应用啼哭信号分析方法评估婴儿术后疼痛的研究.doc

应用啼哭信号分析方法评估婴儿术后疼痛的研究研究背景和目的寻找疼痛评估的客观指标一直是学术界难以解决的关键问题。尤其对于婴幼儿,因其发育尚不完善,无法进行疼痛的自身描述,导致在临床上缺乏简单、有效的婴幼儿疼痛评估标准。啼哭是多种婴幼儿疼痛行为学评估量表中均包含的特征之一,且有研究表明,婴幼儿疼痛与非疼痛的啼哭声存在不同。但是疼痛所导致的啼哭信号具体包含怎样的声学特征,且这种声学特征是否能作为评估婴幼儿术后疼痛的标准尚未见报道。我们拟通过提取6个月以内婴儿术后疼痛哭声信号特征,构建疼痛哭声识别模型应用于婴儿术后疼痛评估,以期为临床探索更客观、便捷的婴幼儿疼痛评估工具提供研究基础。研究内容和方法以6个月以内择期手术的婴儿为研究对象。记录婴儿手术前啼哭数据,以及从婴儿手术后进入麻醉苏醒室至婴儿苏醒后离开苏醒室这一时间段的啼哭信号。同时采用FLACC(Face,Legs,Activity,Cry,Consolability)评分量表对婴儿苏醒后的疼痛程度进行评估。以Adobeaudition3.0对啼哭声音文件进行初步处理,通过Praat语音分析软件进行特征性参数分析;以MFCC(MelFrequencyCepstrumCoefficient)参数作为特征性参数,以HMM(HiddenMarkorvModel)模型作为训练模型,构建疼痛识别模型,同时以FLACC为标准,使用ROC(Receiveroperatingcharacteristiccurve)曲线比较不同组合的HMM模型对婴儿术后疼痛啼哭的识别效能,寻找最优组合的疼痛识别模型,并检验该模型对术后疼痛以及重度疼痛的识别效能。使用SPSS19.0进行数据处理和统计分析,计量资料以均数±标准差表示,数据均进行正态性检验和方差齐性检验,方差齐性的数据两组间比较使用t检验,方差非齐性两组间比较使用wilcoxon检验,多组间比较使用Kruskal-Wallis检验,p<0.05差异具有统计学意义。使用Rv2.15.1统计作图。研究结果本研究为前瞻性研究(临床注册码:ChiCTR-OCH-14004648),共纳入155名择期手术婴儿。1.婴儿术后疼痛啼哭基频为654.7±195.8Hz,显著高于手术前啼哭基频464.6±146.1Hz,p<0.01。2.术后疼痛组啼哭的基频(F0)、第一共振峰(F1),均方根(Rootmeansquare,RMS)明显高于无痛/轻度疼痛组(p<0.01),而音节间歇时间(intervalbetweenSyllables,IS)显著下降(p<0.01)。3.组合为18state+12mixture数目的HMM模型对术后疼痛识别效能最大,其ROC曲线中的AUC(areaundercurve)为0.81±0.049,(95%CI:0.713-0.906),最佳截断点为0.558,敏感度为80.0%,特异度为77.1%。该模型诊断重度疼痛的AUC为0.764±0.059,(95%CI:0.648-0.880),特异度仅50.9%,但其敏感度非常高,为91.3%。结论婴儿术后的疼痛啼哭较非疼痛啼哭信号具有特征性的改变,这种改变可以被语音识别模型所探知,利用疼痛啼哭识别模型对婴儿术后疼痛的鉴别具有一定的诊断价值,本研究为进一步开发无创伤性、自动化的、有效评估婴幼儿术后疼痛的工具奠定了前期基础。