使用动脉压波形数据的血管状态的检测制造技术

本发明专利技术涉及用于检测血管状态的多元统计模型、用于创建这些多元统计模型的方法、和用于使用该多元统计模型检测受试者中血管状态的方法。这个模型是基于来自经历特定的血管状态的第一组受试者和没有经历相同血管状态的第二组受试者的动脉压波形数据创建的。多元统计模型建立用于为每组输入数据提供不同的输出值。因此，当将来自观察下的受试者的数据输入该模型时，模型输出值与建立输出值之间的关系会指示受试者是否经历该血管状态，其中该建立输出值是为模型基于的这两组受试者所建立的。

【技术实现步骤摘要】
【国外来华专利技术】使用动脉压波形数据的血管状态的检测
技术介绍
诸如心搏排血量(SV)、心输出量(CO)、心室舒张末期容量、喷血分数、心搏排血量变化(SVV)、脉搏压变化(PPV)和心收缩压变化(SPV)等指标不仅对于疾病的诊断而且对于“实时”即连续监控受试者的临床重要变化都是重要的。例如，健康护理提供者对人类受试者和动物受试者两者的前负荷依赖性、流体反应性和容量反应性的变化感兴趣。因此几乎很少的医院没有用于监测一个或多个心脏指标的一些形式的仪器，该仪器致力于提供受试者正出现一个或多个指标变化的警告。包括侵入性技术、非侵入性技术及其组合的很多技术在使用中，甚至已经在文献中被提出。
技术实现思路
描述了用于检测受试者的血管状态(vascularcondition)的多元统计模型(Multivariatestatisticalmodels)。多元统计模型基于来自经历血管状态的第一组受试者和没有经历血管状态的第二组受试者的动脉压波形数据。该模型提供了模型输出值，该输出值对应第一组动脉压波形数据的动脉压波形的第一建立值和第二组动脉压波形数据的动脉压波形的第二建立值。另外，描述了用于创建这种用于检测受试者中血管状态的多元统计模型的方法。这些方法涉及提供来自经历血管状态的第一组受试者的第一组动脉压波形数据，和提供来自没有经历血管状态的第二组受试者的第二组动脉压波形数据。然后，基于该第一组和第二组动脉压波形数据建造多元统计模型。该多元统计模型提供了模型输出值，该输出值对应第一组动脉压波形数据的动脉压波形的第一建立值和第二组动脉压波形数据的动脉压波形的第二建立值。进一步地，描述了用于使用这些多元统计模型检测受试者的血管状态的方法。这些方法涉及提供来自受试者的动脉压波形数据，并且将多元统计模型应用到动脉压波形数据，从而确定心血管参数。该多元统计模型是由来自经历血管状态的第一组受试者的第一组动脉压波形数据和来自没有经历血管状态的第二组受试者的第二组动脉压波形数据制备的。该多元统计模型提供了心血管参数，该心血管参数对应第一组动脉压波形数据的动脉压波形的第一建立值和第二组动脉压波形数据的动脉压波形的第二建立值。然后，该心血管参数与阈值相比较。如果心血管参数等于或者大于该阈值，那么受试者经历血管状态，并且如果心血管参数小于该阈值，那么受试者没有经历血管状态。附图说明图1示出在一个心搏周期期间复合血压曲线的示例。图2示出图1的压力波形的离散时间表示。图3示出动脉压波形的心脏收缩部分下的区域。图4示出对于正常受试者和高动力(hyperdynamic)受试者的动脉压波形的收缩阶段下面的区域的统计分布。图5示出动脉压波形的心脏收缩持续时间。图6示出正常受试者和高动力受试者的动脉压波形的心脏收缩持续时间的统计分布。图7示出动脉压波形的心脏收缩持续时间和心脏心脏舒张持续时间。图8是处于正常血液动力状态(虚线)和高动力状态(粗线)的高心率受试者的心脏舒张阶段的持续时间的统计分布——也示出所有病人的组合的分布(细线)。图9是处于正常的血液动力状态(虚线)和高动力状态(粗线)的高心率受试者的心脏收缩阶段的持续时间的统计分布——也示出所有病人的组合的分布(细线)。图10示出在正常的血液动力状态期间猪的动物模型中的主动脉(Aortic)、股动脉(Femoral)和桡动脉(Radial)的同时记录的压力波形。图11示出在用大量液体和血管加压药复苏的内毒素休克(感染性休克)期间猪的动物模型中的主动脉(Aortic)、股动脉(Femoral)和桡动脉(Radial)的同时记录的压力波形。图12是示出执行本文所描述的方法的系统的主要组件的方框图。具体实施方式描述了用于检测血管状态的多元统计模型、用于创建这种多元统计模型的方法和用于使用该多元统计模型检测受试者血管状态的方法。血管状态可能包括不同的心血管血液动力状态和状况，诸如，例如血管舒张(vasodilation)、血管收缩(vasoconstriction)、外周压力/血流从中央压/血流分离的状态、外周动脉压与中央主动脉压不成比例的状态和外周动脉压低于中央的主动脉压的状态。这里描述的用于检测血管状态的模型是多元统计模型。这个多元统计模型基于来自经历特定的血管状态的第一组受试者的动脉压波形数据和没有经历相同血管状态的第二组受试者的动脉压波形数据。举例来说，经历特定血管状态的第一组受试者是，当收集受试者的动脉压波形数据时经历中央主动脉压/血流与外周动脉压/血流分离的受试者。对于进一步的示例，没有经历相同的血管状态的第二组受试者，当收集受试者的动脉压波形数据时没有经历中央主动脉压/血流与外周动脉压/血流的分离，例如，这些受试者经历正常的血管状态。多元统计模型被建立，从而为每组输入数据提供不同的输出值。具体地，该多元统计模型提供了模型输出值，该输出值对应第一组动脉压波形数据的动脉压波形的第一建立值和第二组动脉压波形数据的动脉压波形的第二建立值。该多元统计模型基于包括受血管状态影响的一个或多于一个参数的一组因素。不希望受到理论的约束，利用一个模型并且将该模型限制为第一和第二组数据的不同的输出需求，这可以利用多个因素来提供受试者正在出现血管状态的指标。使用的每种类型的因素，例如，脉搏搏动标准差，一般表示正在经历特定血管状态的受试者和那些不在经历特定血管状态的受试者之间的差异。然而，该差异通常位于沿着连续体的位置，特定的受试者可以具有明确的正指标和明确的负指标之间的值，或因为某些原因受试者的特定因素可以似乎在正常范围内，尽管受试者正在经历血管状态。然而，通过利用多个因素，即，受血管状态影响的多个因素，一般将会有充足的正指标指示状态是存在的(或充足的负指标指示状态是不存在的)。如这里所描述的建立的多元统计模型提供使用多个因素的能力，从而增加区分两种状态即正在经历该血管状态或未在经历血管状态的两种状态的能力。多元统计模型中使用的因素的具体数量将取决于个体因素区分经历特定状态的受试者和没有经历该特定状态的受试者的能力。也可以增加因素的数量，从而为模型提供更高的准确度水平。因此，更多的因素可以用于帮助特定情况中所需模型的精确性、准确度和/或可再现性。如Langewouters等人(“TheStaticElasticPropertiesof45HumanThoracicand20AbnormalAortasinvitroandtheParametersofaNewModel，”J.Biomechanics，17(6)：425-435(1984))所限定的，可用于这里所述的模型的因素示例包括：(a)基于一组动脉压波形数据的脉搏搏动标准差的参数、(b)基于一组动脉压波形数据的R到R区间(或者心率)的参数、(c)基于一组动脉压波形数据的心脏收缩部分下面的区域的参数、(d)基于一组动脉压波形数据的心脏收缩持续时间的参数、(e)基于一组动脉压波形数据的心脏舒张持续时间的参数、(f)基于一组动脉压波形数据的平均动脉压的参数、(g)基于一组动脉压波形数据的压力加权标准差(pressureweightedstandarddeviation)的参数、(h)基于一组动脉压波形数据的压力加权平均(pressureweightedmean)的参数、(i)基于一组动本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】2009.02.09 US 61/151,023;2010.01.26 US 12/694,2051.一种用于检测受试者的异常血液动力血管状态的处理系统，所述处理系统包含：处理器，所述处理器被配置为使用多元统计模型，所述多元统计模型基于包括一个或多于一个参数的一组因素，所述一个或多于一个参数受所述异常血液动力血管状态的影响并且来自经历所述异常血液动力血管状态的第一组受试者的第一组动脉压波形数据和没有经历所述异常血液动力血管状态的第二组受试者的第二组动脉压波形数据，所述多元统计模型提供模型输出值，所述模型输出值对应于所述第一组动脉压波形数据的动脉压波形的第一建立值和所述第二组动脉压波形数据的动脉压波形的第二建立值，其中所述第一建立值指示存在所述异常血液动力血管状态，所述第二建立值指示不存在所述异常血液动力血管状态。2.根据权利要求1所述的处理系统，其中受所述异常血液动力血管状态影响的所述一个或多于一个参数是从由以下参数构成的组中选择的：(a)基于一组动脉压波形数据的脉搏搏动标准差的参数、(b)基于一组动脉压波形数据的R到R区间的参数、(c)基于一组动脉压波形数据的心脏收缩部分下面的区域的参数、(d)基于一组动脉压波形数据的心脏收缩持续时间的参数、(e)基于一组动脉压波形数据的心脏舒张持续时间的参数、(f)基于一组动脉压波形数据的平均动脉压的参数、(g)基于一组动脉压波形数据的压力加权标准差的参数、(h)基于一组动脉压波形数据的压力加权平均的参数、(i)基于一组动脉压波形数据的动脉脉搏搏动偏度值的参数、(j)基于一组动脉压波形数据的动脉脉搏搏动峰度值的参数、(k)基于一组动脉压波形数据的压力加权偏度的参数、(l)基于一组动脉压波形数据的压力加权峰度的参数和(m)基于一组动脉压波形数据的压力相关弹性贮器顺应性的参数。3.根据权利要求1所述的处理系统，其中受所述异常血液动力血管状态影响的所述一个或多于一个参数包括：(a)基于一组动脉压波形数据的脉搏搏动标准差的参数、(b)基于一组动脉压波形数据的R到R区间的参数、(c)基于一组动脉压波形数据的心脏收缩部分下面的区域的参数、(d)基于一组动脉压波形数据的心脏收缩持续时间的参数、(e)基于一组动脉压波形数据的心脏舒张持续时间的参数、(f)基于一组动脉压波形数据的平均动脉压的参数、(g)基于一组动脉压波形数据的压力加权标准差的参数、(h)基于一组动脉压波形数据的压力加权平均的参数、(i)基于一组动脉压波形数据的动脉脉搏搏动偏度值的参数、(j)基于一组动脉压波形数据的动脉脉搏搏动峰度值的参数、(k)基于一组动脉压波形数据的压力加权偏度的参数、(l)基于一组动脉压波形数据的压力加权峰度的参数和(m)基于一组动脉压波形数据的压力相关弹性贮器顺应性的参数。4.根据权利要求1所述的处理系统，进一步地包含另外使用下面的一个或多于一个参数检测所述异常血液动力血管状态：(n)基于搏动间隔动脉血压信号的形状和具有一阶或多阶的动脉血压信号的至少一个统计矩的参数、(o)对应于心率的参数和(p)受试者的一组人体测量参数。5.根据权利要求1所述的处理系统，其中所述第一建立值大于所述第二建立值。6.根据权利要求1所述的处理系统，其中所述第一建立值是正数，并且所述第二建立值是负数。7.根据权利要求1所述的处理系统，其中所述第一建立值是+100，并且所述第二建立值是-100。8.一种创建用于检测受试者异常血液动力血管状态的模型的方法，所述方法包含：提供来自经历所述异常血液动力血管状态的第一组受试者的第一组动脉压波形数据；提供来自没有经历所述异常血液动力血管状态的第二组受试者的第二组动脉压波形数据；和基于包括一个或多于一个参数的一组因素建造多元统计模型，所述一个或多于一个参数受所述异常血液动力血管状态的影响并且来自所述第一组和第二组动脉压波形数据，所述多元统计模型提供对应于所述第一组动脉压波形数据的动脉压波形的第一建立值和所述第二组动脉压波形数据的动脉压波形的第二建立值的模型输出值，其中所述第一建立值指示存在所述异常血液动力血管状态，所述第二建立值指示不存在所述异常血液动力血管状态。9.根据权利要求8所述的方法，其中受所述异常血液动力血管状态影响的所述一个或多于一个参数是从以下参数组成的组中选择的：(a)基于一组动脉压波形数据的脉搏搏动标准差的参数、(b)基于一组动脉压波形数据的R到R区间的参数、(c)基于一组动脉压波形数据的心脏收缩部分下面的区域的参数、(d)基于一组动脉压波形数据的心脏收缩持续时间的参数、(e)基于一组动脉压波形数据的心脏舒张持续时间的参数、(f)基于一组动脉压波形数据的平均动脉压的参数、(g)基于一组动脉压波形数据的压力加权标准差的参数、(h)基于一组动脉压波形数据的压力加权平均的参数、(i)基于一组动脉压波形数据的动脉脉搏搏动偏度值的参数、(j)基于一组动脉压波形数据的动脉脉搏搏动峰度值的参数、(k)基于一组动脉压波形数据的压力加权偏度的参数、(l)基于一组动脉压波形数据的压力加权峰度的参数和(m)基于一组动脉压波形数据的压力相关弹性贮器顺应性的参数。10.根据权利要求8所述的方法，其中受所述异常血液动力血管状态影响的所述一个或多于一个参数包括：(a)基于一组动脉压波形数据的脉搏搏动标准差的参数、(b)基于一组动脉压波形数据的R到R区间的参数、(c)基于一组动脉压波形数据的心脏收缩部分下面的区域的参数、(d)基于一组动脉压波形数据的心脏收缩持续时间的参数、(e)基于一组动脉压波形数据的心脏舒张持续时间的参数、(f)基于一组动脉压波形数据的平均动脉压的参数、(g)基于一组动脉压波形数据的压力加权标准差的参数、(h)基于一组动脉压波形数据的压力加权平均的参数、(i)基于一组动脉压波形数据的动脉脉搏搏动偏度值的参数、(j)基于一组动脉压波形数据的动脉脉搏搏动峰度值的参数、(k)基于一组动脉压波形数据的压力加权偏度的参数、(l)基于一组动脉压波形数据的压力加权峰度的参数和(m)基于一组动脉压波形数据的压力相关弹性贮器顺应性的参数。11.根据权利要求8所述的方法，进一步地包含另外使用下面的一种或多于一种参数检测所述异常血液动力血管状态：(d)基于搏动间隔动脉血压信号的形状和具有一阶或多阶的动脉血压信号的至少一个统计矩的参数、(e)对应于心率的参数和(f)所述受试者的一组人体测量参数。12.根据权利要求8所述的方法，其中所述第一建立值大于所述第二建立值。13.根据权利要求8所述的方法，其中所述第一建立值是正数，并且所述第二建立值是负数。14.根据权利要求8所述的方法，其中所述第一建立值是+100，并且所述第二建立值是-100。15.根据权利要求8所述的方法，其中建造多元统计模型包含：确定与模型输出值的一组临床上确定的参考测量值有关的逼近函数，所述模型输出值对应于所述第一组动脉压波形数据的动脉压波形的第一建立值和所述第二组动脉压波形数据的动脉压波形的第二建立值，所述输出值表示来自没有经历所述异常血液动力血管状态的受试者和经历所述异常血液动力血管状态的受试者两者的心血管参数的临床测量值，所述逼近函数是下列参数中一个或多于一个的函数：(a)基于一组动脉压波形数据的脉搏搏动标准差的参数、(b)基于一组动脉压波形数据的R到R区间的参数、(c)基于一组动脉压波形数据的心脏收缩部分下面的区域的参数、(d)基于一组动脉压波形数据的心脏收缩持续时间的参数、(e)基于一组动脉压波形数据的心脏舒张持续时间的参数、(f)基于一组动脉压波形数据的平均动脉压的参数、(g)基于一组动脉压波形数据的压力加权标准差的参数、(h)基于一组动脉压波形数据的压力加权平均的参数、...

【专利技术属性】
技术研发人员：F·哈迪布，L·D·罗特里克，
申请(专利权)人：爱德华兹生命科学公司，
类型：发明
国别省市：