پیش بینی افت فشار خون بیماران دیالیزی با استفاده از اطلاعات ضربان قلب و غلظت خون

نوع مقاله: مقاله کامل پژوهشی

نویسندگان

1 کارشناسی ارشد، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیر کبیر

2 دانشگاه صنعتی امیر کبیر، دانشکده مهندسی پزشکی، استاد

3 سازمان پژوهش‌های علمی- صنعتی ایران، پژوهشکده برق و کامپیوتر، استادیار

4 دانشگاه صنعتی امیر کبیر، دانشکده مهندسی پزشکی، کارشناسی

10.22041/ijbme.2012.13168

چکیده

افت فشار خون بیماران دیالیزی در حین فرآیند همودیالیز از شایع ترین مشکلاتی است که امروزه حدود 20 الی 30 درصد از بیماران دیالیزی با آن روبرو هستند. در راستای جلوگیری از این افت فشار، می‌بایست فشار خون بیمار دیالیزی را در حین فرآیند همودیالیز حتی المقدور به صورت پیوسته و غیرتهاجمی اندازه‌گیری کرد. اما از آنجائی که این کار عملاً امکان پذیر نیست و دستگاه‌های اندازه‌گیری غیر تهاجمی و پیوسته‌ی افت فشار خون محدود و بسیار گران قیمت می‌باشند لذا می‌بایست با استفاده از پارامتر‌های مرتبط با افت فشار خون به این مقصود رسید. با توجه به ارتباط تغییرات غلظت خون و ضربان قلب با تغییرات فشار خون بیماران دیالیزی، در این مطالعه به ارائه مدلی پرداختیم که بتواند به وسیله‌ی تغییرات غلظت خون و ضربان قلب، فشار خون بیمار دیالیزی را پیش بینی نماید تا دیگر نیازی به اندازه‌گیری مستقیم فشار نباشد. در این راستا با استفاده از دستگاه‌های اندازه‌گیری تغییرات غلظت خون، ضربان قلب و فشارخون به ثبت داده های کلینیکی از 14 بیمار دیالیزی و پس از آن با استفاده از داده های کلینیکی به ارائه مدل شبکه عصبی پرداختیم که این مدل توانائی پیش‌بینی افت فشار خون بیمار دیالیزی با استفاده از اطلاعات ضربان قلب و غلظت نسبی خون را با خطای 8/3 درصد دارا می‌باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Using Heart Rate and Blood Concentration Data in Order to Predict Hypotension of Hemodialysis Patients

نویسندگان [English]

  • Vahid Abouie 1
  • Farzad Towhidkhah 2
  • Vahid Reza Nafisi 3
  • Hani Sharifian 4
1 1M.Sc, Faculty of Biomedical Engineering, Amirkabir University of Technology
2 Associated Professor, Faculty of Biomedical Engineering, Amirkabir University of Technology
3 3Assistant Professor, Faculty of Biomedical Engineering, Amirkabir University of Technology
4 B.Sc, Faculty of Biomedical Engineering, Amirkabir University of Technology
چکیده [English]

Today, Dialysis hypotension during hemodialysis process is the most common problems for about 20 to 30 percent of dialysis patients. In order to avoid this hypotension, blood pressure should be measured during dialysis process continuously and noninvasively But it is practically impossible and few devices for noninvasive and continuous blood pressure measurement are very expensive. Considering this subject, the parameters related to blood pressure should be used to reach this goal. The blood concentrations and heart rate changes are associated with blood pressure in dialysis patients, so in this study, we determined a model by these two parameters in order to predict the blood pressure of hemodialysis patients. After measuring blood concentration, Heart rate and blood pressure from 14 dialysis patients, using neural network model, we determined a new model that can predict blood pressure in dialysis patient by using blood concentration and heart rate data with 3.8 percent error between the real pressure and the pressure that predicted by the model.

کلیدواژه‌ها [English]

  • Hemodialysis
  • Hypotension
  • Patient's Blood Concentration
  • Neural Networks
  • Prediction of blood pressure

[1]     جان تی داکراس، پیتر جی بلیک، تاد اس لینگ، "دیالیز"، گروه مترجمان، ویرایش سوم، چاپ اول، تهران: انتشارات دلیر، 1382

[2]     گروه نویسندگان، "پرستار و دیالیز"، ویرایش دوم، وزارت بهداشت درمان و آموزش پزشکی، معاونت سلامت، اداره پیوند و بیماری های خاص: شرکت انتشارات لحظه، پاییز 1388

[3]     Oda Masami, Hokama Sanehiro, Sugaya Kimio, Hatano Tadashi, Ogawa Yoshihide, Department of Urology, School of Medicine,University of the Ryukyus, Okinawa, Japan, “New Blood Volume Monitoring Method for Hemodialysis: A-V Pressure Gradient Measurement by Synchronized One point Reading”, Artificial Organs, 2004, 28(7), pp.683–689

[4]     www.vascularweb.org

[5]     Maejima S., Iwamoto T., Kobayashi S., “Analysis of the Optimal Body Fluid Level Using a Body Composition Analyzer As Well As Crit-Line in Patients Undergoing Hemodialysis”, Tousekikaishi, 1999,32, pp.199–203

[6]     Kouw PM., Olthof CG., Ter Wee PM., et al., “Assessment of Postdialysis Dry Weight: An Application of the Conductivity Measurement Method”, Kidney Int, 1992, 41, pp.440–444

[7]     Yamauchi T., Yanai M., Takahashi S., Man N-K., “Blood Density Monitoring During Dialysis”, Artif Organs, 1996, 20, pp.981–985

[8]     De Vries J-P PM., Olthof CG., Visser V., et al., “Countinuous Measurement of Blood Volume Uring Hemodialysis by an Optical Method”, ASAIO J, 1992, 38, pp.181–185

[9]     Ishihara T., Igarashi I., Kitano T., Shinzato T., Maeda K., “Continuous Hematocrit Monitoring Method in an Extracorporeal Circulation System and Its Application for Automatic Control of Blood Volume During Artifical Kidney Treatment”, Artif Organs, 1993, 17, pp.708–716

[10] Yokose S., Miyamoto J., “Beneficial Effects on Intra- Dialytic Hemodynamic Stability of the Applications of Blood Volume Monitor and Blood Temperature Monitor”, Jpn J Art Organs, 2000, 29, pp.399–406

[11] Judith J. Dasselaar et al., “Measurement of Relative Blood Volume Changes During Haemodialysis: Merits and Limitations”, Nephrol Dial Transplant, 2005, 20, 2043–2049

[12] Steuer R., Harris D., Conis J. “A New Optical Technique for Monitoring Hematocrit and Circulating Blood Volume: Its Application in Renal Dialysis”. Dial Transplant, 1993, 22, pp.260–265

[13] Mancini E., Santoro A., Spongano M., et al., “Continuous On-line Optical Absorbance Recording of Blood Volume Changes During Hemodialysis”, Artif Organs, 1993, 17, pp.691–694

[14] Paolini F., Mancini E., Bosetto A., Santoro A. “Hemoscan: A Dialysis Machine-Integrated Blood Volume Monitor”. Int J Artif Organs, 1995, 18(9), pp.487–494

[15] Johner C., Chamney PW., Schneditz D., Kramer M. “Evaluation of an Ultrasonic Blood Volume Monitor”. Nephrol Dial Transplant, 1998, 13, pp.2098–2103

[16] Schneditz D., Pogglitsch H., Horina J., Binswanger U., “A Blood Protein Monitor for the Continuous Measurement of Blood Volume Changes During Hemodialysis”, Kidney Int., 1990, 38, pp.342–346

[17] Andrulli S., Colzani S., Mascia F. et al., “The Role of Blood Volume Reduction in the Genesis of Intradialytic Hypotension”, Am J. Kidney Dis, 2002, 40, pp.1244–1254

[18] Mitra S., Chamney P., Greenwood R., Farrington K., “Linear Decay of Relative Blood Volume During Ultrafiltration Predicts Hemodynamic Instability”, Am J. Kidney Dis, 2002, 40, pp.556–565

[19] Santoro A., Mancini E., Paolini F., Zucchelli P. “Blood Volume Monitoring and Control”. Nephrol Dial Transplant, 1996, 11(Suppl 2), pp.42–47

[20] Schneditz D., Moser M., Smolle-Juttner FM., Dorp E., Pogglitsch H., Kenner T., “Methods in Clinical Hemorheology: The Continous Measurement of Arterial Blood Density and Blood Sound Speed in Man”, Biorheology, 1989, 27, pp.895-902

[21] DeCarlo R., Meirina C., “Parameter Identification and Adaptive control of an Ultrafiltration Process in Hemodialysis”, Proceedings of the American Control Conference, Chicago, USA, 2000, June, pp.2967-2971

[22] Judith J. DASSELAAR. “Relative Blood Volume Measurements During Haemodialysis: Comparison Between Three Noninvasive Devices”. Haemodialysis International, 2007, 11, pp.448–455

[23] Greenwood RN., Aldridge C., Cattell WR., “Serial Blood Water Estimations and In-Line Blood Volume Viscometry: The Continuous Measurments of Blood Volume During Dialysis Procedures”, Clin Sci, 1984, 66, pp.575-583

[24] “The CRIT-LINE IIITQA System User Manual”. Hema Metrics, Kaysville, UT, U.S.A

[25] www.blog.suntechmed.com

[26] Faizan Javed ., Andrey V. Savkin ., Gregory S. H. Chan .,Paul M. Middleton ., Philip Malouf ., Elizabeth Steel .,James Mackie .,Teddy M. Cheng., “Model predictive control of relative blood volume and heart rate during hemodialysis “, Med Biol Eng Comput, 2010, 48,pp.389–397

[27] http://en.wikipedia.org/wiki/Mean_arterial_pressure

[28] Santoro A., Mancini E., Paolini F., Spongano M, Zuccelli P., “Automatic control of blood volume trends during he- modialysis“ , ASAIO, 1994 J, 40, M419- M422.

[29] Santoro A., Mancini E., “Biofeedback in blood volume regulation during hemodialysis “ , Nefrologia, 1997, 17(suppl 1), 56-60

[30] Santoro A., Mancini E., Paolini F., “ Blood volume regulation during hemodialysis“ ,Am J Kidney Dis, 1998, 32(5) ,739-48

[31] Antonio Santoro., Elena Mancini., Carlo Basile., Luigi Amoroso., Salvatore Di Giulio., Mario Usberti., Giuliano Colasanti., Giuseppe Verzetti., Alessandro Rocco., Enrico Imbasciati., Giovanni Panzetta., Roberto Bolzani., Fabio Grandi and Maurizio Polacchini , “Blood volume controlled hemodialysis in hypotension-prone patients: A randomized, multicenter controlled trial “ , Kidney International, 2002, 62, 1034–1045

[32] Santoro A, Mambelli E, Canova C, Lopez A, Sestigiani E, Mancini E., “Biofeedback in dialysis “ , J Nephrol. Nov-Dec, 2003, 16 Suppl 7, S48-56.

[33] Abouei Vahid., Sharifian Hani., Towhidkhah Farzad., Nafisi Vahidreza., Abouie Hamid., “Using neural network in order to predict hypotension of hemodialysis patients” , Electrical Engineering (ICEE), 19th Iranian Conference on , 2011, pp.1-4