基于运动诱发呼吸困难评分学习的COVID-19患者客观呼吸困难评估
系统与控制
2022-11-08 v1 系统与控制
摘要
目的：呼吸困难是包括COVID-19在内的多种肺部疾病最常见症状之一。临床呼吸困难评估主要依赖主观自报，准确性有限且难以连续监测。本研究旨在确定能否使用非侵入式可穿戴传感器评估COVID患者的呼吸困难进展，以及其结果是否与健康受试者生理诱发呼吸困难的学习模型相当。方法：采用非侵入式可穿戴呼吸传感器以获取连续呼吸特征，兼顾用户舒适与便利。在12名COVID-19患者上采集过夜(~16h)呼吸波形，并对13名健康受试者进行运动诱发呼吸困难基准测试以作盲法比较。学习模型由32名健康受试者在运动与气道阻塞下的呼吸特征及自报构建。结果：确立了COVID患者呼吸困难与健康受试者生理诱发呼吸困难之间的高度相似性。与健康受试者正常呼吸相比，COVID患者客观呼吸困难评分持续偏高。我们还展示了对患者12–16小时的连续呼吸困难评分能力。结论：本文验证了将我们的客观呼吸困难评分用于COVID患者临床呼吸困难评估的可行性。意义：所提系统可帮助识别COVID等状况下的呼吸困难恶化，从而实现早期干预并可能改善预后。该方法有望推广至哮喘、肺气肿和肺炎等其他肺部疾病。
引用
@article{arxiv.2211.03773,
title = {Objective dyspnea evaluation on COVID-19 patients learning from exertion-induced dyspnea scores},
author = {Zijing Zhang and Jianlin Zhou and Thomas B. Conroy and Samuel Chung and Justin Choi and Patrick Chau and Daniel B. Green and Ana C. Krieger and Edwin C. Kan},
journal= {arXiv preprint arXiv:2211.03773},
year = {2022}
}