การประเมินกิจกรรมทางเดินหายใจระหว่างการนอนหลับเป็นขั้นตอนสำคัญในการวินิจฉัยความผิดปกติของการหายใจที่เกี่ยวข้องกับการนอนหลับ ในการปฏิบัติทางคลินิก ดำเนินการผ่านการตรวจ plethysmography แบบเหนี่ยวนำทางเดินหายใจ (RIP) ซึ่งวัดการเปลี่ยนแปลงของปริมาตรที่เกิดจากการหายใจโดยใช้สายรัดรอบหน้าท้องหรือทรวงอก อย่างไรก็ตาม
นี่เป็นวิธีการเชิงรุกที่วัดการเคลื่อนไหวของส่วนใดส่วนหนึ่ง
ของร่างกายที่เฉพาะเจาะจงเท่านั้นความชุกที่เพิ่มขึ้นของนาฬิกาอัจฉริยะและเครื่องติดตามการออกกำลังกายถือเป็นคำมั่นสัญญาที่จะลดทั้งความอึดอัดและค่าใช้จ่ายในการเฝ้าติดตามการนอนหลับ อุปกรณ์สวมใส่เหล่านี้จำนวนมากใช้ photoplethysmography แสงสีเขียวสะท้อนแสง (PPG) เพื่อวัดการเปลี่ยนแปลงของปริมาตรเลือด ชีพจร PPG มีข้อมูลเกี่ยวกับการเปลี่ยนแปลงของการไหลเวียนของเลือดส่วนปลายที่เกิดจากกระบวนการทางสรีรวิทยาต่างๆ – รวมถึงการหายใจ
“ส่วนประกอบระบบทางเดินหายใจ PPG เกิดจากการแปรผันของความดันในทรวงอกที่เกิดจากกิจกรรมระบบทางเดินหายใจโดยรวม” Gabriele Papiniจาก Eindhoven University of Technology ( TU/e ) อธิบาย “และในขณะที่ RIP สามารถวัดได้เฉพาะการหายใจ แต่ PPG ยังสามารถวัดกิจกรรมของหัวใจและหลอดเลือดได้ เป็นตัวเลือกในการเฝ้าติดตามการนอนหลับในอุดมคติเพราะช่วยให้สามารถติดตามผลในระยะยาวได้อย่างต่อเนื่องและมีข้อมูลทางสรีรวิทยามากมาย”
Papini และเพื่อนร่วมงานจาก Eindhoven MedTech Innovation Center ( e/MTIC ) ของPhilips Research and Sleep Medicine Center Kempenhaegheได้พัฒนาและทดสอบตัวแทนกิจกรรมทางเดินหายใจ (RAS) ที่ได้รับจากสัญญาณ PPG แบบสะท้อนแสงที่สวมข้อมือ การเขียนในการวัดทางสรีรวิทยาพวกเขาแสดงให้เห็นว่าตัวแทนเสมือนนี้เปรียบเทียบได้ดีกับสัญญาณ RIP ของทรวงอกอ้างอิง
การศึกษาการนอนหลับ
เพื่อตรวจสอบความถูกต้องของ PPG-RAS นักวิจัยได้ตรวจสอบการบันทึกการนอนหลับ 389 รายการจากประชากรที่มีปัญหาการนอนหลับ รวมถึงผู้ป่วย 226 รายที่หยุดหายใจขณะหลับจากการอุดกั้น 108 คนที่มีอาการนอนไม่หลับและ 45 รายที่มีความผิดปกติของการเคลื่อนไหวการนอนหลับ ผู้ป่วยสวมอุปกรณ์ที่สวมข้อมือซึ่งมีเซ็นเซอร์ PPG สะท้อนแสงสีเขียวและมาตรความเร่งแบบสามแกนเพื่อบันทึกข้อมูลการเคลื่อนไหว
ในการดึง PPG-RAS ออกจากข้อมูลที่บันทึกไว้ ทีมงานใช้วิธีการสี่ขั้นตอน: การแบ่งส่วนพัลส์ PPG; การระบุสถานที่สำคัญบนพัลส์ การประเมินคุณภาพแบบพัลส์ต่อพัลส์ และการคำนวณกิจกรรมการหายใจตัวแทนจากจุดสังเกตที่เชื่อถือได้
หลังจากการแบ่งกลุ่มและการปฏิเสธพัลส์คุณภาพต่ำ นักวิจัยระบุจุดสังเกตสี่จุดในแต่ละพัลส์: เท้า (จุดเริ่มต้น) จุดสิ้นสุด (จุดสิ้นสุด) พีคซิสโตลิก (สูงสุด) และพีคไดแอสโตลิก (จุดเปลี่ยนโค้งที่สองหลังจากพีคซิสโตลิก) พวกเขาพบว่าระยะห่างระหว่างเท้ากับยอดซิสโตลิกทำให้ PPG-RAS มีประสิทธิภาพการประมาณอัตราการหายใจที่ดีที่สุด
เพื่อประเมินคุณภาพสัญญาณ PPG โดยรวม พวกเขาแบ่งสัญญาณออกเป็นช่วงเวลา 30 (ยุค) และคำนวณดัชนีคุณภาพพัลส์มัธยฐานในแต่ละยุค ตัวบ่งชี้คุณภาพที่สองประเมินอัตราส่วนระหว่างผลรวมของช่วงเวลาระหว่างจังหวะหารด้วยระยะเวลาของยุค
ความถูกต้องของตัวแทน
ทีมวิจัยได้เปรียบเทียบ PPG-RAS ที่คำนวณได้โดยใช้การวัดค่าสูงสุดของเท้า-ซิสโตลิกกับสัญญาณการหายใจอ้างอิงที่วัดโดยใช้ RIP ของทรวงอก การหาปริมาณความคล้ายคลึงกันระหว่างสัญญาณ RIP อ้างอิงและ PPG-RAS ในโดเมนเวลาและความถี่แสดงให้เห็นถึงข้อตกลงที่ดีระหว่างทั้งสอง โดยการประเมินอัตราการหายใจสอดคล้องกับผลการเผยแพร่จากเซ็นเซอร์ PPG ประเภทอื่นๆ
สัญญาณที่คล้ายกันนักวิจัยได้ประเมินผลกระทบของคุณภาพสัญญาณ PPG และการเคลื่อนไหวของผู้ป่วย พวกเขาพบว่าความคล้ายคลึงกันระหว่างสัญญาณอ้างอิงและ PPG-RAS เพิ่มขึ้นตามคุณภาพของสัญญาณที่เพิ่มขึ้น เนื่องจากมีพัลส์คุณภาพสูงมากขึ้นในการคำนวณตัวแทน แม้ว่ายุคสมัยส่วนใหญ่จะมีระดับการเคลื่อนไหวต่ำ แต่การเคลื่อนไหวลดความคล้ายคลึงกันและสำหรับระดับการเคลื่อนไหวปานกลางถึงสูง ความคล้ายคลึงกันนั้นอ่อนแอ ซึ่งเป็นการยืนยันว่าจับกิจกรรมทางเดินหายใจอย่างแม่นยำได้ง่ายขึ้นระหว่างการนอนหลับที่เงียบลง
“พัลส์คุณภาพต่ำบางพัลส์มีผลกระทบเล็กน้อยต่อการประมาณ RAS หากลบออก แต่ถ้าประมาณ RAS ในกลุ่มพัลส์ที่มีคุณภาพชีพจรต่ำโดยเฉลี่ย ก็มีแนวโน้มว่าจะไม่ถูกต้อง” Papini อธิบาย “นี่อาจเป็นเพราะจำนวนพัลส์ที่มีอยู่น้อยหลังจากการปฏิเสธพัลส์เดี่ยวหรือคุณภาพโดยรวมของพัลส์ต่ำ”
เพื่อลดผลกระทบของคุณภาพชีพจรต่ำหรือระดับการเคลื่อนไหวสูง ทีมงานได้เสนอสามขั้นตอนหลังการประมวลผล ขั้นตอนเหล่านี้ไม่รวมยุค 30 ใดๆ ที่มีดัชนีคุณภาพพัลส์มัธยฐานต่ำกว่า 0.8 ใดๆ ที่มีการครอบคลุมช่วงอินเตอร์บีตต่ำกว่า 66% และใดๆ ที่มีการนับกิจกรรมสูงกว่า 21 การใช้ขั้นตอนเหล่านี้ช่วยปรับปรุงความคล้ายคลึงระหว่างสัญญาณอ้างอิงและ PPG -RAS อย่างไรก็ตาม แต่ละขั้นตอนทำให้เกิดความครอบคลุมลดลง (5%, 6% และ 17% ตามลำดับ) และการบันทึกบางรายการมีจำนวนยุคต่ำหลังจากใช้ขั้นตอนหลังการประมวลผลทั้งหมด
ทำให้สุขภาพดิจิทัลสุดท้าย กลุ่มได้ตรวจสอบผลกระทบของระยะการนอนหลับและความรุนแรงของภาวะหยุดหายใจขณะหลับที่อุดกั้นต่อความแม่นยำของ PPG-RAS ประสิทธิภาพต่ำสุดถูกสังเกตได้ในยุคตื่น ตามด้วยการนอนหลับระยะ N1 (การเปลี่ยนแปลงระหว่างการตื่นและการนอนหลับ) ช่วงเวลาจากผู้เข้าร่วมที่มีภาวะหยุดหายใจขณะหลับจากการอุดกั้นรุนแรงแสดงความคล้ายคลึงกันต่ำสุดระหว่างสัญญาณอ้างอิงกับ PPG-RAS ในทุกกรณีหลังการประมวลผลเพิ่มประสิทธิภาพอย่างมาก
Credit : 20mglevitrageneric.info altdotcountry.net angrybunni.org audiocdripper.net austinmasonry.net