监护仪房颤综合管理应用的临床意义

【作 者】 关则宏，刘梦星，孙泽辉，何先梁，姚静，刘麟，刘琮

1 深圳迈瑞生物医疗电子股份有限公司，深圳市，518057

2 深圳市儿童医院，深圳市，518026

0 引言

房颤是一种室上性快速心律失常，其心房电活动具有快速、无序等特征，心电图上显著表现为P波消失而代之以不规则的心房颤动波（F波），RR间期绝对不规则[1-2]。

房颤是最常见的心律失常之一，具有极高的危险性，容易引发中风、心衰等高危情况。房颤发生时，心房不能有效收缩，泵血功能失调，造成血流动力学障碍，血栓栓塞机会增加，以及心房肌的电重构[1]。一例房颤信号如图1所示。由于血液不能完全泵出心房，在心房内淤滞，导致血凝块的形成，血凝块脱落，随血液一起流向全身。而脑部的血管分布密集、细长，血栓容易堵塞脑部的血管，形成脑血管栓塞，进而导致缺血性脑卒中。房颤患者中风的概率是非房颤患者的3～5倍，甚至约20%的中风患者由房颤引起[3]，同时房颤是心衰强烈的独立危险因素，15.6%～24.0%的初诊房颤患者随后会被诊断为心衰[1]，所以对于房颤的监测具有重要的临床意义。

图1 房颤信号实例Fig.1 Example of AF signal

鉴于房颤监测的重要临床价值以及患者人群的巨大需求，监护系统需要快速、有效的房颤监测和管理功能。然而，现有监护系统对房颤管理相对单一，一般仅具备房颤监测和报警功能，部分监护系统可能有回顾功能，医护人员可通过回顾界面的事件列表翻看历史报警数据，还可以通过全息波形来查找房颤报警前后的信号，以分析某个具体房颤的持续过程。由此可见，现有监护系统缺乏专门面向房颤患者的综合评估和管理工具，房颤事件的查看和分析功能相对零散，无法查看在一段时间内房颤报警的总持续时间，也无法同步查看房颤发生时其他生理参数的变化情况。

为了改善房颤的临床评估和综合管理，笔者提出了一种基于监护设备的房颤综合管理应用，通过房颤专业视图（AF View）的设计将房颤事件报警和房颤负荷等信息统一，同时集中呈现患者监测周期内的房颤事件分布等统计数据，为医护人员系统评估患者的生理病理状态提供帮助。

1 房颤综合管理应用

房颤综合管理包括4个单元：房颤分析、房颤报警、房颤负荷、AF View。其中房颤分析是前提，房颤报警和房颤负荷是实时提示，AF View是管理应用。

1.1 房颤分析

指南中对房颤分为5类，分别是首次诊断房颤、阵发性房颤、持续性房颤、长程持续性房颤和永久性房颤[1-2,4-5]。相关的ESC房颤管理指南中，对各类房颤患者均推荐用ECG监测来进行筛查[4]，如果采用房颤自动分析算法，将大大提高房颤筛选的效率，所以在监护设备中集成房颤自动分析算法非常必要。

房颤的心电图特征主要是P波消失，代之以不规则的心房颤动波（F波），RR间期绝对不规则，房颤自动分析算法主要对这3个特征分别展开分析，再综合决策，判断是否为房颤，主要分析过程如下：

ECG信号经过QRS波检测和分类后，排除一些异常类型（如室早或起搏类型）和信号质量较差的QRS波，挑选适合房颤检测的QRS波，计算这部分QRS波的RR间期，计算RR间期规则度，同时采用经过滤波的ECG信号进行P波和F波检测，计算F波颤动波指数，统计最近一段时间有P波的QRS波个数，然后进行房颤综合决策，判断是否为房颤。

（1）RR间期规则度计算。

房颤期间，RR间期绝对不规则，表现在与相邻的RR间期均不相似。MIT-AF开源数据库中（下载链接：https://physionet.org/content/afdb/1.0.0/），记录04043的RR间期散点图如图2所示。

图2 记录04043的RR间期散点图Fig.2 Scatter plot of RR intervals of record 04043

通过图2(b)，可以知道RR间期的整体分布，如果分布呈扇形，说明可能为房颤节律；通过图2(a)，可以知道RR间期随着时间的变化趋势，同时通过将图2(a)间期散点图部分放大，可以大概定位非房颤节律与房颤节律的边界点，如图3所示。

图3 记录04043的t-RR间期散点图节选Fig.3 Episode of scatter plot of RR intervals of record 04043

通过t-RR间期散点图，对于记录04043，可以较清楚地识别房颤节律与非房颤节律的边界点。不过并非所有房颤都可以通过RR间期区分开与非房颤的边界点，图4为记录05121的散点图。

图4 记录05121的RR间期散点图Fig.4 Scatter plot of RR intervals of record 05121

记录05121的Lorenz-RR间期散点图呈扇形，说明可能为房颤节律，通过t-RR间期散点图和ECG信号图，说明记录05121确实有房颤节律。

通过将部分t-RR间期散点图放大，发现在两段房颤中间，同样也有RR间期比较离散的非房颤节律，如图5所示。

图5 记录05121的t-RR间期散点图节选Fig.5 Episode of scatter plot of RR intervals of record 05121

说明通过RR间期，能识别出部分房颤，但是可能会误识别一部分非房颤事件为房颤，还需要通过P波防止误识别问题，通过F波防止漏识别问题。

（2）P波与F波检测。

P波是由心房除极产生，表示一次心跳的开始，后面紧跟QRS波群和T波，可能还会有U波。如果出现房颤，心房有序的电活动被无序的电活动代替，P波被形态、间距及振幅均绝对不规则的F波代替，即P波分析的主要目的不是检出房颤，而是防止将非房颤事件误识别为房颤事件。

由于房颤时心房电活动的频率高达350～600次/分，意味着心房的“收缩/舒张”也达350～600次/分，也就意味着心房几乎完全丧失了收缩功能[6]，心房的颤动在心电图上表现为F波，如图6所示。

图6 记录04936窦性节律与房颤节律交界处Fig.6 The junction of sinus rhythm and AF rhythm of record 04936

由于房颤发生时，心房存在多个无序的电活动点，F波幅度、宽度、频率变化较大，没有固定的规律。

（3）房颤综合判断。

通过RR间期和P波检测/F波检测结果，根据RR间期、P波特征、F波特征特点，进行综合房颤判断。当综合判断认为条件满足房颤报警，触发房颤报警；如果后续患者的心电图恢复到窦性节律或其他节律，心电图信号不满足房颤报警条件，房颤报警退出，输出“房颤停止”字符串，提示医护人员患者的房颤报警停止。

1.2 房颤报警与房颤负荷

当心电图信号出现房颤特征时，房颤分析算法通过分析RR间期不规则度，P波/F波检测结果，发现心电图信号满足房颤条件，触发房颤报警。同时通过统计时间段内的房颤报警时长，计算房颤的报警负荷（AF Burden），实时刷新在界面中，方便医护人员实时查看，掌握患者的房颤病情发展情况，其中房颤负荷计算方法[7]如下：

房颤负荷通过百分比的方式显示，范围在0～100%，表示在统计时间段内房颤报警的时间程度，数值越大，表示房颤在统计时间段内报警时长越长，反之越小。房颤负荷可能是心房疾病或心房病严重程度的标志[7]。

1.3 AF View

1.3.1 功能简介

AF View通过将AF Burden、IBP血压值、HR值、ST值等参数/特征在预设时间段内，按照时间顺序联合呈现在一个界面上，形成各个参数/特征的时间趋势图，让医护人员一目了然快速掌握患者的各个参数/特征的变化趋势，及时发现病情变化时间点。

其中AF View界面下方部分为关联参数区，根据医护需求可动态调整，最多可显示3个参数/特征的趋势图。

1.3.2 功能亮点

（1）将房颤与其他多个参数/特征联合呈现，在AF View单个界面图上就可以了解多个参数/特征的变化趋势，不用到各个参数区域操作菜单，调出各个参数的变化趋势图了解参数的变化情况，减少操作，节省医护人员时间。同时多个参数/特征趋势图呈现在同一张界面图上，可用多个参数维度评估患者病情。例如评估房颤期间是否出现高心室率（房颤与HR联合评估），评估房颤期间是否出现心肌缺血（房颤与ST值联合评估）等。

（2）结合房颤治疗前、治疗中的房颤概览报告，再根据房颤治疗后的房颤概览报告，实现房颤病情的长时间周期管理。通过长时间周期管理，可以不间断了解患者房颤病情发展，方便医护人员评估房颤患者的病情发展及恢复情况，同时联合其他参数，监测并发症。同时随着植入式和穿戴式监护设备体积越来越小，费用越来越低，房颤患者长时间的心脏监护将在不久的将来越来越通用化[7]。

（3）实现对短阵房颤患者的管理。指南中已要求持续时长高于30 s的房颤需要被检出[8]，通过房颤分析单元，可以准确检出这些短阵房颤事件，然后在AF View视图上呈现，方便医护人员了解患者房颤病情。

2 结果

2.1 数据库评测结果

房颤分析单元实现了对房颤的准确检出，性能优异，通过对开源数据库MIT-AF的评测，结果如表1所示。

表1 房颤分析单元数据库评测结果Tab.1 Results of database test of AF analysis module

其中：ESe（episode sensitivity）为房颤报警次数的敏感度，数值越高，表示房颤检出越灵敏；E+P（episode positive predictivity）为房颤报警次数的阳性预测度，数值越高，表示房颤检出越准确；DSe（duration sensitivity）为房颤报警重合的敏感度，数值越高，表示房颤检出真实房颤的时间越多；D+P（duration positive predictivity）为房颤报警重合的阳性预测度，数值越高，表示房颤检出房颤段越准确。

通过准确识别房颤事件，保证房颤负荷统计结果准确。同时对于短阵房颤的患者，或统计时间较短时，短阵房颤对房颤负荷的影响较大，此时对于短阵房颤的准确检出，保证了房颤负荷统计结果的准确性。

与人工智能（artificial intelligence,AI）方式分析房颤事件不同，本综合管理应用的房颤分析单元可以对ECG信号进行实时分析，给出实时房颤报警，而AI方式基本是终端设备收集ECG信号上传云端离线分析，完成后再将分析结果回传给终端设备，存在滞后性。

2.2 临床案例分析

本综合管理应用实现了房颤的综合管理，经过临床试用，得到了临床医护人员的一致认可。在一次持续性房颤患者试用中，医护想要了解房颤期间是否出现长RR间期，以便了解患者病情（例如判断是否可能会出现晕厥），判断是否需要给药。通过房颤综合管理应用（见图7），了解最近24 h内房颤期间最长RR间期为3～5 s。

图7 持续性房颤患者房颤概览报告Fig.7 AF summary report of persistent AF patient

经医护评估，该患者最长RR间期较为正常，结合房颤期间的心率比较稳定，同时没有出现心率较高的情况，可以暂不用药。

2.3 临床意义

（1）实现了多个参数、多个特征联合呈现，便于医护人员系统性评估房颤病情发展，以及房颤对其他参数和生理机能的影响，同时根据病情调整治疗方案。

（2）实现了多个时间维度（房颤治疗前、房颤治疗中、房颤治疗后）联合评估，便于医护人员评估治疗方案的合理性和患者的恢复情况。

（3）实现了连续性的片段化评估（最小评估单位是1 h，可以通过设置4 h/8 h/12 h/24 h来实现连续评估），实时掌握房颤病情发展，并且及时根据病情调整治疗方案。

（4）实现了对首发和阵发房颤的管理。对于首发房颤和阵发性房颤患者，持续时间在30～60 s的房颤可以及时检出，避免遗漏房颤事件。特别是对于首发房颤，由于患者可能没有心悸、胸闷、头晕等临床症状，本人并不知晓自己有房颤事件，此时通过AF View管理应用，可以清楚地看到患者发生短阵房颤的时间和次数，医护也可以依据AF View判断患者房颤病情的发展。开源库MIT-AF中，不同持续时长的房颤事件次数统计如图8所示。

图8 MIT-AF数据库中不同持续时长的房颤事件次数Fig.8 AF event times of different periods of MIT-AF database

3 结论

笔者设计出了一种监护设备，可对房颤进行综合管理。通过应用软件，医护人员可以全程掌握患者的房颤病情发展，并且在AF View上查看患者术前、术中和术后的房颤统计趋势信息，结合患者的IBP参数等血动信息对比查看，判断患者手术效果，根据病情发展调整治疗方案。