摘要

腹膜透析因其成本低、操作簡便，已被廣泛研究和應用於腎髒疾病。隨著慢性腎髒疾病在世界範圍內的發展，腹膜透析越來越受到重視。同時，隨著移動網絡技術的發展和普及，移動遠程信息處理已經開始成為主流趨勢。深圳市中醫院開發的腹膜透析遠程診療係統，通過整合臨床醫生的經驗，可以全程監控患者的腹膜透析數據。采用統計學方法對腹膜透析資料進行分析。在本文中，我們設計了一種具有藍牙傳輸協議的數據采集裝置和用戶APP，用於采集實驗患者的腹膜透析數據，並根據真實患者的臨床數據建立基於最小二乘原理的回歸模型。通過該模型，可以實時識別異常點或離散點。在臨床實踐中，根據異常點分析患者可能發生的醫療風險和不良事件，實現預測和早期提醒功能。該係統根據回歸預測的置信區間將結果告知患者，大大加強了係統的交互性，提高了患者的依從性。

關鍵字

遠程腹膜透析係統;最小二乘法;李;每分鍾過濾速率

簡介

世界範圍內長期透析的流行度正在上升。近年來，腎髒康複的概念已被腎病專家、透析專家、腎移植專家、康複專家、營養專家、指南專家、護士、理療師、患者代表[2]所熟知。持續動態腹膜透析(CAPD)治療腎衰竭患者的比例很大，目前其在腎髒替代計劃中的作用已經更加明確，技術水平穩步提高，患者的生存期[3]。腹膜透析一直受到醫療行業的高度重視，政府也積極推廣腹膜透析作為治療方案。令人興奮的科學知識如雨後春筍般在腹膜透析的各個方麵導致了對技術[4]更好的理解。

腹膜透析是腎髒替代治療最重要的方法之一，通常在家庭進行，患者的規範性和隨訪規律性在很大程度上限製了其療效。患者對治療的依從性差會導致病情惡化，往往會增加醫療成本。但由於缺乏隨訪資料，目前的腹膜透析隨訪模式存在一定缺陷，難以及時糾正患者的不規範操作。

隨著計算機技術的提高和醫療信息應用水平的提高，“醫療+互聯網”模式的建設為偏遠地區某些疾病的後續診療提供了可行的解決方案[6]。在此基礎上，遠程醫療已廣泛應用於醫療保健，這對生活在偏遠社區和地區的患者來說是一個好消息，它不僅可以為患者提供相關的信息和服務[7]，還可以支持生活在偏遠地區的患者，幫助他們保持獨立的狀態，同時讓他們更有信心，訓練有素的專業人員正在密切監測治療，隨時可以獲得幫助，具有臨床效益[8,9]。

目前，已經開發了各種遠程係統來輔助腹膜透析。曹根宏利用信息管理係統管理邊遠地區腹膜透析。他還建立了腹膜透析遠程管理係統，包括醫療客戶端和醫療患者應用程序，取代了電話中心人工記錄和通過電話[10]進行隨訪的舊管理模式。Gallar P等人通過安裝在每個患者家中[11]的視頻會議設備進行了一次醫療會話。蔡穎等通過遠程監控管理進行控製和實時指導，降低了腹膜透析患者接觸感染的幾率。因此，通過視頻監控技術對偏遠地區腹膜透析患者的管理，結合護理知識對腹膜透析的管理[12]，可以更好的照顧偏遠地區的患者。Nayak KS等人開發了平板電腦應用程序，作為支持患者的交互式用戶指南，使腹膜透析更容易獲得。此外，他們還用平板電腦教授患者，展示完整的訓練，並向患者提供手術反饋。Alfonso Bunch使用的哥倫比亞遠程自動腹膜透析係統，通過引入遠程患者監測(RPM)，為患者和臨床團隊提供雙向溝通，通過評估其越來越多的使用，顯著提高了患者的依從性和對患者的治療效果[13,14]。

過去的遠程腹膜係統雖然通過各種方式改善了醫患互動，提高了療效，但僅僅是遠程對話的工具，很少提及如何利用遠程診療數據提高質量。盡管他們在網上進行了有效的交流和互動，但並不能保證長期的穩定。人際互動監測模式需要醫護人員積極、耐心的服務，但長期觀察容易疲勞，腹膜透析中有時很難發現一些小的差異。為提高CAPD患者居家隨訪效果，降低不定期隨訪並發症風險，有效提高臨床療效和醫療服務質量，深圳市中醫院腎內科醫護人員聯合信息技術工程師團隊開發了腹膜透析遠程診療係統。係統包括計算機後台管理和移動應用兩部分。結合物聯網技術，可采集家庭CAPD每日透析超濾量、體重變化等監測指標數據。通過最小二乘法確定患者的曆史腹膜資料，可以從一個方麵監測腹膜透析的異常情況。

方法

腹膜透析遠程係統的數據采集與操作介紹

我院將腹膜透析遠程診療係統的數據，結合物聯網與腹膜治療及時提供給醫護人員。醫護人員全程監督，解決了目前CAPD治療的不足。腹膜透析液在透析過程中用藍牙設備稱重後獲得。然後，通過移動網絡將腹膜透析液數據(體重、透析時間、類型、透析患者身份)傳輸到腹膜透析實時後台係統。此外，醫務人員從患者檔案管理、腹膜透析治療信息管理、腹膜透析管理、隨訪管理等幾個方麵對患者信息進行管理。

患者與數據

深圳市中醫院醫學倫理委員會批準了該研究，批準文號:B2019043。本研究納入2017年1月至2019年6月在我院腎內科接受腹膜透析的患者36例，年齡20-68歲，其中男性15例，女性21例。所有患者均采用百特腹膜透析液治療。本研究選擇的腹膜透析數據來自接受鈣濃度為1.5%腹膜透析的患者。從腹膜透析係統獲得以下數據:腹膜透析時間(t)，流入重量(入重)，流出重量(脫重)。每分鍾的過濾速率vt是根據現有數據計算的。腹膜透析時間t =腹膜透析時間點減去輸注時間點(單位:分鍾)。考慮到患者對腹膜透析手術的依從性和規律性，手術時間180 ~ 600min內的腹膜透析為有效，未達到此時間範圍的為無效。百特腹膜透析液質量控製標準範圍為2.2±0.08 kg。當患者上傳的液體流入重量超出此範圍時，認為操作不正確，不符合規範，本研究排除。每分鍾的過濾速率v_t等於液體輸出量除以腹膜時間患者原始數據來源於深圳市中醫院腹膜透析遠程診療係統。經處理，符合標準的有效數據為20608個，如下表1所示。

	範圍	最小值	最大價值	平均價值		標準偏差	方差
	統計數據	統計數據	統計數據	統計數據	標準錯誤	統計數據	統計數據
每分鍾過濾速率(kg/min)	1.83	0.96	2.78	1.8508	0.00216	0.30999	0.096
腹膜透析時間(min)	420	180	600	367.96	0.748	107.374	11529.210

表1:每分鍾濾過率和腹膜時間的描述性統計。

腹部通信數據以藍牙傳輸協議為載體，通過改造物聯網電子秤設備采集到係統數據庫中。所有患者均被告知實驗情況並簽署知情同意書，並可隨時自由撤離，不影響常規治療。患者診療身份數據由護理人員上傳至係統並定期維護，患者可自由選擇。

腹膜透析數據的最小二乘回歸

根據上傳到腹膜係統的數據，計算CAPD患者的出水量、每分鍾過濾率和腹膜透析時間。由於每分鍾的過濾速率值非常小，為了觀察數據之間的關係，將過濾速率增加1000倍。x軸為腹膜透析時間(單位:分鍾)，y軸為每分鍾濾過率(擴大1000倍)，繪製散點圖。隨機選取1例患者資料，采用線性回歸函數。回歸ν_tt由最小二乘法求出，其中ν_t表示每分鍾濾過率(乘以1000次)和t腹膜時間:

ν_t=−0.017t + 13.107 R²= 0.9014(公式1)

之間的關係ν_tt在前麵的公式中得到了很好的表示。如前所述，R²= 0.9具有較高的整體適應度，如圖1所示。

圖1:每分鍾濾過率和腹膜透析時間的散點圖(數據來自隨機選擇的患者)。

由圖1可知，每分鍾過濾速率與時間有關。用SPSS軟件計算Pearson相關係數。20608個有效數據的結果如下表2所示。

		每分鍾過濾速率	腹膜透析時間
每分鍾過濾速率	皮爾森的相關性	1	-.939 * *
	重大(雙尾)	-	0.000
腹膜持續時間 透析	皮爾森的相關性	-.939 * *	1
	重大(雙尾)	0.000	-

表2:每分鍾濾過率與腹膜透析時間的相關性。

每分鍾過濾速率隨時間的增加而降低。但隨著時間的增加，下降速度較慢，曲線近似冪函數。每分鍾濾速與時間的Pearson相關係數為-0.939，如表2所示，兩者呈強負相關，具有統計學意義。

在部分區間範圍內，擬合曲線與實際值也存在顯著差異。然而，該模型無法描述兩者之間的變化趨勢ν_t和t。線性回歸函數模型可以進一步改進。考慮到實際曲線為冪函數形狀，假設如下:

ν_t＝在^b

式中，a、b為未知參數，t為腹膜透析時間，ν_t為每分鍾濾過率，t為腹膜時間。對公式兩邊進行對數變換，可得:

lnv_t=放大器+ blnt

讓ν_t^＊＝lnv_t,一個^＊＝采用多次t^＊＝lnt；因此，兩者之間存在線性關係ν_t^＊和t^＊可獲得的資料如下:

ν_t^＊=一個^＊+bt^＊(公式2)

以所選數據為例，采用同樣的方法ν_t和t對對數，得到的數據散點圖如下圖2所示。

圖2:每分鍾濾過率與腹膜透析時間對數變換的散點圖(數據來自圖1所選患者)。

數據質量控製方法

回歸分析采用最小二乘法，對結果進行區間估計。通過設定置信區間，計算回歸的置信區間範圍。當患者最終上傳的數據超出置信區間時，通過腹膜係統提醒患者和醫護人員數據可能超出或低於正常數據範圍。所采用的統計方法如下:

數據收集

數據來自不同的來源。第一作者(MCL)進行了所有的半結構化初始訪談(60-90分鍾)和驗證訪談(20-30分鍾)。驗證性訪談，對參與者進行驗證，以確認他們對經驗的解釋，由問題組成，以確定新的線索，突出意見之間的矛盾，並達成共識[16]。護士訪談(n=2+2為驗證訪談)在第2和第4期後在透析前診所的辦公室進行。患者/家屬訪談(n=3+2個驗證訪談)根據參與者的選擇在其家中或診所進行。在第2次決策指導會議(<1天，T1)、第4次指導會議(<3天，T2)後不久進行，對患者來說，在定期去腎病科就診後進行(T3)。訪談指南旨在根據三個主要組成部分來捕捉SDESI的演變。一份社會人口學問卷被包括以證明樣本的多樣性。除了這些數據，MCL還保留了一份研究期刊[16]。

令回歸方程按最小二乘法計算如下:

Ŷ = kX+b

式中Ŷ為因變量Y的預測值，X為自變量，k和b為回歸的估計值。利用樣本的線性回歸方程得到模型的估計值，預測值與實際值之間存在一定誤差。因此，在一定的中性水平上為預測提供一個置信區間，可以使我們的預測更有針對性。

式中，x′=待預測自變量，對應回歸方程計算的預測值x′，σ′=²表示總方差，可以用樣本方差代替:

是樣本的數量。根據式1，可以構造t統計量，得到置信水平為1-α的預測區間:

統計數據_{α/ 2}N以上公式可根據查統計表得到。所有其他變量都可以計算出來。因此，利用上述公式和預期置信度，可以設定一定的偏差範圍。當腹膜透析實際透析液輸出數據超過預測間隔時，提醒相關人員檢查腹膜液是否滲漏。實際上，隻有公式4可以預測合理的區間。統計表明，該公式是可靠的，所有變量都計算出來了，需要應用於腹膜透析的診斷。

結果

回歸結果

對腹膜時間和濾過率進行對數變換。采用SPSS 24.0軟件對整個數據進行線性回歸，評估結果如下表3和表4所示:

模型	平方和	df	均方	F	團體。
回歸	1886.886	1	1886.886	416882.771	0.000 b
剩餘	93.266	20606	0.005
總計	1980.152	20607

表3:方差分析。
a.因變量:每分鍾過濾速率(lnVt)。
b.預測因子:(常數)，腹膜透析時間(lnt)。

模型	Unstandardized係數		標準化係數	t	團體。
	B	性病。錯誤	β
常數	8.218	0.010	-	832.396	0.000
腹膜透析時間(lnt)	-1.085	0.002	-.976	-645.665	0.000

表4:回歸係數和t統計量。

回歸函數表達式如下:

lnv_t= -1.085lnt + 8.218 R²= 0.953(公式5)

在那裏,R²等於0.95，方程的整體適應度極高。由於本回歸模型中隻有一個變量，由表3得到的F值可知，回歸方程的係數不為零。由係數表的t統計量可知，常數項和獨立係數值均不為零。自變量的變化對因變量有影響。因此，出現了線性回歸函數。

結果表明，腹膜透析時間是每分鍾濾過率的重要解釋變量，每分鍾濾過率與腹膜透析時間的對數呈線性關係。即在其他條件不變的情況下，腹膜透析時間的對數增加1個單位，每分鍾濾過率的對數減少1.085個單位。對於公式5的適用性，公式6可得如下:

v_tt = 3707.1 *^-1.085公式(6)

公式6為冪函數關係，腹膜透析時間為自變量，每分鍾濾過率為因變量。讓米_t為腹膜透析期間的流出量t，則:

米_t= v_t* t公式(7)

式6可代入式8，為:

米_t＝3707.1 * t^-1.085公式(8)

質量控製結果

本研究采用最小二乘回歸方法對腹膜透析液每分鍾濾過率與腹膜時間的對數進行回歸。但本研究強調回顧方程結果的臨床實用價值。此外，腹膜透析液的重量未來可以根據曆史數據進行預測，在實際治療中應用並不廣泛。但是，比較預測值與實際值的差異，可以幫助我們了解家庭腹膜透析的實時操作是否規範，對遠程診斷和治療具有更現實的意義。通過統計方法可以實現對腹腔積液量誤差的實時校準，如圖3所示。

圖3:異常值標記的評估;橙色標記的點是異常點(數據來自隨機選擇的患者)。

圖3為我院某患者腹膜透析時間的對數(v)和對數(t)的散點圖。置信度為95%。腹膜透析期間，根據之前數據的回歸方程計算預測間隔。當患者最終上傳的數據大於預測區間的最大值時，變化點標記為橘紅色。當實際點小於預測區間的最小值時，標記為綠色，其他正常點標記為黃色。圖3顯示患者腹膜透析有三次低濾過率，無高濾過率。該模型可用於腹膜透析係統的即時提醒。患者可以輕鬆複習之前的操作步驟，醫務人員也可以減輕一些壓力，將更多精力放在其他方麵。

分析結果及討論

腹膜透析係統在背景中設置了一定的誤差範圍。通過將腹膜透析的計算值與實際上傳的數據進行比較，如果輸出量超出誤差範圍，就可以檢測出患者診療中的任何問題，也可以為相應臨床事件的防控點的建立提供可能的依據。同時，針對患者具體情況，提出患者治療方案的改進建議，建立有效的線上線下互動隨訪機製和並發症風險防控模型，緩解患者疼痛壓力，提高治療效果。

如果值超過置信區間，則腹膜透析存在問題。主要原因可以根據具體情況及時發現。但是，對於滿足置信區間的點，不能保證腹膜透析不存在問題。未來還需要進一步的探索。另外，根據腹膜透析患者的治療方案，其臨床治療以1.5%百特腹膜透析液為主。因此，本文使用的實驗數據也是基於1.5%百特腹膜透析液。對於其他場景，我們需要在未來進行進一步的研究。

結論

綜上所述，腹膜透析係統的發展促進了腹膜數據的標準化采集，為大規模的數據普查和分析提供了有效的方法。然而，在過去，遠程診療係統通常用於記錄數據，並提供遠程實時視頻、音頻、圖像等載體。很少有係統能實現數據計算的自動決策機功能。通過對腹膜透析數據的分析和處理，醫務人員可以減少並發症帶來的醫療風險，提高工作效率，提高治療效果，患者也能從中受益。應用回歸方程估計腹膜透析液容積具有重要的臨床意義。為了研究腹膜透析數據，通過對模型的不斷優化和改進，提高了腹膜數據預測的準確性，拓寬了腹膜數據的應用範圍。腹膜透析係統的開發和應用，旨在提高腹膜醫療服務，識別治療數據的實時傳輸，促進醫患之間的溝通，改善隨訪方式，從而提高療效。而且，隨著其發展，腹膜數據的完整性和可靠性得到了保證，大大降低了數據丟失和遺漏的風險，為診斷和治療提供了強有力的支持。本研究腹膜透析液每分鍾濾過率與腹膜透析時間之間的回歸函數，可為醫務人員判斷腹膜透析效果提供一定的依據。我們的目標是依靠遠程醫療係統的數據，幫助傳播關於自動診斷和治療的意識。 Although there are still some shortcomings and limitations in its use, we hope to promote the intelligent management of data, rather than just consider the remote system as a tool without thinking.

公開聲明

所有作者都聲明沒有利益衝突，也沒有資金來源。

確認

這項工作得到了撥款的支持。廣東省醫學科技研究基金項目B2019043;

感謝深圳市中醫院計算機中心團隊成員參與係統建設，感謝深圳市中醫院腎內科參與協同腹膜透析團隊，感謝深圳市Hidohear科技有限公司鍾繼榮團隊對項目開發的技術支持和幫助。

參考文獻

1. Cho Y, Bello AK, Levin A, Lunney M, Osman MA等(2021)腹膜透析使用和實踐模式:一項國際調查研究。美國腎髒病雜誌77:315-325。［Ref。］
2. 山形K, Hoshino J, Sugiyama H, Hanafusa N, Shibagaki Y，等。(2019)腎康複臨床實踐指南:腎髒疾病患者運動療法的係統評價和建議。腎髒替代療法。［Ref。］
3. 林娟，葉宏，易超，李娟，餘旭，等。(2020)腹膜透析患者抑鬱症狀對患者和技術生存的負麵影響:一項前瞻性隊列研究。Int urerol Nephrol 52: 2393-2401。［Ref。］
4. 蔣娟，王漢林，費雲雲，周曉文，彭玲，等。(2018)腹膜透析開始時血清白蛋白預測安徽漢族患者持續日間腹膜透析的長期預後:一項回顧性隊列研究。腎病雜誌(巴塞爾)4:262-268。［Ref。］
5. 張穎，陳敏，梁維昌，賴仁賢(2017)“智能與互動醫療保健係統”專題合集。J醫學係統41:121。［Ref。］
6. 賴瑞，劉宏(2018)基於網絡的智能腹膜透析係統設計。傳感器與微係統技術“，”
7. 蒙克利夫JW，波波維奇RP，奧庫坦M, Decherd JF(1976)腹膜透析係統模型。第25期年度醫學生物學14:142。
8. Ing TS, Quon MJ, Daugirdas JT, Gandhi VC, Epstein MB(1981)使用自動透析液輸送係統製備含碳酸氫鹽的腹膜透析液。國際藝術器官雜誌4:148-149。［Ref。］
9. Nayak KS, Ronco C, Karopadi AN, Rosner MH(2016)遠程醫療和遠程監測:支持腹膜透析患者。Perit Dial Int 36: 362-366。［Ref。］
10. 洪c(2017)腹膜透析遠程管理係統的設計與實現。自動化應用06:51-52。
11. Gallar P, Gutierrez M, Ortega O, Rodriguez I, Oliet A，等(2006)腹膜透析患者的遠程醫療和隨訪。Nefrologia 26: 365-371。［Ref。］
12. 蔡穎，張穎(2018)腹膜透析患者家庭遠程技術指導介入研究。醫院管理論壇35:73-74。
13. Karopadi AN, Antony S, Subhramanyam SV, Nayak KS(2013)腹膜透析遠程監測:為什麼?在哪裏?怎麼做?香港J Nephrol 15: 6-13。［Ref。］
14. Bunch A, Vesga JI, Camargo DO, Corzo L, Molano AP，等(2019)哥倫比亞的遠程自動化腹膜透析管理。腎內科報告4:873-876。［Ref。］

下載臨時PDF

條信息

文章類型:研究文章

引用:吳軍，季震，皮梅，易濤(2021)基於最小二乘原理的遠程腹膜透析係統實時監測與提醒。腎衰7(3):dx.doi.org/10.16966/2380-5498.214

版權:©2021吳傑，等。這是一篇開放獲取的文章，根據創作共用署名許可的條款發布，允許在任何媒介上不受限製地使用、分發和複製，前提是要注明原作者和來源。

出版的曆史:

收到日期:2021年5月31日

接受日期:2021年7月1日

發表日期:2021年7月12日