机械通气过程中的熵分析和复杂的患者-呼吸机相互作用 (ENTROPY-ICU)

方法

1. 定义复杂的患者呼吸机相互作用 研究人员将“复杂的患者呼吸机相互作用”(CP-VI) 定义为单独存在或呼吸频率变化超过 50% 和/或出现任何类型的不同步现象的组合
2. 数据采集​​和数据分析 Paw 和 Flow 信号将在患者入住重症监护病房 (UCI) 的整个过程中使用 BetterCare® 系统（Better Care®, Barcelona,​​ Spain）连续记录。 BetterCare 使用专门设计的驱动程序来与机械呼吸机和床边监视器的输出信号交互，而不是直接与患者交互。 记录的信号被同步并存储以供进一步分析。 MATLAB（The MathWorks, Inc., vR2018b, Natick, MA, USA）将用于执行信号处理、数据分析和视觉评估。
3. 研究人群 研究人员将从连接平台 (Better Care®) 的预期构建的数据库中获取数据，以互操作来自不同呼吸机和监视器的信号，并随后计算算法以诊断患者-呼吸机异步（ClinicalTrial.gov， NCT03451461）。 所有与先前记录的自行拔管事件相对应的患者都将被招募用于特征描述和验证过程，以确保患者与呼吸机的相互作用以及他们与呼吸机对抗时的发作。 此外，将招募在尝试将他/她从呼吸机中解放出来之前进行自主呼吸试验的患者，以获得 Paw 和 Flow 信号。 将从医疗图表中获取临床和人口统计数据。 机构审查委员会批准了该方案并放弃了知情同意，因为该研究是非干预性的，不会给患者带来额外风险，并且不会干扰常规护理。
4. CP-VI 的视觉验证 三名研究人员将在视觉上审查事件的 Flow 和 Paw 记录。 段持续时间将根据先前评估异步集群的研究来选择。 数据集将由机械通气专家预先选择，以确保通气模式（按压力支持通气 (PSV) 和辅助控制通气模式分组）的平衡以及 CP-VI 存在或不存在的平均分布。 受控模式包括容量辅助控制通气 (VACV) 和压力辅助控制通气 (PACV)。 在视觉分析之前，将在 MATLAB 中随机排序流量和爪子追踪，以确保打盲评分员。 在视觉分析之前，将向评分员提供 CP-VI 特征的书面描述，作为参考。 在前面描述的 CP-VI 定义的基础上，每个研究人员将对 CP-VI 事件的存在或不存在进行评分，没有时间限制。 视觉评估将被视为黄金标准。
5. 熵 熵是一种非线性度量，可以评估一系列数据的随机性。 熵计算需要三个参数：嵌入维数，m（正整数）；公差值或相似性标准，r（正实数）；以及所分析系列的总长度 N。
6. 自动 CP-VI 检测 将实施基于熵工具的 CP-VI 自动检测算法。
7. 统计分析 Fleiss 的 kappa 系数将用作视觉评估评分者之间一致性的可靠性。 用于 CP-VI 检测的自动算法将应用于源自相同 Flow 和 Paw 的熵系列。 将根据灵敏度 (Se)、特异性 (Sp)、阳性和阴性预测值（分别为 PPV 和 NPV）、准确度 (ACC) 和马修斯相关系数 (MCC) 评估自动化算法的性能。
8. m、r 和 N 的选择 在熵研究中，一个重要的步骤是确定最佳设置以稳健地提取一系列数据的随机性。 因此，将执行 m、r 和 N 的优化程序以正确估计 CP-VI。