监护仪房颤综合管理应用的临床意义
2022-12-06关则宏刘梦星孙泽辉何先梁姚静刘麟刘琮
【作 者】 关则宏,刘梦星,孙泽辉,何先梁,姚静,刘麟,刘琮
1 深圳迈瑞生物医疗电子股份有限公司,深圳市,518057
2 深圳市儿童医院,深圳市,518026
0 引言
房颤是一种室上性快速心律失常,其心房电活动具有快速、无序等特征,心电图上显著表现为P波消失而代之以不规则的心房颤动波(F波),RR间期绝对不规则[1-2]。
房颤是最常见的心律失常之一,具有极高的危险性,容易引发中风、心衰等高危情况。房颤发生时,心房不能有效收缩,泵血功能失调,造成血流动力学障碍,血栓栓塞机会增加,以及心房肌的电重构[1]。一例房颤信号如图1所示。由于血液不能完全泵出心房,在心房内淤滞,导致血凝块的形成,血凝块脱落,随血液一起流向全身。而脑部的血管分布密集、细长,血栓容易堵塞脑部的血管,形成脑血管栓塞,进而导致缺血性脑卒中。房颤患者中风的概率是非房颤患者的3~5倍,甚至约20%的中风患者由房颤引起[3],同时房颤是心衰强烈的独立危险因素,15.6%~24.0%的初诊房颤患者随后会被诊断为心衰[1],所以对于房颤的监测具有重要的临床意义。
图1 房颤信号实例Fig.1 Example of AF signal
鉴于房颤监测的重要临床价值以及患者人群的巨大需求,监护系统需要快速、有效的房颤监测和管理功能。然而,现有监护系统对房颤管理相对单一,一般仅具备房颤监测和报警功能,部分监护系统可能有回顾功能,医护人员可通过回顾界面的事件列表翻看历史报警数据,还可以通过全息波形来查找房颤报警前后的信号,以分析某个具体房颤的持续过程。由此可见,现有监护系统缺乏专门面向房颤患者的综合评估和管理工具,房颤事件的查看和分析功能相对零散,无法查看在一段时间内房颤报警的总持续时间,也无法同步查看房颤发生时其他生理参数的变化情况。
为了改善房颤的临床评估和综合管理,笔者提出了一种基于监护设备的房颤综合管理应用,通过房颤专业视图(AF View)的设计将房颤事件报警和房颤负荷等信息统一,同时集中呈现患者监测周期内的房颤事件分布等统计数据,为医护人员系统评估患者的生理病理状态提供帮助。
1 房颤综合管理应用
房颤综合管理包括4个单元:房颤分析、房颤报警、房颤负荷、AF View。其中房颤分析是前提,房颤报警和房颤负荷是实时提示,AF View是管理应用。
1.1 房颤分析
指南中对房颤分为5类,分别是首次诊断房颤、阵发性房颤、持续性房颤、长程持续性房颤和永久性房颤[1-2,4-5]。相关的ESC房颤管理指南中,对各类房颤患者均推荐用ECG监测来进行筛查[4],如果采用房颤自动分析算法,将大大提高房颤筛选的效率,所以在监护设备中集成房颤自动分析算法非常必要。
房颤的心电图特征主要是P波消失,代之以不规则的心房颤动波(F波),RR间期绝对不规则,房颤自动分析算法主要对这3个特征分别展开分析,再综合决策,判断是否为房颤,主要分析过程如下:
ECG信号经过QRS波检测和分类后,排除一些异常类型(如室早或起搏类型)和信号质量较差的QRS波,挑选适合房颤检测的QRS波,计算这部分QRS波的RR间期,计算RR间期规则度,同时采用经过滤波的ECG信号进行P波和F波检测,计算F波颤动波指数,统计最近一段时间有P波的QRS波个数,然后进行房颤综合决策,判断是否为房颤。
(1)RR间期规则度计算。
房颤期间,RR间期绝对不规则,表现在与相邻的RR间期均不相似。MIT-AF开源数据库中(下载链接:https://physionet.org/content/afdb/1.0.0/),记录04043的RR间期散点图如图2所示。
图2 记录04043的RR间期散点图Fig.2 Scatter plot of RR intervals of record 04043
通过图2(b),可以知道RR间期的整体分布,如果分布呈扇形,说明可能为房颤节律;通过图2(a),可以知道RR间期随着时间的变化趋势,同时通过将图2(a)间期散点图部分放大,可以大概定位非房颤节律与房颤节律的边界点,如图3所示。
图3 记录04043的t-RR间期散点图节选Fig.3 Episode of scatter plot of RR intervals of record 04043
通过t-RR间期散点图,对于记录04043,可以较清楚地识别房颤节律与非房颤节律的边界点。不过并非所有房颤都可以通过RR间期区分开与非房颤的边界点,图4为记录05121的散点图。
图4 记录05121的RR间期散点图Fig.4 Scatter plot of RR intervals of record 05121
记录05121的Lorenz-RR间期散点图呈扇形,说明可能为房颤节律,通过t-RR间期散点图和ECG信号图,说明记录05121确实有房颤节律。
通过将部分t-RR间期散点图放大,发现在两段房颤中间,同样也有RR间期比较离散的非房颤节律,如图5所示。
图5 记录05121的t-RR间期散点图节选Fig.5 Episode of scatter plot of RR intervals of record 05121
说明通过RR间期,能识别出部分房颤,但是可能会误识别一部分非房颤事件为房颤,还需要通过P波防止误识别问题,通过F波防止漏识别问题。
(2)P波与F波检测。
P波是由心房除极产生,表示一次心跳的开始,后面紧跟QRS波群和T波,可能还会有U波。如果出现房颤,心房有序的电活动被无序的电活动代替,P波被形态、间距及振幅均绝对不规则的F波代替,即P波分析的主要目的不是检出房颤,而是防止将非房颤事件误识别为房颤事件。
由于房颤时心房电活动的频率高达350~600次/分,意味着心房的“收缩/舒张”也达350~600次/分,也就意味着心房几乎完全丧失了收缩功能[6],心房的颤动在心电图上表现为F波,如图6所示。
图6 记录04936窦性节律与房颤节律交界处Fig.6 The junction of sinus rhythm and AF rhythm of record 04936
由于房颤发生时,心房存在多个无序的电活动点,F波幅度、宽度、频率变化较大,没有固定的规律。
(3)房颤综合判断。
通过RR间期和P波检测/F波检测结果,根据RR间期、P波特征、F波特征特点,进行综合房颤判断。当综合判断认为条件满足房颤报警,触发房颤报警;如果后续患者的心电图恢复到窦性节律或其他节律,心电图信号不满足房颤报警条件,房颤报警退出,输出“房颤停止”字符串,提示医护人员患者的房颤报警停止。
1.2 房颤报警与房颤负荷
当心电图信号出现房颤特征时,房颤分析算法通过分析RR间期不规则度,P波/F波检测结果,发现心电图信号满足房颤条件,触发房颤报警。同时通过统计时间段内的房颤报警时长,计算房颤的报警负荷(AF Burden),实时刷新在界面中,方便医护人员实时查看,掌握患者的房颤病情发展情况,其中房颤负荷计算方法[7]如下:
房颤负荷通过百分比的方式显示,范围在0~100%,表示在统计时间段内房颤报警的时间程度,数值越大,表示房颤在统计时间段内报警时长越长,反之越小。房颤负荷可能是心房疾病或心房病严重程度的标志[7]。
1.3 AF View
1.3.1 功能简介
AF View通过将AF Burden、IBP血压值、HR值、ST值等参数/特征在预设时间段内,按照时间顺序联合呈现在一个界面上,形成各个参数/特征的时间趋势图,让医护人员一目了然快速掌握患者的各个参数/特征的变化趋势,及时发现病情变化时间点。
其中AF View界面下方部分为关联参数区,根据医护需求可动态调整,最多可显示3个参数/特征的趋势图。
1.3.2 功能亮点
(1)将房颤与其他多个参数/特征联合呈现,在AF View单个界面图上就可以了解多个参数/特征的变化趋势,不用到各个参数区域操作菜单,调出各个参数的变化趋势图了解参数的变化情况,减少操作,节省医护人员时间。同时多个参数/特征趋势图呈现在同一张界面图上,可用多个参数维度评估患者病情。例如评估房颤期间是否出现高心室率(房颤与HR联合评估),评估房颤期间是否出现心肌缺血(房颤与ST值联合评估)等。
(2)结合房颤治疗前、治疗中的房颤概览报告,再根据房颤治疗后的房颤概览报告,实现房颤病情的长时间周期管理。通过长时间周期管理,可以不间断了解患者房颤病情发展,方便医护人员评估房颤患者的病情发展及恢复情况,同时联合其他参数,监测并发症。同时随着植入式和穿戴式监护设备体积越来越小,费用越来越低,房颤患者长时间的心脏监护将在不久的将来越来越通用化[7]。
(3)实现对短阵房颤患者的管理。指南中已要求持续时长高于30 s的房颤需要被检出[8],通过房颤分析单元,可以准确检出这些短阵房颤事件,然后在AF View视图上呈现,方便医护人员了解患者房颤病情。
2 结果
2.1 数据库评测结果
房颤分析单元实现了对房颤的准确检出,性能优异,通过对开源数据库MIT-AF的评测,结果如表1所示。
表1 房颤分析单元数据库评测结果Tab.1 Results of database test of AF analysis module
其中:ESe(episode sensitivity)为房颤报警次数的敏感度,数值越高,表示房颤检出越灵敏;E+P(episode positive predictivity)为房颤报警次数的阳性预测度,数值越高,表示房颤检出越准确;DSe(duration sensitivity)为房颤报警重合的敏感度,数值越高,表示房颤检出真实房颤的时间越多;D+P(duration positive predictivity)为房颤报警重合的阳性预测度,数值越高,表示房颤检出房颤段越准确。
通过准确识别房颤事件,保证房颤负荷统计结果准确。同时对于短阵房颤的患者,或统计时间较短时,短阵房颤对房颤负荷的影响较大,此时对于短阵房颤的准确检出,保证了房颤负荷统计结果的准确性。
与人工智能(artificial intelligence,AI)方式分析房颤事件不同,本综合管理应用的房颤分析单元可以对ECG信号进行实时分析,给出实时房颤报警,而AI方式基本是终端设备收集ECG信号上传云端离线分析,完成后再将分析结果回传给终端设备,存在滞后性。
2.2 临床案例分析
本综合管理应用实现了房颤的综合管理,经过临床试用,得到了临床医护人员的一致认可。在一次持续性房颤患者试用中,医护想要了解房颤期间是否出现长RR间期,以便了解患者病情(例如判断是否可能会出现晕厥),判断是否需要给药。通过房颤综合管理应用(见图7),了解最近24 h内房颤期间最长RR间期为3~5 s。
图7 持续性房颤患者房颤概览报告Fig.7 AF summary report of persistent AF patient
经医护评估,该患者最长RR间期较为正常,结合房颤期间的心率比较稳定,同时没有出现心率较高的情况,可以暂不用药。
2.3 临床意义
(1)实现了多个参数、多个特征联合呈现,便于医护人员系统性评估房颤病情发展,以及房颤对其他参数和生理机能的影响,同时根据病情调整治疗方案。
(2)实现了多个时间维度(房颤治疗前、房颤治疗中、房颤治疗后)联合评估,便于医护人员评估治疗方案的合理性和患者的恢复情况。
(3)实现了连续性的片段化评估(最小评估单位是1 h,可以通过设置4 h/8 h/12 h/24 h来实现连续评估),实时掌握房颤病情发展,并且及时根据病情调整治疗方案。
(4)实现了对首发和阵发房颤的管理。对于首发房颤和阵发性房颤患者,持续时间在30~60 s的房颤可以及时检出,避免遗漏房颤事件。特别是对于首发房颤,由于患者可能没有心悸、胸闷、头晕等临床症状,本人并不知晓自己有房颤事件,此时通过AF View管理应用,可以清楚地看到患者发生短阵房颤的时间和次数,医护也可以依据AF View判断患者房颤病情的发展。开源库MIT-AF中,不同持续时长的房颤事件次数统计如图8所示。
图8 MIT-AF数据库中不同持续时长的房颤事件次数Fig.8 AF event times of different periods of MIT-AF database
3 结论
笔者设计出了一种监护设备,可对房颤进行综合管理。通过应用软件,医护人员可以全程掌握患者的房颤病情发展,并且在AF View上查看患者术前、术中和术后的房颤统计趋势信息,结合患者的IBP参数等血动信息对比查看,判断患者手术效果,根据病情发展调整治疗方案。