Development of a wearable sensor to monitor respiratory parameters

Abstract

O Teste de Função Pulmonar (PFT) desempenha um papel crucial no diagnóstico de doenças pulmonares, como a doença pulmonar obstrutiva crónica (DPOC) e a asma, permitindo quantificações de volumes respiratórios e frequência respiratória. No entanto, a pandemia da COVID-19 trouxe desafios aos procedimentos tradicionais de PFT (principalmente à espirometria), levando à exploração de métodos alternativos. Os sensores wearable têm surgido como uma solução promissora, permitindo a avaliação contínua de parâmetros respiratórios. O presente estudo aborda esta inovação, com foco no desenvolvimento e teste de um sensor wearable capacitivo usando poli(sebacato de glicerol) (PGS). Quando exposto a uma pressão induzida equivalente à dos movimentos torácicos humanos, o sensor construído a partir de um substrato poroso de PGS (Sensor 1), apresentou um gauge factor (GF) de 1,52 e uma sensibilidade de 0,09 kPaˉ¹, enquanto o sensor construído a partir um substrato sólido microestruturado de PGS (Sensor 2), exibiu um GF de 1,64 e uma sensibilidade de 0,055 kPaˉ¹. Ambos demonstraram durabilidade, linearidade e repetibilidade, mesmo sob diversas condições de utilização. Os testes de função pulmonar envolveram 80 participantes, dos quais 72 forneceram dados respiratórios que preencheram os requisitos para análise posterior, revelando uma alta taxa de retenção de participantes. O processamento de dados permitiu remover com sucesso o ruído existente, artefactos indesejados e o fenómeno de baseline wander, garantindo a qualidade dos dados. O alinhamento dos picos de inspiração e expiração entre os dados do sensor e do espirómetro permitiu o cálculo preciso da frequência respiratória para todos os participantes, e os valores de erro médio absoluto (MAE) calculados (cerca de 10% para ambos os sensores) indicaram uma forte concordância entre os dados do sensor e do espirómetro, colocando os sensores propostos em posição de igualdade com dispositivos wearable bem estabelecidos na área da saúde. Além disso, um modelo de correlação suportou uma relação linear entre as ondas inspiratórias dos sensores e dos sinais simultâneos de espirometria, enquanto a análise de características revelou fortes correlações positivas entre os dados do sensor e do espirómetro, particularmente para características que representam tempos de ventilação. Este estudo destaca o potencial dos sensores capacitivos na monitorização respiratória não invasiva, uma vez que os dispositivos propostos igualam as capacidades de grande parte das tecnologias existentes.

Pulmonary function testing (PFT) plays a crucial role in diagnosing lung diseases like chronic obstructive pulmonary disease (COPD) and asthma, by offering objective pulmonary measurements regarding respiratory volumes and respiratory rate (RR). However, the COVID-19 pandemic brought challenges to traditional PFT procedures (mainly spirometry), prompting the exploration of alternative methods. Wearable sensors have emerged as a promising solution, allowing continuous assessment of respiratory parameters, especially RR. This study is at the forefront of this innovation, focusing on developing and testing a capacitive wearable sensor using poly(glycerol sebacate) (PGS). When exposed to an induced pressure equivalent to that of the human thorax movements during breathing, Sensor 1, built from a porous PGS substrate, displayed a gauge factor (GF) of 1.52 and a sensitivity of 0.09 kPaˉ¹ , while Sensor 2, based on a microstructured solid PGS substrate, exhibited a higher GF of 1.64 and a lower sensitivity of 0.055 kPaˉ¹ . Both sensors demonstrated durability, linearity, and repeatability, even under challenging conditions. In a pulmonary function study involving 80 participants, 72 provided respiratory data that met the criteria for further analysis, highlighting a high participant retention rate. Data processing successfully removed noise, undesirable artifacts, and baseline wander, ensuring data cleanliness. The alignment of inspiration and expiration peaks between sensor and spirometry data allowed for the accurate calculation of RR for all subjects, and the calculated mean absolute error (MAE) values, approximately 10% for both sensors, indicated a strong agreement between sensor and spirometer data, placing the proposed devices on par with wellestablished wearable healthcare devices. Additionally, a correlation model supported a linear relationship between inspiratory waves from the sensors and simultaneous spirometry signals, while feature analysis revealed strong positive correlations between sensor and spirometer data, particularly for features representing ventilation times. This study highlights the potential of capacitive wearable sensors in non-invasive respiratory monitoring, as the proposed devices are on the verge of not only matching but surpassing the capabilities of existing technologies.