安全でない気道保護を有する成人からの頚部聴診信号の統計分析

私たちのデータ収集プロトコル、信号処理ステップ、および特徴抽出技術は、非吸引嚥下障害の被験者（Dudik,JM,Kurosu,A,Coyle,JL,Sejdiß,E:嚥下音および振動に対する嚥下障害の影響成人では、検討中）。 完全性のために、全体のプロセスは、私たちの実験グループの説明にマイナーな変更を加えて、以下に含まれています。 この研究のための議定書は、ピッツバーグ大学の機関審査委員会によって承認された。

データ収集

私たちの記録装置は、三軸加速度計と両面テープで参加者の前首に取り付けられたコンタクトマイクで構成されていました。 加速度計（ADXL327、Analog Devices、Norwood、Massachusetts）は、カスタムプラスチックケースに取り付けられ、最高の信号品質を提供するために、前述のように輪状軟骨の上に固定されました。 主な加速度計軸は、頸椎にほぼ平行であり、冠状面に垂直に整列され、それぞれ上-下軸および前-後軸と呼ばれる。 健常者の研究では同等の信号が使用されなかったため、第三の軸はこの研究には使用されなかった。 センサは、３Ｖ出力の電源（モデル１ ５ ０ ４、ＢＫ Ｐｒｅｃｉｓｉｏｎ、Ｙｏｒｂａ Ｌｉｎｄａ、Ｃａｌｉｆｏｒｎｉａ）によって動力を与えられ、得られた信号を、０． 加速度計の各軸に対する電圧信号は、両方とも、Ｎａｔｉｏｎａｌ Ｉｎｓｔｒｕｍｅｎｔｓ６ ２ １ ０ＤＡＱに供給され、ＬａｂｖｉｚｅプログラムＳｉｇｎａｌ Ｅｘｐｒｅｓｓ（Ｎａｔｉｏｎａｌ Ｉｎｓｔｒｕｍｅｎｔｓ、Ａｕｓｔｉｎ、Ｔｅｘａｓ）によって２ ０ｋＨｚで記録された。 この設定は、以前の研究で嚥下活性を検出するのに有効であることが示されている。 マイクロフォン（model C411L,AKG,Vienna,Austria）は、二つのセンサー間の接触を避け、上気道のx線図の閉塞を防ぐために、加速度計の下にわずかに気管の右側に向かって配置されたが、ほぼ同じ場所からイベントを記録した。 この場所は、嚥下音声信号を収集するのに適していると以前に説明されています。 マイクは、電源（モデルB29L、AKG、ウィーン、オーストリア）によって供給され、得られた電圧信号が前述のDAQに送信された間、”9″のボリュームで”ライン”インピーダンスに設 この信号は、嚥下音の帯域幅の上限がまだ見つかっていないため、フィルタリングされていないままにしました。 信号は20kHzでSignal Expressによってサンプリングされました。 これらのセンサは前に取り付けられ、ビデオ蛍光透視嚥下評価中にデータを収集することができたので、同時ビデオ蛍光透視画像も得られた。 Ｘ線装置（Ｕｌｔｉｍａｘ ｓｙｓｔｅｍ，Ｔｏｓｈｉｂａ，Ｔｕｓｔｉｎ，Ｃ Ａ）によって出力された画像は、ビデオキャプチャカード（Ａｃｃｕｓｔｒｅａｍ Ｅｘｐｒｅｓｓ Ｈ Ｄ，Ｆｏｒｅｓｉｇｈｔ Ｉｍａｇｉｎｇ，Ｃｈｅｌｍｓｆｏｒｄ，Ｍ Ａ）に入力され、同じＬａｂｖｉｅｗプログラムで記録された。

ピッツバーグ大学医療センター（ペンシルベニア州ピッツバーグ）でビデオ蛍光透視嚥下評価を受ける予定の嚥下障害の疑いのある76人の患者がサンプルと 参加者は、ビデオフルオロスコピー（VFS）と口腔咽頭嚥下機能の機器評価のための音声言語病理サービスに言及した人の一般的な入院患者および外来人口か 嚥下障害の患者における複数の併存疾患の高い有病率の結果として、これらの条件の相互作用は、嚥下障害を引き起こしている、単一の入院または病院 私たちのコホートの中で最も一般的な診断の中で脳卒中（17）、臓器移植（13肺、3心臓、肝臓、腎臓または複数の臓器）、特に指定されていない嚥下障害（19）、呼吸不全（7）、非 合計17人の患者（10人の男性、7人の女性、平均年齢67）が脳卒中の現在の診断を受け、残りの59人（40人の男性、19人の女性、平均年齢61）は脳卒中とは無関係の病状 主要な頭頸部手術の既往がある患者、気管切開チューブなどの前頸部を閉塞する補助装置を装備している患者、またはインフォームドコンセントを与えるのに十分な能力がない患者は研究に含まれていなかったが、他の条件は除外されなかった。 嚥下障害の患者は、ビデオ蛍光検査は、個々の患者に合わせて検査官によって日常的に変更されるように、標準化されたデータ収集手順を受けませんでした。 このデータ取得方法は、実際の臨床環境をより密接に表しています。 すべての分析されたツバメは、参加者の頭が中立的な頭の位置にある間に作られたものに限られていた。 このような努力ツバメ、声門上ツバメ、またはメンデルスゾーン操縦などの操縦で作られたツバメも除外されました。 検査中に飲み込まれた液体には、<5cpsの粘稠度を有する冷やされた（5℃）Varibar薄い液体、および≤300cpsの粘稠度を有するVaribar Nectar（Bracco、Milan、ITA）が含まれ、患者によって自己選択された快適な容積のカップから自己投与されるか、または試験官によって約3mLの容積で5mLのスプーンから投与される。 合計468ツバメ（脳卒中患者から128、なしで340）は、喉頭へのボーラスのマイナーな浸透よりも多くを持っていなかったが、53ツバメ（脳卒中患者から19、なしで34）は、より大きな浸透または残渣を持っていた。 これらのグループは、第一のグループで3以下の浸透吸引スコアを有するか、第二のスコアで4以上のスコアを有するとして分類することができ、その重要性は、次のセクションで説明される。

信号処理と解析

加速度計で記録されたデータは、信号品質を向上させるためにいくつかの処理ステップを経ました。 以前の日付に入力なしで提示されたときにデバイスから記録された信号は、デバイスのノイズの自動回帰モデルを生成するために使用されました。 次に、このモデルの係数を使用して、記録された信号からデバイスノイズを除去するために使用される有限インパルス応答フィルタを生成しました。 その後、モーションアーチファクトやその他の低周波ノイズは、最小二乗スプラインを使用して信号から除去されました。 具体的には、\(\frac{\text{\textit{Nf}}_{l}}{f_{s}}\)に等しい数のノットを持つ4次スプラインを使用しました。nはサンプル内のデータポイントの数、fsはデータの元の10kHz Ｆｌの値は、以前の研究で計算され、最適化された。 最後に，ウェーブレットノイズ技術を利用して，信号に対する広帯域ノイズの影響を最小限に抑えることを試みた。 具体的には、ソフトしきい値を持つ10次のMeyerウェーブレットを使用することを選択しました。 ここで、Nはデータセット内のサンプル数であり、ノイズの推定標準偏差であるσは、ダウンサンプリングされたウェーブレット係数の中央値を0.6745で割ったものとして定義されます。 適切な係数を再計算した後，マイクロホン信号に同じＦＩＲフィルタリングとウェーブレットノイズ技術を適用した。 このような周波数に重要な音情報が含まれているかどうかを調査していなかったため，スプラインや他の低周波除去技術はえん下音に適用されなかった。

嚥下障害の研究経験を持ち、本研究で使用された測定における相互および内部評価者の信頼性が以前に発表された研究で確立されている音声言語: 嚥下セグメントの持続時間および嚥下セグメント中の気道浸透または吸引の程度は、浸透吸引スケールを使用しています。 これらの審査員の一人は、浸透吸引スケールの共同開発者であり、セグメント持続時間の発症とオフセットを示す特定のフレームの選択と、八点浸透吸引ス 彼らはその後、これらのビデオフレームの選択方法で第二の裁判官を訓練しました。 トレーニングの後、両方の裁判官は、本研究の参加者データに含まれていなかった二十から五なじみのないビデオ記録ツバメのセットを評価しました。 判定信頼性はクラス内相関係数を用いて評価した。 評価者内および評価者間のクラス内相関係数は両方とも0.998であった。 セグメント持続時間と浸透吸引スコアのための許容可能なイントラとインターレーター信頼性の確立に続いて、第二の裁判官は、本研究で説明した各ツバメ

は加速度測定データに目をくらませ、これらの裁判官は個々のツバメを区分し、ラベル付けしました。 嚥下セグメントの開始（発症）は，嚥下ボーラスの前縁が下顎骨の枝の後縁によってｘ線画像上に投げ込まれた影と交差する時間と定義され，終了（オフセット）は舌骨が嚥下関連咽頭活動に関連する運動を完了し，休息または嚥下前の位置に戻った時間であった。 この手順によって提供された時点を使用して、振動信号および音響信号をセグメント化し、それによって個々のスワローデータを取得した。 各ツバメはまた標準的な8点のordinal臨床浸透抱負のスケール（PAのスケール）で評価され、評価の3またはより低いツバメは非吸引のツバメとして私達の分析 このスケールで3以下のスコアは、材料が上気道に入っていない（スコア1）、または喉頭の浅い浸透（スコア2）または嚥下後に喉頭に残っている飲み込まれた材料のいくつかの残留物を伴う（スコア3）のいずれかを示している。 より深い喉頭の浸透、特に気管への吸引は、4以上のスケールスコアで表され、健康な人では無視できる頻度で発生することが判明しており、我々の研究の目的のために、”安全でない”ツバメであると考えられていたため、選択された安全でないスコアのためのこのカットオフポイント。 次に、これらのＰＡスコアを、子宮頸部聴診装置を通して取得された信号と比較した。

聴診信号をフィルタリングしてセグメント化したら、各ツバメを特徴付けるためにいくつかの異なる特徴を計算しました。 時間領域では、典型的な統計式で計算できる信号の歪度と尖度を調べました。 また，以前の出版物で概説した手順に従って，複数の情報理論的特徴を計算した。 信号は、ゼロ平均および単位分散に正規化され、次に、記録されたすべての信号値を含む、ゼロから９までの範囲の１ ０の等間隔のレベルに分割された。 次に，信号のエントロピー率特徴を計算した。 これは、信号の正規化されたエントロピー率の最小値を1から減算して、完全にランダムな信号の場合はゼロから完全に規則的な信号の場合は1までの値を生成することによって求められます。 正規化されたエントロピー率は次のように計算されます

ここで、percは、指定されたシーケンスL内の一意のエントリのパーセントです。 SEはシーケンスのシャノンエントロピーであり、次のように計算されます

ここで、σ(j)は与えられた数列の確率質量関数である。 元の信号を10の代わりに100個の離散レベルに量子化することで、Lempel-Zivの複雑さを次のように計算することができました

ここで、kは分解された信号内の一意のシーケンスの数であり、nはパターンの長さです。

我々はまた、周波数領域におけるいくつかの特徴を調べた。 スペクトル重心とも呼ばれる中心周波数は、信号のフーリエ変換を取り、すべての正の周波数成分の加重平均を求めることによって単純に計算されま:

ここで、x(n)は周波数成分の大きさであり、f(n)はその成分の周波数です。 同様に，ピーク周波数は最大スペクトルエネルギーを持つＦｏｕｒｉｅｒ周波数成分であることが分かった。 信号の帯域幅をそのフーリエ変換の標準偏差として定義しました。

最後に、時間-周波数領域で信号を特性化しました。 以前の貢献は、嚥下信号がある程度非定常であり、単純なフーリエ解析よりもウェーブレット分解が適していることを発見した。 10次のMeyerウェーブレットを使用して信号を分解することを選択したのは、それらが連続的であり、既知のスケーリング関数を持ち、ガウスまたは他の一般的なウェーブレット形状と比較して時間領域での嚥下信号によく似ているためです。 与えられた分解準位のエネルギーは次のように定義されました

ここで、xは近似係数のベクトルまたは詳細係数を表すベクトルのいずれかを表します。 |π|はユークリッドノルムを表す。 信号の総エネルギーは、単に各分解レベルでのエネルギーの合計です。 そこから、ウェーブレットのエントロピーを次のように計算できます:

ここで、Erは、信号中の全エネルギーに対する所与の分解準位の相対的寄与であり、次のように与えられる。

統計分析

関連する特徴を計算した後、データセットに対してさまざまな統計比較を行いました。 まず，パラメトリック検定を用いた実行可能性を評価するために，Ｓｈａｐｉｒｏ-Ｗｉｌｋ検定によるデータの正規性とＬｅｖｅｎｅ検定による分散の等式を検定しようとした。 しかし、我々の選択した変数（PAスコア、参加者の性別、脳卒中の存在、ボーラス粘度）に基づいてデータを分離した後、我々は我々の特徴分布の約60％がこれらの仮定を満 この時点で、データを分析するためにノンパラメトリック検定を組み込むことを選択しました。

Wilcoxon signed rank検定を使用して、safe(PAスコア1-3)とunsafe(PAスコア4-8)の三つの信号すべての各特徴に関する違いを識別し、摂取したボーラスの一貫性によって層別化しました。 有意性を決定するために、≦0.05のp値を使用した。 このプロセスは、”安全でない”嚥下中の脳卒中の有無にかかわらず、嚥下障害患者の間の違いをテストするために繰り返されました。 私たちの以前の研究の結果を反映するために、私たちは、嚥下障害集団から記録された信号の性に基づいた違いを調べるために、ランク合計テストの別のセットを実行しました。 最後に，ｗｉｌｃｏｘｏｎ符号付きランク試験を用いて，データに対するボーラス粘度の影響を調べた。 以前の研究では、年齢差が大きい場合でも、頚部聴診信号に対する年齢の有意な影響はほとんど示されていないため、被験者の年齢は変数として利用されていなかった。

私たちの統計的検出力の事後推定はGPowerソフトウェアプログラムで行われました。 我々は、少なくとも0.80の目標パワーを持つLehmannの推定法を使用しました。 数学的な形で:

ここで、cは検定統計量の臨界値であり、1.64に等しい、E()とv a r()はそれぞれ期待値と分散演算子であり、Φは正規累積分布関数です。 WはMann-Whitney統計量で、1つのグループのデータポイントのランクが代替グループのデータポイントよりも低いインスタンスの数です。 可変母集団サイズのためにそれらの間の小さな変動で、我々は我々の比較が適度なサイズ（d=0.40±0.05）効果を区別するのに十分なパワーを持っていたこと