본 논문은 응급상황 발생 시 심정지 환자를 대상으로 사용하는 자동제세동기의 심정지 판단 정확도를 높이기 위해 기존의 심전도 분석 방법 외에 추가적으로 흉곽 임피던스 신호를 분석함으로써 심정지 판단의 정확도를 개선하는데 그 목적이 있다. 인구의 고령화와 서구화된 생활습관의 변화로 심정지 발생 규모는 인구 2010년 25,909명, 2012년 27,823명, 2013년 29,308명으로 계속해서 증가하는 추세이다. 급성 심정지의 경우 대부분 ...
본 논문은 응급상황 발생 시 심정지 환자를 대상으로 사용하는 자동제세동기의 심정지 판단 정확도를 높이기 위해 기존의 심전도 분석 방법 외에 추가적으로 흉곽 임피던스 신호를 분석함으로써 심정지 판단의 정확도를 개선하는데 그 목적이 있다. 인구의 고령화와 서구화된 생활습관의 변화로 심정지 발생 규모는 인구 2010년 25,909명, 2012년 27,823명, 2013년 29,308명으로 계속해서 증가하는 추세이다. 급성 심정지의 경우 대부분 심실 세동 또는 무맥성 심실 빈맥으로 관찰되고 이 때 제세동 성공률은 분당 7-10%씩 감소하여 10분 이내에 제세동 조치가 취해지지 않으면 생존 가능성이 거의 없다. 이 때문에 신속한 심정지 판독과 제세동이 매우 중요한 요소로 부각되고 있지만 실제 사용 사례는 자동제세동기(이하 AED)의 보급률이 높은 일본에서도 3.7%로 매우 저조하며(2014년 통계자료) 한국의 경우 응급상황에서 AED의 사용의사는 42.6%로 저조한 수치를 나타내고 있다. 이를 해결하기 위해 제도적으로 심폐소생술 교육을 의무화하고 선한 사마리아인 법을 제정하여 심폐소생술 시행의 중요성을 강조하고 있으며 다중이용시설의 AED 설치 의무화를 통해 보급률을 높이는데 주력하고 있다. 기존의 AED는 패드 부착 시 측정한 임피던스 신호를 바탕으로 패드 부착의 정확도를 판단하고 심전도 신호의 분석을 통해 심실이상상태를 판단한 경우 6초 이내에 전기 충격을 가할 수 있다. 또한 전기 충격 후에는 임피던스 신호의 분석을 통해 심폐소생술 수행 여부를 판단하는데 활용하고 있다. 하지만 심정지를 판단함에 있어서는 심전도 신호만을 단독으로 분석하기 때문에 심실이상상태를 판단하는 데에만 국한된 기술력이 있다. 이로 인해 무맥성 전기활동과 같이 맥은 없지만 심전도 신호는 관찰되는 심정지 상황을 오인하는 문제를 야기할 수 있다. 따라서 본 연구에서는 기존 제세동기의 심정지 판단 정확도를 향상시키기 위해 심전도 신호 외에 임피던스 신호를 보다 정밀하게 분석하여 활용하는 방법을 제안하고자 한다. 기존의 기술을 바탕으로 임피던스 회로를 고안하고 측정된 임피던스 신호의 신호처리를 통해 심정지를 판단하기 위한 추가적인 파라미터를 추출하였다. 임피던스 신호의 주파수 성분을 분석하는 방법을 통해 호흡수를 추출하였고 이를 환자의 호흡 정지를 판단하는데 활용할 것으로 제시하였다. 또한 추후에 자발적 순환 회복(Return of Spontaneous Circulation, ROSC)을 판단하는데도 활용할 수 있을 것으로 보인다. 추가적으로 임피던스 신호로부터 심장 활동 성분을 추출하여 맥 또는 심장의 움직임을 평가할 수 있는 방법을 고안하였다. Wavelet Transform을 적용하여 우세하게 나타나는 호흡 성분을 제거한 후 심박 범위에 속하는 주파수 영역(0.7 - 5Hz)에 대해 대역통과필터(Band Pass Filter, BPF)를 적용하여 맥 또는 심장의 움직임으로 예상되는 신호를 추출하였다. 이를 동시에 측정한 심전도 신호의 R-peak와 동기성을 평가하여 실제로 맥 또는 심장의 움직임을 반영하는 것인지에 대해 증명하였다. 총 27명의 피험자에 대해 3차례씩 측정한 데이터를 바탕으로 산출한 심박 수 수치를 심전도로 산출한 심박 수 수치와 Bland-Altman Plot분석법을 통해 비교하고 심전도 신호의 R-peak와 임피던스 신호의 피크간의 동기성을 평가하였다. 그 결과 Bland-Altman Plot을 통해 산출한 추세선은 y=0.0331*x-3.0559로 거의 0에 가까운 기울기를 가졌고 각 방법을 통해 산출한 평균 오차는 -0.7779로 거의 차이를 보이지 않았다. 또한 95% 신뢰한계에 대해 81가지의 경우 중 5가지를 제외한 모든 수치가 이에 속하는 유의미한 결과를 보였다. 동기성 평가에 있어서 또한 Sensitivity 97.38%, Specificity 97.42%로 유의미한 결과를 보였다. 따라서 임피던스 신호를 활용하여 심장의 움직임 유무(맥의 유무)를 판단할 수 있으므로 기존에 검출하지 못한 무맥성 전기 활동과 같은 심정지 상태를 판단하는데 적용할 수 있을 것으로 판단된다.
본 논문은 응급상황 발생 시 심정지 환자를 대상으로 사용하는 자동제세동기의 심정지 판단 정확도를 높이기 위해 기존의 심전도 분석 방법 외에 추가적으로 흉곽 임피던스 신호를 분석함으로써 심정지 판단의 정확도를 개선하는데 그 목적이 있다. 인구의 고령화와 서구화된 생활습관의 변화로 심정지 발생 규모는 인구 2010년 25,909명, 2012년 27,823명, 2013년 29,308명으로 계속해서 증가하는 추세이다. 급성 심정지의 경우 대부분 심실 세동 또는 무맥성 심실 빈맥으로 관찰되고 이 때 제세동 성공률은 분당 7-10%씩 감소하여 10분 이내에 제세동 조치가 취해지지 않으면 생존 가능성이 거의 없다. 이 때문에 신속한 심정지 판독과 제세동이 매우 중요한 요소로 부각되고 있지만 실제 사용 사례는 자동제세동기(이하 AED)의 보급률이 높은 일본에서도 3.7%로 매우 저조하며(2014년 통계자료) 한국의 경우 응급상황에서 AED의 사용의사는 42.6%로 저조한 수치를 나타내고 있다. 이를 해결하기 위해 제도적으로 심폐소생술 교육을 의무화하고 선한 사마리아인 법을 제정하여 심폐소생술 시행의 중요성을 강조하고 있으며 다중이용시설의 AED 설치 의무화를 통해 보급률을 높이는데 주력하고 있다. 기존의 AED는 패드 부착 시 측정한 임피던스 신호를 바탕으로 패드 부착의 정확도를 판단하고 심전도 신호의 분석을 통해 심실이상상태를 판단한 경우 6초 이내에 전기 충격을 가할 수 있다. 또한 전기 충격 후에는 임피던스 신호의 분석을 통해 심폐소생술 수행 여부를 판단하는데 활용하고 있다. 하지만 심정지를 판단함에 있어서는 심전도 신호만을 단독으로 분석하기 때문에 심실이상상태를 판단하는 데에만 국한된 기술력이 있다. 이로 인해 무맥성 전기활동과 같이 맥은 없지만 심전도 신호는 관찰되는 심정지 상황을 오인하는 문제를 야기할 수 있다. 따라서 본 연구에서는 기존 제세동기의 심정지 판단 정확도를 향상시키기 위해 심전도 신호 외에 임피던스 신호를 보다 정밀하게 분석하여 활용하는 방법을 제안하고자 한다. 기존의 기술을 바탕으로 임피던스 회로를 고안하고 측정된 임피던스 신호의 신호처리를 통해 심정지를 판단하기 위한 추가적인 파라미터를 추출하였다. 임피던스 신호의 주파수 성분을 분석하는 방법을 통해 호흡수를 추출하였고 이를 환자의 호흡 정지를 판단하는데 활용할 것으로 제시하였다. 또한 추후에 자발적 순환 회복(Return of Spontaneous Circulation, ROSC)을 판단하는데도 활용할 수 있을 것으로 보인다. 추가적으로 임피던스 신호로부터 심장 활동 성분을 추출하여 맥 또는 심장의 움직임을 평가할 수 있는 방법을 고안하였다. Wavelet Transform을 적용하여 우세하게 나타나는 호흡 성분을 제거한 후 심박 범위에 속하는 주파수 영역(0.7 - 5Hz)에 대해 대역통과필터(Band Pass Filter, BPF)를 적용하여 맥 또는 심장의 움직임으로 예상되는 신호를 추출하였다. 이를 동시에 측정한 심전도 신호의 R-peak와 동기성을 평가하여 실제로 맥 또는 심장의 움직임을 반영하는 것인지에 대해 증명하였다. 총 27명의 피험자에 대해 3차례씩 측정한 데이터를 바탕으로 산출한 심박 수 수치를 심전도로 산출한 심박 수 수치와 Bland-Altman Plot 분석법을 통해 비교하고 심전도 신호의 R-peak와 임피던스 신호의 피크간의 동기성을 평가하였다. 그 결과 Bland-Altman Plot을 통해 산출한 추세선은 y=0.0331*x-3.0559로 거의 0에 가까운 기울기를 가졌고 각 방법을 통해 산출한 평균 오차는 -0.7779로 거의 차이를 보이지 않았다. 또한 95% 신뢰한계에 대해 81가지의 경우 중 5가지를 제외한 모든 수치가 이에 속하는 유의미한 결과를 보였다. 동기성 평가에 있어서 또한 Sensitivity 97.38%, Specificity 97.42%로 유의미한 결과를 보였다. 따라서 임피던스 신호를 활용하여 심장의 움직임 유무(맥의 유무)를 판단할 수 있으므로 기존에 검출하지 못한 무맥성 전기 활동과 같은 심정지 상태를 판단하는데 적용할 수 있을 것으로 판단된다.
The purpose of this study is analysing ECG and Thoracic Impedance signal to enhance cardiac arrest determination algorithm of automated external defibrillator(below AED). Because of aging and a change of diet, cardiac arrest occurrence proportion showed a tendency to increase. Sudden cardiac arrest ...
The purpose of this study is analysing ECG and Thoracic Impedance signal to enhance cardiac arrest determination algorithm of automated external defibrillator(below AED). Because of aging and a change of diet, cardiac arrest occurrence proportion showed a tendency to increase. Sudden cardiac arrest come from ventricular fibrillation or pulseless ventricular tachycardia needs to defibrillate within 10 minute. Because defibrilation success rate decreases 7-10% in a every minute. So determination of cardiac arrest and defibrillation are emphasised on very important factors. But the use of AED was reported poor even Japan's 3.7% on 2014. To solve the problem, the south korea improved the system like oblige the education of Cardiopulmonary resuscitation(below CPR), legislate the good Samaritan law and raise rate of AED's supply. By analysing impedance signal AED determines pads attachment accuracy and then analyses ECG signal and determines ventricular abnormal. Also after defibrillate, it can catch whether CPR is conducted or not. But AED just analyses the ECG signal to determine cardiac arrest, it can detect only ventricular abnormal. So if patient in a status of pulseless electrical activity(below PEA), AED can misdiagnose as normal status. So in this study we suggest a method to improve cardiac arrest determination algorithm by analysing impedance signal with ECG signal. I devised impedance circuit based on original one and measured impedance signal using manufactured system board. By analysing impedance signal, additional parameters to determine cardiac arrest were extracted. Using frequency analysis I can extracted respiration rate so it can be used for determination of apnea and Return of spontaneous circulation. Also I extract heart activity component by removing dominant signal(respiration component) using wavelet transform for verifying pulse or heart activity. Wavelet denoising filtered signal is applied 0.7-5Hz band pass filter relevant to heart rate bandwidth. For verification of heart activity component I test synchronization of ECG' R-peak and Impedance signal's peak. I got a 81 ECG and Impedance data from 27 healthy male adults(age : 25.4±2.6) and calculate the heart rate, respectively. Using Bland-Altman plot method I compare the heart rate value and draw the trend line. The trend line equation(y=0.0331*x-3.0559)'s slope value is adjacent to 0, so it means the heart rate value almost coincide. Average difference of them is -0.7779 and in 81 case, just 5 case get out of the 95% confidence limit. Also as a result of synchronization test of between ECG and impedance peak the sensitivity is 97.38%, Specificity is 97.42%. So I can conclude the heart activity component extracted from impedance signal is associated with pulse or heart activity. If apply this revised impedance circuit and impedance signal analysis algorithm to AED, we can improve accuracy to determine cardiac arrest in a emergency status include PEA.
The purpose of this study is analysing ECG and Thoracic Impedance signal to enhance cardiac arrest determination algorithm of automated external defibrillator(below AED). Because of aging and a change of diet, cardiac arrest occurrence proportion showed a tendency to increase. Sudden cardiac arrest come from ventricular fibrillation or pulseless ventricular tachycardia needs to defibrillate within 10 minute. Because defibrilation success rate decreases 7-10% in a every minute. So determination of cardiac arrest and defibrillation are emphasised on very important factors. But the use of AED was reported poor even Japan's 3.7% on 2014. To solve the problem, the south korea improved the system like oblige the education of Cardiopulmonary resuscitation(below CPR), legislate the good Samaritan law and raise rate of AED's supply. By analysing impedance signal AED determines pads attachment accuracy and then analyses ECG signal and determines ventricular abnormal. Also after defibrillate, it can catch whether CPR is conducted or not. But AED just analyses the ECG signal to determine cardiac arrest, it can detect only ventricular abnormal. So if patient in a status of pulseless electrical activity(below PEA), AED can misdiagnose as normal status. So in this study we suggest a method to improve cardiac arrest determination algorithm by analysing impedance signal with ECG signal. I devised impedance circuit based on original one and measured impedance signal using manufactured system board. By analysing impedance signal, additional parameters to determine cardiac arrest were extracted. Using frequency analysis I can extracted respiration rate so it can be used for determination of apnea and Return of spontaneous circulation. Also I extract heart activity component by removing dominant signal(respiration component) using wavelet transform for verifying pulse or heart activity. Wavelet denoising filtered signal is applied 0.7-5Hz band pass filter relevant to heart rate bandwidth. For verification of heart activity component I test synchronization of ECG' R-peak and Impedance signal's peak. I got a 81 ECG and Impedance data from 27 healthy male adults(age : 25.4±2.6) and calculate the heart rate, respectively. Using Bland-Altman plot method I compare the heart rate value and draw the trend line. The trend line equation(y=0.0331*x-3.0559)'s slope value is adjacent to 0, so it means the heart rate value almost coincide. Average difference of them is -0.7779 and in 81 case, just 5 case get out of the 95% confidence limit. Also as a result of synchronization test of between ECG and impedance peak the sensitivity is 97.38%, Specificity is 97.42%. So I can conclude the heart activity component extracted from impedance signal is associated with pulse or heart activity. If apply this revised impedance circuit and impedance signal analysis algorithm to AED, we can improve accuracy to determine cardiac arrest in a emergency status include PEA.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.