胸阻抗信号在心肺复苏质量监测中的研究新进展
张和华;吕洋;苌飞霸;李勇明;李永勤
【摘 要】论述了心肺复苏过程的质量监测与反馈对于提高抢救成功率的重要性,介绍了目前监测心肺复苏质量的常用手段和参数,提出了现有监测手段存在的一些问题,指出用胸阻抗(transthoracic impedance,TTI)信号监测心肺复苏(cardiopulmonary resuscitation,CPR)质量并实施反馈是极具应用前景的方法,综述了TTI信号在心肺复苏质量监测中的新进展,并指出开展基于个体差异的按压深度与TTI变化值的关系研究具有重要意义.
【期刊名称】《医疗卫生装备》
【年(卷),期】2016(037)001
【总页数】4页(P107-109,123)
【关键词】心肺复苏;胸阻抗;质量;监测;反馈
【作 者】张和华;吕洋;苌飞霸;李勇明;李永勤
【作者单位】400042重庆,第三军医大学大坪医院野战外科研究所医学工程科;400044重庆,重庆大学通信工程学院;400042重庆,第三军医大学大坪医院野战外科研究所医学工程科;400044重庆,重庆大学通信工程学院;400038重庆,第三军医大学生物医学工程学院
【正文语种】中 文
【中图分类】R318;R605.975
心肺复苏（cardiopulmonary resuscitation，CPR）包括胸外按压、人工通气和体外电除颤等，对于抢救心脏骤停患者具有重要意义。美国心脏协会（American Heart Association，AHA）和欧洲复苏委员会（European Resuscitation Council，ERC）在2010年心肺复苏指南中都强调了及早进行高质量的胸外按压对于CPR成功率的重要性[1-2]。
胸外按压的质量指标包括按压深度、按压频率、按压时间占比和胸廓的回弹程度等。对于院外心脏骤停（out-of-hospital cardiac arrest，OHCA）的患者，院前CPR有助于增加脑血流量和恢复神经系统的功能[3]。高质量的胸外按压还能降低复苏后的脑损伤[4-5]。但是由于OHCA患者的第一目击者绝大多数是非专业人员，使得院外CPR会出现按压深度不足、按压速率较低以及胸廓的回弹不足等情况[6]。并且，即使是在院内CPR或急救医疗服务（emergency medical services，EMS）人员进行胸外按压，也很难达到指南按压深度5cm的要求[7]。临床研究表明，随着按压时间的增加，施救人员会出现疲劳，从而出现在胸外按压进行至90s以后，按压深度明显降低的情况[8]。然而，如果轮换施救人员会导致一段时间内没有循环血流，而出现胸廓回弹不足的现象[9]。因此，实时监测胸外按压质量并反馈给施救人员以指导CPR实施具有重要意义。
目前心肺复苏质量监测的参数主要包括按压深度、按压频率和胸阻抗（transthoracic impedance，TTI）变化等生理指标。按压深度、按压频率通过在患者胸口放置加速度传感器或者位移传感器测量，现已开发出一些可视化手持式的CPR反馈装置，使用时放置在患者胸口，以数字或图形的方式显示当前按压深度和按压速率的情况，施救人员根据显示保持或调整按压深度和速率，以达到较高的CPR质量，并已在模拟人实验中取得了不错的效果[10-11]。但是这些手持式的反馈装置需要根据患者的支撑表面硬度进行校准，临床可靠性需要进一步验证[12]。TTI可以通过除颤电极获得，当用于CPR质量监测时，不需要额外增加器件，也不受患者支撑表面硬度的影响，通过相应软件即可对信号进行处理，提取所需参数，并提供实时反馈。经动物实验和临床研究证实，用TTI监测CPR质量并实施反馈是极具应用前景的方法。
TTI变化值是指在心肺复苏过程中人体阻抗变化情况，主要包含了2个方面的信息：一是操作者实施胸外按压造成人体胸腔形变而产生的阻抗变化，二是由于心脏及血管内血流引起的阻抗信号变化。TTI测量技术在心肺复苏领域的应用已经超过30 a，从早期用于无创监测心搏出量和心排量逐步拓展到了CPR质量的全面监测与评估。
Roberts等[13]针对儿童的CPR，研究了TTI信号用于监测、指导通气的准确性。实验中用除颤电极片采集了28名年龄中位数为4岁，四分位间距为1.7～9岁；体质量中位数为16.3 kg，四分位间距为10.5～39 kg的儿童的TTI数据。通过数据分析和仿真实验，发现TTI信号与人体单位体质量的通气量之间具有很好的线性关系，人体每千克的通气量大于7 ml时可以精确地进行监测，并用于指导通气。
李永勤等[14]收集了来自美国多家急诊医疗中心的大量数字心电图和TTI信号，覆盖500名出现室颤的患者，共1 262次电除颤（其中305次成功）的信息，发现当TTI达到150赘时，振幅频谱（amplitude spectrum area，AMSA）明显增高，TTI信号通过调整AMSA阈值以到达预定的灵敏度和特异度，可以影响AMSA预测的效果，使用同一台除颤器记录的实时TTI信号可能通过调整AMSA的阈值的方式，实现对除颤结果的准确预测。
Aramendi等[15]在用从TTI中提取的按压频率去除心肺复苏伪影的研究中，获得了372例院外心脏骤停患者（87例受到电除颤，285例非电除颤）的心电图、TTI和按压深度数据，分别由按压深度和TTI信号估计按压频率。通过对比发现，按压深度和TTI对按压频率的估算结果具有很高的线性相关性，证实了通过TTI信号可以准确估算按压速率的观点。
Lyona等[16]为了研究复苏反馈和复苏培训对CPR结果的影响，开展了为期13个月（2009年12月1日至2010年12月31日）的研究，分析了111例OHCA复苏的TTI数据，验证了训练和反馈可以提升CPR质量。同时，结论中还指出TTI分析可以客观评估院前复苏的质量。
Ayala等[17]为了论证按压深度和TTI对胸外按压质量监测的可靠性，记录了38例院外复苏的情况，包含869 min，67 402次按压，监测了对应的按压深度和TTI，计算出按压频率和按压时间占比，发现用按压深度和TTI监测胸外按压质量的准确度都很高。在大多数情况下，对患者可以采用这2种监测的方法，无需人工计数，频率可以通过阻抗通道自动反馈。
Gonzalez-Otero等[18]提出了用自适应阈值法进行波形分析，以实现通过TTI自动监测胸外按压中按压中断的方法，该方法既能在线也能离线进行CPR的质量评估。
Stecher等[19]分析了Oslo EMS除颤器记录的自2003年5月到2004年2月之间的122名院外心脏骤停患者相关数据，通过软件分析了心电图、TTI信号和其他相关数据，并基于TTI分析了CPR的按压频率、无流量比和通气，证实了TTI信号可以用于估计CPR的核心参数。
Xiang[20]、李勇明[21]等分别通过线性判别分析（linear discriminant analysis，LDA）、基于密度加权和偏好信息的K均值聚类的方法，采用基于猪的电诱导心脏骤停模型的TTI信号数据，对TTI信号进行通气和按压的识别，获得了较高的识别准确率，为实现TTI信号监测和实时反馈的临床应用奠定了基础。
以上研究证明了TTI用于CPR质量监测的可行性，实现了从TTI信号提取按压频率、按压时间占比、无流量比和通气等参数，并预测除颤结果。然而，在以上研究中，都没有通过TTI估算冠状动脉灌注压（coronary perfusion pressure，CPP）或按压深度，也没有建立TTI与CPP和按压深度之间的关系。CPP被证实是目前预测能否恢复自主循环（return of spontaneous circulation，ROSC）的最直接的指标[22]，而按压深度与CPR质量密切相关[23-24]，它是保持一定CPP的关键。李永勤等在研究TTI用于CPR质量监测中建立了动物模型，通过家猪模型试验对比了高质量按压与按压不足对CPR结果的影响，证实了高质量按压对复苏的意义，更重要的是建立了TTI变化值与按压深度以及TTI变化值与CPP的线性关系，论证了TTI可以用来预测按压深度，从而反应胸外按压的质量[25]。
为了证明高质量的按压与ROSC有密切联系，排除其他因素的干扰，实验中设定单一变量为按压深度，采用了体质量、年龄等生理状况相近的家猪。Alonso等[26]临床分析了60名OHCA患者数据，提取出按压深度和TTI信号，并定量表征TTI信号的3个特征（峰-峰值、曲线下面积和曲线长度），建立按压深度和TTI信号3个特征之间的线性关系。结果表明，由于患者的体征差异，分析整个患者群体时TTI变化值与按压深度的线性关系不佳。
本课题组在近期的研究中，采用模糊c均值聚类算法和深度学习算法，对基于猪的电诱导心脏骤停模型的TTI信号数据进行处理，对TTI中的按压和通气部分进行分类识别。实验结果表明，这2种算法对TTI信号中按压波形和波形分析的识别的正确率和敏感度较高，运行速度快。模糊c均值聚类算法针对通气和按压可以达到99.7%和95.7%的阳性检出率（positive predictive value，PPV），深度学习算法可以达到99.8%和96.1%；模糊c均值聚类算法针对通气和按压可以达到99.8%和95.1%的敏感度，而深度学习算法可以达到99.7%和97.7%。就时间代价而言，模糊c均值为0.3797s，深度算法为0.0886 s，均可以达到实时处理的要求，值得一提的是，这是深度学习算法首次被用于TTI信号的识别。
尽管TTI信号在心肺复苏过程中的监测作用日益突出，但部分研究发现，在院外心肺复苏过程中，当涉及多个施救者及不同人群时，TTI信号与按压深度的线性相关性变差，用TTI信号预测按压深度的准确性降低。事实上，由于TTI信号受到生物体基础阻抗的个体差异等多种因素影响，利用TTI信号替换按压深度监测心肺复苏质量必须克服上述因素的影响，解决数据采集标准化以及建立TTI变化值与按压深度的量化方程。因此，在运用胸阻抗信号监测心肺复苏质量过程中必须充分考虑患者的身高、体质量、性别、年龄、胸围等个体差异，将人体进行归一化分类，并设定校正参数，实现快速的人体阻抗校正，从而实现CPR质量的实时反馈。因此，笔者认为，开展基于个体差异的按压深度与TTI变化值的关系研究具有重要意义。
通过TTI信号监测CPR质量具有信号采集方便易行，且不需要额外增加器件的优点。凡是用到除颤电极的地方，都能提取到TTI信号，因此用于CPR监测具有广阔前景。同时，研究已经证明TTI信号可以用于CPR质量监测，并已通过TTI信号成功提取按压速率、按压时间占比、通气以及按压中断等参数，准确度较高。但是由于患者体征差异的影响，目前TTI预测按压深度的效果并不理想，TTI与按压深度的相互关系还需进一步研究。通过获取不同体征差异的患者数据，建立在不同体征差异条件下TTI信号与按压深度的关系模型，有望替代按压深度信号作为一种更方便的CPR监测手段，对于分析TTI信号的临床价值具有重要作用。
【相关文献】
[1]Deakin C D，Nolan J P，Soar J，et al.European Resuscitation Council guidelines for resuscitation 2010 section 4.Adult advanced life support[J].Resuscitation，2010，81（10）：1 305-1 352.
[2]陈平，钟永.《2010美国心脏协会（AHA）心肺复苏（CPR）及心血管急救（E胸外按压）指南》要点速递与释义[J].中国医药导报，2011，8（5）：6-8.
[3]Sakamoto T，Morimura N，Nagao K，et al.Extracorporeal cardiopulmonary resuscitation versus conventional cardiopulmonary resuscitation in adults with out-of-hospital cardiac arrest：a prospective observational study[J].Resuscitation，2014，85（7）：762-768.
[4]Wu J Y，Li C S，Liu Z X，et al.A comparison of 2 types of chest compressions in a porcine model of cardiac arrest[J]. Am J Emerg Medi，2009，27（7）：823-829.
[5]Field R A，Soar J，Davies R P，et al.The impact of chest compression rates on quality of chest compressions—a manikin study[J].Resuscitation，2012，83（3）：360-364.
[6]Fried D A，Leary M，Smith D A，et al.The prevalence of chest compression leaning during in-hospital cardiopulmonary resuscitation[J].Resuscitation，2011，82（8）：1 019-1 024.
[7]Heidenreich J W，Berg R A，Higdon T A，et al.Rescuer fatigue：standard versus continuous chest-compression cardiopulmonary resuscitation[J].Acad Emerg Med，2006，13：1 020-1 026.
[8]Sugerman N T，Edelson D P，Leary M，et al.Rescuer fatigue during actual in-hospital cardiopulmonary resuscitation with audiovisual feedback：a prospective multicenter study[J]. Resuscitation，2009，80（9）：981-984.
[9]Sutton R M，Maltese M R，Niles D，et al.Quantitative analysis of chest compression interruptions during in-hospital resuscitation of older children and adolescents[J].Resuscitation，2009，80（11）：1 259-1 263.
[10]Skorning M，Beckers S K，Brokmann J C，et al.New visual feedback device improves performance of chest compressions by professionals in simulated cardiac arrest[J].Resuscitation，2010，81（1）：53-58.
[11]Pozner C N，Almozlino A，Elmer J，et al.Cardiopulmonary resuscitation feedback improves the quality of chest compression provided by hospital health care professionals[J].Am J Emerg Med，2011，29（6）：618-625.
[12]Yeung J，Meeks R，Edelson D，et al.The use of CPR feedback/prompt devices during training and CPR performance：a systematic review[J].Resuscitation，2009，80（7）：743-751.
[13]Roberts K，Srinivasan V，Niles D E，et al.Does change in thoracic impedance measured via defibrillator electrode pads accurately detect ventilation breaths in children[J].Resuscitation，2010，81（11）：1 544-1 549.
[14]LiYQ，ChenBH，QuanWL，etal.Transthoracic impedanceguided AMSA threshold adjustment for robust defibrillation outcome prediction[J].Resuscitation，2014，85：S9.
[15]Aramendi E，Ayala U，Irusta U，et al.Suppression of the cardiopulmonary resuscitation artefacts using the instantaneous chest compression rate extracted from the thoracic impedance[J].Resuscitation，2012，83（6）：692-698.
[16]Lyon R M，Clarke S，Milligan D，et al.Resuscitation feedback and targeted education improves quality of pre-hospital resuscitation in Scotland[J].Resuscitation，2012，83（1）：70-75.
《胸阻抗信号在心肺复苏质量监测中的研究新进展》相关文档：
