12.4 评估一种新型的自动无创脉压变异率算法(cnap—ppv：准确)

Evaluation of a novel automated non-invasive pulse pressure variation algorithm (评估一种新型的自动无创脉压变异率算法) 摘自：国际期刊：Computers in Biology and Medicine Volume 43, Issue 10 , Pages 1583-1589, 1 October 2013 . 摘要：对于机械通气的患者，PPV（脉压变异率）是一种有效的对病人液体进行管理的指 导参数。我们通过与手动计算 PPV 作比较，评估了一种实时的自动计算 PPV 的算法。选 取 10 例急危重症患者，通过导管介入进行有创血压监测和通过 CNAP 每搏即时连续无创 血压监测系统进行无创血压监测。基于这两种血压监测方法，分别计算手动方式和自动方 式下的 PPV（IBP ：PPV-manIBP 和 PPV-autoIBP；CNAP ：PPV-manCNAP 和 PPV- autoCNAP） ，其结果为：PPV-manIBP 和 PPV-autoIBP 的偏差和标准方差为- 0.191.65%，PPV-manCNAP 和 PPV-autoCNAP 的偏差和标准方差为-1.02 2.03%，PPV- autoCNAP 和 PPV-manIBP 的偏差和标准方差为-,2.10 3.14%。结果表明自动的 CNAP- PPV 算法对于无创血压监测波形和有创血压监测波形都能很好指导病人的液体管理，但需 更多的临床评估。 引言：一些研究的结果证明了有导向的液体管理（在外科手术和 ICU 中，病人的液体给予 需要基于客观变量的变化而不是基于一般偏差的估计）能够明显提高病人的预后结果。最 近，对于机械通气状态下的镇静病人的血流动力学功能分析已成为对液体管理更优的办法 （例如：是否通过液体管理-减少流量的给予，能够让心输出量显著增加） 。已经证明，动 态指标对于病人的液体响应能力优于静态指标。在这些动态的指标中，PPV 脉压变异率- 即收缩压和舒张压差异的变化率已经显示比其他的动态指数更可靠，且已经用于对病人的 液体管理。 （引言的接下来部分介绍了得到 PPV 的常规方法时通过有创血压导管介入得到血压值，然 后利用手动方式进行计算，且这种方式的准确度很好。-最近，基于一些其他学者的研究， PPV 也可以通过 CNAP 无创血压监测系统自动得出，且这些研究中，CNAP 提供的 PPV 能 够对病人的液体响应能力显示出较好的准确度和特异性。在这篇研究中，将会比较无创 CNAP 方式下手动计算 PPV 和自动 PPV 算法的偏差，以及 CNAP 自动 PPV 与有创 PPV 的 偏差。 有创和无创方式下通过手动和自动 PPV 算法得到的 PPV 具有良好的一致性，CNAP 自动 PPV 算法和 IBP 手动 PPV 算法之间的偏差具有临床相关性。因此，这种新开发的算法将会 是一种有价值的连续评估 PPV 的方法，但仍需进一步的临床试用。 全文翻译： 1.引言 一些研究的相关结果已经证明目标导向液体管理（即在外科手术和重症监护室中液体给予 的剂量应该在基于客观量化的基础上寻求最优化的方案而不是基于一般的基础上）能够显 著提高病人的预后。最近，对于镇静状态下机械通气的病人，通过获得其血流动力学参数 的途径来预测病人的液体响应能力（即：在病人进行补液治疗后或体液流失的情况下，是 否病人的心输出量能随之显著增加和减少）已经是更为准确的方法。动态指标相比于静态 指标能够更好的用于对病人液体响应能力的评估。在这些动态的指标中，脉压变异率 （PPV） （即收缩压和舒张压的偏差的变化）已经证明是更为可靠的动态指标相比于其他的 动态参数已经被应用于临床的液体管理中。 获取 PPV 的方式：通过有创血压监测（桡动脉穿刺）或者无创血压监测技术（CNAP 每搏/ 即时连续无创血压监测系统） 。通过有创方式下手动离线计算 PPV 被认为是医学界的金标 准。通常，需要获得连续血压监测信号和气道压信号。为了消除呼吸机中的气道压信号， 需要精确的算法来滤除气道压信号，自动和连续地获得仅仅只包含血压信号，从而来评估 PPV。大部分的时候，临床上回选择有创血液波形来获取 PPV，其显示出高度的准确性。 可靠的 PPV 值也能够通过无创血压波形自动获得，这种方式对于不能进行动脉导管穿刺的 病人将非常有价值。CNAP 每搏即时连续无创血压监测系统已经在腹部全麻手术、妇产科、 血管外科、神经科等手术中得到验证。当 CNAP 与有创血压监测进行比较时其显示出高度 的准确性。从 CNAP 血压监测系统中的血压波形自动计算出的 PPV 对于预测病人液体响应 能力已经在血管外科手术和急危重症手术中应用。在这些研究中，Biais 等人比较了自动计 算的 PPV 和有创血压（桡动脉穿刺）监测下的 PPV。Monnet 等人比较了自动计算的 PPV 与有创股动脉穿刺血压监测下的 PPV。这些结果显示麻醉手术和急危重症手术中，机械通 气状态下基于手指传感器采集的血压信号的 PPV 与有创方式下得到的 PPV 在病人液体管 理中显示出相似的敏感性和特异性。 在这篇研究中，我们评估了 CNAP 仪器上自动和连续计算得出的 PPV 值从而来评估 CNAP-PPV 算法。这篇研究的目的是通过使用有创血压监测和 CNAP 无创血压监测的血压 波形来比较手动计算的 PPV 与自动 PPV 算法（CNAP） 。 2、方法 研究协议已被受试者伦理委员会同意（奥地利格拉茨大学医院）.所有病人或者他们 的亲戚都被告知病人将进行此研究并能够在任何时间拒绝病人的参与。我们研究了重症监 护室的 10 名病人，其都处于镇静状态、使用血管活性药物（去甲肾上腺素）和有窦性心率。 病人上臂或者手指末端重度水肿的病人将从此研究中排除。使用桡动脉穿刺导管进行有创 血压监测（20G，动脉导管， BD 重症监护系统有限公司，新加坡） 。使用快速冲洗试验来 测试导管的阻尼系数和自然频率。所有病人都使用 Evita XL 来进行机械通气（在两相的气 道正压模式） 。病人的血压信号只选择那些没有自主呼吸的病人，因为自主呼吸已被证明在 液体管理中可能造成病人获得的血压信号用来指导病人的液体管理不可靠。 CNAP 包括双指套、前臂压力传感器、上臂血压袖带定标系统。CNAP 是基于体积加压方 法（或血管卸载技术） ，血管卸载技术最早是由 Penaz 在 1970 年提出，后来由 Fortin 等人 加以改进（CNAP 的发明者） 。双指套包括两个相邻的手指套，其用来监测连续无创的血压 信号，一次只使用一个手指套来采集信号，每隔 5-60 分钟其将自动与另一只手指套交换 （在此次研究中将设置为 30 分钟，这也是制造商建议的交替时间） 。上臂袖带装置是基于 示波法血压监测原理其是用来进行每隔 5-60 分钟的定标（这篇研究选择时间间隔为 15 分 钟，这也是制造商建议的间隔时间） 。 图 1.CNAP：双指套，固定于前臂的压力传感器，上臂血压袖套 CNAP 指套被置放于与有创介入导管相反的一侧。CNAP 上臂袖带与有创穿刺在同一侧手 臂，从而可以消除手臂间可能引起的误差。虽然对于 PPV 的研究这样的偏差是不重要的， 但是其血压偏差可能直接影响到血压的比较。有创血压监测的传感器与 CNAP 的传感器被 放置于接近心脏的水平。CNAP 监测系统与病人的监护仪相连同时进行零校准（这是制造 商建议的） 。 CNAP 和 IBP 血压波形都被同步显示在床旁病人监护仪上，同时采用数据采集软件进行血 压数据的采集：使用一个随机的数字发生器，对于每 10 个病人，分析 10 次血压波形数据。 在产生随机数的过程中，两次血压波形都需进行视觉检查是否有 38 次心跳。为什么选择 38 次心跳这是因为其时间比 3 次典型的呼吸循环周期长。如果观察到所有有创和无创的血 压波形中均无伪影点,将执行以下的程序：推荐的 PPV 金标准值将会通过手动点击鼠标后， 选择三个连续脉压的最大值和最小值，使用临床标准的公式来进行计算： PPV=(PPmaxPPmin)/(PPmax+PPmin)/2 。PPVman 值被 定义为这三个连续呼吸周期的平均 PPV 值。PPVman 的计算是回顾性的基于有创血压监测 和无创血压监测的波形。对于每一个病人，这个程序将会在相同的时间内（用 T1-T10 来 标示其开始和结束时间）取得 10 对 IBP 和 CNAP 的 PPVman 值。 这些 PPVman 值将会与显示在 CNAP 血压监测系统上的对应时间点（T1-T10）PPVauto 值 作比较。这些 PPVauto 值是通过使用厂家提供的软件来进行提取的。基本上来讲，使用 CNAP 血压监测系统中植入的专有的 PPV 算法其将自动搜索机械通气下血压波形的典型波 动周期。通过自动监测脉搏波形的最小值和最大值以及标准的经过 3 个连续呼吸周期平滑 处理后的 PPV 计算公式，PPV 的值将通过电脑自动算出。同时，一个基于自适应系数调整 的滤波器能够纠正由于异常和波动较大的生理参数计算的 PPV，这种自适应调整在最后的 PPV 值显示在 CNAP 监测系统上之前将会进行。 PPV 的原始算法由制造商提供并以子程序的方式植入到 Matlab 里。这个子程序刚开始叫做 CNAP 血压波形，在测量结束之后其将自动返回计算出的所有 PPV 值，这些 PPV 值都以 时间进行标志，接下来其 IBP 将会应用相同的程序计算出所有的 PPVautoIBP 值。从这些 PPVauto 值中，这些分别处于 T1-T10 之间的对应的 PPVmanIBP 和 PPVmanCNAP 值将会 进行比较。因此，共有 100 对数据被用于此次研究分析。 手动方式和自动方式处理 PPV 的方式不是完全相同的：手动计算 PPV 的值是基于心跳的 次数，且必须包含 3 个连续的自主呼吸周期（对于个体其具有差异性且依赖于他们当前的 心跳）然而自动的 PPV 算法包括一个更新的滤波器其包含过去的信息并对显示在病人监护 仪上的 PPV 值进行平滑。 分析被分成两个部分：（i）评估 CNAP 自带的 PPV 算法的准确性；比较基于相同波形的 的手动 PPV 值和自动 PPV 值；（例如：PPVmanCNAP 与 PPVautoCNAP 和 PPVmanIBP 与 PPVautoIBP） ；（ii）评估自动 PPV-CNAP 的临床价值，比较 PPVautoCNAP 与金标准 PPVmanIBP。 数据的分析是利用 MSEXcel2007 版本和 SPSS（windows 版） 。数据是以均值平均方差的 形式显示。通过计算偏差、偏差的标准方差、回归点和 Bland-altman 差异分析图来比较 PPV 之间的一致性。 图二：上面的图形显示出 CNAP 血压监测系统上的无创血压信号（左边的尺度）和每搏的 PPV 数值（在蓝色线上标注的点，右边的尺度） 。下面的图显示相应显示了有创血压信号 的波形和数据。 ） 3、结果 在表一中显示了 10 例病人的特点。对于每个病人记录了 CNAP 和 IBP 的血压波形，记录 时间至少为 1h 每个病人（最短的时间为：1:47 ，最长的时间为：2:44 ） 。表二总结了这些 血压波形的舒张压、收缩压和平均动脉压的值，脉搏压和 PPV 值。脉压的最小和最大的数 据点是通过在 IBP 和 CNAP 信号上手动选取的。 3.1、CNAP 中植入的 PPV 算法的准确度 分析手动和自动 PPV 值之间的差异性（即自动和手动计算的方式相比，先基于有创血压监 测然后基于 CNAP 信号） ，其偏差，以及偏差的方差（95%的置信区间）被列于图 3 中。这 种分析结果（即：PPVmanIBP 与 PPVautoIBP 和 PPVmanCNAP 与 PPVautoCNAP）显示出 正相关（分别为:R=0.889 和 R=0.822;P0.001，n=100） 图 3.（a）回归性曲线（回归基线和相关性）和（b）Bland-Altman 差异分析图（水平直线 代表偏差，水平点状线代表一致性范围）：PPVmanCNAP 和 PPVautoCNAP，PPVmanIBP 和 PPVautoIBP。 图 4 每位病人 PPV 值的中值偏差.所有的值都是以百分比形式显示的。PPVmanIBP=基于 IBP 信号手动计算的 PPV 值； PPVauto=基于 IBP 信号自动计算的 PPV 值；PPVmanCNAP= 基于 CNAP 手动计算的 PPV；PPVautoCNAP=基于 CNAP 信号自动计算的 PPV。 表 3 显示：（a）回归曲线图显示出回归基线和相关系数的一致性；（b）Bland-Altam 差异 分析图显示出在置信区间 95%下水平虚线和点状虚线下的一致性，左边是 PPVmanCNAP 与 PPVautoCNAP，右边为 PPVmanIBP 与 PPVautoIBP。 3.2、基于 CNAP 的自动 PPV 算法的可靠性的临床价值 PPVmanIBP 和 PPVautoCNAP 是正相关的（R=0.522，P0.001，n=100） 。PPVmanIBP 和 PPVautoCNAP 之间的偏差和标准方差（ 95%的置信区间）显示在图三中。每个病人的主要 数据显示在图 4 中；图 4 显示（a）回归曲线图显示出回归基线和相关系数的一致性； （b）Bland-Altam 差异分析图显示出在置信区间 95%下水平虚线和点状虚线下的一致性。 4、讨论 这篇研究的结果的第一部分比较了手动计算的 PPV 值（PPVmanIBP 和 PPVmanCNAP）同 其对应的自动计算 PPV 值（PPVautoIBP 和 PPVautoCNAP）显示出 PPV 的算法不仅适用于 有创监测方式也适用于无创监测方式（PPVmanCNAP 与 PPVautoCNAP 的偏差标准方差： -1.022.03%，相关系数为：R=0.822；PPVmanIBP 与 PPVautoIBP 的偏差标准方差：- 0.191.65%，相关系数为： R=0.889）. 第二部分的结果比较了从 CNAP 上得到的 PPV 值（PPVautoCNAP）与基于 IBP 血压波形 手动计算的 PPV 值（PPVmanIBP ） ，结果显示：PPVautoCNAP 与 PPVmanIBP 较低的正相 关系数（R=0.522） ，偏差标准方差：-2.103.14% 。其一致性范围的结果为-8.26% 和 4.06%，都具有临床相关性，但是也显示出虽然 CNAP 植入的 PPV 算法提供的结果很满意， 但 IBP 和 CNAP 的血压波形在一定程度上是有差异的，从而影响到最后得到的 PPV 值。 在图 2 中可以看到：CNAP 和 IBP 用于计算 PPV 的血压值（收缩压、舒张压和平均动脉压） 是有差别的。这种差值是因为 IBP 和 CNAP 的测量部位是不一样的（IBP 为桡动脉穿刺而 CNAP 定标体系是以肱动脉为基准）：CNAP 的收缩压值一般都会比 IBP 的值低，而舒张 压的值一般都会比 IBP 的高。因此，其会导致脉压值 CNAP 比 IBP 的低，基于 IBP 血压信 号计算的 PPV 值一般情况下高于基于 CNAP 血压信号的 PPV 值（PPVmanIBP 为 6.93.6%，PPVautoIBP 为 6.73.2%,PPVmanCNAP 为 5.83.4%，PPVautoCNAP 为 4.82.2%）.同样自动和手动 PPV 值之间的偏差范围也是令人感兴趣的：自动计算出的 PPV 值一般情况下低于手动计算出的偏差值，其标准方差只是稍微偏低。所有的结果的产 生可能归因于自动算法中的滤波器和平滑处理过程，这应该是与手动 PPV 计算方法最大的 差别。但是，这两种方法都是基于 3 个呼吸周期。在这个方面，CNAP 的滤波器和平滑处 理系数需要稍加改进从而更好地提高其跟随真实的潜在变化的动态性，特别是移除由于工 件等因素造成的异常的变化较大的参数。 第一个实现自动实时 PPV 算法的仪器是 Philips Intellivue MP70 monitors (Intellivue MP70, Philips Medical Systems, Suresnes, France)。这种算法与手动 PPV 算法相比是可靠的，并在 麻醉科和 ICU 都有使用。Cannesson 和其同事报道了 PPVman 与 PPVauto 的一致性（偏差 标准方差为：0.73.4%，相关性为： 0.86） ，其结果是基于 IBP 的血压波形。 对于目前的离线的验证性分析，PPVmanIBP 与 PPVautoIBP 之间的一致性和 PPVmanCNAP 与 PPVautoCNAP 的一致性都处于相同的数量级显示出相似的偏差（-0.19%和-1.02%） ，一 致性系数分别为（R=0.889，R=0.822） 。标准方差稍低，分别为：（1.65% 和 2.03%） ，可能 是由于我们分析中数据的数量较少。这些结果显示出自动的 PPV 算法能在任何输入波形下 使用。 当 PPV 值的金标准（即通过有创血压信号手动计算的 PPV 值-PPVmanIBP ）与基于 CNAP 计算出的 PPV（即 PPVautoCNAP）相比较时，其结果与之前同 Philips Intellivue MP70 monitors 相比得出的结果是其标准方差相似（3.14%） ，但是偏差的数值较大（-2.10%） 。我 们研究的结果同样与 Biais 和 Monnet 等人得出的结果有些不同：在它们的这篇文章中， Biais 等人对于血管外科手术中对液体管理具有挑战性的病人通过 IBP 和 CNAP 血压信号手 动计算 PPV 的值（PPV 是基于 3 个呼吸周期） ，体积扩张之前：PPV-IBP 和 PPV-CNAP 之 间的偏差为 0.62.7%（R=0.90） ，体积扩张之后：PPV-IBP 和 PPV-CNAP 之间的偏差为- 0.91.6%（R=0.74） 。在这篇研究中，PPV 的计算是在体积扩张前和体积扩张后仅仅只是 测量一次，而在如此短的时间间隔内，造成的血压波形的伪影误差可以完全避免的。在 ICU 的实际设置中病人是根据临床全程监测的需要来对待的，这将会影响影响计算 PPV 的 血压波形信号。这这些作者的研究中，Monnet 等人比较了 IBP 血压监测和 CNAP 血压监 测下手动计算 PPV 值的差异（采用 4 个连续呼吸周期下平均的 PPV 值）经受被动抬腿试 验和呼吸末闭塞试验。所有的 PPV-IBP 和 PPV-CNAP 的偏差为-0.62.3%（R=0.88） 。此 外，所有测试是在彻底执行控制的时间间隔内执行的。 我们的初步研究有以下的局限性：首先是在急危重症室中极度危重病人的小样本试验，可 能不适用与其他的小样本的群组。第二，病人治疗的确切时间没有记录在病人的列表中， 因此未能被清楚地排除在研究之外。更进一步地，我们没有进行液体响应能力的测试，没 有研究 CNAP 对于预测病人液体响应能力。 我们的研究中同样包括潮气量小于 8ml/kg 的病人（一般建议为潮气量大于 8ml/kg） ，其中 最小的数值为：5.7ml/kg,7.0-8.0ml/kg 的 25-75%四分位数；此外，所有病人都有呼吸末正 压通气（PEEP, 9.311.6 cm H2O 的 25-75%四分位数） ，这些设置都应用在标准的肺保护 性通气中，特别是脓毒症和肺炎患者，因此这些都是 ICU 真实的监测数值。在 Freitas 等人 的研究中，其证明了 PPV 仍然是一项对于液体响应能力较为有效的监测指标，当病人通气 状态下潮气量为 6ml/kg 的时候。在 Huang 等人的研究中，其讨论了在预测病人流体响应 能力时更高的呼吸末正压通气值能平衡低潮气量所带来的效应。因此，我们的通气设置是 可以产生适合于流量管理的 PPV 值。 图 4.（a）回归曲线图（显示回归基线和相关性）和（b）PPVmanIBP 和 PPVautoCNAP： 一致性 Bland-Altman 差异分析图（水平直线代表着偏差，水平点状代表着一致性的界限） 总之，在 CNAP 中的自动 PPV 算法能够评估机械通气状态下真实环境中的急危重症患者的 PPV，从而提供 PPV 的实时连续无创的监测。有创方式下和无创方式下的 PPV-man 和 PPV-auto 具有较好的一致性，但是基于 CNAP 波形自动获得的 PPV 值与基于有创血压波 形手动计算的 PPV 值之间的偏差具有临床相关性。因此，新发展起来的自动算法可能会是 一种连续评估 PPV