呼吸音分析在儿童常见呼吸系统疾病中的研究进展

摘要：呼吸音能够反映肺和气道的生理及病理状况，由于健康儿童和不同呼吸道疾病儿童呼吸音的声学特性不同，因而分析呼吸音可能为儿童呼吸系统疾病的诊断和治疗提供重要信息。随着数字听诊技术的发展，儿童呼吸音也逐渐成为研究热点。本文总结了近些年呼吸音分析在儿童常见呼吸系统疾病诊治方面的研究进展，为相关领域的研究提供参考与借鉴。

关键词：呼吸音分析；儿童；睡眠呼吸障碍；哮喘

中图分类号： R725.6" 文献标识码： A" 文章编号：1000-503X（2024）05-0763-06

DOI：10.3881/j.issn.1000-503X.15867

Research Progress of Breath Sound Analysis for Common Respiratory Diseases in Children

ZHANG Qiuping ，XU Yongsheng1

1Department of Respiratory Medicine，Tianjin Key Laboratory of Birth Defects for Prevention and Treatment，Tianjin Children’s Hospital，Children’s Hospital，Tianjin University，Tianjin 300134，China

2Graduate School，Tianjin Medical University，Tianjin 30004 China

Corresponding author：XU Yongsheng Tel：022-8778759 E-mail：xxyyss@126.com

ABSTRACT：Breath sounds can reflect the physiological and pathological conditions of the lungs and airways.Due to the differences in acoustic characteristics of breath sounds between healthy children and those with different respiratory diseases，analyzing breath sounds may provide important information for the diagnosis and treatment of respiratory diseases in children.With the development of digital auscultation，children’s breath sounds have gradully become a research focus.This article summarizes the recent research progress in breath sound analysis for the diagnosis and treatment of common respiratory diseases in children，offering reference for the research in related fields.

Key words：breath sound analysis；children；sleep-disordered breathing；asthma

Acta Acad Med Sin，2024，46（5）：763-768

自1817年听诊器被发明后，听诊作为一种诊断辅助手段，至今仍具有重要作用。但由于听诊主观性以及分析方法的限制，呼吸音所蕴含的生理信息并未完全发掘，随着电子信息技术的发展，利用高质量的数字声音捕捉技术结合精确的计算机算法可以弥补传统呼吸音分析技术的缺失［1-2］，从而达到非侵入性、低成本及简单可靠的目的。最早的电子听诊器研发于20世纪50年代，1995年美国3M公司推出了第1台临床数字听诊器。数字听诊器主要由数据采集、预处理和信号处理3个模块组成：数据采集模块采集、过滤、缓冲和放大声音信号，并将声学信号转换为电子信号；预处理模块过滤及去除电子信号的失帧部分；信号处理模块打包、集群数据，并进行高级分类，经计算机系统处理及数字化后，所得数据最终用于临床决策 ［3-4］。

数字听诊可以利用电子（数字）听诊器将声学信号转换为电子信号，并进一步处理以获得最佳检测效果，然后利用计算机分析系统处理和数字化电子信号，最终以图谱和数据方式可视化显示声音信息［1- 5］。数字听诊在医疗实践中的应用前景广阔，可用于远程医疗（包括心肺状况和疾病的家庭监测）［6］、病情评估、隔离听诊和医学研究等。基于计算机辅助诊断程序与算法的研发不仅显著提升了临床诊断的准确率，还具有重要的教学价值等［7］。通过采用数字听诊技术对呼吸音进行深入分析，可以在呼吸系统疾病的临床资料、实验室数据及影像学特征之间建立联系，进而为疾病的辅助诊断及治疗评估提供一种简便、无创、重复性好及经济的解决方案。

1 呼吸音分类

呼吸音分类命名主要参考美国胸科医师学会和美国胸科协会的建议［8-9］。2000年欧洲呼吸学会计算机化呼吸音分析工作组曾试图定义数字听诊的呼吸音及建立呼吸音技术记录和评估的统一标准［10］，并于2016年建立呼吸音参考集作为未来统一命名法［11］的参考。但目前关于呼吸音的分类命名仍未完全统一，现多采用欧洲呼吸学会推荐的呼吸音分类（图1）和声学特征（表1）［12-13］。

2 呼吸音分析在儿童常见呼吸系统疾病中的应用

呼吸系统疾病在儿童疾病中的发病率占首位，是影响儿童身心健康及正常生长发育的重要危险因素［14］。儿童呼吸道疾病的表现通常以正常呼吸音的变化和异常呼吸音为特征［ 15］，不同呼吸道疾病在儿童中表现出不同的声学特征。

2.1 儿童睡眠呼吸障碍

睡眠呼吸障碍在儿童中颇为常见，包括原发性打鼾、阻塞型睡眠呼吸暂停等疾病［16-17］。习惯性打鼾是其突出症状［18］，打鼾声通常是由声门下狭窄或异常引起，表现为软腭、咽壁、会厌和舌头的振荡［19］。与成人打鼾多源自软腭扑动相比，儿童打鼾与腺样体、扁桃体增生和下鼻甲肥大关系更加密切［20］，因而其鼾声声学特征可能与成人存在差异。一项鼾声与多导睡眠描记方法的研究发现，与成人相比，儿童的鼾声信号在频谱特征、共振峰结构和响度方面均存在显著差异［21］。儿童鼾声的主频谱峰值跨度可达5 000 Hz，高阶共振峰可达15 000 Hz，基本频率处于1 270 Hz的中频范围，而成人鼾声的频谱峰值通常低于1 000 Hz，基本频率处于130 Hz的低频范围，且在6 000 Hz以上没有明显的能量；在共振峰结构方面，儿童鼾声表现出较成人更高的共振峰频率；在鼾声响度方面，儿童的声强水平低于成人，阻塞型睡眠呼吸暂停患儿的声强增加约12%，而成年患者增加23%。儿童鼾声的声学特征提示，鼾声分析可能成为一种经济、简便且非侵入性的筛查方法，用以识别具有睡眠呼吸障碍风险的儿童，并可作为睡眠呼吸障碍患儿治疗后的随访监测工具之一。

2.2 儿童哮喘

支气管哮喘是以慢性气道炎症和气道高反应性为特征的异质性疾病，以反复发作的喘息、咳嗽、气促、胸闷为主要临床表现，通常在夜间和/或凌晨发作或加剧［22］。呼吸音分析在儿童哮喘领域的应用亦是近年来的热点。

研究表明，呼吸音参数，如A3/AT（功率谱曲线下第3个区域面积与100 Hz至功率谱最高频率的曲线下总面积的比值）、B4/AT（功率谱曲线下第4个区域面积与100 Hz至功率谱最高频率的曲线下总面积的比值）、RPF75（功率谱最高频率75%处的功率与频率之比）、RPF50（功率谱最高频率50%处的功率与频率之比）等，在评价哮喘或具有哮喘危险因素的儿童气道功能方面具有潜在价值。一项前瞻性横断面研究分析了具有哮喘危险因素的婴儿的呼吸音特征，结果发现具有过敏史或特应性皮炎婴儿的RPF75、RPF50和斜率高于无过敏或无特应性皮炎婴儿，有呼吸道合胞病毒（respiratory syncytial virus，RSV）感染史婴儿的F99（功率谱的99%限制频率）显著高于无RSV感染病史婴儿，这些特征可能有助于预测婴儿未来发生哮喘的风险［23］。哮喘患者呼吸音的声谱分析研究发现，在哮喘发作期间，呼吸音的声谱图（表示时间和声频的关系）主要呈现出在呼气相高音调区域的一种特征性的亮波型带模式，频率可达400 Hz或更高，F50（功率谱的50%限制频率）介于（180±86）Hz和（909±81）Hz之间，持续时间一般为40～350 ms，频率值可在175～1200 Hz，这些参数可能作为哮喘急性发作时的预警指标［24-25］。

肺功能是诊断哮喘的重要手段，也是评估哮喘严重程度和控制水平的重要依据。针对哮喘儿童的呼吸音分析研究发现呼吸音参数与肺功能参数存在关联性。Nukaga等［26］对64例6～16岁哮喘患儿在使用β2激动剂前后的呼吸音进行分析，结果表明β2激动剂吸入后中频区的功率增加，而高频区的功率减少，常见参数F50、F99和斜率的中位值没有变化，但频谱曲线指数A3/AT、B4/AT、RPF75和RPF50显著增加；同时比较β2激动剂吸入前后发现ΔRPF50（RPF50变化值）与ΔR5-R20（5 Hz和20 Hz之间呼吸阻力差的变化值）具有相关性，在校正ΔRPF75的影响后，ΔA3/AT和ΔB4/AT与ΔFEV1（第1秒用力呼气量的变化值）呈正相关，提示呼吸音分析在评估哮喘儿童可逆性气道受限方面具有潜在价值。Koike等［27］研究也证实频谱曲线指数可较好地反映哮喘儿童吸入β2激动剂后的呼吸音参数变化，可作为评估哮喘儿童支气管扩张的指标。

在咳嗽变异性哮喘（cough variant asthma，CVA）患儿的呼吸音研究中发现，吸入β2激动剂后，参数P3/PT（功率谱第3区域的总功率与功率谱总功率区域的比值）、P4/PT（功率谱第4区域的总功率与功率谱总功率区域的比值）、RPF75和RPF50显著增加，这4个参数变化可以反映CVA患者的气道状态，从而有助于CVA的诊断及评估［28］。此外，Kondo等［25］研究发现高音调的呼吸音参数A1000（大于1000 Hz的功率谱曲线下面积）、A1000/AT（A1000与100 Hz至功率谱最高频率的曲线下总面积的比值）能够很好地反映哮喘儿童气道功能变化，且ΔA1000与ΔFEV1呈负相关。在相对中音调呼吸音参数的研究方面，Matsuda等［29］发现参数A2/A3（功率谱曲线下第2区域与第3区域面积之比）和B3/B4值（功率谱曲线下第3区域与第4区域面积之比）在吸入乙酰甲胆碱后显著升高，而在吸入β2激动剂后降低。Imamura等［30］和Tabata等［31］研究也证实了A2/A3和B3/B4参数在检测气道狭窄方面的价值，其可作为提示儿童气道狭窄情况的敏感临床指标。

哮喘的长期管理在哮喘治疗过程中占据着重要地位，肺功能检查虽然能够较好地评估哮喘长期管理情况，但在预测急性发作、评估药物疗效和气道改善情况、技术简单和可重复等方面仍处在不足，而呼吸音分析作为评估气道反应性的工具，有望成为一种安全简便的评估方法［32］。Imamura等［33］对34例长期哮喘控制良好患儿的呼吸音样本进行研究后发现，吸入β2激动剂后，呼吸音参数F99降低而A3/AT、B4/AT和RPF75升高；与肺功能参数进一步分析显示ΔA3/AT和ΔB4/AT与ΔR5-R20显著相关，ΔB4/AT与ΔR5和ΔX5（5 Hz时的电阻抗）显著相关。这些呼吸音参数未来可能作为一种良好、简便、易获取的客观指标来评估哮喘儿童长期管理中的气道变化情况，但仍需要更多深入的研究加以验证。

2.3 儿童肺炎

肺炎至今仍是全球5岁以下儿童死亡的主要原因之一，2013年全球630万儿童死亡病例中，其中因肺炎死亡90万例［34］，早期识别和诊断儿童肺炎对于选择预防或治疗策略以及评估疾病负担十分重要［35］。在嘈杂且拥挤的临床环境中，使用数字设备进行儿童呼吸音录制是可行的。研究表明，数字听诊与常规听诊的结果具有中等一致性，且数字听诊更容易检测到喘鸣音，显示出一定的临床参考价值。对于不存在世界卫生组织定义的肺炎高危因素的低风险儿童，数字听诊检测到的喘鸣音与较低的胸片异常率和死亡率相关。然而，对于存在肺炎高危因素的儿童，这种相关性尚不明确。关于肺炎诊断中关键的固定湿啰音，其声学特征的研究仍需进一步探索［36-38］。随着数字听诊的发展，对肺炎呼吸音分析可能有助于儿童肺炎的初步诊断和干预，特别是对医疗资源匮乏地区儿童肺炎的远程诊断及护理。但目前通过数字听诊获取呼吸音来诊断儿童肺炎的研究证据较少，需要开展更加严谨科学的临床试验，以评估数字听诊在儿童肺炎诊断中的准确性，并深入探讨呼吸音分析结果与儿童肺炎特征的相关性。

2.4 儿童RSV急性细支气管炎

由RSV引起的急性细支气管炎是婴幼儿常见的呼吸系统疾病之一，据估计，该病毒每年在全球范围内造成约3 380万例5岁以下儿童的急性下呼吸道感染，其中2015年导致320万例5岁以下儿童住院治疗，59 600例患儿死亡［39］。研究发现早期RSV感染与婴儿期和儿童期反复喘息及哮喘的发展有关［40］，因而寻找可早期识别和评估RSV急性细支气管炎的简便且有效的指标对于该病的治疗及预后具有重要意义。Kuruma等［41］对RSV急性细支气管炎婴儿急性期和恢复期的呼吸音分析发现，低频和中频呼气-吸气功率比在急性期增加而在恢复期降低，且中频呼气-吸气功率比与患儿的血氧饱和度呈负相关、与临床严重程度评分呈正相关，但与住院天数无关。中频呼气-吸气功率比可作为RSV急性细支气管炎的呼吸音特征的重要指标，对于疾病早期识别及治疗评估有一定的参考价值。

2.5 儿童肺不张

肺不张是指一个或多个肺段或肺叶完全或部分塌陷，是儿童肺炎或支气管哮喘的并发症之一［42］，最常发生于右肺中叶［43］。由于肺不张伴随着局部通气的减少和塌陷肺组织的结构变化，可导致呼吸音的强度或频谱发生改变。Adachi等［44］研究显示儿童治疗前、后的肺不张组与对照组各频段的吸气时右左侧频率比和呼气-吸气频率比之间存在明显差异，吸气和呼气声音强度之间的变化差异可作为评估肺不张改善程度的一个重要听诊指标，持续较低的吸气时右左侧频率比可能与局部通气的持续下降有关，而标准化呼气-吸气频率比则与薄壁组织的重新扩张有关，这可能为肺不张的治疗评价提供一种新的简便方法。

3 展望

目前，呼吸音分析在儿童呼吸道常见疾病的应用研究主要集中在儿童哮喘领域，虽然已有部分临床研究对其他呼吸道常见疾病进行了探索，但仍存在研究样本量偏少，同类研究中使用指标不一致等问题，尚需进一步验证和分析。同时大多数研究聚焦于呼吸音参数与肺功能参数的关联性，而关于呼吸音参数与实验室常见指标如C-反应蛋白、降钙素以及影像学特征的相关性研究较少。针对不同儿童呼吸系统疾病的呼吸音分析、总结以及临床价值还需要大量的科学研究和实践来验证。随着声音采集和分析系统的不断发展和完善，呼吸音分析在临床中的潜在价值已逐渐显现，其作为一种简便、无创、重复性好及经济的方法在未来儿童呼吸系统疾病的初步诊断、疗效评估中将发挥重要作用。

利益冲突 所有作者声明无利益冲突

作者贡献声明 张秋萍：文献检索、文章撰写及核修；徐勇胜：对重要学术性内容做出关键性修订、文稿审阅和定稿

参 考 文 献

［1］Swarup S，Makaryus AN.Digital stethoscope：technology update[J].Med Devices （Auckl），2018，11：29-36.DOI：10.2147/MDER.S135882.

［2］Kevat A，Kalirajah A，Roseby R.Artificial intelligence accuracy in detecting pathological breath sounds in children using digital stethoscopes[J].Respir Res，2020，21（1）：253.DOI：10.1186/s12931-020-01523-9.

［3］Lee SH，Kim YS，Yeo WH.Advances in microsensors and wearable bioelectronics for digital stethoscopes in health monitoring and disease diagnosis[J].Adv Healthc Mater，202 10（22）：e2101400.DOI：10.1002/adhm.202101400.

［4］Leng S，Tan RS，Chai KT，et al.The electronic stethoscope[J].Biomed Eng Online，2015，14（1）：66.DOI：10.1186/s12938-015-0056-y.

［5］Koehler U，Hildebrandt O，Kerzel S，et al.Normal and adventitious breath sounds[J].Pneumologie，2016，70（6）：397-404.DOI：10.1055/s-0042-106155.

［6］Mechanic OJ，Persaud Y，Kimball AB.Telehealth systems[M].Treasure Island （FL）：StatPearls Publishing，2024.

［7］Ramanathan A，Zhou L，Marzbanrad F，et al.Digital stethoscopes in paediatric medicine[J].Acta Paediatr，2019，108（5）：814-822.DOI：10.1111/apa.14686.

［8］ATS-ACCP Ad Hoc Subcommittee.Report on pulmonary nomenclature[J].ATS News，1977，3：5-6.

［9］Mikami R，Murao M，Cugell DW，et al.International symposium on lung sounds：synopsis of proceedings[J].Chest，1987，92（2）：342-345.DOI：10.1378/chest.92.2.342.

［10］Sovij rvi AR，Malmberg LP，Charbonneau G，et al.Characteristics of breath sounds and adventitious respiratory sounds[J].Eur Respir Rev，2000，10：591-596.

［11］Pasterkamp H，Brand PL，Everard M，et al.Towards the standardisation of lung sound nomenclature[J].Eur Respir J，2016，47（3）：724-732.DOI：10.1183/13993003.01132-2015.

［12］Bertrand ZF，Segall KD，Sánchez DI，et al.Lung auscultation in the 21th century[J].Rev Chil Pediatr，2020，91（4）：500-506.DOI：10.32641/rchped.v91i4.1465.

［13］Andrès E，Gass R，Charloux A，et al.Respiratory sound analysis in the era of evidence-based medicine and the world of medicine 2.0[J].J Med Life，2018，11（2）：89-106.

［14］徐东，董巧巧，何琳，等.2013～2019年单中心呼吸系统住院患儿流行病学及病原分析[J].华中科技大学学报（医学版），202 50（2）：214-218.DOI：10.3870/j.issn.1672-0741.2021.02.014.

［15］Ahmed S，Sultana S，Khan AM，et al.Digital auscultation as a diagnostic aid to detect childhood pneumonia：a systematic review[J].J Glob Health，202 12：04033.DOI：10.7189/jogh.12.04033.

［16］Ramamurthy MB，Jayaprakash S.Introduction to pediatric sleep medicine[J].Indian J Pediatr，202 90（9）：927-933.DOI：10.1007/s12098-023-04697-4.

［17］Biggs SN，Nixon GM，Horne RS.The conundrum of primary snoring in children：what are we missing in regards to cognitive and behavioural morbidity[J].Sleep Med Rev，2014，18（6）：463-475.DOI：10.1016/j.smrv.2014.06.009.

［18］Kaditis AG，Alonso Alvarez ML，Boudewyns A，et al.Obstructive sleep disordered breathing in 2-to 18-year-old children：diagnosis and management[J].Eur Respir J，2016，47（1）：69-94.DOI：10.1183/13993003.00385-2015.

［19］Pevernagie D，Aarts RM，De Meyer M.The acoustics of snoring[J].Sleep Med Rev，2010，14（2）：131-144.DOI：10.1016/j.smrv.2009.06.002.

［20］Brietzke SE，Mair EA.Acoustical analysis of pediatric snoring：what can we learn[J].Otolaryngol Head Neck Surg，2007，136（4）：644-8.DOI：10.1016/j.otohns.2006.11.056.

［21］avu瘙塂oglu M，Poets CF，Urschitz MS.Acoustics of snoring and automatic snore sound detection in children[J].Physiol Meas，2017，38（11）：1919-1938.DOI：10.1088/1361-6579/aa8a39.

［22］中华医学会儿科学分会呼吸学组，《中华儿科杂志》编辑委员会.儿童支气管哮喘诊断与防治指南（2016年版）[J].中华儿科杂志，2016，54（3）：167-181.DOI：10.3760/cma.j.issn.0578-1310.2016.03.003.

［23］Shioya H，Tadaki H，Yamazaki F，et al.Characteristics of breath sound in infants with risk factors for asthma development[J].Allergol Int，2019，68（1）：90-95.DOI：10.1016/j.alit.2018.07.011.

［24］Abreu V，Oliveira A，Alberto Duarte J，et al.Computerized respiratory sounds in paediatrics：a systematic review[J].Respir Med X，202 3：100027.DOI：10.1016/j.yrmex.2021.100027.

［25］Kondo Y，Nukaga M，Enseki M，et al.Clinical application of high-pitched breath sound in children with asthma[J].Tokai J Exp Clin Med，2018，43（2）：74-80.

［26］Nukaga M，Tabata H，Enseki M，et al.Changes in the breath sound spectrum with bronchodilation in children with asthma[J].Respir Investig，2018，56（5）：392-398.DOI：10.1016/j.resinv.2018.05.004.

［27］Koike H，Imamura T，Murayama Y，et al.New technique to analyze the breath sound spectrum in children with asthma[J].Tokai J Exp Clin Med，2020，45（4）：195-201.

［28］Enseki M，Nukaga M，Tadaki H，et al.A breath sound analysis in children with cough variant asthma[J].Allergol Int，2019，68（1）：33-38.DOI：10.1016/j.alit.2018.05.003.

［29］Matsuda S，Tabata H，Enseki M，et al.The evaluation of changes in the breath sound spectrum with bronchoconstriction and bronchodilatation in asthmatic children[J].Tokai J Exp Clin Med，2019，44（4）：94-100.

［30］Imamura T，Enseki M，Murayama Y，et al.Characteristics of breath sounds during methacholine-induced bronchoconstriction in children with asthma[J].Tokai J Exp Clin Med，202 47（3）：125-130.

［31］Tabata H，Enseki M，Nukaga M，et al.Changes in the breath sound spectrum during methacholine inhalation in children with asthma：breath sound changes in childhood asthma[J].Respirology，2018，23（2）：168-175.DOI：10.1111/resp.13177.

［32］Bentur L，Beck R，Berkowitz D，et al.Adenosine bronchial provocation with computerized wheeze detection in young infants with prolonged cough：correlation with long-term follow-up[J].Chest，2004，126（4）：1060-1065.DOI：10.1378/chest.126.4.1060.

［33］Imamura T，Enseki M，Furuya H，et al.Changes in the breath sound spectrum with bronchodilator inhalation in asthmatic children with long-term management[J].Tokai J Exp Clin Med，2020，45（1）：24-30.

［34］Global Burden of Disease Pediatrics Collaboration，Kyu HH，Pinho C，et al.Global and national burden of diseases and injuries among children and adolescents between 1990 and 2013：findings from the global burden of disease 2013 study[J].JAMA Pediatr，2016，170（3）：267-287.DOI：10.1001/jamapediatrics.2015.4276.

［35］Zar HJ，Andronikou S，Nicol MP.Advances in the diagnosis of pneumonia in children[J].BMJ，2017，358：j2739.DOI：10.1136/bmj.j2739.

［36］Park DE，Watson NL，Focht C，et al.Digitally recorded and remotely classified lung auscultation compared with conventional stethoscope classifications among children aged 1-59 months enrolled in the Pneumonia Etiology Research for Child Health （PERCH） case-control study[J].BMJ Open Respir Res，202 9（1）：e001144.DOI：10.1136/bmjresp-2021-001144.

［37］McCollum ED，Park DE，Watson NL，et al.Digital auscultation in PERCH：associations with chest radiography and pneumonia mortality in children[J].Pediatr Pulmonol，2020，55（11）：3197-3208.DOI：10.1002/ppul.25046.

［38］McCollum ED，Park DE，Watson NL，et al.Listening panel agreement and characteristics of lung sounds digitally recorded from children aged 1-59 months enrolled in the Pneumonia Etiology Research for Child Health （PERCH） case-control study[J].BMJ Open Respir Res，2017，4（1）：e000193.DOI：10.1136/bmjresp-2017-000193.

［39］Shi T，McAllister DA，O’Brien KL，et al.Global，regional，and national disease burden estimates of acute lower respiratory infections due to respiratory syncytial virus in young children in 2015：a systematic review and modelling study[J].Lancet，2017，390（10098）：946-958.DOI：10.1016/S0140-6736（17）30938-8.

［40］Fauroux B，Simes EA，Checchia PA，et al.The burden and long-term respiratory morbidity associated with respiratory syncytial virus infection in early childhood[J].Infect Dis Ther，2017，6（2）：173-197.DOI：10.1007/s40121-017-0151-4.

［41］Kuruma K，Otomo T，Sakama T，et al.Breath sound analyses of infants with respiratory syncytial virus acute bronchiolitis[J].Pediatr Pulmonol，202 57（10）：2320-2326.DOI：10.1002/ppul.26034.

［42］Redding GJ.Atelectasis in childhood[J].Pediatr Clin North Am，1984，31（4）：891-905.DOI：10.1016/s0031-3955（16）34652-1.

［43］Sekerel BE，Nakipoglu F.Middle lobe syndrome in children with asthma：review of 56 cases[J].J Asthma，2004，41（4）：411-417.DOI：10.1081/jas-120033983.

［44］Adachi S，Nakano H，Odajima H，et al.Lung sounds in children before and after respiratory physical therapy for right middle lobe atelectasis[J].PLoS One，2016，11（9）：e0162538.DOI：10.1371/journal.pone.0162538.

（收稿日期：2023-10-07）