中国危重症患者压力支持通气下的临床与呼吸机波形数据集构建与分析

《Scientific Data》：Clinical and ventilator waveforms of Chinese patients during pressure support ventilation

　　本研究针对机械通气过程中呼吸机波形数据公开资源匮乏的问题，研究人员开展了中国患者压力支持通气(PSV)下的临床与呼吸机波形数据收集与分析，建立了首个包含完整临床信息与高分辨率波形数据的公开数据集(CCVW-ICU)，为呼吸力学研究和人工智能算法开发提供了宝贵资源，对优化通气策略具有重要意义。

　　

在危重症医学领域，机械通气是救治呼吸衰竭患者的关键生命支持技术。然而，如何实现精准通气一直困扰着临床医生——呼吸机参数设置是否合理？患者与呼吸机是否协调同步？这些问题的答案往往隐藏在呼吸机产生的连续波形数据中。尽管现有公共数据库如MIMIC-III和MIMIC-IV收录了多种生理波形，但专门针对呼吸机波形的高质量数据仍然稀缺，这严重制约了呼吸力学研究的深入发展。

正是认识到这一研究空白，首都医科大学附属北京世纪坛医院的科研团队在《Scientific Data》期刊上发表了题为"Clinical and ventilator waveforms of Chinese patients during pressure support ventilation"的研究论文，建立了首个专门针对中国危重症患者的临床与呼吸机波形综合数据集(CCVW-ICU)。这项工作填补了国际公开数据库在呼吸机波形数据方面的空白，为呼吸生理研究和临床决策支持提供了重要资源。

研究团队采用回顾性数据收集方法，构建了这一综合性临床-呼吸机波形数据集。关键技术方法包括：严格的患者筛选标准（纳入7名接受压力支持通气治疗的ICU患者）；使用Dr?ger V500呼吸机和食管球囊导管同步采集流量(Flow)、气道压力(P_aw)和食管压力(P_es)等高分辨率波形数据（采样频率200Hz）；通过标准化Baydur阻塞试验验证导管位置准确性；手动提取并质控临床数据；以及全面的数据去标识化处理确保患者隐私安全。

样本收集

研究连续纳入2024年6月至12月期间首都医科大学附属北京世纪坛医院重症监护病房(ICU)和外科重症监护病房(SICU)的成年患者。纳入标准包括年龄≥18岁、气管插管接受压力支持通气(PSV)治疗、预计机械通气时间≥48小时。研究排除了已知神经肌肉疾病、膈肌功能障碍、食管球囊导管置入禁忌症等患者，确保研究人群的同质性。

临床数据收集

数据集包含100多个临床变量，涵盖人口统计学特征、生命体征、动脉血气参数和实验室生物标志物。所有临床信息均经过手动整理和严格质控，两名研究人员独立核对确保数据准确性。非结构化临床叙述如入院记录和出院诊断均以原始中文格式保存，最大限度保持临床语义的完整性。

呼吸机波形数据的采集与提取

使用独立的高保真信号采集系统，所有原始生理信号以200Hz频率连续采样。每位患者每日记录1小时波形数据，共收集24个时段。通过ICU-Lab软件进行实时显示和同步存储，基于稳定呼吸周期提取完整波形数据段，导出为结构化格式供分析使用。

去标识化处理

研究团队移除了所有直接个人标识符，修改后的文件符合健康保险流通与责任法案(HIPAA)要求，确保数据处理的合规性。

数据记录

完整数据集存储在Science Data Bank平台，可通过数字对象标识符(DOI)10.57760/sciencedb.26222公开获取。数据集以患者ID(P01-P07)为唯一标识符，每个患者数据包含临床数据库和波形读取集两部分，文件结构统一规范。

技术验证

临床数据经过双人核查确保准确性。波形数据保真度通过传感器校准和Baydur阻塞试验验证，仅包含信号稳定且导管位置正确的数据段。非结构化文本数据保留原始中文格式，避免翻译可能引入的误差。数据集完整性良好，所有患者数据文件齐全。

该研究的创新之处在于首次系统性地整合了中国危重症患者的高分辨率呼吸机波形与完整临床信息，为呼吸力学研究提供了独特资源。数据集特别适合用于机械通气信号的算法开发、呼吸生理的深入探索以及患者-呼吸机交互作用的研究。尽管队列规模有限（n=7），但每个患者数据的深度和分辨率使其成为方法学研究和试点项目的理想平台。

研究结论强调，CCVW-ICU数据集的建立填补了公共领域呼吸机波形数据的空白，为呼吸力学研究和临床应用创新提供了有力支持。数据集的多模态特性使其能够支持从基础生理研究到人工智能算法开发等多个方向的工作。特别是波形数据与临床信息的精确对应，为理解患者个体差异对通气效果的影响提供了新的视角。

这项研究的重要意义在于推动机械通气治疗向精准化、个体化方向发展。随着人工智能技术在医疗领域的深入应用，高质量波形数据集将成为训练智能诊断模型的关键基础。未来，基于此类数据的分析有望揭示更复杂的患者-呼吸机互动模式，为临床医生提供更准确的决策支持，最终改善危重症患者的治疗效果。