使用外围动脉波形进行心脏输出和血管参数估计的新方法:通过α - 参数识别集成风模型

科学领域:

• 心血管生理学心血管生理学
• 生物医学工程 生物医学工程
• 医疗器械技术 医疗器械技术

背景情况:

• 传统的心力输出 (CO) 估计方法往往缺乏生理学解释性和通用性,因为依赖校准或黑子模型.
• 准确和可解释的CO监测对于有效的术后和重症监护管理至关重要.

研究的目的:

• 开发和验证一个结构上可识别的模型,用于从外围动脉压力波形中同时估计CO和血管参数.
• 为现有的CO估计技术提供一种生理上可解释,数据效率高,无校准的替代方案.

主要方法:

• 一个由四个元素组成的Windkessel模型被重新构成,使用alpha参数 (αC,αR,αL,ατ) 来表示动脉特性.
• 处理了外围动脉压波形,并将其与模型相配以提取α参数,然后将其传递给CO估计的通用线性模型.
• 估计的CO用于导出动脉合规性 (C),特征阻抗 (Rz),远程电阻 (Rdis) 和惰性 (L).

主要成果:

• 内部验证表明R2=0.82和百分比误差 (PE) =26.17%,符合临床可互换性标准 (PE<30%).
• 在独立数据集上的外部验证结果是R2=0.72和PE=28.41%,没有再培训,证实了模型的稳定性.
• 该模型成功估计了CO和关键血管参数 (C,Rz,Rdis,L) 的高精度和一致性.

结论:

• 阿尔法参数化的Windkessel框架为CO估计提供了一个生理上有基础的,无校准的方法.
• 该方法同时量化多个血液动力学参数,从单个动脉压信号提供全面的概况.
• 该框架适用于实时集成到重症监测系统,增强患者管理.