门诊患者时点收缩压与脉搏波传导时间的相关性研究

王利，李蓓，雷永红，蔡宝龙，郭俊艳，何史林

中国人民解放军总医院海南分院 a.护理部；b.急诊科；c.病案管理科；d.信息科，海南 三亚 572013

门诊患者时点收缩压与脉搏波传导时间的相关性研究

王利a，李蓓b，雷永红c，蔡宝龙d，郭俊艳a，何史林d

中国人民解放军总医院海南分院 a.护理部；b.急诊科；c.病案管理科；d.信息科，海南 三亚 572013

目的探讨门诊患者时点收缩压与脉搏波传导时间（Pulse Wave Transit Time，PWTT）的相关性。方法对门诊3280例患者通过智能腕表采集脉搏波数据，将可能影响时点收缩压的自变量引入多重线性回归模型，将时点收缩压（即脉搏波数据采集的同时，为患者测量的坐位、静息状态下、同侧上臂收缩压）作为因变量进行多重线性拟合，采集252例门诊患者进行预测分析。结果① 多重线性回归方程拟合较好且有显著性（R=0.663，F=425.875，P＜0.05）；② PWTT可能与时点收缩压具有显著相关性；③ 252例门诊数据中预测值与实测值误差＜5 mmHg的82例，占比32.54%；误差＜10 mmHg的151例，占比59.92%。结论PWTT与时点收缩压具有良好的相关性，将其用于血压的早期预测具有可能性，但要做到精准的预测尚待深入研究。

脉搏波传导时间；智能腕表；多重线性回归；收缩压；多参数监护仪

专论——基于PWTT的血压预测相关算法的系列研究

编者按：脉搏波传导时间（Pulse Wave Transit Time，PWTT）是动脉血压波沿血管壁传输时间，这个时间是由从心脏开始收缩到大动脉瓣打开再到出现在大动脉血液脉动，经过血管传导到末梢部位时间组成，PWTT参数可以从手腕部的心电和脉搏波来进行获取，目前有大量临床试验可知脉搏波传导时间与血压之间变化关系是生理学上已经明确现象，利用该现象，结合个人身高、体重和年龄等基础特征，形成特殊算法可以用来监测动脉血压的变化，本专栏收集腕部PWTT检测算法、多重回归模型构建、中老年参考值范围等的研究结果，探讨其临床应用价值。

栏目主编：何史林

何史林，毕业于军事医学科学院，博士学位，主管技师。现任中国人民解放军总医院海南分院信息科行政副主任。主要从事医疗信息化、远程医疗和可穿戴设备研发与研究工作。作为项目负责人主持国家远程医疗惠民科技项目、海南省高新技术重点项目两项，中国人民解放军总医院科研扶持项目一项；作为主要参与人参与国家基础平台专项、国家自然科学基金、科工委民用航天预研项目、工信部国家重大专项等多项科研课题，发表学术论文20余篇，其中第一作者发表论文7篇，EI论文1篇。

引言

脉搏波传导时间（Pulse Wave Transit Time，PWTT）是射血期在主动脉根部产生的搏动波沿血管壁传导到外周某处的时间，是反映动脉弹性及可扩张性的常用指标[1]。PWTT值越短，表明血管壁僵硬度越大、顺应性越小[2-3]。而血压的升高，尤其是收缩压的升高，可显著增加血管壁承受的压力，易致管壁弹性成分疲劳和断裂，内膜更易损伤而致僵硬度增加，血管僵硬度的增加又反过来促进了收缩压的上升，从而形成恶性循环[4]。因此，通过研究PWTT与收缩压的相关性对于人群收缩压的早期预测具有重要意义。

1 对象与方法

1.1 研究对象

采用便利抽样法，选取2016年6月～2017年1月在我院门诊就诊的9200例患者进行数据采集，共清洗出3280例进行统计分析。

清洗标准：① 涉及的自变量数据采集不全者删除；② 采集的两组脉搏波传导时间相差≥20 ms者删除；③ 两次收缩压测量相差＞8 mmHg者删除，其余求平均值；④ 两次心率相差＞10 bpm者删除，其余求平均值；⑤ 左臂长（到指尖）-左臂长（到腕部）＜13 cm或＞30 cm者删除；⑥ 在研究期间重复进行数据采集者仅保留首次数据。其中男性1643例，女性1637例；年龄（51.99±13.22）岁。

1.2 研究方法

1.2.1 数据采集工具

（1）基本信息表。为自编调查表，包括患者的ID号，姓名、性别、年龄、是否曾有血压升高、臂围、左臂长（到指尖）、左臂长（到腕部）、身高、体重、血压值等信息。其中是否曾有血压升高定义为患者是否曾经出现过SBP≥140 mmHg或舒张压≥90 mmHg，有则记为“1”，无则记为“0”；臂围定义为基于解剖学站姿经左上臂中点绕臂一周的长度；左臂长定义为基于解剖学站姿经左侧锁骨肩峰端到左手中指指尖的长度或左手腕横纹的长度。

（2）PWTT测量工具。本研究采用基于MK 2511芯片设计的智能腕表进行脉搏波数据采集，利用手表背面的传感器和集成于手表两侧的金属电极采集人体的脉搏和心电信号，通过Matlab 2010编写的图形用户界面将其显示出来以便观察波形，然后计算脉搏波传导时间用于建立回归模型。

（3）血压测量工具。采用迈瑞iPM8型号的多参数监护仪进行血压测量对照，该款监护仪的血压测量模块采用震荡法的原理进行血压测量，可广泛适用于成人、儿童和新生儿，且具有成人、儿童和新生儿分段过压保护功能。该款监护仪同时经过了GB9706.1标准、美国FDA、欧盟CE、中国CMDC认证，测量精度达到±1 bpm或±1%，血压测量准确可靠。

1.2.2 数据采集流程

对自愿参与的患者进行数据采集，询问并填写基本信息表，然后按照监护仪—腕表—监护仪—腕表的顺序进行对患者进行数据采集，按照数据清洗标准处理后进行统计分析。

1.3 质量控制

腕表数据采集前，对研究对象说明数据采集过程中的注意事项和配合要点。数据采集过程中，对脉搏和心电信号的波形进行观察，一旦出现波形小、节律乱、单波或直线的情况，嘱患者休息2 min后重新测量。数据采集结束，研究者初步进行形式检查，发现明显错误的及时纠正。

1.4 统计学分析

将数据录入Epidata 3.1软件中进行统一管理，使用SPSS 17.0进行统计分析。定量资料用x-±s表示，定性资料用频数或率描述。将时点收缩压作为因变量，PWTT、性别（xb）、年龄（nl）、是否曾有血压升高（hyper）、臂围（bw）、左臂长（到指尖）（bc）、左臂长（到腕部）（bc1）、身高（shg）、体重（tzh）等作为自变量进行多重线性回归方程拟合。

2 结果

2.1 研究对象基本特征

3280例门诊患者中，男性1643例，女性1637例，平均年龄（51.99±13.22）岁，臂围（26.50±2.56）cm。其中有血压升高史1347例，无血压升高史1933例；左臂长（到指尖）（68.60±4.73）cm；左臂长（到腕部）（50.84±4.12）cm；身高（164.68±7.61）cm；体重（66.16±11.63）kg；收缩压（123.30±17.02）mmHg；舒张压（78.24±10.96）mmHg（表1）。

2.2 多重线性回归模型的建立

3280例门诊数据中，将可能影响收缩压的变量PWTT、性别、年龄、是否曾有血压升高史、臂围、左臂长（到指尖）、左臂长（到手腕）、身高、体重等作为自变量，时点收缩压（即脉搏波数据采集的同时，为患者测量的坐位、静息状态下、同侧上臂收缩压）作为因变量进行多重线性回归方程拟合。结果显示，PWTT、hyper、xb、nl、bw、shg等自变量可能是时点收缩压的显著影响因素（P＜0.05）。具体结果见表2，回归方程见公式(1)。

SBP=130.862+18.573×hyper+0.202×nl+0.677×bw-0.058×PWTT-2.974×xb-0.173×shg (1)

表1 3280例门诊患者基本特征

表2 多重线性回归方程结果列表

模型复相关系数R=0.663，模型拟合较好，可用于预测分析；方差分析：F=425.875，P=0.000，模型有显著性；共线性诊断：容忍度Tolerance＞0.1,方差膨胀因子VIF＜10,不存在共线性；残差统计量：标准化残差Std. Residual全距为-3.502～4.111，学生化残差Stud.Residual全距为-3.504～4.115，提示该模型可能存在强影响点，可能强影响点19例，经过核对原始数据，未发现错误数据，故接受，见图1～2。

图1 残差直方图

图2 残差P-P图

预测值与实测值差值的平均值和标准差为（-0.06±12.756）mmHg，尚未能达到血压计准确性检测标准（5±8）mmHg。

2.3 回归模型在252例患者中的预测结果

同流程采集252例数据，其中男性102例，女性150例；有血压升高史59例，无血压升高史者193例；年龄（50.56±15.40）岁；臂围（26.67±1.97）cm；左臂长（到指尖）（68.60±3.94）cm；左臂长（到腕部）（51.14±3.56）cm；身高（163.89±8.02）cm；体重（62.09±10.43）kg。将相关自变量引入模型，结果显示，预测值与实测值误差在5 mmHg以内的82例，占比32.54%（误差在5 mmHg以内的例数占所有例数的百分比）；误差在10 mmHg以内的151例，占比59.92%（误差在10 mmHg以内的例数占所有例数的百分比）。预测值与实测值差值为（5.13±14.05）mmHg，准确度总体上仍然达不到国家标准（5±8）mmHg，但仍然具有一定的研究和应用价值。

3 讨论

目前高血压的诊治主要基于反复多次测量静息状态下的血压数据，而忽视了早期血管结构改变对于血压的影响。由于在形成稳定的高血压前期，机体长期无明显症状，以至于出现临床高血压时，已不可避免地对机体造成了一定的伤害[5-7]。脉搏波传导时间是经典的大动脉弹性测量指标，被认为是心血管疾病危险及预后的独立预测因子[8-9]。研究发现，PWTT与动脉血压具有相关性，基于PWTT的无创血压测量方法成为心血管疾病研究领域的热点，且动脉收缩压与舒张压相比，与PWTT具有更好的相关性，可用公式SBP=a×PWTT+b（a、b为固定常数）、DBP≈SBP×eTd/RC（C为血管顺应性、Td为心跳舒张期、R为血液流动的粘滞阻力）观测[10-11]。临床研究发现，单纯收缩期高血压患者最明显的改变为大动脉弹性减退，动脉硬化发生。因此，通过PWTT实现早期高血压的预测具有可能性，故深入研究动脉收缩压与PWTT的相关性意义重大。

本文将PWTT等作为自变量，将动脉收缩压作为因变量，基于PWTT与动脉收缩压呈线性相关的原理进行多重线性回归模型的建立，并通过252例临床数据对其准确性进行验证。研究发现，在3280例门诊患者中，动脉收缩压与PWTT具有显著的相关性，与前人研究结果基本一致[12-14]。可能原因是PWTT对于收缩压的影响主要是通过作用于血管壁而间接影响收缩压，而在动脉硬化形成过程中，CRP、补体复合物、泡沫细胞等沉积在血管壁内，CRP可与脂蛋白结合，激活补体系统，产生大量炎症介质，释放氧自由基，造成血管内膜损伤，血管痉挛以及不稳定斑块脱落，最终导致动脉粥样硬化形成，可能表现为显著的收缩压改变[15-16]。此外，统计发现，通过该模型拟合的预测值与实测值差值的均值和标准差为（-0.06±12.76）mmHg，虽然准确性尚不能达到医疗器械检测标准，但在252例患者血压预测中，相差10 mmHg以内者占59.92%。而本研究在统计分析过程中，尚未对人群进行分类，人群组成较为复杂，甚至包括部分强影响点。提示在后期的研究中应将人群进行分类预测可能取得更好效果。

[1] 张叶青,董耀荣,王忆勤,等.高血压病弦脉和非高血压病弦脉脉图参数的比较[J].世界科学技术(中医药现代化),2012,(1): 1302-1305.

[2] Vlachopoulos C,Aznaouridis K,Terentes-Printzios D,et al.Prediction of cardiovascular events and all-cause mortality with brachial-ankle elasticity index: a systematic review and meta-analysis[J].Hypertension,2012,60(2):556-562.

[3] Hsu PC,Lin TH,Lee CS,et al.Mismatch between arterial stiffness increase and left ventricular diastolic dysfunction[J]. Heart Vessels,2010,25(6):485-492.

[4] 陈珮,王斌,周晓燕,等.原发性高血压患者AIP与PWV及动脉硬化相关危险因素关系的研究[J].慢性病学杂志,2016,(7): 728-730.

[5] 汪晓芬,王晓明,刘春萍,等.高血压患者亚极量运动时血压与踝臂动脉脉搏波传导速度的相关性[J].中华高血压杂志,2016,(10):978-981.

[6] Sung J,Choi SH,Choi YH,et al.The relationship between arterial stiffness and increase in blood pressure during exercise in normotensive persons[J].J Hypertens,2012,30(3):587-591.

[7] Tsiachris D,Tsioufis C,Dimitriadis K,et al.Relationship of ambulatory arterial stiffness index with blood pressure response to exercise in the early stages of hypertension[J].Blood Press Monit,2010,15(3):132-138.

[8] Asmar R,Rudnichi A,Blacher J,et al.Pulse pressure and aortic pulse wave are markers of cardiovascular risk in hypertensive populations[J].Am J Hypertens,2001,14(2):91-97.

[9] 郭维,刘光达,焦阳,等.基于脉搏波信号和血管弹性腔模型的动脉血压连续测量方法[J].医用生物力学,2012,27(1):84-89.

[10] Chen W,Kobayashi T,Ichikawa S,et al.Continuous estimation of systolic blood pressure using the pulse arrival time and intermittent calibration[J].Med Biol Eng Comput,2000,38(5): 569-574.

[11] 孟祥平,刘兵,邓宝芸,等.利用脉搏波传导时间计算动脉血压的研究[J].中国生物医学工程学报,2011,30(4):509-513.

[12] Andrade SS,Serro-Azul JB,Nussbacher A,et al.Daytime systolic blood pressure load and previous stroke predict cardiovascular events in treated octogenarians with hypertension[J].J Am Geriatr Soc,2010,58(11):2232-2234.

[13] 冯雪,刘俊明.脉搏波传导速度与高血压相关性的研究进展[J].临床和实验医学杂志,2013,12(16):1340-1341.

[14] 李曦,胡荣,卢燕玲.体检人群脉搏波传导速度与动态血压监测指标的相关性研究[J].心肺血管病杂志,2013,32(4):452-455.

[15] 吴志勇,漆红梅,盛国太,等.降压药物对脉搏波传导速度影响的差异及其高敏C反映蛋白和假性血管性血友病因子的相关性[J].中国动脉硬化杂志,2011,19(8):639-696.

[16] 安凤霞,沈彦明,鞠炜仙,等.老年高血压患者血压变异性与踝臂动脉脉搏波传导速度的相关性研究[J].实用老年医学,2015,29(9):734-736.

本文编辑 袁隽玲

Study on the Correlation Between Systolic Blood Pressure and Pulse Wave Transit Time in Outpatient Patients

WANG Lia, LI Beib, LEI Yong-hongc, CAI Bao-longd, GUO Jun-yana, HE Shi-lind

a.Department of Nursing; b.Department of Emergency; c.Department of Medical Records Management; d.Department of Information, Chinese PLA General Hospital Hainan Branch, Sanya Hainan 572013, China

ObjectiveTo explore the correlation between pulse wave transit time (PWTT) and systolic blood pressure (SBP) in outpatients.MethodsThe pulse wave data of 3280 outpatients were collected. Multiple linear regression was established by the independent variable, which might influence the systolic blood pressure (SBP). 252 cases of outpatients were collected for predictive analysis.Results① The multiple linear regression was fit well and the correlation was significant (R=0.663, F=425.875, P＜0.05);② There was significant correlation between PWTT and SBP (P＜0.05); ③ There were 82 patients in 252 of whose predicted value and the measured value error＜5 mmHg, which accounted for 32.54%; the predicted value and the measured value error＜10 mmHg was detected in 151 patients, which accounted for 59.92%.ConclusionThere was a good correlation between PWTT and SBP. It is possible to predict the early prediction of blood pressure via the correlation between PWTT and SBP, but accurate prediction is still need to be studied.

pulse wave transit time; smart watch; multiple linear regression; systolic blood pressure

R211

A

10.3969/j.issn.1674-1633.2017.08.001

1674-1633(2017)08-0001-04

2016-12-29

2017-02-22

海南省重大科技攻关项目（2013ZX03005012）；海南省高新技术课题（ZDFY2017008；ZDKJ2016008）。

何史林，解放军总医院海南分院信息科副主任，主要从事医疗信息化、远程医疗和可穿戴设备研发与研究工作。

通讯作者邮箱：heshilin301@163.com