阅读说明：本技术 经由气流阻滞器调节的呼气气流受限检测 (Expiratory airflow limitation detection via airflow blocker modulation ) 是由 F·比卡里奥 W·A·特鲁什切尔 于 2018-12-19 设计创作，主要内容包括：提供了一种用于检测患者的EFL的系统。所述系统包括：吸气通道；呼气通道；传感器,其用于测量通过呼气通道的呼出空气的流量-体积信息；气流阻滞器,其被定位在所述呼气通道中并且是可调节的以提供所述呼气通道中的呼气阻力；以及计算机系统。在一个实施例中,所述计算机系统的一个或多个物理处理器被编程有计算机程序指令,所述计算机程序指令当被运行时使所述计算机系统：使用当由所述呼气通道中的所述气流阻滞器提供参考呼气阻力时通过所述呼气通道的所述呼出空气的流量-体积信息来确定参考呼气流量-体积曲线；并且使用当由所述呼气通道中的所述气流阻滞器提供降低的呼气阻力时通过所述呼气通道的所述呼出空气的流量-体积信息来确定干扰呼气流量-体积曲线。(A system for detecting EFL of a patient is provided. The system comprises: an air suction passage; an exhalation passage; a sensor for measuring flow-volume information of exhaled air through the exhalation channel; a flow blocker positioned in the exhalation passage and adjustable to provide exhalation resistance in the exhalation passage; and a computer system. In one embodiment, one or more physical processors of the computer system are programmed with computer program instructions that, when executed, cause the computer system to: determining a reference expiratory flow-volume curve using flow-volume information of the exhaled air through the expiratory channel when a reference expiratory resistance is provided by the flow blocker in the expiratory channel; and determining an interfering expiratory flow-volume curve using flow-volume information of the exhaled air passing through the expiratory channel when the reduced expiratory resistance is provided by the flow blocker in the expiratory channel.)

经由气流阻滞器调节的呼气气流受限检测

相关申请的交叉引用

本专利申请基于35U.S.C.§119(e)要求于2017年12月27日提交的美国临时申请No.62/610,736的优先权权益，其内容以引用方式被并入本文。

技术领域

本公开涉及用于检测患者的呼气气流受限(EFL)的方法和系统。

背景技术

慢性阻塞性肺疾病(COPD)是公共健康问题。它在美国是第四大慢性患病率和死亡率原因，影响超过2400万美国人。它在美国是继心脏疾病和癌症之后的第三大死亡原因，并且到2020年，预计它是全世界第三大主要死亡原因。增加的死亡率在全世界受吸烟的扩张性流行和老龄化人口所驱使。

COPD是用来描述进展性肺疾病的总括性术语，包括肺气肿、慢性支气管炎、不可逆性哮喘和一些形式的支气管扩张。COPD以增加的气喘为特征。具有COPD的患者会有呼气困难，这是由于其肺组织的恶化或其气道壁的发炎。这种状况通常被称为呼气气流受限(EFL)，并且它影响生活质量并且最终能够促进急性呼吸衰竭。作为一范例，呼气气流受限涉及人的气道由于其弹性回缩的丧失而部分地萎陷的生理状况，其弹性回缩的丧失是由于实质性破坏或由于一些其他形式的气道阻塞。“EFL的定义意指跨肺压的进一步增加不会引起呼气气流的进一步增加”，如在N.G.Koulouris等人的“Methods for assessingexpiratory flow limitation during tidal breathing in COPD patients”(PulmonaryMedicine,vol.2012,doi:10.1155/2012/234145)中公开的。对象的呼气气流受限通过经由一个或多个传感器检测何时尽管增加呼气努力但是气流停止增加来确定。具有EFL的患者不能用力增加其流速，并且经常朝向肺总量TLC增加其动态体积(动态充气过度)，引起肌肉疲劳。而且，具有EFL的患者具有更低的运动耐受性和慢性呼吸困难，导致不健康的久坐生活方式。

对EFL的常见处置是对气道正压通气和/或药物的应用。

对于ICU中的患者，EFL利用手动操纵来检测。临床医生/呼吸治疗师在呼气开始的时候将力施加在患者的腹部上。即，医师可以在呼气期间简单地按压通气的患者，并且确定是存在还是不存在气流的增加。该力引起应当驱动呼气气流的肺与嘴之间的压差的增加。如果患者具有EFL，则呼气气流不增加。这种手动胸部按压技术i)不需要患者协作，ii)缺乏可重复性(手动操作)，并且iii)需要熟练的人员。这种手动胸部按压技术也不适用于在家的慢性患者。

用于检测EFL的技术是利用强迫振荡技术(FOT)的ΔXrs和负呼气压力(NEP)方法。

例如，NEP方法i)不需要患者协作，ii)需要负压(或至少正压)，并且iii)能够导致上气道伪影。FOT方法i)不需要患者协作，并且ii)需要压力振荡的生成。

另外，FOT和NEP方法可用作独立的设备或多功能肺活量计的一部分。FOT和NEP方法通常用于非通气患者。NEP方法在概念上类似于压力在腹部上的施加。它用被施加在嘴上的负压来代替由于腹部按压而引起的肺中的增加的压力。利用FOT方法的ΔXrs依赖于当EFL发生时呼吸系统的电抗的变化。为了“测量”电抗，强迫正弦压力信号被应用。在初级护理环境中，通常使用从肺活量测定获得的FEV1(1秒的用力呼气量)与FVC(功能性肺活量)之间的比率。

因此，需要用于检测患者的呼气气流受限(EFL)的改善的系统和方法。

发明内容

因此，本专利申请的一个或多个实施例的目的是提供一种用于检测患者的呼气气流受限(EFL)的系统。所述系统包括：吸气通道，其将吸入空气带给所述患者；呼气通道，其将呼出空气从所述患者带走；传感器，其用于测量通过所述呼气通道的所述呼出空气的流量-体积信息；气流阻滞器，其被定位在所述呼气通道中并且是能调节的以提供所述呼气通道中的呼气阻力；以及计算机系统，其包括与所述传感器和所述气流阻滞器操作性地连接的一个或多个物理处理器。在一个实施例中，所述一个或多个物理处理器被编程有计算机程序指令，所述计算机程序指令当被运行时使所述计算机系统：使用当由所述呼气通道中的所述气流阻滞器提供参考呼气阻力时通过所述呼气通道的所述呼出空气的流量-体积信息来确定参考呼气流量-体积曲线；调节所述气流阻滞器以将所述呼气阻力降低至所述参考呼气阻力以下；使用当由所述呼气通道中的所述气流阻滞器提供降低的呼气阻力时通过所述呼气通道的所述呼出空气的流量-体积信息来确定干扰呼气流量-体积曲线；并且基于(i)所确定的干扰呼气流量-体积曲线和(ii)所确定的参考呼气流量-体积曲线来检测所述患者的所述EFL。

本专利申请的一个或多个实施例的又一方面是提供一种用于检测患者的呼气气流受限(EFL)的方法。所述方法由计算机系统来实施，所述计算机系统包括运行计算机程序指令的一个或多个物理处理器，所述计算机程序指令当被运行时执行所述方法。所述方法包括：从一个或多个传感器获得通过呼气通道的呼出空气的流量-体积信息；由所述计算机系统使用当由所述呼气通道中的气流阻滞器提供参考呼气阻力时通过所述呼气通道的所述呼出空气的流量-体积信息来确定参考呼气流量-体积曲线；调节所述气流阻滞器以将所述呼气阻力降低至所述参考呼气阻力以下；由所述计算机系统使用当由所述呼气通道中的所述气流阻滞器提供降低的呼气阻力时通过所述呼气通道的所述呼出空气的流量-体积信息来确定干扰呼气流量-体积曲线；以及由所述计算机系统基于(i)所确定的干扰呼气流量-体积曲线、(i)所确定的参考呼气流量-体积曲线来检测所述患者的所述呼气气流受限(EFL)。

一个或多个实施例的又一方面是提供一种用于检测患者的呼气气流受限(EFL)的系统。所述系统包括用于利用至少一个物理处理器来运行机器可读指令的单元。所述机器可读指令包括：从一个或多个传感器获得通过呼气通道的呼出空气的流量-体积信息；使用当由所述呼气通道中的气流阻滞器提供参考呼气阻力时通过所述呼气通道的所述呼出空气的流量-体积信息来确定参考呼气流量-体积曲线；调节所述气流阻滞器以将所述呼气阻力降低至所述参考呼气阻力以下；使用当由所述呼气通道中的所述气流阻滞器提供降低的呼气阻力时通过所述呼气通道的所述呼出空气的流量-体积信息来确定干扰呼气流量-体积曲线；以及基于(i)所确定的干扰呼气流量-体积曲线、(ii)所确定的参考呼气流量-体积曲线来检测所述患者的所述呼气气流受限(EFL)。

在参考附图考虑以下描述和随附权利要求书的情况下，本专利申请的这些和其他目的、特征和特性，以及操作方法和有关的结构元件和零件的组合的功能和制造的经济性将变得更加显而易见，所有附图均形成本说明书的部分，其中，在各个附图中类似的附图标记指代对应的部分。然而，应当明确理解，附图仅是出于说明和描述的目的，并非旨在作为对本专利申请的限制的限定。

附图说明

图1是根据本专利申请的实施例的用于检测患者的呼气气流受限(EFL)的示范性系统；

图2是根据本专利申请的另一实施例的用于检测患者的EFL的示范性系统；

图3是根据本专利申请的另一实施例的用于检测患者的EFL的示范性系统；

图4是根据本专利申请的另一实施例的用于检测患者的EFL的示范性系统；

图5示出了根据本专利申请的实施例的用于检测患者的EFL的系统中的选定呼吸上的示范性呼气阻力减小的图形图示；

图6示出了从根据本专利申请的实施例的用于检测患者的EFL的系统获得的干扰呼吸流量-体积曲线与参考呼吸流量-体积曲线之间的示范性气流比较；

图7示出了通过用于检测患者的EFL的系统中的呼气阻力减小的示范性EFL检测和使用根据本专利申请的实施例的相同系统消除EFL的对应处置；以及

图8示出了根据本专利申请的实施例的用于检测患者的EFL的示范性方法和对EFL的对应消除。

具体实施方式

如本文中所使用的，单数形式的“一”、“一个”以及“所述”包括复数指代，除非上下文中明确地另行规定。如本文中所使用的，两个或多个零件或部件被“耦合”的表述将意味着所述零件直接或间接地(即，通过一个或多个中间零件或部件，只要发生链接)被结合到一起或一起工作。如本文中所使用的，“直接耦合”意指两个元件彼此直接接触。如本文中所使用的，“固定耦合”或“固定”意指两个部件被耦合以作为一体移动，同时维持相对于彼此的恒定取向。如本文中所使用的，术语“或”意指“和/或”，除非上下文中明确地另行规定。

如本文中所使用的，词语“单式”意指部件被创建为单件或单个单元。亦即，包括单独创建并然后被耦合到一起成为单元的多件的部件不是“单式”部件或主体。如本文中所采用的，两个或多个零件或部件彼此“接合”的表述将意味着所述零件直接地或通过一个或多个中间零件或部件而向彼此施加力。如本文中所采用的，术语“数目”将意指一或大于一的整数(即，多个)。

本文中使用的方向性短语，例如但不限于，顶部、底部、左、右、上、下、前、后以及它们的派生词涉及附图中示出的元件的取向，并且不对权利要求构成限制，除非在其中明确记载。

本专利申请提供了用于检测患者的呼气气流受限(EFL)的系统100。系统100包括：吸气通道104，其将吸入空气带给患者；呼气通道108，其将呼出空气从患者带走；传感器106，其用于测量通过呼气通道108的呼出空气的流量-体积信息；气流阻滞器110，其被定位在呼气通道108中并且是能调节的以提供呼气通道108中的呼气阻力；以及计算机系统102，其包括与传感器106和气流阻滞器110操作性地连接的一个或多个物理处理器。

在一个实施例中，计算机系统102的一个或多个物理处理器被编程有计算机程序指令，所述计算机程序指令当被运行时使计算机系统102：使用当由呼气通道108中的气流阻滞器110提供参考呼气阻力时通过呼气通道108的呼出空气的流量-体积信息来确定参考呼气流量-体积曲线；调节气流阻滞器110以将呼气阻力降低至参考呼气阻力以下；使用当由呼气通道中的气流阻滞器110提供降低的呼气阻力时通过呼气通道108的呼出空气的流量-体积信息来确定干扰呼气流量-体积曲线；并且基于i)所确定的干扰呼气流量-体积曲线和ii)所确定的参考呼气流量-体积曲线来检测患者的呼气气流受限(EFL)。

在一个实施例中，系统100被配置用于经由对被放置在呼气通道108中的气流阻滞器110的自动化调节来促进呼气气流受限检测。在一个实施例中，在本专利申请中公开了已经被专门地设计为检测COPD患者中的EFL的存在的手持式低成本现有技术肺功能测量仪器/系统100。在一个实施例中，系统100包括如图1所示的气动回路和设备/系统100。在一个实施例中，系统100包括如图3所示的气动回路。在一个实施例中，系统100包括如图4所示的气动回路。在一个实施例中，系统100可以是如图2所示的系统。在一个实施例中，系统100包括能调节呼气正压(PEP)治疗或PEP肺活量计系统/设备。

在一个实施例中，参考图1-4，系统100包括形成吸气通道104的管或管道部分。在一个实施例中，吸气通道104被配置为将吸入空气带给患者。

在一个实施例中，系统100包括吸气阀107，吸气阀被配置为与吸气通道104连通。在一个实施例中，吸气阀107包括止回阀。在一个实施例中，吸气阀107包括球阀。在一个实施例中，吸气阀107包括单向阀。在一个实施例中，吸气阀107包括可控阀。在一个实施例中，吸气阀107可以是被配置为将吸入空气带给患者(即，以允许患者吸入)的任何阀组件。在一个实施例中，吸气通道104中的气体/空气的流动方向与呼气通道108中的气体/空气的流动方向相反，如通过图1、图3和图4中的箭头示出的。

在一个实施例中，每个呼吸循环一般包括吸气阶段和呼气阶段。在一个实施例中，在吸气阶段期间，吸气阀107打开，而呼气阀109关闭。即，在吸气阶段期间，(例如，在环境压力P_amb下的)气体流经过打开的吸气阀107，通过吸气通道104进入患者的嘴(气道和肺)。在一个实施例中，在环境压力P_amb下的空气例如通过吸气阀107被吸入吸气通道104。即，吸气阀107被配置为打开以允许患者基本上无阻力地吸气。在一个实施例中，气体流通过系统100的进气口103被吸入。在呼气阶段期间，通过关闭吸气阀107来防止空气通过进气口103离开。

在一个实施例中，在吸气阶段期间，在患者的嘴处的压力近似等于环境压力P_amb(即，0cm H₂0)，而在呼气阶段期间，空气通过引起压降的阻滞元件或阻滞器110，即，在嘴处的压力P_嘴将高于环境压力P_amb(如图5中图示的)。

在一个实施例中，系统100还被配置为检测呼气阶段的开始和结束。在一个实施例中，系统100包括检测呼气阶段的开始和结束的算法。

在一个实施例中，系统100包括形成呼气通道108的管或管道部分。在一个实施例中，呼气通道108被配置为将呼出空气从患者带走。在一个实施例中，如图4所示，系统100的呼气通道108包括止回阀119。在一个实施例中，如图4所示，呼气通道108包括开闭阀109。在一个实施例中，如图4所示，呼气通道108包括止回阀119和开闭阀109两者。在一个实施例中，呼气阀109/119被配置为与呼气通道108连通。在一个实施例中，呼气阀109/119可以是被配置为控制/允许来自患者的呼出空气的气流通过呼气通道108逸出到大气的任何阀组件。在一个实施例中，呼气阀109包括螺线管或机电操作的阀。在一个实施例中，呼气阀119包括球阀。在一个实施例中，呼气阀119包括止回阀。在一个实施例中，呼气阀119包括单向阀。

在一个实施例中，系统100被配置为控制在患者的呼气期间的可变阻力。在一个实施例中，系统100还被配置为移除在患者的呼气期间的可变阻力，如将会在下面详细地描述的。

在一个实施例中，系统100包括被定位在呼气通道108中的气流阻滞器110。在一个实施例中，气流阻滞器110可以包括气流阻滞元件。在一个实施例中，气流阻滞器110可以是电动气流阻滞元件。在一个实施例中，气流阻滞器110可以是机械气流阻滞元件。在一个实施例中，气流阻滞器110可以是机电气流阻滞元件。在一个实施例中，气流阻滞器110可以是被配置为提供呼气通道108中的呼气阻力的任何气流阻滞元件。

在一个实施例中，气流阻滞器110被配置为是能调节的以提供呼气通道108中的呼气阻力。在一个实施例中，由气流阻滞器110提供的呼气阻力被配置为在选定呼吸上被降低，以便增加呼气压力驱动并且模拟腹部按压操纵，如将会在下面详细地描述的。

在一个实施例中，气流阻滞器110被配置为是手动致动的和/或能调节的。在一个实施例中，气流阻滞器110被配置为是机械致动的和/或能调节的。

在一个实施例中，气流阻滞器110被配置为与计算机系统102的一个或多个物理处理器操作性地连接。在一个实施例中，如将会在下面详细地描述的，气流阻滞器110被配置为是可由计算机系统102调节的。在一个实施例中，如将会在下面关于图2中的系统100详细地描述的，气流阻滞器110被配置为是可由计算机系统102的气流阻滞器子系统114调节的。

在一个实施例中，系统100包括测量由患者呼出的气体/空气的流的传感器106。在一个实施例中，传感器106被配置为测量并提供呼吸参数，诸如流速、流量-体积等。在一个实施例中，传感器106被配置为测量通过呼气通道108的呼出空气的流量-体积信息。在一个实施例中，传感器106被配置为测量通过呼气通道108的呼出空气的体积流速。

在一个实施例中，传感器106是流量传感器。在一个实施例中，传感器106是压力传感器。在一个实施例中，传感器106包括流量传感器和压力传感器。

在一个实施例中，传感器106与呼气通道108流体连通。在呼气/呼吸阶段，传感器106被配置为测量通过呼气通道108的流量和/或呼气通道中的压力。在一个实施例中，传感器106可以被校准以感测呼气/呼出阶段的开始并且开始感测程序。在一个实施例中，传感器106被配置为与计算机系统102的一个或多个物理处理器操作性地连接。在一个实施例中，传感器106被配置为与计算机系统102的参考呼气流量-体积曲线确定子系统112和干扰呼气流量-体积曲线确定子系统116操作性地连接。在一个实施例中，传感器106被配置为与数据库(例如，数据库132)操作性地连接以将通过呼气通道108的呼出空气的流量-体积信息保存到数据库中。所保存的通过呼气通道108的呼出空气的流量-体积信息稍后可以根据需要从数据库进行检索。

在一个实施例中，系统100包括嘴件111，患者通过其呼气到系统100中。在一个实施例中，嘴件111可以是患者将嘴件111的一部分放入他/她的嘴中的类型。在一个实施例中，系统100包括面罩111，患者通过面罩呼入到系统100中。在一个实施例中，面罩或嘴件111被配置为被可移除地连接到系统100。在一个实施例中，患者将呼出空气排放到面罩或嘴件111中。

图2示出了根据一个或多个实施例的用于检测患者的EFL的系统100。如图2所示，系统100可以包括服务器102(或多个服务器102)。服务器102可以包括参考呼气流量-体积曲线确定子系统112、气流阻滞器调节子系统114、干扰呼气流量-体积曲线确定子系统116、呼气气流受限(EFL)检测子系统118、呼气气流受限消除子系统120、或其他部件或子系统。

在一个实施例中，呼气气流受限消除子系统120是任选的。应当意识到，由本文中描述的不同子系统112-120提供的功能性的描述是出于说明性目的，并不旨在进行限制，因为子系统112-120中的任一个可以提供比所描述的更多或更少的功能性。例如，子系统112-120中的一个或多个可以被消除，并且其功能性中的一些或全部可以由子系统112-120中的其他子系统提供。作为另一范例，额外的子系统可以被编程为执行本文中归属于子系统112-120中的一个的功能性中的一些或全部。

在一个实施例中，参考呼气流量-体积曲线确定子系统112被配置为使用当由呼气通道108中的气流阻滞器110提供参考呼气阻力时通过呼气通道108的呼出空气的流量-体积信息来确定参考呼气流量-体积曲线。

在一个实施例中，设定或参考呼气阻力可以通过临床测试来获得。在一个实施例中，设定或参考呼气阻力可以使用数据分析来获得。在一个实施例中，设定或参考呼气阻力可以从研究出版物获得。在一个实施例中，参考或设定呼气阻力可以被保存到数据库(例如，数据库132)中，并且根据需要从数据库进行检索。在一个实施例中，系统100的子系统可以连续地更新/修改参考或设定呼气阻力。在一个实施例中，设定或参考呼气阻力被配置为使得得到的呼气正压是恒定的或几乎如此。

在一个实施例中，参考呼气流量-体积曲线确定子系统112可以获得当由呼气通道108中的气流阻滞器110提供参考呼气阻力时与呼气通道108相关联的信息。在一个实施例中，信息可以包括流量-体积信息、流量信息、压力信息、或任何其他相关的信息。在一个实施例中，患者的流量-体积信息可以包括关于当由呼气通道108中的气流阻滞器110提供参考呼气阻力时呼气通道108中的流量-体积的信息。在一个实施例中，患者的流量信息可以包括关于当由呼气通道108中的气流阻滞器110提供参考呼气阻力时通过呼气通道108的流量的信息。在一个实施例中，患者的压力信息可以包括关于当由呼气通道108中的气流阻滞器110提供参考呼气阻力时呼气通道108中的压力的信息。

作为另一范例，信息可以从一个或多个监测设备(例如，流量监测设备、压力监测设备或其他监测设备)获得。在一个实施例中，一个或多个监测设备和相关联的传感器106可以被配置为监测当由呼气通道108中的气流阻滞器110提供参考呼气阻力时呼气通道108中的流量-体积。在一个实施例中，一个或多个监测设备和相关联的传感器106可以被配置为监测当由呼气通道108中的气流阻滞器110提供参考呼气阻力时通过呼气通道108的流量。在一个实施例中，一个或多个监测设备和相关联的传感器106可以被配置为监测当由呼气通道108中的气流阻滞器110提供参考呼气阻力时呼气通道108中的压力。这些监测设备可以包括一个或多个传感器106，诸如压力传感器、压力换能器、流速传感器、流量传感器、体积传感器或其他传感器。传感器可以例如被配置为获得当由呼气通道108中的气流阻滞器110提供参考呼气阻力时患者的信息(例如，压力、流量、流量-体积、体积或任何其他相关的参数)或与呼气通道108相关的其他信息。

在一种情况下，监测设备可以(例如，基于来自一个或多个传感器106的信息)获得信息，并且通过网络(例如，网络150)向计算机系统(例如，包括服务器102)提供信息以便进行处理。在另一情况下，在获得信息之后，监测设备可以处理所获得的信息，并且通过网络(例如，网络150)向计算机系统提供经处理的信息。在又一情况下，监测设备可以自动地向计算机系统(例如，包括服务器102)提供(例如，所获得的或经处理的)信息。

在一个实施例中，参考呼气流量-体积曲线确定子系统112被配置为根据所获得的当由呼气通道108中的气流阻滞器110提供参考呼气阻力时的流量-体积信息来确定参考呼气流量-体积曲线。即，参考呼气流量-体积曲线确定子系统112被配置为分析来自设备的流量和压力传感器的信息/数据，并且基于传感器数据/信息来计算或确定参考呼气流量-体积曲线。在一个实施例中，参考呼气流量-体积曲线确定子系统112可以被配置为直接根据流量和压力信号来确定参考呼气流量-体积曲线。

在一个实施例中，气流阻滞器调节子系统114被配置为与气流阻滞器110操作性地相关联。在一个实施例中，气流阻滞器调节子系统114被配置为控制在患者的呼气期间的可变阻力。在一个实施例中，气流阻滞器调节子系统114还被配置为移除在患者的呼气期间的可变阻力。

在一个实施例中，气流阻滞器调节子系统114被配置为将气流阻滞器110调节到参考呼气阻力。在一个实施例中，气流阻滞器调节子系统114被配置为调节气流阻滞器110以将呼气阻力降低至参考呼气阻力以下。在一个实施例中，气流阻滞器调节子系统114被配置为降低(或减小/下降)选定呼吸上的呼气阻力。在一个实施例中，气流阻滞器调节子系统114被配置为调节/改变呼气阻力，例如，消除EFL。在一个实施例中，气流阻滞器调节子系统114被配置为增大选定呼吸上的参考呼气阻力。

在一个实施例中，干扰呼气流量-体积曲线确定子系统116的配置、操作和结构类似于参考呼气流量-体积曲线确定子系统112的配置、操作和结构类似于，除了下面提及的差异。在一个实施例中，干扰呼气流量-体积曲线确定子系统116被配置为使用当由呼气通道108中的气流阻滞器110提供降低的呼气阻力(即，在设定/参考呼气阻力以下)时通过呼气通道108的呼出空气的流量-体积信息来确定干扰呼气流量-体积曲线。

在一个实施例中，干扰呼气流量-体积曲线确定子系统116可以获得当由呼气通道108中的气流阻滞器110提供降低的呼气阻力(即，在设定/参考呼气阻力以下)时与呼气通道108相关联的信息。在一个实施例中，信息可以包括当由呼气通道108中的气流阻滞器110提供降低的呼气阻力(即，在设定/参考呼气阻力以下)时的流量-体积信息、流量信息、压力信息或任何其他相关的信息。在一个实施例中，一个或多个监测设备和相关联的传感器106可以被配置为监测当由呼气通道108中的气流阻滞器110提供降低的呼气阻力(即，在设定/参考呼气阻力以下)时呼气通道108中的流量-体积、流量、压力或其他相关的信息。

在一个实施例中，干扰呼气流量-体积曲线确定子系统116被配置为根据所获得的当由呼气通道108中的气流阻滞器110提供降低的呼气阻力(即，在设定/参考呼气阻力以下)时的流量-体积信息来确定干扰呼气流量-体积曲线。即，干扰呼气流量-体积曲线确定子系统116被配置为分析来自设备的流量和压力传感器的信息/数据，并且基于传感器数据/信息来计算或确定干扰呼气流量-体积曲线。在一个实施例中，干扰呼气流量-体积曲线确定子系统116可以被配置为直接根据流量和压力信号来确定干扰呼气流量-体积曲线。

在一个实施例中，系统100包括计算呼气流量-体积曲线的算法。在一个实施例中，系统100的参考呼气流量-体积曲线确定子系统112和干扰呼气流量-体积曲线确定子系统116均包括计算呼气流量-体积曲线的算法。即，在一个实施例中，参考呼气流量-体积曲线确定子系统112被配置为使用算法使用当由呼气通道108中的气流阻滞器110提供参考呼气阻力时通过呼气通道108的呼出空气的流量-体积信息来确定参考呼气流量-体积曲线。在一个实施例中，干扰呼气流量-体积曲线确定子系统116被配置为使用算法使用当由呼气通道108中的气流阻滞器110提供降低的呼气阻力(即，在设定/参考呼气阻力以下)时通过呼气通道108的呼出空气的流量-体积信息来确定干扰呼气流量-体积曲线。

在一个实施例中，呼气气流受限(EFL)检测子系统118被配置为基于i)所确定的干扰呼气流量-体积曲线(例如，来自参考呼气流量-体积曲线确定子系统112)和ii)所确定的参考呼气流量-体积曲线(例如，来自干扰呼气流量-体积曲线确定子系统116)来检测患者的呼气气流受限(EFL)。在一个实施例中，呼气气流受限(EFL)检测子系统118被配置为通过将所确定的干扰呼气流量-体积曲线(例如，来自参考呼气流量-体积曲线确定子系统112)与所确定的参考呼气流量-体积曲线(例如，来自干扰呼气流量-体积曲线确定子系统116)进行比较来检测患者的呼气气流受限(EFL)。

在一个实施例中，EFL的存在通过将两个呼吸(即，参考呼吸和具有低于参考呼吸的呼气阻力的干扰呼吸)的流量-体积曲线进行比较来评价。

在一个实施例中，参考呼气流量-体积曲线和干扰呼气流量-体积曲线被显示给护理者用于呼吸的视觉评价。在一个实施例中，分类(即，EFL对比非EFL)由护理者完成。

在一个实施例中，系统100还包括用户接口和/或其他部件。在一个实施例中，用户接口被配置为提供系统100与患者/护理者/医师之间的接口。在一个实施例中，参考呼气流量-体积曲线和干扰呼气流量-体积曲线经由用户接口被显示给护理者/医师。在一个实施例中，护理者/医师可以使用用户接口指定要被递送给患者的一个或多个PEP治疗方案。适合于包括在用户接口中的接口设备的范例包括小键盘、按钮、开关、键盘、旋钮、杠杆、显示屏、触摸屏、扬声器、麦克风、指示灯、可听警报、打印机、触觉反馈设备和/或其他接口设备。在一个实施例中，用户接口包括多个单独的接口。在一个实施例中，用户接口包括与系统100一体地提供的至少一个接口。

在一个实施例中，分类(即，EFL对比非EFL)是自动化的。在一个实施例中，分类(即，EFL对比非EFL)由被系统100内的计算机系统102的一个或多个处理器运行的算法完成。在一个实施例中，分类(即，EFL对比非EFL)由被系统100外部的计算机系统102的一个或多个处理器运行的算法完成。即，系统100包括确定测试结果(即，EFL对比非EFL)的自动算法。在一个实施例中，分类算法被配置为接收具有降低的呼气阻力的呼吸(即，干扰呼吸)和在干扰之前的呼吸(即，参考呼吸)的呼气波形作为输入。即，分类算法被配置为接收参考呼气流量-体积曲线和干扰呼气流量-体积曲线作为输入。

在一个实施例中，在干扰呼吸之前的一个或多个呼吸用来增加算法的鲁棒性(例如，通过计算平均参考呼吸)和/或评价参考呼吸是否是充分稳定且可重复的，使得其与干扰呼吸的比较不受混合因素影响。在一个实施例中，能够改变流量波形的唯一因素是驱动压力。

在一个实施例中，分类算法是基于根据呼气气流波形或流量-体积曲线计算的单个特征的。在一个实施例中，根据呼气气流波形或流量-体积曲线计算的特征包括在来自干扰呼吸的流量等于来自参考呼吸的流量的情况下发生的呼出空气体积的百分比。在一个实施例中，呼气流量-体积曲线或体积波形通过对所测量的呼气流量-体积曲线或流量波形的数值积分来计算。在一个实施例中，在算法之中要优化的参数是确定流量是否能够被认为相等的阈值和表明呼吸是否是气流受限的以呼出体积的百分比的形式的阈值。在一个实施例中，上面提到的百分比与消除EFL所需的压力的自动变化有关。

在一个实施例中，分类算法基于根据呼气流量-体积曲线或呼气气流波形计算的多个特征。在一个实施例中，根据呼气气流波形或呼气流量-体积曲线计算的特征包括在相同流量的情况下的呼出体积的百分比(参考呼吸对比干扰呼吸)、(参考呼吸和干扰呼吸的在相同时间内的)呼出体积、通常发生在干扰呼吸中的峰值的幅度。在一个实施例中，分类算法是数据驱动的，并且因此它在包括气流受限的呼吸和非气流受限的呼吸两者的数据集上进行训练(即，机器学习)，并且然后在独立的数据集上进行验证(即，从训练阶段被排除)。

在一个实施例中，如图7中图示的，到分类算法(例如，呼气气流受限检测子系统118)的输入包括来自干扰呼吸的气流波形/流量-体积曲线和来自参考呼吸(例如，在干扰呼吸之前的一个或多个呼吸)的气流波形/流量-体积曲线。在一个实施例中，来自干扰呼吸的气流波形/流量-体积曲线从干扰呼气流量-体积曲线确定子系统116被发送到分类算法(例如，呼气气流受限检测子系统118)。在一个实施例中，来自参考呼吸(例如，在干扰呼吸之前的一个或多个呼吸)的气流波形/流量-体积曲线从参考呼气流量-体积曲线确定子系统112被发送到分类算法(例如，呼气气流受限检测子系统118)。

在一个实施例中，呼气气流受限(EFL)消除子系统120被配置为在其检测后消除EFL。在一个实施例中，呼气阻力也被改变为消除EFL。在一个实施例中，系统100可以被用于EFL的实时检测和消除。在一个实施例中，如将会关于图8详细地解释的，计算机系统102的一个或多个处理器被配置为在检测到EFL后自动增大或减小呼气气道压力以便消除EFL。在一个实施例中，系统100被配置为具体地检测EFL并且可能对它进行处置。此外，系统100被配置用于减小选定呼吸上的呼气阻力。

在一个实施例中，系统100被配置为在检测到EFL后自动调节PEP治疗以消除EFL。在一个实施例中，设定呼气阻力被增大，并且程序在一些呼吸之后被重复。在一个实施例中，一旦EFL被消除，程序就被重复以在规律的时间间隔或当检测到呼吸模式的变化时确认EFL的不存在。

图3中示出的示意图仅仅是一个可能的实施例。图3中的构思的实施方式能够遵循不同的实施例，例如图4中的实施例，其中示出了用于呼气的额外路径或通道。该路径/通道具有两种可能的配置：i)打开(无阻力)，ii)关闭(无穷大阻力)。在一个实施例中，阀109用来从一种配置切换到另一种配置。在一个实施例中，通常(参考呼吸)，额外路径/通道被阻塞(关闭阀)。在一个实施例中，当需要呼气气流(EF)时，额外路径/通道被打开(打开阀)以绕过呼气阻力(干扰呼吸)。

图5示出了检测EFL的技术的范例。图5示出了系统100中的选定呼吸上的示范性呼气阻力减小的图形表示。在一个实施例中，在选定呼吸上，呼气阻力被下降。这样的呼吸在本专利申请中被称为干扰呼吸。

在一个实施例中，干扰呼吸的呼气流量-体积曲线与一个或多个先前呼吸(参考呼吸)的呼气流量-体积曲线进行比较。图5示出了系统100中的选定呼吸上的呼气阻力减小的范例。在一个实施例中，在选定呼吸上，呼气阻力被绕过以便在呼气期间引起更低的嘴压力P_嘴(即，更高的呼气驱动)。

图5在曲线图502的左侧Y轴上示出了外部压力(例如，以cm H₂0为单位进行测量)，并且在曲线图502的X轴上示出了时间(例如，以秒为单位进行测量)。例如，外部压力也被称为环境压力P_amb。如能够从曲线图502看出的，外部压力或环境压力P_amb在20秒到60秒之间的整个时间段(如在曲线图502的X轴中示出的)内被维持在0cm H₂0的恒定压力处。

图5示出了在曲线图504的左侧Y轴上示出了呼气阻力(例如，以cm H₂0*s/L为单位进行测量)，并且在曲线图504的X轴上示出了时间(例如，以秒为单位进行测量)。例如，呼气阻力是由气流阻滞器110应用于呼气路径108中的气流阻力。参考曲线图504，在20秒到45秒之间的时间段内，呼气阻力被维持在20cm H₂0*s/L处。呼气阻力然后在大约45秒的时间处从20cm H₂0*s/L被减小/下降至0cm H₂0*s/L。呼气阻力然后在此后被增大或设定回到20cmH₂0*s/L。

图5示出了在曲线图506的左侧Y轴上示出了嘴压力(例如，以cm H₂0为单位进行测量)，并且在曲线图506的X轴上示出了时间(例如，以秒为单位进行测量)。例如，嘴压力在患者接口(例如，面罩或嘴件111)处进行测量，并且也被称为P_嘴。参考曲线图506，在20秒到45秒之间的时间段内，当呼气阻力被维持在20cm H₂0*s/L处时，嘴压力P_嘴保持恒定。当呼气阻力在大约45秒的时间处从20cm H₂0*s/L被减小/下降至0cm H₂0*s/L时，嘴压力P_嘴被降低，如能够在曲线图506中清楚地看出的。当呼气阻力此后被增大或设定回到20cm H₂0*s/L时，嘴压力P_嘴也被增大至其先前值(即，在20秒到45秒之间的时间段期间P_嘴的值)。

图6示出了从系统100获得的干扰呼吸与参考呼吸(流量-体积曲线/循环)之间的两个示范性气流比较。

图6在流量-体积曲线602和604的X轴上示出了流量信息(例如，以升/秒为单位进行测量)。图6还在流量-体积曲线602和604的左侧Y轴上示出了体积信息(例如，以升为单位进行测量)。

在图6的左侧曲线图或流量-体积曲线602中，呼气驱动的增加不引起流量的增加。即，虚线(参考呼气流量-体积)曲线和实线(干扰呼气流量-体积)曲线非常靠近彼此(除了呼气阶段的一开始)。因此，图6的左侧曲线图中的呼吸是气流受限的。流量-体积曲线602示出了在EFL的情况下的流量-体积曲线。

在图6的右侧曲线图或流量-体积曲线604中，呼气驱动的增加引起显著更高的呼气气流。即，虚线(参考呼气流量-体积)曲线和实线(干扰呼气流量-体积)曲线不靠近彼此。因此，图6的右侧曲线图或流量-体积曲线604中的呼吸不是气流受限的。流量-体积曲线604示出了在没有EFL的情况下的流量-体积曲线。

图7示出了通过系统100中的呼气阻力减小的EFL检测和消除EFL的对应处置的范例。在一个实施例中，在检测到EFL之后，呼气压力水平通过增大呼气阻力来增大，并且程序(干扰、分类算法和阻力更新)被重复。

图7在曲线图702的左侧Y轴上示出了呼气阻力(例如，以cm H₂0*s/L为单位进行测量)，并且在曲线图702的X轴上示出了时间(例如，以秒为单位进行测量)。例如，呼气阻力是由气流阻滞器110应用于呼气路径108中的气流阻力。参考曲线图702，在0秒到25秒之间的时间段内，呼气阻力被维持在15cm H₂0*s/L处。在一个实施例中，来自参考呼吸(例如，在干扰呼吸之前的一个或多个呼吸)的气流波形/流量-体积曲线例如在如图7所示的0秒到25秒之间的时间段期间从参考呼气流量-体积曲线确定子系统112被发送到分类算法(例如，呼气气流受限检测子系统118)。

呼气阻力然后在大约25秒的时间处从15cm H₂0*s/L被减小或下降至0cm H₂0*s/L。在一个实施例中，来自干扰呼吸的气流波形/流量-体积曲线例在如图7所示的25秒的时间段之后从干扰呼气流量-体积曲线确定子系统116被发送到分类算法(例如，呼气气流受限检测子系统118)。在一个实施例中，呼气气流受限检测子系统118被配置为通过将所确定的干扰呼气流量-体积曲线与所确定的参考呼气流量-体积曲线进行比较来检测患者的呼气气流受限(EFL)。

在一个实施例中，如果检测到患者的呼气气流受限(EFL)，则呼气阻力例如在如图7所示的32秒到47秒之间的时间段期间被增大至例如17cm H₂0*s/L。程序此后重复。即，在32秒到47秒之间的时间段内，呼气阻力被维持在17cm H₂0*s/L处。呼气阻力然后在大约47秒的时间处从17cm H₂0*s/L被减小或下降至0cm H₂0*s/L。在一个实施例中，来自参考呼吸(例如，在干扰呼吸之前的一个或多个呼吸)的气流波形/流量-体积曲线例如在如图7所示的32秒到47秒之间的时间段期间从参考呼气流量-体积曲线确定子系统112被发送到分类算法(例如，呼气气流受限检测子系统118)。在一个实施例中，来自干扰呼吸的气流波形/流量-体积曲线例在如图7所示的47秒的时间段之后从干扰呼气流量-体积曲线确定子系统116被发送到分类算法(例如，呼气气流受限检测子系统118)。在一个实施例中，呼气气流受限检测子系统118被配置为通过将所确定的干扰呼气流量-体积曲线与所确定的参考呼气流量-体积曲线进行比较来检测患者的呼气气流受限(EFL)。

在一个实施例中，如果未检测到患者的呼气气流受限(EFL)，则呼气阻力被降低/减小。在一个实施例中，如果未检测到患者的呼气气流受限(EFL)，则呼气阻力不被增加。

图7还在曲线图704的左侧Y轴上示出了体积(例如，以升为单位进行测量)，并且在曲线图704的X轴上示出了时间(例如，以秒为单位进行测量)。例如，体积是从传感器106获得的流量-体积信息。

图8示出了针对图7中的实施例的更详细的流程图。图8示出了通过呼气阻力减小的EFL检测的示例和对应的消除流程图。图8是用于检测患者的EFL的流程图。参考图8，提供了用于检测患者的EFL的方法800。方法800由计算机系统102来实施，该计算机系统包括运行计算机程序指令的一个或多个物理处理器，所述计算机程序指令当被运行时执行方法800。方法800包括：从一个或多个传感器(106)获得通过呼气通道108的呼出空气的流量-体积信息；由计算机系统102使用当由呼气通道108中的气流阻滞器110提供参考呼气阻力时通过呼气通道108的呼出空气的流量-体积信息来确定参考呼气流量-体积曲线；调节气流阻滞器110以将呼气阻力降低至参考呼气阻力以下；由计算机系统102使用当由呼气通道108中的气流阻滞器110提供降低的呼气阻力时通过呼气通道108的呼出空气的流量-体积信息来确定干扰呼气流量-体积曲线；以及由计算机系统102基于(i)所确定的干扰呼气流量-体积曲线、(ii)所确定的参考呼气流量-体积曲线来检测患者的呼气气流受限(EFL)。

在一个实施例中，参考图8，在程序801处，系统100以设定/参考呼气阻力开始。在一个实施例中，在程序802处，系统100例如继续针对n次呼吸以设定/参考呼气阻力操作或运行。在一个实施例中，在程序803处，系统100被配置为在第(n+1)次呼吸的呼气阶段期间(例如，通过调节气流阻滞器110)改变呼气通道108中的呼气阻力(即，从设定/参考呼气阻力改变到不同的呼气阻力)。

在一个实施例中，在程序804处，系统100被配置为在第(n+2)次呼吸的呼气阶段上(例如，通过调节气流阻滞器110)改变呼气通道108中的呼气阻力。在一个实施例中，在程序804处，系统100被配置为将呼气通道108中的呼气阻力改变到设定/参考呼气阻力。

在一个实施例中，在程序805处，系统100被配置为使用针对n次呼吸的通过呼气通道108的呼出空气的流量-体积信息来确定参考呼气流量-体积曲线。在一个实施例中，在程序805处，系统100还被配置为使用针对第n+1次呼吸的通过呼气通道108的呼出空气的流量-体积信息来确定干扰呼气流量-体积曲线。在一个实施例中，在程序805处，系统100被配置为基于(i)所确定的干扰呼气流量-体积曲线、(ii)所确定的参考呼气流量-体积曲线来检测患者的呼气气流受限(EFL)。

在一个实施例中，在程序806处，如果检测到EFL，那么在程序807处，系统100被配置为(例如，通过调节气流阻滞器110)增加呼气通道108中的设定呼气阻力。在一个实施例中，方法800在程序806之后循环/转回到程序802，并且方法800从那里重复。

在一个实施例中，在程序806处，如果未检测到EFL，那么在程序808处，系统100被配置为针对n次呼吸以呼气通道108中的设定/参考呼气阻力进行操作。

在一个实施例中，在程序809处，系统100被配置为确定在x个相继次数内是否检测到EFL。在一个实施例中，如果在x个相继次数内未检测到EFL，那么方法800在程序809之后循环/转回到程序802，并且方法800从那里重复。

在一个实施例中，如果在x个相继次数内检测到EFL，那么在程序810处，系统100被配置为(例如，通过调节气流阻滞器110)减小呼气通道108中的设定/参考呼气阻力。在一个实施例中，方法80在程序810之后循环/转回到程序802，并且方法800从那里重复。

在一个实施例中，患者去看医生。在一个实施例中，患者的医生询问关于以下的问题，例如，1)患者的吸烟的历史；2)暴露于二手烟、空气污染物、化学物或灰尘；3)诸如呼吸急促、慢性咳嗽和粘液等的症状。在一个实施例中，患者的医生执行肺活量测定化验，以确定第1秒用力呼气量(FEV1)和用力肺活量(FVC)。在一个实施例中，患者的医生使用该信息来确实患者是否具有COPD，并且确定患者的COPD分级分类。

在一个实施例中，患者的医生然后使用本专利申请的系统100来检测COPD患者中的EFL。在一个实施例中，患者的医生使用系统100来直接评价患者是否受EFL影响。在一个实施例中，医生要求患者通常在仰卧位置中通过系统100呼吸。在一个实施例中，系统100包括产生呼气正压(PEP)的呼气路径108上的阻力。即，在一个实施例中，系统100借助于其呼气阻力来引起PEP。在一个实施例中，一旦患者通过系统100舒适地呼吸，患者的医生就按压移除呼气路径108上的呼气阻力的(手动或电子)按钮。即，在几次呼吸之后，在没有呼气阻力的情况下获取一次呼吸。即，患者在较高的PEP下获取几次呼吸，紧接着在较低的PEP下获取几次呼吸。在一个实施例中，PEP可以被手动地改变。在一个实施例中，流量被测量，并且流量-体积循环用来比较在不同PEP下的相继呼吸。

在一个实施例中，由系统100为患者的医生呈现诸如图6所示的流量-体积曲线图或曲线。即，参考图6，将针对具有呼气阻力的呼吸(参考)和没有呼气阻力的呼吸(干扰)的呼气流量-体积进行比较。后者对应于具有增加的呼气压力驱动的呼吸。如果它们不导致增加的流量，那么患者是气流受限的。

在一个实施例中，如果患者是气流受限的，那么患者的医生然后规定向量(vector)/治疗。即，如果患者的流量-体积曲线图类似于在图6中的左侧曲线图中示出的流量-体积曲线图，那么患者的医生确定患者受EFL影响，并且然后规定向量/治疗。

在一个实施例中，系统100包括将所测量的流量信息(或(一个或多个)流量-体积曲线)发送到外部处理器和/或显示器(例如，智能电话、平板电脑或专用的处理器/显示器)以便临床医生分析(一个或多个)流量-体积曲线并且做出诊断的(发送)单元。

在一个实施例中，系统100提供了用于非通气患者中的EFL的诊断的便携式廉价设备或系统。在一个实施例中，系统100不需要来自患者的协作。

在一个实施例中，系统100可以在医生的办公室中被用于EFL筛查。在一个实施例中，系统100可以在患者的家中被用于EFL监测。在一个实施例中，系统100可以被用于更舒适地评价药物处置。

在一个实施例中，系统100可以被用于在线EFL检测。在一个实施例中，计算机系统102的一个或多个处理器(例如，运行算法)被配置为自动执行选定呼吸上的呼气压力/阻力的变化。在一个实施例中，选定呼吸上的呼气压力的变化由患者手动地触发。

在一个实施例中，计算机系统102的一个或多个处理器被配置为计算流量-体积曲线。在一个实施例中，计算机系统102的一个或多个处理器(例如，通过运行算法)被配置用于对应于这样的曲线的呼吸的自动化分类(即，气流受限对比非气流受限)。在一个实施例中，算法的输出(即，EFL或非EFL)通过视觉或听觉信号被信号发送给患者。在一个实施例中，系统100包括发送所测量的流量信息(或(一个或多个)流量-体积曲线)以便远程监测和/或以便患者能够访问由分类算法处理的实际流量-体积曲线的(发送)单元。

在一个实施例中，呼气阻力的改变包括，在参考阻力(或参考呼气正压)下的多次呼吸之后，通常将阻力改变到更低的水平，并且针对一次或多次呼吸维持新的阻力(或呼气正压)。在一个实施例中，呼气阻力在呼气阶段期间使用反馈控制和/或自适应前馈控制或补偿被连续地调节。

在一个实施例中，系统100的子系统可以被配置为使用来自多个患者的先前获得的压力信息、先前获得的流量信息、先前获得的呼气阻力信息、先前获得的流量-体积信息和/或先前获得的EFL信息来确定参考呼气阻力。在一个实施例中，该子系统还被配置为连续获得多个患者的随后的压力信息、随后的流量信息、随后的流量-体积信息、随后的呼气阻力信息和/或随后的EFL信息。即，子系统可以连续获得与多个患者相关联的随后的信息。作为范例，随后的信息可以包括对应于随后的时间(在对应于用来确定EFL信息的信息的时间之后)的额外信息。作为范例，随后的信息可以从一个或多个监测设备和相关联的一个或多个传感器获得。

随后的信息可以用来进一步更新或修改参考/设定呼气阻力(例如，新的信息可以用来动态地更新或修改参考/设定呼气阻力)等。在一些实施例中，该子系统被配置为然后基于随后的压力信息、随后的流量信息、随后的流量-体积信息、随后的呼气阻力信息、随后的EFL信息或其他随后的信息来连续地修改或更新参考/设定呼气阻力。例如，除了(例如，如本文中描述的)流量-体积循环之外，“随后的”信息可以用来确定患者是否是气流受限的。

在一个实施例中，本专利申请提供用于EFL的检测和处置的廉价(低成本)且便携的系统/设备。在一个实施例中，系统100是便携的且廉价的(相比于强迫振荡技术(FOT)和呼气负压(NEP)设备)。在一个实施例中，系统100是手持式设备。

由于其简单性，本专利申请的系统100能够被用于宽范围的应用，从医生的办公室中的筛查到对定期使用设备/系统来缓解EFL症状的患者的EFL的在线检测以及甚至结合消除EFL的设备/系统本身的自动调节的在线检测。在一个实施例中，本专利申请的系统100能够被用于在家中的周期性监测/诊断以及EFL的连续实时检测和消除。

在一个实施例中，系统100是有吸引力的，因为系统100被配置为以直接的方式检测EFL。即，系统100被配置为根据EFL的定义而非依赖于与EFL或多或少相关的测量结果(例如，像分别经由强迫振荡技术(FOT)和肺活量测定获得的ΔXrs和FEV1/FVC测量结果)来测量EFL。

在一个实施例中，系统100被配置为提供对EFL的直接评价。在一个实施例中，由系统100进行的检测是基于手动腹部按压的当前实践的相同原理的，但它被自动化以克服手动程序的可变性和主观性。

在一个实施例中，系统100不需要患者的协作(相比于肺活量测定)。在一个实施例中，系统100能够被设计具有不同的自动化水平以满足不同的需要，从筛查到具有EFL的检测和消除的延长使用。

在一个实施例中，图2中图示的各种计算机和子系统可以包括被编程为执行本文描述的功能的一个或多个计算设备。计算设备可以包括一个或多个电子存储设备(例如，数据库132或其他电子存储设备)、被编程有一个或多个计算机程序指令的一个或多个物理处理器、和/或其他部件。计算设备可以包括通信线路或端口，以使得能够经由有线或无线技术(例如以太网、光纤、同轴线缆、WiFi、蓝牙、近场通信或其他通信技术)与网络(例如网络150)或其他计算平台交换信息。计算设备可以包括一起操作以提供在本文中归属于服务器的功能的多个硬件、软件和/或固件部件。例如，计算设备可以通过作为计算设备一起操作的计算平台的云来实施。

电子存储设备可以包括电子地存储信息的非瞬态存储介质。电子存储设备的电子存储介质可以包括以下中的一项或两者：与服务器一体地提供的(基本上不可移除的)系统存储设备，或者经由例如端口(例如，USB端口、火线端口等)或驱动器(例如，磁盘驱动器等)可移除地可连接到服务器的可移除存储设备。电子存储设备可以包括以下中的一项或多项：光学可读存储介质(例如光盘等)、磁性可读存储介质(例如，磁带、磁性硬盘驱动器、软盘驱动器等)、基于电荷的存储介质(例如，EEPROM、RAM等)、固态存储介质(例如，闪速驱动器等)和/或其他电子可读存储介质。电子存储设备可以包括一个或多个虚拟存储资源(例如，云存储设备、虚拟专用网络和/或其他虚拟存储资源)。电子存储设备可以存储软件算法、由处理器确定的信息、从服务器接收的信息、从客户端计算平台接收的信息或者使得服务器能够如本文所述的那样起作用的其他信息。

处理器可以被编程为在服务器中提供信息处理能力。因此，处理器可以包括以下中的一项或多项：数字处理器、模拟处理器、或被设计为处理信息的数字电路、被设计为处理信息的模拟电路、状态机和/或用于电子地处理信息的其他机构。在一个实施例中，处理器可以包括多个处理单元。这些处理单元可以物理上位于同一设备内，或者处理器可以表示协同操作的多个设备的处理功能。处理器可以被编程为运行计算机程序指令以执行在本文中所描述的子系统112-120或其他子系统的功能。处理器可以被编程为：通过软件；硬件；固件；软件、硬件或固件的某种组合；和/或用于配置处理器上的处理能力的其他机构来运行计算机程序指令。

在权利要求中，置于括号内的任何附图标记不应被解释为限制权利要求。词语“包括”或“包含”不排除存在除权利要求中列出的元件或步骤之外的元件或步骤。在列举了若干单元的设备权利要求中，这些单元中的若干单元可以由同一项硬件来体现。元件前面的词语“一”或“一个”不排除存在多个这样的元件。在列举了若干单元的任何设备权利要求中，这些单元中的若干单元可以由同一项硬件来体现。在相互不同的从属权利要求中记载了某些元件的仅有事实并不指示不能有利地使用这些元件的组合。

虽然出于说明的目的已经基于当前被认为是最实用和优选的实施例详细描述了本专利申请，但是应当理解，这样的细节仅用于该目的，并且本专利申请不限于所公开的实施例，而是相反地，本专利申请旨在涵盖落入所附权利要求的精神和范围内的修改和等同布置。例如，应当理解，本专利申请预见到在可能的范围内，任何实施例的一个或多个特征可以与任何其他实施例的一个或多个特征组合。