In this study, we developed novel indicators to assess postoperative pain based on PPG derivative waveform. As the candidate indicator of postoperative pain assessment, the time from the start of beating to the n-th peak($T_n$) and the n-th peak amplitude($A_n$) of the PPG deri...
In this study, we developed novel indicators to assess postoperative pain based on PPG derivative waveform. As the candidate indicator of postoperative pain assessment, the time from the start of beating to the n-th peak($T_n$) and the n-th peak amplitude($A_n$) of the PPG derivative were selected. In order to verify derived indicators, each candidate indicator was derived from the PPG of 78 subjects before and after surgery, and it was confirmed whether significant changes were observed after surgery. Logistic classification was performed with each proposed indicator to calculate the pain classification accuracy, then the classification performance was compared with SPI(Surgical Pleth Index, GE Healthcare, Chicago, US). The results showed that there were significant differences(p < 0.01) in all indicators except for $T_3$ and $A_3$. The coefficient of variation(CV) of every time-related indicators were lower than the CV of SPI(30.43%), however, the CV in amplitude-related parameters were higher than that of SPI. Among the candidate indicators, amplitude of the first peak, $A_1$, showed that highest accuracy in post-operative pain classification, 68.72%, and it is 15.53% higher than SPI.
In this study, we developed novel indicators to assess postoperative pain based on PPG derivative waveform. As the candidate indicator of postoperative pain assessment, the time from the start of beating to the n-th peak($T_n$) and the n-th peak amplitude($A_n$) of the PPG derivative were selected. In order to verify derived indicators, each candidate indicator was derived from the PPG of 78 subjects before and after surgery, and it was confirmed whether significant changes were observed after surgery. Logistic classification was performed with each proposed indicator to calculate the pain classification accuracy, then the classification performance was compared with SPI(Surgical Pleth Index, GE Healthcare, Chicago, US). The results showed that there were significant differences(p < 0.01) in all indicators except for $T_3$ and $A_3$. The coefficient of variation(CV) of every time-related indicators were lower than the CV of SPI(30.43%), however, the CV in amplitude-related parameters were higher than that of SPI. Among the candidate indicators, amplitude of the first peak, $A_1$, showed that highest accuracy in post-operative pain classification, 68.72%, and it is 15.53% higher than SPI.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 통증 강도 평가에 앞서 통증 유무 평가는 실제 임상에서 활용도가 높다고 할 수 있다. 따라서 이 연구에서는 제안된 지표가 통증의 유무를 평가할 수 있는지 확인하는 것을 주요 목표로 하였고 특히 의식이 있는 경우에 정확도를 향상시키기 위해 수술 후 통증(postoperative pain) 상황에서 통증 유무 판별 여부를 평가하였다.
PPG를 사용하여 통증을 평가한 이전 연구에서는 PPG 파형의 수축기 면적, 이완기 면적, 진폭, 수축기 시간, 이완기 시간과 같은 파형 지표를 통해 통증 유무를 평가 해왔으며[18], 최근 연구 에서는 PPG의 연속된 진폭 변화, 이완기 시간 구간 길이가 통증과 상관성이 있다는 결과가 보고된 바 있다[19]. 이 연구는 통증 평가에 활용될 수 있는 새로운 지표를 발굴하는 것을 목표로 하며 이를 위해 기존에 연구된바 없는 PPG의 미분파형으로부터 새로운 통증 평가 지표를 도출하고 활용 가능성을 검토하였다. 임상에서 진통제 투여는 통증의 강도에 따라 투여량을 조절하기 보다는 통증의 유무에 따라 통증이 사라질 때까지 정량의 진통제를 반복적으로 투여하는 것이 일반적이다.
가설 설정
, Massachusetts, US)의 findpeaks 함수를 사용하여 추출하였고 극점의 정확성을 확인하기 위해 수동으로 극점 무결성 검증 과정을 진행하였다. 이 연구에서는 일반적인 PPG파형을 가정하여 극점의 개수가 4개 미만일 경우는 분석에서 제외 하였다. 그림 2의 우측 그림과 같은 극점이 2개인 경우는 제안 된 지표 중 n=1, end인 경우로 향후 적용이 가능하다.
제안 방법
Pend 극점은 반드시 다음 박동 직전에 나타나기 때문에 마지막 극점을 Pend 로 정의하였다. dPPG 극점은 MATLAB (MathWorks inc., Massachusetts, US)의 findpeaks 함수를 사용하여 추출하였고 극점의 정확성을 확인하기 위해 수동으로 극점 무결성 검증 과정을 진행하였다. 이 연구에서는 일반적인 PPG파형을 가정하여 극점의 개수가 4개 미만일 경우는 분석에서 제외 하였다.
여기서 4개 이상의 극점을 가지는 dPPG는 수축기 이외의 영역에서 반사파 중첩에 의해 ripple과 같은 파형을 보이게 된다. 이 연구에서는 ripple에 대한 구간을 제외하고 dPPG파형 극점을 양의 방향, 음의 방향 구분 없이, 나타나는 순서에 따라 n번째 극점(P n , n=1, 2, 3)으로, 가장 마지막 극점을 P end 로 명명하였다.
: 2016-0477). 임상시험에는 총 81명의 수술 환자가 참여하였으며 수술에 의한 통증이 발생하기 전과 발생한 후의 데이터 확보를 위해 수술 전, 수술 후 진통제 투여 전 각 6 분 동안의 SPI와 PPG를 기록 하였다. 이 때, PPG는 300Hz의 샘플링 주파수로, SPI는 10초마다 출력되는 값을 기록하였다.
통증은 심박 증가, 혈관 수축, 혈류량 감소 등의 생리적 변화를 유발할 수 있으므로[23,24] 이를 반영할 것으로 추정되는 8개의 후보지표를 dPPG 극점을 기반으로 도출 하였다. 결과적으로 시간과 관련된 4개의 후보 지표와 혈량 변화율에 관련된 4개의 후보 지표가 선정되었으며 표 1은 선정된 후보지표를 보여준다.
획득된 PPG에서 미분된 PPG 특징점을 도출하기 위해 먼저 원 PPG 파형을 각 박동별 세그먼트로 분리한 후 미분하여 dPPG를 도출하였다. 이 때 한 박동의 기준은 현재 박동의 이완기 극점부터 다음 이완기 극점까지로 정의하였다.
7세)의 데이터가 최종적으로 사용되었다. 획득된 PPG의 모든 극점은 적응적 임계값 검출 방법[20]을 사용하여 검출 되었으며, 이 중 오검출된 극점은 100% 검출률을 가지도록 숙련된 연구자에 의해 수동으로 수정되었다.
대상 데이터
본 연구에서 사용된 데이터는 서울아산병원 임상연구심의위원회(Institutional Review Board, IRB)에 의해 승인 되고 국제임상 시험등록플랫폼(http://cris.nih.go.kr)에 등록된 임상시험을 통해 획득되었다(IRB No.: 2016-0477). 임상시험에는 총 81명의 수술 환자가 참여하였으며 수술에 의한 통증이 발생하기 전과 발생한 후의 데이터 확보를 위해 수술 전, 수술 후 진통제 투여 전 각 6 분 동안의 SPI와 PPG를 기록 하였다.
분석에 있어 81명의 데이터 중 2건이 기록 오류로, 1명이 심한 부정맥으로 제외되어 총 78명(남자 35명 51.8±10.7세, 여자 43명 51.4±11.7세)의 데이터가 최종적으로 사용되었다.
데이터처리
제안 된 지표를 사용한 통증 분류 모델 개발 및 평가에는 로지스틱 회귀(logistic regression) 및 5-fold cross validation을 사용하였고 결과의 신뢰성을 높이기 위해 높이기 위해 10,000회 반복하여 평균 정확도(accuracy, AC), 민감도(sensitivity, SE), 특이 도(specificity, SP), 양성 예측도(positive predictivity value, PPV)를 산출하였다(식 4-7). TP(True Positive)는 통증 시 통증으로 판별한 경우, TN(True Negative)은 통증이 없을 시 통증이 없다고 판별한 경우, FP(False Positive)는 통증이 없을 시 통증으로 판별 경우, FN(False Negative)는 통증 시 통증이 아니라고 판별한 경우로 정의하였다.
제안 지표의 개인 간 편차를 분석하기 위해 지표별로 변동계수(CV; coefficient of variation)를 계산하여 비교 하였다. CV는 표준편차(σ)를 산술평균(μ)으로 나눈 것으로(식 3) 측정단위가 서로 다른 자료를 비교할 때 사용되고, 값이 적을수록 개인차에 영향을 적게 받는 것을 의미한다.
제안된 지표의 수술 전, 수술 후 차이에 대한 통계적 유의성 검정에는 정규성 검정 결과에 따라 정규분포를 따를 시 paired t-test를, 분포를 따르지 않을 시 Wilcoxon signed rank test를 사용하였다. 정규성 검정은 Kolmogorov-Smirnov test를 통해 수행되었다.
이론/모형
제안된 지표의 수술 전, 수술 후 차이에 대한 통계적 유의성 검정에는 정규성 검정 결과에 따라 정규분포를 따를 시 paired t-test를, 분포를 따르지 않을 시 Wilcoxon signed rank test를 사용하였다. 정규성 검정은 Kolmogorov-Smirnov test를 통해 수행되었다.
성능/효과
CV 분석 결과 시간관련 후보지표의 CV값이 변화율 관련 후보 지표보다 작은 것으로 나타났다. 또한 CV는 시간관련, 변화율 관련 지표 모두에서 박동 시작점에서 멀어질수록 증가하는 것으로 나타났다.
또한 CV는 시간관련, 변화율 관련 지표 모두에서 박동 시작점에서 멀어질수록 증가하는 것으로 나타났다. SPI의 CV와 비교하면 시간관련 후보지표의 CV는 SPI 와 비교하여 더 작은 값을 보였지만 변화율 관련 CV는 SPI보다 더 큰 값을 보였다.
검정 결과 8개의 후보 지표 중 2개의 파라미터를 제외하고 모든 후보 지표에서 유의한 차이를 보였다 (p<0.05).
후보지표 중 Tn 은 T3를 제외하고 모두 증가하였으며 An 은 A3 을 제외하고 모두 감소하였다. 결과 비교를 위해 측정된 SPI도 수술 후 유의한 증가를 보였다.
CV 분석 결과 시간관련 후보지표의 CV값이 변화율 관련 후보 지표보다 작은 것으로 나타났다. 또한 CV는 시간관련, 변화율 관련 지표 모두에서 박동 시작점에서 멀어질수록 증가하는 것으로 나타났다. SPI의 CV와 비교하면 시간관련 후보지표의 CV는 SPI 와 비교하여 더 작은 값을 보였지만 변화율 관련 CV는 SPI보다 더 큰 값을 보였다.
SPI의 경우 통증과 비통 증을 50% 미만의 정확도로 분류하였다. 본 연구에서 제안한 후보지표는 T3 를 제외하고 환자의 의식이 존재할 때도 통증과 비통 증을 50% 이상의 정확도로 분류하였고, 최대 68.72%로 분류할 수 있음을 보였다.
분석 결과 T3 와 A3 ,를 제외한 모든 후보지표에서 수술 후 통증에 따른 유의한 변화를 확인하였다. 수술 후 T1 및 T2 의 증가는 수축기 시간 증가로 해석될 수 있다.
생체 신호 측정과 동시에 VAS를 기록하였으며 수술 전 VAS는 모두 0점, 수술 후 회복실(Post Anesthesia Care Unit; PACU)에서 측정된 VAS는 평균 67.6±1.0점 이었다.
이 연구는 현재까지 객관적 평가 기술이 전무한 수술 후 통증을 객관화하기 위한 연구로써 광용적맥파 미분파형에 기반한 지표를 제안하였고 제안한 미분 기반 후보지표가 환자의 수술 후 통증 여부를 SPI보다 더 정확하게 분류할 수 있는 가능성을 보였다. 제안한 지표들은 의식이 있는 상태에서 활용이 제한되는 SPI를 보완하고 다른 통증 관련 지표와 조합되어 통증 분류 알고리즘 개발에 활용될 수 있을 것으로 예상된다.
또한 A1 와 A2 감소는 혈량 변화의 최대 속도 감소를 의미한다. 이상은 모두 통증에 따라 혈량 변화가 더 느려진다는 것을 의미하며 혈관 수축에 의해 혈량 변화속도가 감소한 것으로 추정할 수 있다. T3 와 Tend 는 반사파에 의해 발생되는 변화로써 T3가 유의미한 차이를 보이지 않는 것은 이 연구결과로 명확히 설명하긴 어려우나 개인 특성에 따른 차이가 주로 반영된 것으로 추정할 수 있으며 Tend 의 감소는 통증에 의해 심박간격이 감소한 것을 반영하는 것으로 해석할 수 있다.
통증 분류 결과 T3 를 제외한 모든 후보지표의 정확도(63.84±4.42%)는 SPI의 정확 도(48.15%)보다 15.69%만큼 더 높았다.
통증 분류 정확도가 가장 높은 지표는 A 1 으로 68.72%의 정확도를 보였고 T 3 를 제외한 나머지 지표에서 모두 SPI보다 높은 정확도를 나타냈다(표 4).
05). 후보지표 중 Tn 은 T3를 제외하고 모두 증가하였으며 An 은 A3 을 제외하고 모두 감소하였다. 결과 비교를 위해 측정된 SPI도 수술 후 유의한 증가를 보였다.
후속연구
또한, 향후 원 PPG 파형의 특징점과 미분 파형의 특징점 동시 분석을 통해 통증에 의해 유발되는 PPG파형 변화를 이해하는 데에도 활용될 수 있다. 단, 제안된 지표를 즉시 임상에 적용하여 통증평가에 활용 하기 까지는 보다 많은 데이터 셋, 다양한 통증환경 등에 대한 적용 결과가 요구되며 정규화 등의 과정을 거쳐 개인 간 편차를 감소시킬 필요가 있다.
제안한 지표들은 의식이 있는 상태에서 활용이 제한되는 SPI를 보완하고 다른 통증 관련 지표와 조합되어 통증 분류 알고리즘 개발에 활용될 수 있을 것으로 예상된다. 또한, 향후 원 PPG 파형의 특징점과 미분 파형의 특징점 동시 분석을 통해 통증에 의해 유발되는 PPG파형 변화를 이해하는 데에도 활용될 수 있다. 단, 제안된 지표를 즉시 임상에 적용하여 통증평가에 활용 하기 까지는 보다 많은 데이터 셋, 다양한 통증환경 등에 대한 적용 결과가 요구되며 정규화 등의 과정을 거쳐 개인 간 편차를 감소시킬 필요가 있다.
설문에 의한 방법은 환자가 주관적으로 경험하는 통증을 그대로 반영할 수 있다는 장점이 있으나 개인 간 변이가 크고 의식이 없는 환자, 아동, 치매 환자 등을 대상으로 측정하기 어렵다는 한계가 있다.
이 연구는 현재까지 객관적 평가 기술이 전무한 수술 후 통증을 객관화하기 위한 연구로써 광용적맥파 미분파형에 기반한 지표를 제안하였고 제안한 미분 기반 후보지표가 환자의 수술 후 통증 여부를 SPI보다 더 정확하게 분류할 수 있는 가능성을 보였다. 제안한 지표들은 의식이 있는 상태에서 활용이 제한되는 SPI를 보완하고 다른 통증 관련 지표와 조합되어 통증 분류 알고리즘 개발에 활용될 수 있을 것으로 예상된다. 또한, 향후 원 PPG 파형의 특징점과 미분 파형의 특징점 동시 분석을 통해 통증에 의해 유발되는 PPG파형 변화를 이해하는 데에도 활용될 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
SPI란?
생체신호 기반 통증 평가 기술 중 자율신경활동 변화를 관찰하여 통증을 추정하는 기술인 SPI(Surgical Pleth Index, GE Healthcare, Chicago, USA)는 임상적으로 자주 활용되는 통증 평가 지표이다. SPI는 광용적맥파(Photoplethysmogram; PPG)를 통해 측정된 정규화 된 진폭(PPG Amplitude; PPGA norm ) 과 정규화 된 심박 간격(Heart Beat Interval; HBI norm )의 조합 지표로 식 (1)과 같은 수식으로 표현된다. 측정된 값은 0에서 100까지의 점수로 표현되고 점수가 높을수록 더 강한 통증을 의미한다[10].
진통제의 목적은?
수술 후 적절한 통증 관리는 환자의 건강 회복에 중요한 과정으로 예후 향상 및 의료비용 감소에 도움이 될 수 있다. 대부분의 통증 관리에는 자율신경계를 둔화시키는 것을 목적으로 진통제가 널리 사용되고 있다[1]. 진통제 투여 여부는 대부분의 경우 의사가 주변상황 및 환자의 생체 신호를 종합적으로 분석하여 결정하여 왔으나 최근에는 환자의 통증 상태를 추정하는 의료기기의 측정 결과를 참고하기도 한다.
SPI 값의 의미는?
SPI는 광용적맥파(Photoplethysmogram; PPG)를 통해 측정된 정규화 된 진폭(PPG Amplitude; PPGA norm ) 과 정규화 된 심박 간격(Heart Beat Interval; HBI norm )의 조합 지표로 식 (1)과 같은 수식으로 표현된다. 측정된 값은 0에서 100까지의 점수로 표현되고 점수가 높을수록 더 강한 통증을 의미한다[10]. 이 때, 통증 유무 구분은 SPI 50을 기준으로 한다.
참고문헌 (25)
M. Elgendi, "On the analysis of fingertip photoplethysmogram signals", Current cardiology reviews, vol. 8, no. 1, pp. 14-25, 2012.
I. Bergmann et al., "Surgical pleth index-guided remifentanil administration reduces remifentanil and propofol consumption and shortens recovery times in outpatient anaesthesia", British journal of anaesthesia, vol. 110, no. 4, pp. 622-628, 2012.
C. Apfel et al., "Evidence-based analysis of risk factors for postoperative nausea and vomiting", British journal of anaesthesia, vol. 109, no. 5, pp. 742-753, 2012.
A. M. Carlsson, "Assessment of chronic pain. I. Aspects of the reliability and validity of the visual analogue scale", Pain, vol. 16, no. 1, pp. 87-101, 1983.
P. E. Bijur, C. T. Latimer, and E. J. Gallagher, "Validation of a verbally administered numerical rating scale of acute pain for use in the emergency department", Academic Emergency Medicine, vol. 10, no. 4, pp. 390-392, 2003.
L. J. DeLoach, M. S. Higgins, A. B. Caplan, and J. L. Stiff, "The visual analog scale in the immediate postoperative period: intrasubject variability and correlation with a numeric scale", Anesthesia & Analgesia, vol. 86, no. 1, pp. 102-106, 1998.
M. Luginbuhl, H. Ypparila-Wolters, M. Rufenacht, S. Petersen-Felix, and I. Korhonen, "Heart rate variability does not discriminate between different levels of haemodynamic responsiveness during surgical anaesthesia", British journal of anaesthesia, vol. 98, no. 6, pp. 728-736, 2007.
D. M. Mathews, L. Clark, J. Johansen, E. Matute, and C. V. Seshagiri, "Increases in electroencephalogram and electromyogram variability are associated with an increased incidence of intraoperative somatic response", Anesthesia & Analgesia, vol. 114, no. 4, pp. 759-770, 2012.
P. Wheeler, W. E. Hoffman, V. L. Baughman, and H. Koenig, "Response entropy increases during painful stimulation", Journal of neurosurgical anesthesiology, vol. 17, no. 2, pp. 86-90, 2005.
M. Huiku, L. Kamppari, and M. H. Viertio-Oja, "Surgical Plethysmographic Index (SPI) in Anesthesia Practice", GE Healthcare, 2014.
T. Ledowski, D. Sommerfield, L. Slevin, J. Conrad, and B. von Ungern-Sternberg, "Surgical pleth index: prediction of postoperative pain in children?", BJA: British Journal of Anaesthesia, vol. 119, no. 5, pp. 979-983, 2017.
T. Ledowski, B. Ang, T. Schmarbeck, and J. Rhodes, "Monitoring of sympathetic tone to assess postoperative pain: skin conductance vs surgical stress index", Anaesthesia, vol. 64, no. 7, pp. 727-731, 2009.
H. Kallio, L. Lindberg, A. Majander, K. Uutela, M. Niskanen, and M. Paloheimo, "Measurement of surgical stress in anaesthetized children", British journal of anaesthesia, vol. 101, no. 3, pp. 383-389, 2008.
K. H. Shelley, "Photoplethysmography: beyond the calculation of arterial oxygen saturation and heart rate", Anesthesia & Analgesia, vol. 105, no. 6, pp. S31-S36, 2007.
A. K. Jaryal, N. Selvaraj, J. Santhosh, S. Anand, and K. K. Deepak, "Monitoring of cardiovascular reactivity to cold stress using digital volume pulse characteristics in health and diabetes", Journal of clinical monitoring and computing, vol. 23, no. 2, p. 123, 2009.
Y. L. Yang, H. S. Seok, and H. Shin, "Analysis of systolic and diastolic waveform characteristic of photoplethysmogram according to the surgical pain", Information and Control Symposium, pp. 36-37, 2017.
H. S. Seok and H. S. Shin, "Investigation of the pulse to pulse interval and amplitude variation of photoplethysmogram as a pain assessment parameter during anesthesia", Journal of Korean Institute of Intelligent Systems, 2018 (accepted)
H. S. Shin, C. Lee, and M. Lee, "Adaptive threshold method for the peak detection of photoplethysmographic waveform", Computers in biology and medicine, vol. 39, no. 12, pp. 1145-1152, 2009.
T. Bennett, Nervous Control of Blood Vessels: The Autonomic Nervous System. Taylor & Francis, 1996.
C. J. Woolf and R. J. Mannion, "Neuropathic pain: aetiology, symptoms, mechanisms, and management", The lancet, vol. 353, no. 9168, pp. 1959-1964, 1999.
Kennedy, Harold L., et al. "Beta-blocker therapy in the cardiac arrhythmia suppression trial", American Journal of Cardiology, vol. 74, no. 7 pp. 674-680, 1994.
M. R. Rosenzweig, S. M. Breedlove, and A. L. Leiman, Biological psychology: An introduction to behavioral, cognitive, and clinical neuroscience. Sinauer Associates, 2002.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.