Manoscan™食管高分辨率测压系统中压力漂移的决定因素（2）

测压导管放置和取出时的代表性彩色等高线图。在研究结束时，很容易通过一个类似于“瀑布”的独特地形来识别导管移除“整体压力漂移”定义为移除测压导管后立即（<1秒）所有36个传感器的平均残余压力在一项研究的36个记录传感器中，“峰值压力漂移”是压力漂移含量最高的传感器。在研究开始时，手动挤压测压导管通常被少数传感器的特征性极端压力测量所识别，而其他传感器测量的环境大气压力为零。每个研究的测压导管的唯一标识符嵌入在分析窗口的右上角。

根据20mmhg等压彩色等值线图，将传感器分为5个地形区域：1）咽部（传感器1到UES上边界以上的传感器）；2） UES（UES的上边界到UES的下边界）；3） 食管（UES下缘以下的传感器到LES上缘以上的传感器）；4） LES（LES的上边界到下边界）；5）胃（LES下边缘下方的传感器到传感器36）。嵌入Manoview右上角的每个研究的不同高分辨率压力测量导管标识符™ 记录了配置文件窗口（图1）。测压研究是按时间顺序组织的，由于测压导管是可识别的，我们可以很容易地计算出每次研究中使用导管的累计次数。

统计分析

所有数据均以平均值±标准差表示。自定义编写的C软件从ASCII格式的测压文件中提取数据，包括每个传感器在研究期间暴露的平均和最大压力。使用SAS 9.3（SAS Institute，Cary，NC）进行统计分析，并对结果进行多重比较校正。“总体压力漂移”被量化为每个研究中所有传感器的平均压力漂移，研究结束时压力漂移含量最高的传感器被确定为“峰值压力漂移”。记录每个研究的“峰值压力漂移”的地形位置。进行非参数局部加权回归分析(Loess)以评估研究持续时间、先前使用导管的次数、研究期间导管的峰值压力和平均压力暴露对整体压力漂移的影响。以Loess曲线为基础，对平均压力暴露量进行对数变换。联合效应通过线性模型进行量化。进行方差分析，比较不同高分辨率压力测量导管和不同压力记录地形区域之间的整体压力漂移。

随后进行了更详细的压力漂移传感器级分析。所有有影响的参数均纳入混合效应模型，以确定先前导管使用次数、测压研究持续时间、传感器的地形位置（咽、UES、食管、LES、胃）、传感器的平均和最大压力暴露对每个测量压力漂移的贡献，以及受试者、单个导管和传感器的随机效应，用自回归误差结构来解释相邻传感器之间的相关性（AR1）。以Loess曲线为基础，对平均压力暴露量进行对数变换。

“热补偿”校正算法从传感器的整个活体记录中减去研究结束时每个传感器的压力漂移测量值。这种方法的准确性依赖于记录早期压力漂移的发展，并在此后的整个研究过程中保持一个恒定值（研究结束时测量压力漂移的± 2 mmHg）。选择第一个传感器分析整个记录过程中的压力漂移趋势，因为第一个传感器始终位于咽部，始终在与大气压力平衡的隔室中记录。不幸的是，人们无法准确测量其他腔室（UES、LES、食管和胃）的基线压力变化，因为它们在整个记录过程中不稳定且波动。绘制第一个传感器的基线压力随时间的变化曲线，可以合理估计压力漂移的发展趋势和“热补偿”算法校正漂移的精度。我们可以安全地假设，在整个研究过程中，第一个传感器的基线压力变化几乎代表了至少在咽部的压力漂移波动（如果超过± 2毫米汞柱（与零不同）。第一个传感器每1秒测得的压力值是使用定制软件从所有研究中提取出来的。吞咽相关的咽部压力变化用25秒对称窗口的中值过滤掉。