用于健康成人呼吸频率定量的听诊器和健康应用系统的可重复性、可重复性和同时有效性:可重复性和有效性研究

简介

近年来，对一般健康人群健康促进项目的需求有所增加[1]，移动应用程序已被用于预防和管理风险因素，增加体育活动，改善饮食习惯[2]，促进减肥，减少吸烟、压力、抑郁和肥胖[3.］．通常，由于现代生活的快节奏，个人报告难以获得健康促进项目，包括建议、信息、反馈和自我监测;因此，手机应用程序可以提供另一种选择。4］．例如，监测呼吸对健康人身体表现疲劳的管理很重要[5］．

因此，呼吸频率通常由卫生保健专业人员用听诊器测量[6]，但由于自我护理的增加和医疗资源的缺乏，社会正在寻找易于使用的工具，在普通人群的范围内和理解。从这个意义上说，Vadion的呼吸计数器应用程序[7已经开发出来并测量呼吸频率。

由于该应用程序提供的关于其有效性的信息很少，本研究的目的是评估使用基于android的操作系统的智能手机应用程序的可重复性和再现性，与传统听诊器进行比较，以指导普通人群有效使用。基于健康相关应用的使用增加，我们假设应用程序和听诊器测量之间没有系统差异。我们的主要目标是证明听诊器和呼吸计数器健康应用程序方法在测量呼吸频率方面的一致性。

方法

参与者和方法

我们在2022年6月至7月期间对健康志愿者进行了一项可重复性研究。来自大学教职员工和学生的健康受试者自愿参与。

参与者

选择和纳入标准为年龄大于18岁(法定年龄)，无任何心血管、神经、呼吸或肌肉骨骼疾病。排除标准考虑了几个参数:(1)拒绝提供知情同意，(2)其他可能产生运动恐惧的伤害，以及(3)无法理解和执行研究说明。

收集了参与者的人口统计数据和每分钟呼吸频率。用两种方法测量呼吸频率:(1)在右肺上部放置听诊器[8(2) Vadion在三星Fold智能手机(Android 12操作系统，One UI 4.1)上开发的“呼吸计数器”应用[9];这款应用也可以在使用iOS系统的智能手机上使用。将打开呼吸计数器应用程序的智能手机放在腹部，不带外壳或配件，从这个位置收集测量数据1分钟。与此同时，听诊器被放置在参与者的胸部，以避免呼吸频率的任何自发波动。呼吸音在胸部前部胸骨旁的第一和第二肋间隙处听得最好。这些声音是空气通过肺部的大气道时产生的，并且已经证明了它的有效性[10，11］．

为了避免呼吸频率变化，参与者在测量前躺在担架上10分钟，每种方法连续测量3次呼吸。同一名操作员使用相同的设备，以随机顺序执行这两种方法。

样本量计算

采用G*Power 3.1.9.2软件，根据2个独立组之间的相关性进行样本量计算，采用2尾假设，效应量为0.40，α误差概率为0.05，β水平为20%，期望功率分析为80% (1-β误差概率)。因此，计算出至少44名参与者的总样本量。

统计分析

对于定量数据，使用Kolmogorov-Smirnov检验检验所有变量的分布正态性，如果数据为正态分布P> . 05。

描述性统计分析以均值(SD)和中位数(95% CI为3个测量值)表示。的Mann-WhitneyU使用独立样本测试来确定使用2个系统获得的呼吸速率值之间的系统差异。

在一个疗程中使用两种方法的3次测量建立房内重复性。使用(1,1)模型计算类内相关系数(ICC)，以确定使用每个系统时试验之间的重复性，ICC值<0.5表示重复性较差，0.5 - 0.75表示中等重复性，0.75 - 0.9表示重复性较好，> - 0.90表示重复性极好[12］．

平均的标准误差(SEM)由ICCs和SDs为每3个测量计算。SEM的计算公式为:SD ×平方根(1−ICC) [13，14］．

计算了入侵重复性的变异系数(CV)和误差百分比。CV计算为标准化到SD的平均值。这个值表示试验之间的变异量，归一化为每个变量的平均值。变异系数越高表明变量值的异质性越大，变异系数越低表明变量值的同质性越大。类似地，百分比误差计算为SEM除以每100的平均值，并提供了固有误差或归一化到平均值的可变性的估计。

为了保持一致，使用ICC比较了使用两种方法测量呼吸频率的结果[7］．使用icc计算2个系统(呼吸计数器应用程序和听诊器方法)之间的并发有效性[15］．

计算了方法误差变异系数(CVME)和95%一致限(LoA)，用于参数的绝对比较。如下公式所示，CVME值通过计算使用两个系统获得的结果之间的差异的SD所获得的CVME值转换为百分比。CVME以百分比的形式表示使用2个系统获得的值之间的差异，在这样做时，CVME可以用作临床有用的一致性指标，因为它不受样本异质性的影响[12]：

Me = sd /√2

cme = 2me / (x1 + x2) × 100%

采用Bland-Altman分析法测定LoA [16]两种测量方法之间。Bland-Altman分析通过构造LoA来量化两种测量方法之间的一致性。这些极限是通过使用两次测量之间的差值的平均值和标准差来计算的。

在Bland-Altman分析中，LoA定义为95%，因为作者建议95%的数据点应位于平均差值的2个sd内。这种分析的结果通常使用散点图以图形方式显示，其中Y轴表示2对测量值之间的差异，X轴表示这些测量值的平均值。

使用重复性系数(RCs)来评估呼吸计数器应用程序和听诊器方法之间的一致性水平。

RC是根据Bland和Altman [13]为1.96倍于配对测量之间差值的SD。两种测量系统之间的差异预计将小于该系数，概率为95%。

Pearson相关分析和线性回归分析。皮尔逊相关系数(r)用于测量测量方法之间的关联强度。相关值被认为表明了良好的相关性r=0.41-0.60，在r=0.61-0.80，当r> 0.81 [12］．

采用线性回归分析预测各系统的呼吸频率值。最后，我们制作了Bland-Altman图[13显示2台设备之间的协议。这些图显示了y轴上每对测量值与x轴上每对测量值的平均值之间的差异。

这些统计方法通常被接受用于评估2个临床测量系统的一致性，而不考虑变量和残差的分布[12］．一个P的值。05被认为是显著的(SPSS for Windows, version 20.0;SPSS Inc .)。

道德的考虑

西班牙雷伊胡安卡洛斯大学伦理委员会(代码0106202216022)批准了本研究，所有受试者在研究开始前签署了知情同意书。最后，赫尔辛基宣言和所有人体实验准则得到尊重[16］．

结果

所有变量均呈正态分布(P>.05)，除了听诊器率(P=措施)。共有56名参与者参与了这项研究(28名男性和28名女性)，他们的特征如表1．

以ICC、SEM、CV和百分比误差表示的侵入性重复性数据，以及以平均值(SD)、中位数和95% CI值表示的使用两种方法进行的可变呼吸频率重复性试验的规范数据，载于表2．试验的侵入重复性结果产生了良好的ICC、低SEM、低百分比误差和低cv。结果表明，当使用任何测试方法时，在试验中可能会出现一个小错误。

使用两种方法的变量的中位数和95% CI值显示在表3．的Mann-WhitneyU通过测试来确定两种方法获得的呼吸速率值之间的系统差异，我们确定在比较呼吸计数器应用程序和听诊器方法时，两种方法的值相似，两种方法之间没有显著差异。使用icc计算两种方法的并发有效性[1，2]导致ICC值被认为在“良好的可重复性”范围内。方法之间的相关分析显示出“良好的相关性”。其他效度参数如LoA、CV%、CVME和RC均较小，同时效度较好。

我们使用线性回归分析来评估呼吸计数器应用程序和听诊器方法之间的关系。app数据与听诊器呈显著正相关(R²= 0.521,P<.001)，如图1，回归方程为y = 0.405 + 0.937x。显著的相关性表明线性回归模型最适合使用应用程序方法进行预测。

图2显示使用这两种方法的呼吸频率的Bland-Altman图。对于每个变量和几乎每个参与者，方法之间的差异落在所有测量的95% CI内。

‎ 查看此图

‎ 查看此图

讨论

主要研究结果

本研究旨在调查在健康年轻人中使用听诊器测量的临床标准每分钟呼吸率和呼吸计数器应用程序之间的侵入重复性和并发有效性。这种类型的技术在某些情况下或在难以用传统方法(如听诊器)测量呼吸频率的患者人群中是有用的。例如，在运动员中，由于他们的呼吸频率高或缺乏听诊器，因此很难测量呼吸频率。然而，使用呼吸计数器应用程序，可以评估呼吸频率和监测性能。在家庭环境中，老年人可能很难使用听诊器;因此，使用呼吸计数器应用程序可能有助于评估呼吸频率，以及由COVID-19引起的压力或紧张或任何疾病或后遗症的潜在影响。

在我们的研究中，我们检查了一个健康的成年人。至关重要的是，呼吸频率测量系统的有效性是建立在其预期用途的人群。呼吸计数器应用程序系统在试验之间提供了一致的入侵结果，入侵变异性非常低，ICC为0.972，几乎所有的百分比误差都低于2.188%。

这些发现表明，使用应用程序测量呼吸频率适合用于评估参与组之间的差异。扫描电镜和误差百分比值是在制定基于智能手机应用程序的低成本呼吸率方法的研究方案时应该考虑的重要变量。确定显著变化的样本量可以直接基于这些入侵重复性的测量。

icc是多个数值集之间复制的数学确定，通常用于科学测量，以表示测量的可重复性[15，17］．>0.75的icc表明具有良好的重复性[15］．

虽然icc为测量设备的重复性提供了一个数值，但它们并没有描述每次执行测量时预期的误差量或固有的可变性。每次试验进行时，评估误差或变化是非常重要的，因为在获取生理数据时，预期试验之间的差异很小。SEM是另一个数学公式，它使用ICC和SD值来计算测量设备或个人的预期误差量[15］．

在这项研究中，呼吸频率变量的SEMs和百分比误差非常低，这表明在评估干预前后的变化或测量参与者组之间的差异时，使用这些变量是可以接受的。绝对重复性和相对重复性同样重要。SEM是对同一参与者重复某些测试时可能出现的误差范围的定量表达[14］．在本研究中，计算的入侵扫描电镜非常低，表明具有很强的绝对重复性。本分析中提供的SEM值将使未来的研究人员能够做出临床判断，判断哪些程度的变化是由于与试验之间或会议之间测量的正常变异性相关的错误之外的因素造成的。

呼吸计数器应用程序和听诊器方法之间没有系统差异，两种方法之间存在高度相关性。门兹等[18)表明，尽管ICC是一个比简单相关系数更合适的可重复性指标(Pearsonr和Spearman ρ)，较高的ICC并不一定保证高的重复性。如果一个样本的值分布在一个很宽的范围内，即使两个测量值之间的得分差异可能分布很广，也可以获得相对较高的ICC。因此，可以断言cv和LoA [13]必须同时使用，以减少这种内在限制的影响，并确保绝对的可重复性。

这项研究表明，在使用呼吸计数器应用程序和听诊器的健康成年人的呼吸频率参数方面，不同方法之间具有较高的重复性和一致性。所有参数的ICC为>0.793，可重复性好。呼吸频率参数的CVME值为1.83%，95%的LoA值(包括0)在狭窄范围内呈对称分布。这些结果表明，使用两种方法重复测量之间的变化很小，很少观察到系统偏倚。我们发现呼吸计数器应用程序和听诊器方法之间存在显著的相关系数，并且没有系统差异，应用程序的精度非常高。然而，两种方法的预测精度非常一致。残差分布还表明，呼吸计数器应用程序试验样本的听诊器值预测存在显著差异。研究结果表明，简单的线性模型可以恰当地表示听诊器和应用程序值之间的关联。因此，使用公认的app方法，呼吸频率可能是一个可靠的代理。

限制

事实上，呼吸频率是在健康成年人中评估的，而不是在系统性或肺部疾病患者中评估的，这可能代表了研究的局限性。虽然特定的测量方法可能对年轻健康的受试者有效，但对于呼吸频率模式异常的老年人来说可能并不适用。未来与应用程序的合作应评估高危患者(包括COVID-19患者或COVID-19后患者)中已知易测量的各种年龄或病理的可重复性和规范性值。

这是同类研究中首次将应用程序系统与传统听诊器进行比较，以检查入侵的重复性和有效性，还需要更多的研究来证明应用程序系统是评估健康成年人每分钟呼吸频率的有效工具。

结论

呼吸计数器应用程序显示与听诊器有很强的相关性，应用程序需要应用回归公式作为校正因子来与呼吸频率相关。应用程序方法可能会吸引那些在娱乐环境中需要可重复性的人。这些特性也使该系统成为运动环境中使用的可行选择。

我们的研究结果表明，简单的线性模型可以恰当地代表听诊器和呼吸计数器应用程序值之间的关联。因此，使用公认的app方法，呼吸频率可能是一个可靠的代理。运动教练可以通过应用程序或监测健康成年人在运动或训练干预期间的进展来测量呼吸频率。因此，未来的研究应评估有记录的系统性疾病或肺损伤的个体，以确定这些应用程序在此类临床环境中的适用性和有效性。