伪迹处理方法对术中低血压量化和结局评估的影响

重点

•电子设备收集的数据越来越多地用于临床研究，但会存在人为误差和其他误差

•目前尚缺乏较好的过滤术中血压误差值的方法

•作者从38篇描述血压伪迹处理方法的文章中筛选出8种方法，并用于测试3000例麻醉术中数据。

•不同地过滤方法和不同阈值导致观察到的低血压发生率差异很大

•研究人员需要仔细选用伪迹处理工具，并对方法学问题进行充分描述

摘要

自动收集的生理数据广泛用于病历保存和临床研究。然而，并不是这些数据中每个生命体征都代表着测量时患者的实际生理状态，例如，当一个人靠着病人血压袖带时，会造成血压数据的人为偏差，即测量的血压结果不是病人真实血压。同样，电刀的使用会干扰心电图，造成收集的心率数据出现偏差。这些错误数据在临床上很容易被识别出来，但可能会影响研究结果。因此，当在研究中使用生理数据前，应考虑到对这些数据的处理，并在发表这些结果时公布这些处理方法。

为了使人工数据更适合于回顾性分析，研究人员可有下面这些应对方法：从通过简单的过滤手动进行数据清除到更高级的方法。不同方法在识别或更正数据的能力上会有所不同，且导致不同研究结果。先前的研究表明人为误差数据的发生取决于几个因素，这些会导致错误的临床研究结果和结论。我们假设这些数据中使用的过滤方法将对研究结果产生明显影响。

本研究目的是探讨麻醉学数据中不同过滤和处理伪迹的方法对研究结果的影响，我们旨在说明使用恰当的伪迹过滤的重要性。为此，我们进行了系统文献搜索，以确定在实践中使用的伪迹过滤方法，随后在现有的临床数据中使用这些滤过方法。对于此数据组，我们选择了测量了有创血压和预后（心肌损伤程度）的外科患者。我们研究了伪迹过滤方法对术中低血压诊断以及术中低血压与术后心肌损伤之间关联的影响。之所以选择决定有创血压测量，是因为它的已知伪迹发生率高，并被经常用于术中低血压相关的研究。

背景：麻醉期间自动收集的生理数据被广泛用于病历保存和临床研究。这些数据包含与临床无关的伪迹，会影响研究结果。这项研究的目的是探讨麻醉学数据中不同伪迹过滤方法和处理对研究结果的影响，以证明适当人工处理的重要性。

方法：作者进行了系统的文献检索，以确认伪迹处理方法。随后，将这些方法用于处理进行有创血压监测的麻醉病例。根据不同定义(即平均动脉压50、60、65、70 mmHg的阈值)计算不同的低血压测量值(即发生率、持续时间、阈值下最大偏差和阈值下面积)。然后这些数据被用来评估与患者术后心肌损伤发生的关系。

结果：在筛选了3585篇论文后，作者纳入了38篇有关伪迹过滤方法的论文。作者将其中8种方法应用于2988例麻醉过程的数据。低血压(阈值为低于50mmhg)的发生率从24%(7次测量的中值过滤器)到55%(不使用伪迹处理)；当阈值为低于65mmhg时低血压发生率可达76 - 90%。当低血压阈值为50 mmHg时，出现低血压的标准化优势比范围为1.16 (95% CI, 1.07 - 1.26) - 1.24(1.14 - 1.34)。在应用其他低血压测量和定义方法时，也发现了标准化优势比的类似变化。

结论：伪迹过滤的方法对低血压发生率的估计有很大的影响。而对术中低血压与术后心肌损伤之间相关性的影响则相对较小。然而，作者建议研究人员在研究中应仔细考虑伪迹处理并说明其使用的方法。

方法：

文献筛选

为了查找相关的过滤方法，我们进行了系统的文献搜索。于2018年6月8日进行了相关的关键词搜索。首先，两名研究人员对文章标题进行筛选以决定是否纳入，同时列出排除原因并分类。当2位研究者在是否纳入上存在冲突时，第一名研究者根据标题或摘要作出决定。论文包括：（1） 2000年以后发表：（2） 在麻醉中使用生命体征数据（氧饱和、血压或心率）：（3） 描述了伪迹过滤过程。包括关于过滤方法进展研究的论文、应用特定过滤方法的研究和比较不同方法的综述。我们剔除了病例报告、给编者的信和动物实验。除此之外，在研究设计类型上没有加以限制。英语以外的文献被排除。我们只考虑了我们检索到的文献，对文献引用的参考文献不进行追踪。

在标题筛选之后，我们对所有论文进行了摘要筛选，如有必要，使用上述方法进行全文筛选。摘要从 PubMed 中提取，由第一作者对摘要进行筛选，识别并对过滤方法进行分类。有些论文可能使用了多种类型的过滤方法，因此，有的文章可同时被列入多种过滤方法的分类中。

患者队列

为了评估伪迹过滤方法对术中低血压诊断的影响，我们采用了先前进行的，现在仍在进行中的一项前瞻性队列研究的病例，采用相同的纳入标准。简言之，纳入该项研究年龄在60岁以上且在乌得勒支大学医疗中心接受中高风险非心脏手术的患者中的首次手术患者，再次手术患者被剔除。患者首要纳入标准是术后的前3天内可测量肌钙蛋白，而在之前的1年内没有进行其他手术。我们进一步细化了该组，选择诱导时间明确且诱导后至少有15次有创血压测量数据的患者。

我们通过麻醉信息管理系统收集有创血压测量数据，我们的麻醉信息管理系统在其数据库中存储了每分钟一个值，该值是连续 12 次测量（每5秒一次）的中位数。

伪迹过滤方法

对于系统检索中获得的伪迹过滤方法中，我们基于其使用频率、在算法训练中是否需要注释以及是否适用于麻醉信息处理系统3方面来决定是否将其纳入我们的比较。此外，许多滤过方法中包含界值，我们对这些界值做出了调整以评估同一类过滤方法中的差异，具体描述见结果。

预后

主要预后指标是将文献回顾阶段发现的伪迹过滤方法应用于我们的患者队列所获得的术中低血压的发生率和严重程度。对低血压的量化我们采用了4种方法：是否存在低血压；低血压的总持续时间；低血压阈值下的面积；阈值下的最大偏倚。我们在4个不同的阈值（平均动脉压50,60,65,70mmHg）水平来发现不同过滤方法是否对结果产生额外影响。

次要预后指标是当应用不同的滤过方法，所得到的低血压同术后心肌损害之间的联系。术后心肌损害定义为：术后肌钙蛋白I的升高，根据我们的方案，术后肌钙蛋白I在术后3天会常规测量。如TnI至少有一次高于60ng/L，则认为存在心肌损害。

统计分析

我们将每个伪迹过滤方法应用于我们的队列的数据中，描述低血压的发生率和程度。为了比较不同滤过方法对低血压和术后心肌损伤之间的关联产生的效应，我们对每一种方法对低血压的测量和定义进行标准化，在处理低血压的总持续时间和阈值下面积时，由于数据明显向右侧偏移，我们对上述2个值进行了对数化。最后，我们用Logistic回顾分析的方法通过模型计算过滤方法、低血压的测量和阈值对术后心肌损伤的发生的影响，用比值比的方式表达，检验水平定位α=0.05.

结果

人为影响滤过方法的系统检索结果

共检索到有关伪迹滤过方法的研究3585篇。通过摘要和全文筛选，剔除其中的3300篇，在剩余的285篇中，有247篇采用了高分辨率数据的文献，这些方法因不适用于麻醉信息管理系统而被剔除，最后剩余38篇研究，这些研究的伪迹过滤方法适用于1 min分辨率的麻醉操作管理系统。

我们将过滤方法分为3类。第一类通过生物学上血压的可接受范围来识别伪迹（27篇研究）；第二类通过滤过器从原始的数据中提取信号（16篇研究），如通过计算相邻数据的中位数并以此来替代该时间点（人为干扰）的数据；第三类方法采用模型策略将伪迹和测量误差纳入考虑范围，该方法通过将数学模型应用于数据，如用血压的样条函数来替代实际的数据。所有38篇研究及其方法学信息见图-2.

基于上述的结果，我们选择了3种处理伪迹的方法用于有创血压数据：限值滤过器；移动中值滤过器和基于中值和四分位差的可能性滤过器。对于每种方法，我们设定了2-3种不同的参数，最终我们比较了8种不同的滤过方法(包括不采用任何滤过方法），具体细节见 图-3.

 

队列和低血压的测量

我们共纳入了2988例麻醉过程，它们的基线特征见 表-1.在该队列中，术后心肌损伤的发生率为27%（807例），共1593例高危手术。表-2 描述了采用不同的伪迹滤过方法下，使用不同的低血压阈值所获得的低血压的测量值。例如，当低血压被定义为低于50mmHg并采用移动中值（7值）过滤器时，低血压的发生率为24%，而在同一阈值下，对数据不采用任何过滤器时，发生率则可高达55%。

低血压与术后关联

图5描绘了使用不同伪迹过滤方法下，反映术中低血压与术后心肌损伤之间关联的标准化比值比。同样，这里也描述了不同的低血压测量和不同的阈值下发生的情况。在以50mmHg作为低血压阈值时，不使用伪迹过滤器的标准化比值为 1.16 （95% CI， 1.07 到 1.26），而使用限值滤过器（平均动脉压大于40mmHg，脉压大于20mmHg）时，比值比为 1.24 （95% CI， 1.14 到 1.34）。

（图5八种伪迹过滤方法术中低血压测量结果，第一个没有使用任何人为误差的滤过工具）

讨论

伪迹处理对低血压测量的影响

不同的伪迹处理方法导致对低血压测量的不同估计。我们看到，当应用不同的伪迹过滤方法时，被确定为术中低血压患者的人数发生了变化。当低血压被定义为平均动脉压低于50 mmHg时，术中低血压的发生率为24%到55%，而当阈值为65mmhg时，低血压发生率为76%到90%。尽管低血压定义阈值的变化对低血压发生率的影响相当明显，但对决定因素（低血压）和预后（心肌损害）间关联的影响并没有预期的那么大。

从之前的研究中我们发现：生理数据中伪迹的发生与患者和手术操作的特征有关，因此，我们预计当采用不同的伪迹过滤方法时，结果会存在差异。目前的分析结果提示：去除伪迹确实对关联产生影响，但总体而言，这种影响明显要小于改变低血压阈值和不同低血压测量方法所产生的影响（图5）。我们还发现：过滤方法对低血压持续时间和预后间的关联的影响比对低血压程度和预后间关联的影响更小，因为伪迹过滤方法旨在纠正数据中的极端值或离群值，从而调整低血压域的广度，而不是低血压的持续时间。

我们研究了术中低血压与术后心肌损伤之间的关联，因为就这一主题，已有大量的临床研究采用不同的方法来分析低血压和不良预后间的关系，并致力于就定义低血压的阈值和对低血压测量方法上达成共识。我们的分析表明：低血压的阈值和对低血压测量方法的选择比伪迹过滤方法更为重要；但另一方面，在众多的影响因素中，伪迹过滤方法是术中低血压与预后间联系研究中的又一个可能导致变异的因素。 

系统搜索

我们进行了系统搜索，以证明我们选择的伪迹过滤方法与研究人员通常处理伪迹的方式相符。我们把找到的方法分为三类。第一类包括识别伪迹的方法。这些方法包括带宽过滤器（设定了血压或脉搏压力的最小和最大允许值），和基于数据分布的可能性过滤器。存在更高级的方法（例如识别伪迹的模型或算法），不过，这些更高级方法的缺点在于：它们需要训练来形成一套算法。当伪迹被识别并被剔除后，有多种选择来填充原有的数据空白，在本论文中，我们使用了现有数据点之间的线性插值。

第二类由用新的提取信号来取代原有的数据信号，如我们在本文中使用的移动中值滤过器，其他可能的方法是将更复杂的曲线用于现有数据，应用这些方法后，就创建了一个新的数据集，并用于进一步的分析。

最后一个类别包括用直接用于统计模型的函数替换数据信号的方法。例如，在模型中使用样条函数来替代原始数据，或构建联合模型。由于我们需要经处理的血压数据来量化低血压，以便研究低血压与术后心肌损伤之间的关系，本文没有使用第三种方法。

优势和局限性

我们的研究是最早通过在真实临床数据上应用不同的伪迹过滤方法，利用麻醉信息管理系统数据探索其对临床研究的影响的研究之一。我们关注了不同的伪迹过滤方法，以及它们如何影响研究结果的关联性。这些方法是通过系统搜索来确定的。我们不仅研究了伪迹过滤方法，我们还研究了不同的低血压测量方法和不同的低血压定义以获得更广的视野。

我们研究的一个局限性是，我们只选择了对一种类型参数的测量（血压）和一种预后（术后心肌损害）。目前还不清楚我们在多大程度上可以将这些发现推广到其他生理数据或其他学科的研究中。其次，受到麻醉信息管理系统的采集数据的频率的限制，我们不能使用找到的每一种伪迹过滤方法。第三，我们不能将伪迹过滤方法与人工识别和排除人为误差进行比较。在目前的研究中，我们仅仅纳入了行有创血压监测的患者，因此高风险手术患者的比例很高（见表1）。在纳入的病人中，术后心肌损伤的发生率高于先前的文章，然而，这些数据仅被用作例证，而没有真正被用于估计术中和术后心肌损伤之间的关联。第四，过滤伪迹的效果在理论上可能在队列的亚组患者中有所不同。我们没有调整术中低血压和术后心肌损伤之间的关联，也没有进行分组分析。我们认为这超出了本研究的范围。最后，这项研究没有涵盖所有可能的伪迹过滤方法或方法组合。这项研究的目的是说明当选择不同的过滤器时会发生什么，而不是最佳方法。所谓最佳方法受多种因素影响，具体如数据类型、麻醉期间、 使用的硬件以及数据存储在麻醉信息管理系统中的方式。未来的研究应着眼于寻找可靠的通用的过滤伪迹的方法，以应用于包含大量数据的麻醉信息管理系统数据库。

影响和结论

通过我们的队列研究，很难估计术中低血压和术后损伤之间的真正关联，因为我们不知道哪种伪迹过滤方法最接近真实情况。尽管我们无法确定处理伪迹的最佳方法，但一般不建议像我们一样在一篇论文中使用不同的伪迹处理方法。研究者应选择一种方法，从而明确界定其感兴趣的预后。选择伪迹过滤方法将取决于数据的性质和低血压测量的类型，因为某些测量方法对人为误差更敏感。随着时间的推移，麻醉监测系统的伪迹过滤处理的改进可能会使我们获得更好的研究数据。这将减少对研究后处理数据的需求。

尽管不同的伪迹处理方法可对术中低血压的量化产生影响，但我们没有发现其对术中低血压与术后心肌损伤间的关联产生明显的影响。伪迹处理方法的不同所造成的影响要小于低血压的界定和测量方法所造成的影响，但它可能对术中低血压相关研究的可重复性和可比性造成影响，因此在开始进行需要从麻醉信息管理系统中采集术中生理数据的研究前，应审慎地考虑如何处理伪迹问题，并对其方法学进行细致的描述。

血压示例