門診患者時點收縮壓與脈搏波傳導時間的相關性研究

王利，李蓓，雷永紅，蔡寶龍，郭俊艷，何史林

中國人民解放軍總醫院海南分院 a.護理部；b.急診科；c.病案管理科；d.信息科，海南 三亞 572013

門診患者時點收縮壓與脈搏波傳導時間的相關性研究

王利a，李蓓b，雷永紅c，蔡寶龍d，郭俊艷a，何史林d

中國人民解放軍總醫院海南分院 a.護理部；b.急診科；c.病案管理科；d.信息科，海南 三亞 572013

目的探討門診患者時點收縮壓與脈搏波傳導時間（Pulse Wave Transit Time，PWTT）的相關性。方法對門診3280例患者通過智能腕表采集脈搏波數據，將可能影響時點收縮壓的自變量引入多重線性回歸模型，將時點收縮壓（即脈搏波數據采集的同時，為患者測量的坐位、靜息狀態下、同側上臂收縮壓）作為因變量進行多重線性擬合，采集252例門診患者進行預測分析。結果① 多重線性回歸方程擬合較好且有顯著性（R=0.663，F=425.875，P＜0.05）；② PWTT可能與時點收縮壓具有顯著相關性；③ 252例門診數據中預測值與實測值誤差＜5 mmHg的82例，占比32.54%；誤差＜10 mmHg的151例，占比59.92%。結論PWTT與時點收縮壓具有良好的相關性，將其用于血壓的早期預測具有可能性，但要做到精準的預測尚待深入研究。

脈搏波傳導時間；智能腕表；多重線性回歸；收縮壓；多參數監護儀

專論——基于PWTT的血壓預測相關算法的系列研究

編者按：脈搏波傳導時間（Pulse Wave Transit Time，PWTT）是動脈血壓波沿血管壁傳輸時間，這個時間是由從心臟開始收縮到大動脈瓣打開再到出現在大動脈血液脈動，經過血管傳導到末梢部位時間組成，PWTT參數可以從手腕部的心電和脈搏波來進行獲取，目前有大量臨床試驗可知脈搏波傳導時間與血壓之間變化關系是生理學上已經明確現象，利用該現象，結合個人身高、體重和年齡等基礎特征，形成特殊算法可以用來監測動脈血壓的變化，本專欄收集腕部PWTT檢測算法、多重回歸模型構建、中老年參考值范圍等的研究結果，探討其臨床應用價值。

欄目主編：何史林

何史林，畢業于軍事醫學科學院，博士學位，主管技師。現任中國人民解放軍總醫院海南分院信息科行政副主任。主要從事醫療信息化、遠程醫療和可穿戴設備研發與研究工作。作為項目負責人主持國家遠程醫療惠民科技項目、海南省高新技術重點項目兩項，中國人民解放軍總醫院科研扶持項目一項；作為主要參與人參與國家基礎平臺專項、國家自然科學基金、科工委民用航天預研項目、工信部國家重大專項等多項科研課題，發表學術論文20余篇，其中第一作者發表論文7篇，EI論文1篇。

引言

脈搏波傳導時間（Pulse Wave Transit Time，PWTT）是射血期在主動脈根部產生的搏動波沿血管壁傳導到外周某處的時間，是反映動脈彈性及可擴張性的常用指標[1]。PWTT值越短，表明血管壁僵硬度越大、順應性越小[2-3]。而血壓的升高，尤其是收縮壓的升高，可顯著增加血管壁承受的壓力，易致管壁彈性成分疲勞和斷裂，內膜更易損傷而致僵硬度增加，血管僵硬度的增加又反過來促進了收縮壓的上升，從而形成惡性循環[4]。因此，通過研究PWTT與收縮壓的相關性對于人群收縮壓的早期預測具有重要意義。

1 對象與方法

1.1 研究對象

采用便利抽樣法，選取2016年6月～2017年1月在我院門診就診的9200例患者進行數據采集，共清洗出3280例進行統計分析。

清洗標準：① 涉及的自變量數據采集不全者刪除；② 采集的兩組脈搏波傳導時間相差≥20 ms者刪除；③ 兩次收縮壓測量相差＞8 mmHg者刪除，其余求平均值；④ 兩次心率相差＞10 bpm者刪除，其余求平均值；⑤ 左臂長（到指尖）-左臂長（到腕部）＜13 cm或＞30 cm者刪除；⑥ 在研究期間重復進行數據采集者僅保留首次數據。其中男性1643例，女性1637例；年齡（51.99±13.22）歲。

1.2 研究方法

1.2.1 數據采集工具

（1）基本信息表。為自編調查表，包括患者的ID號，姓名、性別、年齡、是否曾有血壓升高、臂圍、左臂長（到指尖）、左臂長（到腕部）、身高、體重、血壓值等信息。其中是否曾有血壓升高定義為患者是否曾經出現過SBP≥140 mmHg或舒張壓≥90 mmHg，有則記為“1”，無則記為“0”；臂圍定義為基于解剖學站姿經左上臂中點繞臂一周的長度；左臂長定義為基于解剖學站姿經左側鎖骨肩峰端到左手中指指尖的長度或左手腕橫紋的長度。

（2）PWTT測量工具。本研究采用基于MK 2511芯片設計的智能腕表進行脈搏波數據采集，利用手表背面的傳感器和集成于手表兩側的金屬電極采集人體的脈搏和心電信號，通過Matlab 2010編寫的圖形用戶界面將其顯示出來以便觀察波形，然后計算脈搏波傳導時間用于建立回歸模型。

（3）血壓測量工具。采用邁瑞iPM8型號的多參數監護儀進行血壓測量對照，該款監護儀的血壓測量模塊采用震蕩法的原理進行血壓測量，可廣泛適用于成人、兒童和新生兒，且具有成人、兒童和新生兒分段過壓保護功能。該款監護儀同時經過了GB9706.1標準、美國FDA、歐盟CE、中國CMDC認證，測量精度達到±1 bpm或±1%，血壓測量準確可靠。

1.2.2 數據采集流程

對自愿參與的患者進行數據采集，詢問并填寫基本信息表，然后按照監護儀—腕表—監護儀—腕表的順序進行對患者進行數據采集，按照數據清洗標準處理后進行統計分析。

1.3 質量控制

腕表數據采集前，對研究對象說明數據采集過程中的注意事項和配合要點。數據采集過程中，對脈搏和心電信號的波形進行觀察，一旦出現波形小、節律亂、單波或直線的情況，囑患者休息2 min后重新測量。數據采集結束，研究者初步進行形式檢查，發現明顯錯誤的及時糾正。

1.4 統計學分析

將數據錄入Epidata 3.1軟件中進行統一管理，使用SPSS 17.0進行統計分析。定量資料用x-±s表示，定性資料用頻數或率描述。將時點收縮壓作為因變量，PWTT、性別（xb）、年齡（nl）、是否曾有血壓升高（hyper）、臂圍（bw）、左臂長（到指尖）（bc）、左臂長（到腕部）（bc1）、身高（shg）、體重（tzh）等作為自變量進行多重線性回歸方程擬合。

2 結果

2.1 研究對象基本特征

3280例門診患者中，男性1643例，女性1637例，平均年齡（51.99±13.22）歲，臂圍（26.50±2.56）cm。其中有血壓升高史1347例，無血壓升高史1933例；左臂長（到指尖）（68.60±4.73）cm；左臂長（到腕部）（50.84±4.12）cm；身高（164.68±7.61）cm；體重（66.16±11.63）kg；收縮壓（123.30±17.02）mmHg；舒張壓（78.24±10.96）mmHg（表1）。

2.2 多重線性回歸模型的建立

3280例門診數據中，將可能影響收縮壓的變量PWTT、性別、年齡、是否曾有血壓升高史、臂圍、左臂長（到指尖）、左臂長（到手腕）、身高、體重等作為自變量，時點收縮壓（即脈搏波數據采集的同時，為患者測量的坐位、靜息狀態下、同側上臂收縮壓）作為因變量進行多重線性回歸方程擬合。結果顯示，PWTT、hyper、xb、nl、bw、shg等自變量可能是時點收縮壓的顯著影響因素（P＜0.05）。具體結果見表2，回歸方程見公式(1)。

SBP=130.862+18.573×hyper+0.202×nl+0.677×bw-0.058×PWTT-2.974×xb-0.173×shg (1)

表1 3280例門診患者基本特征

表2 多重線性回歸方程結果列表

模型復相關系數R=0.663，模型擬合較好，可用于預測分析；方差分析：F=425.875，P=0.000，模型有顯著性；共線性診斷：容忍度Tolerance＞0.1,方差膨脹因子VIF＜10,不存在共線性；殘差統計量：標準化殘差Std. Residual全距為-3.502～4.111，學生化殘差Stud.Residual全距為-3.504～4.115，提示該模型可能存在強影響點，可能強影響點19例，經過核對原始數據，未發現錯誤數據，故接受，見圖1～2。

圖1 殘差直方圖

圖2 殘差P-P圖

預測值與實測值差值的平均值和標準差為（-0.06±12.756）mmHg，尚未能達到血壓計準確性檢測標準（5±8）mmHg。

2.3 回歸模型在252例患者中的預測結果

同流程采集252例數據，其中男性102例，女性150例；有血壓升高史59例，無血壓升高史者193例；年齡（50.56±15.40）歲；臂圍（26.67±1.97）cm；左臂長（到指尖）（68.60±3.94）cm；左臂長（到腕部）（51.14±3.56）cm；身高（163.89±8.02）cm；體重（62.09±10.43）kg。將相關自變量引入模型，結果顯示，預測值與實測值誤差在5 mmHg以內的82例，占比32.54%（誤差在5 mmHg以內的例數占所有例數的百分比）；誤差在10 mmHg以內的151例，占比59.92%（誤差在10 mmHg以內的例數占所有例數的百分比）。預測值與實測值差值為（5.13±14.05）mmHg，準確度總體上仍然達不到國家標準（5±8）mmHg，但仍然具有一定的研究和應用價值。

3 討論

目前高血壓的診治主要基于反復多次測量靜息狀態下的血壓數據，而忽視了早期血管結構改變對于血壓的影響。由于在形成穩定的高血壓前期，機體長期無明顯癥狀，以至于出現臨床高血壓時，已不可避免地對機體造成了一定的傷害[5-7]。脈搏波傳導時間是經典的大動脈彈性測量指標，被認為是心血管疾病危險及預后的獨立預測因子[8-9]。研究發現，PWTT與動脈血壓具有相關性，基于PWTT的無創血壓測量方法成為心血管疾病研究領域的熱點，且動脈收縮壓與舒張壓相比，與PWTT具有更好的相關性，可用公式SBP=a×PWTT+b（a、b為固定常數）、DBP≈SBP×eTd/RC（C為血管順應性、Td為心跳舒張期、R為血液流動的粘滯阻力）觀測[10-11]。臨床研究發現，單純收縮期高血壓患者最明顯的改變為大動脈彈性減退，動脈硬化發生。因此，通過PWTT實現早期高血壓的預測具有可能性，故深入研究動脈收縮壓與PWTT的相關性意義重大。

本文將PWTT等作為自變量，將動脈收縮壓作為因變量，基于PWTT與動脈收縮壓呈線性相關的原理進行多重線性回歸模型的建立，并通過252例臨床數據對其準確性進行驗證。研究發現，在3280例門診患者中，動脈收縮壓與PWTT具有顯著的相關性，與前人研究結果基本一致[12-14]。可能原因是PWTT對于收縮壓的影響主要是通過作用于血管壁而間接影響收縮壓，而在動脈硬化形成過程中，CRP、補體復合物、泡沫細胞等沉積在血管壁內，CRP可與脂蛋白結合，激活補體系統，產生大量炎癥介質，釋放氧自由基，造成血管內膜損傷，血管痙攣以及不穩定斑塊脫落，最終導致動脈粥樣硬化形成，可能表現為顯著的收縮壓改變[15-16]。此外，統計發現，通過該模型擬合的預測值與實測值差值的均值和標準差為（-0.06±12.76）mmHg，雖然準確性尚不能達到醫療器械檢測標準，但在252例患者血壓預測中，相差10 mmHg以內者占59.92%。而本研究在統計分析過程中，尚未對人群進行分類，人群組成較為復雜，甚至包括部分強影響點。提示在后期的研究中應將人群進行分類預測可能取得更好效果。

[1] 張葉青,董耀榮,王憶勤,等.高血壓病弦脈和非高血壓病弦脈脈圖參數的比較[J].世界科學技術(中醫藥現代化),2012,(1): 1302-1305.

[2] Vlachopoulos C,Aznaouridis K,Terentes-Printzios D,et al.Prediction of cardiovascular events and all-cause mortality with brachial-ankle elasticity index: a systematic review and meta-analysis[J].Hypertension,2012,60(2):556-562.

[3] Hsu PC,Lin TH,Lee CS,et al.Mismatch between arterial stiffness increase and left ventricular diastolic dysfunction[J]. Heart Vessels,2010,25(6):485-492.

[4] 陳珮,王斌,周曉燕,等.原發性高血壓患者AIP與PWV及動脈硬化相關危險因素關系的研究[J].慢性病學雜志,2016,(7): 728-730.

[5] 汪曉芬,王曉明,劉春萍,等.高血壓患者亞極量運動時血壓與踝臂動脈脈搏波傳導速度的相關性[J].中華高血壓雜志,2016,(10):978-981.

[6] Sung J,Choi SH,Choi YH,et al.The relationship between arterial stiffness and increase in blood pressure during exercise in normotensive persons[J].J Hypertens,2012,30(3):587-591.

[7] Tsiachris D,Tsioufis C,Dimitriadis K,et al.Relationship of ambulatory arterial stiffness index with blood pressure response to exercise in the early stages of hypertension[J].Blood Press Monit,2010,15(3):132-138.

[8] Asmar R,Rudnichi A,Blacher J,et al.Pulse pressure and aortic pulse wave are markers of cardiovascular risk in hypertensive populations[J].Am J Hypertens,2001,14(2):91-97.

[9] 郭維,劉光達,焦陽,等.基于脈搏波信號和血管彈性腔模型的動脈血壓連續測量方法[J].醫用生物力學,2012,27(1):84-89.

[10] Chen W,Kobayashi T,Ichikawa S,et al.Continuous estimation of systolic blood pressure using the pulse arrival time and intermittent calibration[J].Med Biol Eng Comput,2000,38(5): 569-574.

[11] 孟祥平,劉兵,鄧寶蕓,等.利用脈搏波傳導時間計算動脈血壓的研究[J].中國生物醫學工程學報,2011,30(4):509-513.

[12] Andrade SS,Serro-Azul JB,Nussbacher A,et al.Daytime systolic blood pressure load and previous stroke predict cardiovascular events in treated octogenarians with hypertension[J].J Am Geriatr Soc,2010,58(11):2232-2234.

[13] 馮雪,劉俊明.脈搏波傳導速度與高血壓相關性的研究進展[J].臨床和實驗醫學雜志,2013,12(16):1340-1341.

[14] 李曦,胡榮,盧燕玲.體檢人群脈搏波傳導速度與動態血壓監測指標的相關性研究[J].心肺血管病雜志,2013,32(4):452-455.

[15] 吳志勇,漆紅梅,盛國太,等.降壓藥物對脈搏波傳導速度影響的差異及其高敏C反映蛋白和假性血管性血友病因子的相關性[J].中國動脈硬化雜志,2011,19(8):639-696.

[16] 安鳳霞,沈彥明,鞠煒仙,等.老年高血壓患者血壓變異性與踝臂動脈脈搏波傳導速度的相關性研究[J].實用老年醫學,2015,29(9):734-736.

本文編輯 袁雋玲

Study on the Correlation Between Systolic Blood Pressure and Pulse Wave Transit Time in Outpatient Patients

WANG Lia, LI Beib, LEI Yong-hongc, CAI Bao-longd, GUO Jun-yana, HE Shi-lind

a.Department of Nursing; b.Department of Emergency; c.Department of Medical Records Management; d.Department of Information, Chinese PLA General Hospital Hainan Branch, Sanya Hainan 572013, China

ObjectiveTo explore the correlation between pulse wave transit time (PWTT) and systolic blood pressure (SBP) in outpatients.MethodsThe pulse wave data of 3280 outpatients were collected. Multiple linear regression was established by the independent variable, which might influence the systolic blood pressure (SBP). 252 cases of outpatients were collected for predictive analysis.Results① The multiple linear regression was fit well and the correlation was significant (R=0.663, F=425.875, P＜0.05);② There was significant correlation between PWTT and SBP (P＜0.05); ③ There were 82 patients in 252 of whose predicted value and the measured value error＜5 mmHg, which accounted for 32.54%; the predicted value and the measured value error＜10 mmHg was detected in 151 patients, which accounted for 59.92%.ConclusionThere was a good correlation between PWTT and SBP. It is possible to predict the early prediction of blood pressure via the correlation between PWTT and SBP, but accurate prediction is still need to be studied.

pulse wave transit time; smart watch; multiple linear regression; systolic blood pressure

R211

A

10.3969/j.issn.1674-1633.2017.08.001

1674-1633(2017)08-0001-04

2016-12-29

2017-02-22

海南省重大科技攻關項目（2013ZX03005012）；海南省高新技術課題（ZDFY2017008；ZDKJ2016008）。

何史林，解放軍總醫院海南分院信息科副主任，主要從事醫療信息化、遠程醫療和可穿戴設備研發與研究工作。

通訊作者郵箱：heshilin301@163.com