Eine statistische Analyse der zervikalen Auskultationssignale von Erwachsenen mit unsicherem Atemwegsschutz

Unser Datenerfassungsprotokoll, die Signalverarbeitungsschritte und die Merkmalsextraktionstechniken sind alle identisch mit unseren früheren Arbeiten mit nicht aspirierenden dysphagischen Probanden (Dudik, JM, Kurosu, A, Coyle, JL, Sejdić, E: Die Auswirkungen von Dysphagie auf das Schlucken geräusche und Vibrationen bei Erwachsenen, unter Überprüfung). Der Vollständigkeit halber ist der gesamte Prozess unten mit geringfügigen Änderungen an der Beschreibung unserer Versuchsgruppen enthalten. Das Protokoll für die Studie wurde vom Institutional Review Board der University of Pittsburgh genehmigt.

Datenerfassung

Unser Aufnahmegerät bestand aus einem triaxialen Beschleunigungsmesser und einem Kontaktmikrofon, das mit doppelseitigem Klebeband am vorderen Hals des Teilnehmers befestigt war. Der Beschleunigungsmesser (ADXL 327, Analog Devices, Norwood, Massachusetts) wurde in einem kundenspezifischen Kunststoffgehäuse montiert und wie zuvor beschrieben über dem Ringknorpel befestigt, um die höchste Signalqualität zu erzielen . Die Hauptbeschleunigungsmesserachsen waren ungefähr parallel zur Halswirbelsäule und senkrecht zur Koronalebene ausgerichtet und werden als superior-Inferior- bzw. Anterior-Posterior-Achse bezeichnet. Die dritte Achse wurde für diese Studie nicht verwendet, da ein vergleichbares Signal in unserer Studie an gesunden Probanden nicht verwendet wurde . Der Sensor wurde von einem Netzteil (Modell 1504, BK Precision, Yorba Linda, Kalifornien) mit einem 3V-Ausgang gespeist, und die resultierenden Signale wurden von 0,1 bis 3000 Hz mit zehnfacher Verstärkung bandpassgefiltert (Modell P55, Grass Technologies, Warwick, Rhode Island). Die Spannungssignale für jede Achse des Beschleunigungsmessers wurden beide in einen DAQ von National Instruments 6210 eingespeist und mit 20 kHz vom LabVIEW-Programm Signal Express (National Instruments, Austin, Texas) aufgezeichnet. Dieses Setup hat sich in früheren Studien als wirksam bei der Erkennung von Schluckaktivität erwiesen . Das Mikrofon (Modell C 411L, AKG, Wien, Österreich) wurde unterhalb des Beschleunigungsmessers und leicht in Richtung der rechten lateralen Seite der Luftröhre platziert, um einen Kontakt zwischen den beiden Sensoren zu vermeiden und eine Behinderung der radiologischen Sicht auf die oberen Atemwege zu verhindern. Dieser Ort wurde zuvor als geeignet zum Sammeln von Schluckschallsignalen beschrieben . Das Mikrofon wurde über ein Netzteil (Modell B29L, AKG, Wien, Österreich) mit Strom versorgt und auf ‘Line’-Impedanz mit einer Lautstärke von ‘9’ eingestellt, während das resultierende Spannungssignal an die zuvor erwähnte Datenerfassung gesendet wurde. Dieses Signal wurde ungefiltert belassen, da eine Obergrenze für die Bandbreite von Schluckgeräuschen noch nicht gefunden wurde. Das Signal wurde von Signal Express bei 20 kHz abgetastet. Diese Sensoren wurden zuvor angebracht und durften Daten während einer videofluoroskopischen Schluckuntersuchung sammeln, sodass auch gleichzeitige Videofluoroskopiebilder erhalten wurden. Die vom Röntgengerät (Ultimax System, Toshiba, Tustin, CA) ausgegebenen Bilder wurden auf eine Videoaufnahmekarte (AccuStream Express HD, Foresight Imaging, Chelmsford, MA) eingegeben und mit demselben Labview-Programm aufgezeichnet.

Insgesamt 76 Patienten mit Verdacht auf Dysphagie, die sich einer videofluoroskopischen Schluckuntersuchung am University of Pittsburgh Medical Center (Pittsburgh, Pennsylvania) unterziehen sollten, dienten als Probe. Die Teilnehmer wurden aus der allgemeinen stationären und ambulanten Population von Personen rekrutiert, die zur instrumentellen Beurteilung der oropharyngealen Schluckfunktion mit Videofluoroskopie (VFS) an den Speech Language Pathology Service überwiesen wurden. Als Folge der hohen Prävalenz von multiplen Komorbiditäten bei Patienten mit Dysphagie und die Wechselwirkungen dieser Bedingungen verursacht Dysphagie, gab es nur wenige Patienten, für die eine einzige Aufnahme oder Krankenhaus erworbene Diagnose konnte als alleinige Ursache für ihre Dysphagie lokalisiert werden. Zu den häufigsten Diagnosen in unserer Kohorte gehörten Schlaganfall (17), Organtransplantation (13 Lunge, 3 Herz, Leber, Nieren oder mehrere Organe), Dysphagie nicht anders angegeben (19), Atemversagen (7), neurologische Erkrankungen ohne Schlaganfall (6), Krebs – Lunge, Speiseröhre, Kopf-Hals (3) und Lungenentzündung (8). Insgesamt 17 Patienten (10 Männer, 7 Frauen, Durchschnittsalter 67) hatten eine aktuelle Schlaganfalldiagnose, während die restlichen 59 (40 Männer, 19 Frauen, Durchschnittsalter 61) keine schlaganfallbedingten Erkrankungen hatten. Diejenigen Patienten, die in der Vorgeschichte eine größere Kopf- oder Halsoperation hatten, mit Hilfsgeräten ausgestattet waren, die den vorderen Hals verstopften, wie z. B. ein Tracheotomietubus, oder nicht ausreichend kompetent waren, um eine Einverständniserklärung abzugeben, wurden nicht in die Studie aufgenommen, aber keine anderen Bedingungen wurden ausgeschlossen. Patienten mit Dysphagie wurden keinem standardisierten Datenerfassungsverfahren unterzogen, da die Videofluoroskopie-Untersuchung routinemäßig vom Untersucher an den einzelnen Patienten angepasst wird. Diese Methode der Datenerfassung stellt die tatsächliche klinische Umgebung genauer dar. Alle analysierten Schwalben waren auf diejenigen beschränkt, die gemacht wurden, während sich der Kopf des Teilnehmers in einer neutralen Kopfposition befand. Schwalben, die mit Manövern wie der mühsamen Schwalbe, der supraglottischen Schwalbe oder dem Mendelsohn-Manöver gemacht wurden, wurden ebenfalls ausgeschlossen. Die während der Untersuchung verschluckten Flüssigkeiten umfassten gekühlte (5 ° C) Varibar-Dünnflüssigkeit mit einer Konsistenz von < 5 cps und Varibar-Nektar mit einer Konsistenz von ≈300 cps (Bracco, Mailand, ITA), die entweder selbst verabreicht wurden aus einer Tasse in komfortablen Volumina, die vom Patienten selbst ausgewählt wurden, oder vom Untersucher in Volumina von ungefähr 3 ml aus einem 5 ml Löffel verabreicht. Insgesamt 468 Schwalben (128 von Patienten mit Schlaganfall, 340 ohne) hatten nur eine geringfügige Penetration des Bolus in den Kehlkopf, während 53 Schwalben (19 von Patienten mit Schlaganfall, 34 ohne) eine größere Penetration oder Rückstände aufwiesen. Diese Gruppen können als mit einem Penetrationsaspiration-Score von 3 oder weniger in der ersten Gruppe oder einem Score von 4 oder mehr in der zweiten Gruppe klassifiziert werden, deren Bedeutung im folgenden Abschnitt erläutert wird .

Signalverarbeitung und -analyse

Mit dem Beschleunigungsmesser aufgezeichnete Daten wurden mehreren Verarbeitungsschritten unterzogen, um die Signalqualität zu verbessern. Ein Signal, das vom Gerät aufgezeichnet wurde, wenn es an einem früheren Datum ohne Eingabe dargestellt wurde, wurde verwendet, um ein auto-regressives Modell des Rauschens des Geräts zu erzeugen. Die Koeffizienten dieses Modells wurden dann verwendet, um ein endliches Impulsantwortfilter zu erzeugen, das verwendet wurde, um das Gerätestauschen aus dem aufgezeichneten Signal zu entfernen. Anschließend wurden Bewegungsartefakte und anderes niederfrequentes Rauschen durch die Verwendung von Splines mit dem kleinsten Quadrat aus dem Signal entfernt. Insbesondere verwendeten wir Splines vierter Ordnung mit einer Anzahl von Knoten gleich \(\frac {\text {\textit {Nf}}_{l}} {f_{s}}\), wobei N die Anzahl der Datenpunkte in der Stichprobe ist, fs die ursprüngliche Abtastfrequenz von 10 kHz unserer Daten ist und fs entweder 3,77 oder 1,67 Hz für die Superior-Inferior- bzw. anterior-Posterior-Richtung ist. Die Werte für f l wurden in früheren Studien berechnet und optimiert. Schließlich haben wir versucht, die Auswirkungen von Breitbandrauschen auf das Signal durch Verwendung von Wavelet-Rauschunterdrückungstechniken zu minimieren. Insbesondere haben wir uns für Meyer-Wavelets zehnter Ordnung mit weichem Schwellenwert entschieden. Der Wert unseres Schwellenwerts wurde gleich \ (\sigma \ sqrt {2\log N}\) gewählt, wobei N die Anzahl der Abtastwerte im Datensatz ist und σ, die geschätzte Standardabweichung des Rauschens, definiert ist als der Median der heruntergesampelten Wavelet-Koeffizienten geteilt durch 0,6745. Wir haben die gleichen FIR-Filter- und Wavelet-Rauschunterdrückungstechniken auf das Mikrofonsignal angewendet, nachdem wir die entsprechenden Koeffizienten neu berechnet hatten. Es wurden keine Splines oder andere niederfrequente Entfernungstechniken auf die Schluckgeräusche angewendet, da wir nicht untersucht hatten, ob solche Frequenzen wichtige Schallinformationen enthielten.

Zwei Richter, beide Sprachpathologen mit Dysphagie-Forschungserfahrung und deren Inter- und Intra-Rater Zuverlässigkeit in den in dieser Studie verwendeten Maßnahmen wurde in zuvor veröffentlichten Untersuchungen festgestellt, die fluoroskopischen Daten visuell überprüft, um zwei Parameter zu messen: die Dauer der Schlucksegmente und das Ausmaß der Atemwegspenetration oder Aspiration während der Schlucksegmente unter Verwendung der Penetrationsaspirationsskala . Einer dieser Richter ist ein Mitentwickler der Penetrationsaspirationsskala, der Entscheidungsregeln für die Auswahl spezifischer Rahmen für den Beginn und den Versatz der Segmentdauer sowie für die Bewertung des Ausmaßes des Atemwegsschutzes während der Schwalbe anhand der Acht-Punkte-Penetrationsaspirationsskala entwickelt hat. Sie trainierten dann den zweiten Richter in Methoden der Auswahl dieser Videobilder. Nach dem Training bewerteten beide Richter eine Reihe von fünfundzwanzig unbekannten Videoaufzeichnungen, von denen keine in den Teilnehmerdaten für die vorliegende Studie enthalten waren. Die Beurteilungszuverlässigkeit wurde unter Verwendung des Intraklassen-Korrelationskoeffizienten bewertet. Der Intra-Rater- und der Inter-Rater-Intraklassen-Korrelationskoeffizient betrugen beide 0,998. Nach der Festlegung einer akzeptablen Intra- und Inter-Rater-Zuverlässigkeit für Segmentdauern und Penetrations-Aspirations-Scores bewertete der zweite Richter dann den Segmentbeginn, den Segmentversatz und die Penetrations-Aspirations-Scale-Scores für jede in der vorliegenden Studie beschriebene Schwalbe.

Geblendet von den Beschleunigungsmesserdaten segmentierten und markierten diese Richter jede einzelne Schwalbe. Der Beginn (Onset) eines Schlucksegments wurde definiert als der Zeitpunkt, zu dem sich die Vorderkante des verschluckten Bolus mit dem auf dem Röntgenbild durch den hinteren Rand des Ramus des Unterkiefers geworfenen Schatten schnitt, während das Ende (Offset) der Zeitpunkt war, zu dem das Zungenbein die mit der schluckbezogenen Pharyngealaktivität verbundene Bewegung vollendete und in seine Ruhe- oder Vorschluckposition zurückkehrte. Die durch dieses Verfahren bereitgestellten Zeitpunkte wurden verwendet, um die vibrations- und akustischen Signale zu segmentieren, wodurch individuelle Schwalbendaten erhalten wurden. Jede Schwalbe wurde auch auf einer standardmäßigen 8-Punkte-ordinalen klinischen Penetrations-Aspirations-Skala (PA-Skala) bewertet, und alle Schwalben mit einer Bewertung von 3 oder niedriger wurden als nicht aspirierende Schwalbe in unsere Analyse einbezogen. Scores von 3 oder niedriger auf dieser Skala zeigen an, dass entweder kein Material in die oberen Atemwege gelangt ist (Score von 1) oder ein flaches Eindringen des Kehlkopfes ohne (Score von 2) oder mit (Score von 3) einige Rückstände von verschlucktem Material verbleiben nach dem Schlucken im Kehlkopf. Dieser Grenzwert für Sicher-Unsicher-Scores wurde gewählt, weil eine tiefere Larynxpenetration und insbesondere Aspiration in die Luftröhre, dargestellt durch Skalenwerte von 4 und höher, bei gesunden Personen mit vernachlässigbarer Häufigkeit auftrat und für die Zwecke unserer Studie als ‘unsicher’ angesehen wurden. Diese PA-Scores wurden dann mit Signalen verglichen, die durch die zervikalen Auskultationsgeräte erfasst wurden .

Nachdem die Auskultationssignale gefiltert und segmentiert wurden, berechneten wir verschiedene Merkmale, um jede Schwalbe zu charakterisieren. Im Zeitbereich untersuchten wir die Schiefe und Kurtose des Signals, die mit den typischen statistischen Formeln berechnet werden können . Wir berechneten auch mehrere informationstheoretische Merkmale, indem wir das in früheren Veröffentlichungen beschriebene Verfahren befolgten. Die Signale wurden auf den Mittelwert und die Varianz der Einheiten auf Null normalisiert und dann in zehn gleich beabstandete Pegel von Null bis neun unterteilt, die alle aufgezeichneten Signalwerte enthielten. Wir haben dann das Entropieratenmerkmal der Signale berechnet. Dies wird gefunden, indem der Minimalwert der normierten Entropierate des Signals von 1 subtrahiert wird, um einen Wert zu erzeugen, der von Null für ein vollständig zufälliges Signal bis eins für ein vollständig regelmäßiges Signal reicht . Die normalisierte Entropierate wird berechnet als

wobei perc der Prozentsatz der eindeutigen Einträge in der angegebenen Sequenz L ist. SE ist die Shannon-Entropie der Sequenz und berechnet sich als

wobei ρ(j) die Wahrscheinlichkeitsmassenfunktion der gegebenen Sequenz ist. Durch die Quantisierung des Originalsignals auf 100 diskrete Pegel anstelle von zehn konnten wir die Lempel-Ziv-Komplexität wie folgt berechnen

wobei k die Anzahl der eindeutigen Sequenzen im zerlegten Signal und n die Musterlänge ist.

Wir haben auch einige Merkmale im Frequenzbereich untersucht. Die Mittenfrequenz, manchmal auch als spektraler Schwerpunkt bezeichnet, wurde einfach berechnet, indem die Fourier-Transformation des Signals genommen und der gewichtete Durchschnitt aller positiven Frequenzkomponenten ermittelt wurde:

wobei x (n) die Größe einer Frequenzkomponente und f (n) die Frequenz dieser Komponente ist. In ähnlicher Weise wurde festgestellt, dass die Spitzenfrequenz die Fourier-Frequenzkomponente mit der größten spektralen Energie ist. Wir haben die Bandbreite des Signals als Standardabweichung seiner Fourier-Transformation definiert .

Zuletzt charakterisierten wir unser Signal im Zeit-Frequenz-Bereich. Frühere Beiträge fanden heraus, dass diese Signale bis zu einem gewissen Grad nicht stationär sind , wofür die Wavelet-Zerlegung besser geeignet ist als eine einfache Fourier-Analyse . Wir haben uns entschieden, unser Signal mit Meyer-Wavelets zehnter Ordnung zu zerlegen, weil sie kontinuierlich sind, eine bekannte Skalierungsfunktion haben und den Signalen im Zeitbereich im Vergleich zu Gaußschen oder anderen gängigen Waveletformen ähnlicher sind . Die Energie in einem gegebenen Zersetzungsniveau wurde definiert als

wobei x einen Vektor der Approximationskoeffizienten oder einen der die Detailkoeffizienten repräsentierenden Vektoren darstellt. //∗// bezeichnet die euklidische Norm . Die Gesamtenergie des Signals ist einfach die Summe der Energie auf jeder Zerlegungsebene. Von dort aus könnten wir die Wavelet-Entropie berechnen als:

wobei Er der relative Beitrag eines gegebenen Zersetzungsniveaus zur Gesamtenergie im Signal ist und gegeben ist als

Statistische Analyse

Nach der Berechnung der relevanten Merkmale haben wir verschiedene statistische Vergleiche mit unserem Datensatz durchgeführt. Zunächst haben wir versucht, die Normalität unserer Daten mit dem Shapiro-Wilk-Test sowie die Gleichheit der Varianzen mit dem Levene-Test zu testen, um die Durchführbarkeit parametrischer Tests zu beurteilen. Nach der Trennung der Daten basierend auf unseren ausgewählten Variablen (PA-Score, Geschlecht des Teilnehmers, Vorhandensein von Schlaganfall, Bolusviskosität) stellten wir jedoch fest, dass ungefähr 60% unserer Merkmalsverteilungen diese Annahmen erfüllten. An dieser Stelle haben wir uns für nichtparametrische Tests entschieden, um unsere Daten zu analysieren.

Wir haben den Wilcoxon Signed Rank Test verwendet, um Unterschiede in Bezug auf jedes Merkmal aller drei Signale für sichere (PA-Werte von 1-3) und unsichere (PA-Werte von 4-8) Schwalben zu identifizieren und durch die Konsistenz des aufgenommenen Bolus zu stratifizieren. Zur Bestimmung der Signifikanz wurde ein p-Wert von ≤0,05 verwendet. Dieser Prozess wurde wiederholt, um Unterschiede zwischen dysphagischen Patienten mit und ohne Schlaganfall während des ‘unsicheren’ Schluckens zu testen. Um die Ergebnisse unserer früheren Studien widerzuspiegeln, führten wir einen weiteren Satz von Rangsummentests durch, um geschlechtsspezifische Unterschiede in den von der dysphagischen Population aufgezeichneten Signalen zu untersuchen. Schließlich wurden die Auswirkungen der Bolusviskosität auf unsere Daten mithilfe von Wilcoxon-Signed-Rank-Tests untersucht. Das Alter der Probanden wurde nicht als Variable verwendet, da frühere Arbeiten selbst bei großen Altersunterschieden nur einen geringen signifikanten Einfluss des Alters auf die zervikalen Auskultationssignale gezeigt haben .

Post-hoc-Schätzungen unserer statistischen Leistung wurden im gPower-Softwareprogramm durchgeführt . Wir verwendeten Lehmanns Schätzmethode mit einer Zielpotenz von mindestens 0,80. In mathematischer Form:

wobei c der kritische Wert der Teststatistik ist und gleich 1,64 ist, sind E () und Var () die Erwartungswert- bzw. Varianzoperatoren und Φ ist die normale kumulative Verteilungsfunktion. W ist die Mann-Whitney-Statistik und die Anzahl der Fälle, in denen ein Datenpunkt aus einer Gruppe einen niedrigeren Rang hat als die Datenpunkte in der alternativen Gruppe. Mit kleinen Abweichungen zwischen ihnen aufgrund der variablen Populationsgrößen stellten wir fest, dass unsere Vergleiche ausreichend stark waren, um mäßig große Effekte (d = 0,40 ± 0,05) zu unterscheiden.