一种客观检测心肺运动试验中叹息的新方法：基于15点滚动中值滤波的自动量化研究

《Scientific Reports》：An objective method to detect sighs during cardio-pulmonary exercise testing

本研究针对心肺运动试验(CPET)中缺乏客观量化叹息方法的问题，开发了一种基于15点滚动中值滤波的自动检测算法。通过两个瑞士队列验证，该方法在203次自动检测的潮气量(VT)尖峰中准确识别出199次叹息，评分者间一致性高达0.89。该技术首次实现了CPET中叹息的客观量化，为建立正常值和探索叹息与呼吸困难症状的关联提供了可靠工具。

　　

在临床实践中，功能性呼吸困难(DB)患者常表现为异常呼吸模式，其中过度叹息被视为重要特征之一。心肺运动试验(CPET)作为评估呼吸困难的重要工具，虽能主观识别叹息现象，但长期以来缺乏客观量化的标准方法。这导致诊断结果易受评估者主观影响，且无法进行系统量化分析。特别是在新冠后遗症(PCC)患者中，频繁叹息的观察结果因缺乏客观标准而难以进行跨研究比较。

目前对叹息的识别主要依赖经验性定义：即潮气量(V_T)超过平均值的两倍。然而运动过程中V_T存在自然上升趋势，传统均值法易受异常值干扰。更棘手的是，大多数CPET软件仅保存未经滤波的逐周期原始数据，而非高分辨率流量-时间曲线，这为开发通用检测方法带来巨大挑战。

为突破这一技术瓶颈，研究团队开展了一项创新性方法学研究。他们巧妙利用两个瑞士长新冠队列的临床数据，通过三步法开发验证了一套全新的自动检测系统。该方法的核心突破在于发现15点滚动中值滤波能最优解决趋势跟踪与异常值敏感的平衡问题。

研究首先在推导队列(n=48)中系统比较了9种滤波方法（包括7/11/15点的均值、中值和复合滤波）。通过三位专家对滤波效果的盲法评估，最终确定15点滚动中值滤波对异常值的稳定性最佳。如图3所示，该滤波能准确跟踪基础呼吸趋势而不受叹息峰值的影响。

在验证阶段，研究团队将该方法应用于77名患者的CPET数据，检测到203个V_T尖峰。为确保准确性，两位资深评估者利用125Hz高分辨率数据重建的容量-时间和流量-时间曲线进行盲法验证。结果显示199个(98%)自动检测的尖峰确认为叹息事件，评分者间一致性系数高达0.89。图5展示了典型叹息的波形特征：吸气容量显著增加，吸气流量相对恒定，常伴随功能性残气量轻度降低。

关键技术方法包括：使用15点滚动中值滤波处理逐周期原始数据，设定V_T超过滤波值2倍为检测阈值；通过高分辨率数据重建呼吸周期，采用巴特沃斯高通滤波消除漂移，利用互相关算法实现与设备数据的时序同步；基于瑞士两个长新冠患者队列（推导队列48人，验证队列77人）进行方法学验证。

选择对VT异常值影响最小的自动方法

研究发现，在9种测试滤波器中，15点滚动中值滤波对异常值的稳定性显著优于均值滤波和复合滤波。如表3所示，该方法在推导队列中检测到214个V_T异常值，数量最多且受异常值干扰最小。图4直观展示了均值滤波易受异常值抬升而漏检叹息的现象。

应用滤波器检测VT异常值并验证叹息识别

在验证队列中，47名患者共检测到203个V_T异常值。经高分辨率数据验证，199个(98%)被确认为真实叹息。4个假阳性中，3个源于异常深呼气，1个由鼻夹暂时脱落引起。该方法特异性达98%，表明自动检测结果高度可靠。

讨论

本研究首次建立了CPET中叹息的客观量化标准。方法优势在于：仅需设备普遍记录的逐周期数据，无需特殊采集设置；15点滚动中值滤波有效克服运动期间V_T趋势变化和频繁叹息的干扰；检测准确性经高分辨率数据严格验证。

值得注意的是，该方法主要适用于静息期和运动初期。随着运动强度增加，基础V_T上升可能导致部分叹息漏检。研究者建议将分析重点放在静息阶段，并可延长静息记录时间至5分钟以优化检测。

与既往研究相比，该方法与LOESS（局部加权回归）呼吸变异性评估形成互补：既能识别异常值（叹息），又能评估基础呼吸的离散程度，有助于区分不同的DB表型。未来研究可结合二者深入探讨叹息频率与呼吸参数变异性的关联。

研究局限性包括：需手动排除肺活量操作引起的假阳性；对打哈欠与叹息的区分能力有限；叹息定义的2倍阈值基于专家共识，最佳临界值仍需症状关联研究进一步验证。

该方法的建立为DB诊断提供了重要工具，使临床医生能客观评估叹息频率，指导呼吸康复治疗。同时为研究者探索叹息的生理机制、建立正常参考值奠定了基础，特别对长新冠患者的呼吸困难机制研究具有重要价值。

本研究发表于《Scientific Reports》，通过严谨的方法学开发与验证，解决了CPET叹息检测的标准化难题。自动量化方法的建立不仅减少了主观评估偏差，更为未来多中心研究提供了可靠技术支撑，有望推动DB诊断标准的进一步完善。