JP6912388B2 - 逐次パラメータ推定を介する患者呼吸状態をモニタリングする非侵襲的方法 - Google Patents

Description

本発明は、概して、患者換気中の呼吸パラメータをモニタリングし、特徴付けるシステム及び方法に関する。本発明は、患者の換気ストラテジをカスタマイズするために、臨床医にリアルタイム診断情報を提供し、患者の転帰を向上させるシステムに特に応用され、これを特に参照して説明される。しかし、当然ながら、本発明は、他の使用シナリオにも応用され、上記応用に必ずしも限定されない。

呼吸器系のパラメータ（抵抗Ｒ_ｒｓ及びコンプライアンスＣ_ｒｓ）及び患者の吸気努力（呼吸筋圧Ｐ_ｍｕｓ（ｔ））のリアルタイム評価は、換気治療を最適化するために、臨床医に貴重な診断情報を提供する。

呼吸筋萎縮及び疲労を回避するために、適正なＰ_ｍｕｓ（ｔ）推定を使用して、患者の吸気努力を定量化し、換気補助の適切なレベルを選択することができる。更に、患者−ベンチレータ同期不全を低減するために、推定されたＰ_ｍｕｓ（ｔ）波形を使用して、ベンチレータをトリガリングしたり、サイクリングオフしたりすることができる。Ｒ_ｒｓ及びＣ_ｒｓの推定値も、患者の呼吸器系の機械的特性に関する定量的情報を臨床医に提供し、また、呼吸器疾患を診断し、適切なベンチレータ設定をより適切に選択するのに使用できるので、重要である。

Ｐ_ｍｕｓ（ｔ）は、従来、食道内圧測定を介して推定されてきている。この技術は、バルーンが患者の食道内に挿入される必要があるという意味で、侵襲的であり、また、更には、集中治療状態において長期間に亘って適用される場合には信頼性が高くない。

Ｐ_ｍｕｓ（ｔ）を推定する別の選択肢は、Ｐ_ｍｕｓ（ｔ）を、肺の運動方程式に基づいて計算することである。Ｒ_ｒｓ及びＣ_ｒｓは既知であると仮定して、Ｐ_ｍｕｓ（ｔ）を、肺の運動方程式として知られている次の方程式を介して推定することができる。

式中、Ｐ_ｙ（ｔ）は、ベンチレータのＹ字型部品において測定される圧力であり、

は、患者の呼吸器系に入り及びそこから出る空気の流量（これもＹ字型部品において測定される）であり、Ｖ（ｔ）は、ベンチレータによって患者に送出される空気のネットボリューム（経時的に流量信号

を積分することによって測定される）であり、Ｐ_０は、呼気の終わりにおける圧力を説明する定数項（方程式を釣り合わせるために必要であるが、それ自体は意義のあるものではない）であり、以下の説明では、Ｐ_ｍｕｓ（ｔ）の一部とみなされる。しかし、Ｒ_ｒｓ及びＣ_ｒｓは、最初に測定又は推定される必要がある。

Ｒ_ｒｓ及びＣ_ｒｓ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）（しかし、これは、ベンチレータの正常動作を妨げる）を適用することによって、又は、項Ｐ_ｍｕｓ（ｔ）が「合理的に」ゼロである（即ち、患者の呼吸筋を完全にアンロードする）と仮定可能である特定の条件下で推定される。この条件には、患者が持続的強制換気（ＣＭＶ）下にある周期解析、周期的高圧補助（ＰＳＶ）レベル、吸気段階及び呼気段階の両方の間に延びる各ＰＳＶ呼吸の特定の部分、及び、流量信号が患者の吸気努力の不在を示す特定の条件を満たすＰＳＶ呼吸の呼気部分が含まれる。

ＥＩＰマヌーバを使用するＲ_ｒｓ及びＣ_ｒｓ推定は、幾つかの欠点を有し、また、幾つかの仮定に依存する。ＥＩＰマヌーバは、患者に必要とされる正常換気を中断する。Ｒ_ｒｓ及びＣ_ｒｓ計算が有効であるために、ＥＩＰマヌーバ中、患者の呼吸筋が完全に緩和していることを仮定する。更に、ＥＩＰマヌーバを介して得られるＲ_ｒｓ及びＣ_ｒｓ推定値は、後続の呼吸のＰ_ｍｕｓ（ｔ）の推定値に影響を及ぼすが、次のＥＩＰマヌーバが実行されるまで一定であると仮定され、したがって、Ｒ_ｒｓ及びＣ_ｒｓの連続的及びリアルタイムの推定値が得られない。実際には、２つの連続するＥＩＰマヌーバ間に患者の状態の変化が生じる可能性があり、これは、Ｐ_ｍｕｓ（ｔ）の推定値を危うくする。更なる不利点は、静的マヌーバ（ＥＩＰ）は、特定の換気モード（ボリューム支援された制御、ＶＡＣ）において行われ、Ｒ及びＣについて得られた値は、圧補助換気（ＰＳＶ）といった他の換気モードにおける肺のダイナミクスを決定する真の値を表さない場合がある点である。したがって、ＰＳＶ動作中に方程式（１）を介して計算されるＰ_ｍｕｓ（ｔ）の精度が低下する。

上記推定方法は、Ｐ_ｍｕｓ（ｔ）が無視可能であると仮定して動作する。この仮定の実行は、臨床環境では問題となる。例えば患者に周期解析及びＣＭＶを課すことは、一般に、臨床的に実現可能ではない。同様に、周期的高ＰＳＶを課すことは、ベンチレータの正常動作を妨げ、患者には有益ではない。ＰＳＶ呼吸中の無視可能なＰ_ｍｕｓ（ｔ）という仮定は、特に吸気段階中について、議論の余地がある。呼吸サイクルの選択された部分に作用するアプローチも、フィッティング手順に使用されるデータ点の割合を制限し、これは、推定結果をより雑音に敏感にさせる。

以下に、逐次パラメータ推定を介する患者呼吸状態をモニタリングする非侵襲的方法であって、様々な上記欠点等を解決する非侵襲的方法が開示される。

一態様によれば、医用ベンチレータデバイスが説明される。デバイスは、人工呼吸器が付けられた患者に換気をデリバリするベンチレータと、ベンチレータのＹ字型部品における気道内圧Ｐ_ｙ（ｔ）を測定する圧力センサと、ベンチレータのＹ字型部品において、人工呼吸器が付けられた患者に入る及び人工呼吸器が付けられた患者から出る空気流量

を測定する空気流量センサとを含む。デバイスは更に、移動ウィンドウ最小二乗（ＭＷＬＳ）推定を使用して、（ｉ）呼吸器系エラスタンスＥ_ｒｓ又はコンプライアンスＣ_ｒｓ、（ｉｉ）呼吸器系抵抗Ｒ_ｒｓ、及び、（ｉｉｉ）呼吸筋圧Ｐ_ｍｕｓ（ｔ）を含む人工呼吸器が付けられた患者の呼吸パラメータを推定するマイクロプロセッサを含む呼吸器系モニタを含む。

別の態様によれば、方法は、ベンチレータを使用して、患者の換気を行うステップと、換気中、気道内圧Ｐ_ｙ（ｔ）、及び、患者に入る及び患者から出る空気の空気流量

を測定するステップと、マイクロプロセッサを使用して、（ｉ）患者の呼吸器系エラスタンスＥ_ｒｓ又はコンプライアンスＣ_ｒｓ、（ｉｉ）患者の呼吸器系抵抗Ｒ_ｒｓ、及び、（ｉｉｉ）患者の呼吸筋圧Ｐ_ｍｕｓ（ｔ）を推定するように、移動ウィンドウ最小二乗（ＭＷＬＳ）推定を適用するステップと、ＭＷＬＳ推定を適用することによって推定される患者の呼吸パラメータのうちの１つ以上をディスプレイ上に表示するステップとを含む。

１つの利点は、抵抗、コンプライアンス及び呼吸筋圧を含む連続パラメータ推定を介する患者呼吸状態をモニタリングする非侵襲的方法が提供されることにある。

別の利点は、データ解析が向上されたベンチレータが提供されることにある。

本発明の更なる利点は、以下の詳細な説明を読み、理解した当業者は分かるであろう。当然ながら、これらの利点のうちのいずれも特定の実施形態によって実現されなくても、これらの利点のうちの１つ、２つ又はそれ以上が特定の実施形態によって実現されてよい。

本開示は、様々なコンポーネント及びコンポーネントの構成、また、様々なステップ及びステップの構成の形を取ってよい。図面は、好適な実施形態を例示することのみを目的とし、発明を限定するものと解釈されるべきではない。

図１は、患者に使用される提案される換気推定スキームを有する換気システムを示す。 図２は、説明される推定スキームのブロック図を示す。 図３は、Ｅ_ｒｓ推定のための移動ウィンドウ最小二乗アルゴリズムを示す。 図４は、局所Ｐ_ｍｕｓ（ｔ）波形の多項式次数の移動ウィンドウ最小二乗アルゴリズムの例を示す。 図５は、ＭＷＬＳ Ｒ_ｒｓ推定結果の最大比組み合わせを示す。

以下は、患者換気中の呼吸パラメータの特徴付けに関し、特に、呼吸筋圧Ｐ_ｍｕｓ（ｔ）、呼吸抵抗Ｒ_ｒｓ、及び、呼吸コンプライアンスＣ_ｒｓ、又は、エラスタンスＥ_ｒｓ＝１／Ｃ_ｒｓに関する。原則として、これらのパラメータは、肺の運動方程式（方程式（１））を使用して推定することができる。方程式（１）は、これらのパラメータを、肺内の空気ボリューム

と共に、ベンチレータマウスピースにおける圧力Ｐ_ｙ（ｔ）と、空気流量

とに関連付ける。実際には、呼吸筋圧Ｐ_ｍｕｓ（ｔ）が経時的に変化するので、肺の運動方程式を使用して、Ｐ_ｍｕｓ（ｔ）、Ｒ_ｒｓ及びＥ_ｒｓを一緒に推定することは、通常、劣決定であり、分析的に解決することができない。これに対する取り組みの様々なアプローチには、侵襲的プローブを使用して追加の情報を測定すること、又は、正常呼吸を中断させるといった操作によって「特例」状況を作ることが含まれる。侵襲的プローブは、明白な不利点を有する一方で、正常な患者呼吸の操作に依存する技術は、正常呼吸の連続モニタリングを提供することができず、患者にとって致命傷になる。

図１を参照するに、医用ベンチレータシステムは、注入口空気ホース１０４を介して患者１０２に陽圧の空気流を送出する医用ベンチレータ１００を含む。呼気は、呼気空気ホース１０６を介してベンチレータ１００に戻る。ベンチレータシステムのＹ字型部品１０８は、吸気中は、注入口空気ホース１０４の放出端からの空気を患者に結合する役割を果たし、呼気中は、患者から吐き出された空気を呼気空気ホース１０６内に結合する役割を果たす。なお、Ｙ字型部品１０８は、時に、Ｔ字型部品といったように別の呼び方で呼ばれる。図１には、患者１０２が受ける呼吸治療に依存して設けられる多数の他の補助コンポーネントが図示されていない。このような補助コンポーネントには、例示的として、制御されたレベルの酸素を空気流量に送出するための酸素ボンベ又は他の医療用酸素源（通常、医師又は他の医療関係者によって設定される吸入酸素比（ＦｉＯ_２）ベンチレータパラメータによって制御される）、注入口線１０４に配管される加湿器、患者１０２に栄養を与えるための鼻腔栄養チューブ等が含まれる。ベンチレータ１００は、例示的な実施例では、タッチセンサ式ディスプレイコンポーネント１１０を含むユーザインターフェースを含み、当該タッチセンサ式ディスプレイコンポーネント１１０を介して、医師、呼吸専門家又は他の医療関係者が、ベンチレータ操作を設定し、測定される生理的パラメータ及びベンチレータ１００の動作パラメータをモニタリングすることができる。更に又は或いは、ユーザインターフェースは、物理的なユーザ入力制御部（ボタン、ダイアル、スイッチ等）、キーボード、マウス、可聴アラームデバイス、インジケータライト等を含む。なお、例示されるベンチレータ１００は例示的な実施例に過ぎない。

例示されるベンチレータ１００は、近接センサを有する２枝型ベンチレータである。しかし、開示される患者呼吸状態モニタリング技術は、単枝型若しくは二重枝型ベンチレータ、弁若しくはブロワを有するベンチレータ、（例えば気管開口形成術又は気管内チューブを介する）患者との侵襲的結合を有するベンチレータ若しくは（例えば顔マスクを使用して）患者との非侵襲的結合を有するベンチレータ、説明されたように血圧及び血流量を測定する近位センサを有するベンチレータ、又は、上記近位センサを有さず、ベンチレータユニット内のセンサに依存するベンチレータ等といった実質的にどのタイプのベンチレータと併せて使用されてもよい。

図１を引き続き参照するに、患者１０２は、様々な生理的パラメータセンサによってモニタリングされる。具体的には、図１は、２つのそのようなセンサ、即ち、患者への結合部における圧力Ｐ_ｙ（ｔ）（通常、Ｙ字型部品１０８において測定され、したがって、Ｐ_ｙ（ｔ））を測定する気道内圧センサ１１２と、患者へ又は患者からの空気の流量

（これも、通常、Ｙ字型部品１０８において測定される）を測定する空気流量センサ１１４とを示す。センサ１１２、１１４は、Ｙ字型部品１０８に組み込まれても、空気線１０４、１０６上に介在されても、又は、ベンチレータ１００に組み込まれてもよい。機械的人工換気中、心拍数、呼吸速度、血圧、血液酸素化（例えばＳｐＯ_２）、呼吸ガス組成（例えば呼吸ガス中のＣＯ_２を測定するカプノグラフ）等といった他の生理的パラメータが、適切なセンサによってモニタリングされる。他の生理的パラメータは、測定された生理的パラメータから直接導出されてもよい。

システムは更に、マイクロプロセッサ、マイクロコントローラ、又は、気道内圧Ｐ_ｙ（ｔ）及び空気流量

を含む入力データを処理し、患者の呼吸器系パラメータ、即ち、抵抗Ｒ_ｒｓ、コンプライアンスＣ_ｒｓ（又は、同等に、エラスタンスＥ_ｒｓ＝１／Ｃ_ｒｓ）、及び、呼吸筋圧Ｐ_ｍｕｓ（ｔ）によって時間の関数として特徴付けられる患者の吸気努力に関する情報を生成するようにプログラミングされた他の電子データ処理デバイスを含む呼吸器系アナライザ１２０を含む。これらのパラメータは、空気流量積分器１２２によって

から決定される空気ボリューム

と共に、気道内圧Ｐ_ｙ（ｔ）及び空気流量

に適用される移動ウィンドウ最小二乗推定（ＭＷＬＳ）を使用して肺の運動方程式（方程式（１））を評価することによって、リアルタイムで、時間の関数として決定される。（或いは、専用の空気ボリュームセンサが使用されてもよい）。方程式（１）の劣決定性を解決するために、ＭＷＬＳ推定は、（１）Ｅ_ｒｓ推定器１３２を介するエラスタンス又はコンプライアンス（Ｅ_ｒｓ又はＣ_ｒｓ）パラメータの推定、その後に続く（２）Ｒ_ｒｓ推定器１３４を介する抵抗（Ｒ_ｒｓ）パラメータの推定、その後に続く（３）Ｐ_ｍｕｓ（ｔ）推定器１３６を介する呼吸筋圧Ｐ_ｍｕｓ（ｔ）パラメータの推定の逐次推定を使用して行われる。

これらの一連の推定器１３２、１３４、１３６は、一般に、１００Ｈｚのデータサンプリングで、２秒未満の継続時間、より好適には、１秒未満の継続時間、例示される実施例では０．６秒の継続時間である時間ウィンドウ１３０内で適用され、したがって、時間ウィンドウは６０個のサンプルを含む。時間ウィンドウの継続時間の上限は、呼吸速度によって課される。呼吸速度は、正常な成人では、通常、１分あたり１２乃至２０呼吸であり、これは、３乃至５秒の呼吸サイクルに相当する。時間ウィンドウ１３０の継続時間は、好適には、呼吸サイクル継続時間の一部であり、したがって、パラメータＥ_ｒｓ及びＲ_ｒｓは、各時間ウィンドウ１３０内で一定であると合理的に見なされ、各時間ウィンドウ１３０内のＰ_ｍｕｓ（ｔ）の変化は、比較的簡単な近似関数（例えば本明細書に開示される具体例では、低次多項式）を使用して表すことができる。

推定器１３２、１３４、１３６は、各時間ウィンドウ１３０内に、また、各連続（及び部分的に重なる）時間間隔１３０（したがって、「移動」時間ウィンドウと呼ぶ）について、連続的に適用され、Ｅ_ｒｓ、Ｒ_ｒｓ及びＰ_ｍｕｓ（ｔ）の推定がリアルタイムで提供される。例示される実施例では、Ｅ_ｒｓ及びＲ_ｒｓの値は、各時間ウィンドウ１３０内で一定であると見なされ、したがって、これらのパラメータの推定は、例えば幾つかの実施形態では２秒未満又はより好適には１秒未満、また、例示される実施例では０．６秒である時間ウィンドウ１３０の継続時間に相当する時間分解能で、リアルタイムで行われる。連続する時間ウィンドウが部分的に重なる場合、これは、実効時間分解能を更に向上させる。Ｐ_ｍｕｓ（ｔ）のリアルタイム推定は、Ｅ_ｒｓ及びＲ_ｒｓよりも高い時間分解能であってよく、これは、時間ウィンドウ１３０内の経時的なＰ_ｍｕｓ（ｔ）の変化は、例示される実施例では、時間の低次多項式関数によってモデル化されるからである。

本明細書において開示されるアプローチは、推定される３つのパラメータのうち、エラスタンス／コンプライアンス（Ｅ_ｒｓ又はＲ_ｒｓ）は、通常、経時的に最もゆっくりと変化するという認識を利用する。肺の運動方程式（方程式（１））において、Ｅ_ｒｓは、積分として、経時的にゆっくりと変化する空気ボリュームＶ（ｔ）の係数である。次に最もゆっくりと変化するパラメータは、通常、空気流量

の係数である抵抗Ｒ_ｒｓである。最後に、呼吸筋圧Ｐ_ｍｕｓ（ｔ）は、患者が活発に吸い込んだり吐き出したりすることに反応して変化するので、経時的に最も速く変化する可能性を有する。これを考慮して、Ｐ_ｍｕｓ（ｔ）推定器１３６の例示される実施例は、Ｐ_ｍｕｓ（ｔ）が時間ウィンドウ１３０内で一定であると見なさず、代わりに、低次近似多項式関数を使用する。時間ウィンドウ１３０内のＰ_ｍｕｓ（ｔ）の低次多項式近似の代わりに、他の考えられる実施形態では、スプライン関数といった幾つかの他の時間のパラメータ化関数が考えられる。

図１を引き続き参照するに、出力Ｅ_ｒｓ（又はＣ_ｒｓ）、Ｒ_ｒｓ及びＰ_ｍｕｓ（ｔ）は、様々な目的に使用することができる。１つの応用では、推定されるパラメータのうちの１つ以上は、ベンチレータ１００のディスプレイコンポーネント１１０上に、例えばリアルタイム数値及び／又は時間の関数としてプロットされる傾向線として表示される。通常、呼吸エラスタンス又はコンプライアンス（Ｅ_ｒｓ又はＣ_ｒｓ）及び呼吸抵抗（Ｒ_ｒｓ）は、臨床医が最も関心を寄せるものであり、適切に表示される及び／又は傾向が示される。呼吸筋圧Ｐ_ｍｕｓ（ｔ）は、正常な臨床的に操作可能な機械的人工換気中にリアルタイムで時間の関数として取得される波形である。したがって、Ｐ_ｍｕｓ（ｔ）は、ベンチレータ１００によって、患者−ベンチレータ同期不全を低減する（つまり、ベンチレータ１００による陽圧の印加を、患者の呼吸筋動作の吸入部と同期させる）ように、機械的人工換気をトリガリングしたりサイクリングオフしたりするために使用することができる。

幾つかの実施形態では、呼吸仕事量（ＷｏＢ）推定器１４０が、ボリュームにわたって呼吸筋圧Ｐ_ｍｕｓ（ｔ）を積分する。即ち、ＷｏＢ＝∫Ｐ_ｍｕｓ（ｔ）ｄＶ（ｔ）。ＷｏＢは、患者１０２が、自分自身で呼吸するために行う努力の量のメトリックである。ＷｏＢは、ディスプレイコンポーネント１１０上に表示及び／又は傾向が示され、臨床医に、圧補助換気（ＰＳＶ）といった換気モードにおけるベンチレータ圧力設定の設定に有用な情報を提供する。更に、ＷｏＢ推定器１４０は、ＷｏＢを（例えば幾つかの実施形態では、約１秒未満の時間ラグ及び分解能で）リアルタイムで提供するので、ベンチレータ１００は、任意選択的に、ＷｏＢをフィードバック制御パラメータとして使用して、例えばＷｏＢを一定の定点値に維持するために制御されるベンチレータ設定を調整する。例えばＷｏＢが増加すると、これは、患者１０２が必至で呼吸しようとしていることを暗示し、したがって、ＰＳＶモードにおいてベンチレータ１００によって印加される陽圧は、必死に頑張っている患者に、増加された呼吸支援を提供するように増加されるべきである。

図２を参照するに、連続する推定器１３２、１３４、１３６の幾つかの例示的な実施形態が説明される。パラメータＥ_ｒｓ及びＲ_ｒｓがその間一定であると見なされる１秒の一部の時間ウィンドウに亘るパラメータＥ_ｒｓ、Ｒ_ｒｓ及びＰ_ｍｕｓ（ｔ）の逐次推定が示される。（Ｅ_ｒｓ推定器１３２によって行われる）第１のパスでは、３つのパラメータＥ_ｒｓ、Ｒ_ｒｓ及びΔＰ_ｍｕｓ（ｔ）のすべてが、時間ウィンドウ１３０に亘って一定であると見なされ、同時に計算されるが、推定された

だけが、この第１のパスから保持される。（本明細書において使用される表記法では、上付き文字「ハット」、即ち、

は、パラメータｐの推定された値を示すように使用される）。（Ｒ_ｒｓ推定器１３４によって行われる）第２のパスでは、ここでは分かっている（推定された）

の寄与が、減算によって取り除かれ、肺の運動方程式の残りの部分は、Ｒ_ｒｓ及びＰ_ｍｕｓ（ｔ）について適合される。後者は、低次多項式（ｎ＝０、１又は２）を使用して近似される。実験において、多項式次数の最適な選択は、可能な過剰適合に起因して時間ウィンドウ１３０がある呼吸相に依存することが分かった。呼吸相は事前に分かっていないため、本明細書において開示される具体例では、０次、１次及び２次の多項式の加重組み合わせが使用される。Ｒ_ｒｓ推定器１３４の出力は、呼吸抵抗の推定された値、即ち、

である。最後に、（Ｐ_ｍｕｓ（ｔ）推定器１３６によって行われる）第３のパスにおいて、ここでは分かっている（推定された）

の寄与が、更なる減算によって取り除かれ、肺の運動方程式の残りの部分は、直接適合され、推定された呼吸筋圧、即ち、

が得られる。

図２を引き続き参照するに、例示的されるＥ_ｒｓ推定器１３２について更に説明される。２０８において、差演算が気道内圧Ｐ_ｙ（ｔ）に対して行われ、出力ΔＰ_ｙ（ｔ）が、ΔＰ_ｙ（ｔ）＝Ｐ_ｙ（ｔ）−Ｐ_ｙ（ｔ−１）として計算される。２１０において、呼吸器系のエラスタンスＥ_ｒｓ（ｔ）＝１／Ｃ_ｒｓ（ｔ）であるＥ_ｒｓ（ｔ）を連続的に推定するために、移動ウィンドウ最小二乗（ＭＷＬＳ）推定器が使用され、次の差分方程式に基づいている。

なお、Ｅ_ｒｓ（ｔ）は、推定値

が各時間ウィンドウ１３０に対して生成される限り、時間の関数として推定され、したがって、時間関数

が、連続（部分的に重なる）時間ウィンドウが経時的に適用されるにつれて連続的な時間ウィンドウ１３０の値

として生成される。しかし、各時間ウィンドウ１３０において、ΔＰ_ｍｕｓ（ｔ）、即ち、Ｐ_ｍｕｓ（ｔ）波形の差信号と、パラメータＲ_ｒｓ（ｔ）及びＥ_ｒｓ（ｔ）とは、定数としてモデル化され、最小二乗最小化方法によって一緒に推定される。Ｅ_ｒｓ推定器１３２については、Ｅ_ｒｓ（ｔ）の推定値、即ち、

だけが使用される（図２の具体例では、カルマンフィルタ２１２によるフィルタリングの後）一方で、他の推定出力は破棄される。更に、Ｅ_ｒｓ推定器１３２は更に、本明細書において

と示される推定値

の分散も計算する。

ＭＷＬＳ推定器２１０への入力は、Ｐ_ｙ（ｔ）の差信号、即ち、ΔＰ_ｙ（ｔ）であり、これは、差演算２０８によって出力される。運動方程式（方程式（１））に基づいて、ΔＰ_ｙ（ｔ）は、次の通りにモデル化できる。

式中、

は、流量差信号であり、

は、ボリューム差信号であり（式中、Ｔは、サンプリング時間間隔である。例えば１００Ｈｚにおけるサンプリングは、Ｔ＝０．０１秒に対応する）、ΔＰ_ｍｕｓ（ｔ）＝Ｐ_ｍｕｓ（ｔ）−Ｐ_ｍｕｓ（ｔ−１）は、Ｐ_ｍｕｓ（ｔ）差信号である。

以下において、スライディング時間窓１３０のサイズ（又は継続時間）は、Ｌと示され、これは、任意選択的に、ユーザによって設定可能であるシステムパラメータである。現在の時間ｔにおけるスライディングウィンドウは、間隔［ｔ−Ｌ＋１，ｔ］に及ぶ。ＭＷＬＳ推定器２１０について、スライディングウィンドウにおけるＰ_ｍｕｓ（ｔ）差信号、即ち、ΔＰ_ｍｕｓ（ｔ）は、定数ΔＰ_ｍｕｓとしてモデル化される。更に、Ｒ_ｒｓ及びＥ_ｒｓは、スライディング時間ウィンドウ１３０において一定であると仮定される。したがって、ΔＰ_ｍｕｓ（ｔ）の方程式は、次の通りになる。

時間ｔにおいて、ＭＷＬＳアルゴリズム２１０は、スライディングウィンドウ１３０内の入力信号、つまり、間隔ｔ−Ｌ＋１＜ｎ＜ｔにおけるサンプルΔＰｙ（ｎ）及び

を使用して、Ｒ_ｒｓ、Ｅ_ｒｓ及びΔＰ_ｍｕｓを一緒に推定するが、後続の演算（即ち、後続の推定器１３４、１３６）では、Ｅ_ｒｓの推定値

だけが使用される。

図３に更に示されるように、具体的に、時間ｔにおいて、ＭＷＬＳ式は、上記方程式に基づいて、最小二乗問題３００を解く。

時間ｔにおいて、

更に、Ｅ_ｒｓの推定値の分散、即ち、

も計算され、

は、最小二乗残差分散である。

図３に示されるように、ＭＷＬＳ推定２１０は、例えばウィンドウ３１０_ｎの後に、次のウィンドウ３１０_ｎ＋１が続き、以下同様にされるように、移動ウィンドウが前進するにつれて連続的に行われる。ＭＷＬＳ方法は、Ｐ_ｙ測定雑音及びモデル化誤差に敏感であるため、Ｅ_ｒｓ推定器１３２によって、Ｅ_ｒｓの推定値、即ち、

だけが保持され、他の推定値出力（例えば

及び

）は破棄される。

Ｅ_ｒｓ推定性能を更に向上させるために、カルマンフィルタ２１２が任意選択的に使用されて、Ｅ_ｒｓ推定誤差が低減される。上記されたように、呼吸器系エラスタンスＥ_ｒｓは、通常、時間の関数として高速に変化しない。カルマンフィルタ２１２は、

における推定雑音を除去し、Ｅ_ｒｓ（ｔ）推定結果を向上させるように使用される。カルマンフィルタ２１２への入力は、

及び

である。カルマンフィルタの出力２１４は、本明細書では、

と示されるＥ_ｒｓ（ｔ）の最終推定値であり、

であり、式中、ω_Ｅ（ｔ）は、雑音又は不確実性のメトリックである。上記モデルでは、

は、雑音項

を有するＥ_ｒｓ（ｔ）の不偏推定値であると仮定する。

カルマンフィルタは、以下の仮定、即ち、（１）Ｅ_ｒｓがゆっくりと変化し、ランダムウォークとしてモデル化可能である状態処理方程式、即ち、Ｅ_ｒｓ（ｔ）＝Ｅ_ｒｓ（ｔ−１）＋ω_Ｅ（ｔ）、式中、ω_Ｅ（ｔ）〜Ｎ（０，δ_Ｅ）、及び、（２）ＭＷＬＳ推定値

が

としてモデル化可能である観察方程式に基づいて、ＭＷＬＳ推定雑音を低減するようにデザイン可能である。標準的なカルマンフィルタは、Ａ＝１、Ｂ＝０、Ｑ＝δ_Ｅ、Ｈ＝１及び

で実行することができる。カルマンフィルタは、スライディング時間ウィンドウのコンテキストにおいて計算効率のよい実施、直観的な操作及び加重平均の出力を含む幾つかの利点を含む。パラメータδ_Ｅは、平均ウィンドウ長を制御するアルゴリズムパラメータである。

図１及び図２を引き続き参照するに、Ｅ_ｒｓ推定器１３２の最終出力

２１４は、次のＲ_ｒｓ推定器１３４によって、Ｒ_ｒｓ（ｔ）推定を行う際に使用される。Ｒ_ｒｓ（ｔ）を推定するために、弾性圧コンポーネントＥ_ｒｓＶ（ｔ）が、

を使用して、Ｐｙ（ｔ）から相殺される。このＥ_ｒｓ相殺演算２１６は、次の通りに表現することができる。

Ｅ_ｒｓ相殺２１６は、肺の運動方程式から１つの未知数（Ｅ_ｒｓ）を取り除き、したがって、Ｒ_ｒｓ推定を単純化する。Ｅ_ｒｓ推定器１３２によって出力される推定値

が正しく、また、弾性圧コンポーネントが完全に相殺されると仮定すると、Ｒ_ｒｓ推定器１３４のＭＷＬＳ演算２１８は、方程式

を最適化する。移動ウィンドウ最小二乗（ＭＷＬＳ）推定器２１８を使用して、呼吸抵抗Ｒ_ｒｓが推定される。

Ｅ_ｒｓ推定器１３２のＥ_ｒｓ推定器ＭＷＬＳ演算２１０において、呼吸筋圧Ｐ_ｍｕｓ（ｔ）は、ｔの一次関数として間接的に推定される。これは、Ｐ_ｍｕｓ（ｔ）の差、即ち、ΔＰ_ｍｕｓ（ｔ）が、各時間ウィンドウにつき、一定値ΔＰ_ｍｕｓとして推定されるからである。しかし、本明細書において、この推定値は、Ｒ_ｒｓ推定器１３４のＭＷＬＳ演算２１８の場合は過度に粗く、また、ＭＷＬＳ演算２１８において、呼吸筋圧Ｐ_ｍｕｓ（ｔ）の時間依存性が適応的にモデル化されると、呼吸抵抗Ｒ_ｒｓの推定が著しく向上されることが分かっている。本明細書における具体例では、Ｐ_ｍｕｓ（ｔ）は、例えば０（一定値）、１（一次）又は２（二次）の次数の低次多項式を使用してモデル化される。Ｐ_ｍｕｓ（ｔ）多項式関数の次数Ｍは、推定性能を著しく変化させる。

図４を簡単に参照するに、更に、Ｐ_ｍｕｓ（ｔ）をモデル化するために使用される多項式の最適次数Ｍは、呼吸サイクルにおける移動ウィンドウ１３０の位置に依存する。例示される図４では、第１の時間ウィンドウ１３０_Ａは、一次（Ｍ＝１）多項式がＰ_ｍｕｓ（ｔ）の有効モデルである呼吸相にある一方で、第２の時間ウィンドウ１３０_Ｂがある呼吸相では、ゼロ次（Ｍ＝０）多項式が効果的である。しかし、現在の時間ウィンドウ１３０が存在する呼吸相は、一般に、Ｒ_ｒｓ推定器１３４への入力ではない。

図５を簡単に参照するに、Ｒ_ｒｓＭＷＬＳ２１８について、Ｐ_ｍｕｓ（ｔ）波形が、Ｍ次多項式関数（Ｍ＞＝０）、即ち、Ｐ_ｍｕｓ（ｔ）＝ａ_０＋ａ_１ｔ＋…ａ_Ｍｔ^Ｍとしてモデル化され、Ｒ_ｒｓ（ｔ）パラメータは、一定であると仮定される。（Ｐ_ｍｕｓ（ｔ）の多項式モデルが本明細書において例示のために説明されているが、スプラインモデルといった時間のパラメータ化関数を含む他のモデルも考えられる）。呼吸サイクルに亘る最適多項式次数の差に対応するために、Ｒ_ｒｓＭＷＬＳ推定器２１８は、３つのＲ_ｒｓ推定値、即ち、ゼロ次多項式（Ｍ＝０、即ち、Ｐ_ｍｕｓ（ｔ）は定数としてモデル化される）を使用するＭＷＬＳ推定値２１８_０と、一次多項式（Ｍ＝１、即ち、Ｐ_ｍｕｓ（ｔ）はｔの一次関数としてモデル化される）を使用するＭＷＬＳ推定値２１８_１、及び、二次多項式（Ｍ＝２、即ち、Ｐ_ｍｕｓ（ｔ）はｔの二次関数としてモデル化される）を使用するＭＷＬＳ推定値２１８_２を計算する。各ＭＷＬＳ推定器２１８_０、２１８_１、２１８_２のＭＷＬＳ式、図５の右側のボックス及び以下の表１に記載される。
表１−各Ｐ_ｍｕｓ（ｔ）モデルのためのＲ_ｒｓ推定器の式

図５を引き続き参照するに、対応するＭＷＬＳ演算２１８_０、２１８_１、２１８_２によって出力される３つのＲ_ｒｓ（ｔ）推定値が、組み合わせ演算２１９によって一緒に組み合わせられ、最終ＭＷＬＳ推定値

が生成される。組み合わせ演算２１９は、最大比組み合わせ演算又は最小分散選択組み合わせといった様々な組み合わせ手法を使用する。例示されるコンバイナ２１９によって使用される最大比組み合わせは、最大重みを、最小推定分散を有する推定値（例えば最適な多項式次数を有する推定値）に割り当て、これにより、最適な多項式次数を有する推定値が、Ｒ_ｒｓ推定出力を支配する。ＭＷＬＳ２１８は更に、

の分散、即ち、

も計算する。

図２を再び参照するに、Ｒ_ｒｓ推定器１３４の場合、ＭＷＬＳ演算２１８によって出力されるＲ_ｒｓ（ｔ）の推定値、即ち、

だけが保持される一方で、他の推定出力（例えばＰ_ｍｕｓ（ｔ）多項式係数）は破棄される。Ｒ_ｒｓ推定器１３４の最終段において、カルマンフィルタ２２０が適用されて、ＭＷＬＳ２１８によって出力されるＲ_ｒｓ推定が更に向上される。カルマンフィルタ２２０は、Ｅ_ｒｓ推定器１３２に関して上記されたカルマンフィルタ２１２と適切に同様である。Ｒ_ｒｓ推定器１３４のカルマンフィルタ２２０は、次の仮定、即ち、（１）Ｒ_ｒｓがゆっくりと変化し、ランダムウォークとしてモデル化可能である状態処理方程式、即ち、Ｒ_ｒｓ（ｔ）＝Ｒ_ｒｓ（ｔ−１）＋ω_Ｒ（ｔ）、式中、ω_Ｒ（ｔ−１）〜Ｎ（０，δ_Ｒ）、及び、（２）ＭＷＬＳ推定値

が

としてモデル化可能である観察方程式に基づいて、ＭＷＬＳ推定雑音を低減するようにデザイン可能である。標準的なカルマンフィルタは、Ａ＝１、Ｂ＝０、Ｑ＝δ_Ｒ、Ｈ＝１及び

で実行することができる。ここでもカルマンフィルタは、スライディング時間ウィンドウのコンテキストにおいて計算効率のよい実施、直観的な操作及び加重平均の出力を含む幾つかの利点を含む。パラメータδ_Ｒは、平均ウィンドウ長を制御するアルゴリズムパラメータである。

Ｒ_ｒｓ（ｔ）カルマンフィルタ２２０の出力２２２は、本明細書において、

と示されるＲ_ｒｓ推定値である。この出力は、

は、Ｒ_ｒｓ（ｔ）の不偏推定値であるが、雑音項

を有すると仮定する。

図２を再び参照するに、最終パスにおいて、Ｅ_ｒｓ推定値及びＲ_ｒｓ推定値が対応する推定器１３２、１３４によって得られると、Ｒ_ｍｕｓ（ｔ）推定器１３６が適用されて、Ｐ_ｍｕｓ（ｔ）が推定される。前に推定されたＲ_ｒｓ（ｔ）及びＣ_ｒｓ（ｔ）を使用して、Ｐ_ｍｕｓ（ｔ）計算２２４は、時間ウィンドウ１３０内のＰｙ（ｔ）、

及び（積分器１２２を介して）Ｖ（ｔ）のサンプルに亘って評価される

に従って、

推定値を計算する。換言すれば、

は、ＭＷＬＳの時間ウィンドウ１３０内で評価される。

内の高周波雑音を取り除くために、任意選択の低域通過フィルタ２２６を使用して、Ｐ_ｍｕｓ（ｔ）推定値が更に向上される。更に又は或いは、Ｐ_ｍｕｓ（ｔ）波形の生理学的知識が与えられて、Ｐ_ｍｕｓ（ｔ）推定が更に向上される。

例示される実施形態では、最初に、呼吸エラスタンス（又はコンプライアンス）推定器１３２が適用され、次に、呼吸抵抗推定器１３４が適用され、最後に、呼吸筋圧推定器１３６が適用される。しかし、最初に、呼吸抵抗を推定し、次に、呼吸エラスタンス又はコンプライアンスを推定する（つまり、推定器１３２、１３４の順番を逆にする）ことも考えられる。このような変形実施形態では、第２の（Ｅ_ｒｓ）推定器は、例示される実施形態の演算２１６に類似しているＲ_ｒｓ相殺演算を適切に含む。Ｅ_ｒｓ（又はＣ_ｒｓ）及びＲ_ｒｓの推定の順序を問わずに、当然ながら、最後のＰ_ｍｕｓ（ｔ）推定器１３６は、Ｐ_ｍｕｓ（ｔ）及びＷｏＢ（積分器１４０によってＰ_ｍｕｓ（ｔ）から計算される）が使用されない場合は、任意選択的に省略されてもよい。

呼吸エラスタンス（若しくはコンプライアンス）及び／又は抵抗が、ベンチレータ１００のディスプレイコンポーネント１１０上に表示されると、これらの値は、任意選択的に、例えば本明細書において説明されるδ又はω統計量又はその関数で表現されるこれらの値の対応する不確実性メトリックと共に表示されてもよい。例示される実施例では、これらの又は他の呼吸パラメータは、ベンチレータ１００のディスプレイコンポーネント１１０上に表示されるものとして説明されているが、当然ながら、これらの値は、追加的に又は或いは、ベッドサイドの患者モニタ上、ナースステーションのコンピュータに表示されるか、及び／又は、電子カルテ（ＥＨＲ）若しくは他の患者データ記憶システム等に記憶されてもよい。例示される呼吸器系アナライザ１２０は、ベンチレータ１００のマイクロプロセッサによって適切に実現されるが、呼吸器系アナライザ１２０は、追加的に又は或いは、ベッドサイドの患者モニタのマイクロプロセッサ又は他の電子データ処理デバイスによって実現されてもよい。開示される呼吸器系アナライザの機能は更に、開示された機能を行うように上記マイクロプロセッサ又は他の電子データ処理デバイスによって読み出し可能及び実行可能である命令を記憶する非一時的記憶媒体によって具現化されてもよい。例として、非一時的記憶媒体には、例えばハードディスク若しくは他の磁気記憶媒体、光学ディスク若しくは他の光学記憶媒体、フラッシュメモリ若しくは他の電子記憶媒体、又は、これらの様々な組み合わせ等が含まれる。

上記されたように、推定された値のうちの１つ以上を（例えば値

のうちの１つ以上を、任意選択的にその統計上の不確実性と共に）リアルタイム値、傾向線等として表示することに加えて、別の例示される応用では、

波形が使用されて、ベンチレータ１００によって印加される陽圧を患者１０２による呼吸努力と同期させ、これにより、患者−ベンチレータ同期不全が低減される。この応用では、ベンチレータ１００によって印加される空気陽圧が、

の増加又は減少する大きさと同期して、調整（例えば増加又は減少）される。別の制御応用では、積分器１４０によって出力されるＷｏＢが、ベンチレータ１００の制御のためのフィードバック信号として使用される。一般に、ベンチレータ１００によって印加される陽圧は、積分器１４０によって出力される測定ＷｏＢの増加と共に増加すべきであり、この増加された機械的人工換気は、設定点ＷｏＢに到達するまで患者ＷｏＢの結果としての減少をもたらすべきである。例示として、比例、微分及び／又は積分コントローラ（例えばＰＩＤコントローラ）がこのフィードバック制御に使用され、積分器１４０からのＷｏＢ信号がフィードバック信号として作用し、ターゲットＷｏＢが設定点値として作用し、陽圧が被制御変数である。

呼吸器系アナライザ１２０は、シミュレーションデータ及びブタの呼吸データを用いてテストされ、結果として、アナライザ１２０が、侵襲的ソリューションと同等な結果を提供可能であり、また、低ＰＳＶ設定を含む様々なベンチレータ設定下で安定していることが示された。アナライザ１２０は、リアルタイムデータの（数秒未満のラグでの）提供、サンプル毎の推定（連続ウィンドウが重なり、単一のサンプルによって離間される場合）、計算の複雑さと時間分解能との間の調整可能なトレードオフ（場合により重なるウィンドウ間のより大きい間隔によるより高速の計算が、低下された時間分解能と交換される）、短時間の開始を提供する高速収束（幾つかのテストでは１０呼吸以内）、予想外の外乱に対する安定性、例えば効率的な疑似逆（Ｌ×４）行列計算（Ｌは、ウィンドウサイズであり、例えば幾つかの適切な実施形態では６０〜９０サンプル）を使用する優れた計算効率、及び、（現在の時間ウィンドウのデータを記憶する）低メモリ要件（幾つかの実施形態では約６０〜９０個のサンプル）を含む（がこれらに限定されない）様々なメリットを提供する。

更なる利点として、呼吸器系アナライザ１２０は、エラスタンス又はコンプライアンスＥ_ｒｓ（ｔ）、抵抗Ｒ_ｒｓ（ｔ）及び呼吸筋圧Ｐ_ｍｕｓ（ｔ）を、入力として呼吸相又は呼吸速度を受信することなく、また、これらのパラメータに関する先験的な仮定をすることなく（これ以外は、Ｅ_ｒｓ及びＲ_ｒｓは、ＭＷＬＳ推定の任意の所与の時間ウィンドウ内で一定であると見なされる）、適切に推定する。呼吸器系アナライザ１２０は、経時的に

を積分することによって導出される

と共に、測定された空気圧Ｐｙ（ｔ）及び空気流量

だけに適切に作用する。

本発明は、好適な実施形態を参照して説明されている。上記詳細な説明を読み理解した者は、修正態様及び変更態様を思いつくであろう。本発明は、これらの修正態様及び変更態様のすべてを、これらが添付の請求項又はそれらの等価物の範囲内にある限り含むと解釈されることを意図している。

Claims (15)

1. 人工呼吸器が付けられた患者に換気をデリバリするベンチレータと、
   前記人工呼吸器が付けられた患者の気道内圧Ｐｙ（ｔ）を測定する圧力センサと、
   前記人工呼吸器が付けられた患者に入る及び前記人工呼吸器が付けられた患者から出る空気流量
   

   

   を測定する空気流量センサと、
   前記測定された気道内圧Ｐｙ（ｔ）及び空気流量
   

   

   に適用される移動時間ウィンドウ最小二乗（ＭＷＬＳ）推定を使用して肺の運動方程式
   

   

   を評価することにより、（ｉ）呼吸器系エラスタンスＥｒｓ又はコンプライアンスＣｒｓ、（ｉｉ）呼吸器系抵抗Ｒｒｓ、及び、（ｉｉｉ）呼吸筋圧Ｐｍｕｓ（ｔ）を含む前記人工呼吸器が付けられた患者の呼吸パラメータを推定するマイクロプロセッサを含む呼吸器系アナライザと、を含み、
   前記ＭＷＬＳ推定の移動時間ウィンドウは、その継続時間をＬとすると、時間ｔにおいて間隔［ｔ−Ｌ＋１，ｔ］に及ぶものであり、
   前記ＭＷＬＳ推定は、各移動時間ウィンドウについて、時間ｔにおける前記移動時間ウィンドウ内の前記圧力センサ及び前記空気流量センサの測定値を使用して最小二乗最小化方法により推定を行うものであり、前記移動時間ウィンドウが前進するにつれて連続的に行われ、
   前記移動時間ウィンドウの継続時間は、呼吸器系エラスタンスＥｒｓ及び呼吸器系抵抗Ｒｒｓが各移動時間ウィンドウ内で一定であるとみなされるように、呼吸サイクル継続時間の一部であり、各移動時間ウィンドウ内の呼吸筋圧Ｐｍｕｓ（ｔ）は、低次多項式関数を用いることにより近似される、医用ベンチレータデバイス。
2. 前記ＭＷＬＳ推定は、前記ＭＷＬＳ推定の各移動時間ウィンドウについて、以下の演算：
   （ｉ）エラスタンス又はコンプライアンス、及び、（ｉｉ）抵抗のうちの一方を推定する演算（１）と、
   前記演算（１）からの推定された値を使用して、（ｉ）エラスタンス又はコンプライアンス、及び、（ｉｉ）抵抗のうちの他方を推定する演算（２）と、
   前記演算（１）及び（２）において推定された値を使用して、呼吸筋圧を推定する演算（３）と
   を順に行うことを含む、請求項１に記載の医用ベンチレータデバイス。
3. 前記演算（１）は、エラスタンス又はコンプライアンスを推定し、前記演算（２）は、前記演算（１）からのエラスタンス又はコンプライアンスの推定された値を使用して、抵抗を推定する、請求項２に記載の医用ベンチレータデバイス。
4. 前記演算（１）は、前記ＭＷＬＳ推定の前記移動時間ウィンドウにおいて、Ｐｙ（ｔ）及び
   

   

   の測定された値に関して、方程式
   

   

   のエラスタンスＥｒｓ、抵抗Ｒｒｓ、及び、呼吸筋圧Ｐｍｕｓの差ΔＰｍｕｓを最適化し、式中、
   

   

   であり、ΔＰｙ（ｔ）＝Ｐｙ（ｔ）−Ｐｙ（ｔ−１）であり、
   

   

   であり、ΔＶ（ｔ）＝Ｖ（ｔ）−Ｖ（ｔ−１）である、請求項２又は３に記載の医用ベンチレータデバイス。
5. 前記演算（２）は、演算（１）からの推定された値は、固定された状態に保持され、Ｐｍｕｓ（ｔ）は、時間のパラメータ化関数によってモデル化されて、前記ＭＷＬＳ推定の前記移動時間ウィンドウにおいて、Ｐｙ（ｔ）及び
   

   

   の測定された値に関して、方程式
   

   

   の呼吸筋圧Ｐｍｕｓ（ｔ）、並びに、エラスタンスＥｒｓ及び抵抗Ｒｒｓのうちの一方を最適化する、請求項４に記載の医用ベンチレータデバイス。
6. Ｐｍｕｓ（ｔ）は、時間の多項式関数によってモデル化される、請求項５に記載の医用ベンチレータデバイス。
7. 前記演算（２）は、時間のゼロ次多項式関数、一次多項式関数及び二次多項式関数によってモデル化されたＰｍｕｓ（ｔ）で繰り返され、これら３つの繰り返しの最適化されたエラスタンスＥｒｓ又は抵抗Ｒｒｓが組み合わされる、請求項６に記載の医用ベンチレータデバイス。
8. 前記演算（３）は、前記ＭＷＬＳ推定の前記移動時間ウィンドウにおいて、
   

   

   として呼吸筋圧を推定し、式中、
   

   

   及び
   

   

   は、前記演算（１）及び前記演算（２）からの推定された値である、請求項５乃至７の何れか一項に記載の医用ベンチレータデバイス。
9. 前記演算（１）及び前記演算（２）の片方及び両方は、推定された値にカルマンフィルタを適用することを含む、請求項２乃至８の何れか一項に記載の医用ベンチレータデバイス。
10. 前記演算（１）及び前記演算（２）の片方及び両方は更に、前記カルマンフィルタの雑音分散に基づいて、推定された値の不確実性のメトリックを生成することを含む、請求項９に記載の医用ベンチレータデバイス。
11. 前記呼吸器系アナライザによって推定される前記人工呼吸器が付けられた患者の前記呼吸パラメータのうちの１つ以上を表示するディスプレイを更に含む、請求項１乃至１０の何れか一項に記載の医用ベンチレータデバイス。
12. 前記ベンチレータは、患者−ベンチレータ同期不全を低減するために、前記ベンチレータによって出力される空気陽圧を、前記呼吸筋圧Ｐｍｕｓ（ｔ）の増加する大きさ又は減少する大きさに同期して調整するようにプログラミングされている、請求項１乃至１１の何れか一項に記載の医用ベンチレータデバイス。
13. 前記呼吸器系アナライザは、呼吸仕事量ＷｏＢを、ＷｏＢ＝∫Ｐｍｕｓ（ｔ）ｄＶ（ｔ）として推定し、式中、Ｐｍｕｓ（ｔ）は、前記ＭＷＬＳ推定を使用して推定される時間の関数としての呼吸筋圧であり、
    前記ベンチレータは、推定された前記ＷｏＢを設定点ＷｏＢ値に維持するように、前記ベンチレータによって提供される機械的人工換気を制御するようにプログラミングされている、請求項１乃至１２の何れか一項に記載の医用ベンチレータデバイス。
14. ベンチレータの患者の気道内圧Ｐｙ（ｔ）及び空気流量
    

    

    の測定値について演算する方法を行うように電子データ処理デバイスによって読み出し可能及び実行可能である命令を記憶する非一時的記憶媒体であって、前記方法は、
    （ｉ）呼吸器系エラスタンスＥｒｓ、（ｉｉ）呼吸器系抵抗Ｒｒｓ、及び、（ｉｉｉ）呼吸筋圧Ｐｍｕｓ（ｔ）を推定するために、測定された気道内圧Ｐｙ（ｔ）及び空気流量
    

    

    に適用される移動時間ウィンドウ最小二乗（ＭＷＬＳ）推定を使用して肺の運動方程式
    

    

    を評価するステップを含み、
    前記ＭＷＬＳ推定の移動時間ウィンドウは、その継続時間をＬとすると、時間ｔにおいて間隔［ｔ−Ｌ＋１，ｔ］に及ぶものであり、
    前記ＭＷＬＳ推定は、各移動時間ウィンドウについて、時間ｔにおける前記移動時間ウィンドウ内の前記測定値を使用して最小二乗最小化方法により推定を行うものであり、前記移動時間ウィンドウが前進するにつれて連続的に行われ、
    前記移動時間ウィンドウの継続時間は、呼吸器系エラスタンスＥｒｓ及び呼吸器系抵抗Ｒｒｓが各移動時間ウィンドウ内で一定であるとみなされるように、呼吸サイクル継続時間の一部であり、各移動時間ウィンドウ内の呼吸筋圧Ｐｍｕｓ（ｔ）は、低次多項式関数を用いることにより近似され、
    ＭＷＬＳ推定（ｉ）は、
    

    

    を測定された気道内圧の差信号であるΔＰｙ（ｔ）に適合させて、Ｅｒｓ、Ｒｒｓ及びΔＰｍｕｓの値を得ることを含み、
    

    

    は、測定された空気流量の差信号であり、ΔＶ（ｔ）は、呼吸器系空気ボリューム
    

    

    の差信号であり、ΔＰｍｕｓは、定数であり、
    ＭＷＬＳ推定（ｉｉ）は、
    

    

    を適合させて、Ｒｒｓ及びＰｍｕｓ（ｔ）の値を得ることを含み、式中、Ｅｒｓは、前記ＭＷＬＳ推定（ｉ）において得られた値に設定され、Ｐｍｕｓ（ｔ）は、パラメータ化関数として近似され、
    ＭＷＬＳ推定（ｉｉｉ）は、
    

    

    を評価することを含み、式中、Ｅｒｓは、前記ＭＷＬＳ推定（ｉ）において決定された値に設定され、Ｒｒｓは、前記ＭＷＬＳ推定（ｉｉ）において決定された値に設定される、非一時的記憶媒体。
15. 呼吸器系エラスタンスＥｒｓは、前記ＭＷＬＳ推定演算において、呼吸器系コンプライアンスＣｒｓ＝１／Ｅｒｓとして表される、請求項１４に記載の非一時的記憶媒体。

Images