Proyecto de Implementación de Soluciones de Detección y Supresión de Oscilaciones Cardiogénicas en Sistemas de Ventilación Mecánica

Abstract

[ES] Los sistemas de ventilación mecánica aportan apoyo ventilatorio a pacientes con insuficiencia respiratoria grave, por ello se utilizan, especialmente, en unidades de cuidados intensivos y durante procedimientos quirúrgicos con anestesia general. Se trata de sistemas de soporte vital, por lo que su correcto funcionamiento es crucial. Su activación automática se basa en medidas de presión y flujo de aire, sin embargo, éstas pueden verse afectadas por los cambios de volumen torácico causados por las contracciones cardíacas. Así pues, pueden aparecer variaciones cíclicas en estas medidas, que se conocen como oscilaciones cardiogénicas. Éstas pueden conducir a la autoactivación del sistema de ventilación mecánica de forma inadecuada y, consecuentemente, a un funcionamiento subóptimo que puede provocar el empeoramiento del estado de salud del paciente. Por esta razón, el presente trabajo se centra en la implementación de soluciones para la detección y eliminación de las oscilaciones cardiogénicas de las señales utilizadas por los ventiladores mecánicos. Para cumplir con este objetivo, se analizan señales de ECG (particularmente de las derivaciones II, V5 y aVR), de CO2 y de flujo de aire obtenidas de pacientes bajo anestesia general. Acto seguido se comprueba la presencia de oscilaciones cardiogénicas en estos dos últimos registros. Además, se implementan señales sintéticas sobre las que se ensayan técnicas de suavizado con la intención de obtener señales libres de contaminación por oscilación cardiogénica que permitan conseguir un correcto funcionamiento de los ventiladores mecánicos empleados en el ámbito de las unidades de cuidados intensivos. Concretamente se estudia la aplicación de métodos de media móvil, mediana móvil, regresión (LOWESS, LOESS, RLOWESS y RLOESS), método de Gauss y método de Savitzky-Golay. Posteriormente los resultados se validan con los registros reales de los pacientes disponibles. Finalmente, se ha comprobado que para eliminar las oscilaciones cardiogénicas de las señales de flujo el método de regresión lineal puede considerarse el más adecuado. Por otro lado, para las señales de CO2 se consigue mayor reducción con el método de mediana móvil.

[EN] Mechanical ventilation systems provide ventilatory support for patients with severe respiratory failure and are, therefore, used specially in intensive care units and during surgical procedures under general anesthesia. These are life support systems, so their proper functioning is crucial. Its triggering is based on pressure and airflow measurements; however, these can be affected by changes in thoracic volume caused by cardiac contractions. Thus, cyclic variations may appear in these measurements, which are known as cardiogenic oscillations. These can lead to autotriggering of the mechanical ventilation system, which is an inadequate activation, and, consequently, it can cause suboptimal performance that can lead to a deterioration in the patient's health status. For this reason, the present work focuses on the implementation of solutions for the detection and elimination of cardiogenic oscillations of the signals used by mechanical ventilators. To meet this objective, ECG (particularly leads II, V5 and aVR), CO2 and airflow signals obtained from patients under general anesthesia will be analyzed. The presence of cardiogenic oscillations in these last two recordings is then verified. In addition, synthetic signals are implemented on which smoothing techniques are tested with the intention of obtaining signals free of contamination by cardiogenic oscillations that allow the correct operation of mechanical ventilators used in intensive care units. Specifically, the application of moving average, moving median, regression (LOWESS, LOESS, RLOWESS and RLOESS), Gaussian and Savitzky-Golay methods is studied. Subsequently, the results are validated with the patient records available. Finally, it is found that, to remove cardiogenic oscillations from the flow signals, the linear regression method can be considered the most adequate. On the other hand, for CO2 signals, greater reduction is achieved with the moving median method.