30秒坐立试验联合慢性阻塞性肺疾病患者自我评估测试评分对运动性低氧的预测价值及临床应用研究

背景慢性阻塞性肺疾病(COPD)是老年患者常见呼吸系统疾病之一,活动时外周经皮血氧饱和度(SpO_(2))下降是普遍存在的现象,与疾病预后存在相关性,目前诱导运动性低氧(EID)的评估结论不一。目的探究适合社区及居家COPD患者诱导EID的方法。方法回顾性选择中日友好医院2021年1月—2023年8月收治的76例COPD稳定期患者为研究对象。收集六分钟步行测试(6MWT)中静息SpO_(2)与运动中最低SpO_(2)(ΔSpO_(2)),以ΔSpO_(2)≥4%为EID判定标准。根据有无EID分为非EID组和EID组,比较两组的肺功能指标、30秒坐立试验(30s STST)ΔSpO_(2)、COPD患者自我评估测试(CAT)评分。探究EID与30s STSTΔSpO_(2)、CAT评分的关系;采用受试者工作特征(ROC)曲线分析30s STSTΔSpO_(2)、CAT评分及二者联合对EID的预测价值。结果非EID组(n=29)与EID组(n=47)中30s STSTΔSpO_(2)、CAT评分比较,差异有统计学意义(P<0.05);30s STSTΔSpO_(2)预测EID截断值为2%,灵敏度为59.6%,特异度为82.8%,ROC曲线下面积(AUC)为0.730(95%CI=0.614~0.846,P<0.05);CAT评分预测EID截断值为13分,灵敏度为48.9%,特异度为79.3%,AUC为0.712(95%CI=0.596~0.828,P<0.05);30s STSTΔSpO_(2)联合CAT评分预测EID的截断值为0.593,灵敏度为70.2%,特异度为72.4%,AUC为0.765(95%CI=0.659~0.871,P<0.001)。结论30s STST诱发SpO_(2)≥2%、CAT评分≥13分,需警惕EID的发生可能;30s STST、CAT评分可以成为社区及居家预测稳定期COPD患者诱导EID的测评方法。

数字肺音人工智能分析与临床医师判断的一致性研究

目的评估数字肺音人工智能分析与临床医师判断的一致性。方法本研究为诊断性实验。采用非随机抽样方法应用2737条选自《国家远程医疗与互联网医学中心数字听诊平台》的真实的临床数字肺音数据,应用Luntech®数字听诊人工智能分析结果判断,根据肺音的粗糙程度、是否有啰音、啰音的强度、是否有干啰音和是否有湿啰音5个方面进行分类整理后建立人工智能分析结果数据库。同时,制定统一分类定义,临床医师对数字肺音进行以上5个方面判断,对比分析数字听诊人工智能和医师听诊的肺音分析结果的一致性。应用描述性方法对肺音图变化特征进行整体描述;以医师判断结果为"金标准",应用混淆矩阵计算分类准确度、召回率、虚警率、精确度、kappa值评价两者的一致性。结果Luntech®数字听诊人工智能分析对于是否为异常肺音、有无呼吸音粗糙、有无啰音、有无干啰音和有无湿啰音的判断准确度分别为98.39%、95.14%、96.60%、97.84%和96.97%,召回率分别为96.60%、88.34%、91.65%、92.70%和86.68%,虚警率分别为3.48%、2.43%、1.03%、0.92%和0.63%,精确度分别为97.00%、92.86%、97.71%、97.08%和96.98%;并且一致性良好(kappa值分别为0.931、0.873、0.921、0.941和0.898);对于啰音强度的判断结果具有较好的一致性(湿啰音kappa值=0.790,干啰音kappa值=0.889)。肺音图具有明显形态特征,人工智能肺音分析指数及肺音图可敏感反应肺音性质的变化。结论数字肺音人工智能分析及肺音图与临床医师判断有较好一致性。