专利名称：用于实时评估肺力学的系统和方法
技术领域：
本发明一般地涉及包括通气机(ventilator)和呼吸监视器技术的呼吸治疗和生理学领域，更具体地涉及用于在不需要修改或中断通气机或病人空气流动模式的情况下计算呼吸系统顺应性(compliance) (CKS)、阻力(Rks)和吸气平台压力(plateau pressure)(Ppit)的方法和系统。
背景技术：
机械通气支持作为机械地辅助或代替自主呼吸的有效手段而被广泛接受。机械通气可以是非侵入式的，涉及各种类型的面罩或鼻部装置，或者是侵入式的，涉及气管内管(ETT)或气管插管。选择和使用适当的呼吸技术需要理解肺力学。 通常的自主吸气产生负的肺内压力，这在大气与肺泡之间产生压力梯度，导致空气流入。在机械通气期间，吸气压力梯度通常是空气源的增大的(正的)压力的结果或者因空气源的增大的(正的)压力而扩增。对于需要通气支持的病人而言，必须监视Cks和Rks这二者，以正确地评估和治疗病人的肺机能障碍或呼吸衰竭。监视Pplt是用以确保肺在机械通气期间不通过过度扩张或过度加压而被损坏的通常做法。Res是迫使给定气流通过被机械通气的病人的呼吸回路、ETT阻力和生理气道的组合串联阻力的所需的压力的量。Cks是肺的扩张性的测量结果，意思是对于给定体积的所递送的气体而言的肺和胸壁的弹性回缩。因此，对于任何给定的体积而言，弹性压力因肺硬度(如在肺纤维化中)或者胸壁或横膈膜的受限制的偏移(例如，张力型腹水、巨型肥胖)而增大。典型地，在恒定的吸气流速期间使用吸气末尾停顿(end inspiratory pause, EIP)计算Cks和Rks。通过将所递送的换气体积(tidal volume)除以吸气Pplt来估计Cks,其中Pplt是在EIP期间测得的稳态压力。通过将峰值充气压力(PIP)与Pplt之差除以吸气流速来估计Rks。一些通气机具有吸气流速设定，使得临床医生可以读取所递送的流速，而其它通气机给出吸气时间设定，其中临床医生需要将换气体积除以吸气时间以确定吸气流速。因此，Pplt是计算Cks和Rks所必需的。此外，还必须监视Pplt以避免肺泡的过度扩张，从而避免尤其是具有限制性肺病的病人的气压创伤和/或体积创伤(ARDS网络协议(2008 年 7 月)；http://www. ardsnet. org/node/77791 )。在确定 Pplt 时，当前做法需要执行EIP。对于呼吸衰竭的病人而言，这可以通过在受控机械通气(CMV)或间歇性强制通气(IMV)期间在换气体积之后立即应用EIP来实现。遗憾的是，执行EIP存在许多缺点。例如，EIP的持续时间必须由知识渊博的临床医生预先设定并且必须在仅当被监视时的强制呼吸期间应用。通过应用EIP来暂时中断吸气和防止呼气可能使一些病人感到不舒服，使得病人在EIP时无意识地或有意识地进行主动吸气肌或呼气肌收缩，这可能影响测得的Pplt的准确性。如果获得不精确的对Pplt的测量结果，则所得到的对Cks和Rks的估计也将是不准确的。因为，如上面所指出的，病人呼吸治疗和治疗基于Cks和Rks值，由不精确的Pplt测量结果导致的对Cks和Rks的错误计算可能随后影响被递送给病人的治疗的功效和病人的康复，甚至可能损害病人的健康。此外，因为执行EIP可能使病人感到不舒服，所以不能持续应用EIP。没有持续的、准确的Pplt信息，临床医生就不能充分监视病人安全和治疗的功效。通过应用EIP来暂时中断吸气还可能易于使病人-通气机不同步。这可能导致增大的呼吸工作以及危害动脉血-气交换的可能性。最后，在压力支持通气(PSV)、持续气道过程(continuous airwayprocedure, CPAP)或者在吸气阶段期间不采用恒定吸气流速的其它通气模式期间不能应用EIP (或者EIP可能不准确)。因为在这些情况下没有应用EIP的能力，所以阻止了临床医生准确地评估病人在以这些形态被通气时的Pplt、CKS和Rks。没有对病人Pplt、CKS和Rks的正确估计，就不能确定治疗的功效和/或肺疾病或状况的适当诊断。因此，使用EIP难以获得Pplt以及因此Cks和Rks的重复的准确测量结果。如果不需要应用EIP就能确定Pplt,则可以甚至实时地执行对Cks和Rks的更准确估计，而不需要中 断吸气阶段。对于临床医生和病人这二者而言，这种方法更简单并且优选，因此在临床实践中是需要的。另外，在PSV期间对Pplt的了解将提供对Cks和Rks的持续监视，并且不需要改变通气机模式。因此，在本领域中需要在不需要修改可能造成诸如病人-通气机不同步等不利影响的通气机吸气流量波形模式的情况下、非侵入地实时地准确地计算Pplt、Ces和Rks的系统和方法。需要持续、实时且准确地理解机械通气和其它治疗介入(例如，支气管扩展药和气道抽吸)对肺力学(即，Ces和Rks)的影响，以促进病人-通气机同步和动脉血-气交换。本发明被设计用于应对该需要。
发明内容
本发明提供了一种用于在不需要以任何方式中断或修改呼吸的情况下、非侵入地准确地实时地计算Pplt、CKS和Rks的方法和设备。这些呼吸参数的准确计算提供了准确地确定在处理被通气的病人时有价值的其它信息的能力。在一个实施例中，通过处理系统实时地估计Pplt、Ces和Rks的准确且有用的值。本发明的特别有利之处在于它可利用通常测得的呼吸参数(S卩，在机械通气的吸气阶段期间随着时间的气道压力和流速)来产生对肺力学的准确实时估计，包括但不限于Ppit>Ces和Rks。在实时监视病人对机械通气模式改变的反应、各种介入(即，药物)对肺力学和生理学的影响、肺过度扩张的风险以及肺保护策略的适合性时，所得到的肺力学估计特别有用。在通常用于撤机以辅助自主呼吸的压力调节通气期间，对Pplt、Ces和Rks的准确且实时的估计也是有用的。在本发明的一个方面，该方法包括通过使用非侵入地收集的预定参数(比如利用标准呼吸监视器收集的参数)来创建呼吸系统的病人呼气时间常数(Te)的数学模型。这样的参数包括但不限于呼气体积、气流速率和压力。呼吸监视器和通气机典型地包含用于测量进出肺的气流的气道压力和气道流量传感器，并且它们常常还包含二氧化碳传感器和脉搏血氧仪。从这些时间波形选择性地导出用于表征病人的呼吸和/或病人与通气机的交互的各种参数。这些参数包含被提取用来准确地估计病人的吸气和呼气气流以及压力波形数据的信息。利用病人的吸气波形数据和te，实现病人吸气Pplt还有病人CKS、Res以及导出的肺力学的估计的准确且持续的实时计算。所有这些估计都可用于确定适当的治疗，包括通气机设定。在一个实施例中，在所有呼吸模式期间使用来自肺的被动放气的h准确且持续地估计实时Pplt以及病人Cks和Rks以及导出的肺力学。更优选地，在压力调节呼吸期间使用来自肺的被动放气的T ￡准确且持续地估计实时Pplt以及病人Cks和Rks以及导出的肺力学。本文中描述的方法可以使用参数的线性组合或者参数的非线性组合，包括但不限于神经网络、模糊逻辑、专家混合或多项式模型。此外，可以使用多个不同的模型来估计不同子组的病人的肺力学。可通过各种手段来确定这些子组，这些手段包括但不限于病人状况(病理生理学)、病人生理参数(即，吸气流速、气道阻力、换气体积等)、或其它参数，比如通气机参数(即，正的呼气末尾压力或PEEP、病人气道充气压力等)。
在本发明的一个优选方面，用于计算肺力学的方法涉及与用于计算呼气时间常数的方程相组合的、基于吸气和呼气期间的标准病人气道方程唯一地导出的一组方程的应用。该方法的基本方面是计算来自波形(例如，压力、流量、体积等)的呼气部分的时间常数，然后使用来自吸气时间波形中的一个或多个时间实例的数据(例如，所规定的时间t处的气道压力、流量和体积)以及该呼气时间常数来计算Pplt、Res和CKS。在一个优选实施例中，来自吸气时间波形的单个时间实例是典型地在该吸气波形的早的或迟的部分中找到的低病人努力的时间。由于病人努力是未知的并且典型地是未建模的，寻找最低病人努力的点将增大参数估计的准确度。在本发明的另一方面，用于计算病人的肺力学的方法包括使用神经网络，其中，该神经网络基于输入数据提供用于病人的肺力学信息，其中，该输入数据包括以下参数中的至少一个通常由呼吸监视器收集的气道压力、流量、气道体积、呼气二氧化碳流量波形以及脉搏血氧仪体积描记图波形(pulse oximeter plethysmogram waveform),包括但不限于换气体积、呼吸频率(f )、PIP、吸气时间、Ptl. i、吸气触发时间、触发深度，其中，T E、Pplt、Ces和Rks被提供为输出变量。在上述方法中，通过临床测试病人的测试群体以获得教导数据来训练该神经网络，该教导数据包括上述输入信息。该教导数据被提供给该神经网络，从而该神经网络被训练以提供与Cks和Rks对应的输出变量。本发明可以以多种方式实施，包括作为系统(包括计算机处理系统或数据库系统)、方法(包括收集和处理输入数据的计算机化方法以及用于评估这样的数据以提供输出的方法)、设备、计算机可读介质、计算机程序产品或者有形地固定在计算机可读存储器中的数据结构。下面讨论本发明的几个实施例。作为系统，本发明的一个实施例包括具有输入和输出装置的处理器单元。该处理器单元工作以接收输入的参数、处理该输入并且提供与肺力学信息对应的输出。该输出随后可被用于控制外部装置，如通气机。可通过诸如微控制器、神经网络、并行分布式处理系统、神经形态系统等各种手段来实现数据的处理。作为准确地实时地计算病人的Pplt、CES, Res和T E的方法，本发明包括使用本文中描述的公式、优选地通过使用包含程序指令的计算机可读介质程序、处理系统或神经网络来处理预定的输入变量(参数)。作为包含程序指令的计算机可读介质，本发明的一个实施例包括用于接收输入的变量、处理该输入并且提供指示了 Cks和Rks的输出的计算机可读代码装置。在一个优选实施例中，该处理包括利用神经网络。该方法可以进一步包括响应于所获得的输出而控制通气机。本发明的方法可以被实施为计算机程序产品，该计算机程序产品具有带有代码的计算机可读介质。该程序产品包括程序和承载该程序的信号承 载介质。作为设备，本发明可以包括至少一个处理器、耦合到该处理器的存储器和驻留在该存储器中的用于实施本发明的方法的程序。从结合仅作为例子图示了本发明的原理的附图所作的以下详细描述中，将容易明白本发明的其它方面和优点。在不与本说明书的明确教导不一致的情况下，在本文中提及或引用的或者要求其优先权的所有专利、专利申请、临时申请和出版物的全部内容通过引用包含在本申请中。
图I是根据本发明估计其肺力学的病人的视图。图2是示出了例子I中所描述的组中的Pplt测量结果的相对频率的直方图。图3是例子I的每个受检者的测得的Pplt范围的图形说明。图4A-4C是具有三个不同吸气流量(0. 5,0. 75和1L/S)的三个随机受检者(A、B和C)的Te (蓝色菱形)、相比于通过吸气末尾停顿获得的TEPplt (红色正方形)以及TEPplt与Te之差(绿色三角形)依赖于PIF与PEF之间的间隙(X轴)的图形说明。根据本发明，峰值吸气流量(PIF)-峰值呼气流量(PEF)于是成为Te的校正因子，其中TEPplt=CKS*RKS。图5是流量差(PIF - PEF)对吸气和呼气Rks的影响(RKSPplt_RKS x E)的图形说明，其中使用方程y=5. 2487x - 0. 8393作为流量差Rks的校正因子，其中y是Rks t E的校正因子，且 X 是 PIF-PEF。图6A是计算出的Pplt ( T E)与测得的Pplt之间的关系的回归分析，注意r2=0. 99(p〈0. 001)。图6B是示出了计算出的Pplt ( T E)与测得的Pplt之差的Bland-Altman图，偏置基本上为零，并且测量的精度优良。图6C是计算出的Pplt( T E)与测得的Pplt之间的线性拟合图，注意r2=0. 99。图7A是来自T E的Cks相比于来自Pplt的Cks的回归分析，注意r2=0. 97(p〈0. 001)。图7B是示出了 ClisPplt与Cks T E之差的Bland-Altman图，偏置基本上为零，并且测量的精度优良。 图7C是Cks T E与ClisPplt之间的线性拟合图。图8A是来自T E的Rks相比于来自Pplt的Rks的回归分析，注意r2=0. 92(p〈0. 001 )。图8B是示出了 RlisPplt与Rks T E之差的Bland-Altman图，偏置基本上为零，并且测量的精度优良。图8C是RlisPplt与Rks T E之间的线性拟合图。图9描绘了示出隐藏层的神经网络。
图10描绘了具有背向传播的自适应系统的输入和输出。图11是PSV Pplt与MV Pplt之间的线性拟合图。图12是PSV Ces与MV Ces之间的线性拟合图。图13是在压力支持通气期间的可变的病人努力的图形说明。图14提供了图13中所示的同一呼吸的流量和体积曲线的图形说明。图15是在每个吸气点处计算出的Pplt曲线。图16是气道压力曲线，其中指示了顺应性估计的有效点。图17是Cks曲线，其中指示了可被用于准确估计肺参数的点。
图18是来自图16中所示的呼吸的吸气部分的Rks (阻力)曲线。图19A是气道压力(Paw ;暗线曲线)和Pes (食道压力；亮线曲线)的图形说明。图19B是示出了流量(暗线曲线)和体积(亮线曲线)的图。
具体实施例方式Pplt、CKS和Rks的当前标准估计是在病人中在正压力充气期间、并且通过在EIP(即，至少0. 5秒的停顿)期间测量肺充气压力而获得的。遗憾的是，执行EIP存在几个缺点，包括病人不舒服、需要临床医生输入和仔细的检测、由病人干扰导致的不精确测量、病人-通气机不同步、不能持续应用、以及不能以某些形式的通气来执行EIP。为了克服这些缺陷，本发明提供了使用来自被动肺放气的T E的经修改的估计而不需要EIP来准确地计算估计出的Pplt、CKS和Rks值的系统和方法。该结果是可监视呼吸至呼吸肺功能和治疗介入的效果的肺力学的持续的、实时的估计。吸气Pplt是计算机械通气期间病人的Cks和Rks的重要参数。监视Pplt也是避免肺泡的过度扩张、从而避免尤其是具有限制性肺病的病人的气压创伤和/或体积创伤所必需的(ARDS 网络协议(2008 年 7 月)；http://www. ardsnet. org/node/77791)。根据本发明，用于准确且实时地估计接受机械通气或者与病人肺系统对接的任何装置的病人的肺力学的方法涉及以下步骤Ca)接收病人的呼吸参数；(b)利用处理器、根据该呼吸参数计算修改后的te;(c)将修改后的Te输入到数学模型中；以及(d)从该数学模型提供与Pplt、Ces和/或Rks或者其它肺力学对应的至少一个输出变量。在一个实施例中，该数学模型是被训练以提供估计出的肺力学的神经网络。该神经网络可被训练以包括使用所监视的通气机压力和流量作为输入到该神经网络的临床数据来对受检者群体进行临床测试。被动肺呼气的T E是完成呼气所需的时间基于指数衰减的参数化，并且包含与呼吸系统的力学特性有关的信息(Guttmann, J.等，〃Timeconstant/volume relationshipof passive expiration in mechanicalIy ventilated ARDS patients, 〃EurRespir J.,8:114-120 (1995);和 Lourens，MS 等,Expiratory time constants inmechanically ventilated patients with and without C0PD,"Intensive Care Med,26(11) :1612-1618(2000) )。了 ￡被定义为 Crs 与 Rrs 的乘积(Brunner，JX 等，"Simple methodto measure total expiratory time constant based on the passive expiratory flowvolume curve，〃Crit Care Med，23:1117-1122 (1995))。可以通过简单地将呼气体积(V(t))除以呼气流量<)来实时地估计 T E，g卩(TE(t)=V(t)/f ftCf} )(Brunner, JX等,"Simple method to measure total expiratory time constant based on thepassive expiratory flow volume curve, ^Crit Care Med, 23:1117-1122 (1995);以及Guttmann, J.等，〃Time constant/volume relationship of passive expiration inmechanically ventilated ARDS patients, 〃Eur Respir J.，8:114-120 (1995) X 该方法给出呼气期间每个点的^的估计。遗憾的是，用于估计h的当前方法颇为不准确，尤其是对于连接到机械通气机的病人，因为通气机的呼气阀在最初打开期间可能产生干扰。此外，Te的当前估计包括呼气末尾的一部分，其(I)可造成T ￡的房室动力学行为迟后(慢)，其可归因于因肺内肺泡倒空不均衡(摆动呼吸影响)而不准确的呼吸系统的粘弹性特性(Guerin, C.等，"Effect ofPEEP on work of breathing in mechanically ventilated COPD patients, "IntensiveCare Med. , 26 (9) : 1207-1214 (2000));并且(2)由于在呼气末尾减小的流量和除以接近零的数字，产生的较不稳定的值。另外，因为通气机的呼气阀的阻力在呼气末尾 时变得更显著，所以这也可影响使用当前方法是否能确定出T E的准确估计。因此，在本发明的一个实施例中，通过使用仅在呼气的中间且更可靠的部分期间的呼气波形来实现te的更准确的修改后的估计。例如，将呼气开始之后0. I至0.5秒之间的呼气波形斜率取平均(例如，均值函数)是一种用于获得T ￡的更可靠估计的方法。排除呼气的第一部分(0至0. I秒之间)以减小通气机的呼气阀在最初打开期间以及残余的病人努力的可能干扰。排除呼气末尾(超过0.5秒)以解决如上所述可归因于呼气末尾的问题。图13和图14是用于计算Pplt、Ces和Rks的各种呼吸参数的图形说明。图13示出了在压力支持通气(PSV)模式期间来自可变的病人努力的呼吸。标记示出了气道压力曲线(Paw)上吸气的最后点，其代表最低的病人努力并且被用于估计Pplt、Res和CKS。图14示出了图13中同一呼吸的流量和体积曲线。标出的点是计算与肺力学(Pplt、Rrs和Cks)相关的值的点。这些点对应于Paw曲线上吸气的最后点。如图14中所示，基于估计出的T E计算pplt、Res和Cks通常被限制于高于0. lL/sec的流量。用于更准确地估计te的另一方法涉及中值函数。例如，通过取得呼气期间的多个T ￡估计的平均值或中值可以导出Te的更准确的估计。有利地，限制进行这些时间常数估计的位置提供更好的时间常数值。呼气的高流量和低流量区域更可能产生错误的估计，并且因此被排除。图15示出了 Pplt曲线，其中Pplt是根据吸气(和呼气，其应该被排除)的每个点处的、估计计算出的。Pplt曲线上的标记是吸气的最后有效部分，其对应于图14中所示的吸气末尾。在一些实施例中，利用其中流量小于峰值吸气流量的80%但大于0. ILPS的呼气部分得到的Te估计的中值提供了 Te的更准确估计。在另一个实施例中，可将多个呼吸的时间常数的几个估计取平均或者中值滤波以提供呼吸区域的T ,的更好估计。在可替选实施例中，呼气部分可由呼气体积的百分比定义。在一些实施例中，来自体积和/或峰值呼气流量的百分比的不同组合的T ￡估计的中值提供T ￡的更准确估计。在一个实施例中，来自峰值呼气流量的百分比处于峰值呼气流量的95%与20%之间。在另一个实施例中，来自峰值呼气流量的百分比处于峰值呼气流量的95%与70%之间。在另一个实施例中，利用呼气体积的80%与呼气体积的20%之间的呼气部分。因为阻力是流量的函数，并且h是阻力的函数，所以Te值可以随流速改变。在另一个实施例中，通过选择多个呼气区域以基于吸气流速估计Te可实现更好的Te估计。例如，在吸气流速是恒定的那些通气模式比如MV、VC+ (体积控制+)或辅助控制中，可实现更好的Te估计。在呼气期间，在被机械通气的病人中计算出的h的阻力部分是三个串联阻力之和，即，作为生理气道阻力(Raw)、气管内管的被施加的阻力(Rett)和通气机呼气阀阻力(Rvent)之和的总阻力(Rtot )。RT0T-Raw+RETT+Rvent根据本发明，可以从上面导出的h的估计中排除由通气机呼气阀施加的阻力，用于T E的改进的准确的修改后的估计。因此，可以由下式计算Rvent
权利要求
1.一种用于准确且实时地估计Cks (呼吸系统顺应性)、Rks (病人气道阻力)和/或Pplt吸气平台压力的方法，包括(a)从与病人肺系统对接并且测量病人的呼吸参数的装置接收所述呼吸参数；(b)利用处理器单元、使用来自步骤(a)的至少一个呼吸参数计算病人的τΕ (呼气时间常数)；以及(C)利用所述处理器单元、使用来自步骤(a)的至少一个呼吸参数和来自步骤(b)的病人的τ E计算CKS、Rks和/或Pplt的至少一个估计， 其中，用于计算病人的τΕ的呼吸参数来自呼气，并且 其中，用于计算CKS、RKS和/或Pplt的准确且实时的估计的呼吸参数来自吸气。
2.根据权利要求I所述的方法，其中，所述呼吸参数包括由以下参数构成的组中的一个或多个参数吸气和呼气气道压力、吸气和呼气流速、气道体积、气道阻力、呼气二氧化碳流量波形、脉搏血氧仪体积描记图波形、换气体积、呼吸频率(f)、峰值吸气压力(PIP)、吸气时间、Po. I、吸气触发时间和触发深度。
3.根据权利要求I所述的方法，其中，所述用于计算CKS、Res和/或Pplt的准确且实时的估计的呼吸参数来自吸气时间波形上的单个点。
4.根据权利要求3所述的方法，其中，在最小病人努力期间取得所述单个点。
5.根据权利要求3所述的方法，其中，在呼吸末尾处或附近取得所述单个点。
6.根据权利要求I所述的方法，其中，所述用于计算病人的^的呼吸参数来自呼气波形。
7.根据权利要求6所述的方法，其中，所述呼吸参数来自呼气开始之后的O.I秒至0.5秒之间的所述呼气波形的中间。
8.根据权利要求I所述的方法，其中，根据在呼气期间计算出的多个τΕ估计的中值或平均值来计算病人的τΕ。
9.根据权利要求8所述的方法，其中，在其中流量处于峰值呼气流量的95%与20%之间的呼气期间计算所述多个Te估计。
10.根据权利要求8所述的方法，其中，在其中流量处于峰值呼气流量的95%与70%之间的呼气期间计算所述多个τΕ估计。
11.根据权利要求8所述的方法，其中，在呼气体积的80%与呼气体积的20%之间的呼气期间计算所述多个τΕ估计。
12.根据权利要求I所述的方法，进一步包括对从呼气计算出的病人的τΕ应用校正因子的步骤，其中，所述校正因子是从以下中的任何一个或多个导出的通气模式、病人努力的量、峰值吸气流量、峰值呼气流量以及方程τ E(t)= τ Etotal (t) - (Rvent (t) *Cest)。
13.根据权利要求I所述的方法，其中，在以下功能中的任何一个或多个中使用Pplt、Cks和/或Rks的计算出的估计估计病人的呼吸努力、估计病人阻力、估计病人顺应性、诊断肺状况或疾病、评估通气介入的功效、建立用于病人治疗的通气机设定、评估药物治疗的功效、评估药物应用期间的病人肺力学、识别影响病人通气的阻塞或障碍、确定和/或优化病人同步性、优化通气机接通触发和关断触发、评估总体病人健康以及评估对治疗的总体病人响应。
14.一种用于准确且实时地估计Pplt (平台压力)、CKS (呼吸系统顺应性)和/或Rks (呼吸系统阻力)值的系统，包括与病人肺系统对接并且测量至少一个呼吸参数的装置；以及使用所述至少一个呼吸参数实时地计算病人的τΕ (呼气时间常数)、CKS、RKS和/或Pplt的处理器单元， 其中，用于计算病人的τΕ的呼吸参数来自呼气，并且 其中，用于计算CKS、RKS和/或Pplt的准确且实时的估计的呼吸参数来自吸气。
15.根据权利要求14所述的系统，其中，与病人肺系统对接的所述装置选自于由以下装置构成的组通气机、肺功能机、睡眠呼吸暂停机和高气压装置。
16.根据权利要求15所述的系统，其中，所述通气机能够执行以下通气模式中的一个或多个体积循环通气；辅助控制通气(A/C);同步化间歇性强制通气(SIMV);压力循环通气；压力支持通气(PSV);压力控制通气(PCV);非侵入式正压力通气(NIPPV);以及持续正气道压力(CPAP)或双层正气道压力(BIPAP)。
全文摘要
一种在不修改通气机流动模式的情况下计算包括但不限于顺应性、阻力和平台压力的病人肺力学的准确估计的系统和方法。肺力学的该准确估计是使用新颖的数学模型从附接到病人的气道压力和流量传感器导出的。这些估计出的肺力学数字(呼吸系统顺应性和阻力)对于在机械通气期间监视病人治疗功效和确保肺泡不过度扩张以避免尤其是具有限制性肺病的病人的气压创伤和/或体积创伤而言是重要的。计算这些准确的估计出的肺力学数字的本发明方法基于使用从上述传感器得出的多个参数进行的线性或非线性计算。
文档编号A61M1/00GK102770070SQ201080064749
公开日2012年11月7日 申请日期2010年12月28日 优先权日2009年12月28日
发明者安德烈亚·加布里埃利, 尼尔·拉塞尔·欧利亚诺, 纳瓦尔·纳扎尔·阿尔-罗瓦斯, 迈克尔·约瑟夫·班纳 申请人:佛罗里达大学研究基金会有限公司