Een team van onderzoekers van de Universiteit van Texas in Arlington en de Universiteit van Texas Southwestern heeft onlangs een nieuwe methode ontwikkeld om systolische (SBP) te schatten, diastolisch (DBP), en gemiddelde (MBP) bloeddrukgolfvormen van fotoplethysmografie (PPG) signalen. PPG is een eenvoudige, goedkoop, en niet-invasieve optische techniek die volumetrische veranderingen in het bloed in de perifere circulatie detecteert. PPG wordt veel gebruikt in klinische omgevingen, zowel voor fysiologische meting als voor monitoring.

Recent onderzoek heeft de aanwezigheid van significante schommelingen in de nachtelijke bloeddruk (BP) aangetoond bij patiënten die lijden aan obstructieve slaapapneu (OSA). De hoge frequentie en intensiteit van deze trillingen, die meestal optreden tijdens elke apneu-episode, suggereren dat het bestuderen ervan de grondoorzaken van de cardiovasculaire en cerebrovasculaire comorbiditeiten van OSA zou kunnen onthullen.

Hoewel de fysiologische implicaties van deze BP-oscillaties nog onbekend zijn, het ontwikkelen van instrumenten die ze kunnen detecteren en de omvang ervan kunnen inschatten, blijft van cruciaal belang. Met bestaande polysomnografie-instrumenten is het niet mogelijk om de bloeddruk van slag tot slag te meten; toch meten sommigen oximetrie. Het PPG-signaal dat wordt gedetecteerd met behulp van slaaplaboratoriumoximeters, kan onderzoekers helpen om de omvang van BP-oscillaties te meten.

"We hebben een nieuwe methode onderzocht voor continue schatting van de systolische (SBP), diastolisch (DBP), en gemiddelde (MBP) bloeddrukgolfvormen van PPG, " schreven de onderzoekers in hun paper, die voorgepubliceerd was op arXiv. "Pieken en dalen van de PPG-golfvorm worden gebruikt als invoer voor een autoregressief voortschrijdend gemiddelde-model van de vijfde orde om schattingen van SBP te construeren, DBP, en MBP-golfvormen."

Met andere woorden, de onderzoekers gebruikten pieken en dalen van de PPG-golfvorm om SBP en DBP te modelleren, met autoregressieve voortschrijdend gemiddelde (ARMA) modellen. ARMA-modellen zijn systeemidentificatiemethoden die een wiskundig model bieden voor de dynamiek van een systeem, evenals het benadrukken van elke pure vertraging.

Onderzoek uit het verleden suggereert dat manoeuvres voor het inhouden van de adem apneu-episodes nauw kunnen simuleren. De onderzoekers evalueerden daarom de prestaties van hun methode op zeven proefpersonen in rugligging. Deze patiënten werd gevraagd om vijf adempauzes uit te voeren, met 90 seconden normale ademhaling ertussen.

"De bevindingen van deze pilotstudie tonen aan dat het schatten van de systolische en diastolische bloeddruk op basis van PPG-metingen met behulp van ARMA-modellen een haalbare methode kan zijn voor continue en niet-invasieve meting van belangrijke bloeddrukpunten bij OSA-patiënten, met nauwkeurigheidsniveaus die vergelijkbaar zijn met eerder gerapporteerde waarden, ’ schreven de onderzoekers.

Algemeen, de studie bevestigde verder het potentieel van het gebruik van PPG-signalen verzameld door slaaplaboratoriumoximeters in combinatie met ARMA-modellen om de omvang van BP-oscillaties te meten bij patiënten met slaapapneu. uiteindelijk, dergelijke instrumenten zouden onderzoekers kunnen helpen om de betekenis van deze oscillaties en hun verband met cardiovasculaire aandoeningen die typisch geassocieerd worden met OSA beter te begrijpen.

Ondanks deze veelbelovende resultaten, het is onwaarschijnlijk dat een enkel model de bloeddruk van alle leden van de bevolking effectief kan schatten met behulp van PPG-variaties. In de toekomst, een dergelijk model moet daarom mogelijk worden afgestemd op individuele patiënten.

"De waarschijnlijke behoefte aan persoonsspecifieke modellen komt voort uit het feit dat er een grote variatie is in de fysiologische systemen die betrokken zijn bij de controle van de bloeddruk, waaronder de responsiviteit van het sympathische zenuwstelsel, mechanisch, Vloeistofmechanica, dynamische eigenschappen van het cardiovasculaire systeem, en stofwisseling, ’ schreven de onderzoekers.

© 2018 Wetenschap X Netwerk