Methods for measuring respiratory rate based on the analysis of chest wall movements

Cover Page

Cite item

Full Text

Abstract

Aim of the review – to discuss the respiratory rate (RR) measurement methods that use sensors for analyzing chest wall movements. Strain and movement sensors can be successfully used in real clinical practice, since they can be easily integrated into clothes and garments (electronic textiles) for measuring the respiratory rate in both inpatients and outpatients. Meanwhile, magnetometers, gyroscopes and accelerometers must be located in specific places. One of the main limitations of strain and motion sensors is their sensitivity to patient's breathing-unrelated movements. In order to reduce this limitation, the sensors should most often be placed in the upper part of the chest and integrated into mechanical supports. In addition, it is recommended to use hybrid systems consisting of multiple different sensors. Such systems allow separate analysis of the thoracic and abdominal breathing patterns, providing for wide opportunities to use these sensors for scientific purposes. The use of special polymers and protective materials in a piezoresistive sensors design will allow to overcome their other drawback – the possible influence of environmental factors (for example, temperature or humidity).

Conclusion. All types of the sensors presented in this review showed generally good quality of respiratory curves at rest during normal breathing. However, in most cases, the bias increased in physical activity. The choice of a certain type of sensor for RR assessment should obviously be based on the specific clinical situation, monitoring duration, monitoring conditions (intensive care unit, inpatient, outpatient department), taking into consideration the advantages and disadvantages.

About the authors

Andrei A. Garanin

Samara State Medical University

Author for correspondence.
Email: a.a.garanin@samsmu.ru
ORCID iD: 0000-0001-6665-1533

PhD, Director of the Research and Practice Center for Telemedicine

Russian Federation, 89 Chapaevskaya st., Samara, 443099

Anatolii O. Rubanenko

Samara State Medical University

Email: a.o.rubanenko@samsmu.ru
ORCID iD: 0000-0002-3996-4689

PhD, Associate professor, Chair of Propaedeutic Therapy

Russian Federation, 89 Chapaevskaya st., Samara, 443099

Ivan D. Shipunov

Samara State Medical University

Email: i.d.shipunov@samsmu.ru
ORCID iD: 0000-0003-0674-7191

a preventive medicine physician, Research and Practice Center for Telemedicine

Russian Federation, 89 Chapaevskaya st., Samara, 443099

Valeriya S. Rogova

Samara State Medical University

Email: v.s.rogova@samsmu.ru
ORCID iD: 0000-0002-7388-8341

a preventive medicine physician, Research and Practice Center for Telemedicine

Russian Federation, 89 Chapaevskaya st., Samara, 443099

References

  1. Massaroni C, Nicolò A, Lo Presti D, et al. Contact-Based Methods for Measuring Respiratory Rate. Sensors (Basel). 2019;19(4):908. doi: 10.3390/s19040908
  2. De Rossi D, Carpi F, Lorussi F, et al. Electroactive fabrics and wearable biomonitoring devices. AUTEX Res J. 2003;3:180-185.
  3. Wang J, Xue P, Tao X. Strain sensing behavior of electrically conductive fibers under large deformation. Mater Sci Eng A. 2011;528:2863-2869. doi: 10.1016/j.msea.2010.12.057
  4. Egami Y, Suzuki K, Tanaka T, et al. Preparation and characterization of conductive fabrics coated uniformly with polypyrrole nanoparticles. Synth Met. 2011;161:219-224. doi: 10.1016/j.synthmet.2010.11
  5. Atalay O, Kennon WR, Demirok E. Weft-knitted strain sensor for monitoring respiratory rate and its electro-mechanical modeling. IEEE Sens J. 2015;15:110-122. doi: 10.1109/jsen.2014.2339739
  6. Lanatà A, Scilingo EP, Nardini E, et al. Comparative evaluation of susceptibility to motion artifact in different wearable systems for monitoring respiratory rate. IEEE Trans Inf Technol Biomed. 2010;14:378-386. doi: 10.1109/titb.2009.2037614
  7. Paradiso R, Loriga G, Taccini N. A wearable health care system based on knitted integrated sensors. IEEE Trans Inf Technol Biomed. 2005;9:337-344. doi: 10.1109/titb.2005.854512
  8. Hamdani STA, Fernando A. The application of a piezo-resistive cardiorespiratory sensor system in an automobile safety belt. Sensors. 2015;15:7742-7753. doi: 10.3390/s150407742
  9. Molinaro N, Massaroni C, Presti DL, et al. Wearable textile based on silver plated knitted sensor for respiratory rate monitoring. EMBC. 18-21 July 2018:2865-2868. doi: 10.1109/embc.2018.8512958
  10. Chu M, Nguyen T, Pandey V, et al. Respiration rate and volume measurements using wearable strain sensors. NPJ Digit Med. 2019;2:8. doi: 10.1038/s41746-019-0083-3
  11. Terazawa M, Karita M, Kumagai S, et al. Respiratory Motion Sensor Measuring Capacitance Constructed across Skin in Daily Activities. Micromachines (Basel). 2018;9(11):543. doi: 10.3390/mi9110543
  12. Kundu SK, Kumagai S, Sasaki M. A wearable capacitive sensor for monitoring human respiratory rate. Jpn J Appl Phys. 2013;52:04CL05. doi: 10.7567/jjap.52.04cl05
  13. Grlica J, Martinovi´c T, Džapo H. Capacitive sensor for respiration monitoring. IEEE SAS. 13-15 April 2015:1-6. doi: 10.1109/sas.2015.7133567
  14. Naranjo-Hernández D, Talaminos-Barroso A, Reina-Tosina J, et al. Smart Vest for Respiratory Rate Monitoring of COPD Patients Based on Non-Contact Capacitive Sensing. Sensors. 2018;18:2144. doi: 10.3390/s18072144
  15. Chadha T, Watson H, Birch S, et al. Validation of respiratory inductive plethysmography using different calibration procedures. Am Rev Respir Dis. 1982;125:644-649.
  16. Dall’Ava-Santucci J, Armanganidis A. Respiratory inductive plethysmography in Pulmonary Function in Mechanically Ventilated Patients. Springer. Berlin, Germany. 1991:121-142.
  17. Cabiddu R, Pantoni CB, Mendes RG, et al. Inductive plethysmography potential as a surrogate for ventilatory measurements during rest and moderate physical exercise. Braz J Phys Ther. 2016;20(2):184-8. doi: 10.1590/bjpt-rbf.2014.0147
  18. Grossman P, Spoerle M, Wilhelm FH. Reliability of respiratory tidal volume estimation by means of ambulatory inductive plethysmography. Biomed Sci Instrum. 2006;42:193-8.
  19. Dziuda L, Skibniewski FW, Krej M, et al. Monitoring respiration and cardiac activity using fiber Bragg grating-based sensor. IEEE Trans Biomed Eng. 2012;59(7):1934-42. doi: 10.1109/TBME.2012.2194145
  20. Dziuda L, Krej M, Skibniewski FW. Fiber Bragg grating strain sensor incorporated to monitor patient vital signs during MRI. IEEE Sens J. 2013;13:4986-4991. doi: 10.1109/jsen.2013.2279160
  21. Chethana K, Guru Prasad AS, Omkar SN, et al. Fiber bragg grating sensor based device for simultaneous measurement of respiratory and cardiac activities. J Biophotonics. 2017;10(2):278-285. doi: 10.1002/jbio.201500268
  22. Ciocchetti M, Massaroni C, Saccomandi P, et al. Smart Textile Based on Fiber Bragg Grating Sensors for Respiratory Monitoring: Design and Preliminary Trials. Biosensors (Basel). 2015;5(3):602-15. doi: 10.3390/bios5030602
  23. Massaroni C, Saccomandi P, Formica D, et al. Design and feasibility assessment of a magnetic resonance-compatible smart textile based on fiber Bragg grating sensors for respiratory monitoring. IEEE Sens J. 2016;99:1-1. doi: 10.1109/jsen.2016.2606487
  24. Massaroni C, Venanzi C, Silvatti AP, et al. Smart textile for respiratory monitoring and thoraco-abdominal motion pattern evaluation. J Biophotonics. 2018;11:e201700263. doi: 10.1002/jbio.201700263
  25. Lo Presti D, Massaroni C, Saccomandi P, et al. A wearable textile for respiratory monitoring: Feasibility assessment and analysis of sensors position on system response. Annu Int Conf IEEE Eng Med Biol Soc. 2017;2017:4423-4426. doi: 10.1109/EMBC.2017.8037837
  26. Krehel M, Schmid M, Rossi RM, et al. An optical fibre-based sensor for respiratory monitoring. Sensors. 2014;14:13088-13101. doi: 10.3390/s140713088
  27. Augousti A, Maletras F, Mason J. Improved fibre optic respiratory monitoring using a figure-of-eight coil. Physiol Meas. 2005;26:585-590. doi: 10.1088/0967-3334/26/5/001
  28. Koyama Y, Nishiyama M, Watanabe K. Smart textile using hetero-core optical fiber for heartbeat and respiration monitoring. IEEE Sens J. 2018;18:6175-6180. doi: 10.1109/jsen.2018.2847333
  29. Fedotov AA. Sensors and respiratory monitoring systems: Guidelines. Samara, 2019;29:26-27. (In Russ.). [Федотов А.А. Датчики и системы респираторного мониторинга: Методические указания. Самара, 2016;29:26-27].
  30. Gupta AK. Respiration Rate Measurement Based on Impedance Pneumography; Application Report SBAA181; Texas Instruments: Dallas. TX, USA, 2011.
  31. Trobec R, Rashkovska A, Avbelj V. Two proximal skin electrodes – A respiration rate body sensor. Sensors. 2012;13813-13828. doi: 10.3390/s121013813
  32. Bawua LK, Miaskowski C, Suba S, et al. Thoracic Impedance Pneumography-Derived Respiratory Alarms and Associated Patient Characteristics. Am J Crit Care. 2022;31(5):355-365. doi: 10.4037/ajcc2022295
  33. Charlton PH, Bonnici T, Tarassenko L, et al. An impedance pneumography signal quality index: Design, assessment and application to respiratory rate monitoring. Biomed Signal Process Control. 2021;65:102339. doi: 10.1016/j.bspc.2020.102339
  34. Bawua LK, Miaskowski C, Suba S, et al. Agreement between respiratory rate measurement using a combined electrocardiographic derived method versus impedance from pneumography. J Electrocardiol. 2022;71:16-24. doi: 10.1016/j.jelectrocard.2021.12.006
  35. Wang FT, Chan HL, Wang CL, et al. Instantaneous Respiratory Estimation from Thoracic Impedance by Empirical Mode Decomposition. Sensors (Basel). 2015;15(7):16372-87. doi: 10.3390/s150716372
  36. Chen R, Chen K, Dai Y, et al. Utility of transthoracic impedance and novel algorithm for sleep apnea screening in pacemaker patient. Sleep Breath. 2019;23(3):741-746. doi: 10.1007/s11325-018-1755-y
  37. Bawua LK, Miaskowski C, Hu X, et al. A review of the literature on the accuracy, strengths, and limitations of visual, thoracic impedance, and electrocardiographic methods used to measure respiratory rate in hospitalized patients. Ann Noninvasive Electrocardiol. 2021;26(5):e12885. doi: 10.1111/anec.12885
  38. Landon C. Respiratory monitoring: Advantages of inductive plethysmography over impedance pneumography. VivoMetrics VMLA. 2002:1-7.
  39. Lu Y, Wu HT, Malik J. Recycling cardiogenic artifacts in impedance pneumography. Biomedical Signal Processing and Control. 2019;51:162-170. doi: 10.1016/j.bspc.2019.02.027
  40. Reinvuo T, Hannula M, Sorvoja H, et al. Measurement of respiratory rate with high-resolution accelerometer and EMFit pressure sensor. IEEE Sensors Applications Symposium. 7-9 February 2006:192-195. doi: 10.1109/sas.2006.1634270
  41. Ivakhno NV, Prokhortsov AV, Senina EN, et al. Method for Registering Movement of the Chest at the Diagnosis of the Sleep Apnea. Journal of New Medical Technologies. 2014;21(4):133-136. (In Russ.). [Ивахно Н.В., Прохорцов А.В., Сенина Е.Н., и др. Способ регистрации движения грудной клетки при диагностике состояния сонного апноэ. Вестник новых медицинских технологий. 2014;21(4):133-136]. doi: 10.12737/7286
  42. Bates A, Ling MJ, et al. Respiratory rate and flow waveform estimation from tri-axial accelerometer data. International Conference on Body Sensor Networks. 7-9 June 2010:144-150. doi: 10.1109/bsn.2010.50
  43. Chan AM, Ferdosi N, Narasimhan R. Ambulatory respiratory rate detection using ECG and a triaxial accelerometer. Annu Int Conf IEEE Eng Med Biol Soc. 2013:4058-61. doi: 10.1109/EMBC.2013.6610436
  44. Liu GZ, Guo YW, Zhu QS, et al. Estimation of respiration rate from three-dimensional acceleration data based on body sensor network. Telemed e-Health. 2011;17:705-711. doi: 10.1089/tmj.2011.0022
  45. Vertens J, Fischer F, Heyde C, et al. Measuring Respiration and Heart Rate using Two Acceleration Sensors on a Fully Embedded Platform. 3rd International Congress on Sport Sciences Research and Technology Support. 15-17 November 2015:15-23.
  46. Drummond GB, Fischer D, et al. Classifying signals from a wearable accelerometer device to measure respiratory rate. ERJ Open Res. 2021;7(2):00681-2020. doi: 10.1183/23120541.00681-2020
  47. Wang S, Liu M, Pang B, et al. A new physiological signal acquisition patch designed with advanced respiration monitoring algorithm based on 3-axis accelerator and gyroscope. 40th Annual International Conference of the IEEE EMBC. 18-21 July 2018:441-444. doi: 10.1109/embc.2018.8512427
  48. Shen CL, Huang TH, Hsu PC, et al. Respiratory Rate Estimation by Using ECG, Impedance, and Motion Sensing in Smart Clothing. J Med Biol Eng. 2017;37:826-842.
  49. Romano C, Schena E, Formica D, Massaroni C. Comparison between Chest-Worn Accelerometer and Gyroscope Performance for Heart Rate and Respiratory Rate Monitoring. Biosensors (Basel). 2022;12(10):834. doi: 10.3390/bios12100834
  50. Milici S, Lázaro A, Villarino R, et al. Wireless Wearable Magnetometer-Based Sensor for Sleep Quality Monitoring. IEEE Sens J. 2018;18:2145-2152. doi: 10.1109/jsen.2018.2791400
  51. Oh Y, Jung YJ, Choi S, et al. Design and Evaluation of a MEMS Magnetic Field Sensor-Based Respiratory Monitoring and Training System for Radiotherapy. Sensors. 2018;18:2742. doi: 10.3390/s18092742
  52. McCool FD, Wang J, Ebi KL. Tidal volume and respiratory timing derived from a portable ventilation monitor. Chest. 2002;122:684-691. doi: 10.1378/chest.122.2.684
  53. Cesareo A, Previtali Y, Biffi E, et al. Assessment of Breathing Parameters Using an Inertial Measurement Unit (IMU)-Based System. Sensors. 2018;19:88. doi: 10.3390/s19010088
  54. Cesareo A, Gandolfi S, Pini I, et al. A novel, low cost, wearable contact-based device for breathing frequency monitoring. 39th Annual International Conference of the IEEE EMBC. 11-15 July 2017:2402-2405. doi: 10.1109/embc.2017.8037340

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2023 Garanin A.A., Rubanenko A.O., Shipunov I.D., Rogova V.S.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».