JP2019509791A - 中心静脈圧マノメトリの使用を介した呼吸パラメーター推定及び非同調検出アルゴリズムの強化 - Google Patents

Abstract

呼吸モニタリング装置１０は、患者の中心静脈圧（ＣＶＰ）信号を測定する中心静脈圧センサー２４を含む。少なくとも１つのプロセッサー３２、３４、３６、３８、４０、４２、４４、５８は、検出された呼吸間隔に基づいてＣＶＰ信号をセグメント化すること；セグメント化されたＣＶＰ信号からサロゲート呼吸筋圧信号を計算すること；及び、サロゲート呼吸筋圧信号をフィルタリングし、サロゲート呼吸筋圧信号の心臓の活動成分を除去することを含む動作によって、ＣＶＰ信号を処理し、患者に関する呼吸情報を発生させるようにプログラムされている。

Description

以下のものは、医療療法の技術分野、呼吸療法の技術分野、医療換気の技術分野、及び、関連の技術分野に関する。

呼吸モニタリングは、呼吸器の病気を診断するために実施され、また、機械的換気などのような呼吸療法を補助するために実施される。患者によって働かされる呼吸努力の特徴付けは、圧力補助換気（ＰＳＶ）などのようなさまざまな補助モードのために人工呼吸器設定を最適化するために、特に重要である。目標は、患者を過剰に補助すること（それは、萎縮効果につながる可能性がある）、肺損傷、人工呼吸器から患者を最終的にウィーニングする際の難しさの増大、患者への補助が足りないこと（それは、過度の筋肉疲労につながる可能性がある）、又は、他の有害な影響なしに、効果的な呼吸を維持するのにちょうど十分な補助を提供することである。

呼吸努力は、さまざまに定量化される。基礎パラメーターは、通常、呼吸筋圧Ｐ_ｍｕｓ（ｔ）と称され、すなわち、それは、患者の横隔膜及び胸部筋肉組織によって肺に働かされる圧力である。呼吸仕事量（Ｗｏｒｋ ｏｆ Ｂｒｅａｔｈｉｎｇ）（ＷｏＢ）は、単一の呼吸にわたって、Ｐ_ｍｕｓ（ｔ）の体積積分からコンピューター計算され得（すなわち、ＷＯＢ＝∫Ｐｍｕｓ（ｔ）ｄＶ）、又は、Ｐ_ｍｕｓ（ｔ）とフローとの積の時間積分からコンピューター計算され（すなわち、

）、一方、呼吸力（Ｐｏｗｅｒ ｏｆ Ｂｒｅａｔｈｉｎｇ）（ＰｏＢ）は、単位時間にわたって（たとえば、１分間当たり、したがって、いくつかの呼吸を包含する）、Ｐ_ｍｕｓ（ｔ）の体積積分からコンピューター計算され、又は、Ｐ_ｍｕｓ（ｔ）とフローとの積の時間積分からコンピューター計算される。したがって、呼吸筋圧Ｐ_ｍｕｓ（ｔ）を特徴付けることは、呼吸努力をモニタリングする際に重要なステップである。

呼吸筋圧を査定するための公知のアプローチは、侵襲性の技法及び非侵襲性の技法を含む。たとえば、非侵襲性の技法（吸気終末休止処置と呼ばれる）は、吸気相の終わりに気道を遮断することによって、呼吸器系抵抗及びエラスタンスを査定するために使用される。次いで、Ｐ_ｍｕｓ（ｔ）が、肺の運動方程式、並びに、測定された気道圧力及びエアフローの使用を介して計算され得る。このアプローチは、特定の仮定に依存しており、それは、すべての状況において有効であるわけではなく、また、それが生命を維持させる呼吸を（一時的ではあるが）中断させるので、臨床的に問題がある。別の例では、侵襲性の技法は、バルーンが先端についたカテーテルを患者の食道の中へ設置することを必要とする。食道内圧が、胸腔内圧の近い代用物であるということが示されてきており、それは、患者のＰ_ｍｕｓをコンピューター計算するために使用されている。他のアプローチは、気道圧力及びエアフローを肺の運動方程式に適合させることに依存しており、肺の運動方程式は、これらの値に関連しており、また、呼吸器系抵抗Ｒ_ｒｓ及び呼吸器系コンプライアンスＣ_ｒｓ又はエラスタンスＥ_ｒｓなどのような、呼吸器系パラメーターによってパラメーター化されている。また、これらのアプローチは、一般的に、そうでなければ不確定のセットの等式を評価するために、患者の真のＰ_ｍｕｓ（ｔ）プロファイルについてのいくつかの簡単化する仮定に依存している。これらの簡単化する仮定は、繰り返しになるが、すべての状況下において有効であるというわけではない。問題は、とりわけ、患者−人工呼吸器の非同調エピソードの間に生じ、そのときには、患者の呼吸努力は、機械的な人工呼吸器によって印加されるプラスの気道圧力と十分に同期されていない。

以下のものは、先述の問題及び他の問題を克服する、新しくて改善された装置及び方法を提供する。

１つの態様によれば、呼吸モニタリング装置は、患者の中心静脈圧（ＣＶＰ）信号を測定する中心静脈圧センサーを含む。少なくとも１つのプロセッサーは、呼吸間隔を定義するためにＣＶＰ信号をセグメント化すること、セグメント化されたＣＶＰ信号からサロゲート（ｓｕｒｒｏｇａｔｅ）呼吸筋圧信号を計算すること、及び、サロゲート呼吸筋圧信号をフィルタリングし、サロゲート呼吸筋圧信号の心臓の活動成分を除去することを含む動作によって、ＣＶＰ信号を処理し、患者に関する呼吸情報を発生させるようにプログラムされている。

別の態様によれば、機械的換気装置は、機械的な人工呼吸器を含む。中心静脈圧センサーは、時間の関数として患者の中心静脈圧信号を測定する。少なくとも１つの気道センサーは、機械的な人工呼吸器上の患者に関して、時間の関数として気道圧力及びエアフローを測定する。少なくとも１つのプロセッサーは、中心静脈圧センサーから中心静脈圧信号を受信するようにプログラムされ、少なくとも１つの気道センサーから、患者に関して時間の関数として気道エアフロー信号を受信するようにプログラムされ、患者のそれぞれの呼吸に関して、時間の関数としてサロゲート呼吸筋圧信号を計算するようにプログラムされ、患者の心臓の活動を示すデータを呼吸筋圧信号からフィルタリングすること、サロゲート筋圧信号の形状を決定すること、並びに、形状検出された信号に基づいて、機械的な人工呼吸器の制約付き最適化アルゴリズム及び／又はパラメトリック最適化アルゴリズムの設定を更新することを含む動作によって、サロゲート筋圧信号から少なくとも１つの呼吸特質を抽出するようにプログラムされている。

別の態様によれば、非一時的なストレージ媒体は、患者の呼吸パターンをモニタリングする方法を実施するようにプログラムされた１つ又は複数のマイクロプロセッサーによって読み取り可能な及び実行可能なインストラクションを記憶している。方法は、中心静脈圧センサーから中心静脈圧値を受け取るステップと、少なくとも１つの気道センサーから、患者に関して、時間の関数として、気道圧力及び気道エアフローのうちの少なくとも１つの値を受け取るステップと、受け取られた値をセグメント化し、患者のそれぞれの呼吸を決定するステップと、患者のそれぞれの呼吸に関して、時間の関数としてサロゲート呼吸筋圧信号を計算するステップと、利用可能である場合には、ＥＣＧセンサーから受信した心臓のデータを使用して、サロゲート呼吸筋圧信号から、患者の心臓の活動を示すデータをフィルタリングするステップと、フィルタリングされた信号の中の複数のピークを抽出するステップであって、ピークは、フィルタリングされた信号の形状に対応している、ステップと、形状検出された信号に基づいて、機械的な人工呼吸器の制約付き最適化アルゴリズム及び／又はパラメトリック最適化アルゴリズムの設定を更新するステップと、を有する。

１つの利点は、自発的に呼吸する患者の機械的換気の間の患者呼吸努力の中の異常に関する改善されたモニタリングにある。

別の利点は、呼吸信号から患者の心臓の活動をフィルタリングすることによって、患者呼吸努力の中の非同調を検出することにある。

別の利点は、患者呼吸筋圧Ｐ_ｍｕｓ（ｔ）を決定することなく、患者呼吸努力の中のそのような非同調を検出することにある。

別の利点は、検出された非同調に応答して、人工呼吸器の設定を自動的に調節することにある。

別の利点は、適当な単調性制約及び真の筋圧のタイミングを使用することによって、制約付き最適化技法／パラメトリック最適化技法から、呼吸メカニクスの推定を改善することにある。

本発明のさらなる利点は、以下の詳細な説明を読んで理解すると、当業者に理解されることとなる。任意の所与の実施形態は、先述の利点を実現しないか、又は、先述の利点のうちの１つ、複数、若しくはすべてを実現し、及び／又は、他の利点を実現するということが認識されることとなる。

本発明は、さまざまなコンポーネント、及び、コンポーネントの配置において、並びに、さまざまなステップ、及び、ステップの配置において、さまざまな形態をとる。図面は、単に、好適な実施形態を図示する目的のためのものであり、本発明を限定するものとして解釈されるべきではない。

異なるタイプの呼吸に関して、実際の筋圧プロファイルＰ_ｍｕｓ（ｔ）に対して、いくつかの胸腔内圧グラフィカルプロファイルＰ_ｐｌ（ｔ）を示す図である。 図１に示されている呼吸に関して、胸腔内圧に関連していくつかの右心房圧プロファイルＰ_ｒａ（ｔ）（Ｐ_ｒａは、ＣＶＰ信号と同等である）を示す図である。 単調性制約及び線形の区分的制約を受ける候補公称（同期的な）Ｐ_ｍｕｓプロファイルを示す図である。 ダブル吸気努力及び呼気努力に関して、サンプルＰ_ｍｕｓプロファイルを示す図である。 呼吸メカニクス及び心臓の概略図である。 呼吸装置及び中心静脈の電気的な類似物を示す図である。 規則的な吸気努力の間の実際の筋肉努力信号及びサロゲート筋肉努力を示す図である。 ダブル吸気努力の間の実際の筋肉努力信号及びサロゲート筋肉努力を示す図である。 呼気努力の間の実際の筋肉努力信号及びサロゲート筋肉努力を示す図である。 本開示の１つの態様による提案されている人工呼吸器装置の概略を示す図である。 ダブル吸気努力を伴う呼吸に対応する右心房圧のグラフである。 呼気努力を伴う呼吸に対応する右心房圧のグラフである。 ダブル吸気努力を伴う呼吸に関して、ピーク検出とともに、フィルタリングされたサロゲート筋圧プロファイルのグラフである。 呼気努力を伴う呼吸に関して、ピーク検出とともに、フィルタリングされたサロゲート筋圧プロファイルのグラフである。 図１２Ａのフィルタリングされた信号に関して、プラスの単調性、マイナスの単調性、及び一定の値を有する、サロゲート筋圧信号のセグメントを示す図である。 図１２Ｂのフィルタリングされた信号に関して、プラスの単調性、マイナスの単調性、及び一定の値を有する、サロゲート筋圧信号のセグメントを示す図である。 本開示の別の態様による提案されている人工呼吸器装置の概略を示す図である。 異なるタイプの患者−人工呼吸器の非同調の例示的なグラフである。 図１０の人工呼吸器装置のための使用の例示的な方法のフローチャートである。 図１４の人工呼吸器装置のための使用の例示的な方法のフローチャートである。

以下では、測定された中心静脈圧（ＣＶＰ）を活用し、改善された呼吸活動の査定を提供する、改善された呼吸器系モニタリングアプローチが開示されている。とりわけ、開示されているアプローチは、ＣＶＰが、呼吸筋の活動によって引き起こされる、胸腔内圧Ｐ_ｐｌ（ｔ）（それは、胸腔の中の圧力である）の中の振れを反映するということを認識している。より具体的には、右心房圧Ｐ_ｒａ（ｔ）は、胸腔内圧Ｐ_ｐｌ（ｔ）と良く相関しており、また、ＣＶＰ信号の測定部位は、右心房の近く（直前）に位置付けされている胸静脈上にあるので、ＣＶＰは、右心房圧Ｐ_ｒａ（ｔ）に関するサロゲートである。本明細書で開示されている心肺モデリングは、これらの関係を示している。概念的に、静脈系（たとえば、上大静脈及び下大静脈）は、身体から右心房の中へ血液を戻し、したがって、Ｐ_ｒａ及びＣＶＰを関連付けるための生理学的な根拠を提供している。さらに、胸腔内圧Ｐ_ｐｌ（ｔ）と呼吸筋圧Ｐ_ｍｕｓ（ｔ）との間の関係は、（定数項を除いて）以下の通りに表現される。Ｐ_ｍｕｓ（ｔ）＝Ｐ_ｐｌ（ｔ）−Ｅ_ｃｗＶ_ａｉｒ（ｔ）。ここで、Ｅ_ｃｗは、胸壁エラスタンスであり、Ｖ_ａｉｒ（ｔ）は、肺膨張体積である（気道エアフローの時間積分としてコンピューター計算可能である）。本明細書で開示されている実施形態では、この近似関係が典型的に使用されるが、二次的な要因、たとえば、胸壁抵抗、及び／又は、肺膨張体積Ｖ_ａｉｒ（ｔ）に対するＥ_ｃｗの依存度などをさらに考慮に入れることが企図される。近い代用物として胸腔内圧をＣＶＰと置き換えることは、サロゲート筋圧Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）＝ＣＶＰ（ｔ）−Ｅ_ｃｗＶ_ａｉｒ（ｔ）の関係をもたらす。有利には、ＣＶＰは、心臓の病気又は冠状動脈の病気を患う患者の中の心臓系及び／又は心臓血管系モニタリングの成分として、多くの救命救急環境においてすでにモニタリングされている。対照的に、胸腔内圧Ｐ_ｐｌ（ｔ）及び右心房圧Ｐ_ｒａ（ｔ）は、救命救急環境において、典型的にはモニタリングされておらず、そのようなモニタリングのための器具は容易に利用可能ではない。

いくつかの実施形態では、先述のものは、測定されたＣＶＰ（ｔ）及び気道エアフローから、サロゲート呼吸筋圧Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）を得るために使用される。ＣＶＰを使用してコンピューター計算されるサロゲート筋圧信号は、ＣＶＰ波形自体に影響を及ぼす異なる要因、心臓の活動などに起因して、すべての臨床症状に関して真のＰ_ｍｕｓとは異なっているということが認識されることとなる。いくつかの実施形態では、根底にある関係の近似的な性質を所与として、Ｐ_ｍｕｓ（ｔ）波形の形状だけが、この関係から推定されるが、この波形形状情報は、患者−人工呼吸器の非同調などのような悪化因子の存在下における呼吸器系推定を改善する際に大きな価値があるということが本明細書で認識される。したがって、本明細書で説明されている実施形態では、ＣＶＰが、サロゲート筋圧信号（Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ））を得るために使用される。次いで、このＰ_{ｍｕｓ，ｓｕｒｒ}（ｔ）信号は、真のＰ_ｍｕｓ（ｔ）信号の形状情報及びタイミングを得るために使用される。その後に、この情報は、すでに開発されている推定技法、たとえば、ＣＯ及びＰＯ（これらは、気道圧力測定値及びエアフロー測定値だけを使用する）を修正するために使用され、換気補助に関する異常な患者呼吸活動（非同調）の場合に、根底にある真のＰ_ｍｕｓ（ｔ）がより正確に推定されるようになっている。

一般的に、本明細書で開示されているアプローチは、測定されたＣＶＰ（ｔ）を使用し、サロゲートＰ_ｍｕｓ（Ｐ_{ｍｕｓ，ｓｕｒｒ}）をコンピューター計算する。それを行う際に、信号（ＣＶＰ又はＰ_{ｍｕｓ，ｓｕｒｒ}のいずれか）が、鼓動を打つ心臓に起因する心臓性のパルスを除去するためにフィルタリングされる。心拍数は〜６０−１５０拍／分の典型的な周波数を備えた周期的な信号であり、一方、呼吸は典型的に４−２０呼吸数／分のオーダーになっているということに基づいて、心臓性の成分は、外部心電図（ＥＣＧ）信号を使用して識別され、又は、測定されたＣＶＰ（ｔ）信号の分析によって識別される。いくつかの実施形態では、気道エアフロー及び／又はＣＶＰ（ｔ）信号は、呼吸間隔をセグメント化するために分析され、ＣＶＰ及び／又はＰ_{ｍｕｓ，ｓｕｒｒ}信号処理をさらに支援する。

圧力、フロー、心拍数、及び呼吸数のような、生理学的な患者変数は、疾患の診断及びトラッキングにおいて、大幅な進歩を提供することが可能である。たとえば、患者の動脈血圧（ＡＢＰ）は、病院の中でほとんど至る所でモニタリングされており、心室壁の中で発達した心臓の後負荷及びストレスを示している。別の一般に測定される信号は、患者の中心静脈圧である。ＣＶＰは、心臓の前負荷のインデックスとして、主として医学界によって使用されており、それは、血液フローを誘発させるのに十分な圧力を発生させる心臓の能力を反映している。ＣＶＰは、よく知られたＦｒａｎｋ−Ｓｔａｒｌｉｎｇ曲線によって描かれるように、心臓の機能と循環装置との間の相互作用のインディケーションを提供する。したがって、一般に測定されるＡＢＰに加えて、ＣＶＰモニタリングは、特に、集中治療室（ＩＣＵ）において、心臓血管装置のダイナミクスについての貴重な洞察を医師に提供することが考えられる。

本明細書で認識されているように、ＣＶＰモニタリングがベッドサイドで利用可能であるときに医師が取得することができる上述の心臓血管関連の情報に加えて、ＣＶＰ波形自身も、患者の呼吸活動に関連付けられる振れを実証する。とりわけ、胸静脈（ＣＶＰが一般に測定される部位）は、胸腔の内側に位置付けされており、したがって、胸腔内圧Ｐ_ｐｌにさらされており、胸腔内圧Ｐ_ｐｌは、肺と胸壁との間の圧力である。心肺シミュレーションによって本明細書で実証されているように、胸腔内圧は、自発呼吸（外部補助なし）又は外部の機械的換気補助のいずれかに起因して、顕著なスウィングを示す。前者のケースでは、筋圧（Ｐ_ｍｕｓ）（呼吸筋によって働かされる力の等価圧力）によって表現されるような、患者の呼吸努力が、横隔膜を下向きに引っ張り、胸壁を拡張させ、Ｐ_ｐｌが減少することを引き起こす。筋弛緩の間に、胸壁のエラスタンス（たとえば、エラスタンスパラメーターＥ_ｃｗによって特徴付けられる）は、胸腔内圧がその静止値に戻ることを引き起こす。機械的に人工呼吸器をつけている患者のケースでは、たとえば、圧力制御換気（ＰＣＶ）モードにおいて、機械的に人工呼吸器をつけている患者は、送達される体積プロファイルに追従するプラスのスウィングを伴うＰ_ｐｌを示す。そのうえ、呼吸装置の上で実施される仕事を患者及び人工呼吸器が共有する圧力補助換気（ＰＳＶ）のような、部分的に支援される機械的換気モードにおいて、Ｐ_ｐｌは、これらの２つの供給源の間のバランスに応じて、マイナス及びプラスの両方のスウィングを含有する。

本明細書で報告されているシミュレーション結果では、心肺（ＣＰ）系モデリングが、ＣＶＰ測定を利用する開示されている呼吸モニタリング技法の根底にあるさまざまな関係及び相関関係を実証するために使用された。これらのシミュレーションのために使用されるＣＰモデルは、Ａｌｂａｎｅｓｅら，「Ａｎ Ｉｎｔｅｇｒａｔｅｄ Ｍａｔｈｅｍａｔｉｃａｌ Ｍｏｄｅｌ ｏｆ ｔｈｅ Ｈｕｍａｎ Ｃａｒｄｉｏｐｕｌｍｏｎａｒｙ Ｓｙｓｔｅｍ： Ｍｏｄｅｌ Ｄｅｖｅｌｏｐｍｅｎｔ」， Ａｍ． Ｊ． Ｐｈｙｓｉｏｌ． − Ｈｅａｒ． Ｃｉｒｃ． Ｐｈｙｓｉｏｌ．， ｐ． ａｊｐｈｅａｒｔ．００２３０．２０１４，２０１５年１２月（ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｐｕｂｍｅｄ／２６６８３８９９又は ｈｔｔｐ：／／ａｊｐｈｅａｒｔ．ｐｈｙｓｉｏｌｏｇｙ．ｏｒｇ／ｃｏｎｔｅｎｔ／ｅａｒｌｙ／２０１５／１２／１４／ａｊｐｈｅａｒｔ．００２３０．２０１４においてオンラインで入手可能である）に説明されている。これは、一体化された心肺モデルであり、それは、それらの主要な短期間の制御メカニズムとともに、心臓血管系と呼吸器系（すなわち、肺系統）との間の相互作用を数学的に説明しており、また、心臓血管循環、呼吸メカニクス、組織、及び肺胞ガス交換、並びに、心臓血管及び呼吸機能に作用する短期間の神経制御メカニズムを統合している。ＣＰ系モデルは、通常のＣＰ挙動及びさまざまな病理学的状態の影響下のＣＰ挙動の両方をシミュレートするために利用され得る。

２つの連続した呼吸に関するサンプルのシミュレートされた圧力及びエアフロー波形が、図１に示されている。自発呼吸の間の又はＰＳＶモード下の活動的な（すなわち、非鎮静状態の）患者によって働かされる努力が、実験的な患者データから生じる等価筋圧に似ているＰ_ｍｕｓプロファイルを介してシミュレートされた。図１は、胸腔内圧が、患者が活動的であるときにマイナスのスウィングを示し、人工呼吸器が呼吸装置の中への空気の送達を補助している間にプラスの振れを示すということを図示している。Ｐ_ａｏは、患者の気道開口部における、又は、人工呼吸器のＹ接合部（Ｙ−ｊｕｎｃｔｕｒｅ）における圧力であり、一方、フロー及び体積は、外部人工呼吸器補助又は患者の活動のいずれかに起因して肺へ送達されているエアフローを示している。体積は、フローの直接積分であり、毎回の呼吸の始めにおいて、人工呼吸器においてゼロにリセットされるということが認識されることとなる。

図１に示されているように、定常状態Ｐ_ｐｌは、マイナスの値を有している。それぞれの呼吸の終わりに、肺内外圧差（肺胞圧力（すなわち、内側の）マイナスＰ_ｐｌ（すなわち、外側の）圧力として定義される）は、肺が膨張させられる（すなわち、肺胞がつぶれない）ためにプラスである必要がある。たとえば、通常の自発呼吸において、肺内外圧差は、おおよそ５ｃｍＨ_２Ｏであり、気道圧力はゼロであるので、胸膜圧力Ｐ_ｐｌは、−５ｃｍＨ_２Ｏに等しい。したがって、この呼気終末胸膜圧力Ｐ_ｐｌは、肺の機能的残気量（ＦＲＣ）に関連付けられ、それは、外部（気道）呼気終末圧力（ＰＥＥＰ）によって影響を及ぼされる。たとえば、ＰＳＶ呼吸及びＰＣＶ呼吸のＰＥＥＰ値がゼロとは異なっている場合には、呼気終末胸膜圧力は、−５ｃｍＨ_２Ｏよりも大きい。

図２を参照すると、中心静脈と胸腔内圧波形との間の関係の定性的な実証が、Ｐ_ｍｕｓとともにこれらの２つの信号をプロットすることによって取得される。すべての信号は、図１に示されている異なる呼吸タイプ（すなわち、（ａ）自発呼吸、（ｂ）ＰＳＶモード、及び（ｃ）ＰＣＶモード）に関してシミュレートされている。図２に示されているシミュレーション検討において、ＣＶＰの代わりに右心房圧（Ｐ_ｒａ）波形が示されている。臨床の現場でＣＶＰ波形を提供する静脈側カテーテル法（カテーテルは、センターラインカテーテルと称される場合がある）は、右心房の動的挙動を獲得することを目指しており、したがって、測定されるＣＶＰは、Ｐ_ｒａの近い代用物であることが予期される。ＣＶＰセンターラインセンサーは、ＣＶＰ信号情報を取得するための唯一の方式ではないということが認識されることとなる。そのような測定のための任意の手段が、ＣＶＰ圧力値を取得するのに適切である。いくつかのＣＶＰセンサーは、低圧圧力センサーであり、したがって、巨大な患者移動に起因して、それらの出力の中に歪みを起こしやすい。

呼吸活動によって引き起こされる振れに加えて、右心房圧、及び、したがって、測定されるＣＶＰ波形は、心臓血管機能に関するサイクリック振動を含む（すなわち、図２の中の黒い円形によって示されているような、心臓性信号成分）。

ＣＶＰ信号は、測定ポイントとしての役割を果たす特定の血管又は構造体の内側又は外側のいずれかで生じるダイナミクスに起因する振れを含有している。心臓の振動は、前者のタイプのものであり、心臓及び循環装置の機能に起因するものである。それらの原因は、心臓の右側へ戻る血管系を通る血液フローの伝播にあるか、又は、収縮性の心腔（すなわち、右心房及び右心室）から起こる波の振れにある可能性がある。後者のタイプのうち、呼吸パターン（自発的であるか又は機械的に補助されているかのいずれか）は、振れを引き起こすことによって、静脈内圧力に影響を及ぼし、振れの大きさ及び方向は、外部の胸腔内圧及び血管の剛性に依存する。

肺の運動方程式を解くことによって呼吸装置メカニクス（たとえば、抵抗、エラスタンスなど）及び患者の呼吸筋によって働かされる努力（典型的にＰ_ｍｕｓとして定量化される）を推定するアルゴリズム、たとえば、制約付き最適化（ＣＯ）アルゴリズム及び／又はパラメトリック最適化（ＰＯ）アルゴリズムなどは、典型的に劣決定の問題の性質を克服するために、根底にある呼吸筋圧Ｐ_ｍｕｓ波形上の単調性制約、又は、呼吸筋圧Ｐ_ｍｕｓプロファイルの形状の特定の仮定のいずれかに依存する。たとえば、ＣＯ手順において、呼吸の中のＰ_ｍｕｓプロファイルは、マイナスの単調性の領域及びプラスの単調性の領域から構成されており、マイナスの単調性の領域は、最小値を伴うポイントまで延在し、そして、プラスの単調性の領域は、一定の圧力の別の領域がその後に続くということが仮定され得る。たとえば、これらの単調性制約にしたがうサンプルのＰ_ｍｕｓプロファイルが、図３の左手側のグラフに示されている。ＰＯアプローチなどのような別の例では、Ｐ_ｍｕｓは、ＣＯと同様の形態学的特質を有しているが、区分的領域が、線形（図３の右手側のグラフに示されている）、放物線、又は一定などのような、特定の事前構成されたプロファイルにしたがうということが仮定される。ＰＯは、形状、タイミング、及び大きさの観点から異なっている、可能なＰ_ｍｕｓ波形の範囲にわたって探索し、気道圧力フィッティングエラーに関する限り最適な推定結果を与えるものを選択する。

Ｐ_ｍｕｓの形態学的特質の上述の仮定は、通常の吸気努力プロファイルの認識できるほどに大きい範囲に関して満たされる。しかし、特に、病的状態において、及び／又は、不十分に構成されている人工呼吸器環境下において、筋圧がこれらの制約に準拠しないかなりの数のケースが存在している。そのようなケースは、それに限定されないが、図４に示されているものと同様に、ダブル吸気努力又は強制的な呼気努力を含むことが可能である。これらの状況下において、ＣＯ及びＰＯのアルゴリズム的性能は、かなり劣化することが予期される。しかし、筋圧プロファイルの全体的な形状が先験的に知られている場合には、両方のアルゴリズムは、それにしたがって修正され得、したがって、それぞれの特定の呼吸パターンに合わせられる。たとえば、ダブル吸気努力が検出される場合には、適当な単調性又は区分的な制約は、デフォルトのものを交換することが可能であり、Ｐ_ｍｕｓの観点からだけでなく、呼吸装置抵抗推定値及びエラスタンス推定値の観点からも、推定結果を改善するようになっている。この目的のために、本明細書で開示されているように、ＣＶＰ測定の使用を介したＰ_ｍｕｓの形状についての情報は、臨床環境の中でのＣＯ推定技法及びＰＯ推定技法の幅広い適用可能性を提供することが可能である。

別の呼吸モニタリングタスクでは、患者の呼吸活動の開始及び終了の正確な査定が、大きな挑戦であることが分かった。それぞれの機械的に補助される呼吸の、患者の要求にしたがった適正な及び同期的なトリガリング（ｔｒｉｇｇｅｒｉｎｇ）及びサイクリングオフ（ｃｙｃｌｉｎｇ ｏｆｆ）は、呼吸仕事量のかなりの低減、人工呼吸器からのウィーニングの成功の可能性が高くなることに起因して入院の期間が短くなること、及び、したがって、医療費がより低くなることなどのような、利益をもたらす可能性がある。この目的のために、患者−人工呼吸器の非同調の正確な検出が望まれている。従来から、気道圧力及びエアフロー測定が使用され、非同調のタイプ及び重症度を決定し、次いで、医療従事者に適当な是正措置を提供し、又は、関連の人工呼吸器設定を自動的に及び最適に調節する。また、本明細書で開示されている実施形態では、胸腔内スウィングひいては呼吸努力を反映する従来の呼吸測定値（たとえば、気道圧力及びフロー）とは異なる信号をＣＶＰが提供するので、ＣＶＰ波形が、非同調を査定するために使用される。

図１及び図２を参照して本明細書で説明されているものなどのようなＣＰシミュレーション結果によって実証されているように、胸腔内圧（Ｐ_ｐｌ）と中心静脈圧（ＣＶＰ）との間の相関関係が存在している。とりわけ、換気モードを横切って筋圧波形によって表されるさまざまな呼吸パターン又は患者の状態は、異なる胸腔内圧波形を結果として生じさせ、したがって相関している中心静脈圧プロファイルを結果として生じさせる。この観察に基づいて、以下のものは、有利には、ＣＶＰ信号を使用することによって、（１）ＣＯアルゴリズムの中の単調性制約を適当に修正すること、又は、ＰＯアルゴリズムの中のＰ_ｍｕｓの事前定義されたプロファイルのカテゴリーを選択すること；並びに、（２）非同調検出及び分類アルゴリズムを強化することなどのような、呼吸モニタリングタスクを実施する方式を提供する。

胸腔の中の心臓及び肺の概略図が、図５に示されている。この簡単化された図では、呼吸装置（すなわち、肺）は、肺胞内圧Ｐ_ａｌ及び抵抗性経路（すなわち、気道、たとえば、気管）を有する、単一の弾性的な肺胞コンパートメント（すなわち、バルーン）によって表されている。肺胞及び心臓の両方が、胸壁（すなわち、胸腔）の中に存在しており、したがって、胸腔内圧Ｐ_ｐｌにさらされており、そして、胸腔内圧Ｐ_ｐｌは、外部気道圧力Ｐ_ａｏ及び筋圧Ｐ_ｍｕｓの両方に依存している。心臓の中では、圧力Ｐ_ｒａを有する右心房に焦点が合わせられており、右心房は、胸静脈（主として、上大静脈及び下大静脈）を介して、細静脈からの血液で充填されている。右心房は、胸腔の内側に位置付けされているので、胸腔内圧Ｐ_ｐｌの変化は、右心房圧Ｐ_ｒａに影響を与え、また、その逆も同様である。これらの圧力移送は、血管組織の弾性的な特性及び血管の形状に依存するので、血管のエラスタンスの値は、どのようにこれらの変化が軽減されることとなるかということを示す。

上記の概略図に対応する電気的な類似物が、図６に示されている。気道／肺の抵抗及びエラスタンスエレメントは、それぞれ、Ｒ_ａｗ及びＥ_Ｌとして示されており、一方、胸壁のエラスタンスは、Ｅ_ｃｗとして示されている。胸壁の中のエネルギー消散を考慮する追加的な抵抗Ｒ_ｃｗは、組織の相対的に低い摩擦に起因して、省略されることが多い。たとえば、シミュレーション結果のために使用されるＣＰモデルは、Ｒ_ｃｗを無視し、したがって、胸腔内圧は、Ｐ_ｐｌ＝Ｐ_ｍｕｓ＋Ｅ_ｃｗＶ_ａｉｒとして計算され、ここで、Ｖ_ａｉｒは、肺の中へ送達される空気の体積であり、フローの時間積分

としてコンピューター計算される（Ｅ_ｃｗの公称値は、１０ｃｍＨ_２Ｏ／Ｌである）。ＣＶＰは、胸（中心）静脈の中の圧力であり、Ｅ_ｖは、その材料特性及び幾何学形状（すなわち、形状）に起因する静脈の弾性的な特性を反映するパラメーターである。

質量保存の原理にしたがって、中心静脈コンパートメントの体積の変化は、エラスタンスエレメントＥ_ｖによって考慮されるときに、対応する空間的な場所に進入する血液フロー及び出て行く血液フローの差に等しい。したがって、以下の１階の常微分方程式（ＯＤＥ）が導出され得る。

静脈の特性のうちの１つは、キャパシタンスリザーバーとして作用する、及び、かなりの量の血液体積を貯蔵する、それらの能力である。この現象の原因は、静脈の緊張の状態に依存するそれらの高いコンプライアンス値にあり、この現象は、交感神経刺激によって変更される。次いで、静脈のコンプライアンスが大きいか、又は、

（Ｅ_ｖに関する典型的な値は、０．０１２ｃｍＨ_２Ｏ／Ｌである）であるということを仮定することは合理的である。この近似を使用して、胸腔内圧に関するサロゲート信号が導出され得る。

Ｐ_ｐｌは、胸壁の機械的な特性（Ｒ_ｃｗを無視する）を介して筋肉努力に関連付けられるので、等式２にしたがってＣＶＰ（ｔ）を使用することによって、サロゲートＰ_ｍｕｓ（ｔ）信号を表現することが可能であるとみなされ得る。

したがって、等式３は、測定されるＣＶＰ（ｔ）及びＶ_ａｉｒ（ｔ）を所与として、サロゲート呼吸筋圧Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）の計算又は少なくともその波形を提供し、後者は、気道エアフローの時間積分として取得される。

実際の筋圧Ｐ_ｍｕｓ（ｔ）と、等式３、すなわち、Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）＝ＣＶＰ（ｔ）−Ｅ_ｃｗＶ_ａｉｒ（ｔ）＋Ｐ_０を介してコンピューター計算されるサロゲート信号Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）との視覚的な比較のために、ＰＳＶ呼吸が焦点を合わせられる。その理由は、圧力補助換気は、患者が活動的に呼吸し、マシンによる呼吸仕事量を共有することを可能にする、共通のモードであるからである。したがって、圧力補助換気（ＰＳＶ）の間に、呼吸パターンは、患者の臨床症状及び選択される人工呼吸器設定に基づいて、呼吸ごとに著しく異なるということが予期される。以前に提示されたシミュレーション結果と同様に、心肺モデルの簡単化されたバージョンが使用され、Ｐ_ｍｕｓ（ｔ）及びＰ_{ｍｕｓ，ｓｕｒｒ}（ｔ）を発生させ、３つの異なる呼吸パターン、すなわち、（ｉ）規則的な吸気努力（図７）、（ｉｉ）ダブル吸気努力（図８）、及び（ｉｉｉ）呼気努力（図９）に関して、対応する気道圧力、エアフロー、及び体積波形をシミュレートすることが可能である。ＣＰモデルは、真のＰ_ｍｕｓだけを発生させ、次いで、ＣＶＰ、気道圧力、及びエアフロー信号をシミュレート／コンピューター計算するということが認識されることとなる。これから、サロゲートＰ_ｍｕｓが、Ｅ_ｖがおおよそゼロであるという仮定にしたがってコンピューター計算される。図７〜図９では、中心静脈圧（又は、本明細書で提示されているシミュレーション検討のケースでは、右心房圧）を介してコンピューター計算されるサロゲート筋圧（すなわち、それぞれの図の下部のグラフの中の実線）が、実際のＰ_ｍｕｓ（ｔ）（すなわち、それぞれの図の下部のグラフの中の点線）と同様に振る舞っている。１つの相違は、実際の呼吸筋圧信号の中には存在していない、より高い周波数振動がサロゲート信号の中に観察されるということであり、これらのより高い周波数振動は、鼓動を打つ心臓に起因する心臓性の振動である。心臓性の振動は、導出されるサロゲート信号Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）に著しく影響を及ぼす可能性があり、したがって、それは、フィルタリングして取り除かれることが望ましい。適当なフィルタリングは、心臓血管によって誘発されるスウィングのより正確な識別のために、又は、公知の「合理的な」脈拍数の範囲（たとえば、典型的な健康な大人では毎分６０〜１５０拍）にマッチするＣＶＰの中の周期的なパルスとして心臓性の振動を識別するために、心電図（ＥＣＧ）信号を使用することを潜在的に含むことが可能である。

機械的換気（ＭＶ）療法が多年にわたりＩＣＵの中で使用されてきたが、それは、依然として最適には程遠い。とりわけ、患者−人工呼吸器の非同調は、完全に鎮静状態／麻痺状態であるわけではなく、自発呼吸努力を起こすことができる、患者の中でのＭＶの使用に関連付けられる主要な問題のうちの１つである。人工呼吸器サイクルのタイミングが患者の呼吸サイクルのタイミングと同時ではないときに、患者−人工呼吸器の非同調が起こる。高いレベルの非同調は、呼吸仕事量の増加、ＭＶのより長い持続期間、より高い気管切開の発生率、ウィーニング障害、より長いＩＣＵ滞在の長さ及び入院、並びに、したがって、医療費の増加及び患者の予後不良に関連付けられる。

患者−人工呼吸器の非同調の２つのクラスが存在しており、それは、合計で５つの異なるサブタイプにさらに分割され得る。トリガリング非同調は、神経吸気期間（神経Ｔｉ）の始まりが人工呼吸器吸気期間（機械的Ｔｉ）の始まりとマッチしていない状況を表している。このクラスの中で、非同調の２つのサブタイプが識別され得る：ミストリガリング（ｉｎｅｆｆｅｃｔｉｖｅ ｔｒｉｇｇｅｒｉｎｇ）及びオートトリガリング。サイクリングオフ非同調は、神経Ｔｉの終わりが機械的なＴｉの終わりとマッチしていない状況を表している。このクラスの中で、非同調の３つのサブタイプが識別され得る：遅過ぎるサイクリングオフ（ｄｅｌａｙｅｄ ｃｙｃｌｉｎｇ ｏｆｆ）；早過ぎるサイクリングオフ（ｅａｒｌｙ ｃｙｃｌｉｎｇ ｏｆｆ）；及びダブルトリガリング。

本明細書で使用されているように、「ミストリガリング」という用語（及び、その変形例）は、患者が吸気努力を開始させ、それが人工呼吸器をトリガーすることができない場合の、患者−人工呼吸器の非同調を表している。

本明細書で使用されているように、「オートトリガリング」という用語（及び、その変形例）は、患者による任意の自主的な吸気努力の存在なしに人工呼吸器がトリガーされる場合の、患者−人工呼吸器の非同調を表している。

本明細書で使用されているように、「遅過ぎるサイクリングオフ」という用語（及び、その変形例）は、神経Ｔｉの終わりの後に、人工呼吸器がサイクルオフする（すなわち、圧力又はフローの能動的な送達を終了する）場合の、患者−人工呼吸器の非同調を表している。

本明細書で使用されているように、「早過ぎるサイクリングオフ」という用語（及び、その変形例）は、神経Ｔｉの終わりの前に、人工呼吸器がサイクルオフする（すなわち、圧力又はフローの能動的な送達を終了する）場合の、患者−人工呼吸器の非同調を表している。

本明細書で使用されているように、「ダブルトリガリング」という用語（及び、その変形例）は、人工呼吸器補助の時期尚早の終了が、同じ呼吸サイクルの中でダブル吸気サイクルが起こることを発生させる場合の、患者−人工呼吸器の非同調を表している。

図１０を参照すると、呼吸モニタリング装置１０の実施形態が示されている。いくつかの実施形態では、呼吸モニタリング装置１０は、機械的な人工呼吸器１２を含み、機械的な人工呼吸器１２は、機械的換気を患者１４に送達する。したがって、呼吸モニタリング装置１０は、機械的換気装置とも称される。

機械的換気装置１０は、機械的な人工呼吸器１２を介して機械的換気を患者に提供するために使用されており、機械的な人工呼吸器１２は、人工呼吸器設定にしたがって、入口空気ホース１６を介して、人工呼吸器をつけている患者１４に、エアフロー及び／又は圧力を送達する。吐き出された空気は、吐き出し空気ホース１８を介して人工呼吸器１２に戻る。Ｙ−ピース又はＴ−ピース２０（又は、代替的に、気管チューブ、若しくは、いくつかのケースでは、フルフェイスマスク）が、吸入の間に、入口空気ホース１６の吐出端部から、人工呼吸器をつけている患者１４へ、空気を連結し、また、吐き出しの間に、人工呼吸器をつけている患者１４から、吐き出し空気ホース１８の中へ、吐き出された空気を連結する。人工呼吸器をつけている患者１４が受けている換気モード及び他の療法に応じて提供される多数の他の付属的コンポーネントは、図１０に示されていない。そのような付属的コンポーネントは、図示目的として、制御されたレベルの酸素をエアフローに送達するための酸素ボトル又は他の医療グレードの酸素供給源（通常は吸入酸素濃度（ＦｉＯ_２）人工呼吸器設定によって制御される）；入口ライン１６の中へ配管された加湿器；及び、患者１４に栄養を提供するための鼻腔栄養チューブなどを含む。機械的な人工呼吸器１２は、ユーザーインターフェースを有しており、ユーザーインターフェースは、例示目的の例では、タッチセンサー式のディスプレイ２２を含み、タッチセンサー式のディスプレイ２２を介して、医師、呼吸器専門医、又は他の医療従事者は、人工呼吸器設定を可視化し、また、測定される生理学的な変数（たとえば、気道圧力及びエアフロー）並びに機械的な人工呼吸器１２の動作パラメーターをモニタリングすることが可能である。追加的に又は代替的に、ユーザーインターフェースは、物理的なユーザー入力コントロール（ボタン、ダイアル、スイッチなど）、キーボード、マウス、可聴アラームデバイス、又はインジケーターライトなどを含む。

それに加えて、患者１４は、患者のＣＶＰ信号を測定する中心静脈圧（ＣＶＰ）センサー２４、患者のＥＣＧ信号を測定する随意的な心電図（ＥＣＧ）センサー２６、機械的な人工呼吸器１２上の患者に関する時間の関数として気道エアフローを測定する気道フローセンサー２８、及び、機械的な人工呼吸器１２上の患者に関する時間の関数として気道圧力を測定する気道圧力センサー３０によってモニタリングされている。患者は、他のセンサー（図示せず）、たとえば、呼吸数センサー又はＳｐＯ_２センサーなどによって、モニタリングされる。例示目的のセンサー２４、２６、２８、３０のそれぞれは、より詳細に下記に説明されている。

ＣＶＰセンサー２４は、患者１４のＣＶＰ信号を測定する。ＣＶＰセンサー２４は、血管の中へ挿入されており、より具体的には、心臓の右心房の近くの大静脈（すなわち、下大静脈）の中へ挿入されている。有利には、右心房の中の圧力Ｐ_ｒａは、患者の胸壁と肺との間の胸膜腔の中の圧力（Ｐ_ｐｌ）と相関しており、（エアフローとともに）等式３を介して呼吸筋圧に相関しており、したがって、ＣＶＰ圧力信号は、患者１４の呼吸情報を抽出するために使用され得る。それを行うために、呼吸モニタリング装置１０は、少なくとも１つのプロセッサーを含み、少なくとも１つのプロセッサーは、患者に関する呼吸情報を発生させるようにプログラムされている。たとえば、例示目的の少なくとも１つのプロセッサーは、積分プロセッサー３２、呼吸検出プロセッサー３４、呼吸ごとのサロゲート筋圧プロセッサー３６、フィルタリングプロセッサー３８、検出プロセッサー４０、呼吸ごとの呼吸パラメーター／変数を推定するプロセッサー４２、及びＷＯＢ計算機４４を含む。

積分プロセッサー３２は、空気体積

をコンピューター計算する。さらに、本明細書で開示されているアプローチは、呼吸ごとのベースで動作するので、呼吸検出プロセッサー３４は、獲得されたエアフローサンプルストリームを分析することによって、吸気の開始を検出する。次いで、それぞれの連続する呼吸は、１つの吸気期間の開始から次の吸気期間の開始までの間隔として定義される。呼吸分析器によって識別されるそれぞれの呼吸は、時間間隔［０，Ｔ_ｔｏｔ］に広がっており、ここで、時間０は、吸気期間の開始における第１のサンプルに対応しており、時間Ｔ_ｔｏｔは、呼吸の終わりに対応しており、すなわち、次の呼吸の始まりの直前の最後のサンプルに対応している。呼吸ごとのサロゲート筋圧プロセッサー３６は、（１）ＣＶＰセンサー２４からのＣＶＰ信号；及び、（２）積分プロセッサー３２からの空気の体積を受け入れるようにプログラムされている。呼吸検出プロセッサー３４によって境界を定められたそれぞれの呼吸間隔［０，Ｔ_ｔｏｔ］に関して、呼吸ごとのサロゲート筋圧プロセッサー３６は、ＣＶＰ及び空気体積信号を呼吸間隔（すなわち、個々の呼吸）へとセグメント化するようにプログラムされており、また、等式３（ここに複製されている）を使用して、時間の関数として、サロゲート筋圧信号Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）を計算するようにプログラムされている。
Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）＝ＣＶＰ（ｔ）−Ｅ_ｃｗＶ_ａｉｒ（ｔ）＋Ｐ_０
ここで、ｔは、呼吸間隔［０，Ｔ_ｔｏｔ］に属しており、ＣＶＰ（ｔ）は、ＣＶＰ信号を示しており、Ｅ_ｃｗは、胸壁エラスタンスを示しており、Ｖ_ａｉｒは、積分プロセッサー３２によってコンピューター計算される肺空気体積を示しており、Ｐ_０は、定数に対応している。バイアス項Ｐ_０の決定は、重要ではない。その理由は、真の筋圧信号が、ゼロ値から開始し、ゼロ値で終了するために、常にシフトさせられるからである。それに加えて、（たとえば、単調増加領域若しくは単調減少領域、ダブルピーク、又は、他のそのような動的構造ダイナミクスを識別するために）Ｐ_ｍｕｓ波形形状が関心対象である用途では、Ｐ_０値の選択は、重要性を持たない。

次いで、呼吸ごとのＰ_{ｍｕｓ，ｓｕｒｒ}信号は、フィルタリングプロセッサー３８へ送信される。また、この時点において、セグメント化されたＣＶＰ及び／又はＰ_{ｍｕｓ，ｓｕｒｒ}信号は、呼吸モニタリング装置１０のディスプレイ２２上に表示され得る。図１１Ａは、ダブル吸気努力を伴う呼吸に関してディスプレイ２２上に表示されているセグメント化されたＣＶＰ信号を示しており、一方、図１１Ｂは、呼気努力を伴う呼吸に関してディスプレイ２２上に表示されているセグメント化されたＣＶＰ信号を示している。図１１Ａ及び図１１Ｂの両方において、右心房圧Ｐ_ｒａ（ＣＶＰによって適切に表されている）は、呼吸検出器３４によって与えられる時間サンプルによってセグメント化されている。

フィルタリングプロセッサー３８は、呼吸ごとのサロゲート筋圧プロセッサー３６から、呼吸ごとのＰ_{ｍｕｓ，ｓｕｒｒ}信号を受信するようにプログラムされている。いくつかの実施形態では、ＥＣＧセンサー２６が含まれているときに、フィルタリングプロセッサー３８は、ＥＣＧセンサー２６からＥＣＧ信号を受信するようにプログラムされており、また、呼吸検出器３４の出力にしたがって、ＥＣＧ信号を呼吸間隔へとセグメント化するようにプログラムされている。フィルタリングプロセッサー３８は、受信されたＰ_{ｍｕｓ，ｓｕｒｒ}信号をフィルタリングし、信号の心臓の活動成分を除去するようにプログラムされている。いくつかの実施形態では、ＥＣＧセンサー２６が使用されていないときに、フィルタリングプロセッサー３８は、患者１４の心臓の活動を示すデータをＰ_{ｍｕｓ，ｓｕｒｒ}信号から除去するようにプログラムされている。たとえば、Ｐ_{ｍｕｓ，ｓｕｒｒ}信号の中の心臓性の振動は、本来的に、呼吸数よりもはるかに高い周波数によって、実質的に周期的となることが予期される。したがって、フィルタリングプロセッサー３８は、Ｐ_{ｍｕｓ，ｓｕｒｒ}信号のどの部分とフィルタリングして取り除くかということを決定することが可能である。別の例では、ＥＣＧセンサー２６が使用されるときに、フィルタリングプロセッサー３８は、受信されたＥＣＧ信号を使用し、患者の心臓の活動を示すＰ_{ｍｕｓ，ｓｕｒｒ}信号の部分（すなわち、「除去する」）をフィルタリングするようなプログラムされている。異なる実施形態では、心臓性の成分が、最初にＣＶＰ信号からフィルタリングされて除去され、サロゲート筋圧信号のコンピューター計算がその後に続く。

この時点において、フィルタリングされたＰ_{ｍｕｓ，ｓｕｒｒ}信号は、ディスプレイ２２上に表示され得る。図１２Ａは、ダブル吸気努力を伴う呼吸に関してディスプレイ２２上に表示されるサロゲートＰ_ｍｕｓ信号を示しており、一方、図１２Ｂは、呼気努力を伴う呼吸に関してディスプレイ２２上に表示されているサロゲートＰ_ｍｕｓ信号を示している。図１２Ａ及び図１２Ｂの両方において、等式３によってコンピューター計算されたＰ_{ｍｕｓ，ｓｕｒｒ}信号は、サロゲート信号の心臓成分を除去するためにフィルタリングされている。たとえば、図１２Ａの中の約４２１秒、４２２秒、及び４２３秒における、小さいピークが、フィルタリングの後に残っている残留心臓性信号である。

患者１４に関して発生させられた呼吸情報は、（１）セグメント化及びフィルタリングされたＣＶＰ信号に等しいサロゲート胸腔内圧信号（すなわち、セグメント化及びフィルタリングされたＣＶＰ信号値、等式２を参照）；（２）セグメント化されたＣＶＰ信号からそれぞれの呼吸間隔に関して決定されるフィルタリングされるサロゲート呼吸筋圧波形（すなわち、Ｐ_{ｍｕｓ，ｓｕｒｒ}、等式３を参照）；及び、それに類するもの（たとえば、ＷｏＢ又はＰｏＢ）を含むことが可能であるということが認識されることとなる。発生させられる呼吸情報のそれぞれは、いくつかの実施形態では、ディスプレイ２２上に表示され得る。

いくつかの実施形態では、検出プロセッサー４０は、計算されたサロゲートＰ_ｍｕｓ信号の特徴を検出又は抽出し、信号の形状を決定するようにプログラムされる。たとえば、検出プロセッサー４０は、セグメント化及びフィルタリングされたＰ_{ｍｕｓ，ｓｕｒｒ}信号の中に複数のピーク４６及び４８を検出するようにプログラムされている。検出されたピーク４６及び４８から、検出プロセッサーは、ピークによって境界を定められた時間間隔にわたって、呼吸情報（たとえば、ＣＶＰ（ｔ）及びＰ_{ｍｕｓ，ｓｕｒｒ}（ｔ）など）セグメントを発生させるようにプログラムされている。ピーク４６は、プラスのピークに対応しており、ピーク４８は、マイナスのピークに対応している。検出プロセッサー４０は、プラスのピーク４６、マイナスのピーク４８、並びに、ピーク同士の間のセグメントの単調性、すなわち、マイナスの単調性５０を有するセグメント、プラスの単調性５２を有するセグメント、及び、一定の値５４を有するセグメントを識別するようにプログラムされている。サロゲートＰ_ｍｕｓ信号の形状は、呼吸ごとの呼吸パラメーター／変数を推定するプロセッサー４２の中に統合されている対応するＣＯアルゴリズム及び／又はＰＯアルゴリズムの中の制約又はパラメーターを変更するために使用され得る。たとえば、筋圧プロファイルの形状の生理学的な知識は、Ｐ_ｍｕｓ（ｔ）上の領域的な制約の形態で、呼吸パラメーター／変数を推定するプロセッサー４２の中に注入され得る。ＣＯアプローチでは、そのような単調な領域は、不等式及び等式のセットで表現され、所望の呼吸器系パラメーター及びＰ_ｍｕｓ（ｔ）プロファイルが、制約付き最適化問題によって推定され、制約付き最適化問題の２次費用関数は、上述の領域的な制約を受ける。異なる態様では、ＰＯアプローチは、簡単であるが現実的な数学的テンプレートを用い、単一の呼吸にわたって線形の区分的にパラメーター化されたＰ_ｍｕｓ（ｔ）を表現する。ＷＯＢ計算機４４は、推定器４２からの呼吸ごとの推定されたＰ_ｍｕｓ（ｔ）を処理するようにプログラムされており、また、等式

（又は、

、ここで、Ｔは、好ましくはいくつかの呼吸を包含するいくつかの選ばれた時間間隔である）にしたがって、患者の呼吸仕事量（又は、呼吸力）に関する値をコンピューター計算するようにプログラムされている。

たとえば、検出プロセッサー４０は、任意の適切なピーク検出ハードウェア（たとえば、ダイオード及びコンデンサーを備えたピーク検出器回路）又はソフトウェア（たとえば、Ｍａｔｃｈｅｄ Ｆｉｌｔｒａｔｉｏｎ ｗｉｔｈ Ｅｘｐｅｒｉｍｅｎｔａｌ Ｎｏｉｓｅ Ｄｅｔｅｒｍｉｎａｔｉｏｎアルゴリズム、ベクトル化ピーク検出アルゴリズム、最小二乗法カーブフィッティングアルゴリズム、最適化ピーク検出アルゴリズム、又は微分ベースのアルゴリズムなど）を含むことが可能である。本明細書で説明されている例示目的の実施形態では、検出プロセッサー４０は、微分ベースのモジュール５６を使用し、Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）−対−時間信号のピークを検出することが可能である。また、微分ベースのモジュール５６は、信号処理プロセスのための任意の適切なアルゴリズム（たとえば、フィルタリング、信号雑音比低減、及びデータスムージングなど）を含むということが認識されることとなる。より詳細に下記に説明されているように、微分ベースのモジュール５６は、より詳細に下記に説明されているように、ピーク検出読み値に基づいて、呼吸パターンの中の１つ又は複数の異常を識別する。微分ベースのモジュール５６は、ピーク値４６、４８（たとえば、より詳細に下記に説明されているように、Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）−対−時間信号の「ｙ軸」値）、及び、これらのピークが起こる、関連の時間値（たとえば、「ｘ軸」値）を検出する。ピーク４６、４８から、Ｐ_{ｍｕｓ，ｓｕｒｒ}信号の形状が決定され得る。Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）信号に関する明確な単調性の検出されたセグメントが、ダブル吸気努力を伴う呼吸（図１３Ａ）及び呼気努力を伴う呼吸（図１３Ｂ）に関して、図１３Ａ及び図１３Ｂに示されている。

図１４は、機械的換気装置１０’の別の実施形態を示しており、そこでは、少なくとも部分的にＣＶＰ測定から導出される呼吸情報が使用され、開ループの人工呼吸器制御ガイダンス、又は、自動化された閉ループの人工呼吸器制御を提供する。機械的換気装置１０’は、下記に説明されているようなものを除いて、図１０の機械的換気装置１０と実質的に同一に構成され得る。

機械的換気装置１０’は、上記に説明されているように、機械的な人工呼吸器１２（及び、関連のコンポーネント）、ＣＶＰセンサー２４、随意的なＥＣＧセンサー２６、エアフローセンサー２８、気道圧力センサー３０、積分プロセッサー３２、呼吸検出プロセッサー３４、呼吸ごとのサロゲート筋圧プロセッサー３６、フィルタリングプロセッサー３８、検出プロセッサー４０、呼吸ごとの呼吸パラメーター／変数を推定するプロセッサー４２、及びＷＯＢ計算機４４、並びにディスプレイ２２を含む。また、機械的換気装置１０’は、分類プロセッサー５８を含み、分類プロセッサー５８は、より詳細に下記に説明されている。

上記に説明されているように、積分プロセッサー３２は、エアフローの時間積分をコンピューター計算し、また、呼吸検出プロセッサー３４は、吸気の開始を識別し、それぞれの呼吸に関して呼吸間隔［０，Ｔ_ｔｏｔ］を定義する。呼吸ごとのサロゲート筋圧プロセッサー３６は、ＣＶＰセンサー２４からＣＶＰ信号を受け入れ、積分器３２から空気体積を受け入れ、呼吸検出プロセッサー３４から呼吸間隔を受け入れるようにプログラムされている。プロセッサー３６は、上記に説明されているように、呼吸間隔時間インスタンスを使用して、ＣＶＰ及び体積信号をセグメント化し、呼吸ごとのサロゲート筋圧信号をコンピューター計算するようにプログラムされている。

呼吸ごとのＰ_{ｍｕｓ，ｓｕｒｒ}信号は、フィルタリングプロセッサー３８に送信され、フィルタリングプロセッサー３８において、それは、上記に説明されているようにフィルタリングされる。また、ＥＣＧセンサー２６からの随意的なＥＣＧ信号が、フィルタリングプロセッサー３８によって使用され、フィルタリングプロセスを改善することが可能である。次いで、フィルタリングされた呼吸ごとのＰ_{ｍｕｓ，ｓｕｒｒ}信号は、検出プロセッサー４０によって処理され、そのピーク４６、４８を決定する。これらのピーク検出された信号は、ディスプレイ２２上に表示され得る。また、ピーク検出された信号は、分類プロセッサー５８に送信される。

分類プロセッサー５８は、非同調なし；ミストリガリング；オートトリガリング；遅過ぎるサイクリングオフ；早過ぎるサイクリングオフ；及びダブルトリガリングのうちの少なくとも１つにしたがって、抽出された（すなわち、ピーク検出された）Ｐ_{ｍｕｓ，ｓｕｒｒ}信号、気道圧力、エアフロー、及び体積信号に基づいて、呼吸ごとのベースで非同調を分類するようにプログラムされている。図１５は、それぞれのタイプの非同調に関して、表示された信号の例を示している。分類プロセッサー５８は、人工ニューラルネットワーク、ロジスティック回帰アルゴリズム、及びベイズ分類アルゴリズムなどとして構成され得る。

図１４に戻って参照すると、分類プロセッサー５８は、検出プロセッサー４０の微分ベースのモジュール５６から、ピーク及び単調性検出読み値を受け取る。これらのピーク及び単調性検出読み値から、分類プロセッサー５８は、任意の異常な／正常でない呼吸を示し、患者−換気非同調のタイプ（たとえば、ミストリガリング；オートトリガリング；遅過ぎるサイクリングオフ；早過ぎるサイクリングオフ；及びダブルトリガリング）を決定する。次いで、分類プロセッサー５８は、非同調について「フラッグ」を立て、より詳細に下記に説明されているように、対応するインディケーションを非同調のタイプに割り当てることが可能である。次いで、インディケーションは、ディスプレイ２２に送信され、ディスプレイ２２上に表示される。

次いで、分類プロセッサー５８は、気道圧力、エアフロー、及び体積波形とともに、検出プロセッサー４０からの抽出されたサロゲート筋圧信号を分析し、非同調のタイプを決定する。図１３Ａ及び図１３Ｂに示されている例では、フィルタリングされたサロゲート筋圧信号は、複数のピーク（プラスのピーク４６、又はマイナスのピーク４８のいずれか）、及び、明確な単調性の異なる領域（マイナスの領域５０、プラスの領域５２、又は、一定の値の領域５４など）を含む。「テンプレート」として図１５に示されている信号を使用することによって、分類プロセッサー５８は、テンプレートを気道圧力及びエアフローの実際の測定された信号と比較し、及び／又は、サロゲート筋圧信号の中のピーク４６、４８及び明確な単調性のセグメント５０、５２、５４の位置を使用し、非同調のタイプを決定することが可能である。マイナス及びプラスのピーク４６及び４８（上記に説明されている）の位置決めに起因して、分類プロセッサー５８は、根底にある筋圧努力がダブル吸気努力（図１３Ａ）又は呼気努力（図１３Ｂ）を受けているということを決定する。次いで、分類プロセッサー５８は、たとえば、図１３Ａに関して可能性のあるダブルトリガリング非同調、及び、図１３Ｂに関して遅過ぎるサイクリングオフ非同調など、非同調タイプについてフラッグを立て、非同調のインディケーション（すなわち、数値）をディスプレイコンポーネント２２に送り、ディスプレイコンポーネント２２において、それが、医療専門家（たとえば、看護師及び医者など）のために表示される。

他の実施形態では、非同調が検出されるときに、Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）のインディケーション及び／又は表示された信号は、非同調が起こっているということを医療専門家に伝える。分類プロセッサー５８は、非同調を是正するために機械的な人工呼吸器１２の設定を調節するという推奨を医療専門家に提案するようにさらにプログラムされている。推奨は、ディスプレイ２２上に表示される。次いで、医療専門家は、非同調がもはや起こらないように、人工呼吸器１２の設定を調節することが可能である。このように、機械的換気装置１０’は、開ループの装置である。それぞれのタイプの非同調に関して適切な是正措置の概要は、下記の表１に説明されている。

さらなる実施形態では、機械的換気装置１０’は、非同調を是正するために機械的な人工呼吸器１２の設定を自動的に調節するようにさらにプログラムされている。それを行うために、機械的換気装置１０’は、閉ループコントローラー６０を含む。いくつかの実施形態では、閉ループコントローラー６０は、呼吸力コントローラー又は呼吸仕事量コントローラーとして構成され得る。そのようなケースでは、呼吸ごとの呼吸パラメーター／変数を推定するプロセッサー４２、及び、ＷＯＢ／ＰＯＢ計算機４４が、コントローラー６０の中へ一体化されている。閉ループコントローラー６０は、４２から推定されるＰ_ｍｕｓ（ｔ）とエアフローとの積の時間積分によって、患者の呼吸力（又は、呼吸仕事量）を計算するようにプログラムされており、また、患者の自発呼吸努力を最適に補助するために、実際の呼吸力又は呼吸仕事量と所望の呼吸力又は呼吸仕事量との間の差に基づいて、人工呼吸器設定を調節するようにプログラムされている。そのような閉ループコントローラーは、米国特許出願公開第２０１５／００５９７５４号明細書に説明されており、その文献は、その全体が本明細書に組み込まれている。本明細書で開示されている実施形態では、分類プロセッサー５８によるインディケーション出力は、また、閉ループの人工呼吸器コントローラー６０への入力である。インディケーションが呼吸非同調を示す場合には、次いで、閉ループ人工呼吸器コントローラー６０は、たとえば、現在の人工呼吸器設定を開ループの方式で維持すること、又は、表１に列挙されている推奨に基づいて、検出された非同期的な条件に基づいて人工呼吸器設定を調節することなど、適当なアクションをとることが可能である。他の実施形態では、コントローラー６０は、複数の入力及び複数の出力（ＭＩＭＯ）のコントローラーであることが可能であり、それは、ＷＯＢ／ＰＯＢ値の他に、ＳｐＯ_２、呼気終末ＣＯ_２、及び／又は、平均動脈血圧値などのような、追加的な生理学的な変数を受け入れ、したがって、圧力補助レベル、呼気終末圧力、トリガリング感度及びサイクリングオフ感度、並びに／又は、供給される空気の中の酸素の割合のような、複数の人工呼吸器設定を調節する。

また、本明細書で説明されているさまざまな信号及び値は、通信ネットワーク（たとえば、ワイヤレスネットワーク、ローカルエリアネットワーク、ワイドエリアネットワーク、パーソナルエリアネットワーク、及びＢＬＵＥＴＯＯＴＨ（登録商標）など）を介して、さまざまなプロセッサー３６、３８、４０、５８、及び、コンポーネント１２、２２、４２、４４、６０に通信され得るということが理解されることとなる。代替的に、コンポーネント３６、３８、４０、４２、４４、５８、及びコントローラー６０は、機械的な人工呼吸器１２（たとえば、人工呼吸器１２のマイクロプロセッサー又はマイクロコントローラーの上で実行する）の中へ埋め込まれ、そのケースでは、センサー２４、２６、２８、３０からのデータが、人工呼吸器１２によって収集され、したがって、コンポーネント３６、３８、４０、４２、４４、５８、及びコントローラー６０に利用可能である。別の企図される実施形態では、プロセッサーのアルゴリズムは、患者モニター（図示せず）のマイクロプロセッサー上に実装されており、患者モニターは、心拍数、呼吸速度、又は血液圧力などのようなバイタルサインを表示し、これらのプロセッサー３６、３８、４０、５８、及びコンポーネント４２、４４の出力が、患者モニターディスプレイコンポーネント上に適切に表示される。

図１６は、異常な呼吸パターンのケースにおいて呼吸パラメーター推定を改善する方法１００を示している。方法１００は、対応するセンサー２４、２６、２８、３０から、患者のＣＶＰ信号、気道圧力信号、エアフロー信号、及びＥＣＧ信号を受信すること（１０２）を有する。患者のそれぞれの呼吸に関して、受信された信号がセグメント化される（１０４）。患者によって発生させられる呼吸筋圧に関するサロゲート信号が、それぞれのセグメント化された呼吸に関して計算される（１０６）。患者の心臓の活動を示すデータが、サロゲート筋圧信号からフィルタリングされる（１０８）。フィルタリングされた信号の中のピークが抽出される（１１０）。プラスの単調性の領域、マイナスの単調性の領域、及び、一定の値の領域が、フィルタリングされた信号上に定義される（１１２）。ＣＯアルゴリズム及びＰＯアルゴリズムの中の根底にある筋圧プロファイルの形状のデフォルト仮定が修正される（１１４）。患者の呼吸筋努力及び呼吸器系のパラメーターのより正確な推定が提供される（１１６）。

図１７は、患者−人工呼吸器の非同調イベントを検出すると、選択された人工呼吸器設定に関して是正措置を提案するか、又は、自動的に実施する方法２００を示している。方法２００は、対応するセンサー２４、２６、２８、３０から、患者のＣＶＰ信号、気道圧力信号、エアフロー信号、及びＥＣＧ信号を受信すること（２０２）を有する。患者のそれぞれの呼吸に関して、受信された信号がセグメント化される（２０４）。患者によって発生させられる呼吸筋圧に関するサロゲート信号が、それぞれのセグメント化された呼吸に関して計算される（２０６）。患者の心臓の活動を示すデータが、サロゲート筋圧信号からフィルタリングされる（２０８）。フィルタリングされた信号の中のピークが抽出される（２１０）。プラスの単調性の領域、マイナスの単調性の領域、及び、一定の値の領域が、フィルタリングされた信号上に定義される（２１２）。非同調が、筋圧信号及び測定された気道圧力信号及びエアフロー信号の全体的な形状に基づいて分類される（２１４）。人工呼吸器の設定を調節するという推奨が提案されるか、又は、人工呼吸器の設定が自動的に調節される（２１６）。

さまざまなデータ処理コンポーネント３６、３８、４０、４２、４４、５８、及びコントローラー６０は、ファームウェア又はソフトウェアによってプログラムされたマイクロプロセッサーとして適切に実装され、開示されている動作を実施する。いくつかの実施形態では、マイクロプロセッサーは、機械的な人工呼吸器１２と一体になっており、データ処理が人工呼吸器１２によって直接的に実施されるようになっている。他の実施形態では、マイクロプロセッサーは、機械的な人工呼吸器１２から分離しており、たとえば、デスクトップコンピューターのマイクロプロセッサーである。また、機械的な人工呼吸器装置のさまざまなデータ処理コンポーネント３６、３８、４０、４２、４４、５８、及びコントローラー６０は、（たとえば、上記に説明されているように）マイクロプロセッサーによって読み取り可能な及び実行可能なインストラクションを記憶している非一時的なストレージ媒体として実装され、開示されている動作を実装する。非一時的なストレージ媒体は、たとえば、リードオンリーメモリー（ＲＯＭ）、プログラマブルリードオンリーメモリー（ＰＲＯＭ）、フラッシュメモリー、又は、人工呼吸器１２のためのファームウェアの他のリポジトリを含む。追加的に又は代替的に、非一時的なストレージ媒体は、コンピューターハードドライブ（コンピューター実装される実施形態に関して適切である）、光ディスク（たとえば、そのようなコンピューター上のインストールのためのもの）、又は、ネットワークサーバーデータストレージ（たとえば、ＲＡＩＤアレイ）（人工呼吸器１２又はコンピューターが、そこから、インターネット又は別の電子的なデータネットワークを介して、装置ソフトウェア又はファームウェアをダウンロードすることができる）などを含む。

本発明は、好適な実施形態を参照して説明されてきた。先行する詳細な説明を読んで理解すると、修正例及び代替例が当業者に思い付く。本発明は、添付の特許請求の範囲又はその均等物の範囲に入る限り、すべてのそのような修正例及び代替例を含むものとして考えられるということが意図されている。

Claims (21)

1. 呼吸モニタリング装置であって、前記呼吸モニタリング装置は、
   患者の中心静脈圧（ＣＶＰ）信号を測定する中心静脈圧センサーと、
   少なくとも１つのプロセッサーであって、前記少なくとも１つのプロセッサーは、
   検出された呼吸間隔に基づいて前記ＣＶＰ信号をセグメント化すること、
   セグメント化された前記ＣＶＰ信号からサロゲート呼吸筋圧信号を計算すること、及び、
   前記サロゲート呼吸筋圧信号をフィルタリングし、前記サロゲート呼吸筋圧信号の心臓の活動成分を除去すること
   を含む動作によって、前記ＣＶＰ信号を処理し、前記患者に関する呼吸情報を発生させるようにプログラムされている、少なくとも１つのプロセッサーとを含む、
   呼吸モニタリング装置。
2. 発生させられた前記呼吸情報は、
   セグメント化及びフィルタリングされた前記ＣＶＰ信号から決定されるサロゲート胸腔内圧信号と、
   セグメント化及びフィルタリングされた前記ＣＶＰ信号、並びに、空気体積信号を決定するために積分される測定されたエアフロー信号から、それぞれの呼吸間隔に関して決定されるサロゲート呼吸筋圧波形と、のうちの少なくとも１つを含む、
   請求項１に記載の呼吸モニタリング装置。
3. 前記呼吸モニタリング装置は、心電図（ＥＣＧ）信号を測定するＥＣＧセンサーをさらに含み、
   前記少なくとも１つのプロセッサーは、前記ＥＣＧセンサーから受信される前記ＥＣＧ信号を使用して、前記フィルタリングを実施するようにプログラムされている、
   請求項１又は２に記載の呼吸モニタリング装置。
4. 前記呼吸モニタリング装置は、機械的換気を前記患者に送達する機械的な人工呼吸器をさらに含み、
   前記少なくとも１つのプロセッサーは、
   前記機械的な人工呼吸器から、前記患者のそれぞれの呼吸に関して、時間の関数として吸入マークのスタートを受け取るように、及び、
   前記吸入マークのスタートから前記患者の呼吸間隔を決定するように、さらにプログラムされている、
   請求項１〜３のいずれか一項に記載の呼吸モニタリング装置。
5. 前記呼吸モニタリング装置は、前記機械的な人工呼吸器上の前記患者に関して、時間の関数として気道エアフローを測定する少なくとも１つの気道センサーをさらに含み、
   前記少なくとも１つのプロセッサーは、前記セグメント化されたＣＶＰ信号、及び、時間の関数としての空気の体積を使用して、時間の関数として前記呼吸情報を発生させるようにプログラムされている、
   請求項１〜４のいずれか一項に記載の呼吸モニタリング装置。
6. 前記少なくとも１つのプロセッサーは、
   以下の等式から時間の関数として前記サロゲート呼吸筋圧を計算するようにプログラムされており、
   Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）＝ＣＶＰ（ｔ）−Ｅ_ｃｗＶ_ａｉｒ（ｔ）＋Ｐ_０；
   ここで、Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）は、サロゲート呼吸筋圧を示しており、ＣＶＰ（ｔ）は、前記ＣＶＰ信号を示しており、Ｅ_ｃｗは、胸壁エラスタンスを示しており、Ｖ_ａｉｒは、時間の関数とした前記気道エアフローの積分としてコンピューター計算された肺空気体積を示しており、Ｐ_０は、定数を示している、
   請求項５に記載の呼吸モニタリング装置。
7. 前記少なくとも１つのプロセッサーは、
   セグメント化及びフィルタリングされた前記サロゲート筋圧信号の中に複数のピークを検出するように、及び、
   前記ピークによって境界を定められた時間間隔にわたって、呼吸筋圧波形セグメントを含む呼吸筋圧波形を含む前記呼吸情報を発生させるように、さらにプログラムされている、
   請求項１〜６のいずれか一項に記載の呼吸モニタリング装置。
8. 前記少なくとも１つのプロセッサーは、
   ピーク検出された筋圧信号に基づいて、前記機械的な人工呼吸器の制約付き最適化アルゴリズム及び／又はパラメトリック最適化アルゴリズムの設定を更新するように、さらにプログラムされている、
   請求項７に記載の呼吸モニタリング装置。
9. 前記中心静脈圧センサーは、中心静脈圧センターラインセンサーである、
   請求項１〜８のいずれか一項に記載の呼吸モニタリング装置。
10. 機械的換気装置であって、前記機械的換気装置は、
    機械的な人工呼吸器と、
    前記機械的な人工呼吸器上の前記患者に関して、時間の関数として気道圧力及びエアフローを測定する少なくとも１つの気道センサーと、
    少なくとも１つのプロセッサーであって、前記少なくとも１つのプロセッサーは、
    中心静脈圧センサーから中心静脈圧信号を受信するようにプログラムされ、
    前記少なくとも１つの気道センサーから、前記患者に関して時間の関数として前記エアフロー信号を受信するようにプログラムされ、
    前記患者のそれぞれの呼吸に関して、時間の関数として呼吸筋圧信号を計算するようにプログラムされ、
    前記患者の心臓の活動を示すデータを前記呼吸筋圧信号からフィルタリングすること、
    前記呼吸筋圧信号の形状を決定すること、並びに、
    形状検出された信号に基づいて、前記機械的な人工呼吸器の制約付き最適化アルゴリズム及び／又はパラメトリック最適化アルゴリズムの設定を更新すること
    を含む動作によって、サロゲート筋圧信号から少なくとも１つの呼吸特質を抽出するようにプログラムされている、少なくとも１つのプロセッサーとを含む、
    機械的換気装置。
11. 前記機械的換気装置は、
    前記患者の心臓の活動を示すデータを測定する心電図（ＥＣＧ）センサーをさらに含み、
    前記少なくとも１つのプロセッサーは、前記ＥＣＧセンサーから受信される前記心臓のデータを使用して、前記セグメント化された信号から、前記患者の心臓の活動を示すデータをフィルタリングするようにさらにプログラムされている、
    請求項１０に記載の機械的換気装置。
12. 前記少なくとも１つのプロセッサーは、
    前記機械的な人工呼吸器から、前記患者のそれぞれの呼吸に関して、時間の関数として吸入マークのスタートを受け取るように、及び、前記患者のそれぞれの呼吸に関して、時間の関数として吐き出しマークのスタートを受け取るように、並びに、
    前記患者のそれぞれの呼吸を決定するために、受け取られた前記マーク及び前記エアフロー信号を時間の関数としてセグメント化することによって、前記吸入マークのスタート及び前記吐き出しマークのスタートから、時間の関数として前記患者のそれぞれの呼吸の持続期間を決定するように、さらにプログラムされている、
    請求項１０又は１１に記載の機械的換気装置。
13. 前記少なくとも１つのプロセッサーは、
    受信された前記中心静脈圧信号及び空気体積信号から、前記機械的な人工呼吸器上の前記患者によって発生させられるサロゲート呼吸筋圧の信号を時間の関数として計算するように、さらにプログラムされている、
    請求項１０〜１２のいずれか一項に記載の機械的換気装置。
14. 前記少なくとも１つのプロセッサーは、
    以下の等式から、前記機械的な人工呼吸器上の前記患者によって発生させられる呼吸筋圧のサロゲート信号を時間の関数として計算するようにさらにプログラムされており、
    Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）＝ＣＶＰ（ｔ）−Ｅ_ｃｗＶ_ａｉｒ（ｔ）＋Ｐ_０；
    ここで、Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）は、サロゲート呼吸筋圧に対応しており、ＣＶＰは、中心静脈圧に対応しており、Ｅ_ｃｗは、胸壁のエラスタンスに対応しており、Ｖ_ａｉｒは、時間の関数とした前記エアフローの積分としてコンピューター計算された肺空気体積を示しており、Ｐ_０は、定数に対応しており、
    また、前記呼吸筋圧の計算された値をディスプレイ上に表示するようにさらにプログラムされている、
    請求項１３に記載の機械的換気装置。
15. 前記少なくとも１つのプロセッサーは、
    前記フィルタリングされたサロゲート筋圧信号の中の複数のピークを抽出するようにさらにプログラムされており、前記ピークは、前記フィルタリングされたサロゲート筋圧信号の形状に対応している、
    請求項１０〜１４のいずれか一項に記載の機械的換気装置。
16. 非同調なし；
    ミストリガリング；
    オートトリガリング；
    遅過ぎるサイクリングオフ；
    早過ぎるサイクリングオフ；及び、
    ダブルトリガリング
    のうちの少なくとも１つにしたがって、抽出された前記サロゲート筋圧信号の非同調を分類するようにプログラムされた分類プロセッサーをさらに含む、
    請求項１０〜１５のいずれか一項に記載の機械的換気装置。
17. 前記少なくとも１つのプロセッサーは、
    前記非同調を是正するために前記機械的な人工呼吸器の設定を調節するという推奨であって、前記ディスプレイ上に表示される当該推奨を医療専門家に提案すること、及び、
    前記非同調を是正するために前記機械的な人工呼吸器の前記設定を自動的に調節することのうちの少なくとも１つを行うようにさらにプログラムされている、
    請求項１６に記載の機械的換気装置。
18. 患者の呼吸パターンをモニタリングする方法を実施するために、１つ又は複数のマイクロプロセッサーによって読み取り可能な及び実行可能なインストラクションを記憶する非一時的なストレージ媒体であって、前記方法は、
    中心静脈圧センサーから中心静脈圧値を受け取るステップと、
    少なくとも１つの気道センサーから、前記患者に関して、時間の関数として、気道圧力及びエアフローのうちの少なくとも１つの値を受け取るステップと、
    受け取られた前記値をセグメント化し、前記患者のそれぞれの呼吸を決定するステップと、
    セグメント化されたＣＶＰ信号からサロゲート筋圧信号をコンピューター計算するステップと、
    ＥＣＧセンサーから受信した心臓のデータを使用して、前記サロゲート筋圧信号から、前記患者の心臓の活動を示すデータをフィルタリングするステップと、
    フィルタリングされた前記サロゲート筋圧信号の形状に対応する、フィルタリングされた前記サロゲート筋圧信号の中の複数のピークを抽出するステップと、
    ピーク検出されたサロゲート筋圧信号に基づいて、機械的な人工呼吸器の制約付き最適化アルゴリズム及び／又はパラメトリック最適化アルゴリズムの設定を更新するステップとを有する、
    非一時的なストレージ媒体。
19. 前記少なくとも１つのマイクロプロセッサーは、
    前記機械的な人工呼吸器から、前記患者のそれぞれの呼吸に関して、時間の関数として吸入マークのスタートを受け取るように、及び、前記患者のそれぞれの呼吸に関して、時間の関数として吐き出しマークのスタートを受け取るように、並びに、
    前記吸入マークのスタート及び前記吐き出しマークのスタートから、時間の関数として前記患者のそれぞれの呼吸の持続期間を決定するように、さらにプログラムされている、
    請求項１８に記載の非一時的なストレージ媒体。
20. 前記少なくとも１つのマイクロプロセッサーは、
    以下の等式から、前記機械的な人工呼吸器上の前記患者によって発生させられる呼吸筋圧のサロゲート信号を時間の関数として計算するようにさらにプログラムされており、
    Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）＝ＣＶＰ（ｔ）−Ｅ_ｃｗＶ_ａｉｒ（ｔ）＋Ｐ_０；
    ここで、Ｐ_{ｍｕｓ，ｓｕｒｒ}（ｔ）は、サロゲート呼吸筋圧に対応しており、ＣＶＰは、中心静脈圧に対応しており、Ｅ_ｃｗは、胸壁のエラスタンスに対応しており、Ｖ_ａｉｒは、時間の関数とした前記エアフローの積分としてコンピューター計算された肺空気体積を示しており、Ｐ_０は、定数に対応しており、
    また、前記呼吸筋圧の計算された値をディスプレイ上に表示するようにさらにプログラムされている、
    請求項１８又は１９に記載の非一時的なストレージ媒体。
21. 前記少なくとも１つのマイクロプロセッサーは、
    非同調なし；
    ミストリガリング；
    オートトリガリング；
    遅過ぎるサイクリングオフ；
    早過ぎるサイクリングオフ；及び、
    ダブルトリガリング
    のうちの少なくとも１つにしたがって、抽出された前記サロゲート筋圧信号の非同調を分類するようにさらにプログラムされており、
    前記少なくとも１つのマイクロプロセッサーは、
    前記非同調を是正するために前記機械的な人工呼吸器の設定を調節するという推奨であって、前記ディスプレイ上に表示される当該推奨を医療専門家に提案すること、及び、
    前記非同調を是正するために前記機械的な人工呼吸器の前記設定を自動的に調節することのうちの少なくとも１つを行うようにさらにプログラムされている、
    請求項１８〜２０のいずれか一項に記載の非一時的なストレージ媒体。

Images