Flujo de aire y circunferencia dinámica del abdomen y el tórax para adultos con diferentes configuraciones de ventilación con presión positiva continua en las vías respiratorias y frecuencias respiratorias

Jun 12, 2023

Datos científicos volumen 10, número de artículo: 481 (2023) Citar este artículo

195 Accesos

1 altmétrica

Detalles de métricas

La ventilación con presión positiva continua en las vías respiratorias (CPAP) es una terapia respiratoria comúnmente recetada que proporciona presión positiva al final de la espiración (PEEP) para ayudar a la respiración y prevenir el colapso de las vías respiratorias. El ajuste de la PEEP es muy debatido y, por lo tanto, se titula principalmente en función de los síntomas de apoyo excesivo o insuficiente. Sin embargo, los períodos de titulación son intensivos para el médico y pueden provocar barotrauma o falta de oxigenación durante el proceso. El desarrollo de métodos basados ​​en modelos para personalizar de manera más eficiente la terapia CPAP en función de la respuesta específica del paciente requiere datos clínicos de las interacciones pulmón/CPAP. Con este fin, se llevó a cabo un ensayo para establecer un conjunto de datos de la interacción pulmón/CPAP de sujetos sanos. Se registraron la presión, el flujo y el volumen corriente junto con medidas secundarias de la circunferencia dinámica del tórax y abdominal, para validar mejor los resultados del modelo y evaluar los modos de respiración, el reclutamiento muscular y el esfuerzo. Se incluyeron N = 30 sujetos (15 hombres; 15 mujeres). Se incluyeron asmáticos y fumadores/vapeadores autoinformados, lo que ofrece una evaluación preliminar de cualquier diferencia potencial en la respuesta a la CPAP a partir de los cambios en la rigidez pulmonar en estos escenarios. También se registraron datos demográficos adicionales asociados con la función pulmonar (sexo, edad, altura y peso).

La carga de las enfermedades respiratorias crónicas está aumentando con el aumento de la contaminación del aire y las tasas de obesidad, junto con la movilidad global y la transmisión de enfermedades1,2,3,4,5,6,7. Actualmente, el diagnóstico y tratamiento de las enfermedades respiratorias se basan predominantemente en el juicio clínico y en pruebas que sólo pueden realizarse en entornos clínicos8,9,10,11,12,13,14,15. De ahí que la capacidad de diagnóstico y tratamiento sea limitada y sólo capaz de procesar a aquellos con enfermedad avanzada. Abordar las enfermedades crónicas con un diagnóstico temprano para prevenir o retardar la progresión de la enfermedad y, por lo tanto, reducir la carga social y económica, requeriría una mayor capacidad de pruebas, lo que actualmente no es económicamente viable dado que muchos sistemas de salud ya tienen o superan su capacidad16,17,18,19.

Desarrollar las capacidades de monitorización respiratoria en el hogar aumentaría la capacidad de realizar pruebas y permitiría una monitorización y atención remotas más efectivas. Una mejora significativa de las pruebas en el hogar también reduciría la carga de las pruebas hospitalarias para el sistema de salud. Para que las pruebas en el hogar se implementen con una capacidad equivalente a las pruebas clínicas se requieren modelos sólidos y sistemas de monitoreo basados ​​en modelos, capaces de identificar métricas clínicamente relevantes. El primer paso son conjuntos de datos respiratorios de alta calidad para desarrollar y probar estos métodos.

Biomecánicamente, la inspiración es impulsada por una disminución de la presión pleural, lo que crea un gradiente de presión entre la presión atmosférica en los orificios bucales/nasales y conduce el flujo hacia los pulmones a través del tracto respiratorio20,21. La disminución de la presión pleural se genera por la expansión del espacio pleural, impulsada predominantemente por el descenso del diafragma20,21. Además, la contracción del músculo intercostal eleva la caja torácica, lo que contribuye a la expansión plural20,21. La espiración se considera predominantemente pasiva durante los modos de respiración normales. Sin embargo, puede producirse activamente en casos de aumento de la demanda/carga respiratoria mediante el movimiento excéntrico del diafragma, lo que disminuye con fuerza el volumen pleural y expulsa el aire de los pulmones20,21.

Desde el punto de vista diagnóstico, las enfermedades respiratorias crónicas se clasifican según la composición y localización de anomalías obstructivas y restrictivas8,22. Las anomalías obstructivas actúan para ocluir las vías respiratorias mediante constricción, inflamación o colapso y provocan una mayor resistencia de las vías respiratorias8,23,24. Las anomalías restrictivas pueden ser intrínsecas y endurecer el tejido pulmonar mediante cicatrización/fibrosis o extrínsecas y endurecer el tórax en casos de quemaduras graves y obesidad3,8,25,26,27. Clínicamente, la posible presencia de anomalías está indicada principalmente por los cambios observados en los patrones respiratorios, la palpación, la percusión, la auscultación y la oximetría8,28,29,30.

La ventilación con presión positiva continua en las vías respiratorias (CPAP) es una terapia respiratoria común tanto en el ámbito clínico como en el hogar31,32. La CPAP proporciona una presión positiva al final de la espiración (PEEP), que reduce el trabajo/esfuerzo del paciente necesario para generar la inhalación al aumentar el gradiente de presión efectivo a partir de la expansión33. La PEEP también mantiene la integridad de las vías respiratorias, que puede verse afectada en casos como la apnea obstructiva del sueño (AOS), previniendo el colapso de las vías respiratorias31,33,34. El ensayo descrito se realizó para incluir una variedad de configuraciones de PEEP probadas para comprender la interacción entre la mecánica pulmonar y la CPAP en sujetos sanos.

Los datos de presión y flujo se registraron en la interfaz de la máscara CPAP (orificio boca/nariz), a partir de la cual se calcularon los volúmenes corrientes (Fig. 1). Para dilucidar los modos de respiración torácica y abdominal, en este ensayo se incluyó la monitorización circunferencial (Fig. 1). Estas medidas se tomaron tanto a nivel torácico como abdominal para diferenciar mejor los modos respiratorios (Fig. 1)35. Estos datos también proporcionan un segundo conjunto de mediciones para validar e informar los modelos basados ​​en presión y flujo.

Ilustración de medición de datos. Los sujetos estaban en posición semiprona y se tomó la circunferencia abdominal a la altura de la cintura, la circunferencia del pecho a la altura de la axila y se midieron la presión y el flujo en la interfaz de la máscara. Se ilustra un ejemplo de estos datos recopilados para una sola respiración.

El propósito de este conjunto de datos es informar el desarrollo de métodos basados ​​en modelos de evaluación respiratoria y protocolos de establecimiento de tratamiento. Para personalizar y optimizar la atención respiratoria remota, se deben desarrollar métodos basados ​​en modelos para evaluar la función respiratoria, incluidas anomalías obstructivas y restrictivas, signos de dificultad y respuesta a la ventilación mecánica no invasiva (es decir, CPAP). Se han utilizado métodos basados ​​en modelos para identificar el esfuerzo del paciente, la elastancia pulmonar y la resistencia de las vías respiratorias, con y sin soporte de la VM36,37,38,39,40,41,42,43,44,45. Este ensayo examina específicamente el impacto de la CPAP en los pulmones y la respiración sanos para capturar la dinámica fundamental. Las mediciones dinámicas de la circunferencia proporcionan más información sobre las contribuciones musculares al esfuerzo y los diferentes modos de respiración.

El consentimiento ético para el ensayo fue otorgado por el Comité de Ética en Investigación en Humanos (HREC) de la Universidad de Canterbury (HEC 2020/14/LR). Los participantes dieron su consentimiento a la publicación abierta de sus datos anonimizados.

El ensayo se diseñó para una cohorte de N = 30 sujetos, con una división equitativa de hombres (15) y mujeres (15), e incluyó a asmáticos y fumadores autoinformados. Se excluyó de la participación a personas con enfermedades cardíacas u otras afecciones médicas graves. La Tabla 1 describe el procedimiento de prueba propuesto para capturar datos de tres frecuencias respiratorias (jadeo, normal, respiración profunda) sobre tres niveles de PEEP (ZEEP (presión espiratoria final cero), 4 y 8 cmH2O).

La respiración no tenía indicaciones (sin metrónomo) para capturar tantos modos de respiración como fuera posible dentro de la cohorte en respuesta a instrucciones verbales de jadear lo más rápido posible, respirar normalmente y respirar lo más profundo posible. El ensayo se diseñó para incluir PEEP de 4 cmH2O, ya que es un nivel de PEEP inicial o mínimo comúnmente prescrito para los pacientes durante la terapia con CPAP46,47,48. Se eligió un nivel de control en ZEEP (PEEP = 0 cmH2O) para capturar la mecánica natural sin asistencia. Posteriormente se estableció un nivel de soporte más alto en 8 cmH2O para proporcionar un nivel uniforme de soporte aumentado. Todas las frecuencias respiratorias se evaluaron en cada nivel de PEEP, con descansos determinados por el sujeto entre cada uno para mitigar la fatiga.

En general, el ensayo fue diseñado para capturar una amplia gama de mecanismos para informar el diseño de ensayos más extensos destinados a mejorar la prescripción de la terapia CPAP, que actualmente tiene eficacia y adherencia variadas en diferentes grupos demográficos49,50.

Al inicio del ensayo, antes de obtener el consentimiento informado, el investigador describió el procedimiento al sujeto y le proporcionó un resumen escrito. Después de obtener el consentimiento, se recopilaron datos demográficos mediante un cuestionario completado al inicio del ensayo y se puso a disposición equipo de medición de altura y peso. Posteriormente se colocó al paciente una mascarilla CPAP y se conectó el circuito respiratorio.

Los datos se registraron utilizando un conjunto de sensores de presión diferencial bidireccionales personalizados basados ​​en Venturi (Fig. 2) y cintas de circunferencia dinámicas basadas en codificadores rotatorios (Fig. 3). Los detalles del diseño y la validación de estos dispositivos de medición de diseño abierto, incluidos enlaces a archivos de diseño de acceso abierto, están disponibles en Mendeley Data51. Los datos se recopilaron utilizando Matlab (Matlab 2021b, The Mathworks Inc, Natick, MA, EE. UU.), tomando muestras a 100 Hz. La presión diferencial sobre la constricción del venturi se registró en ambas direcciones y entre la garganta y la atmósfera (manométrica) (Fig. 2), junto con las circunferencias torácica y abdominal (Fig. 3).

Matriz de sensores de presión diferencial bidireccional51.

Cinta métrica de circunferencia dinámica del codificador rotatorio51.

Los datos se procesaron en MATLAB, con datos tanto sin procesar como procesados ​​disponibles en el repositorio. Las presiones diferenciales se convirtieron a unidades de cmH2O según la información de la función de transferencia de la hoja de datos, definida:

Los sensores de presión diferencial (P1J-10-AX16PA) tenían un rango de presión de 0–10“H2O (0–25,4 cmH2O), correspondiente a un recuento digital de 1638 al 0% de presión (10% de 2^14 recuentos) y 14745 al 100% de presión (90% de 2^14 recuentos).

Las presiones diferenciales del venturi se combinaron para leer la presión diferencial sobre la entrada con respecto a la dirección del flujo y se usaron para calcular el flujo:

Donde, A1 y A2 son áreas de sección transversal en la entrada y la constricción, respectivamente (d1 = 15 mm y d2 = 10 mm). Dado un coeficiente de descarga, cd = 0,97, y la densidad del aire, ρ = 1,225 kg/m3. Se identificaron los puntos de inicio de la inspiración y se calcularon los volúmenes corrientes, V [L] como la integral del flujo, Q [L/s], a lo largo del tiempo, t [s], que se pone a cero en cada índice de inicio de la inspiración.

Las circunferencias se midieron utilizando codificadores rotatorios que medían las revoluciones de un cilindro de cinta mientras la cinta se desenrollaba y se enrollaba durante la expansión y contracción, respectivamente, del tórax o del abdomen51. Las cintas capturaron la circunferencia inicial durante el desenrollado de la cinta para ajustarse al sujeto51. Las circunferencias (C) se convirtieron a partir de recuentos rotativos basándose en la longitud inicial sin enrollar (C0 = 108 mm) y recuentos del codificador por revolución (4096)51, lo que produjo:

Dado el radio del cilindro de la cinta (r), calculado a partir del número de revoluciones completas del cilindro, el radio inicial del carrete lleno (r0 = 22 mm) y el espesor de la cinta (tt = 0,15 mm):

En última instancia, los datos procesados ​​produjeron conjuntos de datos para cada ensayo (sujeto, PEEP, tipo de respiración) de tiempo [s], presión manométrica [cmH2O], flujo [L/s], volumen corriente [L], circunferencia torácica [mm], circunferencia abdominal. [mm], junto con los valores de índice para el inicio de la inspiración (InspInd). Se identificó que las respiraciones comenzaban en los índices de inicio inspiratorio, mediante la identificación de un cambio en la dirección del flujo de espiratorio a inspiratorio, y se consideró que terminaban en el punto anterior al siguiente índice de inicio inspiratorio. Un ejemplo de un conjunto de datos procesados ​​en la Fig. 4, contra el tiempo [s] con índices de inicio inspiratorio indicados con líneas discontinuas verticales52.

Ejemplo de conjunto de datos trazado en función del tiempo [s], con líneas verticales discontinuas en el inicio identificado de los índices de inspiración. Sujeto 03 Respiración normal en ZEEP52.

El repositorio contiene datos no identificados recopilados de N = 30 sujetos sanos, de entre 19 y 37 años, reclutados mediante publicidad en la Universidad de Canterbury52. El consentimiento ético para el ensayo fue otorgado por el Comité de Ética en Investigación en Humanos (HREC) de la Universidad de Canterbury (HEC 2020/14/LR). El ensayo incluyó una división equitativa por sexo (15 hombres, 15 mujeres), y se incluyeron fumadores, vapeadores y asmáticos autoidentificados. Los datos demográficos de los sujetos se incluyen en una hoja de cálculo (sexo, altura, peso, edad, antecedentes de tabaquismo, antecedentes de asma y si alguno de los ensayos hizo que respirar fuera más difícil o más fácil). Se incluye un archivo 'README.txt', que describe exhaustivamente la estructura de los archivos, los nombres y el contenido de los archivos de este conjunto de datos. Los archivos/carpetas de datos del repositorio de Physionet se describen en la Tabla 2.

Los datos procesados ​​se guardan en 'processed-data.zip' en carpetas según la configuración de PEEP (0, 4 u 8) y el tipo de respiración (normal, jadeante o profunda), por ejemplo, '0cmH2O_deep' (Tabla 2). Por lo tanto, cada carpeta contiene un archivo de datos para cada número de sujeto (también se hace referencia a la PEEP y al tipo de respiración). Los archivos de datos contienen presión [cmH2O], flujo [L/s], volumen corriente [L], índices de punto de inicio inspiratorio, circunferencia torácica [mm] y circunferencia abdominal [mm] frente al tiempo [s]. Los datos procesados ​​se pueden trazar utilizando 'FigureGenerationCode.m' (Tabla 2). Se incluyen ejemplos de datos trazados como 'Figura1.png', 'Figura2.png' y 'Figura3.png' para el sujeto 3 que respira normalmente, jadea y respira profundamente, respectivamente, en ZEEP (Tabla 2).

Los conjuntos de datos sin procesar también se incluyen como archivos de salida directa de ADC y como archivos con unidades procesadas pero presiones diferenciales no resueltas en el flujo bidireccional (Tabla 2). Los archivos se guardan en 'raw-data.zip' en carpetas por número de asunto (del '01' al '30'). Los archivos se guardan en estas carpetas según la configuración de PEEP y el tipo de frecuencia respiratoria (también se hace referencia al número de sujeto).

Los datos demográficos se incluyen en una hoja de cálculo 'subject-info.csv' (Tabla 2). Las columnas A a M de la hoja de cálculo, respectivamente, contienen número de sujeto, sexo (M/F), altura [cm], peso [kg], edad [años], historial de tabaquismo y/o vapeo (Sí/No), tabaquismo/vapeo. frecuencia (unidades incluidas en los valores de la columna), duración del tabaquismo (unidades incluidas en el valor de la columna), antecedentes de asma (Sí/No), nombre del medicamento para el asma (si corresponde), frecuencia de uso de medicamentos para el asma (si corresponde, unidades incluidas en valor de la columna), cualquier ensayo que el sujeto percibiera que hacía más difícil respirar (ajuste de PEEP [cmH2O]), y cualquier ensayo que el sujeto percibiera que hacía más fácil la respiración (ajuste de PEEP [cmH2O]).

Se describe la validación del sistema hardware51. El flujo se calibró con un sensor de flujo calibrado externamente serie TSI 400051. La precisión de la extensión de la cinta se evaluó mediante extensiones a una serie de valores conocidos entre 200 y 1500 mm51.

Un problema frecuente en todas las terapias PAP y especialmente en CPAP es la fuga de la mascarilla53,54,55. Se hicieron esfuerzos para reducir las fugas en este ensayo asegurándose de que la máscara se ajuste muy bien al comienzo de la prueba y pidiendo al paciente que indique a los investigadores si siente alguna fuga alrededor de este sello. Sin embargo, durante el análisis preliminar, se observaron déficits de volumen indicativos de fuga de la mascarilla en los datos de algunos ensayos. La fuga de la mascarilla es una consideración cuando se utilizan datos para identificar la mecánica pulmonar espiratoria específica del paciente mediante métodos basados ​​en modelos. El flujo de fuga no capturado puede afectar los parámetros del modelo identificados durante los períodos espiratorios y, por lo tanto, la precisión del ajuste del modelo a la respiración. Las fugas de la mascarilla espiratoria afectan solo el flujo espirado medido (por lo tanto, el volumen), por lo que los volúmenes tidales máximos y los volúmenes inspiratorios y los perfiles de flujo no se vieron afectados. Los datos de la circunferencia dinámica se capturaron de forma independiente y no se vieron afectados por la fuga de la máscara.

También se debe tener en cuenta que las mediciones de presión manométrica alcanzan el máximo del sensor en algunas pruebas durante caudales altos, lo que se observa predominantemente en el jadeo. Este problema no afectó otras mediciones en el ensayo. Sin embargo, en la aplicación de modelos a este conjunto de datos, se deben considerar las regiones de presiones máximas saturadas y no usarse para identificar parámetros de mecánica pulmonar. En pruebas futuras, el puerto del sensor de presión manométrica se reubicará desde la constricción y se implementarán sensores de mayor rango.

Los datos se recopilaron utilizando código MATLAB y hardware personalizado. Los archivos de diseño y el código están disponibles en acceso abierto, con instrucciones de fabricación y uso publicadas en un artículo de HardwareX51. Los datos recopilados, la información demográfica del sujeto y el código de generación de figuras se publican en un repositorio de Physionet52.

Burney, P., Jarvis, D., Perez-Padilla, RJTIJOT & Disease, L. La carga global de enfermedades respiratorias crónicas en adultos. La Revista Internacional de Tuberculosis y Enfermedad Pulmonar 19, 10–20 (2015).

Artículo CAS PubMed Google Scholar

Dwyer-Lindgren, L. et al. Tendencias y patrones de diferencias en la mortalidad por enfermedades respiratorias crónicas entre los condados de EE. UU., 1980-2014. 318, 1136-1149 (2017).

Melo, LC, Silva, MAMD & Calles, ACDN Obesidad y función pulmonar: una revisión sistemática. Einstein (Sao Paulo) 12, 120-125 (2014).

Artículo PubMed Google Scholar

Findlater, A. & Bogoch, II Movilidad humana y propagación global de enfermedades infecciosas: un enfoque en los viajes aéreos. Tendencias en parasitología 34, 772–783 (2018).

Artículo PubMed PubMed Central Google Scholar

Parameswaran, K., Todd, DC y Soth, M. Fisiología respiratoria alterada en la obesidad. Puede respirar J 13, 203–210 (2006).

Artículo PubMed PubMed Central Google Scholar

Murugan, A. & Sharma, GJCRD Obesidad y enfermedades respiratorias. Enfermedad respiratoria crónica 5, 233–242 (2008).

Artículo CAS PubMed Google Scholar

Schwartz, JJER Contaminación del aire por partículas y enfermedades respiratorias crónicas. 62, 7-13 (1993).

CAS Google Académico

Des Jardins, T. & Burton, GG Libro electrónico sobre manifestaciones clínicas y evaluación de enfermedades respiratorias. (Elsevier Ciencias de la Salud, 2019).

Heinzer, RC y cols. Requisitos de volumen pulmonar y presión positiva continua en las vías respiratorias en la apnea obstructiva del sueño. Revista estadounidense de medicina respiratoria y de cuidados críticos 172, 114-117 (2005).

Artículo PubMed PubMed Central Google Scholar

Mercado, A. et al. Ajuste de presión positiva al final de la espiración en adultos con lesión pulmonar aguda y síndrome de dificultad respiratoria aguda: un ensayo controlado aleatorio. JAMA 299, 646–655 (2008).

Artículo CAS PubMed Google Scholar

Oba, Y., Thameem, DM y Zaza, T. Los niveles altos de PEEP pueden mejorar la supervivencia en el síndrome de dificultad respiratoria aguda: un metanálisis. Medicina respiratoria 103, 1174–1181 (2009).

Artículo PubMed Google Scholar

Morton, SE y cols. Optimización de la ventilación mecánica mediante métodos basados ​​en modelos y automatización. Revisiones Anuales en Control (2019).

Lian, JXJNCC Comprensión de las formas de onda del ventilador y cómo utilizarlas en la atención al paciente. 4, 43-55 (2009).

Nilsestuen, JO & Hargett, KD Uso de gráficos del ventilador para identificar la asincronía paciente-ventilador. 50, 202-234 (2005).

Fisher, JB, Mammel, MC, Coleman, JM, Bing, DR y Boros, SJ Identificación de la sobredistensión pulmonar durante la ventilación mecánica mediante el uso de bucles de volumen-presión. 5, 10-14 (1988).

Por qué los servicios de salud son un caos en todas partes. The Economist https://www.economist.com/finance-and-economics/2023/01/15/why-health-care-services-are-in-chaos-everywhere (2023).

El exceso de muertes está aumentando a medida que los sistemas de atención de salud se tambalean. The Economist https://www.economist.com/leaders/2023/01/19/excess-deaths-are-soaring-as-health-care-systems-wobble (2023).

Gran Bretaña tiene menos camas de hospital que casi cualquier otro país rico. The Economist https://www.economist.com/britain/2023/01/26/britain-has-fewer-hospital-beds-than-almost-any-other-rich-country (2023).

Shaw, C. & Cleghorn, C. Intervenciones de salud pública: el elefante en la sala de la crisis del sistema de salud. Revista médica de Nueva Zelanda (2023).

West, JB y Luks, AM Fisiología respiratoria de West. (Lippincott Williams y Wilkins, 2020).

Tortora, GJ & Derrickson, BH Principios de anatomía y fisiología. (John Wiley e hijos, 2018).

Pellegrino, R. y col. Estrategias interpretativas de las pruebas de función pulmonar. Revista respiratoria europea 26, 948 (2005).

Artículo CAS PubMed Google Scholar

MacIntyre, NR Disfunción muscular asociada con la enfermedad pulmonar obstructiva crónica. Atención respiratoria 51, 840–852 (2006).

PubMed Google Académico

Butler, J., Caro, CG, Alcala, R. & DuBois, ABJTJOCI Factores fisiológicos que afectan la resistencia de las vías respiratorias en sujetos normales y en pacientes con enfermedad respiratoria obstructiva. 39, 584-591 (1960).

Taskar, VS & Coultas, DB ¿Es la fibrosis pulmonar idiopática una enfermedad ambiental? Actas de la Sociedad Torácica Estadounidense 3, 293–298 (2006).

Artículo PubMed Google Scholar

Sulli, D., Dhopte, A. y Agrawal, K. Impacto de las contracturas por quemaduras de la pared torácica y su liberación quirúrgica en la función pulmonar. Quemaduras 45, 929–935 (2019).

Artículo PubMed Google Scholar

Martinez-Pitre, PJ, Sabbula, BR & Cascella, M. Enfermedad pulmonar restrictiva. (2020).

Flenady, T., Dwyer, T. y Applegarth, J. La frecuencia respiratoria precisa cuenta: ¡usted también debería hacerlo! Revista de enfermería de emergencia de Australasia 20, 45–47 (2017).

Artículo PubMed Google Scholar

Cacho, G. et al. La capnografía es superior a la oximetría de pulso para la detección de depresión respiratoria durante la colonoscopia. Revista española de enfermedades digestivas 102, 86 (2010).

CAS PubMed Google Académico

Pretto, JJ, Roebuck, T., Beckert, L. y Hamilton, G. Uso clínico de la oximetría de pulso: directrices oficiales de la Sociedad Thoracic de Australia y Nueva Zelanda. Respirología 19, 38–46 (2014).

Artículo PubMed Google Scholar

Stasche, N. Indicación selectiva de presión positiva en las vías respiratorias (PAP) en trastornos respiratorios con obstrucción relacionados con el sueño. GMS Temas actuales en otorrinolaringología, cirugía de cabeza y cuello 5 (2006).

Theerakittikul, T., Ricaurte, B. & Aboussouan, LSJCCJM Ventilación con presión positiva no invasiva para pacientes ambulatorios estables: CPAP y más. 77, 705–714 (2010).

Miro, AM, Pinsky, MR y Rogers, PL Efectos de los componentes de la presión positiva en las vías respiratorias sobre el trabajo respiratorio durante el broncoespasmo. Cuidado crítico 8, R72–81 (2004).

Artículo PubMed PubMed Central Google Scholar

Lumb, AB y Thomas, CR Libro electrónico de fisiología respiratoria aplicada de Nunn. (Ciencias de la Salud Elsevier, 2020).

Konno, K. & Mead, J. Medición de los cambios de volumen separados de la caja torácica y el abdomen durante la respiración. Revista de fisiología aplicada 22, 407–422 (1967).

Artículo CAS PubMed Google Scholar

Bates, JHT Mecánica pulmonar: un enfoque de modelado inverso. vol. 9780521509602 (Prensa de la Universidad de Cambridge, 2009).

Chiew, YS, Chase, JG, Shaw, GM, Sundaresan, A. & Desaive, T. Optimización de PEEP basada en modelos en ventilación mecánica. Ingeniería Biomédica en Línea 10, 111 (2011).

Artículo PubMed PubMed Central Google Scholar

Chiew, YS y cols. Elastancia del sistema respiratorio variable en el tiempo: un modelo fisiológico para pacientes que respiran espontáneamente. PLoS One 10, e0114847–e0114847 (2015).

Artículo PubMed PubMed Central Google Scholar

Morton, SE y cols. Optimización de la ventilación mecánica mediante métodos basados ​​en modelos y automatización. Revisiones anuales en Control 48, 369–382 (2019).

Artículo PubMed PubMed Central Google Scholar

Chase, JG y cols. Medicina de cuidados críticos basada en modelos, personalizada y de próxima generación: una revisión de última generación de modelos, métodos y cohortes de pacientes virtuales in silico, y cómo validarlos. Ingeniería Biomédica OnLine 17, 24 (2018).

Artículo PubMed PubMed Central Google Scholar

Rees, SE El proyecto Intelligent Ventilator (INVENT): el papel de los modelos matemáticos en la traducción del conocimiento fisiológico a la práctica clínica. Métodos y programas informáticos en biomedicina 104 (Suplemento 1), S1–29 (2011).

Artículo PubMed Google Scholar

Rees, SE y cols. Uso de modelos fisiológicos y teoría de la decisión para seleccionar la configuración adecuada del ventilador. 20, 421-429 (2006).

Knopp, JL, Guy, E., Kim, KT, Shaw, GM y Chase, JG Modelado B-spline del impulso inspiratorio en pacientes ventilados por NAVA. IFAC-PapersOnLine 54, 103–108 (2021).

Artículo de Google Scholar

Guy, EFS, Knopp, JL y Chase, JG Estudio piloto de estimación basada en modelos de la presión de conducción inspiratoria en ventilación CPAP. IFAC-PapersOnLine 54, 109–114 (2021).

Artículo de Google Scholar

Guy, EFS, Chase, JG, Knopp, JL y Shaw, GM Cuantificación de la descarga del ventilador en ventilación CPAP. Computadoras en Biología y Medicina 142, 105225 (2022).

Artículo PubMed Google Scholar

Teschler, H., Farhat, AA, Exner, V., Konietzko, N. y Berthon-Jones, M. Titulación de CPAP nasal AutoSet: constancia de la presión, cumplimiento y eficacia a los 8 meses de seguimiento. Revista respiratoria europea 10, 2073–2078 (1997).

Artículo CAS PubMed Google Scholar

Shrivastava, D. y Sethi, A. en Cómo entender la medicina del sueño 171–175 (CRC Press, 2022).

Teschler, H., Berthon-Jones, M., Wessendorf, T., Meyer, HJ y Konietzko, N. Influencia del consumo moderado de alcohol en la apnea obstructiva del sueño con y sin terapia CPAP nasal AutoSet. Revista respiratoria europea 9, 2371–2377 (1996).

Artículo CAS PubMed Google Scholar

McArdle, N. y col. Estudio de un novedoso algoritmo APAP para el tratamiento de la apnea obstructiva del sueño en mujeres. Dormir 38, 1775-1781 (2015).

Artículo PubMed PubMed Central Google Scholar

Bakker, JP, O'Keeffe, KM, Neill, AM y Campbell, AJ Disparidades étnicas en la adherencia a CPAP en Nueva Zelanda: efectos del estatus socioeconómico, la alfabetización sanitaria y la autoeficacia. Dormir 34, 1595-1603 (2011).

Artículo PubMed PubMed Central Google Scholar

Guy, EFS, Geoffrey Chase, J. & Holder-Pearson, LR Dispositivo de recopilación de datos de flujo y presión respiratoria bidireccional con monitorización circunferencial torácica y abdominal. HardwareX 12, e00354 (2022).

Artículo PubMed PubMed Central Google Scholar

Guy, EFS, Knopp, J., Lerios, T. & Chase, JG Datos de presión, flujo y circunferencias toraco-abdominales dinámicas para adultos que respiran bajo terapia CPAP, PhysioNet, https://doi.org/10.13026/25q9-y416 (2023).

Rühle, KH & Randerath, W. Medición de la fuga de la mascarilla durante la CPAP en pacientes con apnea obstructiva del sueño. Pneumologie (Stuttgart, Alemania) 54, 422–424 (2000).

Artículo PubMed Google Scholar

Lebret, M. et al. Determinantes de fugas involuntarias durante el tratamiento con CPAP en AOS. Cofre 153, 834–842 (2018).

Artículo PubMed Google Scholar

Martelly, E., Rana, S. y Shimada, K. Diseño y fabricación de máscaras BiPAP y CPAP personalizadas utilizando técnicas de imágenes e impresión tridimensionales. Revista de dispositivos médicos 15 (2021).

Descargar referencias

Este trabajo fue financiado por una subvención del Gobierno de Nueva Zelanda a través del Ministerio de Negocios, Innovación y Empleo.

Departamento de Ingeniería Mecánica, Universidad de Canterbury, Christchurch, Nueva Zelanda

Ella FS Guy, Jennifer L. Knopp, Theodore Lerios y J. Geoffrey Chase

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

Ella FS Guy: conceptualización, metodología, software, validación, investigación, curación de datos, redacción: borrador original, visualización. Jennifer L. Knopp: Conceptualización, Metodología, Redacción: revisión y edición, Supervisión. Theodore Lerios: Investigación. J. Geoffrey Chase: conceptualización, metodología, recursos, redacción: revisión y edición, supervisión, adquisición de financiación.

Correspondencia a Ella FS Guy.

Los autores declaran no tener conflictos de intereses.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Guy, EFS, Knopp, JL, Lerios, T. et al. Flujo de aire y circunferencia dinámica del abdomen y el tórax para adultos con diferentes configuraciones de ventilación con presión positiva continua en las vías respiratorias y frecuencias respiratorias. Datos de ciencia 10, 481 (2023). https://doi.org/10.1038/s41597-023-02326-5

Descargar cita

Recibido: 17 de febrero de 2023

Aceptado: 22 de junio de 2023

Publicado: 22 de julio de 2023

DOI: https://doi.org/10.1038/s41597-023-02326-5

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt