使用移动物联网技术的医院内病人转运心肺监测系统:观察性验证研究

介绍

随着医学的不断进步，患者安全变得越来越重要。院内转运(IHT)在临床实践中是必要的。肺部康复被认为是慢性肺部疾病患者最重要的干预措施之一[1-4]。然而，在IHT和康复期间的不良事件是不可避免的。一项研究报告称，1.7%的危重患者在IHT期间出现了不良事件，定义为危及生命的事件。另一项研究报告，79.8%的患者在IHT期间发生了从设备问题到危及生命的不良事件。［2，5-7]。尽管临床医生在IHT期间陪伴和观察患者以减少这些事件是可取的，但由于医疗资源的限制，这在现实世界中是不可能的。

最近移动和互联网环境的变化对医疗领域产生了影响[8-11]。由于高速数据传输能力和无线连接外部设备的能力的进步，在各个领域发展了几种远程监控技术[12-14]。这些技术为临床医生提供有关患者的即时信息，并促进对患者的适当管理。

目前有几种氧饱和度和心率的远程监测解决方案，但大多数都是为长期而非即时管理而开发的[15，16]。Prince 100-H手腕血氧计和SpO₂0.23版监测器用于同时监测患者转运或康复期间的血氧饱和度和心率，并可通知临床医生不良事件。

在本研究中，我们旨在回答两个问题:(1)可穿戴设备和移动应用程序是否适合识别运输过程中的风险?(2)风险信号在网络上传输是否可靠?为了解决这些问题，我们使用可穿戴设备和移动应用程序收集呼吸内科住院患者运输过程中的生物特征数据。我们开发了一种风险检测算法来分析收集到的数据，并在必要时通知医疗保健提供者。

方法

研究设计

我们在韩国牙山医疗中心进行了一项单中心研究。患者筛查基于2018年5月16日至2018年5月31日入住肺科病房的患者。排除标准为:(1)临床医生判断的急性期患者;(2)未被送去工作或康复的患者。

对于具有降低血氧饱和度的危险因素的患者，使用便携式血氧饱和度测量设备实时测量血氧饱和度和脉搏，并在医院进行诊断或康复测量。测量数据在连接的手机上实时收集，并通过物联网(IoT)传输到实时监控系统。传输的数据由研究小组的临床医生在患者住院的病房的监测设备上实时检查。当有危险时，警报系统被激活，使工作人员能够立即(在1分钟内)识别并应对危险。利用可穿戴传感设备和手机应用程序，我们收集了首尔牙山医疗中心23名患者的数据，并分析了患者运输过程中的危险因素(图1）.

‎ 查看此图

设备和移动应用程序

当需要运送患者进行康复或研究时，我们使用Prince-100H手腕血氧仪和Nonin进行监测。这两款设备都能实时检测血氧饱和度和心率。Prince-100H手腕血氧仪产生SpO₂而美国食品和药物管理局(FDA)批准的Nonin每4秒产生一个记录。只有Prince-100H手腕血氧仪的测量数据被传输到移动应用程序SpO₂通过蓝牙监控0.23版本，并通过网络传送到云端。当监测系统检测到去饱和或心率异常事件时，通过监视器上显示警报向实时监控器发送通知，并通过短消息服务(SMS)短信向临床医生发送通知。我们选择短信作为通知临床医生的工具，因为我们的判断是短信受移动环境的影响相对较小。只有在以下四种情况下才会出现危险信号的通知:(1)氧饱和度小于90%，(2)心率大于每分钟140次，(3)心率小于每分钟60次，(4)网络错误。

23例患者住院期间使用该设备和手机app进行IHT。我们调查了运输过程中可能的危险因素和疾病严重程度，以确定监测和传播系统的效率。此外，通过对有和没有运输过程中发现的危险的患者进行对比分析，确定了运输过程中的危险因素。

该研究得到了峨山医院机构审查委员会(IRB no. 518)的批准。2018 - 0480)。我们获得了所有研究参与者的知情同意。

数据描述

在本研究中，我们收集了三类数据:(1)患者在峨山医疗中心入院时收集的临床信息，(2)通过参与者病例报告表收集的临床试验期间的数据，(3)通过脉搏血氧仪(SpO)收集的患者实时脉搏和血氧饱和度₂使用两种可穿戴设备(Nonin和Prince-100H手腕血氧仪)测量血氧值。患者的临床资料包括年龄、性别、体重指数、吸烟史、试验前吸氧情况、基础疾病(包括糖尿病、高血压、结核病史、呼吸系统疾病、心律失常、肺癌和其他恶性肿瘤)。在临床试验期间收集的数据包括使用研究装置的原因、试验前的生命体征以及对可用患者进行肺功能检查的结果。我们仅在IHT或康复期间使用研究设备进行监测。

数据分析

图2显示该研究的患者选择流程图。在2018年5月16日至2018年5月31日期间入住肺科病房的384例患者中，我们排除了以下患者:(1)急性期患者303例，(2)没有住院转院或康复计划的患者53例，(3)没有知情同意的患者5例。23例患者最终入选本研究。

为了分析设备间的协议率，Nonin和Prince-100H每4秒采集一次数据，这是Nonin的数据生成标准。如果Prince-100H在同一时间没有值，则平均±1秒进行插入。根据匹配数据，Pearson相关系数(r)，用线性回归确定不同可穿戴设备之间的差异。使用类内相关系数(ICCs)来评估两种可穿戴设备之间的关系[17，18]。ICCs的点估计值解释如下:优秀(0.75-1)，一般(0.4-0.74)或差(0-0.39)。Bland-Altman方法也用于测量脉冲与SpO的一致性₂两个可穿戴设备的值。学生t采用检验方法比较各组间异常与不匹配信号的差异。所有报告P值是双面的，和P小于0.05的值被认为是显著的。所有统计分析均使用R版本3.5.0进行。我们将分类变量表示为带有受试者比例的数字，将连续变量表示为带有标准差的均值。

‎ 查看此图

结果

总体特征

23名患者同意纳入本研究。入组患者的基线特征总结于表1。分类变量表示为一个数字与参与者的比例。连续变量表示为具有标准差的均值。提取了18例患者的肺功能检查结果，因为其中5例在研究前没有进行肺功能检查。平均年龄64.4岁(SD 11.1)，纳入12名男性。平均体重指数为23.7 (SD 2.4) kg/m²。七名患者有潜在的呼吸系统疾病，其中三人在研究前使用过氧气供应。19例患者有恶性肿瘤，无潜在心律失常。20例患者在IHT期间使用研究设备和应用程序进行诊断，另外3例患者使用该设备进行康复。在18例患者的基线肺功能测试中，呼气第一秒平均用力呼气量(FEV)₁平均用力肺活量(FVC)为3.1 (SD 0.9) L，平均FEV为2.1 (SD 0.7) L₁/FVC为70.4% (SD 11.0%)，平均一氧化碳扩散能力(DLCO)为67.1% (SD 20.3%)。

不同网络类型的数据传输差异

在23名患者中，只有2名使用Wi-Fi网络，21名使用LTE网络将Prince-100H设备产生的数据传输到云端(多媒体附录1）.本研究总测量时间875.1分钟(平均38.0分钟，标准差29.4分钟)。在此期间，Nonin生产了14,161张唱片，而Prince-100生产了49,282张唱片。由于Prince-100H测量SpO₂以1秒为单位的脉冲数据，这与Nonin每4秒的记录相匹配。其中109.34条录入前的平均值为“不可用”，24.21条录入后的平均值为“不可用”。剩余的平均不可用比率为3.79%。不可用比率最高的患者依次为:P05(28.02%)、P07(14.56%)、P03(12.74%)。2例具有Wi-Fi传输的患者，其在植入前的不可用比率高于LTE患者，植入后的不可用比率低于LTE患者。

两种可穿戴设备的相关性分析

的热点;₂由Prince-100H和Nonin测量的脉冲变量给出表2。两种器件的脉冲ICC为0.940 (95% CI 0.939 ~ 0.942)，一致性“极好”₂ICC为0.719 (95% CI 0.711-0.727)，表明一致性“良好”(表2）.此外，脉冲Bland-Altman分析显示，系统误差较低，为0.428，而SpO的系统误差为-1.404₂（图3）.95%的一致性限制是脉冲在-9.344到10.201之间，SpO在-5.496到2.688之间₂。

‎ 查看此图

Prince-100H手腕血氧仪与SpO的风险信号检测₂监控

23例患者中，14例在院内转运过程中出现20次危险信号，无一例患者心率超过140次。8名饱和度低于90%的患者出现9次风险信号，4名心率低于60bpm的患者出现4次风险信号，5名由于网络错误而出现7次风险信号。除了网络误差的风险信号外，我们比较了有风险信号和没有风险信号的患者的特征(表2）.虽然大多数变量在报警组和非报警组之间没有统计学意义，但报警组中有3名患者在使用监测设备前使用了氧气补充装置，而非报警组中没有。警报组患者肺功能检查结果低于非警报组，尤其是DLCO值。在风险信号通知后，临床医生对有风险的患者进行访问并对其进行妥善管理。例如，对于低氧血症患者，临床医生应用氧疗，直到患者稳定无低氧血症。

讨论

在这项研究中，我们证实了一种可穿戴设备和移动应用程序可以有效地检测患者在医院内运输或康复过程中的风险信号。此外，还通过消息向医疗保健提供者发送实时风险信号，以确保患者安全。据我们所知，这是第一个在转运或康复过程中同时监测患者血氧饱和度和心率的研究。在我们的研究中，Prince-100H手腕血氧仪和移动应用程序SpO₂结果显示，在氧饱和度和心率方面，Nonin与FDA批准用于患者监测的Nonin结果相当。这意味着使用可穿戴设备和移动应用程序进行的血氧饱和度和心率监测对患者来说是稳定可靠的。

遥测监测是一种众所周知的实时监测技术。美国心脏协会建议对潜在心脏病患者或高危患者使用实时心电图监测[19]。引入遥测监测后，心脏科医生可以每天24小时实时早期发现异常心律。实时心电图监测的实际应用使得人们期望实时监测系统能够应用于更多的情况和各种参数。Sala及其同事[20.]提示心脏手术后康复期间监测血氧饱和度和心率有助于确保患者安全。然而，这一建议的局限性在于物理治疗师必须直接监测患者的血氧饱和度和心率。为了解决这些问题，需要连接到网络的可穿戴设备和检测风险信号的算法。在我们的研究中，我们开发了一个实时风险监测系统，该系统包括云传输、移动应用程序和通过Wi-Fi或LTE连接到网络的可穿戴设备。因为临床医生通过Wi-Fi或LTE网络实时接收到来自设备的风险信号，他们不需要站在病人身边。此外，他们可以同时监测几个病人。

在本研究中，我们选择了住院在肺科病房的患者，因为肺部疾病患者发生去饱和的风险相对较高。应用排除标准后入组的大多数患者是因肺癌诊断检查而入院的患者。两名患者因慢性阻塞性肺疾病急性加重而入院，另一名患者因间质性肺疾病急性期入院。

在我们的研究中，报警组和非报警组的基线特征没有显著的组间差异。然而，所有在研究前使用过补氧装置的患者和1例使用过康复监护装置的患者均被纳入报警组。此外，警报组患者肺功能检查结果较差，尤其是DLCO。这一观察结果是合理的，因为肺功能差、供氧需求或康复意味着去饱和或心率升高的风险高于正常水平。虽然未报警组有更多的患者有结核病史，但这似乎对报警事件没有影响。结核病可引起支气管扩张或气流阻塞[21，22]，可导致慢性气流阻塞。然而，所有阻塞性患者只有轻度肺功能障碍，两组间FEV无差异₁/FVC，表示气流受阻程度[23]。这些结果表明，无论患者的病史如何，该装置都向临床医生发出了风险信号。

我们最初使用Wi-Fi将数据从移动应用程序传输到云端。由于有很多“不适用”的记录，我们在第二位患者之后只使用LTE进行传输。对于使用Wi-Fi传输数据的2例患者，在插入过程中记录的大部分值都不适用。我们得出的结论是，由于网络流量的原因，测量数据向云的传输延迟了。除2例Wi-Fi患者外，3例LTE患者的不适用比例异常高:P05 (28.02%)， P07 (14.56%)， P03(12.74%)。大多数不适用信号发生在电梯或走廊运输过程中。有一种可能性是，糟糕的移动应用程序信号延迟了数据向云的传输。在这种情况下，我们将信号记录为不适用，并使用输入值进行匹配和分析。

在试验期间，14名患者出现了20个危险信号。除网络错误外，氧饱和度低于90%的风险信号最为常见。在临床医生收到风险信号后，他们应用了氧气补充，并证实了氧饱和度的改善。在我们的研究中，检测到危险信号的患者与未检测到危险信号的患者之间没有显著差异。然而，如果我们选择高风险患者并将研究装置应用于他们，可能会更充分。在监测前使用氧气补充装置和IHT进行康复治疗预计会发生去饱和事件的患者属于报警组。此外，未报警组肺功能测试结果优于报警组。有4名患者出现了心率低于60bpm的危险信号。其中，三名患者在研究前测量的心率为每分钟60次或更低。这表明，在设备应用之前，目标心率应该个性化。 One patient presented decreased heart rate after device application. Clinicians visited this patient and concluded that the decrease was a side effect of pethidine, which had been injected before the diagnostic procedure. The patient recovered after adequate hydration. This is a representative example of the usefulness of real-time monitoring. If clinicians are able to detect early signs of risk in patients, it can reduce the task of managing critically ill patients. Because this study was a feasibility study, we defined risk signal based on nonindividualized criteria rather than real-world situations. For this reason, we believe that there were relatively frequent risk signals. For applying the study device to a real-world setting, we plan further study based on individualized criteria.

这项研究有几个局限性。首先，本研究为单中心研究，患者数量较少。我们想确定使用可穿戴设备和移动应用程序进行实时监控的可行性。出于这个原因，我们在单个中心对少量患者进行了研究。由于这项研究的良好结果，我们的研究小组正在计划进行多中心的研究，更多的患者。其次，我们只测量血氧饱和度和心率进行实时监测。我们之所以选择这些参数，是因为氧饱和度和心率可以简单地用脉搏血氧仪测量，这是患者最早的一些风险指标。第三，患者不是通过同一路线运送的。然而，我们进行这项研究是为了在各种环境中验证可穿戴设备和移动应用程序。因此，我们尽量不加限制地应用它们。 Consequently, we were able to identify issues such as increased not applicable ratio in the elevator or corridor in transit to the room for bronchoscopy. Finally, we applied the study device to only two patients through hospital Wi-Fi, and the others through LTE. In this case, there was a possibility of security problem regarding patients’ medical information. Nevertheless, we changed to LTE due to instability of Wi-Fi and planned to further study for Wi-Fi performance in real-time monitoring.

尽管存在这些限制，但本研究证明了在患者运输过程中使用LTE和Wi-Fi进行远程监测的有利验证。在IHT和康复期间，利用实时监测可以帮助临床医生早期发现风险或作出决定，例如开补氧处方。需要进一步研究推广到危重病人和其他应用。

新技术已被开发出来，以确保病人在转运过程中的安全。在本研究中，我们构建了一个基于可穿戴设备和移动应用程序的系统，通过检测患者在运输过程中的风险信号来通知医护人员。虽然存在缺失值和网络误差等问题，但由于前面提到的风险检测系统在实际患者身上得到了验证，因此本文的意义很大。