JP5281002B2 - うっ血性心不全患者の携帯型自動モニタリング - Google Patents

Description

本発明は、生理学的モニタリングの分野、特に、うっ血性心不全（ＣＨＦ）患者の心臓の状態に高感度な方法及びシステムに関する。

うっ血性心不全（ＣＨＦ）または単に心不全は、まず初期段階においては、運動している時のみであるが、増悪期後半には安静時にさえ、傷害を受けた心筋が体の要求に応ずるために充分な血液を汲み出すことができない状態である。それは重要且つ一般的な疾患で、多数の病因があり、毎年４００，０００人もの新たな患者を生じ、何百万ものアメリカ人を苦しめている。それは、６５才以上の病院患者で最も一般的な診断である。

ＣＨＦ患者は通常安定であるが、それにもかかわらず時々、彼らの生命が、例えば低血圧または肺水腫によって脅かされる可能性がある程度にまで、代償不全になることがよく知られている。心臓血管系の適切な機能化は心臓血管のパラメータが平衡状態にあることを必要とし、通常はこのバランスが正常な生理的制御によって健康状態に維持されるが、ＣＨＦにおいては正常な制御が不十分となるので、一般に代償不全が起こる。その時、心臓血管系を平衡状態に回復させ、それを平衡状態に保つために内科療法が必要である。しかし、内科療法によりもたらされるバランスは、たいてい頑丈ではなく、容易に支障を来たしうる。ＣＨＦ患者は、彼らの内科療法において、予想外もしくは予測できない変化を補償するために心臓血管を保持するのでは不十分である。１週間制御したＣＨＦ患者は、次の週は代償不全になるかもしれない。

内科療法におけるそのような変化はとても一般的な現象である。現在の診療によれば、一般的に、ＣＨＦの治療は必要に応じて心臓血管に活性のある薬剤を処方するともに、有益な栄養および生活習慣の奨励を含む。患者の行動（例えば栄養と生活様式）は、周知のことだが、予測不可能で、変化を妨害することがよく知られている。例えば、ある患者は水分過負荷が直ちにＣＨＦを生じるので、塩と水の摂取を制限することが望ましいことをよく認識しているのかもしれないが、その患者は時々、過剰な塩を摂取し、代償不全になるかも知れない。また、患者は体重が少ないことやと禁煙が非常に望ましいことを認識しているが、患者は、それにもかかわらず、時々、食べすぎや喫煙をする。これらの振る舞いはともに、長期間続くと代償不全につながりうる。

それほど良く知られてはいないが、おそらく、心臓血管に活性のある薬剤の適切な用量を維持することもまた難しい。ある容量では有用にＣＨＦを治療する薬剤が、別の用量ではＣＨＦを悪化させうる。例えば、利尿薬は異常心律動と心拍出量の減少につながるカリウム欠乏症を引き起こしうる。ＣＨＦの重要な薬であるジギタリスは、治療域が狭い。過剰量のジギタリスが血液に蓄積すると、それは治療的ではなく有毒になりうる。服用をサボるか、服用を２倍にしているか、もしくは不適切な服用をしている無頓着な患者は、代償不全になりうる。

従って、ＣＨＦ患者の代償不全の徴候をモニタすることができる自動の方法やシステムが彼らの治療を管理して、彼らの健康を維持することに役立つことは明白である。患者が彼らの正常な日常活動を営む中で、患者のモニタリングが専門家の援助なしで可能であるならば、そのようなモニタリング方法やシステムがさらに役立つことは、更に明白である。そのように正常な日常活動において、ＣＨＦ患者の有用なモニタリングが可能な心臓血管モニタリングシステムは、先行技術で知られているとは思えない。

好ましい実施形態においては、正常な日常活動を妨げることなく患者が携帯できるように、生理学的モニタリングシステムは非侵襲的であり、十分に軽量で目立たない。

この部分もしくは本願の如何なる部分のどのような参照の引用や同定も、そのような参照が本発明に対する先行技術として使われることを自認するものとして解釈されるものではない。

したがって、本発明の目的は、うっ血性心不全（ＣＨＦ）患者の心肺モニタリング及び患者の代償不全を示すような徴候のために、心肺モニタリング・データを処理するための方法及びシステムを含む。更なる目的は、正常な日常活動において、専門家の援助なしに患者によって使用可能な方法およびシステムを含む。本発明はそのような方法およびシステムを提供し、したがって、ＣＨＦ患者のケアにおいて相当な効果を有する。

本発明は、ＣＨＦが非侵襲的に測定可能な患者の心臓および呼吸器の機能化の多くのパラメータにＣＨＦが影響すること、そして更に、これらのパラメータの測定が、患者のＣＨＦに関する、例えば、患者の重症度および／または安定性に関する有用な情報を提供するために解釈されうることへの発明者の理解にある程度基づいている。したがって、本発明は、生理学的モニタリング・データからこれらのパラメータの一つ以上を決定する方法、及び、決定されたパラメータを関連付けて比較することにより、その患者のＣＨＦに関する情報を生じる方法を与える。本発明は望ましくは、モニタされる患者が、どのような活動であれ、実質的にすべての正常な日常活動をすることができるような生理学的モニタリング・データを集めるための携帯型システムをも含む。これらのシステムは、望ましくは、本発明の方法を実行し、ローカルで患者に、そして、リモートで患者の介護者に利用できる結果を得るコンピュータを１つ以上含む。

周期性変動呼吸（ＰＢ）や心拍変動（ＨＲＶ）を含む、非侵襲的に測定可能ないくつかのＣＨＦパラメータが知られている。好ましい実施形態は、これらのパラメータのうちの少なくとも１つ、好ましくは両方を決定する。他の好ましいパラメータは、心拍出量（ＣＯ）、活動と姿勢、血液酸素飽和度またはガス分圧、及びｓｐＯ２の指標である。このリストは制限せず、新たなパラメータが更なる実施形態において決定されうる。これらの好ましいパラメータをこれから手短に述べる。

チェーン−ストークス呼吸（ＣＳＲ）としても知られるＰＢは、正常の呼吸または、かなりの呼吸の増加（過呼吸）の期間の後にかなりの呼吸の減少（減呼吸：患者の最近の平均Ｖｔの１０〜３０％である一回換気量（Ｖｔ））の期間が続く、周期的に生じるサイクルにより特徴づけられる呼吸パターンを指す。呼吸は、周期的に止まる可能性さえある（無呼吸：患者の最近の平均Ｖｔの０〜１０％であるＶｔ）。ＰＢはＣＨＦと関連していることが知られており、ＣＨＦを悪化させて生存率を低下させる危険因子であることも知られている。Ｂｒａｃｋ、２００３年、うっ血性心不全患者におけるチェーン−ストークス呼吸、Ｓｗｉｓｓ Ｍｅｄ Ｗｋｌｙ． １３３：６０５−６１０を参照。患者のｓｐＯ２が実質的に正常範囲内（酸素正常状態）であるときにＰＢが起こる場合には、ＰＢは特に重大である。

周期性変動呼吸は望ましくは、患者の肺容量、毎分換気量または、特にそれらの一回換気量の時間的系列を分析することで検出され、測定される。ＰＢの発症は、その継続時間によって、また患者のＶｔ（または他の呼吸測定単位）のサイクルの振幅と長さによって特徴づけることができる。患者は、１日の中で、（選ばれた程度の重症度の）ＰＢが検出される間の時間の量によって特徴づけることができる。

心拍変動（ＨＲＶ）は、心拍数における心拍間隔の変調を指す。安静時に、健常人のＥＣＧは一般的に、呼吸性洞性不整脈（ＲＳＡ）として知られる影響である、呼吸に関連したＲ−Ｒ間隔における周期変化を示す。ＲＳＡは、交感神経の活動に比較的優勢である副交感神経の活動（迷走神経を経てもたらされる）による自律神経系のバランスを反映する。心臓がストレスまたはより大きな負荷を受けている間に、交感神経の活動が副交感神経の活動に比較して優勢になるにつれて、ＲＳＡは減少する。

ＣＨＦの間、心臓は必要とされる拍出量のレベルを維持するために、慢性的にストレスを受け、交感神経の活動は亢進して、ＨＲＶ（及びＲＳＡ）は典型的に減少する。Ｃａｒｕｍら、１９９６年、心拍変動−測定の基準、生理的解釈と臨床使用、Ｅｕｒ． Ｈｅａｒｔ Ｊ．１７：３５４−３８１を参照のこと。更に、ＣＨＦにおけるＨＲＶの減少の程度がＣＨＦの重症度及び、心臓死のリスクの増加と相関していることがわかっている。Ｓｚａｂｏら、１９９７年、特発性及び虚血性心筋症に対して二次的な慢性鬱血性心不全における心拍変動の予後的価値、Ａｍ Ｊ Ｃａｒｄｉｏｌ ７９：９７８−８０．を参照のこと。

ＨＲＶは、心電図（ＥＣＧ）で観察されるＲＲ間隔の時間的系列を分析することで検出し、測定することができる。既知の分析法は時間領域法（ｔｉｍｅ−ｄｏｍａｉｎｍｅｔｈｏｄｓ）を含み、それは測定したＲＲ間隔の分布状態を直接使用する。また、測定したＲＲ間隔の系列を間隔の配布の周波数スペクトルに変換するスペクトル法も知られている。ＨＲＶの決定のために入力される心拍数データに異常の無いようにすることは重要である。本発明は、呼吸の異常、したがって、誘発された心臓の異常を検出する方法を提供する。提供される方法では、一回換気量のような、導き出された呼吸パラメータではなく、生の、またはフィルタリングされたセンサの信号を検査する。

他の好ましいパラメータ、心拍出量（ＣＯ）、すなわち体の大きさにより標準化される単位時間での心臓により送り出され血液量に着目することは特に有益である。例えば、健常な成人の典型的なＣＯは、体表面積１平方メートル当たり毎分約５〜６リットルで、活発な運動の間はおよそ５倍に増加しうる。慢性的に減少した心拍出量（ＣＯ）がＣＨＦの顕著な特徴であることはよく知られている。その値は疾患の重症度を反映して、疾患が進行するにつれて、更に減少する。例えば、重篤な疾患においては、ＣＯはいかなる運動制限なしで、２．５ ｌ／ｍｉｎ／ｍ２であるかもしれない。更に、ＣＯの急激な減少が、多くの場合、患者のＣＨＦの急激な代償不全を生じ、それを促進することが知られている。Ｋｉｒｋら、１９９７年、拡張心不全、Ｐｏｓｔｇｒａｄｕａｔｅ Ｍｅｄｉｃｉｎｅ １０１（１）参照のこと。

ＣＯは非侵襲性の手段により直接測定することはできないが、それは一回拍出量（ＳＶ）と心拍数（ＨＲ）の結果として、または、ＳＶとＨＲの指標から決定することができる。適切なＳＶの指標は非侵襲的に測定可能であり、標準的な侵襲性の臨床方法で測定されるように、実際のＳＶに対する統計的有意差と合致する。そのような指標は、例えば剣状突起のレベルでの胸部拍動のような、心臓に関連した前胸部の拍動の振幅から抽出することができ、これらの拍動は非侵襲的に測定された前胸部の大きさから決定することができる。これらの拍動の振幅は、そして、ＣＯおよび／または駆出率の指標を与えるために調整できる。胸部サイズの変化からＳＶの指標を与えるこのプロセスは、ここでは胸部カルジオグラフィー（ＴＣＧ）と称する。

活動と姿勢とｓｐＯ２とは、非侵襲的な手段で容易に測定することができ、活動と姿勢は、加速度計データから抽出され、そして、ｓｐＯ２データは、選択された場所（例えば親指、耳たぶ、その他）でパルスオキシメータにより出力される。これらの好ましいパラメータは、他のパラメータの変化を評価できる有益な患者のベースライン情報を提供する。例えば、ｓｐＯ２が正常なときでも、ＰＢがみられたり、椅子に座っているときにでもｓｐ０２が減少したりすることは、より不吉である。

次に、本発明に使用する好ましいモニタリングシステムは、専門家の援助なしにモニタされる患者によって使われ、更にモニタされる患者が実質的にほとんど制限なしに正常な日常活動をすることができる（ここでは「携帯型モニタリング」と称する）。しかしながら、主にＣＨＦ患者の携帯型モニタリング向けであるが、本発明の方法は他のタイプのモニタリングシステム（例えば持ち歩けない病院のシステム）から生理学的な活動のデータを処理することにも役立つ点に注目すべきである。また、「携帯型モニタリング」（すなわち正常な日常活動の間のモニタリング）という用語の機能的な有意性が、患者の間で大きく異なることを注意すべきである。末期の若しくは重篤な他のＣＨＦ患者が広く床上安静を必要とするかも知れないが、初期若しくは軽度の一部のＣＨＦ患者は適度な運動以外にも、ほとんどの活動を行うことが可能である。正常な日常活動の間の「携帯型モニタリング」という用語は、両方のクラスのＣＨＦ患者にあてはまることとして理解される。以下に、規制または限定なしにコンパクトさのためだけに、携帯型モニタリングのための好適な実施形態において、本発明を述べる。

適切な携帯型モニタリングシステムは、生理学的センサをそれらの構造に直接組み込む、または、取付けられた生理学的センサを持ち運ぶか、支持するか、持っているモニタリング用ガーメント（一般に、衣服のアイテム）に基づく。適切なガーメントは、好ましくは日常的な衣類のアイテムと類似し、普通にフィットしていて、患者によって容易に着られるか、身につけられる。例えば、ガーメントはベスト、シャツ、パンツ、ショーツ、ヘッドバンド、チェストバンド、ストラップ、など（そして、靴、腕時計、ブレスレット、その他を含む）として設定できる。ガーメントに組み込まれるか、持ち運ばれるセンサは、モニタされる患者によってほとんど注意や調整なしにガーメントを身につけたあとに、作動の準備ができていることが望ましい。好ましいセンサは、起源が主に呼吸性および／または心臓性である胸部体積の変化や、ＥＣＧの信号に反応する。オプションであるが、好ましいセンサは、ｓｐＯ２に、そして、患者の姿勢や活動に反応する（例えば加速度計）。

好ましいモニタリングシステムはまた、例えばポケットの中やベルトに着けて、モニタされる患者が携帯することができ、センサのデータを処理して、オフラインの分析に備えて保存しているデータのリアルタイムの利用のために、ワイヤレスでこのデータを伝達することができる軽量で、目立たず、独立して電子モジュールまたは処理装置を操作すること含む。好ましい装置は、本発明のいくつかまたは全ての方法を実行することができる。そのような装置は、一般的にセンサを操作して、センサのデータを読み出して、読み出したデータを送信するための回路を含む。処理回路は、プログラム・コードを保存するマイクロプロセッサ、若しくは設定ファームウェアを積んでいるＦＰＧＡｓのような設定可能な回路を含むことができる。そのような装置は、望ましくは電池式である。

好ましい歩行モニタシステムは、一回換気量、一回換気量、胸郭と腹部の拡張の一回換気量への相対寄与、心拍数、ＥＣＧ、運動、血液酸素飽和、姿勢と活動のモニタリングができる。そのようなシステム、例えばＬｉｆｅＳｈｉｒｔ（登録商標）システムは、カリフォルニア州 ヴェントゥーラ ＶｉｖｏＭｅｔｒｉｃｓ社から入手可能である。

最後に、典型的な患者のモニタリング・シナリオにおいては、携帯型モニタリングの継続は、通常、患者のＣＨＦの重症度と安定度の場合により異なる。患者が安定した、および軽度のＣＨＦである場合は、モニタするのは週に２、３日で十分である。患者が不安定であるか重篤な疾患を有する場合は、睡眠の間でさえ、携帯型モニタリングはほとんど連続モニタリングとなるであろう。モニタリングシステムは、呼吸とＥＣＧと望ましくは胸部カルジオグラム、ＳｐＯ２及び患者の活動データを集める。添付の独立した電子モジュールは、それから、ＰＢ、ＰＢ発症の数、例えば１日の間のＰＢの期間の合計及びＰＢパターンの特徴を同定するために、読み出された呼吸およびｓｐＯ２のデータを処理する。読み出されたＥＣＧデータ（呼吸データによって補助される）は、それから、ＨＲＶ、ＨＲＶの程度と、例えば１日の間にＨＲＶがどれ程変化するかを同定するために処理される。読み出された胸部カルジオグラムのデータもＣＯの徴候やＣＯの慢性的及び急激な変化を同定するために処理される。読み出された活動のデータは、患者の活動レベルの徴候とオプションとして姿勢を得るために処理される。処理されたデータの全ての内いくつかは、好ましくは、例えば無線送信によって、患者の主治医や介護者にオンラインで利用できるようにさせる。生データは、無線で送信されるか、代わりとして、リムーバブルメモリに（オプションとして処理されたデータとともに）保存することもできる。

従って、例えばＬｉｆｅＳｈｉｒｔシステムのような、携帯型モニタリングシステムは、うっ血性心不全における変化をモニタリングして、同定するために用いることができると評価できる。生のモニタリング・データおよび分析されたモニタリング・データは、定期的に医師や他の介護者に提供され、患者に対して、より迅速で目標とされた処置を可能にする。迅速で適切な処置は、特に緊急事態において、一般的にＣＨＦ患者の生活の質を改善して、彼らの治療のコストを下げる。

周期性変動呼吸の例を示す。 周期性変動呼吸の例を示す。 本発明の周期性変動呼吸法の結果を示す。 本発明の周期性変動呼吸法の結果を示す。 本発明の周期性変動呼吸法の結果を示す。 本発明の周期性変動呼吸法の結果を示す。 本発明の周期性変動呼吸法の結果を示す。 本発明の周期性変動呼吸法の結果を示す。 本発明の補助的な周期性変動呼吸法の結果を示す。 本発明の補助的な周期性変動呼吸法の結果を示す。 本発明の補助的な周期性変動呼吸法の結果を示す。 本発明の補助的な周期性変動呼吸法の結果を示す。 本発明の補助的な周期性変動呼吸法の結果を示す。 アーチファクトあり、なしの肺気量データを示す。 アーチファクトあり、なしの肺気量データを示す。 アーチファクトあり、なしの肺気量データを示す。 携帯型モニタリングシステムを示す。 ＣＨＦの状態を決定するために本発明の技術を用いた典型的なシステムを示す。

本発明は、以下の本発明の好適な実施形態の詳細な説明、本発明の特定の実施例の解説例及び添付の図面の参照によって、より十分に理解されるであろう。

本発明の好適な実施形態をこれから更に詳細に述べる。このセクションは、はじめに周期性変動呼吸（ＰＢ）の分析方法、そして心拍変動（ＨＲＶ）の分析方法、最後に本発明の方法のシステムの機能を述べる。他の実施形態は、胸部カルジオグラムの信号（ＴＣＧ）からのデータも含む。以下において（そして、全体としての本出願において）、見出しと凡例は明快さと便宜のためのみに用いる。

（周期性変動呼吸（ＰＢ）の分析）
図１Ａ〜Ｂは、モニタされた患者で測定されたＰＢの２つの例を示す。図１Ａ〜Bの横のスケールは、時間である。図１Ａは、２分の間にわたるＣＨＦ患者の有意な周期性変動呼吸を示す。ここでは、上の記録は経時的な肺容量（Ｖｔ）を表し、下の記録は毎分換気量（ＶＥ）を表す。上の記録から、個々の呼吸量がＰＢの特性を幾分、増減することは明らかである。また、この患者の残余の肺気量は呼吸が増加した期間に増加して、呼吸が減少した期間に減少する。下の記録から、ＶＥが一様に上の値と低い値（すなわちほぼ０）の間を変化することは、明瞭である。図１Ｂが高地の健常な患者における顕著なＰＢや急性低酸素症（減少したＳａＯ２）を示す。Ｖｔを示す上の記録は、この患者が、呼吸が減少した期間に呼吸が実際に止まる（無呼吸）ことを示す。この図における他の記録はパラメータを示す。ＲＣとＡＢは胸郭のサイズと腹部のサイズを示し、ＶＴ（Ｖｔ）はここではＲＣとＡＢの記録の合成である肺容量であり、ＲＲは呼吸数を示し、Ｔｉ／Ｔｏｔは全体の呼吸時間（Ｔｏｔ）で割った吸気の時間（Ｔｉ）を示し、ＳａＯ２は血液酸素飽和度を示し、そしてＨＲは心拍数を示す。ＶｔはＲＣとＡＢの線形和として厳密に算定され、そして、ＶＥはＶｔかける呼吸数である。

本発明は多様なＰＢ分析法を提供する。すべての実施形態は少なくとも１つのＰＢ法を実装し、さらに好適な実施形態は２つ以上の方法を実装し、そして高い精度のためにそれらの出力を比較する。中央値または平均などを見つけることによって、出力はボーティング・スキームによって組み合わせることができる。呼吸信号の情報は、既知の経時的な肺容量（一回換気量（Ｖｔ）信号と呼ばれる）を示すことができる。他の呼吸情報は、呼吸ごとのバイアスでＶｔ信号から導くことができる。例えば、経時的なＶｔ信号に認められるものとして、個々の呼吸量（また、「一回換気量」、略して「Ｖｔ」と呼ばれる）は、終末吸気肺容量を続く終末呼気肺容量から引くことによって導くことができる。それから、一連のＶＥ値は、一連のＶｔ値に呼吸速度を掛けることによって、導くことができる。ほとんどの分析法に対する入力信号は、望ましくは固定した共通の割合に、リサンプリングする。また、信号は連続した重なり合うウインドウに分けられ、そして、ＰＢの有無はウインドウ毎に決定される。例えば、ウインドウは数十、数百、数千もの個々の呼吸を含み、１０％〜９０％のウインドウ幅の間隔で周期的に配置される。

提供されるＰＢ分析法のプロセスは、時間領域法、周波数領域法または非線形法に分類される。時間領域法は、一般に一回換気量または毎分換気量（ＶＥ）のような導かれた呼吸データを処理する。そして、それは個々の呼吸の一回換気量と個々の呼吸の割合（例えば隣接した呼吸の時間的間隔の逆数）、及び個々の呼吸（Ｔｏｔ）の持続時間の積である。呼吸量と呼吸の持続期間に依存するので、毎分換気量は有益な情報である。周波数領域法は、一般に主要な呼吸信号（すなわちＲＣとＡＢ信号）を処理する。

単純な時間領域法は、個々の呼吸の一回換気量の変動性を示すために、統計的な手技を用いる。例えば、変動係数の値または標準偏差、あるいは、自乗平均等は、データのウインドウごとに決定される。そして、ＰＢをそのようにより大きな変動性の測定値によって、規則的な呼吸と区別できることが予想される。

好ましい時間領域法は、自己相関に基づく方法を含む。自己相関法は選択された時間的間隔（例えば５、１５、３０、６０及びそれ以上の秒）の倍数によってシフトした同じデータのウインドウ毎にデータを相関させる。呼吸データは測定したとき、利用することができ、均等な割合にリサンプリングできる。相関は、前後にシフトした選択された時間的間隔で生じるデータ値のウインドウの各データ値の積の合計を計算することを含み、それから、シフトしてない相関、すなわち、ウインドウのデータはそれ自体と相関する（乗算される）ことによって標準化する。生じた標準化した相関は、−１と＋１の間に制限される。特定の相関値の有意性は、計算された相関値の確率分布（例えば標準化されたヒストグラム）によって算定できる。例えば、計算された相関の有意差は、標準偏差と平均相関値との差により決定される。確率分布は多くのまたはすべてのウインドウから相関データを示すことができ、一つのウインドウからデータに制限できる。９５％の有意差の閾値が、ここでは用いられ、必要に応じて他の閾値を選択できる。

図２ＡはＶＥ信号に適用される典型的な自己相関法の結果を示す。ここで、複数のデータ・ウインドウから標準化した相関値は数分で（コレログラム）それらの対応するシフトに対してプロットされる（コレログラム）。つまり、個々のＶＥ値が呼吸ごとに決定される。例えば、一回換気量の時間と呼吸数、そして、個々のＶＥ値の積が一連のＶＥ値に構築されるように、ＶＥを示す系列の各値は連続した呼吸時に決定される。この系列は、それから、ＶＥ信号を形成するために、選択された一定のサンプリング・レートでリサンプリングされる。コレログラムの周期性のピークは、ＰＢパターンの周期（すなわち、呼吸の増加（または減少）の２つの周期の間隔）に対応するシフトで生じる。ここで、３つの相関値は有意であり、相関とシフトしない相関とでは±０．９のシフト（任意の単位）である。有意なＰＢがこれらのデータ・ウインドウにおいて生じ、ＰＢが約０．６秒の周期を持つと結論される。

図２Ｂ〜Ｅは、好ましい周波数領域法によるプロセシング毎分換気量（ＶＥ）信号の例を示す。ＶＥ信号が主に全体的な呼吸の変化を示す点に留意する必要ある。各呼吸は単にその一回換気量によって示されるだけなので、各呼吸（例えば吸入と呼気）と同時に起こっている変化は抑制される。したがって、ＶＥ信号のスペクトル分析は、基準呼吸周波数としてより小さな構成要素を示すが、全体的に呼吸が変化する（例えばＰＢ周波数）ような周波数で大きな構成要素を示す。更に、図２Ｄの０〜０．２５Ｈｚの水平位置のスケールが、図２Ｂ、２Ｃと２Ｅのスケールがそれぞれ０〜０．３５Ｈｚ、０〜０．４５Ｈｚ及び０〜０．４Ｈｚと比較して拡大される点に留意する必要がある。

好ましい周波数領域法はまた、スペクトル変換法（例えば高速フーリエ変換（ＦＦＴ）を用いる方法と、そのような変換を用いない方法を含む。第１の周波数領域変換法は、窓を掛けたデータにＦＦＴを適用して、それから、ウェルチ法（Ｗｅｌｃｈ法）によって変換係数からピリオドグラムを作る。入力データは、望ましくは、エイリアシングを防止するために選ばれる一定で、周期的な割合にリサンプリングされる。適切にリサンプリングされたデータは、それからトレンド除去し、６５％の重なり（他の重なりや既知のウィンドーイング方式も適用できる）のあるハミング・ウインドウに分類される。好ましいウィンドウサイズは、選ばれた変換方法（例えばＦＦＴのための２の累乗）に対応する。図２Ｂは、典型的なＦＦＴ−Ｗｅｌｃｈ法の結果を示す。図２Ｂ〜Ｅでは、垂直のスケールはスペクトル・パワーである、そして、水平のスケールは周波数でヘルツである。約０．０３Ｈｚの周波数の高振幅変換係数は、明らかに有意なＰＢの存在を示す。約０．０６Ｈｚと０．０８〜０．０９Ｈｚの周波数のずっと小さいピークは、個々の呼吸の周波数（または基本的なＰＢ周期の倍振動）を表すと考えられる。

コントロールとして、図２Ｃは、ＰＢのない正常な呼吸のＶＥ信号に適用した典型的なＦＦＴ−Ｗｅｌｃｈ法を示す。有意な変換係数のみが周波数がほぼ０であることが分かる。０〜０．０３Ｈｚの間の係数は、図２Ｂの０．０３Ｈｚのピークの振幅の約７％未満の振幅であり、同一とみなし得る離散周波数に分かれない。図２Ｃは、確実に、周期的な成分がこの呼吸にないことを示す。従って、ＰＢの有無は、ＰＢ周波数でありそうな主要な周波数について比較的小さい周波数帯域に限られているスペクトル・パワー（ＦＦＴ係数の二乗に比例する）の有無によってＶＥ信号に適用したＦＦＴ−Ｗｅｌｃｈ法から確認できる。ＰＢが存在する場合、主要な（最大の振幅）係数の位置は主要なＰＢの周波数を示し、その値はＰＢの振幅を示す。

正常呼吸の間のスペクトル力が比較的広いバンド全体で減少する一方、ＰＢにおけるスペクトル・パワーは比較的小さい周波数帯域に限られる点に留意する必要がある。これらの挙動は正常呼吸がより秩序がなく、より規則的でない一方で、ＰＢはより秩序があり、より規則的であることを一般に意味する。

もう一つの周波数領域変換法であるロム−スカーグル法（Ｌｏｍｂ−Ｓｃａｒｇｌｅ法）（技術的に知られているように）は、入力データが規則的で一定の割合にサンプリングされることを必要としないので、それによってリサンプリングよって必然的にもたらされるスムージングやバイアスを回避する。手短に言うと、ロム−スカーグル法は、最小二乗法によって洞様構造を不規則にサンプリングされた入力データに適合させる。図２Ｄは、ＶＥ信号に適用した典型的なロム−スカーグル法の結果を示す。図２Ｄを２Ｂと比較すると、両方の図がＰＢの周波数を同定しており、データのリサンプリングなしで予想された図２Ｄにおいて、より正確に周波数が同定されていることは明らかである。約０．０６Ｈｚのずっとより小さいピーク（個々の呼吸の周波数または主要なＰＢ周期の倍振動を意味すると考えられる）も、図２Ｂにおいてよりも図２Ｄでより鋭く示されている。また、ＰＢの有無は、ＶＥ信号に適用されるロム−スカーグル法から、ＰＢ周波数でありそうな主要な周波数についての比較的小さい周波数帯域に限られたスペクトル・パワーの有無によって確認できる。

好ましい無変換、周波数領域法は、自己回帰法の機能を含む。自己回帰に基づく方法は、比較的短い持続期間の呼吸データ系列や個々のサンプルが比較的少ない呼吸データ系列にとって有利である。また、自己回帰に基づく方法は、変換方法と比較して、ウインドウの範囲をより短くするには有利である。これらの技術も不規則にサンプリングされたデータを処理することができ、したがって呼吸毎のデータのリサンプリングを必要としない。それらの不利な点は、より短いウインドウの範囲やデータ系列が必然的に、より細な細部を見落とす原因となる可能性のある周波数解像度の減少に至ることである。図２Ｅは、バーグ法（Ｂｕｒｇ法）（赤池による情報量基準に従った順序の推定を用いる）（両方とも技術的に知られているように）として知られる自己回帰法をＶＥ信号にあてはめたことによって与えられたスペクトルの推定値を示す。主要なＰＢの周波数が図２Ｂに匹敵する精度で同定されることが認められる。しかしながら、０．０６Ｈｚくらいの小さいピークは、ほとんど不鮮明である。また、ＰＢの有無は、ＶＥ信号に適用される自己回帰から、ＰＢの周波数でありそうな主要な周波数について、比較的小さい周波数帯域に限られたスペクトル・パワーの有無によって確認できる。従って、該当する場合には、ロム−スカーグル法と類似の方法はＶＥデータに該当する場合には選ばれ、さもなければ、自己回帰が用いられる。

更に好ましい周波数領域法は、経時的に呼吸活性を反映する主要な呼吸信号の分析に役立つ。そのような主要な信号の例は、好適な実施形態において、呼吸活性により異なる経時的な胸郭（ＲＣ）および／または腹部（ＡＢ）大きさを反映する呼吸センサで返される信号を含む。更なる例は、経時的な肺気量（一回換気量（Ｖｔ）信号と呼ばれる）を含む。そして、それはＲＣとＡＢ信号を組み合わせることで測定できる。呼吸毎のＶｔとＶＥ信号の系列は、これらの主要な信号を導かれる。

主要な信号は、全体の呼吸の増減による変化と同様に、個々の呼吸による変化示す。したがって、主要な信号のスペクトル分析は、呼吸数でのスペクトル・エネルギー成分と、全体の変化の割合での成分を含む。健常な患者では、ＰＢは存在せず、全体的に呼吸はほとんど変化しない（激しい運動などにおいて変化しない）ので、主要な信号は一般的に、呼吸数のみにスペクトル・エネルギー成分を持ち、それは一般的に＜０．１Ｈｚである。ＰＢが患者で存在する場合、主要な信号は一般的に、呼吸周波数及びＰＢ（包絡線）周波数でのスペクトル・エネルギー成分を持つ。呼吸周波数成分が今大抵＞０．２Ｈｚであるので、そのような患者は一般的によりベースが高い呼吸数である。ＰＢ周波数成分は、一般的に＜０．１Ｈｚ、概して低い頻度である。

図３Ａ〜Ｅは、約５０Ｈｚでサンプリングされた主要なＶｔ信号のスペクトルを示す。（これらの入力信号は図２Ａ〜Ｆで分析された情報とは異なる、そして、スペクトルが必ずしも合うというわけではない。）図３Ａ〜Ｅでは、垂直のスケールはスペクトル・パワーであり、水平のスケールはヘルツの周波数である。図３Ａと３Ｂは、主要なＶｔ信号の１０分間のサンプルにそれぞれ適用した上記のウェルチ・ピリオドグラム法及び自己回帰法によって分析された周期性変動呼吸の患者を示す。２つのスペクトル・パワーのピークが両方の図の中に明らかに見える。約０．０５Ｈｚの第１のピークは、ＰＢ包絡線周波数（またはＰＢ周波数）を表す。約０．５Ｈｚに相当する第２のピークは、個々の呼吸（呼吸数または周波数）の基本的な周波数を表す。

主要な呼吸センサ・データを分析すること管理する好ましい周波数領域法は、信号「調整」と呼ばれる方法を利用する。アーチファクトを示す偽性の周波数成分を制限する間、実際の周波数成分を強調し、呼吸信号に示すことの両方ができるので、調整は有益である。サンプリングされた信号を修正するために、信号は始めに入力信号の局所的な平均値を移動することによってトレンド除去し、そして、トレンド除去した入力信号の絶対値は求められる。次に、絶対値信号は、例えば、上記のいずれかの方法によって、例えば、自己回帰法によって、または、ウェルチ・ピリオドグラム法によってスペクトル分析される。例えば、Ｍｙｅｒｓら、２００３年、皮質筋肉の分析のためのＥＭＧ信号の調整と非線形前処理、Ｊ． Ｎｅｕｒｏｓｃｉ． Ｍｅｔｈｏｄｓ、４月１５日；１２４（２）：１５７−６５を参照。

図３Ａ〜Ｂと比較して図３Ｄは、調整がどのように入力された初期Ｖｔ信号に示された実際の周波数成分を強調するかについて説明する。図３Ｄは、図３Ａ〜Ｂですでに示された修正された入力信号の自己回帰スペクトルを示す。周波数成分が明白に異なっていること、約０．５Ｈｚの第２のピーク（呼吸周波数を示す）が約０．０５Ｈｚの第１のピーク（ＰＢの減衰示す）に関連して強調されることは明らかである。このように、入力信号を調整することによって、入力信号の２つの実際の周波数成分の存在、したがって、ＰＢの存在は、より容易に、より確実に認識される。

図３Ｅと比較して図３Ｃは、調整がどのように入力された初期Ｖｔ信号で存在する偽性の周波数成分を制限するかについて示す。図３Ｃは、いかなるＰＢ成分もないに正常呼吸の自己回帰スペクトルを示す。そして、ＰＢがない場合でさえ、約０．４Ｈｚ存在する低振幅の第２のピークが図３Ｃに存在する。ＰＢの存在を示したように、２つのピークの存在は誤って解釈された。図３Ｅは、調整された正常な呼吸（ＰＢでない）の信号の自己回帰スペクトルを示す。約０．４Ｈｚで図３Ｅに示される混同しそうな第２成分が図３Ｃには存在しないことが分かる。このように、入力信号を調整することによって、入力信号のわずか１つの実際の周波数成分の存在、したがって、ＰＢの欠如は、従って、より容易に、より確実に認識できる。

要約すると、入力信号の調整は、２つの実際の、有効なピークの有無をより容易に、そして、確実に認識させる。スペクトル・パワー・ピークは、閾値設定のようなさまざまな既知の技術によって認識できる。ＰＢが存在する場合、２つの有効なピークがなければならない。つまり１つの有効なピークだけがある場合、ＰＢは存在しない。調整がわずかに周波数、特に低い周波数を歪める点に留意する必要ある。従って、一旦ＰＢが存在することが確認されると、調整されていない入力信号は歪曲することなく、実際の周波数をよりうまく測定するようにスペクトル分析される。

非線形分析技術の中では、エントロピーに基づく方法が好まれる。エントロピーがデータに存在する構造の物差しであることはよく知られている。低いエントロピーのデータストリームがより秩序があり、より多くの構造とより少ない予測可能性（情報内容が少ないが）のに対して、高いエントロピーのデータはより乱れが多く、より少ない構造とより少ない予測可能性（情報内容が多いが）を持つ。

正常呼吸とＰＢを比較して、ＰＢが正常呼吸より構造化され、乱れが少なく、予測可能性が高いことが予想される。正常呼吸は、呼吸毎の間隔の平均に関して狭い範囲でランダムに変化する間隔によって離れた類似の呼吸スペースの系列から成る。ＰＢは、一方では、付加的な状態、すなわちＰＢ周波数での呼吸の振幅が一様に変化することを含む。これは、周波数領域データを考慮して上記で述べた。従って、呼吸データのウインドウでのＰＢの有無がそのエントロピーから推定できることが期待できる。そして、ＰＢの発生は、呼吸データの連続したウインドウのエントロピーから、時間とともに推定できる。

しかしながら、一つのエントロピーの値ではＰＢデータで存在する状態を適切に反映しないかもしれない。呼吸速度のスケールで、正常呼吸とＰＢの両方の状態が、呼吸毎の間隔の平均のあたりのランダムな変化によって、同様に特色づけられる。ＰＢが正常呼吸より順序正しく見えるのは、ＰＢ周波数のスケールが長いだけである。従って、短いスケールで、ＰＢと正常呼吸は、同程度のエントロピーがあるのと予想される。しかし、長いスケールでは、ＰＢは正常呼吸よりエントロピーが少ないと予想される。従って、呼吸データのウインドウのＰＢの有無がさらに２つスケールのエントロピーからうまく推定できることは、更に期待できる。

これらの理由から、好ましい非線形、時間領域法は、データの異なるスケールに影響を受けやすい２つ以上のエントロピーを決定する。１つの好ましい方法は、マルチスケール・エントロピーと呼ばれる。典型的な実装例では、マルチスケール法は、最初に入力データ時系列のエントロピーを決定する。そして、入力データ時系列から、それらはやがて、ますます粗くギザギザにされる一つ以上の派生した時系列を構成し、それらのエントロピーを測定する。入力データ時系列及び、より粗くギザギザにした派生したデータ時系列のエントロピーは、入力データ系列のスケールから派生したデータ系列の長いスケールまでのスケールの入力データ系列に存在する相対的な状態または構造を示すために利用される。

データ系列を粗くギザギザにすること（グレイニング）で知られる多くの技術は、この発明に好都合である。典型的な好適な実施形態において、オリジナルデータ系列を連続したオーバーラップしないブロック、つまりオリジナル系列からデータポイントの同じ数Ｔを持つ各ブロックに分けることによって、そして、各ブロックのデータ値をそのブロックの一つの値の代表例に組み込むことによって、オリジナル時系列は粗いギザギザにする。結果として派生したデータ系列は、オリジナル（オリジナルデータ系列の時系列的なブロックだけのためのデータポイントを有する）より短く、そして、オリジナルデータ系列のスケールよりＴ倍長いスケールを示すために利用される。ブロックのデータ値は、例えば、以下の方程式にしたがって平均化されることによって組み込まれる。

ここでｘｉは、オリジナルデータ系列の入力データ値Ｎであり、これらは、Ｍ＝Ｎ／Ｔ、入力データポイントＴを有する各ブロックである連続したブロックＭに分けられ、代表値ν_ｊ ^ｒを形成するために平均化されたｊ番目のブロックのデータポイント、そして、ν_ｊ ^ｒ １＜＝ｊ＜＝Ｔは派生した系列の出力値である。派生したデータ系列が入力データ系列のスケールのＴ倍のスケールを持つことを考慮する。例えば、Ｃｏｓｔａら、２００２年、合成の生理学的時系列のマルチスケール解析、Ｐｈｙｓ． Ｒｅｖ． Ｌｅｔｔ． ８９（６）を参照。データ値は、代表的な値を構成するために、他の統計技術によって組み合わせることもできる。また、データブロックは部分的に重複できる。データ時系列を分析する代わりに、マルチスケールのエントロピーは、時系列の変換係数に適用することもできる。

マルチスケール法において、入力データ系列及び派生したデータ系列のエントロピーを計算する多くの既知の方法がある。これらの方法は、普通のエントロピー、コロモゴロフ−シナイ（Ｋｏｌｍｏｇｏｒｏｖ−Ｓｉｎａｉ）（ＫＳ）エントロピー、エクマン−ルール（Ｅｃｋｍａｎｎ−Ｒｕｅｌｌｅ）（ＥＲ）エントロピー、フーリエ（Ｆｏｕｒｉｅｒ）エントロピー、ウェイヴレット（Ｗａｖｅｌｅｔ）エントロピー、レニー（Ｒｅｎｙｉ）エントロピー、ライプノフ（Ｌｙａｐｕｎｏｖ）スペクトル、ハウスドルフ（Ｈａｕｓｄｏｒｆｆ）次元、相関次元などを含む。Ｐｉｎｃｕｓ、１９９１年、システムの複雑さの尺度としての近似エントロピー、Ｐｒｏｃ． Ｎａｔｌ． Ａｃａｄ． Ｓｃｉ． ＵＳＡ ８８：２２９７−２３０１を参照。スケールＴの普通のエントロピーＨＴは、以下の公式に従って決まる。

ｐ（ν_ｊ ^Ｔ）はデータセットの値ν_ｊ ^Ｔの出現確率である（例えば、データの標準化されたヒストグラム）。容易に決定されるにもかかわらず、それが入力データ系列のノイズとアーチファクトによって容易に歪められるので、普通のエントロピーはあまり好まれない。ＫＳエントロピーはシステムの動力学を特徴づけるのに有用なパラメータであって、情報の生成の割合の平均を示す。計算的に容易であるが、これと同様なものとして、本質的に有限期間系列の上のＫＳエントロピーの評価である近似エントロピー（ＡｐＥｎ）がある。発見的に、Ｅ−ＲエントロピーとＡｐＥｎは、接近したパターンの流れが次のインクリメント式の比較に近いままである（対数の）尤度を評価する。

好ましいエントロピーはサンプル・エントロピー（ＳａｍｐＥｎ）として知られており、近似のエントロピーに存在する特定のバイアス（自己マッチを含むため）を修正する近似エントロピーの改変である。Ｒｉｃｈｍａｎら、２０００年、近似エントロピーとサンプル・エントロピーを用いた生理学的時系列分析Ａｍ． Ｊ． Ｐｈｙｓｉｏｌ． Ｈｅａｒｔ Ｃｉｒｃ． Ｐｈｙｓｉｏｌ． ２７８：Ｈ２０３９−Ｈ２０４９を参照。サンプル・エントロピーは容易に計算され、時系列の長さにそれ程依存しない。手短に言うと、このエントロピーは、入力データ系列の異なるデータポイントから始まる入力データ系列から選択され、許容度ｒの範囲内で点毎に適合する、長さｍの２つ以上の亜系統が次の（ｍ＋１番目）のデータポイントで適合させる条件付き確率の推定値の負の自然対数である。あるいは、他のエントロピーはマルチスケール法で利用できる。

更に詳細には、サンプル・エントロピー法は、条件付けられた許容度ｒの範囲内で各々全てが適合する連続した信号ポイントの連続的な進行（グループ）を構成する。この方法は、許容度ｒの範囲内で最初の信号ポイントに合う全ての点を見つけることによって、適合するものの連続的なグループ（進行）を得る。信号ポイントは、最初の組み合わせが初期長１の進行を開始し、合わない信号ポイントは初期長０の進行を開始する。長さ１の進行後のそれらの信号ポイントも第２のポイントにも適合する場合、進行はいま長さ２であり、さもなければ、進行は終わる。長さ０の進行後のそれらの信号ポイントが第２のポイントに適合する場合、進行は今長さ１である。進行を見つけるこの方法は、データの終わりまで続ける。

次に、テンプレートの組み合わせの長さは、すべてのグループの長さｋに対して最長ｍまで、カウンターＡ（ｋ）とＢ（ｋ）で記録する。（進行がデータの最終ポイントで終わると、Ａ（ｋ）カウンターは増加し、Ｂ（ｋ）カウンターは増加しない。）一旦すべてのテンプレートの組み合わせが記録されと、サンプル・エントロピー値は以下の式により算出される。
ＳａｍｐＥｎ（ｋ，ｒ，Ｎ）＝−Ｉｎ（Ａ（ｋ）／Ｂ（ｋ−１）
ｋ＝０，１・・・，ｍ−１、Ｂ（０）＝Ｎ（入力系列の長さ）。

好ましいマルチスケール・エントロピー法は、入力データ系列の、及び、より粗いギザギザにしたデータ系列である導関数のサンプル・エントロピー（マルチスケール・エントロピー）、そして、そのエントロピーは異なる時間のスケールのエントロピーである。好ましいパラメータは以下の通りで、許容度ｒは望ましくは入力データ系列の標準偏差の約２０％で、長さｍは、約２に設定される。

しかしながら、入力データ系列の異常値の存在は、マルチスケール・サンプル・エントロピーを歪める可能性がある。このように、マルチスケール・サンプル・エントロピーを決定する前に、入力データ系列から異常値を先に決定し、削除することが好ましい。好適な実施形態において、（入力データ系列の）標準偏差の約２つ以上ずつ入力データ系列の平均と異なる場合、データ値は異常値と考えられる。異常値を排除したマルチスケール・サンプル・エントロピーは、呼吸速度や量デ−タにおける異常値を拒絶またはボリューム・データのアウトライヤー価値を検索することによって、そして、これらの同定された異常値だけを除去するために呼吸性および／または心臓性を改変することによって、異常を同定する以前の方法より強力であることを見出した。望ましくないアーチファクトが異常値として頻繁には現れず、改変が特定の呼吸測定におけるバイアスをもたらす可能性があるので、これら以前の方法は限定される。

図２Ｆは、図１Ａで処理されるように同じデータに適用される典型的なマルチスケール・エントロピー法の結果を示す。図２Ｆにおいて、垂直スケールはサンプル・エントロピーで、水平スケールはエントロピー・スケールである。ここで、水平スケールは、０から１を変化するエントロピーを示し、垂直スケールはマルチスケール・エントロピー法のスケールを示す。図の上の曲線は正常呼吸のためのマルチスケール・エントロピーである、そして、下の曲線はＰＢからのマルチスケール・エントロピーである。予想通り、ＰＢと正常呼吸にはより短いスケールで同程度のエントロピーがあることは明らかであり、そのため、これらのスケールのエントロピーはＰＢと正常呼吸を明確には区別しない。しかしながら、より長いエントロピー・スケールで、ＰＢのエントロピーは、正常呼吸のエントロピーより際立って少ない。また、そのエントロピー曲線は、より小さな傾斜を持つ。従って、マルチスケール・エントロピーは、正常呼吸とＰＢを区別することができる。引用した分析方法のために、例えば、Ｍａｎｏｌａｋｉｓ Ｄ．Ｇら、２００５年、統計的に適応可能な信号処理：スペクトル評価、シグナルモデリング、適応可能なフィルタリングとアレイ処理、Ａｒｔｅｃｈ Ｈｏｕｓｅ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ ＬｉｂｒａｒｙとＢｒｉｌｌｉｎｇｅｒ ＤＲ、１９８１年、第２版、時系列−データ解析と理論、Ｈｏｌｄｅｎ Ｄａｙ、サンフランシスコを参照。また、Ｐｒｅｓｓら、１９９２年、Cの数値的レシピ、ケンブリッジ大学出版も参照。

（心拍変動（ＨＲＶ）の分析）
本発明は、ＨＲＶ測定を曲解する入力データにおける異常を認識して、除去することによって、ＨＲＶのより信頼性が高く正確な測定のための方法を与える。前置きとして、ＨＲＶ測定と入力データ異常を認識する既知の方法を簡潔に述べる。まず、心拍数データの時間領域分析及び周波数領域分析によるＨＲＶ測定の標準分析法が知られている。Ｃａｒｕｍら、１９９６年を参照（前述した）。入力心拍数データは、大抵並列の心電図（ＥＣＧ）記録の連続したＲ波間の時間的間隔（Ｒ−Ｒ間隔）として測定される。Ｒ波出現は既知の方法によってＥＣＧで容易に認識され、Ｒ−Ｒ間隔はそれで連続したＲ波出現の間の時間的間隔の系列である。入力ＲＲ間隔データの異常はＨＲＶを深刻に歪め、そして、特定の治療がそのような異常が十分にない「きれいな」データを選択する際に必要である。異なる「クリーニング」方法は、異なるタイプの異常の場合適用される。

ＲＲ間隔異常は、例えば歩行モニタリングで特に生じる動作や他のアーチファクトに起因する非心臓性の原因から生じることが知られている。従って、患者が例えば、並列の加速度計データから測定されるように動いていない期間に、ＨＲＶ測定は限られる。あるいは、ＨＲＶは患者の動作の間に測定されるが、認識された動作のアーチファクトを制限するか、除去するためにフィルタリングされたデータを用いている。動作のアーチファクトを制限する方法が知られている。全体としてこの中の参照により本文で取り入れた、２００４年１１月１８日米国特許出願第１０／９９１，８７７号を参照。

ＲＲ間隔異常は、例えば不整脈のようなに内因性の心臓性の原因に起因することが知られている。交絡の不整脈は、異所性心室鼓動または心室期外収縮（ＶＰＢ）として知られている。ＶＰＢは事実上、特に正常な心拡張期の間に生じる突発性の心室収縮であり、それらはＶＰＢの後の一部のＲ−Ｒ間隔データを歪める。また、ＨＲＶ測定はＶＰＢ出現がないデータに限定できて、フィルタリングされたデータで行われ、生じたいかなるＶＰＢも修正するために修正される。そのような補正法は技術的に知られており、本発明で有利に用いられる。Ｌｉｐｐｍａｎら、１９９４年、心拍変動測定における転位症除去のための方法の比較、Ａｍ Ｊ Ｐｈｙｓｉｏｌ、１９９４年７月；２６７（１ Ｐｔ ２）：Ｈ４１ １−８を参照。

ＲＲ間隔異常も、呼吸異常から生じる。心拍数は呼吸（例えば呼吸洞性不整脈）の間異なることが知られ、呼吸異常はそのためにＲＲ間隔異常に先立ちうる。例えば、呼吸異常は、話すこと、せき、ため息、くしゃみ、その他内因性の呼吸プロセスに起因しうる。方法は、これらの呼吸現象を認識することで知られている。全体としてともに、この中の参照により本文に組み込まれる２００４年４月９日出願の米国特許出願番号第１０／８２２，２６０号及び２００４年１１月１８日出願の１０／９９１，８７７号を参照。同様に、ＰＢは低周波（例えばＰＢ周波数）の心拍数変化を生じうる。本発明の方法はＰＢを認識でき、そのため、ＰＢによる周期はＨＲＶ測定から除外できる。オプションとして、ＨＲＶはＰＢが生じていた周期からのＲＲ間隔データから測定され、そしてＰＢに誘発された変化をオプションとして修正できる。

しかしながら、発明者は、おそらくこれまで認められなかった、前述の方法が認識できない更なる種類の呼吸異常を見いだし、これらの更なる種類の呼吸異常を認識する方法を提供した。前述の方法は、一般に、例えば、呼吸センサの生データからすでに導かれた一回換気量（Ｖｔ）または呼吸速度（ＲＲ）のような呼吸データに異常を捜す。ここで与えられる方法は、その代わりに、直接呼吸センサから受け取られるように生の信号を検討する。提供される方法は、特に、患者の胸郭の時間的に変化する体積、面積、大きさ、周長、長さなどの部分に直接影響される呼吸センサでの呼吸モニタリングシステムに有利である。呼吸誘導プレチスモグラフィ（「呼吸性ＩＰ」または「ＲＩＰ」）は、好ましいこの種のモニタリングシステムである。ＲＩＰセンサは、多くの場合、時間で変化する患者の胸郭（ＲＣ）の大きさに、時間で変化する患者（ＡＢ）の大きさ、または、ＲＣとＡＢの両方の大きさに直接影響されるように構成される。ＲＩＰシステムに適用すると、提供さられる方法は望ましくは生のＲＣ信号および／または生のＡＢ信号を検討する。

与えられた方法は、ＲＲ間隔異常に至りうるような呼吸異常を反映する異常な変動性について、生の呼吸センサ信号を検索する。詳細には、提供さられる方法は、信号の頂点または極大（吸気の終わりに生じる）及び、信号の谷または極小（吸気の開始に生じる）の位置と値とを同定する入力センサ・データを検索する。アーチファクトのない安定した呼吸の間、連続した信号極大や連続した信号極小のいずれの間にも有意な変化がないことが分かっている。センサ信号極小またはセンサ信号極大における有意な変化がさまざまな異常とアーチファクトに関連することが分かっている。例えば、一般にセンサ信号のベースラインが、体位変換または突然の行動において、これらのベースラインの変化が信号の極大値または極小値を変えるようにシフトする。信号の極大または極小の呼吸毎の有意な変化は、一般に連続活動、会話、咳などを伴って起こる。しかしながら、特定の呼吸現象が、信号の極大だけの、または、信号の極小だけの有意な変化と一般に関連することがわかった。例えば、ため息または無呼吸が、信号の極大のみの変化につながるとわかった。従って、多くの状況では、安定した信号の極小は、安定した呼吸の測定に充分である。

異常な信号の変動性は、前の周期またはウインドウにおいて受信したセンサ信号入力と現在のウインドウで最近または現在のセンサ信号入力を比較することで測定される。好適な実施形態において、信号の極大または極小における有意な変化は、前のウインドウにおいて認める信号の極大や極小を代表する値を見つけること、そして、代表的な値から現在のウインドウのセンサ信号の極大または極小の違いを閾値設定することによって測定される。代表値を見つけることや閾値設定は、望ましくはデータ・ウインドウ毎に実行する。典型的な閾値設定法は以下の式を用いる。

と

と

ここで、Ｖ_ｐｅａｋ（Ｖ_{ｔｒｏｕｇｈ}）は、代表的な値からの有意な変化が現在のウインドウの信号の極大（極小）にある場合、上記の式にしたがってＦａｌｓｅにセットされるブール変数である。Ｎは現在のウインドウの呼吸の数、

はＮ回の信号極大を代表し、

はＮ回の信号極小を代表し、

はＮ回の一回換気量（吸気の終わりの量引く前の呼気の終わりの量）。この典型的な実装例において、代表的な値は中央値として測定する。更に、ＢＩ_ｊはｊ番目の極小値であり、ＥＩ_ｊはｊ番目の極大値である。Ｖ_{ｔｈｒｅｓｈ}は、（一回換気量の代表的な値によって標準化したものとして）現在の値と代表的な値の差が有意である（代わりに、異なる閾値が、信号の極大と極小に選択できる）とみなされる選択された閾値である。Ｖ_ｐｅａｋとＶ_{ｔｒｏｕｇｈ}は、上記の式によって計算されたブール値である。Ｖ_ｒは安定した呼吸が検出されるとＴｒｕｅにセットされるブール変数である。他の実施例において、安定した谷が検出される、または、安定した谷と頂点が検出されると、Ｖ_ｒはＴｒｕｅである。

他の実装例において、代表的な値は、他の統計的技術（例えば平均）によって選択できる。また、Ｖ_ｐｅａｋ（Ｖ_{ｔｒｏｕｇｈ}）は連続した信号の極大（極小）の差に依存でき、そして、頂点と谷を評価するために用いられる閾値は異なる可能性がある。例えば、

と

Ｖ_ｐｅａｋやＶ_{ｔｒｏｕｇｈ}を決定する他の関連した方法は明瞭で、本発明の範囲内にある。また、ブールの閾値テストは、他のテスト方式と置き換えられる。例えば、極大（極小）の特定の部分が閾値を上回る場合だけ、Ｖ_ｐｅａｋ（Ｖ_{ｔｒｏｕｇｈ}）はＦａｌｓｅにセットできる。

この提供された方法は望ましくはデータ・ウインドウ毎に実行され、多くの各ウインドウが数秒から数分までであるかもしれない。最初の検査の特定のウインドウは、１、２の不安定な呼吸だけを含み、このウインドウは不安定な呼吸を除外するために縮めることができ、縮めたウインドウは、付加的な不安定な呼吸を再び確認できる。付加的な不安定な呼吸が見つからない場合、そしてＨＲＶ分析は、ウインドウ持続期間の変化を修正している、縮めたウインドウで実行できる。あるいは、特に短いウインドウが使われる場合、不安定な呼吸が見つかると、全てのウインドウを拒否できる。

図４Ａ〜Ｃは、上記の方法の例である。これらの例のために、Ｎ＝１０とＶ_{ｔｈｒｅｓｈ}＝０．２は、適当なパラメータとして選ばれた。まず、図４Ａは、頂点も谷も安定していない不規則な呼吸の周期を示す。従って、一回換気量（頂点からそれらの次の谷までの距離）は大きく変化している。両方の他の実施例は、そのような呼吸型が安定していないと判定して、オプションとしてそれをＨＲＶ分析から除外する。

次に、図４Ｂは、一回換気量が実質的に安定しているにもかかわらず、頂点と谷がともに少しの間（２、３回の呼吸の間）実質的にそれらの最近のベースライン以下である、より規則的な呼吸を示す。このわずかな不安定性が、姿勢と活動による患者の加速現象を記録する並列の加速度計で検出できない、非常にわずかな姿勢の移動にかかわる点に留意する必要がある。両方の他の実施例は、再びそのような呼吸パターンが安定していないと判定し、オプションとして、それをＨＲＶ分析から除外する。上記の述べられた以前の方法は、おそらくこの異常を検出しないであろう。

最後に、図４Ｃは、より規則的な呼吸の更なる例を示す。ここで、谷はそれらの最近のベースラインの近くで安定したままである。しかしながら、頂点と従って一回換気量は、ベースラインから大きくそれている。第１の他の実施例は、頂点と谷の両方が安定していることを必要とするので、そのような呼吸パターンが安定していないことを判定する。対照的に、第２の他の実施例は、谷だけが安定していることを必要とするので、そのような呼吸パターンが安定していることを判定する。

（付加的な情報の分析）
胸部カルジオグラフィー（ＴＣＧ）は、腹側の胸部サイズの経時的測定から、非侵襲的に心拍出量（ＣＯ）の指標を与える。心臓の拡張期と収縮期を反映する心臓の拍動は、覆っている腹側の胸部のサイズ（例えば剣状突起の高さの横径部分の長さ）に影響を及ぼしうる。呼吸が腹側の胸部サイズの変化に優位であるとはいえ、吸息と呼息よりかなり少ない振幅ではあるが、心臓の活動と心臓の拍動は腹側の胸部サイズを変える。フィルタリングと平均化技術（例えば、集合平均化）は明確に心臓の活動を、より大きい呼吸活動から抽出するために開発された。全体としてこの中の参照によってこの中に組み込まれる１９９３年発行の米国特許番号５，１７８，１５１、２００４年発行の６，７８３，４９８及び、２００４年１１月１８日申請の米国出願１０／９９１，８７７を参照。これらの技術は、標準的で侵襲的な技術で測定される実際の心拍出量データを反映する（または、単調に相関する、または、ほぼ比例する）心拍出量の指標を与える。

ＣＯは、ＣＨＦを定義する重要なパラメータである。他の兆候がないＴＣＧ出力データの急激な変化は、代償不全を示すのみで、上述の他の徴候の存在において、代償不全を確認できる。ＴＣＧ出力データの慢性的な変化が患者のＣＨＦの進行を示すかもしれない。

他の有益な情報は、１から３軸加速度計からのデータ、パルスオキシメータからの血液酸素飽和度（ｓｐＯ２）データ、患者の体温などを含む。患者の姿勢と活動レベルの指標を与えることが技術的に知られているように、加速度データは処理される。オキシメーターは、たいてい、ｓｐＯ２情報を直接出力する処理モジュールを含む。

姿勢、活動及びｓｐ０２は、上記の徴候によって並行して認識される呼吸循環の徴候に役立つ基準を与える。例えば、運動中にだけ生ずる明らかなＣＨＦ代償不全は、休息時に断続的に生じる明らかなＣＨＦ代償不全より重要性が少ない。

（好ましいシステム実装例）
本発明の上記の方法に入力する、若しくは分析されるモニタリング・データは、例えば、多種多様なモニタリングシステムによって集める、病院内用、クリニック用若しくは携帯使用や他の環境出の使用のために設計したシステムのような幅広い種類のモニタリングシステムによって集められる。本発明の好適な実施形態は、患者が実質的に抑制されない方法で正常な日常活動を行う間にモニタリング・データが集められる、携帯型モニタリングを目的とする。また、本発明の方法は、携帯型システムからサーバ型システムまでの広範囲のコンピュータシステムに実装できる。本発明の好適な実施形態は、本発明の方法を移動する患者によって容易に持ち歩かれる携帯用の処理装置に実装する。そのような好適な実施形態において、患者のＣＨＦの状態は直ちに患者が利用でき、後の検査のために介護者に遠隔で送信もできる。

好適な実施形態の例は、組み込まれた生理学的センサと容易に携帯される処理装置を有するガーメント（一般に、快適で、控え目な着用できるどんな部材でも）を含む。患者がガーメントを着用すると、センサは付随する処理装置に信号を戻し、処理装置はセンサ信号を呼吸、心臓、および、他の生理的パラメータに変換する。そして、この処理装置（またはもう一つの類似の処理装置）は本発明の方法を実行する。そして、生理的パラメータから着用者のＣＨＦの状態を説明する情報を得る。ＣＨＦの状態と他のモニタリング情報は、リアルタイムで着用者に利用できるか表示され、介護者その他によってオフライン検査のために転送や送信できる。

更に詳細には、着用可能な適当なアイテムは、種々の材料、特に快適なフィットを約束する弾性材料から作ったガーメント、ジャケット、バンド、パッチなどを含むことができ、それらはワンピースで装着されるか、装着後に連結されるジッパー、ベルクロ、スナップなどを含むことができる。センサはさまざまな方法で、例えば、ガーメントの生地に織るか、編むか、を組むことによって、ガーメントに組み込め、またはガーメントに縫うか、携帯するか、装着するか、取り付け、また、柔軟なセンサは、ガーメントの内側または外側の表面に接着するか、印刷するか若しくは吹き付けることもできる。米国特許６，５５１，２５２を参照。

組み込まれたセンサは、好ましくは呼吸ＩＰセンサを含む。手短に言うと、ＩＰセンサは、それらの大きさにより異なるインダクタンスを備える、特別に構成された導電素子から成る。ＩＰセンサ・サイズで異なる周波数で振動するように、ＩＰセンサはオシレータ回路に含まれる。オシレータ周波数は、そして、ＩＰセンサのサイズを示すデジタルデータに変換される。米国特許６，５５１，２５２を参照。ＲＣとＡＢサイズを感知しうるＩＰセンサは調整され、相当する臨床測定の結果を正確に反映する一回換気量（Ｖｔ）と組み合わせることができる。Ｓａｃｋｎｅｒ， Ｍ． Ａ．、１９９６年、呼吸磁力計とレスピトレースのキャリブレーションのための簡便で信頼性の高い方法、Ｊ． Ａｐｐｌ． Ｐｈｙｓｉｏｌ．８１：５１６−７と、Ｔａｂａｃｈｎｉｋら、１９８１年、呼吸誘導プレチスモグラフを用いる小児における換気の管理、Ｊ． Ｐｅｄｉａｔｒｉｃｓ ９９：８９５−９を参照。腹側の胸部にある剣状突起の高さの腹側の胸部のＩＰセンサは、心臓拍動信号とＣＯの指標を得るために処理可能な信号を与える。着用可能なアイテムは、加速度計、パルスオキシメータ及び他のセンサを組み込むこともできる。

図５は、本発明の典型的な携帯型の実装例を示す。患者がＲＣとＡＢとＥＣＧ電極１２９で配置されるＩＰセンサ１２７を組み込むガーメント様のアイテム１２５を着用した状態が示される。ガーメントは、他のセンサを組み込んでもよい。付随する処理装置１３１は患者によって容易に携帯され、センサ信号を受けて処理し、本発明の方法を実行し、そして、患者に結果とデータを示す。装置１３１は、例えば、無線送信によって、または、物理的な輸送によってリモート・システム１２１にセンサ信号とデータを送信することもできる。リモート・システムは、介護者がリアルタイムに、または、あとでデータを検討することができるユーザインタフェースデバイス１２３を含む。

好ましい形態型の実施例において、患者のＣＨＦの状態に関する個々の指標を貯えるように、本発明の２つ以上の方法が同時に用いられる。図６は、すべての方法が複数のデータ・ソース１５７、１５９、１６１、１６３及び１６５（並行して利用できるとみなされる）から処理データに適切にまとめられる典型的なシステムの実施例を示す。パルスオキシメータのデータ１５７は、例えば、パルスオキシメータ自体の一部である方法によって、ｓｐＯ２値である１６７に変換する。例えば１分当たりに汲み出される血液のリットルのような、心拍出量の指標はＴＣＧデータ１６３から１７３を抽出する。姿勢と活動の指標は、加速度計データ１６５から１７５を抽出する。これらの３つのタイプのデータは、通常、心臓および呼吸の指標を評価する背景として用いられる。

呼吸データ１５９には、複数の用途がある。まず、呼吸データ１５９は、ＰＢの存在を検出するために、１６９のみを処理する。ＰＢと正常なｓｐＯ２の同時の存在が、ｓｐ０２が低下したＰＢより有意なことが知られているので、結合指標１７９はＰＢとｓｐＯ２の結果から形成される。あるいは、両方のデータ項目は、個々に考慮される。次の呼吸のデータ１５９と心臓の（ＥＣＧ）データ１６１は、適切に１８１のＨＲＶを検出するために、連帯的に処理される。呼吸データはまず、安定した呼吸の周期を判定するために１７１を処理する。呼吸が現在安定していない場合は、ＨＲＶ処理は１７７を遮断する。呼吸が現在安定している場合は、ＨＲＶ処理は１７７に進行し、そして、ステップ１８１で完了する。

患者のＣＨＦの状態に関係する5つのアイテム（ｓｐＯ２、ＰＢ、ＨＲＶ、心拍出量と姿勢と活動）がオプションとして、しかし、望ましくは１８３を要約したＣＨＦの状態に結合する。５の指標は、個々に出力もできる。これらのアイテムと指標は、既知の医学的な決定方法によって組み合わせられる。例えば、ルールはこれらの指標の医学的な評価方法をコード化できる。評価結果のある程度の尤度が判定できるように、体重はオプションとして規則に付けることができる。あるいは、現在の指標とそれらの値（例えばＰＢの周期と振幅）は、判別関数によってＣＨＦの状態の一回の推定に組み合わせることができる。この推定は閾値化されるか、さもなければ統計学的に最も見込みのあるＣＨＦの状態に変換することができる。ベイズ法も用いられる。

要約したＣＨＦの状態および／または個々のアイテムと指標は、患者におよび／または介護者に対する出力１８５である。

本発明の本方法は、ソフトウェアまたはファームウェア・プログラム可能なシステム上で実行される。ソフトウェア・プログラミングの場合、方法は標準的なコンピュータ言語、例えばＣ、Ｃ＋＋か、例えばＭａｔｌａｂと付随するツールボックス（Ｍａｔｈ Ｗｏｒｋｓ、Ｎａｔｉｃｋ、ＭＡ）のような高水準のアプリケーション言語でコードされる。コードは、それから翻訳されるか、マイクロプロセッサまたは同様を制御するために、実行可能なコンピュータ命令にコンパイルされる。ファームウェア・プログラミングの場合、ＶＨＤＬのようなソフトウェア言語またはハードウェア言語で書かれる高水準の測定法の仕様は、通常、プログラムされているハードウェアパーツの製造業者によって供給されるツールで、ビット・コードに翻訳される。例えば、製造業者のツールは、ＦＰＧＡｓを構成するために、ビット・ストリームの用意をする。本発明は、例えば、コンピュータの実行のため、または、ファームウェア装置をプログラムするために本発明の方法をコード化したコンピュータで読取り可能な媒体のような、ソフトウェア配布を含む。

特許と特許出願を含む多くの参考文献がここで引用され、そして、それらの全部において、すべての目的のための参考によって、それらの全ての開示がこの中に組み込まれる。更に、上記の特徴づけられる方法に関係なく、ここで請求された発明の内容より先行するものとしては、これらの参考文献はいずれも有効とは認められない。

ここで述べられる好適な実施形態は、本発明の範囲を限定するものではない。その代わりに、本発明及びその添付された請求項は、当業者にとって明らかな変更や構成と同様に等価の実施例をカバーするものである。本発明の特定の特徴を他ではなく、いくつかの図面に示すが、発明に従って各特徴がいずれか、または全ての他の特徴と便宜的に組み合わせてもよい。
本発明は、以下の内容を包含する。
［１］
患者の呼吸および心臓の生理の非侵襲的モニタリングによって生じる信号を受信して、前記信号は少なくとも前記患者の呼吸速度と容量及び前記患者の心拍数に関する情報を伝達し、
前記受信した信号に周期性変動呼吸（ＰＢ）の指標がないか検査し、
前記受信した信号に心拍変動（ＨＲＶ）の低下の指標がないか検査し、
前記ＰＢの指標及び前記ＨＲＶの指標に基づいて前記患者のＣＨＦの状態を示すこと
を含む患者におけるうっ血性心不全（ＣＨＦ）を自動的にモニタリングする方法。
［２］
前記患者が移動するときに、前記信号の少なくとも一部を受信する［１］に記載の方法。
［３］
ＰＢの指標が見られる場合またはＨＲＶの低下の指標が見られる場合に、ＣＨＦの重症度が増すことを知らせる［１］に記載の方法。
［４］
前記受信した信号が前記患者の心臓拍動の大きさに関する情報も伝達し、前記受信した信号に心拍出量（ＣＯ）の指標がないか検査し、ＰＢの指標が見られる場合、または、ＨＲＶの低下の指標が見られる場合、または、還元型ＣＯの低下の指標が見られる場合に、ＣＨＦの重症度が増していることを知らせる［１］に記載の方法。
［５］
前記受信した信号は前記患者の血液酸素含量（ｓｐＯ２）に関する情報も伝達し、ｓｐＯ２の低下の指標が見られる場合、または、ｓｐＯ２の指標がない場合、または、ＰＢが見つかる場合には、ＣＨＦの重症度が増していることを知らせる［１］に記載の方法。
［６］
前記患者の呼吸および心臓の生理をモニタリングして、少なくとも前記患者の呼吸速度と容量及び前記患者の心拍数に関する情報を伝達する信号を与える非侵襲性のセンサを有する装着型アイテムと、
前記センサの信号に周期性変動呼吸（ＰＢ）の指標がないか検査し、
前記センサの信号に心拍変動（ＨＲＶ）の低下の指標がないか検査して、
前記ＰＢの指標及び前記ＨＲＶの指標に基づいて前記患者のＣＨＦの状態を示すために前記センサに有効に接続するコンピュータとを、
含む患者におけるうっ血性心不全（ＣＨＦ）を自動的にモニタリングするシステム。
［７］
ガーメントは大きさを変更され、シャツの一部または、一つ以上のバンドとして構成されることを特徴とする［６］に記載のシステム。
［８］
前記コンピュータが携帯用のデジタル補助手段と類似する大きさ及び構造を有する［６］に記載のシステム。
［９］
前記システムが大きさを変更されて、控え目に着用されておよび／または移動する患者によって携帯されるように構成される［６］に記載のシステム。
［１０］
前記非侵襲性のセンサが心電図（ＥＣＧ）信号を感知しうる電極センサ、または時間で変化する患者のサイズを感知しうる誘導プレチスモグラフィ・センサの一つ以上を含む［６］に記載のシステム。
［１１］
前記非侵襲性のセンサが前記患者における患者の胸郭（ＲＣ）、または患者の腹部（ＡＢ）の時間で変化するサイズを感知しうる一つ以上のセンサを含み、前記コンピュータが前記ＲＣおよび／または前記ＡＢ信号に基づいて時間で変化する肺容量信号を判定する［６］に記載のシステム。
［１２］
与えられた前記センサの信号が前記患者の心臓の時間で変化する拍動（ＴＣＧ）を感知しうる信号を一つ以上含み、前記コンピュータが前記ＴＣＧの信号から心拍出量（ＣＯ）の指標を測定して、前記ＣＯの指標に更に基づいてＣＨＦの状態を知らせる［６］に記載のシステム。
［１３］
前記患者の呼吸生理を非侵襲的にモニタリングすることによって生じる信号を受信して、前記信号は少なくとも前記患者の呼吸速度及び容量に関する情報を伝達し、
前記受信した信号に周期性変動呼吸（ＰＢ）の指標がないか検査し、
ＰＢの指標が見られる場合に、重症度が増しているとして前記患者のＣＨＦの状態を知らせること
を含む患者におけるうっ血性心不全（ＣＨＦ）を自動的にモニタリングする方法。
［１４］
前記受信した信号から一定のサンプリング・レートでサンプリングした毎分換気量（ＶＥ）信号を判定することを更に含む［１３］に記載の方法。
［１５］
０時間シフトと複数の０以外の時間シフトでＶＥ信号を自動相関させることによって自動コレログラムを形成して、
前記自動コレログラムにＰＢの指標がないか検査し、前記自動コレログラムが０時間シフトの中央の極大に隣接する０以外の時間シフトの有意な極大を含む場合にはＰＢを知らせること
を前記検査の工程が更に含む［１４］に記載の方法。
［１６］
前記ＶＥデータのフーリエ変換法によるパワースペクトルを形成して、前記ＶＥデータに窓を掛け、
前記パワースペクトルにＰＢの指標がないか検査し、前記パワースペクトルがＰＢの周波数特性に有意な極大を含む場合にはＰＢを知らせること
を前記検査の工程が更に含む［１４］に記載の方法。
［１７］
前記ＶＥデータのロム−スカーグル法によるパワースペクトルを形成して、前記ＶＥデータに窓を掛け
前記パワースペクトルにＰＢの指標がないか検査し、前記パワースペクトルがＰＢの周波数特性に有意な極大を含む場合にはＰＢを知らせること
を前記検査の工程が更に含む［１４］に記載の方法。
［１８］
前記ＶＥデータのバーグ法によるパワースペクトルを形成して、前記ＶＥデータに窓を掛け、
前記パワースペクトルにＰＢの指標がないか検査し、前記パワースペクトルがＰＢの周波数特性に有意な極大を含む場合にはＰＢを知らせること
を前記検査の工程が更に含む［１４］に記載の方法。
［１９］
前記受信した信号が前記患者の胸郭（ＲＣ）、前記患者の腹部（ＡＢ）の一方または両方の時間で変化するサイズに関する情報を伝達し、
前記検査の工程が、自動相関法とフーリエ変換法とロム−スカーグル法及びバーグ法の一つ以上によって、前記受信した信号のパワースペクトルを形成することを更に含み、
前記パワースペクトルにＰＢの指標がないか検査して、前記パワースペクトルがＰＢの周波数特性と呼吸の周波数特性において、２つの有意な極大を含む場合にはＰＢを示す
［１３］に記載の方法。
［２０］
パワースペクトルを形成する工程の前に、前記受信した信号をトレンド除去し、前記トレンド除去した信号を調整することを更に含む［１９］に記載の方法。
［２１］
複数の付加的な信号の複数のエントロピーを計算し、前記複数の付加的な信号は、窓を掛けて続いて複数の粗さのグレイニングをすることにより前記受信した信号から導かれ、
粗さが小さな段階のグレイニングにおけるエントロピーと粗さが大きな段階のグレイニングにおけるエントロピーとを比較することによって、前記複数のエントロピーにＰＢの指標がないか検査すること
を前記検査の工程が更に含む［１３］に記載の方法。
［２２］
一つ以上の前記エントロピーがサンプル・エントロピー法によって計算される［２１］に記載の方法。
［２３］
患者の心臓生理を非侵襲的にモニタリングすることによって生じる信号を受信して、前記信号は少なくとも患者の心拍数に関する情報を伝達し、
前記受信した信号に心拍変動（ＨＲＶ）の低下の指標がないか検査し、
ＨＲＶの低下の指標が見られる場合には、重症度が増しているとして前記患者のＣＨＦの状態を知らせること
を含む患者におけるうっ血性心不全（ＣＨＦ）を自動的にモニタリングする方法。
［２４］
前記受信した信号が前記患者の呼吸生理を更にモニタリングして、前記患者の呼吸速度と容量に関する情報を伝達し
前記受信した信号に周期性変動呼吸（ＰＢ）の指標がないか検査し、
ＰＢが検出される期間において、前記受信した信号にＨＲＶの減少の指標がないか検査するのを中止することを更に含む
［２３］に記載の方法。
［２５］
前記受信した信号が前記患者の呼吸生理を更にモニタリングして、前記患者の呼吸速度と容量に関する情報を伝達し、
前記受信した信号に呼吸変動が異常に増加した周期がないか検査し、
呼吸変動性が異常に増加した周期において、前記受信した信号にＨＲＶの減少の指標がないか検査するのを中止することを更に含む
［２３］に記載の方法。
［２６］
前記受信した信号に呼吸変動が異常に増加した周期がないか検査する工程が
先のウインドウの周期と後のウインドウの周期に信号の極大または極小の位置または値を同定し、
前記後のウインドウの周期に同定された前記位置と値が、前記先のウインドウの周期に同定された前記位置と値に有意差があるか否かを判定し、
有意差が判定された場合には、前記後のウインドウの周期に呼吸変動が異常に増加した指標を与えること
を更に含む［２５］に記載の方法。
［２７］
２つの値の差が予め定められた閾値を上回る場合には、２つ値に有意差がある［２６］に記載の方法。
［２８］
前記信号の極大または前記信号の極小のうち両方ではなく、１つだけが同定されて、比較される［２６］に記載の方法。
［２９］
前記信号の極大および／または前記信号の極小の、値または位置の両方ではなく、１つだけが同定されて、比較される［２６］に記載の方法。
［３０］
信号の極大および／または極小の前記位置だけが同定されて、比較される［２６］に記載の方法。

Claims (4)

1. 患者の呼吸及び心臓の生理を非侵襲的にモニタリングすることにより生じる信号を受信して、前記信号は少なくとも前記患者の呼吸速度及び前記患者の心拍数に関する情報を伝達し、
   前記受信した信号に周期性呼吸（ＰＢ）の指標がないか検査し、
   前記受信した信号に心拍変動（ＨＲＶ）の低下の指標がないか検査し、
   前記ＰＢの指標及び前記ＨＲＶの指標に基づいて前記患者のＣＨＦの状態を示すコンピュータを含み、
   ＰＢが生じていた周期からの心電図（ＥＣＧ）記録の連続したＲ波間の時間的間隔（Ｒ−Ｒ間隔）のデータからＨＲＶは測定され、
   前記信号の極大または極小における有意な変化は、前のウインドウにおいて認める信号の極大および極小を代表する値を見つけること、および、次いで代表する値から現在のウインドウのセンサ信号の極大または極小の違いを閾値設定することによって測定され、当該閾値設定が下記式を用いて行われる、患者のうっ血性心不全（ＣＨＦ）を自動的にモニタリングするシステム。
   

   

   
   

   

   
   

   

   
   ［上記式中、代表する値からの有意な変化が現在のウインドウの信号のいずれかの極大にある場合、Ｖ_ｐｅａｋは上記の式にしたがってＦａｌｓｅにセットされるブール変数であり、代表する値からの有意な変化が現在のウインドウの信号のいずれかの極小にある場合、Ｖ_{ｔｒｏｕｇｈ}は上記の式にしたがってＦａｌｓｅにセットされるブール変数である。Ｎは現在のウインドウの呼吸の数、
   

   

   
   はＮ回の信号極大を代表し、
   

   

   
   はＮ回の信号極小を代表し、
   

   

   
   はＮ回の換気量を代表する。代表する値は中央値として測定する。更に、ＢＩ_ｊはｊ番目の極小値であり、ＥＩ_ｊはｊ番目の極大値である。Ｖ_{ｔｈｒｅｓｈ}は、現在の値と代表する値との間の差が有意であるとみなされる上記の選択された閾値である。Ｖ_ｐｅａｋとＶ_{ｔｒｏｕｇｈ}は、上記の式によって計算されたブール値である。Ｖ_ｒは安定した呼吸が検出されるとＴｒｕｅにセットされるブール変数である。］
2. ＰＢの指標が検出されるか、ＨＲＶの低下の指標が検出された場合に、ＣＨＦが重症度を増すことを知らせる請求項１に記載のシステム。
3. 前記受信した信号が、前記患者の心拍動の振幅に関する情報も伝達し、前記受信した信号が心拍出量（ＣＯ）の指標を検査され、ＰＢの指標が検出されるか、ＨＲＶの低下の指標が検出されるか、ＣＯの減少の指標が検出された場合に、前記ＣＨＦが重症度を増すことを知らせる請求項１に記載のシステム。
4. 前記受信した信号が、前記患者の血液酸素含量（ｓｐＯ２）に関する情報も伝達し、ｓｐＯ２減少の指標が検出されるか、ｓｐＯ２減少の指標が検出されないがＰＢが検出された場合に、ＣＨＦが重症度を増すことを知らせる請求項１に記載のシステム。
   
   

Images