JP6876057B2 - パラメータの最適化による呼吸メカニクス及び患者努力の同時推定 - Google Patents

パラメータの最適化による呼吸メカニクス及び患者努力の同時推定 Download PDF

Info

Publication number
JP6876057B2
JP6876057B2 JP2018535268A JP2018535268A JP6876057B2 JP 6876057 B2 JP6876057 B2 JP 6876057B2 JP 2018535268 A JP2018535268 A JP 2018535268A JP 2018535268 A JP2018535268 A JP 2018535268A JP 6876057 B2 JP6876057 B2 JP 6876057B2
Authority
JP
Japan
Prior art keywords
respiratory
pressure
airway
time
breath
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.)
Active
Application number
JP2018535268A
Other languages
English (en)
Other versions
JP2018536510A (ja
Inventor
ヴィカリオ，フランチェスコ
アルバネーゼ，アントニオ
ワン，ドン
カラモレグコス，ニコラオス
ワディ チュバット，ニコラス
ワディ チュバット，ニコラス
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of JP2018536510A publication Critical patent/JP2018536510A/ja
Application granted granted Critical
Publication of JP6876057B2 publication Critical patent/JP6876057B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/03—Detecting, measuring or recording fluid pressure within the body other than blood pressure, e.g. cerebral pressure; Measuring pressure in body tissues or organs
    • A61B5/036—Detecting, measuring or recording fluid pressure within the body other than blood pressure, e.g. cerebral pressure; Measuring pressure in body tissues or organs by means introduced into body tracts
    • A61B5/038—Measuring oral pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/085—Measuring impedance of respiratory organs or lung elasticity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/087—Measuring breath flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/091—Measuring volume of inspired or expired gases, e.g. to determine lung capacity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7242—Details of waveform analysis using integration
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/03—Intensive care
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A61B5/682—Mouth, e.g., oral cavity; tongue; Lips; Teeth
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture

Description

以下は、一般に、呼吸技術、呼吸モニタリング技術、及び、機械的換気技術等の関連技術に関する。
呼吸器系の臨床的評価は、例えば、呼吸筋圧、呼吸器系抵抗、及び呼吸器系コンプライアンス又はエラスタンスといった所定の呼吸値を推定することにより、定量的に行われ得る。
典型的にはＰｍｕｓ（ｔ）と表記される呼吸筋圧は、呼吸中に患者により加えられる（負）圧である。より具体的には、吸気中に、横隔膜は、肺の体積を膨張させるように機能し、したがって、（閉塞気道の場合のように）所与の体積の空気について圧力を低下させる、又は、（通常の吸入の場合には）空気を肺に吸い込ませる。呼吸筋圧は、一般的に患者の自発呼吸努力の指標であるので、呼吸モニタリングのための有用な指標である。Ｐｍｕｓ（ｔ）を推定することは、患者及び機械的人工呼吸器が、呼吸器系に対して行われる機械的作業を分担する圧支持換気（ＰＳＶ）等の機械的換気補助モードと組み合わせると特に価値がある。通常、目標は、患者を疲労させることなく効率的な呼吸を達成するのに十分な最小限の機械的換気を提供することである。したがって、Ｐｍｕｓ（ｔ）の定量的評価は、患者呼吸筋の萎縮及び疲労の両方を防ぐために、人工呼吸器により提供される適切なレベルの換気補助を選択するために用いられ得る。
患者によりなされる努力を評価するために一般的に使用される臨床パラメータは、呼吸仕事率（ＰｏＢ：power of breathing）又は呼吸仕事量（ＷｏＢ：work of breathing）として知られている。ＰｏＢは、積分により、Ｐｍｕｓ（ｔ）の推定値から計算され得、すなわち、以下の通りである：
Figure 0006876057
 上記の式において、Ｔは、好ましくは数回の呼吸を包含する何らかの選択された時間間隔である。ＰｏＢは、例えばジュール／分といった、単位時間当たりのエネルギー又はパワーの単位で測定される。式（１）における積分時間間隔Ｔが、１回呼吸（又は、Ｐｍｕｓ（ｔ）＝０が呼気について想定され得るので呼吸の吸気期間）としてＷｏＢについて規定されることを除いて、呼吸仕事量も同様である。したがって、ＷｏＢは、例えばジュール／呼吸といったエネルギー／呼吸の単位である。ＷｏＢの１つの複雑さは、呼吸持続時間が一般に呼吸ごとに変化し得ることである。
呼吸筋圧Ｐｍｕｓ（ｔ）は、例えば、先端がバルーンであるカテーテルを患者の食道に挿入することにより食道圧（Ｐｅｓ）を測定することによって、侵襲的に測定され得る。この手法において、測定されたＰｅｓ（ｔ）は、胸膜圧（Ｐｐｌ）に対する良好な代替であると想定され、測定されたＰｅｓ（ｔ）を、胸壁コンプライアンスＣｒｓ（又はエラスタンスＥｒｓ＝１／Ｃｒｓ）と組み合わせて使用して、いわゆるキャンベル線図を介して、又は、等価的に、Ｐｍｕｓ（ｔ）と、次に１回の呼吸期間又は吸気期間である時間間隔Ｔを用いた式（１）によるＷｏＢと、の明示的な計算を介して、ＷｏＢを計算することができる。気道閉塞を伴う技術は、（何らかの種類の呼吸困難のために通常は既に弱っている状態にある）患者にストレスを与える可能性があるので、Ｐｍｕｓ（ｔ）の侵襲的測定は問題となり得る。さらに、Ｐｍｕｓ（ｔ）の侵襲的推定は、一般に、実際には非現実的であり得る仮定に基づき、又は、異常な呼吸状態（例えば、気道が閉塞された状態）で行われ、その結果、推定されるＰｍｕｓ（ｔ）は、通常の呼吸中に患者によりなされるものとは異なる可能性がある。
呼吸器系抵抗（Ｒｒｓ）及びコンプライアンス（Ｃｒｓ）又はエラスタンス（Ｅｒｓ）は、患者の呼吸器系の機械的特性に関する定量的情報を提供する。これらの呼吸器系値は、呼吸器疾患を診断するために且つ／又は適切な機械的換気モダリティ及び／又は治療経路の選択を知らせるために、使用され得る。呼吸器系抵抗及びコンプライアンス（又はエラスタンス）の推定は、フローインタラプタ技術（吸気終末休止ＥＩＰとも呼ばれる）を適用することにより、行われ得る。しかしながら、これは、患者に生命維持呼吸を提供する治療上の機械的換気パターンを妨げる侵襲的技術である。
以下は、上述の問題及び他の問題に対処する新たな改良されたシステム及び方法を開示する。
１つの開示される態様において、呼吸モニタデバイスが開示される。気道内圧センサは、時間の関数としての気道内圧データを取得するよう構成されており、気道流量センサは、時間の関数としての気道流量データを取得するよう構成されている。呼吸検出器は、前記気道内圧データ及び前記気道流量データのうちの少なくとも１つにおいて呼吸間隔を検出するようプログラムされている電子プロセッサを含む。呼吸ごと呼吸変数推定器は、前記の検出された呼吸間隔にわたる時間の関数としての呼吸筋圧を、前記呼吸間隔にわたる前記気道内圧データ及び前記気道流量データを、気道内圧、気道流量、及び１回呼吸パラメータ化呼吸筋圧プロファイルを関連付ける肺の運動方程式にフィッティングして、前記１回呼吸パラメータ化呼吸筋圧プロファイルについての最適化されたパラメータ値を生成すること、及び、前記の検出された呼吸間隔にわたる時間の関数としての前記呼吸筋圧を、前記最適化されたパラメータ値を有する前記１回呼吸パラメータ化呼吸筋圧プロファイルとして推定することを含む動作により推定するようプログラムされている電子プロセッサを含む。いくつかの実施形態において、前記呼吸ごと呼吸変数推定器は、線形問題
Figure 0006876057
 の最小二乗最適化を実行することにより、前記呼吸間隔にわたる前記気道内圧データ及び前記気道流量データを、前記肺の運動方程式にフィッティングするようプログラムされており、
Figure 0006876057
 は、前記呼吸間隔にわたる前記気道内圧データのベクトルであり、
Figure 0006876057
 は、前記フィッティングすることにより最適化されたパラメータを含むパラメータベクトルであり、Ｍは結合行列である。前記パラメータベクトル
Figure 0006876057
 は、少なくとも１つの呼吸抵抗パラメータ及び少なくとも１つの呼吸コンプライアンス又はエラスタンスパラメータをさらに含み得、いくつかの実施形態において、呼吸イナータンスパラメータをさらに含む。
別の開示される態様において、非一時的な記憶媒体は、気道内圧データ及び気道流量データに対して作用する呼吸ごと呼吸変数推定方法を実行するように電子プロセッサにより実行可能な命令を記憶している。前記方法は、前記気道内圧データ及び前記気道流量データのうちの少なくとも１つにおいて呼吸間隔を検出するステップと、前記呼吸間隔にわたる前記気道内圧データ及び前記気道流量データを、気道内圧、気道流量、及び１回呼吸パラメータ化呼吸筋圧プロファイル（４０、４２）を関連付ける肺の運動方程式にフィッティングして、前記１回呼吸パラメータ化呼吸筋圧プロファイルについての最適化されたパラメータ値を生成するステップと、前記の検出された呼吸間隔にわたる時間の関数としての呼吸筋圧を、前記最適化されたパラメータ値を有する前記１回呼吸パラメータ化呼吸筋圧プロファイルとして推定するステップと、を含む。いくつかの実施形態において、前記１回呼吸パラメータ化呼吸筋圧プロファイルは、前記呼吸間隔の開始時における初期圧力から、第１の時間Ｔｐにおける最大の大きさの負圧まで延びる下降部分と、前記第１の時間Ｔｐから第２の時間Ｔｅまで延びる上昇部分と、前記第２の時間Ｔｅから前記呼吸間隔の終了時まで延びる平坦部分と、を有する。そのような実施形態において、前記フィッティングすることは、線形行列方程式を使用して、前記呼吸間隔の開始時における前記初期圧力Ｐ０、前記第１の時間Ｔｐにおける最大の大きさの前記負圧Ｐｐ、及び前記第２の時間Ｔｅにおける圧力Ｐｅを含む、前記１回呼吸パラメータ化呼吸筋圧プロファイルのパラメータについての最適化された値を生成し得る。線形問題として評価することを容易にするために、いくつかの実施形態において、前記線形行列方程式を使用する前記フィッティングすることは、前記呼吸筋圧プロファイルの時間パラメータをフィッティングしない。
１つの利点は、呼吸努力の推定を呼吸ごとに提供することにある。
別の利点は、吸気中の高頻度ノイズに対してロバストな、呼吸努力の推定を提供することにある。
別の利点は、適切なレベルの機械的換気補助を設定する際に使用するための改善された精度を有する、自発呼吸患者についての呼吸仕事量（ＷｏＢ）推定値又は呼吸仕事率（ＰｏＢ）推定値を提供することにある。
所与の実施形態は、本開示を読んで理解すると当業者に明らかになるであろう、前述の利点のうちの１つ、２つ、３つ以上、又は全てを提供し得る、且つ／又は、他の利点を提供し得る。
本発明は、様々なコンポーネント及びコンポーネントの配置、また、様々なステップ及びステップの配置の形態をとることができる。図面は、好ましい実施形態を例示するためだけにあり、本発明を限定するものとして解釈されるべきではない。
患者モニタ及び機械的人工呼吸器を含む、例示的なアプリケーションと組み合わせた呼吸変数推定システムを示す図。 図１の呼吸ごと呼吸変数推定器により使用され得る、例示的な１回呼吸区分的直線パラメータ化呼吸筋圧対時間呼吸プロファイルをプロットした図。 図１の呼吸ごと呼吸変数推定器により使用され得る、例示的な１回呼吸区分的放物線パラメータ化呼吸筋圧対時間呼吸プロファイルをプロットした図。 図１のシステムの呼吸ごと呼吸変数推定器により適宜に実行される例示的なプロセスのブロック図。
本明細書において開示される手法では、呼吸筋圧Ｐｍｕｓ（ｔ）、呼吸器系抵抗Ｒｒｓ、及び呼吸器系コンプライアンスＣｒｓ又はエラスタンスＥｒｓ＝１／Ｃｒｓが、肺の運動方程式
Figure 0006876057
 を評価することにより、呼吸ごとに同時に推定される。上記の式において、
Figure 0006876057
 は、測定された気道内圧であり、
Figure 0006876057
 は、測定された気道流量であり、Ｖ（ｔ）は、呼吸空気体積量、すなわち、
Figure 0006876057
 であり、Ｐｂａｓｅｌｉｎｅは定数である。この同時推定を実行する際、気道内圧
Figure 0006876057
 及び気道流量
Figure 0006876057
 がサンプリングされる。Ｎ個のサンプルを評価することは、Ｎ＋２個の未知数（Ｐｍｕｓ（ｔ）のＮ個の値とＲｒｓ及びＣｒｓの値とを含む）について解くことを必要とする。これは、データポイントの数（Ｎ）が未知数の数（Ｎ＋２）よりも少ないので、劣決定問題である。
問題が劣決定であることを超えて、ここで認識されるさらなる難しさは、測定された気道内圧
Figure 0006876057
 及び気道流量
Figure 0006876057
 が、特に急速に変化する一時的なフェーズである吸気中に、ノイズを多く含む可能性が高い、ということである。呼吸筋圧Ｐｍｕｓ（ｔ）を推定することを最大の対象とするのは、ノイズを多く含むこの一時的な吸気フェーズである。なぜならば、自発呼吸患者において呼吸筋圧がゼロでないと予想されるのが、吸気中であるからである。
本明細書において開示される手法は、有利なことに、肺の運動に関する既知の生理的制約を利用する。第１に、自発呼吸患者において、その運動は、呼吸サイクルに従うと予想される。これは、患者による吸気の開始により人工呼吸器の圧力がトリガされる圧支持換気（ＰＳＶ）等の補助モードで患者が機械的換気をしている場合に当てはまる。第２に、呼吸筋圧Ｐｍｕｓ（ｔ）は、特に、吸気開始時にベースライン値で始まり、何らかの（負の）ピーク値に達するまで減少し（すなわち、より負になり）、続いて吸気終了時にベースライン値に迅速に戻る所定のプロファイルを有すると予想される。吸気が終わった後、Ｐｍｕｓ（ｔ）は、呼吸の残りの期間の間（例えば、呼気期間中）、ベースライン圧力に近いままであると予想される。患者が正常でない呼吸又は不安定な呼吸をしている場合に、この一般プロファイルからのいくつかの実際のずれが、特定の呼吸サイクルにおいて存在し得るが、この一般プロファイルからの高頻度のずれ（すなわち、呼吸数よりもはるかに高い頻度でのずれ）は、ランダムであり呼吸にわたって平均してゼロに近づくべき測定ノイズに起因する可能性がより高い。
本明細書において開示される手法は、呼吸筋圧Ｐｍｕｓ（ｔ）の１回呼吸パラメータ化プロファイル表現を使用して、１回呼吸にわたる測定された
Figure 0006876057
 サンプルをフィッティングすることにより、これらの制約を利用する。このプロファイルのパラメータの適切な選択により、結果として生じる問題は、勾配降下法、Ｍａｒｑｕａｒｄｔ−Ｌｅｖｅｎｂｅｒｇ法、又は同様の最小二乗最適化等の技法により解くことができる線形問題である。非線形性を最適化問題に導入するであろうパラメータも、プロファイルに組み込まれ得るが、これらのパラメータは、グリッドサーチを用いて最適化される。実際には、非線形性を導入するであろうこれらのパラメータは、時間パラメータ（例えば、吸気にわたるピーク負値に対する時間及び吸気終了時間）である。
さらに、１回呼吸パラメータ化呼吸筋圧プロファイルは、肺の運動方程式（式（２））のベースライン圧力Ｐｂａｓｅｌｉｎｅを取り入れることができる。呼吸にわたるＰｂａｓｅｌｉｎｅの漸進的ドリフトの可能性に対応するために、本明細書において開示される例示的な１回呼吸パラメータ化呼吸筋圧プロファイルは、吸気の開始時及び終了時において異なる有効ベースライン値Ｐ０及びＰｅをそれぞれ含む。結果として生じる、肺の変更された運動方程式は、以下のように記述され得る：
Figure 0006876057
 上記の式において、Ｐｍｕｓ，ｐｒｏｆｉｌｅ（ｔ，Ｐ０，Ｐｐ，Ｐｅ）は、１回呼吸パラメータ化呼吸筋圧プロファイルである。最小二乗最適化は、圧力パラメータＰ０、Ｐｐ、Ｐｅを最適化する。これらの圧力パラメータは、吸気開始時におけるベースライン圧力Ｐ０、吸気中に達した最大負圧Ｐｐ、及び、吸気終了時におけるベースライン圧力Ｐｅである。典型的には、
Figure 0006876057
 であると予想されるが、これらの値の間の何らかの差が、式（２）のベースライン圧力Ｐｂａｓｅｌｉｎｅの何らかの漸進的ドリフトを経時的に考慮する最小二乗フィッティングにより得られ得る。
Figure 0006876057
 という表記は、式（３）が、時間パラメータＴｐ及びＴｅについての固定値を用いて評価されることを表す。時間パラメータＴｐは、プロファイルがピーク負圧Ｐｐに達する時間であり、時間パラメータＴｅは、プロファイルがベースライン圧力Ｐｅに戻る時間である。時間パラメータＴｐ及びＴｅを最小二乗フィッティングに組み込むことは、解くことが計算上はるかに難しい非線形問題をもたらすであろう。したがって、本明細書における例示的な例では、時間パラメータＴｐ及びＴｅが、グリッドサーチを用いてフィッティングされる。すなわち、式（３）が、いくつかの可能な（Ｔｐ，Ｔｅ）ペアについて最適化され、フィッティングされる呼吸にわたる、測定された
Figure 0006876057
 に対するベストフィットをもたらす最適化が選択される。
有利なことに、フィッティングされる呼吸にわたる、測定された
Figure 0006876057
 サンプルに対する式（３）の最小二乗フィッティングは、Ｒｒｓ、Ｃｒｓ、Ｐ０、Ｐｐ、及びＰｅという５つのパラメータのみをフィッティングすることを伴う。サンプリングレートが１０ミリ秒ごとに１サンプルであり、呼吸が３秒の持続時間である場合、データセットは、Ｎ＝３００個のサンプルを含むので、この問題は、ここでは非常に優決定である。急速収束はまた、パラメータについての物理的に現実的な開始値を使用することにより促進される。例えば、いくつかの適切な開始パラメータは、Ｐ０＝Ｐｅ＝０又はＰ０＝Ｐｅ＝Ｐａｖｇであり、ここで、Ｐａｖｇは、呼気フェーズ中の平均圧力である。残りのパラメータについての適切な開始値は、モニタリングされている患者のタイプについての典型的な文献値として選択され得る。パラメータ値を初期化するための他の選択肢も企図されている。５つのパラメータのこのフィッティングは高速であるので、１回呼吸の時間フレーム（典型的には、呼吸数が毎分１２〜２０回の範囲内である健常成人の場合、１回呼吸当たり３〜５秒）においていくつかの可能な（Ｔｐ，Ｔｅ）ペアについて最適化を繰り返し、最小のフィッティング誤差を伴う最適化を選択することができる。したがって、出力遅延は、いくつかの実施形態において、１回呼吸以下すなわち５秒以下のオーダーである。この短い遅延は、次のものを含む関心パラメータのほぼリアルタイムの傾向取りを可能にするのに十分である：最適にフィッティングされたプロファイル
Figure 0006876057
 として推定されたＰｍｕｓ（ｔ）、並びに、呼吸器系パラメータＲｒｓ及びＣｒｓ（又はＥｒｓ）。この短い遅延はまた、式（１）の評価によるほぼリアルタイムの呼吸仕事量（ＷｏＢ）又は呼吸仕事率（ＰｏＢ）を提供する。１回呼吸にわたって計算されるＷｏＢの場合、式（１）の積分の評価がＷｏＢ（Ｐ０，Ｐｐ，Ｐｅ，Ｔｐ，Ｔｅ）の形式の代数式を評価することに簡約されるように、パラメータ（Ｐ０，Ｐｐ，Ｐｅ，Ｔｐ，Ｔｅ）によりパラメータ化された
Figure 0006876057
 の閉形式の積分を解析的に計算することが企図されている。
次に図１を参照して、上記の原理を使用する呼吸パラメータ推定システムが、例示的な患者モニタ及びその機械的人工呼吸器設定アプリケーションとともに説明される。機械的人工呼吸器１０は、患者１２が自発的に呼吸している、圧支持換気（ＰＳＶ）等の補助モードで患者１２の機械的換気を提供している。機械的人工呼吸器１０は、注入空気ホース１４を介して患者に加圧空気を供給し、呼気が、排出空気ホース１６を介して人工呼吸器１０に戻る。患者への／からの空気の連通は、フルフェイスマスク又は気管チューブ等の適切な患者アクセサリ１８を介する。
図１に概略的に示されているように、気流回路は、気道内圧
Figure 0006876057
 を測定（すなわちサンプリング）する気道内圧センサ２０と、気道流量
Figure 0006876057
 を測定する気道流量センサ２２と、を含む。空気漏れが時折存在する非侵襲的換気の場合、気道流量
Figure 0006876057
 は、漏れ推定アルゴリズムを使用して、空気漏れについて任意的に補正されてもよい。積分器２４は、空気体積量
Figure 0006876057
 を計算する。さらに、本明細書において開示される呼吸変数推定手法は、呼吸ごとに作用するので、呼吸検出器２８は、取得された
Figure 0006876057
 サンプルストリームを、１回呼吸にそれぞれ対応する時間セグメントに区分化するよう構成されている。図１の例示的な実施形態において、呼吸検出器２８は、気道内圧サンプル
Figure 0006876057
 を解析し、例えば、息の吸い込みの開始を示す、
Figure 0006876057
 の特徴的な急激な減少として、吸気の開始を検出することができる。次いで、連続する各呼吸が、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規定される。代替的に、呼吸検出器は、気道流量信号
Figure 0006876057
 を解析して、連続する呼吸を検出することもできるし、又は、気道内圧及び気道流量の両方を解析して、呼吸間隔を検出することもできる。呼吸解析器により識別された各呼吸は、ここでは時間間隔［０，Ｔｔｏｔ］と表記され、ここで、時間０は、吸気期間の開始時における最初のサンプルに対応し、時間Ｔｔｏｔは、呼吸の終了、すなわち、呼吸検出器２８により検出された次の呼吸の開始の直前の最後のサンプルに対応する。
呼吸ごと呼吸変数推定器３０は、呼吸検出器２８により線引きされた各呼吸間隔［０，Ｔｔｏｔ］について、式（３）又は別の適切な肺の運動方程式を評価して、呼吸間隔にわたる呼吸筋圧Ｐｍｕｓ（ｔ）と呼吸器系抵抗Ｒｒｓ及びコンプライアンスＣｒｓ又はエラスタンスＥｒｓとを決定する。例えば、式（３）の等価呼吸回路３４が、図１に概略的に示されている。計算された呼吸筋圧、抵抗、及びコンプライアンス又はエラスタンスの値は、例えば、患者又は看護師のステーションモニタ２６に表示される且つ／又は式（１）に従ってＷｏＢ計算器３２（又は代替的にＰｏＢ計算器）により処理される等、様々に使用され得る。計算されたＰｏＢ又はＷｏＢは、１つ以上の人工呼吸器設定を評価して任意的に調整する際の医師による参照のために、例えば、傾向線として且つ／又は現在の数値として、機械的人工呼吸器１０のディスプレイコンポーネント３６上に表示され得る。計算されたＰｏＢ又はＷｏＢ（及び場合によっては他の入力）に基づくこれらの設定の自動閉ループ制御も企図されている。
データ取得及び処理コンポーネント２０、２２、２４、２８、３０、３２は、特定の実装形態において様々に構成され得る。例えば、気道内圧センサ２０は、患者アクセサリ１８に組み込まれ得るのに対し、気道流量センサ２２は、患者アクセサリ１８に組み込まれ得る、若しくは、空気ホース１４、１６のうちの１つに取り付けられ得る、又は、機械的人工呼吸器１０内に収容され得る。データ解析コンポーネント２４、２８、３０、３２は、機械的人工呼吸器１０のマイクロコントローラ若しくはマイクロプロセッサ又は他の電子プロセッサ、及び／又は、患者又は看護師のステーションモニタ２６のマイクロプロセッサ若しくはマイクロコントローラ又は他の電子プロセッサ等の任意の電子データ処理デバイスにより実装され得る。データ処理は、さらに、開示されているデータ処理機能及び他の機能（例えば、データ取得、ディスプレイデバイス制御等）を実行するように電子プロセッサにより読み取り可能であり実行可能である命令を記憶する非一時的な記憶媒体として具現化され得る。非一時的な記憶媒体は、例えば、ハードディスクドライブ若しくは他の磁気記憶媒体、及び／又は、光ディスク若しくは他の光記憶媒体、及び／又は、フラッシュメモリ若しくは他の電子記憶媒体、及び／又は、他の同様のものを含み得る。取得された
Figure 0006876057
 及び
Figure 0006876057
 の電子データ処理を可能にするために、これらの信号がサンプリングされてデジタル化される。サンプリング及びアナログ／デジタル（Ａ／Ｄ）変換回路は、それぞれのセンサ２０、２２に組み込まれることもあるし、又は、サンプリング及びＡ／Ｄ変換は、機械的人工呼吸器１０又は患者若しくは看護師のステーションモニタ２６のセンサ入力ポートに関連付けられたサンプリング及びＡ／Ｄコンバータにより実行されることもある。これらのデータ取得及び前処理又はデータフォーマット化の詳細は、図１には示されていない。
引き続き図１を参照し、さらに図２を参照して、呼吸ごと呼吸変数推定器３０の例示的な実施形態が説明される。この例示的な実施形態は、図２に示され、以下で与えられる１回呼吸区分的直線パラメータ化呼吸筋圧プロファイル４０を使用する：
Figure 0006876057
この例示的な１回呼吸パラメータ化呼吸筋圧プロファイル４０において、時間パラメータＴｐ及びＴｅは、既知であると仮定され、プロファイルは、Ｐｍｕｓ（ｔ）が、ｔ＝０とｔ=Ｔｐとの間で直線的に減少し、ｔ＝Ｔｐとｔ＝Ｔｅとの間で直線的に増加し、ｔ＝Ｔｅからｔ＝Ｔｔｏｔまで一定のままである、と仮定する。式（４）の呼吸筋圧プロファイルＰｍｕｓ，ｐｒｏｆｉｌｅ（ｔ，Ｐ０，Ｐｐ，Ｐｅ）（ここで再度、Ｔｐ及びＴｅは固定値として得られる）を使用して、式（３）の肺の運動方程式を、１回呼吸にわたる測定サンプルのセット
Figure 0006876057
 、
Figure 0006876057
 、．．．、
Figure 0006876057
 に適用することは、以下の行列方程式をもたらす：
Figure 0006876057
 上記の式（５）において、ＰＹという表記は、本明細書の別の箇所で使用されている
Figure 0006876057
 という気道内圧表記に取って代わり（下付き文字「Ｙ」は、患者アクセサリ１８としてのＹ部品の例示的な使用を示している）、呼吸器系抵抗Ｒｒｓ及びエラスタンスＥｒｓはそれぞれ、短縮形Ｒ及びＥにより表されている。行列方程式（５）は、最小二乗最適化（例えば、勾配降下法、Ｍａｒｑｕａｒｄｔ−Ｌｅｖｅｎｂｅｒｇ法等）を用いて、パラメータベクトル［Ｒ Ｅ Ｐ０ Ｐｐ Ｐｅ］Ｔについて解かれ、呼吸筋圧は、Ｐ０、Ｐｐ、及びＰｅについての最適化された値とＴｐ及びＴｅについての仮定された固定値とを用いる式（４）を使用して、呼吸間隔［０，Ｔｔｏｔ］にわたって推定される。
式（５）は、有利なことに、
Figure 0006876057
 の形で表現することができる線形問題であり、ここで、
Figure 0006876057
 は、測定値ベクトル（より詳細には、式（５）における気道内圧データベクトル
Figure 0006876057
 ）であり、
Figure 0006876057
 は、パラメータベクトル（より詳細には、式（５）における［Ｒ Ｅ Ｐ０ Ｐｐ Ｐｅ］Ｔ）であり、Ｍは結合行列である。原理的には、Ｔｐ及びＴｅも、最小二乗最適化のパラメータであり得る。しかしながら、結果として生じる問題は、
Figure 0006876057
 の形で表現可能な線形問題ではないであろう。したがって、いくつかの実施形態において、呼吸筋圧プロファイルの時間パラメータは、最小二乗フィッティングによりフィッティングされない。
本明細書における例示的な例において、Ｔｐ及びＴｅの最適化は、式（５）がＴｐ及びＴｅのいくつかの異なる選択肢について解かれ、最良の最適化結果のＴｐ及びＴｅの値が選択されるグリッドサーチを用いて実行される。２つのパラメータＴｐ及びＴｅのみが含まれ、さらに、これらのパラメータが、生理的に合理的な値の狭い範囲を有するからである。少なくとも、０＜Ｔｐ＜Ｔｅ＜Ｔｔｏｔが成り立ち、これらの制約は、呼吸間隔［０，Ｔｔｏｔ］にわたる吸気期間の生理的に合理的な範囲を考慮することにより、さらに狭められ得る。
引き続き図１及び図２を参照し、さらに図３を参照すると、呼吸ごと呼吸変数推定のさらなる改善を提供するために、最小二乗最適化はまた、２つ以上の異なる呼吸筋圧プロファイル形状について繰り返され得、最良の最適化（すなわち、最小のフィッティング誤差を伴う最適化）が選択される。非限定的な例として、図３は、間隔［０，Ｔｐ）がＰ０で始まりＰｐで終わる減少している放物線関数であり、間隔［Ｔｐ，Ｔｅ）がＰｐで始まりＰｅで終わる増加している放物線関数であり、間隔［Ｔｅ，Ｔｔｏｔ］が一定値Ｐｅを有する１回呼吸区分的放物線パラメータ化呼吸筋圧プロファイル４２を示している。時間パラメータＴｐ及びＴｅは、ここでも既知であると仮定され、グリッドサーチを用いて最適化され得る。最小二乗最適化はまた、２つの放物線セグメント［０，Ｔｐ）及び［Ｔｐ，Ｔｅ）についての異なるボーイング（bowing）パラメータを有する、１回呼吸放物線パラメータ化呼吸筋圧プロファイル４２の異なるインスタンスについて繰り返され得る。所与のプロファイル形状及び時間パラメータのセットＴｐ及びＴｅを用いた各最小二乗最小化は、
Figure 0006876057
 の形の線形問題であるので、比較的多数（例えば、１２以上）のこのような最適化が、１〜２秒で実行され得、その結果、最適化全体を、１回呼吸の時間フレームで完了することができる。これは、呼吸ごとに繰り返されて、１つの呼吸間隔未満の時間遅延で連続波形Ｐｍｕｓ（ｔ）が生成される。
まとめると、図２及び図３の直線プロファイル及び放物線プロファイルをそれぞれ使用して、呼吸ごと呼吸変数推定が、次のように実行され得る：（１）時間ペア（Ｔｐ，Ｔｅ）のセットを規定し、（２）各ペアについて、区分的直線プロファイル及び区分的放物線プロファイルを用いて、対応する最小二乗最適化問題を構築し（１つの最適化問題が図２の区分的一次プロファイルを用い、もう１つの最適化問題が図３の区分的二次プロファイルを用いる２つの最適化問題が、各時間ペアについて構築される）、（３）各最小二乗最適化問題を解き、対応する二乗和を計算し、（４）全ての最小二乗最適化のうち、最小の二乗和を見つけ、（５）最小の二乗和を持つ解についての適切なプロファイルとパラメータベクトル［Ｒ Ｅ Ｐ０ Ｐｐ Ｐｅ］Ｔとを使用して、呼吸について、Ｐｍｕｓ（ｔ）と呼吸器系抵抗及びエラスタンスとを推定するように計算する。ステップ（１）〜ステップ（５）が、連続する各呼吸について繰り返される。
いくつかの実施形態において、１回呼吸区分的放物線パラメータ化呼吸筋圧プロファイルは、呼吸間隔の開始時（時間ｔ＝０）の初期圧力（Ｐ０）から、第１の時間Ｔｐにおける最大の大きさの負圧（Ｐｐ）まで延びる下降部分と、第１の時間Ｔｐから第２の時間Ｔｅまで延びる上昇部分と、第２の時間Ｔｅから呼吸間隔の終了まで延びる平坦部分と、を含む一般形状を有する。この一般形状は、図２及び図３のプロファイル４０及び４２、並びに、多数の変形（例えば、ｔ＝０とｔ＝Ｔｐとの間の放物線形状及びｔ＝Ｔｐとｔ＝Ｔｅとの間の直線形状を有するもの）を包含する。
図１を特に参照すると、前述の実施形態において、使用される肺の運動方程式は、式（２）の一次形式である。これは、抵抗及びコンプライアンスを直列に含むＲＣ回路である、図１に示されている等価呼吸回路３４を使用して、呼吸器系をモデル化する。他の企図される実施形態において、呼吸器系は、より複雑な等価呼吸回路により表される。例えば、以下の肺の二次運動方程式
Figure 0006876057
 は、呼吸器系イナータンスを表すパラメータＬを含み、単一の抵抗Ｒｒｃを、放物線抵抗を特徴付ける抵抗パラメータＲ０及びＲ１で置き換える。したがって、式（６）の肺の運動方程式は等価ＬＲＣ回路である。
図４を参照すると、一実施形態において、それぞれの式（６）及び（２）の肺の二次運動方程式及び一次運動方程式は、２パスアプローチで適用される。ブロック５０、５２により表される第１のパスにおいて、式（６）のＬＲＣ回路が、図２の１回呼吸区分的直線パラメータ化呼吸筋圧プロファイル４０と、時間パラメータペア（Ｔｐ，Ｔｅ）についてのいくつかの異なる値と、を使用してフィッティングされ（ブロック５０）、図３の１回呼吸区分的放物線パラメータ化呼吸筋圧プロファイル４２と、時間パラメータペア（Ｔｐ，Ｔｅ）についてのいくつかの異なる値と、を使用してフィッティングされる（ブロック５２）。ブロック５４は、最小の残差二乗和（すなわち、最小のフィッティング誤差）を持つ最小二乗（ＬＳ）解を選択し、時間パラメータＴｅを、最小の残差二乗和（すなわち、最小のフィッティング誤差）を持つこのＬＳ解の値に設定する。ブロック６０、６２により表される第２のパスにおいて、式（２）のＲＣ回路が、図２の１回呼吸区分的直線パラメータ化呼吸筋圧プロファイル４０と、時間パラメータＴｐについてのいくつかの異なる値と、を使用してフィッティングされ（ブロック６０）、図３の１回呼吸区分的放物線パラメータ化呼吸筋圧プロファイル４２と、時間パラメータＴｐについてのいくつかの異なる値と、を使用してフィッティングされる（ブロック６２）。ブロック６０、６２のＬＳ最適化を実行する際、時間パラメータＴｅは、ブロック５４において選択された値に固定されたままである。その後、ブロック６４において、最小の残差二乗和を持つ、ブロック６０、６２からの最小二乗（ＬＳ）解が選択され、Ｒｒｓ、Ｃｒｓ（又はＥｒｓ）、及びＰｍｕｓ（ｔ）〜Ｐｍｕｓ，ｐｒｏｆｉｌｅ（ｔ）を含むパラメータのセット６６が、最小の残差二乗和を持つ選択されたＬＳ解から生成される。
本発明が、好ましい実施形態を参照して説明された。前述の詳細な説明を読んで理解すると、変形形態及び変更形態が想起されるであろう。本発明は、請求項又はその均等の構成の範囲に含まれる限りにおいて全てのそのような変形形態及び変更形態を含むものと解釈されることが意図されている。

Claims (14)

  1. 時間の関数としての気道内圧データを取得するよう構成されている気道内圧センサ及び時間の関数としての気道流量データを取得するよう構成されている気道流量センサと、
    前記気道内圧データ及び前記気道流量データのうちの少なくとも１つにおいて呼吸間隔を検出するようプログラムされている電子プロセッサを含む呼吸検出器と、
    前記の検出された呼吸間隔にわたる時間の関数としての呼吸筋圧を、
    前記呼吸間隔にわたる前記気道内圧データ及び前記気道流量データを、気道内圧、気道流量、及び１回呼吸パラメータ化呼吸筋圧プロファイルを関連付ける肺の運動方程式にフィッティングして、前記１回呼吸パラメータ化呼吸筋圧プロファイルについての最適化されたパラメータ値を生成すること、及び
    前記の検出された呼吸間隔にわたる時間の関数としての前記呼吸筋圧を、前記最適化されたパラメータ値を有する前記１回呼吸パラメータ化呼吸筋圧プロファイルとして推定すること
    を含む動作により推定するようプログラムされている電子プロセッサを含む呼吸ごと呼吸変数推定器と、
    を有し、
    前記１回呼吸パラメータ化呼吸筋圧プロファイルは、Ｐ ｍｕｓ，ｐｒｏｆｉｌｅ （ｔ，Ｐ ０ ，Ｐ ｐ ，Ｐ ｅ ）であり、Ｐ ０ は、前記呼吸間隔の開始時における呼吸筋圧を表すフィッティングされたパラメータであり、Ｐ ｐ は、前記呼吸間隔にわたる最大の大きさの負の呼吸筋圧を表すフィッティングされたパラメータであり、Ｐ ｅ は、前記呼吸間隔の終了時における呼吸筋圧を表すフィッティングされたパラメータであり、
    前記肺の運動方程式は、
    Figure 0006876057
     及び
    Figure 0006876057
     のうちの１つであり、
    Figure 0006876057
     は、前記気道内圧データのサンプルを表し、
    Figure 0006876057
     は、前記気道流量データのサンプルを表し、Ｖ（ｔ）は、気道流量データの積分により計算された空気流量体積を表し、Ｒ ｒｓ は、呼吸器系抵抗を表すフィッティングされたパラメータであり、Ｃ ｒｓ は、呼吸器系コンプライアンスを表すフィッティングされたパラメータであるか、又は、Ｅ ｒｓ は、呼吸器系エラスタンスを表すフィッティングされたパラメータであるかのいずれかである、呼吸モニタデバイス。
  2. 前記呼吸ごと呼吸変数推定器は、線形問題
    Figure 0006876057
     の最小二乗最適化を実行することにより、前記呼吸間隔にわたる前記気道内圧データ及び前記気道流量データを、前記肺の運動方程式にフィッティングするようプログラムされており、
    Figure 0006876057
     は、前記呼吸間隔にわたる前記気道内圧データのベクトルであり、
    Figure 0006876057
     は、前記フィッティングすることにより最適化されたパラメータを含むパラメータベクトルであり、Ｍは結合行列である、請求項１記載の呼吸モニタデバイス。
  3. 前記パラメータベクトル
    Figure 0006876057
     は、少なくとも１つの呼吸抵抗パラメータ及び少なくとも１つの呼吸コンプライアンス又はエラスタンスパラメータをさらに含む、請求項２記載の呼吸モニタデバイス。
  4. 前記パラメータベクトル
    Figure 0006876057
     は、呼吸イナータンスパラメータをさらに含む、請求項３記載の呼吸モニタデバイス。
  5. 前記１回呼吸パラメータ化呼吸筋圧プロファイルは、１回呼吸区分的直線パラメータ化呼吸筋圧プロファイル又は１回呼吸区分的放物線パラメータ化呼吸筋圧プロファイルである、請求項２乃至４いずれか一項記載の呼吸モニタデバイス。
  6. 前記呼吸ごと呼吸変数推定器は、
    前記呼吸間隔にわたる前記気道内圧データ及び前記気道流量データを、異なる１回呼吸パラメータ化呼吸筋圧プロファイルをそれぞれ有する複数の異なる肺の運動方程式にフィッティングし、
    前記の検出された呼吸間隔にわたる時間の関数としての前記呼吸筋圧を、ベストフィットする肺の運動方程式により生成された前記最適化されたパラメータ値を有する前記１回呼吸パラメータ化呼吸筋圧プロファイルとして推定する
    ようプログラムされている、請求項１乃至５いずれか一項記載の呼吸モニタデバイス。
  7. 前記異なる１回呼吸パラメータ化呼吸筋圧プロファイルは、少なくとも１つの１回呼吸区分的直線パラメータ化呼吸筋圧プロファイル及び少なくとも１つの１回呼吸区分的放物線パラメータ化呼吸筋圧プロファイルを含む、請求項６記載の呼吸モニタデバイス。
  8. 前記異なる１回呼吸パラメータ化呼吸筋圧プロファイルは、異なる時間パラメータ値を有する１回呼吸パラメータ化呼吸筋圧プロファイルを含み、時間パラメータは前記フィッティングすることによりフィッティングされない、請求項６乃至７いずれか一項記載の呼吸モニタデバイス。
  9. 機械的人工呼吸器と、
    前記の検出された呼吸間隔にわたる時間の関数としての前記の推定された呼吸筋圧を積分することにより、呼吸仕事率（ＰｏＢ）又は呼吸仕事量（ＷｏＢ）を推定するようプログラムされている電子プロセッサを含む呼吸仕事率又は仕事量推定器と、
    をさらに有する、請求項１乃至８いずれか一項記載の呼吸モニタデバイス。
  10. 前記呼吸検出器により検出された連続する呼吸間隔について前記呼吸ごと呼吸変数推定器により推定された、時間の関数としての前記呼吸筋圧の傾向線をプロットするよう構成されている、患者又は看護師のステーションモニタ
    をさらに有する、請求項１乃至９いずれか一項記載の呼吸モニタデバイス。
  11. 気道内圧データ及び気道流量データに対して作用する呼吸ごと呼吸変数推定方法であって、
    前記気道内圧データ及び前記気道流量データのうちの少なくとも１つにおいて呼吸間隔を検出するステップと、
    前記呼吸間隔にわたる前記気道内圧データ及び前記気道流量データを、気道内圧、気道流量、及び１回呼吸パラメータ化呼吸筋圧プロファイルを関連付ける肺の運動方程式にフィッティングして、前記１回呼吸パラメータ化呼吸筋圧プロファイルと呼吸器系抵抗と呼吸器系エラスタンス又はコンプライアンスとについての最適化されたパラメータ値を生成するステップと、
    前記の検出された呼吸間隔にわたる時間の関数としての呼吸筋圧を、前記最適化されたパラメータ値を有する前記１回呼吸パラメータ化呼吸筋圧プロファイルとして推定するステップと、
    前記呼吸器系抵抗を、前記呼吸器系抵抗についての前記最適化されたパラメータ値として推定するステップと、
    前記呼吸器系エラスタンス又はコンプライアンスを、前記呼吸器系エラスタンス又はコンプライアンスについての前記最適化されたパラメータ値として推定するステップと、
    を含み、
    前記検出すること、前記フィッティングすること、及び前記推定することは、電子プロセッサにより実行され、
    前記１回呼吸パラメータ化呼吸筋圧プロファイルは、Ｐ ｍｕｓ，ｐｒｏｆｉｌｅ （ｔ，Ｐ ０ ，Ｐ ｐ ，Ｐ ｅ ）であり、Ｐ ０ は、前記呼吸間隔の開始時における呼吸筋圧を表すフィッティングされたパラメータであり、Ｐ ｐ は、前記呼吸間隔にわたる最大の大きさの負の呼吸筋圧を表すフィッティングされたパラメータであり、Ｐ ｅ は、前記呼吸間隔の終了時における呼吸筋圧を表すフィッティングされたパラメータであり、
    前記肺の運動方程式は、
    Figure 0006876057
     及び
    Figure 0006876057
     のうちの１つであり、
    Figure 0006876057
     は、前記気道内圧データのサンプルを表し、
    Figure 0006876057
     は、前記気道流量データのサンプルを表し、Ｖ（ｔ）は、気道流量データの積分により計算された空気流量体積を表し、Ｒ ｒｓ は、呼吸器系抵抗を表すフィッティングされたパラメータであり、Ｃ ｒｓ は、呼吸器系コンプライアンスを表すフィッティングされたパラメータであるか、又は、Ｅ ｒｓ は、呼吸器系エラスタンスを表すフィッティングされたパラメータであるかのいずれかである、方法。
  12. 前記１回呼吸パラメータ化呼吸筋圧プロファイルは、前記呼吸間隔の開始時における初期圧力から、第１の時間Ｔｐにおける最大の大きさの負圧まで延びる下降部分と、前記第１の時間Ｔｐから第２の時間Ｔｅまで延びる上昇部分と、前記第２の時間Ｔｅから前記呼吸間隔の終了時まで延びる平坦部分と、を有する、請求項１１記載の方法。
  13. ディスプレイデバイス上に、時間の関数としての前記の推定された呼吸筋圧を表す傾向線を表示するステップと、
    前記ディスプレイデバイス上に、時間の関数としての前記呼吸器系抵抗を表す傾向線を表示するステップと、
    前記ディスプレイデバイス上に、時間の関数としての前記呼吸器系エラスタンス又はコンプライアンスを表す傾向線を表示するステップと、
    をさらに含む、請求項１１乃至１２いずれか一項記載の方法。
  14. 呼吸器系抵抗についての前記最適化されたパラメータ値は、２つの抵抗パラメータＲ０及びＲ１を含み、
    該呼吸器系抵抗は、
    Figure 0006876057
     として推定される、請求項１１乃至１３いずれか一項記載の方法。
JP2018535268A 2015-09-29 2016-09-18 パラメータの最適化による呼吸メカニクス及び患者努力の同時推定 Active JP6876057B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562234106P 2015-09-29 2015-09-29
US62/234,106 2015-09-29
PCT/IB2016/055568 WO2017055959A1 (en) 2015-09-29 2016-09-18 Simultaneous estimation of respiratory mechanics and patient effort via parametric optimization

Publications (2)

Publication Number Publication Date
JP2018536510A JP2018536510A (ja) 2018-12-13
JP6876057B2 true JP6876057B2 (ja) 2021-05-26

Family

ID=57113515

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018535268A Active JP6876057B2 (ja) 2015-09-29 2016-09-18 パラメータの最適化による呼吸メカニクス及び患者努力の同時推定

Country Status (5)

Country Link
US (1) US11191441B2 (ja)
EP (1) EP3356948B1 (ja)
JP (1) JP6876057B2 (ja)
CN (1) CN108135536B (ja)
WO (1) WO2017055959A1 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109069030B (zh) 2016-02-18 2021-10-19 皇家飞利浦有限公司 经由使用中心静脉压测压法增强呼吸参数估计和异步检测算法
US11883593B2 (en) 2016-12-20 2024-01-30 Koninklijke Philips N.V. Determining respiratory mechanic parameters in the presence of intrinsic positive end-expiratory pressure
US11559643B2 (en) 2017-11-14 2023-01-24 Covidien Lp Systems and methods for ventilation of patients
DE102020133460A1 (de) * 2020-01-07 2021-07-08 Drägerwerk AG & Co. KGaA Verfahren und Signalverarbeitungseinheit zur Ermittlung eines pneumatischen Maßes unter Verwendung eines lungenmechanischen Modells und eines Verlaufsmodells
CN112914526A (zh) * 2021-01-23 2021-06-08 刘阳 呼吸力学校正的脉搏压力变异度的专项评估方法
CN113181490B (zh) * 2021-04-14 2022-03-01 北京航空航天大学 一种基于二次规划的机械通气中呼吸系统特征估算的方法
CN117059250A (zh) * 2023-09-11 2023-11-14 巨翊科技（上海）有限公司 一种呼吸流量预测模型的构建方法、系统和预测装置

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2582010B2 (ja) 1991-07-05 1997-02-19 芳嗣 山田 呼吸筋活動のモニタ装置
US6068602A (en) 1997-09-26 2000-05-30 Ohmeda Inc. Method and apparatus for determining airway resistance and lung compliance
AU2979100A (en) * 1999-02-03 2000-08-25 University Of Florida Method and apparatus for nullifying the imposed work of breathing
US6435182B1 (en) 1999-03-24 2002-08-20 Trustees Of Boston University Enhanced ventilation waveform device
JP3713240B2 (ja) * 2000-04-26 2005-11-09 ユニヴァーシティ オブ マニトーバ 換気支援中の呼吸器系の抵抗を求める装置
AU2006297468B2 (en) * 2005-09-30 2012-01-19 New York University System and method for diagnosis and treatment of a breathing pattern of a patient
EP1972274B1 (en) 2007-03-20 2015-12-30 Drägerwerk AG & Co. KGaA Method and apparatus for determining the resistance of the respiratory system of a patient
US20100071696A1 (en) * 2008-09-25 2010-03-25 Nellcor Puritan Bennett Llc Model-predictive online identification of patient respiratory effort dynamics in medical ventilators
US20110237970A1 (en) * 2008-12-10 2011-09-29 Koninklijke Philips Electronics N.V. Determining elastance and resistance
DE102009023965A1 (de) 2009-06-05 2010-10-14 Drägerwerk AG & Co. KGaA Beatmungsvorrichtung mit einer selbsttätig gesteuerten druckunterstützenden Beatmung
EP2753390B1 (en) * 2011-07-01 2016-11-09 Koninklijke Philips N.V. System and method for limited flow respiratory therapy
JP6058676B2 (ja) 2011-09-21 2017-01-11 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 上気道抵抗測定デバイス
EP2776100B1 (en) 2011-11-07 2018-03-21 Koninklijke Philips N.V. Automatic patient synchrony adjustment for non invasive ventilation
WO2013126417A1 (en) * 2012-02-20 2013-08-29 University Of Florida Research Foundation, Inc. Method and apparatus for predicting work of breathing
RU2641516C2 (ru) * 2012-03-30 2018-01-17 Конинклейке Филипс Н.В. Система и способ оценки силы дыхания в реальном времени и контроллер замкнутого контура
BR112015007682A2 (pt) * 2012-10-10 2017-07-04 Koninklijke Philips Nv sistema configurado para fornecimento de terapia respiratória a um indivíduo durante uma sessão de terapia, método para estimar uma queda de pressão durante o fornecimento de terapia respiratória a um indivíduo
US10165966B2 (en) 2013-03-14 2019-01-01 University Of Florida Research Foundation, Incorporated Methods and systems for monitoring resistance and work of breathing for ventilator-dependent patients
US20140373845A1 (en) * 2013-06-25 2014-12-25 Covidien Lp Methods and systems for adaptive adjustment of ventilator settings

Also Published As

Publication number Publication date
EP3356948B1 (en) 2022-02-16
CN108135536B (zh) 2021-07-20
US20180279963A1 (en) 2018-10-04
CN108135536A (zh) 2018-06-08
EP3356948A1 (en) 2018-08-08
JP2018536510A (ja) 2018-12-13
US11191441B2 (en) 2021-12-07
WO2017055959A1 (en) 2017-04-06

Similar Documents

Publication Publication Date Title
JP6876057B2 (ja) パラメータの最適化による呼吸メカニクス及び患者努力の同時推定
JP6564318B2 (ja) リアルタイム肺メカニクスを評価するためのシステム
JP6831377B2 (ja) 推定性能を改善するための患者肺パラメータの息ごとの再評価
CN107205694B (zh) 通过呼吸参数的区域拟合的呼吸参数的同时估计
EP2641536B1 (en) Method for continuous and non-invasive determination of effective lung volume and cardiac output
RU2700981C2 (ru) Неинвазивная оценка внутриплеврального давления и/или вычисление работы дыхания на основании неинвазивной оценки внутриплеврального давления
US11738161B2 (en) System and method for adaptive scheduling of pause maneuvers used for estimation of compliance and/or resistance during mechanical ventilation
JP7168560B2 (ja) Ｐ０．１操作を使用する呼吸筋圧および換気力学の推定のためのシステムおよび方法
CN107690310B (zh) 用于经由连续参数估计来监测患者呼吸状态的无创方法
US11883593B2 (en) Determining respiratory mechanic parameters in the presence of intrinsic positive end-expiratory pressure
BR112012004244B1 (pt) Sistema configurado para quantificar a complacência pulmonar de um paciente que esteja pelo menos parcialmente auto-ventilado

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180330

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190912

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200812

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200901

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201130

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210330

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210423

R150 Certificate of patent or registration of utility model

Ref document number: 6876057

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150