ES2883709T3 - Procesamiento de datos biológicos - Google Patents
Procesamiento de datos biológicos Download PDFInfo
- Publication number
- ES2883709T3 ES2883709T3 ES16170035T ES16170035T ES2883709T3 ES 2883709 T3 ES2883709 T3 ES 2883709T3 ES 16170035 T ES16170035 T ES 16170035T ES 16170035 T ES16170035 T ES 16170035T ES 2883709 T3 ES2883709 T3 ES 2883709T3
- Authority
- ES
- Spain
- Prior art keywords
- pulse wave
- determining
- wave data
- index
- beat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 title description 7
- 230000000747 cardiac effect Effects 0.000 claims abstract description 58
- 230000036387 respiratory rate Effects 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims description 31
- 230000007774 longterm Effects 0.000 claims description 6
- 208000000418 Premature Cardiac Complexes Diseases 0.000 claims description 5
- 206010003658 Atrial Fibrillation Diseases 0.000 description 46
- 230000036772 blood pressure Effects 0.000 description 45
- 238000000034 method Methods 0.000 description 31
- 238000005259 measurement Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 15
- 238000001514 detection method Methods 0.000 description 13
- 206010020772 Hypertension Diseases 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 230000035945 sensitivity Effects 0.000 description 9
- 238000012952 Resampling Methods 0.000 description 7
- 208000006011 Stroke Diseases 0.000 description 7
- 210000000577 adipose tissue Anatomy 0.000 description 6
- 230000017531 blood circulation Effects 0.000 description 6
- 208000029078 coronary artery disease Diseases 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 description 6
- 230000002792 vascular Effects 0.000 description 6
- 241000208125 Nicotiana Species 0.000 description 5
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 201000002859 sleep apnea Diseases 0.000 description 5
- 230000035488 systolic blood pressure Effects 0.000 description 5
- 206010015856 Extrasystoles Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000003811 finger Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000003813 thumb Anatomy 0.000 description 4
- 208000001953 Hypotension Diseases 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000011871 bio-impedance analysis Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000035487 diastolic blood pressure Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000013195 electrical cardioversion Methods 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 208000010125 myocardial infarction Diseases 0.000 description 3
- 230000000284 resting effect Effects 0.000 description 3
- 230000000391 smoking effect Effects 0.000 description 3
- 206010003119 arrhythmia Diseases 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000036543 hypotension Effects 0.000 description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 2
- 229910052753 mercury Inorganic materials 0.000 description 2
- 208000015122 neurodegenerative disease Diseases 0.000 description 2
- 230000001314 paroxysmal effect Effects 0.000 description 2
- 238000013186 photoplethysmography Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- SNICXCGAKADSCV-JTQLQIEISA-N (-)-Nicotine Chemical compound CN1CCC[C@H]1C1=CC=CN=C1 SNICXCGAKADSCV-JTQLQIEISA-N 0.000 description 1
- 101100116420 Aedes aegypti DEFC gene Proteins 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010003130 Arrhythmia supraventricular Diseases 0.000 description 1
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 208000032382 Ischaemic stroke Diseases 0.000 description 1
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 1
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 206010053159 Organ failure Diseases 0.000 description 1
- 208000018262 Peripheral vascular disease Diseases 0.000 description 1
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 230000027288 circadian rhythm Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000004882 diastolic arterial blood pressure Effects 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 210000000750 endocrine system Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 208000012866 low blood pressure Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 229960002715 nicotine Drugs 0.000 description 1
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Natural products CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000004768 organ dysfunction Effects 0.000 description 1
- 238000002559 palpation Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000541 pulsatile effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 201000004193 respiratory failure Diseases 0.000 description 1
- 230000024977 response to activity Effects 0.000 description 1
- 230000003938 response to stress Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000021 stimulant Substances 0.000 description 1
- 230000004873 systolic arterial blood pressure Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Vascular Medicine (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Hematology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Un aparato para determinar una condición médica de un sujeto humano, el aparato que comprende: una unidad de control; y un medio para proporcionar datos de ondas de pulso representativos de un latido del corazón de un sujeto humano; en donde la unidad de control está configurada para realizar las etapas de: recibir los datos de la onda de pulso; seleccionar una porción de los datos de la onda de pulso indicativos de una pluralidad de periodos cardíacos; determinar un segundo y un tercer índice, cada uno de los índices segundo y tercero que se basa en los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de periodos cardíacos, en donde el tercer índice es diferente del segundo índice; y determinar una condición médica del sujeto basándose en el segundo y tercer índices; en donde la determinación del segundo índice comprende: determinar un tacograma indicativo de una variabilidad de una pluralidad de intervalos de frecuencia respiratoria en base a los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos, determinar una distribución de frecuencia de los respectivos intervalos de frecuencia respiratoria de la pluralidad de intervalos de frecuencia respiratoria, determinar un valor de entropía basado en la distribución de frecuencia, y determinar el segundo índice basándose en el valor de entropía; y en donde la determinación del tercer índice comprende: determinar una pluralidad de intervalos de latido a latido (BBI) basándose en los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos, y determinar el tercer índice basándose en la pluralidad de intervalos de latido a latido.
Description
DESCRIPCIÓN
Procesamiento de datos biológicos
Campo técnico
La presente invención se refiere al procesamiento de datos biológicos. Basándose en el análisis de la forma de onda de pulso, se determinan y procesan datos que pertenecen, por ejemplo, a la frecuencia cardíaca y la frecuencia respiratoria de un sujeto humano.
Antecedentes de la técnica
Las causas principales de enfermedades tales como infarto y accidente cerebrovascular son afecciones que a menudo son difíciles de detectar y no conllevan síntomas pronunciados. Por ejemplo, la hipertensión y la enfermedad de las arterias coronarias (EAC) se encuentran entre las principales causas de ataque cardíaco y la fibrilación auricular (FA) es una de las principales causas de accidente cerebrovascular. La medición regular de, por ejemplo, la presión arterial, la frecuencia cardíaca, la frecuencia respiratoria y un análisis detallado de dichos parámetros biológicos de un sujeto pueden emplearse para detectar hipertensión, FA, EAC y otras afecciones o la aparición temprana de las mismas. Sin embargo, estas medidas a menudo no se emplean de forma regular.
La FA es la arritmia más común encontrada en la práctica clínica y su naturaleza paroxística dificulta su detección. Sin una terapia específica, el riesgo de accidente cerebrovascular e insuficiencia cardíaca congestiva aumenta considerablemente. La naturaleza paroxística de la FA puede estar presente durante años antes de que se vuelva persistente. Esta propiedad particular de la FA hace que su detección sea difícil y, a menudo, sin éxito. Ensayos recientes (véase, p. ej. Gladstone DJ, Spring M, Dorian P, Panzov V, Thorpe KE, Hall J, et al. "Atrial fibrillation in patients with cryptogenic stroke", The New England Journal of medicine 2014; 370: 2467- 2477; Sanna T, Diener HC, Passman RS, Di Lazzaro V, Bernstein RA, Morillo CA, et al. "Cryptogenic stroke and underlying atrial fibrillation", N Engl J Med 2014; 370: 2478-2486) apoyan el uso de estrategias diagnósticas para detectar FA en pacientes seleccionados, aunque los métodos empleados pueden ser costosos o no convenientes. Incluso con el conocimiento cada vez mayor en este campo, la relevancia de la FA subclínica y la correlación temporal entre la FA y el accidente cerebrovascular sigue siendo controvertida y todavía se está abordando en los ensayos en curso (véase, p. ej. Healey JS, Connolly SJ, Gold MR, Israel CW, Van Gelder IC, Capucci A, et al. "Subclinical atrial fibrillation and the risk of stroke", N Engl J Med 2012; 366: 120-129; Ziegler PD, Glotzer TV, Daoud EG, Wyse DG, Singer DE, Ezekowitz MD, et al. "Incidence of newly detected atrial arrhythmias via implantable devices in patients with a history of thromboembolic events", Stroke; 41: 256-260).
El uso de teléfonos inteligentes y relojes inteligentes en la práctica médica ha recibido una atención cada vez mayor en el pasado reciente. Los dispositivos adecuados están equipados con sensores pletismográficos configurados para controlar la frecuencia cardíaca. El análisis de ondas de pulso se puede emplear para registrar y procesar diferentes propiedades biológicas de un paciente, en base a las cuales se pueden determinar ciertas condiciones médicas.
La presión arterial es la presión que ejerce la sangre circulante sobre las paredes de los vasos sanguíneos y es uno de los principales signos vitales de una persona. Está regulado por los sistemas nervioso y endocrino y varía según una serie de factores, incluyendo la actividad actual y el estado de salud general de una persona. La presión arterial patológicamente baja se denomina hipotensión y la presión arterial patológicamente alta se denomina hipertensión. Ambas patologías pueden tener diferentes causas y pueden variar de leves a graves, con formas tanto agudas como crónicas. La hipertensión crónica es un factor de riesgo de muchas complicaciones, como enfermedad vascular periférica, infarto de miocardio y accidente cerebrovascular. Tanto la hipertensión como la hipotensión a menudo no se detectan durante prolongados períodos de tiempo debido a un control infrecuente.
La hipertensión es generalmente más común y constituye el factor de riesgo predominante para una enfermedad cardiovascular y problemas de salud asociados, incluyendo la muerte, mayor que los del tabaquismo y la diabetes. Un problema importante de la hipertensión es que la hipertensión arterial no conlleva necesariamente síntomas pronunciados y que, por consiguiente, hay muchas personas que viven su vida sin darse cuenta de que tienen la presión arterial alta o elevada. La medición y el control de la presión arterial se pueden realizar de varias formas, incluso en el hogar, como paciente ambulatorio o como paciente hospitalizado. Sin embargo, las mediciones esporádicas y/o poco frecuentes no suelen ser lo suficientemente significativas para la detección temprana eficaz de la hipertensión y las enfermedades asociadas, debido a que los intervalos entre mediciones a menudo son demasiado largos y las mediciones no se realizan con la suficiente frecuencia.
Los profesionales médicos miden comúnmente la presión arterial usando un esfigmomanómetro, que históricamente usaba la altura de una columna de mercurio para reflejar la presión circulante, y los valores de presión arterial se informan típicamente en milímetros de mercurio (mm Hg). Para cada latido del corazón, la presión arterial varía entre las presiones sistólica y diastólica. La presión sistólica es la presión máxima en las arterias, que se produce cerca del final de un ciclo cardíaco cuando los ventrículos se contraen. La presión diastólica es la presión mínima en las arterias, que ocurre cerca del comienzo de un ciclo cardíaco cuando los ventrículos están llenos de sangre. Los valores medidos normales típicos para un adulto sano y en reposo son 120 mm Hg de presión sistólica y 80 mm Hg de presión diastólica (es decir, 120/80 mm Hg).
Las presiones sanguíneas arteriales sistólica y diastólica no son estáticas, sino que experimentan variaciones naturales de un latido al siguiente y a lo largo del día (en un ritmo circadiano). Las variaciones ocurren en respuesta al estrés o al ejercicio, cambios en la nutrición y enfermedades o medicación asociada. La presión arterial es uno de los cuatro signos vitales principales, que incluyen además la temperatura corporal, la frecuencia respiratoria y la frecuencia del pulso, que son controlados de manera rutinaria por profesionales médicos y proveedores de atención médica.
La presión arterial se puede medir de una manera no invasiva, incluyendo palpación, métodos auscultatorios u oscilométricos, técnicas continuas no invasivas (CNAP) y basándose en el principio de la velocidad de onda de pulso (VOP). La medición de la presión arterial de forma invasiva, por ejemplo, usando cánulas intravasculares, puede producir mediciones muy precisas, pero es mucho menos común debido a su naturaleza invasiva y típicamente se limita al tratamiento hospitalario.
La presión arterial en los seres humanos se ve afectada considerablemente por la elasticidad del sistema vascular. La elasticidad del sistema vascular de una persona depende de diferentes factores, incluyendo la edad, pero también de la presencia o ausencia de enfermedades o dolencias particulares. Si, por ejemplo, la elasticidad del sistema vascular de un paciente disminuye debido a la vejez o debido a que el paciente padece arteriosclerosis, la presión arterial del paciente aumenta.
La frecuencia cardíaca (FC) de un sujeto y la frecuencia respiratoria de un sujeto también pueden ser determinadas por un médico utilizando métodos conocidos para el tratamiento hospitalario. Además, estas mediciones se toman típicamente solo a intervalos irregulares y/o con largos períodos de tiempo sin mediciones intermedias.
La variabilidad de ciertos parámetros biológicos, tales como la frecuencia cardíaca, la respiración, la presión arterial, puede servir como indicador de afecciones médicas, por ejemplo, apnea del sueño, depresión, FA, EAC. El término “variabilidad” puede significar un único valor o medida de variabilidad o una pluralidad de valores indicativos de la variabilidad del parámetro respectivo a lo largo del tiempo. Cualquier representación conocida de variabilidades se acepta dentro del alcance del presente documento.
A. Seeck, W. Rademacher, C. Fischer, J. Haueisen, R. Surber, A. Voss, ""Prediction of atrial fibrillation recurrence after cardioversion-Interaction analysis of cardiac autonomic regulation" han descubierto en un estudio que la evaluación de la regulación autonómica mediante el análisis del acoplamiento de la frecuencia cardíaca y la presión arterial sistólica proporciona una herramienta potencial para la predicción de la recurrencia de la fibrilación arterial después de la CV y podría ayudar en el ajuste de las opciones terapéuticas para los pacientes con fibrilación arterial.
W. Poppe et al., "Fignen sich die Hüllungskurven von Arterienpulswellen für eine Fernbeurteilung psychotischer Krankheitsverlaufe?", Han descubierto que la envoltura de la onda de pulso arterial puede ser indicativa de que un sujeto está clasificado con respecto a una psicosis particular y más indicativo de una probable progresión de una psicosis. Esta investigación se aplica a, por ejemplo, a la correlación de la depresión con los datos de la onda de pulso.
El documento GB 25059890 A describe un procedimiento de detección y un aparato para identificar arritmias cardíacas. Los valores de una secuencia de múltiples intervalos de pulso cardíaco se analizan para determinar un factor de riesgo cuyo valor permite identificar a las personas con riesgo de arritmia cardíaca. El parámetro de riesgo puede calcularse a partir de una primera medida calculada a partir del cociente entre la variabilidad entre intervalos sucesivos en la secuencia y el valor del intervalo medio, y una segunda medida relativa a una proporción de casos en los que un intervalo largo va seguido de otro intervalo largo en la secuencia de intervalos de frecuencia cardíaca.
Green Geoffrey C. et al.: "Continuous Multiorgan Variability Analysis To Track Severity Of Organ Failure In Critically III Patients", Journal Of Critical Care, vol. 28, n° 5, 31 de octubre de 2013, evalúa la utilidad de utilizar la monitorización continua de la variabilidad de la frecuencia cardíaca y la variabilidad de la frecuencia respiratoria para rastrear la disfunción orgánica diaria en pacientes enfermos críticos e identificar patrones de cambios de variabilidad durante el inicio del shock y la resolución de la insuficiencia respiratoria basándose en datos de ECG y capnograma.
Dash S. et al.: "Automatic Real Time Detection Of Atrial Fibrillation", Annals Of Biomedical Engineering, Kluwer Academic Publishers-Plenum Publishers, NE, vol. 37, n° 9, 17 de junio de 2009, describe la detección automática de FA basada en la aleatoriedad, la variabilidad y la complejidad de los intervalos de los latidos del corazón, empleando la Raíz Cuadrada Media de las Diferencias Sucesivas (RMSSD) y la Entropía de Shannon (SE).
El documento WO 2009/152521 describe métodos para la detección temprana no invasiva de un sujeto para un trastorno neurodegenerativo, mediante el análisis de uno o más parámetros asociados con el trastorno neurodegenerativo. El método puede incluir una medida en el dominio temporal seleccionada de la desviación estándar de intervalos R-R (SDNN), la desviación estándar de la frecuencia cardíaca (DEFC), la diferencia cuadrática media de intervalos RR sucesivos (RMSSD) y el número porcentual de intervalos RR consecutivos que difieren en más de 50 milisegundos (pNN50).
Brisinda D. et al.: "Discriminant Analysis Of Heart Rate Variability After Electrical Cardioversion Predicts Atrial Fibrillation Recurrence", International Journal Of Clinical Cardiology, 25 de noviembre de 2014, describe que la modulación autónoma cardíaca (CAM) puede ser fundamental para la fibrilación auricular (FA) y afecta la recurrencia
temprana (RT) después de la cardioversión eléctrica (CE) y tiene como objetivo evaluar si el análisis de HRV (aHRV) no lineal (NL) podría proporcionar una mejor precisión en la predicción de RT.
Un objetivo de la presente invención es proporcionar un aparato para determinar con precisión parámetros biológicos de un sujeto, por ejemplo, frecuencia cardíaca y respiración y la variabilidad de los mismos, de una manera no invasiva, fácil y eficiente. Otro objetivo es proporcionar un aparato para determinar los parámetros biológicos de un sujeto y las variabilidades de los mismos con una precisión mejorada.
Otro objetivo de la presente invención es proporcionar un aparato para realizar el método no invasivo para determinar la presión arterial de un sujeto humano. En particular, el aparato es un dispositivo móvil y preferiblemente un teléfono inteligente convencional provisto de una fuente luminosa y un sensor óptico.
Compendio de la invención
Según la invención, se proporciona un aparato para determinar una condición médica de un sujeto humano, el aparato que comprende una unidad de control; y un medio para proporcionar datos de ondas de pulso representativos de un latido del corazón del sujeto humano; en donde la unidad de control está configurada para realizar las etapas de recibir los datos de la onda de pulso; seleccionar una porción de los datos de la onda de pulso indicativos de una pluralidad de periodos cardíacos; determinar un segundo índice indicativo de una variabilidad de la frecuencia cardíaca en base a los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos; determinar un tercer índice indicativo de una variabilidad de la frecuencia cardíaca en base a los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos, el segundo índice que es diferente del tercer índice; y determinar una condición médica del sujeto en base al primer y segundo índices.
En un aspecto, la unidad de control está configurada para realizar además la etapa de determinar un primer índice indicativo de una variabilidad de la frecuencia cardíaca en base a los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos. La determinación de la condición médica del sujeto se basa además en el primer índice. La determinación del primer índice comprende determinar una pluralidad de intervalos de frecuencia respiratoria en base a los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos; y determinar el primer índice basándose en la pluralidad de intervalos de frecuencia respiratoria.
En un aspecto adicional, determinar el primer índice comprende además determinar un promedio basado en la pluralidad de intervalos de frecuencia respiratoria; y determinar el primer índice basado en el promedio.
En un aspecto adicional, el promedio es la raíz cuadrada media de las diferencias sucesivas, opcionalmente en donde determinar la raíz cuadrada media de las diferencias sucesivas en base a la pluralidad de intervalos de frecuencia respiratoria incluye normalizar la raíz cuadrada media de las diferencias sucesivas en base a un intervalo de frecuencia respiratoria medio determinado en base a la pluralidad de intervalos de frecuencia respiratoria.
Según la invención, la determinación del segundo índice comprende las etapas de determinar un tacograma indicativo de una variabilidad de una pluralidad de intervalos de frecuencia respiratoria basados en los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardiacos; determinar una distribución de frecuencia de los respectivos intervalos de frecuencia respiratoria de la pluralidad de intervalos de frecuencia respiratoria; determinar un valor de entropía en base a la distribución de frecuencia; y determinar el segundo índice basándose en el valor de entropía.
En un aspecto adicional, la distribución de frecuencia comprende un histograma indicativo de una pluralidad de probabilidades; opcionalmente en donde el valor de entropía se determina en base a S = - J_=1pi ■ log2 (pi), en donde pi corresponde a la pluralidad de probabilidades; además, opcionalmente, en donde el histograma tiene un tamaño de intervalo de 8 ms.
Según la invención, la determinación del tercer índice comprende las etapas de determinar una pluralidad de intervalos de latido a latido (BBI) basándose en los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos; y determinar el tercer índice basándose en la pluralidad de intervalos de latido a latido.
En un aspecto adicional, la determinación del tercer índice comprende las etapas de determinar un Análisis de Gráfico de Poincaré (PPA) basado en la pluralidad de intervalos de latido a latido, el Análisis de Gráfico de Poincaré que es indicativo de una fluctuación de serie temporal determinada en base a una relación respectiva de un primer intervalo de latido a latido (BBIn) y un segundo intervalo de latido a latido precedente (BBIn - i) de la pluralidad de intervalos de latido a latido; y determinar el tercer índice basado en el Análisis de Gráfico de Poincaré.
En un aspecto adicional, la determinación del tercer índice comprende las etapas de determinar una desviación estándar SD1 de una variabilidad de intervalo de latido a latido a corto plazo y una desviación estándar SD2 de una variabilidad de intervalo de latido a latido a largo plazo; y determinar el tercer índice basándose en un índice SD1/SD2 indicativo de una relación entre la desviación estándar SD1 y la desviación estándar SD2.
En un aspecto adicional, determinar el tercer índice comprende determinar una pluralidad de intervalos de latido a latido (BBI) basándose en los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos; y determinar el tercer índice basándose en la pluralidad de intervalos de latido a latido.
En un aspecto adicional, la determinación del tercer índice comprende determinar un Análisis de Gráfico de Poincaré (PPA) basado en la pluralidad de intervalos de latido a latido, el Análisis de Gráfico de Poincaré que es indicativo de una fluctuación de serie temporal determinada en base a una relación respectiva de un primer intervalo de latido a latido (BBIn) y un segundo intervalo de latido a latido precedente (BBIn-1) de la pluralidad de intervalos de latido a latido; y determinar el tercer índice basado en el Análisis de Gráfico de Poincaré.
En un aspecto adicional, la determinación del tercer índice comprende determinar una desviación estándar SD1 de una variabilidad de intervalo de latido a latido a corto plazo y una desviación estándar SD2 de una variabilidad de intervalo de latido a latido a largo plazo; y determinar el tercer índice basándose en un índice SD1/SD2 indicativo de una relación entre la desviación estándar SD1 y la desviación estándar SD2.
En un aspecto adicional, los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos se refieren a una pluralidad de períodos cardíacos en sucesión directa entre sí.
En un aspecto adicional, la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos cubre un período de al menos 2 minutos; y las etapas de determinar los índices segundo y tercero se basan esencialmente en todos los latidos cardíacos comprendidos en la porción de los datos de la onda de pulso indicativos de una pluralidad de periodos cardiacos.
En un aspecto adicional, la porción de los datos de la onda de pulso indicativos de una pluralidad de periodos cardíacos cubre un periodo de al menos 5 minutos.
En un aspecto adicional, la unidad de control está configurada además para determinar, basándose en los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos, para cada período cardíaco de la pluralidad de períodos cardíacos, si los períodos cardiacos respectivos están asociados con una o más interrupciones, y modifican los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos si los períodos cardíacos respectivos están asociados con una o más interrupciones de modo que el período cardíaco respectivo no está ya asociado con una o más interrupciones. En un aspecto adicional, la una o más interrupciones comprenden un latido prematuro.
Las ventajas del aparato para determinar la presión arterial incluyen que la presión arterial se puede determinar con mayor precisión.
Breve descripción de los dibujos
La figura 1 contiene un diagrama de flujo de un método para registrar datos de ondas de pulso según la presente invención, usando un dispositivo móvil;
La figura 2A ilustra un dispositivo móvil de ejemplo que puede usarse según el método de la figura 1
La figura 2B ilustra una interacción de un sujeto humano con el dispositivo móvil mostrado en la figura 2A;
La figura 3A ilustra la detección de la frecuencia respiratoria según una realización de la invención;
La figura 3B ilustra cómo se puede determinar el índice de rigidez;
La figura 3C contiene un diagrama de flujo de un método para determinar la presión arterial;
La figura 3D ilustra la relación de la frecuencia cardíaca, la presión arterial y la frecuencia respiratoria, así como las variabilidades de las mismas, según una realización de la invención;
La figura 3E contiene un diagrama de flujo para un método de análisis de ondas de pulso según la presente invención.
La figura 3C ilustra la aplicación de la entropía de Shannon en la detección de fibrilación auricular en un sujeto según una realización de la invención;
La figura 4A ilustra la aplicación de RMSSD en la detección de FA en un sujeto según una realización de la invención;
La figura 4B ilustra la aplicación de la Entropía de Shannon en la detección de FA en un sujeto según una realización de la invención;
La figura 4C ilustra la aplicación del Análisis de Gráfico de Poincaré en la detección de FA en un sujeto según una realización de la invención; y
Las figuras 5A y 5B ilustran la aplicación del Análisis de Gráfico de Poincaré en la detección de FA en un sujeto según una realización de la invención.
Descripción detallada
La elasticidad del sistema vascular influye en la onda de pulso de un sujeto. Basándose en este efecto, ha sido posible determinar con precisión (es decir, en la región de precisión del 90% o más) la presión arterial utilizando una forma avanzada de fotopletismografía basada en el procesamiento específico de los datos de la onda de pulso. La frecuencia cardíaca y la frecuencia respiratoria también se pueden determinar basándose en los datos de la onda de pulso de un sujeto.
El análisis detallado de cada uno de estos parámetros puede formar la base para determinar las condiciones individuales de un sujeto. Sin embargo, se ha descubierto que, dada una representación precisa de los datos de la onda de pulso y tomando medidas a intervalos regulares o de manera continua, el análisis de la frecuencia cardíaca (FC) y la variabilidad de la frecuencia cardíaca, la presión arterial (PA) y la variabilidad de la presión arterial y la frecuencia respiratoria y la variabilidad de la frecuencia respiratoria pueden servir para detectar una variedad de condiciones médicas, tales como EAC, FA, apnea del sueño, depresión y otras.
La frecuencia respiratoria y la variabilidad de la misma se pueden detectar basándose en un procesamiento avanzado de datos de ondas de pulso. Según la invención, se procesan simultáneamente múltiples parámetros fisiológicos usando un nuevo análisis de ondas de pulso y métodos no lineales para el análisis de señales. No se necesitan dispositivos periféricos adicionales, excepto un teléfono inteligente o un reloj inteligente. El aparato está dirigido a proporcionar una precisión mejorada al diferenciar entre pacientes en FA y pacientes en Ritmo Sinusal (SR).
La figura 1 contiene un diagrama de flujo de un método 400 para grabar datos de ondas de pulso según la presente invención, usando un dispositivo móvil que tiene capacidades de grabación de vídeo. Los dispositivos de comunicación móvil, en particular los llamados teléfonos inteligentes, tienen amplias capacidades más allá de la mera telecomunicación. Por ejemplo, la mayoría de los teléfonos móviles suelen estar provistos de una cámara digital capaz de capturar imágenes fijas y vídeo y con una fuente luminosa correspondiente para situaciones de poca luz. En general, para registrar una onda de pulso mediante la detección, con un sensor óptico, de la luz emitida por una fuente luminosa y reflejada por un dedo de un sujeto. En una realización, los datos de la onda de pulso se obtienen usando un dispositivo móvil común equipado con una cámara digital (p. ej. usada como sensor óptico) y una linterna LED (p. ej. usada como fuente luminosa). La luz emitida por la fuente luminosa se refleja y las propiedades de la luz (p. ej. intensidad, tono, brillo, saturación) se ven afectadas (p. ej. una o más de las propiedades están moduladas) por el flujo sanguíneo acral.
En la etapa 402, el sujeto coloca su dedo tanto en la fuente luminosa como en la cámara del dispositivo móvil de manera que la luz emitida por la fuente luminosa ilumina el flujo sanguíneo acral y es reflejada y detectada por la cámara. La señal de video así creada se graba y almacena en una unidad de memoria del dispositivo. Como alternativa, la señal de video (p. ej. una transmisión de video) se puede procesar directamente, sin necesidad de almacenar los datos de la onda de pulso en una unidad de memoria.
En la etapa 404, se selecciona una región de interés (ROI) de la transmisión de video de resolución completa. Esta selección se puede realizar, por ejemplo, basándose en la información de brillo contenida en la transmisión de video. En una realización, la ROI se determina en una región de brillo máximo dentro de un fotograma de video, fuera del centro y a una distancia mínima del borde. Esto puede garantizar que se elija una región que esté suficientemente iluminada (p. ej. una región cercana a la fuente luminosa). En una realización, la ROI tiene un tamaño de al menos 50 x 50 píxeles (es decir, 2500 píxeles cuadrados). Generalmente, la ROI puede tener un tamaño que varía de 625 a 10000 píxeles cuadrados, preferiblemente de 900 a 6400 píxeles cuadrados, más preferiblemente de 1600 a 3200 píxeles cuadrados.
En la etapa 406, para el ROI de cada fotograma de la transmisión de video, se calcula una muestra Si, en base a
con p que es el valor del canal verde del píxel ubicado dentro de la ROI en la posición j, k; N y M que son el tamaño de la ROI; y w que es el ancho de la ROI. La división por 2 elimina el Bit más bajo de p, de modo que el ruido se reduce eficazmente. Esto produce una muestra s ¡ para cada fotograma de video capturado. En realizaciones alternativas, se puede emplear un canal o canales diferentes (p. ej. rojo, azul o una combinación de rojo, verde y/o azul) en lugar del canal verde. Esto también puede depender del dispositivo individual utilizado (p. ej. marca y modelo de teléfono inteligente, reloj inteligente).
En la etapa 408, se genera un sello de tiempo t¡ para cada muestra s¡ (más exactamente, para cada fotograma de video, en base al cual se calculó la muestra) y se codifica en la transmisión de video por la cámara de video.
En la etapa 410, la onda de pulso se obtiene como una señal de onda de pulso en base a las muestras si obtenidas en la etapa 406.
En la etapa 412, se obtiene una onda de pulso remuestreada volviendo a muestrear la onda de pulso de las muestras s¡ (es decir, como se obtuvo en la etapa 410) basándose en los sellos de tiempo asociados obtenidos en la etapa 408. Esto es necesario debido a problemas técnicos en la detección, generación y codificación de datos de video, por ejemplo, resultando en fotogramas perdidos o velocidades de fotogramas no constantes. En base a estos problemas, las muestras s¡ no se pueden obtener a intervalos de tiempo fijos y fiables. Para obtener la onda de pulso remuestreada, la onda de pulso se vuelve a muestrear usando una interpolación spline cúbica y se realiza en cada polinomio. Aquí, dos muestras posteriores se interpolan mediante un polinomio de tercer grado. La posición (en el tiempo) de las muestras corresponde a los sellos de tiempo. El polinomio S¡ para el rango [t¡, t¡+i] se calcula de la siguiente manera:
con ¡ = 1, ..., n-1. El proceso de remuestreo incluye incrementar t de manera continua en 1 ms, correspondiente a una frecuencia de muestreo de 1000 Hz. Los parámetros a¡, b¡, c¡y d¡ deben establecerse en valores adecuados. La onda de pulso se obtiene como la señal S que es el resultado del remuestreo. En una realización alternativa, el remuestreo incluye incrementar t continuamente en 10 ms, correspondiente a una frecuencia de muestreo de 100 Hz.
En la etapa 414, la onda de pulso remuestreada se filtra para eliminar el ruido y compensar la derivación. Esto se puede lograr aplicando un filtro de paso de banda común (p. ej. de 0,1 a 10 Hz).
En la etapa 416, se obtiene la señal de onda de pulso original. La onda de pulso original puede luego procesarse adicionalmente, por ejemplo, como se describe a continuación con respecto a la figura 3C (véase, p. ej. las etapas 304 y siguientes).
La figura 2A ilustra un dispositivo móvil de ejemplo que puede usarse según el método de la figura 1. El dispositivo 500 móvil tiene un marco o cuerpo 502 principal y un panel 510 de dispositivo. En algunos ejemplos, el panel 510 de dispositivo puede ser un panel trasero del dispositivo 500 móvil. El dispositivo 500 tiene además un dispositivo 512 de cámara capaz de detectar señales de vídeo digitales, por ejemplo, en forma de imágenes fijas digitales y vídeo digital. El dispositivo 512 de cámara está configurado para detectar señales de video representativas de objetos ubicados generalmente con una región en forma de tronco a lo largo de una dirección 508 de detección principal. El dispositivo 500 tiene además una fuente 506 luminosa configurada para iluminar cualquier objeto ubicado frente al dispositivo 512 de cámara, es decir, ubicada dentro de la región en forma de tronco y/o a lo largo de una dirección 508 de detección principal. La fuente 506 luminosa puede configurarse para proporcionar tanto un solo destello de luz como un haz de luz continuo, dependiendo de un modo de funcionamiento. Al grabar video, la fuente luminosa generalmente proporciona un haz de luz continuo. Un objeto colocado dentro de la vista del dispositivo 512 de cámara reflejará la luz emitida desde la fuente 506 luminosa de modo que la luz reflejada pueda ser detectada por el dispositivo 512 de cámara. El dispositivo 500 móvil comprende además una unidad de control (p. ej. una CPU, microprocesador, SoC; no mostrado) acoplado a otros componentes, tales como el dispositivo 512 de cámara, la fuente 506 luminosa, una unidad de memoria, una interfaz de usuario, medios de entrada, una unidad de audio, una unidad de video, una pantalla y otros.
La figura 2B ilustra una interacción de un sujeto humano con el dispositivo móvil mostrado en la figura 2A. Para tomar una medición, el sujeto coloca un dedo (p. ej. un pulgar) en el dispositivo 500 móvil, cubriendo tanto el dispositivo 512 de cámara como la fuente 506 luminosa. La configuración individual del dispositivo móvil (p. ej. la posición del dispositivo 512 de cámara y la fuente 506 luminosa o la distancia entre los mismos) es de importancia secundaria, siempre que sea físicamente posible cubrir tanto el dispositivo 512 de cámara como la fuente 506 luminosa con una extremidad adecuada (p. ej. dedo, pulgar, oreja). A este respecto, cualquier extremidad adecuada para la medición (acral) puede usarse según la presente invención. En general, cualquier parte del cuerpo que esté asociada con el flujo sanguíneo pulsátil puede usarse según la presente invención, siempre que se pueda detectar una señal significativa indicativa del flujo sanguíneo a través de la parte del cuerpo. En algunas realizaciones, la unidad de control del dispositivo 500 móvil procesará las señales proporcionadas por el dispositivo 512 de cámara y detectará, basándose en las señales proporcionadas, que uno o más parámetros indicativos de la calidad del video (p. ej. brillo, contraste, enfoque) están fuera de los rangos preferidos de funcionamiento debido a la situación de poca luz y/o proximidad creada por la colocación del pulgar directamente en el dispositivo 512 de cámara. La unidad de control puede entonces proporcionar señales de control a uno o más componentes, por ejemplo, a la fuente 506 luminosa, con el fin de realizar ajustes en los parámetros (p. ej. activar la fuente 506 luminosa para compensar la poca luz).
Tras la colocación de la extremidad adecuada (aquí, p. ej. el pulgar del sujeto), la medición se inicia activando la fuente 506 luminosa para emitir un haz de luz continuo de suficiente intensidad, de modo que se ilumine el flujo sanguíneo acral. Prácticamente al mismo tiempo, el dispositivo 512 de cámara se activa y la luz reflejada por el flujo sanguíneo acral es detectada por el dispositivo 512 de cámara. Tanto la activación de la fuente 506 luminosa como la activación
del dispositivo 512 de cámara se pueden lograr mediante el código de programa correspondiente ejecutado por la unidad de control incluida en el dispositivo 500. La activación se puede accionar manualmente, por ejemplo, seleccionando una función correspondiente en una interfaz de usuario del dispositivo 500, o automáticamente, por ejemplo, activada por un sensor (p. ej. un sensor de proximidad, un sensor óptico), un temporizador, reconocimiento de voz u otros (medios de entrada). En un ejemplo, la señal del sensor se procesa de manera continua para verificar la presencia de una señal adecuada. A continuación, los datos de vídeo se graban o transmiten para su posterior procesamiento durante un período de tiempo predeterminado, que suele oscilar entre varios segundos y 2 minutos. En algunas realizaciones, el período de tiempo no está predeterminado, sino que se determina a medida que la grabación/transmisión está en curso, por que se calcula una medida de calidad a partir de los datos grabados/transmitidos y la grabación/transmisión se realiza hasta que un número suficiente de períodos cardíacos (p. ej. 10-30) de calidad suficiente (p. ej. similitud; véanse más detalles a continuación) se ha grabado/transmitido. La finalización de la grabación/transmisión se puede indicar al sujeto, por ejemplo, mediante una señal acústica y/u óptica emitida por un componente de audio y/o video del dispositivo 500.
Cabe señalar que otras realizaciones emplean los mismos o diferentes sensores y/o dispositivos. Por ejemplo, también se pueden utilizar relojes inteligentes que tienen un conjunto de sensor/fuente luminosa correspondiente como se describió anteriormente con respecto a las figuras 2A y 2B. Estos dispositivos tienen una ventaja por que el sensor se mantiene muy cerca del cuerpo (aquí: muñeca) de un sujeto, lo que facilita las mediciones continuas y/o mediciones de duración arbitraria y en puntos de tiempo arbitrarios, sin interacción de un sujeto (p. ej. durante el sueño u otras actividades). Cabe señalar que los conceptos anteriores se aplican a una variedad de sensores y no se limitan a una realización particular o si no específica de hardware del sensor/fuente.
La figura 3A ilustra la detección de la frecuencia respiratoria según una realización de la invención. La figura 3A muestra, en el eje vertical, la amplitud de una onda 201 de pulso detectada a lo largo del tiempo (véase eje horizontal). La onda 201 de pulso presenta una amplitud de entre aproximadamente -1 y 1, y los casos de bordes ascendentes se registran como períodos 205 cardíacos detectados. Además, se detecta una señal 207 indicativa de la respiración del sujeto basándose en los máximos 209 de la onda 201 de pulso.
Para obtener la señal, se muestrean los máximos 209 de la onda de pulso usando una interpolación spline cúbica similar al remuestreo de la onda de pulso descrito con respecto a la figura 1 anterior. Aquí, dos muestras posteriores se interpolan mediante un polinomio de tercer grado. La posición (en el tiempo) de las muestras corresponde a los sellos de tiempo. El polinomio Ri para el rango [ti, ti+i] se calcula de la siguiente manera:
con i = 1, ..., n-1. El proceso de remuestreo incluye incrementar t de manera continua en 1 ms, correspondiente a una frecuencia de muestreo de 1000 Hz. En una realización alternativa, el remuestreo incluye incrementar t continuamente en 10 ms, correspondiente a una frecuencia de muestreo de 100 Hz. Los parámetros a, b, ci y di deben establecerse en valores adecuados. La onda de pulso se obtiene como la respiración R, es decir, la señal 207 que es el resultado del muestreo. A continuación, se determina la variación de la frecuencia respiratoria basándose en la señal 207 mediante métodos conocidos, por ejemplo, detectando una serie de máximos de la señal 207 y determinando una diferencia de tiempo para cada par de máximos posteriores.
La figura 3B ilustra cómo se puede determinar el índice de rigidez. El diagrama de la figura 3B muestra una señal 201 de onda de pulso a lo largo del tiempo t así como los componentes 206 y 208 de onda correspondientes de la onda de pulso original y la onda reflejada principalmente por la bifurcación aórtica. La figura 3B también muestra un punto 204 de inflexión. Cabe señalar que una partición simple basada en los puntos de inflexión, como se conoce comúnmente en la técnica, no corresponde necesariamente a los componentes de onda fisiológicos reales debido a las razones expuestas en el párrafo anterior. Por el contrario, según la presente invención, la onda de pulso original real y la onda reflejada por la bifurcación aórtica se determinan por aproximación del gráfico con funciones gaussianas, por lo que las dos ondas componentes, Ooriginal 206 y Oreflejada 208, pueden obtenerse con muy alta precisión. Aquí, la diferencia de tiempo se determina como la diferencia de tiempo entre las ondas componentes Ooriginal y Oreflejada en oposición a la diferencia de tiempo entre dos máximos del gráfico. Esto facilita determinar, en lugar del comúnmente conocido tiempo de pico a pico (PPT), un tiempo de onda a onda (WWT), que corresponde a la diferencia de tiempo real entre la onda de pulso original y la onda de pulso reflejada con un considerablemente mayor nivel de precisión. Esto, a su vez, facilita un cálculo más preciso del SI y, por tanto, conduce a una correlación mejorada con la presión arterial.
La figura 3C contiene un diagrama de flujo de un método 300 para determinar la presión arterial. En la etapa 302, se registran los datos de la onda de pulso. La detección de ondas de pulso y el registro de datos indicativos de la onda de pulso detectada se pueden realizar de cualquier forma conocida en la técnica. Por ejemplo, fotopletismografía clásica. Un ejemplo de detección y registro de datos de ondas de pulso se ha descrito anteriormente con respecto a la figura 1.
En la etapa 304 se determinan los periodos cardíacos adecuados. Como se describió anteriormente, los períodos cardíacos varían según una serie de factores y pueden presentar irregularidades benignas (p. ej. no patológicas), por ejemplo, causadas por estrés o ansiedad, o por el consumo de estimulantes tales como cafeína, nicotina o alcohol.
Con el fin de establecer una base sólida para el procesamiento adicional de los datos de la onda de pulso, se seleccionan períodos cardíacos adecuados a partir de un registro más largo de los datos de la onda de pulso. En la primera realización, se seleccionan de 5 a 30 periodos cardíacos a partir de un registro de ondas de pulso de 5 segundos hasta 2 minutos de duración, siempre que todos los períodos cardíacos seleccionados tengan una similitud entre sí de al menos 0,8 y estén todos contenidos en un solo segmento de grabación (es decir, son sucesivos entre sí). En otras realizaciones, se puede utilizar un número mayor o menor de periodos cardíacos sucesivos, por ejemplo, de 3 a 10 o de 20 a 50 períodos cardíacos. Además, el registro de datos de ondas de pulso puede tener una duración diferente, por ejemplo, que varía desde 5 a 10 segundos hasta 10 a 30 minutos.
En la etapa 306, cada período cardíaco se descompone o se divide en un componente sistólico y diastólico. Esto se logra determinando el máximo de la derivada de segundo orden de la onda de pulso, ubicado como máximo 350 ms después del máximo sistólico. Típicamente, el máximo de la derivada de segundo orden de la onda de pulso se encuentra entre 250 ms y 350 ms después del máximo sistólico. Determinar el máximo de la derivada de segundo orden se limita a la ventana de tiempo definida anteriormente para tener en cuenta el tiempo de expulsión del corazón y para evitar una detección errónea.
En la etapa 308, se realiza una aproximación en la que el componente sistólico se aproxima ajustando al menos dos funciones gaussianas a la onda de pulso original:
con a, b, c y d que se determinan mediante optimización no lineal. En una realización, las dos funciones gaussianas se ajustan a la onda de pulso original utilizando el algoritmo de Levenberg-Marquardt. En esta etapa de aproximación, la primera función gaussiana corresponde a la onda de pulso original y la segunda función gaussiana corresponde a la onda reflejada en la bifurcación aórtica, considerando que la amplitud de la primera función gaussiana debe ser mayor o igual a la amplitud de la primera función gaussiana y ambas funciones deben presentar una desviación a estándar idéntica.
En la etapa 310, la diferencia de tiempo entre las dos funciones gaussianas se calcula como el tiempo de onda a onda WWT. Por ejemplo, el WWT se puede calcular como la diferencia de tiempo entre los puntos base de las dos funciones gaussianas. Como alternativa, el WWT se puede calcular como la diferencia de tiempo entre los máximos de las dos funciones gaussianas. Para generar un WWTp general o promedio, se calcula el valor medio de 5 a 30 (o cualquier número deseado de) períodos cardíacos. Esto puede reducir eficazmente el impacto de los valores atípicos.
En la etapa 312, el índice de rigidez SI se calcula en base a la altura h del sujeto (en m) y el WWTp promedio (en s) como:
_ h
SI ~ WWTp
En la etapa 314, el valor SI calculado en la etapa 312 se ajusta para compensar la edad del sujeto. Como se describió anteriormente, la elasticidad del sistema vascular de una persona disminuye con el aumento de la edad, por lo que la persona sana promedio a la edad de 20 años necesariamente presenta un SI más bajo que la persona sana promedio a la edad de 40 o 60 años. Por lo tanto, el SI se normaliza en la etapa 314 con el fin de lograr resultados comparables. En la primera realización, el SI se normaliza para obtener un SI ajustado o independiente de la edad.
En la etapa 316, el SI ajustado se estima en base a un modelo de regresión específico de género. Los modelos de regresión específicos de género son el resultado de estudios clínicos registrados y definen la presión arterial estimada de un sujeto basado en el género y el SI ajustado. En un ejemplo, una persona de género masculino que presenta un SI ajustado de 10 puede tener una presión arterial sistólica estimada de 180 mm Hg. Se llevaron a cabo estudios clínicos para determinar cómo el SI ajustado se relaciona con la presión arterial real según el género de un sujeto. Se ha descubierto que, con sujetos masculinos, un SI ajustado de aproximadamente 10 m/s corresponde a una presión arterial de aproximadamente 170 mm Hg, y un SI ajustado de aproximadamente 8 m/s corresponde a una presión arterial de aproximadamente 150 mm Hg. Con sujetos femeninos, un SI ajustado de aproximadamente 10 m/s corresponde a una presión arterial de aproximadamente 165 mm Hg, y un SI ajustado de aproximadamente 8 m/s corresponde a una presión arterial de aproximadamente 155 mm Hg.
En una realización alternativa, se aplica un modelo de regresión más completo. En esta realización alternativa, las etapas 302 a 314 se realizan de forma idéntica a lo que se describió anteriormente. En la etapa 316 de la realización alternativa, sin embargo, se aplican parámetros adicionales para lograr una correlación aún mayor con el valor real de la presión arterial. Aquí, el SI ajustado se estima en base a un modelo de regresión alternativo que tiene en cuenta: el género del sujeto (es decir, hombre o mujer), un valor de índice If indicativo del físico del sujeto (p. ej. el índice de masa corporal (IMC) de la persona), y un valor de índice Ct indicativo de un consumo de tabaco del sujeto (p. ej. si el sujeto es fumador o no).
Con respecto al valor de índice Ct indicativo de un consumo de tabaco del sujeto, cabe señalar que en algunas realizaciones solo se determina el estado actual de un sujeto, es decir, si el sujeto es actualmente un fumador activo. Los estudios han mostrado que un período relativamente corto de no fumar tiene un impacto en la presión arterial de un sujeto, incluso si el sujeto ha fumado durante un período de tiempo prolongado. Este efecto y los efectos relacionados se pueden tener en cuenta determinando el estado actual de un sujeto de esta manera. En otras realizaciones, también se puede tener en cuenta la historia del sujeto. Esto se puede hacer determinando un período o períodos en los que el sujeto fue un fumador activo y determinando la cantidad de tabaco consumida en estos períodos (p. ej. número de cigarrillos por día). De esta manera se puede generar un perfil individual que detalla el consumo de tabaco por parte de un sujeto e introducirlo en el modelo de regresión. Cabe señalar que el consumo de tabaco a largo plazo puede tener múltiples efectos sobre el sistema vascular de un sujeto, por ejemplo, en lo que respecta a la rigidez de los vasos sanguíneos. Algunos o todos estos efectos pueden ser efectos a largo plazo que no desaparecen durante un período corto de no fumar.
Un modelo de regresión alternativo específico, que también es el resultado de estudios clínicos registrados, define la presión arterial estimada de un sujeto en función del SI ajustado, el género del sujeto (un valor de 1 que es indicativo de un sujeto hombre, un valor de 2 que es indicativo de un sujeto mujer), el IMC del sujeto (el valor del IMC se calcula basándose en la altura y el peso del sujeto), y el hecho de que el sujeto sea fumador o no (un valor de 0 que es indicativo de que el sujeto no es fumador, y un valor de 1 que es indicativo de que el sujeto es fumador). El IMC se
puede calcular en base a IMC = donde masa es el peso del sujeto en kilogramos (kg) y donde la altura es la altura del sujeto en metros (m). El modelo de regresión alternativo específico se basa en la fórmula: PAs¡s = 139,611 -19,450 ■ g - 0,820 ■ edad + 0,968 ■ If + 5,394 ■ Ct + 2,759 ■ SI.
La siguiente tabla proporciona más detalles sobre los coeficientes utilizados en el modelo de regresión alternativo:
Coeficientes (var. dep.: PAsis)
Cabe señalar que el término "físico" del sujeto se refiere al tamaño, estatura, figura o físico en términos de la ausencia o presencia (y el grado) de adiposidad del sujeto, es decir, si la persona tiene sobrepeso o no. Aparte del IMC como se describió anteriormente, existen varios métodos y/o conceptos conocidos para cuantificar un grado de adiposidad en un sujeto. Los ejemplos incluyen, pero no se limitan a: medir el porcentaje de grasa corporal (p. ej. mediante análisis de impedancia bioeléctrica, mediante mediciones con calibre o cualquier otro método conocido para determinar el porcentaje de grasa corporal), calcular la relación cintura-altura, y calcular la relación cintura-cadera. El análisis de impedancia bioeléctrica, por ejemplo, se puede integrar en electrodomésticos como básculas, de modo que el porcentaje de grasa corporal se pueda medir durante actividades regulares o diarias, tal como subirse a la báscula para pesarse. El análisis de impedancia bioeléctrica puede no ser aplicable a todos los sujetos debido a su condición médica individual, por ejemplo, cuando se coloca un marcapasos u otro implante, y/o puede que no proporcione las mediciones más precisas del porcentaje de grasa corporal. Las mediciones con calibre pueden ser realizadas por un médico o por el propio sujeto midiendo el grosor de un pliegue cutáneo para deducir el porcentaje de grasa corporal. Las mediciones se realizan típicamente en tres o siete partes diferentes del cuerpo, según el método utilizado. Las mediciones con calibre pueden proporcionar resultados aceptables, pero típicamente no pueden medir con precisión el porcentaje de grasa corporal presente en los órganos y alrededor de ellos.
Cabe señalar que la función de regresión alternativa descrita anteriormente no requiere el uso del IMC en particular, pero es, en principio, adaptable a cualquier cuantificación de un grado de adiposidad en un sujeto. Si se utiliza una
medida del físico de un sujeto que no sea el IMC del sujeto, se debe introducir un factor de conversión correspondiente en la fórmula específica descrita anteriormente, para asignar la medida al IMC (o viceversa).
La variabilidad de la presión arterial se determina ahora basándose en una pluralidad de valores de presión arterial tomados de un sujeto de la manera descrita anteriormente. Típicamente, la determinación de la variabilidad de la presión arterial se realiza durante un período de 2 a 5 minutos, o como alternativa, sobre un número de 120 a 300 períodos cardíacos, con el fin de obtener una muestra representativa. En otras realizaciones, sin embargo, determinar la presión arterial y la variabilidad de la presión arterial se puede realizar de manera continua, por ejemplo, utilizando una ventana deslizante de 2 a 5 minutos (o 120 a 300 periodos cardíacos). La figura 3D ilustra la relación de la frecuencia cardíaca, la presión arterial y la frecuencia respiratoria, así como la variabilidad de las mismas, según una realización de la invención. La figura 3B muestra una combinación de varias señales determinadas en base a la onda 201 de pulso. Aquí, la frecuencia respiratoria y la variación de la misma se muestran en base a la señal 207. Además, la presión arterial y su variación se muestran en base a la onda 201 de pulso y los componentes 206 y 208 de la misma, como se describió anteriormente y como se muestra en la figura 1. La frecuencia cardíaca y la variación de la misma también se muestran en base a la onda 201 de pulso.
Basado en un análisis de la frecuencia cardíaca (FC) y la variabilidad de la frecuencia cardíaca, la presión arterial (PA) y la variabilidad de la presión arterial, y la frecuencia respiratoria y/o la variabilidad de la frecuencia respiratoria, todos obtenidos en base a la onda 201 de pulso y presentando una precisión previamente no obtenible, una variedad de condiciones médicas, tales como EAC, FA, apnea del sueño, depresión y otras.
En base a los datos obtenidos, la FA puede detectarse analizando la interacción entre la frecuencia cardíaca y la presión arterial utilizando dinámicas de interacción no lineal, por ejemplo, dinámicas simbólicas articulares (JSD) y análisis de diagrama de Poincaré segmentado (SPPA). El SPPA se puede aplicar para analizar la interacción entre dos series de tiempo - en este caso la frecuencia cardíaca y la presión arterial. Al introducir un conjunto de parámetros de dos índices, uno derivado de JSD y otro de SPPA, el análisis de la función discriminante lineal reveló una precisión global del 89% (sensibilidad 91,7%, especificidad 86,7%) para la clasificación entre pacientes con ritmo sinusal estable (grupo SR, n = 15) y con recurrencia de FA (grupo REZ, n = 12). El acoplamiento de la frecuencia cardíaca y la presión arterial sistólica proporciona una herramienta potencial para la predicción de la recurrencia de FA después de la CV y podría ayudar en el ajuste de las opciones terapéuticas para los pacientes con FA.
De manera similar, puede detectarse depresión analizando la relación entre la respiración y la frecuencia cardíaca y detectando que la respiración y la frecuencia cardíaca no están sincronizadas y/o la frecuencia cardíaca no cambia tras una variación considerable de la frecuencia respiratoria. Asimismo, puede detectarse apnea del sueño utilizando los mecanismos descritos anteriormente analizando la frecuencia respiratoria, que muestra típicamente una variación inusualmente alta, y analizando la frecuencia cardíaca, que típicamente se ralentiza durante los períodos de apnea del sueño.
La figura 3E contiene un diagrama de flujo para un método 100 para el análisis de ondas de pulso según la presente invención. En la etapa 102, la señal de onda de pulso se adquiere como se ha establecido anteriormente con respecto a la figura 1 y se seleccionan los períodos cardíacos adecuados. Típicamente, la señal de onda de pulso se adquiere durante un período de tiempo de al menos 2 minutos, preferiblemente al menos 5 minutos.
En la etapa 104, se aplica una combinación de análisis de morfología y frecuencia de la onda de pulso para detectar todos los intervalos de latido a latido (BBI). El algoritmo aplicado produce una correlación mejorada de r > 0,99, en comparación con los intervalos RR (RRi) de los registros de ECG estándar, que se realizaron en comparación. A partir de la serie temporal de BBI extraída, se pueden calcular y analizar varios índices que representan la variabilidad del ritmo cardíaco con respecto a su capacidad para discriminar entre FA y SR. Para el análisis, se pueden eliminar los latidos prematuros y otras interrupciones y se pueden reemplazar los puntos correspondientes en la serie temporal de BBI, utilizando un algoritmo para la estimación de la varianza adaptativa. El impacto de la ectopia en los índices de variabilidad es bastante bajo. Sin embargo, incluso en grupos que presentan un número menor de latidos ectópicos (p. ej. menos del 5%), el filtrado del tacograma puede reducir aún más el impacto de la ectopia.
En las etapas 106 y 108, los índices primero y segundo se determinan según lo que se describe con respecto a las figuras 4A, 4B y 4C a continuación. En una realización, el primer índice es una raíz cuadrada media de diferencias sucesivas (RMSSD) de intervalos RR y el segundo índice es un índice SD1/SD2. En otras realizaciones, se pueden emplear otras combinaciones, por ejemplo, que incluyen un índice determinado en base a la Entropía de Shannon.
En la etapa 110 se determina la condición médica del sujeto, basándose en el primer y segundo índices. El método 100 finaliza en la etapa 112.
La figura 4A ilustra la aplicación de RMSSD en la detección de FA en un sujeto según una realización de la invención. El RMSSD es un índice estándar del análisis de variabilidad de la frecuencia cardíaca (HRV) para cuantificar las alteraciones de latido a latido. Para ajustar el efecto de la frecuencia cardíaca sobre la variabilidad RR, el valor RMSSD se normaliza al valor medio del intervalo RR. Dado que en la FA la variabilidad es claramente mayor que en SR, se espera que la RMSSD normalizada sea mayor en los pacientes con FA. En una primera realización comparativa, se combinaron RMSSD normalizada y Entropía de Shannon (ShE). Ambos índices se extrajeron del tacograma de ondas
de pulso. Se calcularon la sensibilidad, la especificidad y la precisión para cada uno de estos índices por separado y para la combinación. Para la discriminación entre FA y SR basada en un registro de onda de pulso de dos minutos, la ShE produjo una sensibilidad y especificidad de 85% y 95% respectivamente, aplicando un valor límite de 4,9 (véase figura 4B). Esto se traduce en 34/40 pacientes clasificados correctamente y 2/40 pacientes clasificados incorrectamente como FA.
La figura 4B ilustra la aplicación de la entropía de Shannon en la detección de FA en un sujeto según una realización de la invención. La entropía de Shannon (ShE) es un método estadístico para cuantificar la incertidumbre de una variable aleatoria y se espera que sea mayor en pacientes con FA ya que el pulso en estas circunstancias presenta una mayor irregularidad en el intervalo RR en comparación con los pulsos registrados en pacientes con SR.
Basándose en la onda de pulso, se determina un tacograma, que es indicativo de las variaciones en la frecuencia respiratoria a lo largo del tiempo. A partir del tacograma, se genera un histograma, que representa la distribución de frecuencia de las variaciones de la frecuencia respiratoria. En una realización, el histograma tiene un tamaño de contenedor de 8 ms, lo que significa que la distribución de frecuencia se basa en una escala de tiempo discreta dividida en franjas de 8 ms. Cada variación respiratoria (es decir, entre dos máximos de la señal 207) se clasifica en el contenedor respectivo. Las probabilidades representadas por el histograma se utilizan luego como entrada para calcular la Entropía de Shannon como
5 = -E;=iP; ■ lo gz {pi ) .
El resultado es un valor de bit, que determina si un sujeto pertenece o no a un grupo de pacientes sanos o no, considerando que se utiliza un valor de umbral de 4,9 bits:
Fíba — ( ^ £ 4,9 bit, entonces si
l de lo contrario no
Cabe señalar que lo anterior es un ejemplo para determinar un valor de entropía para las variaciones de la frecuencia respiratoria. Se pueden usar otros métodos conocidos de manera similar, simplemente adaptando el valor umbral según el método y cálculo usados. La figura 4C ilustra el valor umbral de 4,9, distinguiendo claramente entre sujetos que muestran FA (derecha) y sujetos que muestran SR (izquierda). Una ventaja de determinar una distribución de frecuencia de la manera descrita es que la medida de entropía es independiente de la frecuencia cardíaca en reposo del sujeto. Por tanto, lo anterior es igualmente aplicable a sujetos de todos los grupos de edad, por ejemplo, niños, así como ancianos, a pesar de las diferencias considerables en sus respectivas frecuencias cardíacas en reposo.
En una segunda realización comparativa, se aplicó un filtro al tacograma de la onda de pulso para eliminar latidos prematuros y otras interrupciones como se describió anteriormente. Esto mejoró la aplicabilidad del método y permitió que los pacientes con latidos prematuros se separaran con éxito de los pacientes con FA. La aplicación del filtro de tacograma mejoró la sensibilidad al 87,5% mientras que la especificidad se mantuvo estable al 95% utilizando el índice RMSSD normalizado con un límite en 0,09. Esto se traduce en 35/40 pacientes clasificados correctamente y 2/40 pacientes clasificados incorrectamente como FA.
La figura 4C ilustra la aplicación del Análisis de Gráfico de Poincaré (PPA) en la detección de FA en un sujeto según una realización de la invención. En una tercera realización comparativa, se probó un índice adicional SD1/SD2 que se extrajo de un Gráfico de Poincaré de una grabación de cinco minutos. Se calcularon SD1/SD2, RMSSD normalizada y Entropía de Shannon a partir de un tacograma filtrado. A continuación, se calcularon la sensibilidad, la especificidad y la precisión para cada método por separado y para la combinación. Prolongando el tiempo de registro de dos a cinco minutos y combinando el índice SD1/SD2 y RMSSD normalizada, la sensibilidad y la especificidad aumentaron al 95% con un área bajo la curva de 0,93 (véanse las figuras 5A y 5B). El límite para la clasificación como FA fue una RMSSD normalizada > 0,043 y una SD1/SD2 > 0,6. Esto se traduce en 38/40 pacientes clasificados correctamente y 2/40 pacientes clasificados incorrectamente como FA.
Se descubrió que la mayor sensibilidad y especificidad se logró usando la combinación de los índices RMSSD y SD1/SD2 normalizados con el filtro de tacograma (véase la tercera realización comparativa) en combinación con la prolongación del intervalo analizado de dos a cinco minutos. Por consiguiente, se logró una sensibilidad y especificidad del 95%.
Los resultados se basan en un grupo de ochenta pacientes incluidos en un estudio (FA 40pts, SR en el momento del examen 40pts). Los pacientes del grupo de FA tenían una edad media de 80 años (SD ± 8), los del grupo de SR de 75 años (SD ± 7). La relación hombre/mujer fue de 2,4 en el grupo de FA y de 2,5 en el grupo de SR. El intervalo RR promedio fue mayor en el grupo de FA. (FA 887 ± 120ms y SR 784 ± 144ms, p = 0,0004). Los resultados de las realizaciones comparativas se muestran en la siguiente tabla:
TABLA 1
SR(media±SD) FA(media±SD)
Valor de p
AUC Sensibilidad Especificidad Método 1
RMSSDn 0,103±0,093 0,298±0,121 <0,001 0,892 50% 95% ShE 3,858±0,711 5,350±0,825 <0,001 0,912 85% 95% RMSSDn ShE - - - 0,917 82,5% 95% Método 2
RMSSDn 0,034±0,026 0,146±0,067 <0,001 0,938 87,5% 95% ShE 3,710±0,643 5,007±0,790 <0,001 0,911 77,5% 95% RMSSDn ShE - - - 0,926 87,5% 95% Método 3
RMSSDn 0,039±0,026 0,154±0,070 <0,001 0,942 77,5% 95% ShE 4,030±0,697 5,187±0,885 <0,001 0,872 57,5% 95%
SD1/SD2 0,447±0,202 0,757±0,141 <0,001 0,903 77,5% 90%
RMSSDn ShE - - - 0,966 80% 95% ShE+ SD1/SD2 - - - 0,959 50% 95% RMSSDn SD1/SD2 - - - 0,931 95% 95%
Las figuras 5A y 5B ilustran la aplicación del Análisis de Trazado de Poincaré (PPA) en la detección de FA en un sujeto según una realización de la invención. El PPA proporciona una herramienta visual para caracterizar la naturaleza compleja de las fluctuaciones de las series de tiempo donde BBIr se representa frente a BBIn-1. El gráfico de Poincaré suele mostrar una nube alargada de puntos orientados a lo largo de la diagonal del sistema de coordenadas. Se ajusta una elipse a la nube de puntos para caracterizar su forma. El índice SD1/SD2 representa la relación entre la desviación estándar de la variabilidad de BBI a corto plazo (eje vertical a la línea de identidad, SD1) y la desviación estándar de la variabilidad de BBI a largo plazo (eje a lo largo de la línea de identidad, SD2). El índice mostrado se extrajo de grabaciones de cinco minutos para asegurar la formación de la elipse.
Si bien la invención se ha descrito en relación con lo que actualmente se considera que son las realizaciones más prácticas y preferidas, ha de entenderse que la invención no se limita a las realizaciones descritas. La invención está definida por las reivindicaciones anejas.
Claims (12)
1. Un aparato para determinar una condición médica de un sujeto humano, el aparato que comprende:
una unidad de control; y
un medio para proporcionar datos de ondas de pulso representativos de un latido del corazón de un sujeto humano; en donde
la unidad de control está configurada para realizar las etapas de:
recibir los datos de la onda de pulso;
seleccionar una porción de los datos de la onda de pulso indicativos de una pluralidad de periodos cardíacos; determinar un segundo y un tercer índice, cada uno de los índices segundo y tercero que se basa en los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de periodos cardíacos, en donde el tercer índice es diferente del segundo índice; y
determinar una condición médica del sujeto basándose en el segundo y tercer índices; en donde la determinación del segundo índice comprende:
determinar un tacograma indicativo de una variabilidad de una pluralidad de intervalos de frecuencia respiratoria en base a los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos,
determinar una distribución de frecuencia de los respectivos intervalos de frecuencia respiratoria de la pluralidad de intervalos de frecuencia respiratoria,
determinar un valor de entropía basado en la distribución de frecuencia, y
determinar el segundo índice basándose en el valor de entropía; y
en donde
la determinación del tercer índice comprende:
determinar una pluralidad de intervalos de latido a latido (BBI) basándose en los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos, y determinar el tercer índice basándose en la pluralidad de intervalos de latido a latido.
2. El aparato según la reivindicación precedente, que comprende además determinar un primer índice, el primer índice que es diferente de los índices segundo y tercero; en donde
la determinación del primer índice comprende:
determinar una pluralidad de intervalos RR en base a los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos, y
determinar el primer índice basándose en la pluralidad de intervalos RR;
y en donde
la determinación de la condición médica del sujeto se basa además en el primer índice.
3. El aparato según la reivindicación precedente, en donde la determinación del primer índice comprende, además: determinar un promedio basado en la pluralidad de intervalos RR; y
determinar el primer índice basado en el promedio.
4. El aparato según la reivindicación precedente, en donde la media es la raíz cuadrada media de las diferencias sucesivas, opcionalmente en donde determinar la raíz cuadrada media de las diferencias sucesivas en función de la pluralidad de intervalos de frecuencia respiratoria incluye normalizar la raíz cuadrada media de las diferencias sucesivas en base a un intervalo RR medio determinado en base a la pluralidad de intervalos RR.
5. El aparato según una cualquiera de las reivindicaciones precedentes, en donde la distribución de frecuencia comprende un histograma indicativo de una pluralidad de probabilidades; opcionalmente en donde el valor de entropía se determina en base a:
s = - ' L i= iP i - l o g 2(pi),
en donde p¡ corresponde a la pluralidad de probabilidades; además, opcionalmente, en donde el histograma tiene un tamaño de intervalo de 8 ms.
6. El aparato según una cualquiera de las reivindicaciones precedentes, en donde la determinación del tercer índice comprende:
determinar un Análisis de Gráfico de Poincaré (PPA) basado en la pluralidad de intervalos de latido a latido, el Análisis de Gráfico de Poincaré que es indicativo de una fluctuación de serie de tiempo determinada en función de una relación respectiva de un primer intervalo de latido a latido (BBIr) y un segundo intervalo de latido a latido precedente (BBIn-1) de la pluralidad de intervalos de latido a latido; y
determinar el segundo índice basado en el Análisis de Gráfico de Poincaré.
7. El aparato según la reivindicación precedente, en donde la determinación del tercer índice comprende:
determinar una desviación estándar SD1 de una variabilidad de intervalo de latido a latido a corto plazo y una desviación estándar SD2 de una variabilidad de intervalo de latido a latido a largo plazo; y
determinar el segundo índice basándose en un índice SD1/SD2 indicativo de una relación entre la desviación estándar SD1 y la desviación estándar SD2.
8. El aparato según una cualquiera de las reivindicaciones precedentes, en donde los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos se refieren a una pluralidad de períodos cardíacos en sucesión directa entre sí.
9. El aparato según una cualquiera de las reivindicaciones precedentes, en donde la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos cubre un período de al menos 2 minutos; y
la determinación del segundo y tercer índices, y opcionalmente el primer índice, se basa esencialmente en todos los latidos del corazón comprendidos en la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardiacos.
10. El aparato según la reivindicación precedente, en donde la porción de los datos de la onda de pulso indicativos de una pluralidad de periodos cardíacos cubre un periodo de al menos 5 minutos.
11. El aparato según una cualquiera de las reivindicaciones precedentes, en donde la unidad de control está configurada además para:
determinar, basándose en los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos, para cada período cardíaco de la pluralidad de períodos cardíacos, si el período cardíaco respectivo está asociado con una o más interrupciones, y
modificar los datos de la onda de pulso de la porción de los datos de la onda de pulso indicativos de una pluralidad de períodos cardíacos si el período cardíaco respectivo está asociado con una o más interrupciones de modo que el período cardíaco respectivo ya no esté asociado con una o más interrupciones.
12. El aparato según la reivindicación precedente, en donde la una o más interrupciones comprenden un latido prematuro.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP15177174.8A EP3117766B1 (en) | 2015-07-16 | 2015-07-16 | Processing biological data |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2883709T3 true ES2883709T3 (es) | 2021-12-09 |
Family
ID=53793998
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES15177174T Active ES2870584T3 (es) | 2015-07-16 | 2015-07-16 | Procesamiento de datos biológicos |
ES16170035T Active ES2883709T3 (es) | 2015-07-16 | 2016-05-17 | Procesamiento de datos biológicos |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES15177174T Active ES2870584T3 (es) | 2015-07-16 | 2015-07-16 | Procesamiento de datos biológicos |
Country Status (11)
Country | Link |
---|---|
US (2) | US20180199893A1 (es) |
EP (2) | EP3117766B1 (es) |
JP (1) | JP6798671B2 (es) |
KR (2) | KR102622403B1 (es) |
CN (1) | CN107920763B (es) |
AU (1) | AU2016293110B2 (es) |
CA (1) | CA2992508A1 (es) |
ES (2) | ES2870584T3 (es) |
PL (2) | PL3117766T3 (es) |
RU (1) | RU2707650C2 (es) |
WO (1) | WO2017009465A1 (es) |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3061391B1 (en) * | 2015-02-27 | 2020-05-13 | Preventicus GmbH | Apparatus and method for determining blood pressure |
JP6645190B2 (ja) * | 2016-01-04 | 2020-02-14 | オムロンヘルスケア株式会社 | 診断支援装置、診断支援方法、及び、診断支援プログラム |
EP3457929B1 (en) * | 2016-05-20 | 2023-07-05 | Christian Medical College | Non-invasive system and method for measuring blood pressure variability |
AU2017100667A4 (en) | 2016-06-11 | 2017-07-06 | Apple Inc. | Activity and workout updates |
US10736543B2 (en) | 2016-09-22 | 2020-08-11 | Apple Inc. | Workout monitor interface |
US11096595B2 (en) * | 2016-11-15 | 2021-08-24 | Microsoft Technology Licensing, Llc | Blood pressure determinations |
KR102655738B1 (ko) * | 2016-12-27 | 2024-04-05 | 삼성전자주식회사 | 접촉형 혈압 측정 장치 |
US10845955B2 (en) * | 2017-05-15 | 2020-11-24 | Apple Inc. | Displaying a scrollable list of affordances associated with physical activities |
JP6325154B1 (ja) * | 2017-06-07 | 2018-05-16 | スマート ビート プロフィッツ リミテッド | 情報処理システム |
KR102588694B1 (ko) | 2018-01-29 | 2023-10-16 | 한국전자통신연구원 | 생체신호를 이용한 단위시간당 호흡수 산출 방법과, 호흡상태 판단 방법 및 장치 |
DK180241B1 (en) | 2018-03-12 | 2020-09-08 | Apple Inc | User interfaces for health monitoring |
CN108742660A (zh) * | 2018-07-02 | 2018-11-06 | 西北工业大学 | 一种基于可穿戴设备的情绪识别方法 |
JP2021536307A (ja) * | 2018-09-06 | 2021-12-27 | ヴァンダービルト ユニバーシティ | 被験体を評価するための非侵襲的静脈波形分析 |
CN109124610B (zh) * | 2018-09-26 | 2021-07-30 | 深圳星脉医疗仪器有限公司 | 一种无创血压测量的抗干扰方法和装置 |
KR102560306B1 (ko) | 2018-10-05 | 2023-07-26 | 삼성전자주식회사 | 혈압 추정 장치 및 방법 |
EP3648470A1 (en) * | 2018-11-05 | 2020-05-06 | GN Hearing A/S | Hearing system with heart condition alert and related methods |
KR102243017B1 (ko) * | 2018-11-23 | 2021-04-21 | 와이케이씨테크(주) | 얼굴 피부 영상을 이용한 우울증 지수 측정 및 진단 방법 |
WO2020124412A1 (zh) * | 2018-12-19 | 2020-06-25 | 佛山慧康云科技有限公司 | 体征数据分析模型构建方法、终端设备及存储介质 |
US20200211711A1 (en) * | 2018-12-28 | 2020-07-02 | Konica Minolta, Inc. | Health condition determination system, health condition determination method, and recording medium |
CN111374646B (zh) * | 2018-12-28 | 2021-08-03 | 清华大学 | 一种基于智能手机的非硬件依赖型脉象信息采集***和方法 |
TWI708924B (zh) * | 2019-01-19 | 2020-11-01 | 鉅怡智慧股份有限公司 | 影像式血壓量測裝置與方法 |
CN109820498A (zh) * | 2019-01-28 | 2019-05-31 | 重庆邮电大学 | 一种可绑定身份信息的腕式血压计及其脉搏波拟合方法 |
KR20200112095A (ko) * | 2019-03-20 | 2020-10-05 | 삼성전자주식회사 | 혈압을 측정하는 전자 장치 및 혈압 측정 방법 |
DK201970532A1 (en) | 2019-05-06 | 2021-05-03 | Apple Inc | Activity trends and workouts |
TWI837364B (zh) * | 2019-05-15 | 2024-04-01 | 美商康濰醫慧有限公司 | 心跳分析方法及心跳分析系統 |
WO2020247261A1 (en) | 2019-06-01 | 2020-12-10 | Apple Inc. | Multi-modal activity tracking user interface |
JP2022538988A (ja) * | 2019-06-18 | 2022-09-07 | アナリティクス フォー ライフ インコーポレイテッド | 生物物理学的シグナルの動力学的解析を使用して疾患を評価するための方法及びシステム |
CN110811572B (zh) * | 2019-10-18 | 2020-10-27 | 西安交通大学 | 一种光电容积波信号的仿真合成方法与装置 |
CN110946573A (zh) * | 2019-11-01 | 2020-04-03 | 东软集团股份有限公司 | 心脏停搏的检测装置、检测模型的训练装置、方法及设备 |
CN110840443B (zh) * | 2019-11-29 | 2022-06-10 | 京东方科技集团股份有限公司 | 心电信号处理方法、心电信号处理装置和电子设备 |
JP7060569B2 (ja) * | 2019-12-16 | 2022-04-26 | ユニオンツール株式会社 | 心房細動検出システム |
CN111000537B (zh) * | 2019-12-24 | 2022-05-27 | 中国人民解放军陆军军医大学第一附属医院 | 一种修正年龄性别和血压对脉搏波传播速度的影响的方法 |
CN110960199B (zh) * | 2019-12-24 | 2022-05-27 | 中国人民解放军陆军军医大学第一附属医院 | 一种双变量测量动脉硬化程度的*** |
CN110859625B (zh) * | 2019-12-25 | 2021-03-30 | 四川长虹电器股份有限公司 | 计算呼吸频率的方法 |
JP7376367B2 (ja) * | 2020-01-07 | 2023-11-08 | 矢崎総業株式会社 | 運転者状態検出装置、運転者状態検出装置の作動方法および運転者状態検出プログラム |
DK181076B1 (en) | 2020-02-14 | 2022-11-25 | Apple Inc | USER INTERFACES FOR TRAINING CONTENT |
CN114098660A (zh) * | 2020-08-31 | 2022-03-01 | 逢甲大学 | 动脉硬化风险评估*** |
EP4029437A1 (en) * | 2021-01-13 | 2022-07-20 | Koninklijke Philips N.V. | Blood pressure estimation |
CN112842311B (zh) * | 2021-01-29 | 2022-12-02 | 清华大学深圳国际研究生院 | 一种可穿戴式心率实时检测*** |
CN112932428A (zh) * | 2021-02-05 | 2021-06-11 | 江西国科美信医疗科技有限公司 | 一种血氧与心率监测***及其便携式无线远程监测装置 |
EP4052642A1 (en) * | 2021-03-03 | 2022-09-07 | Koninklijke Philips N.V. | Method, apparatus and computer program product for analysing a pulse wave signal to determine an indication of blood pressure and/or blood pressure change |
CN113180596B (zh) * | 2021-04-07 | 2024-02-06 | 中山大学 | 非接触式的睡眠分析方法、装置及存储介质 |
WO2022245669A1 (en) | 2021-05-15 | 2022-11-24 | Apple Inc. | User interfaces for group workouts |
CN115804581B (zh) * | 2021-09-15 | 2023-12-15 | 深圳先进技术研究院 | 心率特征的测量方法、症状检测方法及相关设备 |
US20230390626A1 (en) | 2022-06-05 | 2023-12-07 | Apple Inc. | User interfaces for physical activity information |
US11977729B2 (en) | 2022-06-05 | 2024-05-07 | Apple Inc. | Physical activity information user interfaces |
WO2023248237A1 (en) * | 2022-06-23 | 2023-12-28 | Tvs Motor Company Limited | System and method for monitoring health of one or more users of a two-wheeled vehicle |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7245746B2 (en) * | 2001-06-12 | 2007-07-17 | Ge Medical Systems Global Technology Company, Llc | Ultrasound color characteristic mapping |
WO2003071938A1 (en) * | 2002-02-22 | 2003-09-04 | Datex-Ohmeda, Inc. | Monitoring physiological parameters based on variations in a photoplethysmographic signal |
WO2004006769A1 (ja) * | 2002-07-12 | 2004-01-22 | Seiko Epson Corporation | 血液中水分量検出装置及び血液透析時期判定装置 |
US7011631B2 (en) * | 2003-01-21 | 2006-03-14 | Hemonix, Inc. | Noninvasive method of measuring blood density and hematocrit |
US7004907B2 (en) * | 2004-04-07 | 2006-02-28 | Triage Wireless, Inc. | Blood-pressure monitoring device featuring a calibration-based analysis |
CN101006915A (zh) * | 2006-01-26 | 2007-08-01 | 香港中文大学 | 非接触式关键生理参数测量方法 |
US9622669B2 (en) * | 2008-06-13 | 2017-04-18 | Parkinson's Institute | Diagnosis of neurodegenerative disorders |
US8398556B2 (en) * | 2008-06-30 | 2013-03-19 | Covidien Lp | Systems and methods for non-invasive continuous blood pressure determination |
EP2189111A1 (en) * | 2008-11-21 | 2010-05-26 | Pulsion Medical Systems AG | Apparatus and method for determining a physiologic parameter |
US8216136B2 (en) * | 2009-03-05 | 2012-07-10 | Nellcor Puritan Bennett Llc | Systems and methods for monitoring heart rate and blood pressure correlation |
JP5549092B2 (ja) * | 2009-03-19 | 2014-07-16 | 富士通株式会社 | 血圧値測定装置及び血圧値測定方法 |
ES2646821T3 (es) * | 2009-12-28 | 2017-12-18 | Gambro Lundia Ab | Aparato y método para predicción de disminución sintomática rápida de la tensión arterial |
JP5636731B2 (ja) * | 2010-05-10 | 2014-12-10 | オリンパス株式会社 | 血圧センサシステム及びその血圧計測方法 |
JP5644325B2 (ja) * | 2010-09-28 | 2014-12-24 | オムロンヘルスケア株式会社 | 血圧情報測定装置および該装置での動脈硬化度の指標の算出方法 |
US9675274B2 (en) * | 2011-09-23 | 2017-06-13 | Nellcor Puritan Bennett Ireland | Systems and methods for determining respiration information from a photoplethysmograph |
GB201209413D0 (en) * | 2012-05-28 | 2012-07-11 | Obs Medical Ltd | Respiration rate extraction from cardiac signals |
RU2500346C1 (ru) * | 2012-06-19 | 2013-12-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Ивановский институт Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий" | Способ оценки риска развития послестрессовых сердечно-сосудистых расстройств |
KR102025571B1 (ko) * | 2012-07-27 | 2019-09-27 | 삼성전자주식회사 | 호흡 조절에 의한 혈압 변화를 측정하기 위한 장치 및 방법 |
US20150182132A1 (en) * | 2012-08-10 | 2015-07-02 | Cnv Systems Ltd. | Mobile device system for measurement of cardiovascular health |
AU2013306440A1 (en) * | 2012-08-23 | 2015-03-12 | Nitto Denko Corporation | Method and device for quantifying heart rate variability (hrv) coherence |
GB2505890A (en) * | 2012-09-12 | 2014-03-19 | To Health Ltd | Screening to determine a cardiac arrhythmia risk parameter using photoplethysmograph measurements |
NZ630602A (en) * | 2012-09-19 | 2016-10-28 | Resmed Sensor Technologies Ltd | System and method for determining sleep stage |
JP5985355B2 (ja) * | 2012-10-30 | 2016-09-06 | 日本光電工業株式会社 | 血液量測定方法および測定装置 |
RU2523133C1 (ru) * | 2012-12-24 | 2014-07-20 | Общество С Ограниченной Ответственностью "Хилби" | Устройство для регистрации сигналов пульсовой волны и дыхательного цикла человека |
CN104138253B (zh) * | 2013-05-11 | 2016-06-15 | 吴健康 | 一种无创动脉血压连续测量方法和设备 |
-
2015
- 2015-07-16 ES ES15177174T patent/ES2870584T3/es active Active
- 2015-07-16 PL PL15177174T patent/PL3117766T3/pl unknown
- 2015-07-16 EP EP15177174.8A patent/EP3117766B1/en active Active
-
2016
- 2016-05-17 EP EP16170035.6A patent/EP3117767B1/en active Active
- 2016-05-17 PL PL16170035T patent/PL3117767T3/pl unknown
- 2016-05-17 ES ES16170035T patent/ES2883709T3/es active Active
- 2016-07-15 AU AU2016293110A patent/AU2016293110B2/en active Active
- 2016-07-15 US US15/744,694 patent/US20180199893A1/en not_active Abandoned
- 2016-07-15 KR KR1020187004689A patent/KR102622403B1/ko active IP Right Grant
- 2016-07-15 JP JP2018521708A patent/JP6798671B2/ja active Active
- 2016-07-15 WO PCT/EP2016/066944 patent/WO2017009465A1/en active Application Filing
- 2016-07-15 RU RU2018101306A patent/RU2707650C2/ru active
- 2016-07-15 CN CN201680050764.9A patent/CN107920763B/zh active Active
- 2016-07-15 CA CA2992508A patent/CA2992508A1/en active Pending
- 2016-07-15 KR KR1020247000241A patent/KR20240008403A/ko not_active Application Discontinuation
-
2022
- 2022-03-30 US US17/708,087 patent/US20220296176A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CA2992508A1 (en) | 2017-01-19 |
WO2017009465A1 (en) | 2017-01-19 |
US20180199893A1 (en) | 2018-07-19 |
EP3117767B1 (en) | 2021-07-07 |
EP3117766B1 (en) | 2021-02-24 |
ES2870584T3 (es) | 2021-10-27 |
RU2018101306A (ru) | 2019-08-16 |
EP3117766A1 (en) | 2017-01-18 |
EP3117767A1 (en) | 2017-01-18 |
CN107920763A (zh) | 2018-04-17 |
PL3117766T3 (pl) | 2021-09-06 |
JP6798671B2 (ja) | 2020-12-09 |
KR20180029072A (ko) | 2018-03-19 |
KR20240008403A (ko) | 2024-01-18 |
RU2707650C2 (ru) | 2019-11-28 |
RU2018101306A3 (es) | 2019-08-16 |
AU2016293110A1 (en) | 2018-02-15 |
CN107920763B (zh) | 2021-12-14 |
PL3117767T3 (pl) | 2021-12-27 |
KR102622403B1 (ko) | 2024-01-05 |
US20220296176A1 (en) | 2022-09-22 |
JP2018525188A (ja) | 2018-09-06 |
AU2016293110B2 (en) | 2021-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2883709T3 (es) | Procesamiento de datos biológicos | |
ES2810801T3 (es) | Aparato y método para determinar la presión sanguínea | |
Li et al. | Characters available in photoplethysmogram for blood pressure estimation: beyond the pulse transit time | |
BR112020021760A2 (pt) | métodos para estimar a pressão sanguínea e a rigidez arterial com base em sinais fotopletismográficos (ppg) | |
Secerbegovic et al. | Blood pressure estimation using video plethysmography | |
US20230225623A1 (en) | Methods And Systems For Non-Invasive Cuff-Less Blood Pressure Monitoring | |
JP7121208B2 (ja) | ポータブル脱水監視システム | |
Ajtay et al. | The oscillating pulse arrival time as a physiological explanation regarding the difference between ECG-and Photoplethysmogram-derived heart rate variability parameters | |
US20210169406A1 (en) | Apparatus for determining a stress and/or pain level | |
Nagy et al. | Sensor fusion for the accurate non-invasive measurement of blood pressure | |
Almahouzi et al. | An integrated biosignals wearable system for low-cost blood pressure monitoring | |
Chan et al. | ORCID: 0000-0002-2868-485X | |
Anisimov et al. | Intelligent System for Blood Pressure Monitoring | |
Bieber et al. | Visual detection of short-wave blood pressure fluctuations | |
Shoushan | Remote monitoring of vital physiological signals using smartphone during controlled and uncontrolled respiratory conditions | |
Jamwal et al. | Pulse Signal Processing for Analysis of Cardiovascular Diseases | |
WO2022152657A1 (en) | Blood pressure estimation | |
Tannous | Robust Estimation of Mean Arterial Pressure in Atrial Fibrillation using Oscillometry |