに健康の評価のためのシステム |
-
2021
- 2021-05-05 US US17/308,511 patent/US20220076838A1/en active Pending
- 2021-08-31 WO PCT/US2021/048479 patent/WO2022051288A1/en unknown
- 2021-08-31 EP EP21783099.1A patent/EP4208093A1/en active Pending
- 2021-08-31 CN CN202180054415.5A patent/CN116157067A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220076838A1 (en) | 2022-03-10 |
EP4208093A1 (en) | 2023-07-12 |
WO2022051288A1 (en) | 2022-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230055624A1 (en) | Systems, Devices, And Methods For Mapping Organ Profiles | |
AU2020204021B2 (en) | Ureteral and bladder catheters and methods for inducing negative pressure to increase renal perfusion | |
JP7476096B2 (ja) | 血管のナビゲーション、評価及び/又は診断を行うための機器及び方法 | |
US20200069217A1 (en) | Systems, Devices, And Methods For Mapping Organ Profiles | |
US20100010503A1 (en) | Systems and methods for placing heart leads | |
US11574741B2 (en) | Systems and methods for determining cardiac output | |
CN108665449B (zh) | 预测血流矢量路径上的血流特征的深度学习模型及装置 | |
US20110098557A1 (en) | System and method for diagnosing a fluid status of a patient | |
CN116157067A (zh) | 急性肾损伤监测 | |
CN116194172A (zh) | 导管系统 | |
CN111840757A (zh) | 一种可测压球囊导管及其智能自演进式辅助设备 | |
US20220072270A1 (en) | Acute kidney injury monitoring | |
US20220071536A1 (en) | Acute kidney injury monitoring | |
CN208481852U (zh) | 一种冠状静脉指引系统 | |
US20230074761A1 (en) | Introducing a conductive element into a catheter | |
US11864893B2 (en) | Oxygen sensor calibration | |
US20210330933A1 (en) | Catheter with valves | |
CN212037503U (zh) | 一种心脏内血压监测导管 | |
US20230270444A1 (en) | Calibration of solid-state sensors | |
US20220175255A1 (en) | A system and a method for measuring volumetric flow in arteries | |
KR101094793B1 (ko) | 협착관내 유동에서 협착 전후단의 차압 측정 방법 | |
Matsuzaki | Pulmonary vascular input impedance in patients with atrial septal defect | |
CN115273963A (zh) | 一种融合血液流动特征的有创血压监测数值修正方法 |
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 |