Técnicas de processamento não linear de sinais aplicadas à investigação de limitações práticas do procedimento de ventilação mecânica não invasiva

Exportado OPUSMade available in DSpace on 2019-08-10T22:32:58Z (GMT). No. of bitstreams: 1 giovani_guimaraes_rodrigues___doutorado.pdf: 16164449 bytes, checksum: 3a466bf3fd1a6591dfaa1828684472f7 (MD5) Previous issue date: 6Os indivíduos portadores de disfunções do sistema respiratório ou em recuperação de cirurgias complexas podem ter dificuldade para sustentar a respiração de forma espontânea. A ventilação mecânica é um procedimento clínico que provê suporte para a manutenção da ventilação enquanto o paciente se recupera. A ventilação mecânica não invasiva é especialmente digna de nota, pois pode ser utilizada fora do hospital, nos cuidados em domicílio. Este trabalho investiga aspectos da dinâmica ventilatória durante a ventilação não invasiva por meio de técnicas de processamento não linear de sinais. Vazamento é inerente à ventilação não invasiva quando a máscara utilizada para administrar a ventilação possui abertura para evitar a reinalação de gás carbônico. Esse vazamento, dito intencional, pode ser levado em consideração após a caracterização experimental da condutância de vazamento da máscara. A interface rosto-máscara e a boca na ventilação por máscara nasal são rotas alternativas para o vazamento de ar. O vazamento não intencional compromete a administração da ventilação minuto ou volume corrente especificado para o paciente. Além disso, o vazamento influencia o desempenho do ventilador, pois (i) os critérios de disparo e ciclagem da assistência ventilatória são usualmente definidos em termos da vazão paciente; e (ii) torna-se difícil manter uma pressurização apropriada na máscara na existência de fugas. Neste trabalho, o filtro de Kalman estendido integra um modelo para a mecânica respiratória e medições da pressão na máscara e da vazão na saída do ventilador para a estimação do vazamento. A abordagem baseada no filtro de Kalman é comparada com outro método para a estimação de vazamento no contexto de um perfil de interação paciente-ventilador. A identificação de sistemas permite derivar modelos matemáticos para sistemas dinâmicos descritos por sequências de dados. Essa técnica é especialmente útil quando o conhecimento previamente disponível sobre o sistema em estudo é reduzido. Sinais de pressão e vazão registrados em sessões de ventilação não invasiva são investigados por intermédio da identificação de sistemas. A dinâmica subjacente a estes sinais é representada por modelos NARMAX polinomiais e em redes RBF nas configurações entrada-saída e autônoma. Os modelos são inicialmente validados em simulação livre. Em complemento, a qualidade dos modelos é avaliada pela comparação de características estáticas, de um índice de desempenho em simulação livre e pela sincronização da saída do modelo aos dados de validação. O início da caracterização topológica de um modelo RBF autônomo para os sinais ventilatórios também é apresentada. Sequências de dados derivadas de sinais polissonográficos são processadas utilizando se ferramentas desenvolvidas no escopo da teoria de sistema dinâmicos não lineares. As ferramentas empregadas neste trabalho são a análise simbólica, os gráficos de recorrências conjuntas e os modelos discretos de Markov. Essas ferramentas não são concorrentes e podem ser integradas para compor uma descrição mais ampla da dinâmica em questão. A metodologia de análise utilizada privilegia a identificação de padrões e da organização destes padrões ao longo do tempo. Desse modo, ela independe das especificidades do quadro clínico dos pacientes. Os gráficos de recorrências conjuntas constituem uma ferramenta promissora para a análise de sinais advindos de ventilação não invasiva noturna. Os quantificadores das distribuições de linhas diagonais e verticais permitem diferenciar um quadro em que o paciente dorme regularmente enquanto é ventilado sem assincronismos de outro em que tanto o sono quanto a ventilação são irregulares.Individuals with respiratory system dysfunctions or who are recovering from complex surgeries may have difficulty to sustain spontaneous breathing. The mechanical ventilation is a clinical procedure that supports ventilation until the patient is recovered. Noninvasive mechanical ventilation is especially remarkable as it can be used outside the hospital, in home care. This work investigates the ventilatory dynamics during noninvasive ventilation administration using nonlinear signal processing techniques. Leakage is inherent in noninvasive ventilation when the mask used to supply ventilation has an opening to avoid CO2 reinhalation. This intentional kind of leakage may be takeninto account after an experimental characterization of the mask leakage conductance. The face-mask interface and the mouth in nasal mask ventilation are alternative routes to air leakage. The non intentional leakage may be a hindrance to the ventilatory goals specified to the patient. It may also impact the ventilators performance as (i) trigger andcycling criteria are usually defined regarding the patient airflow; and (ii) it is harder to keep an appropriate pressurization at the mask. In this work, the extended Kalman filter integrates a model to the respiratory mechanics with measurements of mask pressure and airflow at the ventilatory circuit to estimate leakage. The Kalman filter based approachis compared with another method of leakage estimation considering a patient-ventilator interaction profile. System identification allows to derive mathematical models for dynamical systems described by data sequences. This technique is especially useful when the knowledgeavailable about system behavior is limited. Pressure and airflow signals acquired during sessions of noninvasive ventilation are analyzed using system identification. The underlying dynamics is represented by NARMAX polynomial and RBF network models in both input-output and autonomous configurations. These models are initially validated in free-run simulation. After that, models are also evaluated by comparing static characteristics, performance indexes in free-run simulation and model output synchronization to validation data. An initial topological characterization for an autonomous RBF model is also presented. Data sequences derived from polysomnographic signals are processed using tools developed in the scope of nonlinear systems theory. The tools used in this work are the symbolic analysis, joint recurrence plots and discrete Markov models. These tools may be integrated to compose a wider description of the underlying dynamics. The employed analysis methodology focuses on pattern identification and on the organization of such patterns along time. So, it does not depend on specificities of patient clinical status. The joint recurrence plots are a promising tool to analyze signals from nocturnal noninvasive ventilation. Quantifiers for the diagonal and vertical lines distributions may discriminate opposite profiles of ventilation and sleep