动脉压力波形分析在麻醉诱导期的应用

钟子佩，程云章，曹阳，梁冰

1.上海理工大学上海介入医疗器械工程技术研究中心，上海 200093；2.广州市红十字会医院暨南大学医学院第四附属医院麻醉科，广东广州 510220

前言

全麻是手术中最常用的麻醉方式，但高龄患者血管弹性减退、代谢功能降低，导致其对麻醉药物的耐受性减弱，这使麻醉医生难以维持人体对伤害性刺激的反应和麻醉药物对反应抑制效应的平衡关系，此时监测不当易发生麻醉意外［1］。因此，越来越多的研究建议在全麻过程中使用连续和实时的监测，从而正确诊断和管理患者［2］，进而有助于减少麻醉过程中的不良反应［3］。

动脉压力波形包含多种人体生理信息，使用波形分析从中提取的生理病理信息可作为临床诊断和治疗的重要依据［4］。动脉压力波形分析是在精确测量波形的基础上，对脉搏波形成的模式进行解读，以展示血压传统指标可能无法提供的病人心血管状态的一种方法［5］，主要可分为时域分析、频域分析、时频分析以及数学建模4 种。其中的数学建模分析可以进一步分为两类，一类是直接将脉搏波分解为多个波形，以获取形态上的最佳拟合成果，如Lognormal函数分解模型和高斯函数分解模型［6-8］；而另一类是在与心血管系统的功能特性相联系的基础模型上对压力波形进行分解，如波形分离法和储存压力波模型［9-10］。

本研究将使用波形分离法和储存压力波模型对采集的动脉压力波形进行分析。波形分离法最早由Westerhof等［11］提出，被认为是研究脉搏波现象的“金标准”方法，该模型利用流体动力学原理将压力波形分解成前向波和后向波两个分量。本文使用另一种方法是最早由Wang 等［12］提出的储存压力波模型，该模型一经提出就饱受争议，自那以后有研究对其进行修改并提出储存压力波可以理解为由于累积效应而产生的压力，即反射和再反射形成的波［13］。目前，波形分离法和储存压力波模型在临床中的应用范围尚未明确。

本文使用波形分离法与储存压力波模型，对采集到的动脉压力波形进行波形分解，在分解获得的信号基础上计算波形参数，并将参数在麻醉诱导前后的变化量与临床指标的变化量进行统计学分析。本研究旨在明确波形分析方法的临床意义，探索波形分析在诱导期的应用价值，为动脉压力波形分析及其应用提供新的理论基础和技术方案。

1 资料与方法

1.1 研究对象

本文研究对象均为在暨南大学附属广州红十字会医院行气管插管全麻的老年高血压患者。排除患有稳定窦性心律、瓣膜心脏病、心包狭窄、原发性肺动脉高压、先天性心脏病和临床情况心律不稳定的患者。原因为这类患者的动脉压力波形难以捕捉，影响后续研究。本研究已经过暨南大学附属广州红十字会医院伦理委员会批准。共有25例患者被纳入研究。其中，男12例，女13例；平均年龄（71.91±6.11）岁；ASA II 级21 例，ASA III 级4 例；15 例患者有高血压病史，7例患者有糖尿病史。

1.2 波形采集

本研究采用高频采样的有创血压测量方法，有创地在动脉内测量血压是测量连续血压的金标准［14-15］，这种直接测量血压的方法能反映心动周期内血压的变化，准确地记录心脏发生的细微变化，由于在后续计算其他生物力学生理参数时需要直接采用到测量的波形，高频率采集动脉压力波形能带来更准确可靠的结果［16］。本文的脉搏波信号的采集在自主搭建的脉搏波采集系统上完成。麻醉诱导前，将位于左侧桡动脉的动脉留置针连接一次性血压传感器（Braun）经过放大器（AD620）在控制器（Arduino UNO R3）记录动脉压力波形上传到上位机中以进行后续的分析处理工作，采集数据频率都为500 Hz。图1展示了采集装置实物图。

图1 用于采集波形的装置Figure 1 Device for waveform acquisition

1.3 脉搏波信号去噪

为了更好地对动脉压力波形进行分析，需要对采集到的动脉压力信号进行预处理。有研究表明，利用“db9”小波基函数对脉搏波信号进行6层小波分解，设置启发式阈值所得到的处理效果最好，能有效消除基线漂移、工频干扰和运动伪差等噪声干扰［17］，因此本文使用此方法对采集到的动脉压力波形进行小波去噪。图2为采集的原始波形与小波去噪后的波形对比，可见去噪后的波形变得平滑，毛刺明显减少。

图2 采集获得的原始波形与小波去噪后的压力波形Figure 2 Original waveforms and the pressure waveforms after wavelet denoising

1.4 动脉压力波形分解方法

1.4.1 波形分离法虽然波形分离法在数学上需要流量或速度波形进行波分离，但因为流量波形在个体之间显示的变化相对较小，Westhof 等提出了利用合成三角波形代替实测流量的方法，三角波的起点、峰值点和终点分别对应动脉压力波形的起点、收缩期的30%处和切迹点，通过该对应关系，可用三角波函数拟合动脉流量波，得到最佳拟合函数［18-19］。对于该方法，有大型队列研究已经证明了其广泛适用性［20］。同时，利用采集到的桡动脉压力波形P(t)和由动脉波形构建的三角流量波形Q(t)计算特征阻抗ZC，ZC= fft(P(t))/fft(Q(t))，其中fft表示快速傅里叶变换。取输入阻抗的3～10次谐波幅值的平均值来估计特征阻抗ZC，根据阻抗分析得到主动脉前向压力波Pf(t)、反向压力波Pb(t)：

本研究使用反射幅度Pf、Pb和反射指数RI 以及反射震级RM 4 个波形参数分析获得的动脉压力波形，图3a 展示了波形分离法的波形参数反射幅度Pf、Pb和反射指数RI以及反射震级RM。

图3 波形参数示意图Figure 3 Schematic diagrams of waveform parameters

1.4.2 储存压力波模型时变储存压力波模型将在动脉测量获得的压力波形Pmea看作超压波Pex与储存波Pres两种波的累加。Pres来自动脉顺应性在收缩期储存并在舒张期释放的能量［21］。

式中，Pex表示由测量部位血管的特征阻抗Zc引起的压力变化，与进入该部位的血液流量Qin(t)有关。

流出该部位的血液流量Qout(t)由血管的外周阻力影响。

Pres(t)对时间的导数可表示为动脉顺应性的倒数与流量差的乘积，由此可以得到以下等式：

结合微分方程等数学知识且应用Pres(0) =Pmea( 0 )的初始条件，可以根据式（8）求出一个脉冲周期中的反射波Pres：

在舒张期时，心脏不再射血，而舒张期动脉压力变化形式表现为指数曲线衰减，该指数曲线的时间衰减系数由外围阻力R和动脉顺应性C组成即参数RC，即：

其中，td为舒张期开始时间点，Pes为收缩末期的血压值。脉搏波波形中的重博切迹代表着心脏收缩结束，主动脉瓣关闭，所以将重博切迹视作收缩末期点，获得舒张期的压力曲线进而获得RC、ZcC［22］。对于储波模型分离出的超压波和储存波，使用以下内容作为波形态参数：超压波振幅Pe和储存波振幅Pr，以及对应的积分面积Ae和Ar，如图3b所示。

1.5 统计分析方法

本研究中的数据预处理在Python 3.7 进行，使用SPSS 26.0 以及GraphPad 8.0.2 软件对数据进行统计学分析。计数资料以绝对数表示；计量资料以均数±标准差表示，组内两两比较采用配对样本t检验；Bland-Altman 分析用于评估两个模型参数Pb和Pr之间的一致性；分别对两个时间点测量的临床生命体征，以及计算的波形形态参数取差值，并对血压和心率的变化量与波形形态参数变化量之间的相关性采用Spearman相关性分析，计算相关系数r。P＜0.05为差异有统计学意义。

2 结果

2.1 诱导前后的基本生命体征

由表1可知，诱导后患者的收缩压（SBP）、舒张压（DBP）、平均动脉压（MAP）、脉压（PP）以及心率（HR）与诱导前比较差异有统计学意义（P＜0.05）。所有受试者在两个时间点的MAP 均在61～127 mmHg内，HR均在42～77 bpm内。

表1 诱导前后的基本生命体征Table 1 Basic vital signs before and after induction

2.2 诱导前后的波形参数

图4展示两例患者诱导前后的数据以及采用两种波形分析方法的分析结果，图4a 的左列为麻醉诱导前的波形分析结果，右列为麻醉诱导后的波形分析结果；第一行应用的分析方法为波形分离法，第二行应用的分析方法为储存压力波模型。图4b排列方式与图4a 相同。由图可知诱导前的波形重博切迹明显，波峰形态比较尖锐，而诱导后的波形则比较缓和平滑。

图4 两例高龄患者的桡动脉压力波形分析结果Figure 4 Analysis of radial artery pressure waveforms in two elderly patients

表2展示了采用波形分离法的波形分析结果。诱导后脉搏波分解算法获得的波形幅度Pf、Pb与诱导前比较明显降低，差异有统计学意义（P＜0.05），而诱导后的反射指数RI 以及反射震级RM 与诱导前比较差异无统计学意义（P＞0.05）。

表3展示了采用储存压力波模型的波形分析结果。诱导后脉搏波分解算法获得的波形幅度Pe、Pr以及诱导后的波形面积Ar与诱导前比较明显降低，差异有统计学意义（P＜0.05），而诱导后的波形面积Ae与诱导前比较差异无统计学意义（P＞0.05）。

2.3 两个模型参数的相关性分析

图5a 展示同一例病人波形分离法中的反射波幅值Pb和储存压力波模型中储存波幅值Pr之间的一致性；图5b 展示同一例病人在诱导前后波形分离法中的反射波幅值变化量△Pb和储存压力波模型中储存波幅值变化量△Pr的一致性。从图5a 的Bland-Altman 图可以看出，有两个点在95%一致性界限之外；在一致性界限范围以内，同一例病人波形分离法中的反射波幅值Pb和储存压力波模型中储存波幅值Pr相比，差值的绝对值最大为27.46 mmHg（图5a 中最上面的点），差值平均值为8.22 mmHg。从图5b 的Bland-Altman图可以看出，只有一个点在95%一致性界限之外；在一致性界限范围以内，同一例病人在诱导前后波形分离法中的反射波幅值变化量△Pb和储存压力波模型中储存波幅值变化量△Pr相比，差值的绝对值最大为24.88 mmHg（图5b 中最下面的点），差值平均值为5.89 mmHg。

图5 Bland-Altman分析结果Figure 5 Bland Altman analysis results

2.4 诱导前后的波形参数与临床指标的相关性分析

表4展示两个模型诱导后脉搏波分解算法获得的波形幅度变化量△Pf、△Pb、△Pe、△Pr与临床指标变化量相关性分析结果。由表4数据可见，波形参数与△SBP、△PP、△HR 有显著正相关，其中△Pe与临床指标△PP 相关系数最高（r=0.926）；△MAP 仅与储存压力波模型的△Pr有显著相关；而△DBP 则与波形参数相关不显著。

表4 诱导前后的波形参数与临床指标的Spearman分析结果Table 4 Spearman analysis results of waveform parameters and clinical indicators before and after induction

3 讨论

3.1 麻醉诱导对各参数的影响

表1显示，在本研究群体中，诱导后的血压与心率相较于诱导前都明显降低，差异有统计学意义（P＜0.05），这是由于麻醉药物使平滑肌松弛，进而使血管扩张，血管可储存的血液量增加，回心血量减少导致左心室射血量减少，进而引起血压下降，心率改变。心血管系统的变化也体现在波形中，在图3以及表2与表3中可以看到诱导后的Pb、Pr与诱导前的Pb、Pr相比幅度减小，而RI、RM 与Ae、Ar参数在两个阶段变化不明显的原因可能是这两个参数对血压与心率变化不敏感，而与每搏量等其他灌注指标相关。

表2 诱导前后的波形分离法波形参数Table 2 Waveform parameters of wave separation analysis before and after induction

表3 诱导前后的储波模型波形参数Table 3 Waveform parameters of arterial reservoir model before and after induction

在波形分离模型中，麻醉药物使平滑肌松弛，这时血管阻抗将会减小，使反射波幅值Pb降低；在储存压力波模型中，麻醉药物使血管扩张，血管顺应性增加，在收缩期可储存的血液量增加，但是在高龄患者中，心脏收缩能力下降，血管弹性差，对麻醉诱导药物耐受性差，这可能是引起储存波幅值Pr下降的原因。

3.2 两个模型参数之间的一致性

由图4的Bland-Altman 图分析可以看出，波形分离法中的反射波幅值Pb和储存压力波模型中储存波幅值Pr有较好的一致性，但在大部分个体中Pr要大于Pb，即相较于波形分离法，储存压力波模型高估了波形分量Pres，约为Pb的两倍，在其他研究中也获得了类似的结果［23-24］。

虽然两种模型在估算波形分量的准确度上有争议，但在本研究的研究群体中，由表4可知，储存压力波模型和波形分离法两种模型都与部分诱导临床指标有显著相关，无论是由血管阻抗引起的反射波的Pb，还是与顺应性有关的储存波Pr，都具有反映诱导后血压与心率变化的能力，即储存压力波模型和波形分离法都能合理地解释并量化诱导前后的血压变化。

3.3 两个模型参数与血压心率的相关性

表4显示，波形幅度变化量△Pf、△Pb、△Pe、△Pr与诱导前后的临床指标变化量△SBP、△PP、△HR都有显著相关性，其中波形幅度变化量与△PP 相关性最显著，相关系数最高。有研究表明，脉压PP与动脉僵硬度相关［25］，在本研究群体中，由于麻醉药物的作用，在诱导后PP 会减小，△PP 体现的是诱导前后动脉僵硬度的变化量，波形幅度变化量与△PP 显著相关，则波形幅度变化量也可能有体现动脉僵硬度变化量的能力。波形幅度变化量与诱导前后的△SBP、△HR 也有显著相关性，说明波形分析与临床诱导参考指标密切相关。此外，仅有储存压力波模型的△Pr与△MAP 有显著相关性，这也许意味着储存压力波模型比波形分离法更能反映心脏的功能以及外周大动脉的阻力情况。

3.4 局限性

这项研究有以下局限性：（1）本文研究对象只有中老年高龄患者，结果可能不适用于较年轻或较低风险的人群；（2）本研究是单中心研究，缺乏对患者预后的追踪，有待进一步探讨；（3）用于统计分析的病例数较少，存在未反映真实相关性的可能。

4 结论

根据动脉压力波形的形成机理及波形特征，本文总结对比了两种动脉压力波形分解方法，对诱导前后动脉压力波形形态的变化进行量化分析，且在本研究的研究群体中，储存压力波模型和波形分离法两种模型均与诱导过程中的血压、心率变化量有显著相关。相比以往的动脉压力波形分析的研究，本文不仅对动脉压力波形进行波形分解，还从生理病理的角度上解读了波形分析结果，将理论模型与临床实际联系在一起。本研究可为动脉压力波形分析及其应用提供新的理论基础和技术方案，为麻醉诱导提供参考。