论文部分内容阅读
目的:找出能区分短气症状患者与正常人的客观化指标,实现短气症状的客观测评。 方法:①利用课题组和深圳安润普公司合作研发的智能呼吸带,测试短气症状的患者和正常人的24小时呼吸数据,在MATLAB软件中编程提取每位受试者的呼吸周期数据,利用时域分析、Poincare散点图分析等方法对呼吸周期数据进行分析,获取特征性指标。②利用t检验或秩和检验比较短气症状患者和正常人之间各项指标的差异。③利用诊断实验ROC曲线(受试者工作特性曲线)法获得敏感指标及临界值,进而对短气症状做出客观定量的测评。 结果: (1)共获得17个特征性指标。 (2)短气症状患者和正常人的特征性指标差异:①短气组的24小时说话的总时间(FTS)与平均每次说话持续时间(FST)明显低于正常组。②短气组的吸气时间(FIT)、呼气时间(FET)明显低于正常组,短气组的吸呼比(FIER)、呼吸频率(FRF)明显高于正常组。③短气组的RMSSD、SDNN、PNN50、RMSSD、PNN50明显低于正常组。④短气组的长轴右边长度(FLAR)、长轴(FLA)、面积(FSDA)明显低于正常组,短气组的短轴(FSA)低于正常组,短气组的短轴/长轴(FSLR)、集中区域呼吸百分比(ABR)明显高于正常组。 (3)诊断试验结果显示:FSDA的ROC曲线下面积(AUC)最大(0.85),诊断短气症状的诊断价值最高。当设FSDA≤1214为短气症状阈值时,灵敏度为76%,特异度为84%,诊断准确率为81.3%,诊断比值比为16.89,阳性似然比为4.75,阴性似然比0.29。 结论: ①短气患者肺的呼吸机能失常,其特征性表现是呼吸的时间变短,呼吸的深度变浅,并同时伴随有话语量的减少。 ②其中FTS、FST、FIT、FET、FIER、FRF、SDANN、SDNN、SDNNI、RMSSD、PNN50、FLA、FSLR、FSA、FLAR、FSDA、ABR可作为评价短气症状的定量指标,上述任何一个指标都可以用来诊断短气,其中利用FSDA指标建立短气症状的诊断标准价值最高,诊断界值为1214,即当FSDA≤1214时可诊断为短气。