傳遞函數(shù)分析動(dòng)態(tài)腦血流自動(dòng)調(diào)節(jié)：源于國際腦血流自動(dòng)調(diào)節(jié)研究網(wǎng)絡(luò)的白皮書

韓珂，王政嚴(yán)，紀(jì)乃方，胡漢華，，4

1 引言

1.1 腦血流自動(dòng)調(diào)節(jié)

人腦的灌注由多系統(tǒng)控制，包括化學(xué)調(diào)控、自動(dòng)調(diào)節(jié)（如針對(duì)壓力變化的肌源性反應(yīng)）、調(diào)控局部腦代謝的神經(jīng)血管耦聯(lián)以及可能還包括自主神經(jīng)血管調(diào)控。腦血流自動(dòng)調(diào)節(jié)（cerebral autoregulation，CA）是指血壓（blood pressure，BP）變化時(shí)大腦維持足夠腦灌注的內(nèi)在能力。BP與腦血流（cerebral blood flow，CBF）之間的動(dòng)態(tài)關(guān)系有高通濾波器的特點(diǎn)，推測(cè)是由于腦小動(dòng)脈對(duì)壓力變化的適應(yīng)不夠快，無法抵消灌注壓的高頻振蕩（＞0.20 Hz），結(jié)果這些高頻振蕩信號(hào)無阻礙地通過進(jìn)入了腦血流的振蕩。相反，腦小動(dòng)脈可以抵消及衰減較低頻率振蕩（＜0.20 Hz，但最有效的是＜0.05 Hz）。由于大腦高度依賴持續(xù)的（含氧）血供，當(dāng)CA功能障礙時(shí)，大腦對(duì)灌注不足及過度灌注更為敏感。已知有多種疾病損害CA，如糖尿病、癡呆、卒中、腦外傷以及蛛網(wǎng)膜下腔出血。另外，在嚴(yán)重的高血壓、腦損傷或者正在進(jìn)行外科手術(shù)的患者中，CA則在維持穩(wěn)定的腦灌注中扮演了重要的角色。因此，評(píng)估和監(jiān)測(cè)CA功能可為患者提供有用的臨床信息，為降低二次腦損傷風(fēng)險(xiǎn)提供了一個(gè)更注重個(gè)體生理特性的治療方案。

1.2 評(píng)估腦血流自動(dòng)調(diào)節(jié)的方法

過去30多年，已經(jīng)提出了許多評(píng)估CA功能的方法。傳統(tǒng)的評(píng)估方法是誘發(fā)BP變化觀察腦血管系統(tǒng)的變化。采用藥物或者動(dòng)作誘發(fā)如Valsalva、蹲下站起或者坐下站起、下肢袖帶加壓釋放試驗(yàn)，均能誘發(fā)BP急劇變化。另一方法是短暫充血反應(yīng)試驗(yàn)，即壓頸動(dòng)脈，頸動(dòng)脈壓迫釋放瞬間測(cè)量CBF的增高。然而由于一些方法可致患者BP變化幅度相對(duì)大、需要患者配合以及一些誘發(fā)方法可致患者不適，故無法用于重病者、年老者或者重度認(rèn)知障礙者。而且，上述檢查方法可能影響其他生理系統(tǒng)（如，Valsalva動(dòng)作可激活交感神經(jīng)系統(tǒng)，視覺或者聲音刺激可激活大腦皮層），或者其他的變量[如，蹲-站和（或）坐-站動(dòng)作時(shí)體位變化對(duì)pCO2]，使結(jié)果混雜。鑒于這些人為引起B(yǎng)P波動(dòng)的方法存在局限性，一些研究團(tuán)隊(duì)改用自發(fā)BP波動(dòng)替代誘發(fā)波動(dòng)的方法研究CA。

根據(jù)靜息時(shí)BP和CBF自發(fā)性波動(dòng)，已研發(fā)出多種無創(chuàng)性CA分析方法，如相關(guān)系數(shù)分析（correlation coefficient analysis，Mx）、自動(dòng)調(diào)節(jié)指數(shù)、傳遞函數(shù)分析（transfer function analysis，TFA）及應(yīng)用Volterra核心的laguerre擴(kuò)展或者主要?jiǎng)討B(tài)模式的非線性分析、自回歸以及多模式壓力-血流分析。必須說明，上述方法測(cè)量CA的前提是簡(jiǎn)化CA，這些方法提供了描述BP與CBF關(guān)系的度量標(biāo)準(zhǔn)，但事實(shí)上，除了CA外，這些參數(shù)還受其他許多因素的影響。

1.3 傳遞函數(shù)分析

雖然測(cè)量CA方法諸多，但具體方法的選擇仍然是個(gè)人的習(xí)慣，至今無公認(rèn)的金標(biāo)準(zhǔn)。然而，由于CA的概念代表了BP（刺激或輸入信號(hào)）和CBF（反應(yīng)或輸出信號(hào)）之間的動(dòng)態(tài)關(guān)系，采用基于BP自發(fā)波動(dòng)的TFA是目前研究中的常用方法。測(cè)量CA的TFA參數(shù)包括增益、相位和一致性。Arenda Hea van Beek解釋了這些參數(shù)的生理意義以及如何與其他評(píng)估CA的方法相關(guān)聯(lián)。

1.4 傳遞函數(shù)分析方法學(xué)的背景簡(jiǎn)述

為了統(tǒng)一認(rèn)識(shí)，有必要簡(jiǎn)單介紹下TFA是如何與線性控制系統(tǒng)理論關(guān)聯(lián)的。TFA用于評(píng)估可反映人類腦血管自動(dòng)調(diào)節(jié)系統(tǒng)的動(dòng)態(tài)行為變化的前提是假設(shè)CA是一個(gè)線性控制系統(tǒng)。而現(xiàn)實(shí)中，BP變化可導(dǎo)致腦血管阻力變化，進(jìn)而影響CBF，但除BP之外，其他諸多變量如CO2，也會(huì)影響CBF，故CA并非線性系統(tǒng)。盡管如此，將CA“簡(jiǎn)化”為線性系統(tǒng)，再用TFA分析CBF動(dòng)力學(xué)是可行的，但解釋結(jié)果時(shí)需要記住上述的其他影響因素。

圖1 傳遞函數(shù)分析的主要步驟

通常，TFA是利用傅里葉方法，將平穩(wěn)的輸入和輸出信號(hào)，即具有穩(wěn)定的統(tǒng)計(jì)矩的變量，主要是均值和方差，分解為多頻率的正弦和余弦的疊加。在線性假設(shè)下，正弦波輸入將被轉(zhuǎn)換成相同頻率的正弦波輸出，但和原信號(hào)相比，輸出信號(hào)振幅或增益不同，并且通常會(huì)有時(shí)間上的偏移，即反應(yīng)相位差（圖1）。雖然可以直接計(jì)算每個(gè)頻率的增益與相位，但由于現(xiàn)實(shí)中存在諸如無關(guān)噪音等影響，不太容易評(píng)估其可靠性。采用一致性函數(shù)有助于識(shí)別哪些情況下增益和相位的評(píng)估可能是不可靠的。一致性在每個(gè)頻率上的值均介于0與1之間，類似于相關(guān)系數(shù)的平方，體現(xiàn)了各個(gè)頻率的輸出方差中有多少比例源自對(duì)應(yīng)該頻率的輸入功率。對(duì)于高信噪比且單變量輸入-輸出關(guān)系的線性系統(tǒng)，一致性函數(shù)將趨近1。另一方面，如果信噪比低、系統(tǒng)為高度非線性或有其他變量影響輸出時(shí)，一致性函數(shù)則趨近0。

1.5 白皮書的理論基礎(chǔ)

總之，通過記錄靜息時(shí)BP和CBF的自發(fā)波動(dòng)或者通過動(dòng)作誘發(fā)波動(dòng)[通常用經(jīng)顱多普勒超聲（transcranial Doppler，TCD）測(cè)定的腦血流速度（cerebral blood flow velocity，CBFV）代表CBF]，TFA可獲取頻率依賴的增益和相位評(píng)估，并根據(jù)一致性函數(shù)評(píng)估這些數(shù)據(jù)的可靠性。盡管理論可行，但實(shí)踐中TFA參數(shù)和設(shè)置的范圍很大，導(dǎo)致文獻(xiàn)中TFA分析動(dòng)態(tài)CA的結(jié)果范圍也很大，嚴(yán)重限制了不同研究之間的比較，阻礙了該方法的臨床應(yīng)用，例如，缺乏標(biāo)準(zhǔn)化的主要后果之一是很難明確界定正常與受損的自動(dòng)調(diào)節(jié)。

因此，白皮書旨在完善和標(biāo)準(zhǔn)化動(dòng)態(tài)CA研究中TFA的參數(shù)和設(shè)置。本白皮書始于但不局限于腦血流自動(dòng)調(diào)節(jié)研究網(wǎng)絡(luò)（CARNetwww.car-net.org）。被推薦的建議來自于不同的研究團(tuán)隊(duì)，他們分別獨(dú)立完成了工作，以提高改進(jìn)TFA測(cè)量和分析技術(shù)方法的證據(jù)水平。本報(bào)告推薦的關(guān)于人類TFA最合適的評(píng)估方法的一系列建議是建立在回顧及批判近期生理和模型研究的基礎(chǔ)之上的。這僅僅是實(shí)施改進(jìn)方法的第一步，不應(yīng)該被視為阻礙繼續(xù)改進(jìn)參數(shù)設(shè)置或方法的“約束衣”。可以想象，這些推薦將使檢測(cè)結(jié)果更穩(wěn)定、更可靠，并盡快推動(dòng)該研究結(jié)果的臨床轉(zhuǎn)化。

最后，特別強(qiáng)調(diào)，白皮書選擇了TFA，并不意味著TFA就是現(xiàn)有檢測(cè)CA的最佳方法。

2 方法學(xué)

對(duì)與本報(bào)告主題相關(guān)的TFA文獻(xiàn)進(jìn)行了系統(tǒng)回顧。先前發(fā)表的文獻(xiàn)（包括有詳細(xì)的搜索策略和研究納入標(biāo)準(zhǔn)）顯示，TFA所采用的信號(hào)處理方法、實(shí)驗(yàn)室條件和研究流程有很大差異。與此倡議相關(guān)的是近期由腦血流自動(dòng)調(diào)節(jié)研究網(wǎng)絡(luò)所發(fā)起并進(jìn)行的多中心研究所生成的報(bào)告，其構(gòu)成是基于不同的研究中心以各自的TFA設(shè)置（濾波、頻率范圍、取樣窗、分段等）對(duì)記錄了健康患者的BP及TCD的單獨(dú)的、聯(lián)合數(shù)據(jù)庫所進(jìn)行的分析。該研究揭示了TFA設(shè)置不同對(duì)最終的分析結(jié)果的影響。

我們努力讓以下每一個(gè)推薦均能提供出引文證據(jù)。TFA所依賴的完善的數(shù)學(xué)框架是線性系統(tǒng)分析的一部分，多數(shù)情況下，這是后文推薦選擇參數(shù)和設(shè)施的主要理由。然而，白皮書中仍有一些方法學(xué)不太明確，需要更多的證據(jù)。

采用TFA檢測(cè)CA的主題包括5個(gè)部分：實(shí)驗(yàn)流程、數(shù)據(jù)準(zhǔn)備和預(yù)處理、TFA方法、TFA參數(shù)提取以及報(bào)告TFA結(jié)果。

3 白皮書推薦

3.1 實(shí)驗(yàn)流程

白皮書的主要目的是標(biāo)準(zhǔn)化TFA流程。要得到穩(wěn)定、可靠的結(jié)果，必須對(duì)數(shù)據(jù)獲取和檢測(cè)方案制定準(zhǔn)則，包括可影響CA的環(huán)境條件、體位、檢測(cè)技術(shù)和生理協(xié)變量等。

推薦1

檢測(cè)需要在一個(gè)空調(diào)的環(huán)境中，理想溫度是22～24 ℃。檢查前至少4 h避免飲用含咖啡因的飲料、巧克力和難消化食物，還須在檢查前至少12 h避免運(yùn)動(dòng)和攝入酒精。保健品和各種藥物也可以影響TFA，需要根據(jù)實(shí)驗(yàn)?zāi)康淖们榭紤]。如果檢測(cè)靜息狀態(tài)下的CA（基線），應(yīng)該盡量避免視覺或者聽覺刺激（不能有人員進(jìn)出干擾）。但如果CA分析只是包括神經(jīng)血管耦聯(lián)在內(nèi)的分析的一部分，則應(yīng)在可控制條件下給予感覺刺激。充分告知受試者檢測(cè)流程，尤其是焦慮癥者，有助于減少恐懼和焦慮。應(yīng)該記錄呼氣末CO2，確保檢測(cè)過程中呼吸維持穩(wěn)定（避免過度通氣或者通氣不足），因?yàn)榧词笴O2微小的變化也能影響CBF。由于CA存在晝夜生物節(jié)律變化，故推薦在相似時(shí)間段檢測(cè)，以保證檢測(cè)的可重復(fù)性。對(duì)于組間研究，評(píng)估時(shí)間應(yīng)統(tǒng)一規(guī)定。而對(duì)顱內(nèi)壓（intracranial pressure，ICP）增高患者，檢測(cè)時(shí)應(yīng)注意平均ICP；盡管已經(jīng)有其他方法評(píng)估腦灌注壓，但將腦灌注壓用作TFA輸入信號(hào)進(jìn)行分析，還有待進(jìn)一步的研究。

為了檢查靜息狀態(tài)或基線水平的CA，受試者應(yīng)休息15 min后，在仰臥位或下肢未交叉的坐位測(cè)量BP和CBFV。應(yīng)該明確記錄所有檢查體位（如頭高30°的仰臥位）。

針對(duì)可控條件少的情況，如重癥監(jiān)護(hù)室的患者，則不能遵照上述推薦，應(yīng)將此作為局限性，并討論對(duì)結(jié)果的影響。

證據(jù)：TFA的基本前提之一是數(shù)據(jù)的平穩(wěn)性。嚴(yán)謹(jǐn)?shù)难芯啃枰€(wěn)定的生理?xiàng)l件，并盡量控制CBF和CA的混雜因素和共同變量。老年心力衰竭患者檢測(cè)前至少仰臥位休息12 min以穩(wěn)定BP、心率和心搏量；而高血壓患者檢測(cè)前應(yīng)坐位休息15 min以穩(wěn)定血壓。

推薦2

大多數(shù)研究動(dòng)態(tài)CA的TFA是應(yīng)用手指動(dòng)脈的動(dòng)脈容積夾記錄持續(xù)的無創(chuàng)性BP測(cè)定，以及應(yīng)用TCD記錄CBFV作為CBF的替代指標(biāo)。還有其他許多方法可以替代記錄上述變量，不在本文討論范疇。但必須說明當(dāng)檢測(cè)方法不同時(shí)，例如用TCD或者近紅外光譜法評(píng)估CBF，增益、相位和一致性的評(píng)估會(huì)有很大差異。而且，設(shè)備會(huì)有信號(hào)輸出延遲，例如Finapres（Finapres醫(yī)療設(shè)備，阿姆斯特丹）對(duì)重建肱動(dòng)脈BP信號(hào)有固定輸出延遲1 s，而CO2分析儀（capnography設(shè)備）信號(hào)延遲時(shí)間取決于使用管子的長(zhǎng)度等。因此，有必要知曉此延遲，并在同步化BP和CBFV（和其他參數(shù)）信號(hào)時(shí)給予考慮。

鑒于PaCO2嚴(yán)重影響動(dòng)態(tài)CA和BP，測(cè)量BP和CBFV時(shí)要同時(shí)納入PaCO2。常采用近紅外CO2分析儀或質(zhì)譜法記錄呼氣末CO2。在分析TFA結(jié)果時(shí)，應(yīng)記錄和重視任何明顯的PaCO2波動(dòng)（＞1 mmHg）。如果有ICP監(jiān)測(cè)（如重癥監(jiān)護(hù)病房），還應(yīng)在分析動(dòng)態(tài)CA時(shí)記錄ICP水平，畢竟顱內(nèi)高壓可損害CA。

證據(jù)：TFA分析需要連續(xù)記錄數(shù)據(jù)。不能控制的生理學(xué)變量如PaCO2及ICP，應(yīng)該被記錄，并在結(jié)果分析中考慮其變化性。

推薦3

TFA研究要求至少持續(xù)記錄5 min BP和CBFV自發(fā)波動(dòng)的、生理?xiàng)l件穩(wěn)定的、不間斷的高質(zhì)量的數(shù)據(jù)，以保證得到傳遞函數(shù)參數(shù)的穩(wěn)健數(shù)值及改善后文中詳細(xì)介紹的頻率分辨率。某些生理實(shí)驗(yàn)如高碳酸血癥，為了獲取穩(wěn)定的生理?xiàng)l件，需要記錄更長(zhǎng)時(shí)間，最少持續(xù)5 min。

證據(jù)：后文推薦11和推薦12的技術(shù)規(guī)格的前提是需要數(shù)據(jù)至少連續(xù)記錄5 min。

3.2 數(shù)據(jù)準(zhǔn)備與預(yù)處理

關(guān)于采樣頻率。文獻(xiàn)還顯示了各種范圍的采樣頻率，即連續(xù)的輸入信號(hào)在1 s內(nèi)被采樣記錄了多少次。注意不要與后文描述的插補(bǔ)每搏心跳數(shù)據(jù)時(shí)所使用的“再-采樣率”發(fā)生混淆。

推薦4

將BP和CBFV連續(xù)信號(hào)進(jìn)行模擬-數(shù)字轉(zhuǎn)換時(shí)，推薦的最小采樣頻率為50 Hz，接下來是合適的抗混疊濾波，典型的低通頻率截止值為20 Hz。

證據(jù)：Nyquist定律規(guī)定，采樣頻率至少是采集信號(hào)最大頻率的雙倍。眾所周知，對(duì)于心血管數(shù)據(jù)，有意義的功率其頻率不會(huì)超過20 Hz，因此，符合Nyquist定律的采樣頻率至少是50 Hz。然而，在工程實(shí)踐中，若是考慮到設(shè)備及數(shù)據(jù)儲(chǔ)存的可行性，通常會(huì)優(yōu)選設(shè)置比Nyquist頻率高4～5倍。

圖2 健康成人的血壓和腦血流速度的代表性數(shù)據(jù)

關(guān)于波形與每搏的數(shù)據(jù)。TFA文獻(xiàn)顯示，BP和CBFV的時(shí)間信號(hào)采用了兩種格式：①記錄BP和CBFV信號(hào)的原始波形；②每搏心跳數(shù)據(jù)（如每搏心跳時(shí)的平均BP和平均CBFV）。Brian M. Deegan等比較了采用完整波形時(shí)間信號(hào)與每搏心跳數(shù)據(jù)之間的TFA結(jié)果，發(fā)現(xiàn)無偽跡數(shù)據(jù)時(shí)，兩種方法相關(guān)性很好；而有偽跡的數(shù)據(jù)，完整波形分析更容易受到干擾，例如Finapres BP設(shè)備的“physiocals”功能，會(huì)造成缺失BP數(shù)據(jù)的短片段。

推薦5

目前大多數(shù)研究采用每搏心跳數(shù)據(jù)分析TFA，可實(shí)現(xiàn)標(biāo)準(zhǔn)化，所以推薦用于未來的研究。而且，每搏心跳數(shù)據(jù)的重要優(yōu)勢(shì)是，相比完整波形分析，對(duì)于BP或TCD數(shù)據(jù)短片段的缺失不敏感。推薦的最常用方法是將BP舒張值的時(shí)間作為每個(gè)心動(dòng)周期的起、終點(diǎn)，根據(jù)波形積分（曲線下面積）得出每個(gè)心動(dòng)周期的平均BP和平均CBFV。建議目視檢查原始信號(hào)，以核實(shí)該方法可在心動(dòng)周期正確獲得BP和CBFV波形。

證據(jù)：Brian M. Deegan等直接比較了完整波形與每搏心跳數(shù)據(jù)分析，及缺失數(shù)據(jù)是如何影響這兩種方法的。

推薦6

數(shù)據(jù)分析之前，均應(yīng)目視檢查信號(hào)（最好是檢查原始的及每搏心跳的平均信號(hào)），以確保數(shù)據(jù)無過多噪音及偽跡（圖2）。應(yīng)刪除短時(shí)程的強(qiáng)偽跡（多達(dá)3次心跳），并由線性插值取代。當(dāng)偽跡過多、持續(xù)時(shí)間較長(zhǎng)時(shí)，直接從分析中刪除此數(shù)據(jù)片段。散發(fā)的異位搏動(dòng)數(shù)據(jù)可被納入分析。

證據(jù)：Brian M. Deegan等證實(shí)，短時(shí)異位搏動(dòng)片段數(shù)據(jù)的插值（或如生理因素所致數(shù)據(jù)丟失）并不會(huì)影響TFA檢測(cè)參數(shù)。目前還不清楚通過插值能去除的異位搏動(dòng)的最大次數(shù)；但Brian M. Deegan等認(rèn)為0.03～0.07 Hz頻段的缺失＜10 s時(shí)可以接受，而0.07～0.5 Hz頻段每50 s缺失5 s則導(dǎo)致結(jié)果不可靠。

關(guān)于插值法。TFA設(shè)定等距的數(shù)據(jù)點(diǎn)。通過在一組已知的離散數(shù)據(jù)點(diǎn)范圍內(nèi)構(gòu)建出新的數(shù)據(jù)點(diǎn)，插值法可用于創(chuàng)建等距時(shí)間間隔（僅在每搏心跳數(shù)據(jù)）。可用不同類型的插值，如線性和仿樣插值法，但已證實(shí)此選擇不會(huì)明顯影響TFA檢測(cè)。

推薦7

為了各中心流程標(biāo)準(zhǔn)化，推薦采用仿樣插值（三階多項(xiàng)式）計(jì)算每個(gè)心動(dòng)周期時(shí)間系列的平均BP和平均CBFV。對(duì)于從每一心動(dòng)周期（每搏心跳數(shù)據(jù)）獲取的BP和CBFV均值，在插值后最小再采樣頻率應(yīng)為4 Hz（為了得到一個(gè)規(guī)格統(tǒng)一的時(shí)間軸）。此過程見圖3。

證據(jù)：將不同類型的每搏心跳插值進(jìn)行比較，無差異。該推薦旨在進(jìn)一步推進(jìn)標(biāo)準(zhǔn)化及心率快時(shí)避免結(jié)果偏差。

關(guān)于去趨勢(shì)。去趨勢(shì)通過去除數(shù)據(jù)中任何線性或非線性趨勢(shì)，降低了低頻功率的數(shù)量。Meel-van den Abeelen等證實(shí)，采用何種類型的去趨勢(shì)（包括無去趨勢(shì)、線性趨勢(shì)的去除和3階多項(xiàng)式去趨勢(shì)）并不影響TFA結(jié)果，但是，這個(gè)結(jié)果是在由計(jì)算機(jī)生成（合成）的輸入輸出信號(hào)呈絕對(duì)線性相關(guān)且無任何雜訊的數(shù)據(jù)中得出的。這或許可以解釋為什么在合成信號(hào)中沒有看到去趨勢(shì)的利與弊，卻在測(cè)量的人類受試者的信號(hào)中可能會(huì)看到。應(yīng)該對(duì)加了噪音及信號(hào)漂移的合成信號(hào)做進(jìn)一步的研究，以確認(rèn)上述觀察結(jié)果。盡管如此，去趨勢(shì)去除的將是低于0.01 Hz的極低頻趨勢(shì)。我們推薦，將低于該范圍的頻率從TFA分析中排除（見推薦13），這解釋了為什么去趨勢(shì)不會(huì)對(duì)結(jié)果造成明顯的影響。

推薦8

為了使各中心的分析程序一致，我們建議對(duì)未去趨勢(shì)亦未高通濾波的數(shù)據(jù)進(jìn)行分析。但TFA分析之前應(yīng)該先去除平均值并將其值保留以備進(jìn)一步分析用，例如正態(tài)化（見推薦15）。

證據(jù)：沒有足夠的證據(jù)證明去除信息（通過去趨勢(shì)）在臨床應(yīng)用中具有潛在診斷或預(yù)后價(jià)值。但需要注意的是，刪除平均值時(shí)需最小化頻譜漏。

圖3 每個(gè)心跳周期內(nèi)的每搏血壓或腦血流速度平均值計(jì)算及其后續(xù)的插值與重采樣過程

推薦8的說明：如果數(shù)據(jù)的變化趨勢(shì)大，這提示數(shù)據(jù)本身存在質(zhì)量問題（如無創(chuàng)BP信號(hào)中的漂移或者有創(chuàng)導(dǎo)管BP信號(hào)的衰減），或者數(shù)據(jù)采集時(shí)的生理狀態(tài)不穩(wěn)定，如高碳酸血癥或者低碳酸血癥。無論哪種情況，最好去掉這些數(shù)據(jù)。或者，在作者判定出其數(shù)據(jù)中存在一個(gè)他們認(rèn)為可能影響頻譜分析的極低頻趨勢(shì)時(shí)，去趨勢(shì)的作用尚待進(jìn)一步論證，并判定如何處理此趨勢(shì)。

關(guān)于濾波。濾波是用來濾掉不被關(guān)注的頻率，如極高頻或極低頻。文獻(xiàn)中只有少數(shù)（11%）的研究用過各種類型的濾波。濾波對(duì)TFA結(jié)果的影響尚未明確。

推薦9

不推薦TFA分析之前對(duì)數(shù)據(jù)進(jìn)行低通或高通濾波。

證據(jù)：沒有證據(jù)表明哪一種類型的濾波是合理的，該推薦旨在推進(jìn)流程的標(biāo)準(zhǔn)化。

推薦9的說明：在TFA過程中，獲取每搏心跳均值的步驟相當(dāng)于低通“濾波”，允許并推薦采用此步驟（見推薦5）。

3.3 傳遞函數(shù)分析的方法

TFA常用快速傅里葉轉(zhuǎn)換（fast Fourier transform，F(xiàn)FT）計(jì)算，以獲取自相關(guān)和互相關(guān)頻譜。單一數(shù)據(jù)窗的頻譜分析得到的變異系數(shù)（標(biāo)準(zhǔn)差/平均值）呈散點(diǎn)分布，約等于1。為了提高頻譜分析的精確度，需要進(jìn)行平均化或平滑化處理，常用Welch方法將完整的數(shù)據(jù)分割為單獨(dú)的片段或窗長(zhǎng)以獲得平均的自相關(guān)及互相關(guān)頻譜。除了分割信號(hào)外，在頻域中還可以用移動(dòng)平均濾波器對(duì)頻譜進(jìn)行平滑化處理。由于存在頻譜漏現(xiàn)象，在FFT計(jì)算前，時(shí)域中的每段數(shù)據(jù)必須應(yīng)用錐形窗（推薦10）。

關(guān)于選擇最佳參數(shù)設(shè)置。關(guān)于TFA近期的系統(tǒng)性綜述顯示，TFA采用的信號(hào)處理方法多樣。文獻(xiàn)中采用的設(shè)置及參數(shù)各不相同，如數(shù)據(jù)的類型（原始數(shù)據(jù)或每搏平均值）、采樣頻率、插值、去趨勢(shì)、正態(tài)化、濾波以及估算功率頻譜密度時(shí)采用的取樣窗的長(zhǎng)度和類型、數(shù)據(jù)片段的數(shù)量和重疊幅度等。推薦的參數(shù)見下文和表2。應(yīng)保證TFA設(shè)置的精確，因?yàn)橐呀?jīng)證實(shí)，設(shè)置上小的差異卻可導(dǎo)致TFA結(jié)果很大的差異，使結(jié)果無法比較。

關(guān)于防漏窗。數(shù)據(jù)片段需要窗函數(shù)處理，以盡量減少一種特殊類型的失真-頻譜漏。各種形狀的防漏窗，如Hanning、Hamming和Tukey窗已經(jīng)被應(yīng)用。近期一項(xiàng)多中心研究對(duì)不同中心的TFA方法學(xué)進(jìn)行了比較，發(fā)現(xiàn)采用Hamming或Hanning防漏窗的分析結(jié)果并無顯著差異；但Tukey窗在極低頻頻段（0.01～0.07 Hz）的增益和相位失真。然而，這個(gè)結(jié)論是基于無偽跡的模擬信號(hào)，對(duì)CA研究中記錄的真實(shí)信號(hào)有何影響尚未評(píng)估。

推薦10

為了最小化出現(xiàn)頻譜漏，推薦Hanning窗函數(shù)。

證據(jù)：為了最小化頻譜失真，F(xiàn)FT分析之前需要應(yīng)用Welch算法的窗函數(shù)處理數(shù)據(jù)。無足夠證據(jù)顯示Hamming及Hanning防漏窗分析之間存在結(jié)果的差異。但為了標(biāo)準(zhǔn)化，推薦選擇Hanning取樣窗。

關(guān)于取樣窗的長(zhǎng)度。窗內(nèi)數(shù)據(jù)點(diǎn)數(shù)量與采樣頻率共同決定了以秒為單位的窗長(zhǎng)，而這將決定傳遞函數(shù)評(píng)估的頻率分辨率（△f=1/T，其中△f是頻率分辨率、單位赫茲，T是窗的持續(xù)時(shí)間、單位秒）。經(jīng)模擬顯示，窗長(zhǎng)＜75 s的結(jié)果與預(yù)期值偏差較大，特別是在極低頻段范圍內(nèi)。

推薦11

為了保證頻率分辨率，推薦窗長(zhǎng)至少100 s。使用Welch算法時(shí)，當(dāng)可用數(shù)據(jù)的長(zhǎng)度超過5 min時(shí)，最好增加窗的數(shù)量，而非增加窗長(zhǎng)。

證據(jù)：不適用。在選擇用來平均一致性、增益和相位的頻帶時(shí)，較高的頻率分辨率可以提供更大靈活性。

關(guān)于數(shù)據(jù)段的數(shù)目和疊加。如前所述，文獻(xiàn)中計(jì)算自相關(guān)和互相關(guān)頻譜的主要技術(shù)是采用（快速）傅立葉轉(zhuǎn)換結(jié)合Welch方法，以改進(jìn)統(tǒng)計(jì)的可靠性。此涉及將分離的數(shù)據(jù)片段頻譜進(jìn)行平均，并通過各種不同程度的疊加進(jìn)行重疊以最大程度平滑化。文獻(xiàn)報(bào)道，分別用25%、50%和75%的疊加度百分比進(jìn)行疊加并不會(huì)影響TFA結(jié)果，最常用的疊加度是50%。

推薦12

推薦在Welch算法協(xié)作下，對(duì)重疊數(shù)據(jù)片段采用50%疊加。結(jié)合此推薦，整個(gè)數(shù)據(jù)記錄的最小時(shí)限至少5 min和窗長(zhǎng)＞100 s，意味著采用Welch方法需要結(jié)合至少5個(gè)獨(dú)立的數(shù)據(jù)段。當(dāng)記錄時(shí)間超過5 min時(shí)，不應(yīng)該增加取樣窗長(zhǎng)，而是應(yīng)該增加窗的數(shù)量。為了充分利用可用數(shù)據(jù)的全部長(zhǎng)度，推薦將窗的重疊度調(diào)整為50%左右。

證據(jù)：尚無足夠證據(jù)判定采用特定程度的疊加。相較于未選擇疊加的情況，推薦旨在改進(jìn)標(biāo)準(zhǔn)化和改進(jìn)檢測(cè)值的統(tǒng)計(jì)穩(wěn)健度。

關(guān)于頻譜平滑化。采用FFT分析自相關(guān)與互相關(guān)譜后，在頻域中通過一個(gè)移動(dòng)的平均濾波器平滑化頻譜，提高其可靠性，尤其是一致性函數(shù)的可靠性，具體將在后面討論。

推薦13

自相關(guān)和互相關(guān)譜應(yīng)該用一個(gè)系數(shù)為[1/4，1/2，1/4]的三角形移動(dòng)的平均窗平滑化處理。

證據(jù)：頻譜平滑化提高了TFA參數(shù)的可靠性，并降低了具有統(tǒng)計(jì)意義的一致性的閾值（見推薦14）。為改進(jìn)標(biāo)準(zhǔn)化，推薦使用一個(gè)三角形的三點(diǎn)窗口。

關(guān)于一致性函數(shù)。如在引言中所述，假定BP-CBFV線性相關(guān)時(shí)，評(píng)估一致性函數(shù)對(duì)實(shí)現(xiàn)每個(gè)頻率的增益和相位值是否有效是至關(guān)重要的。最簡(jiǎn)單的方法是檢查一致性的值是否高于某個(gè)閾值，通常采用無效假設(shè)為輸入與輸出無關(guān)的，即理論上一致性為0的95%可信區(qū)間（即5%的臨界值）。注意，有些文獻(xiàn)將一致性定義為“幅值取平方的一致性”。判斷一致性的最小值應(yīng)該是多少才能視作與0顯著不同時(shí)必須考慮的一個(gè)因素是在計(jì)算中用獨(dú)立觀察次數(shù)，這常被定義為自由度（degrees of freedom，DF）。類似于相關(guān)系數(shù)（correlation coefficient，r），用于說明在這種情況下DF是怎樣起作用的。例如，如果僅觀察10次計(jì)算出r=0.3，這代表與0無顯著差異（P＞0.05）；而若是觀察30次得出相同的r值，則差異有顯著性（P＜0.05）。這個(gè)原則同樣適用于一致性，但這種情況下，DF的確定需要結(jié)合TFA參數(shù)設(shè)置（表1和2）。由于頻譜的計(jì)算是由正弦系數(shù)和余弦系數(shù)的平方項(xiàng)求和，其應(yīng)符合DF=2的卡方分布。傅立葉分解的一個(gè)重要特性是，不同頻率對(duì)應(yīng)的正弦系數(shù)和余弦系數(shù)在統(tǒng)計(jì)學(xué)上是獨(dú)立的。這意味著，如果求兩個(gè)相鄰諧波的頻譜的均值，DF數(shù)將增到4，并依此類推。雖然已經(jīng)提出了評(píng)估一致性臨界值的方程，但更實(shí)用的數(shù)值是源于采用了蒙特卡洛模擬法的一組特定參數(shù)，見表2推薦。應(yīng)用這些參數(shù)，表1給出了Welch算法中不同的數(shù)據(jù)段（“窗”）下的一致性函數(shù)的臨界值，圖4給出了窗數(shù)與一致性函數(shù)臨界值的關(guān)系。如表所示，如果僅采用3個(gè)窗數(shù)，則5%的臨界值將是0.51，接近于大多數(shù)研究者所采用的正常值γ2min（f）=0.5。但增加窗數(shù)，臨界值會(huì)明顯降低，例如，9個(gè)窗時(shí)會(huì)減少至0.20。這個(gè)例子說明了DF是怎樣影響具有統(tǒng)計(jì)學(xué)意義的一致性函數(shù)閾值，以及為什么不能用單一的、一刀切的閾值，如之前已被廣泛采用的γ2min（f）=0.5。當(dāng)一致性函數(shù)的值低時(shí)，經(jīng)常提示要舍棄增益和相位值，所以應(yīng)嚴(yán)格計(jì)算閾值，以避免漏掉可用的數(shù)據(jù)或納入不可靠的數(shù)據(jù)。而且，尤其要注意，當(dāng)極低頻（＜0.05 Hz）時(shí)，BP與CBFV非線性關(guān)系，由于腦血管阻力變化相對(duì)較大，即使符合一致性的臨界值，此頻率范圍內(nèi)也無法用此方法。例如，在自發(fā)波動(dòng)與通過重復(fù)蹲-站動(dòng)作強(qiáng)化波動(dòng)的TFA分析結(jié)果比較試驗(yàn)中，已經(jīng)證實(shí)了上述現(xiàn)象。如預(yù)期一致，與自發(fā)波動(dòng)相比，強(qiáng)化波動(dòng)的頻譜功率更高，極低頻的一致性函數(shù)會(huì)增加。值得注意的是，自發(fā)波動(dòng)時(shí)低值的一致性函數(shù)獲取的增益和相位值與高值的一致性函數(shù)獲取的增益和相位具有可比性。

表1 推薦的傳遞函數(shù)分析設(shè)置及其對(duì)應(yīng)的一致性臨界值

表2 標(biāo)準(zhǔn)化TFA參數(shù)設(shè)置的建議

推薦14

用于刪除數(shù)據(jù)的一致性的閾值（或截止值）的定義必須用具有統(tǒng)計(jì)學(xué)意義的一致性函數(shù)作為指導(dǎo)。統(tǒng)計(jì)計(jì)算必須考慮到具體實(shí)施的自由度的數(shù)量，這取決于窗的數(shù)量、重疊、頻譜的平滑化和窗的其他設(shè)置（圖4）。推薦：如果一致性在所有頻帶中都低（無統(tǒng)計(jì)學(xué)意義），則該記錄不被納入分析，因?yàn)閿?shù)據(jù)質(zhì)量差，預(yù)期結(jié)果將不可靠。計(jì)算不同頻帶的平均相位和增益時(shí)（見推薦17），應(yīng)該將頻帶中那些一致性不超過該頻率的臨界值的頻率點(diǎn)從平均值中刪除。表1提供了以窗數(shù)為函數(shù)的一致性可信區(qū)間。這些值適用于單個(gè)諧波（頻帶內(nèi)的單個(gè)頻率點(diǎn)）。在整個(gè)頻帶內(nèi)的平均諧波將降低表中的數(shù)值。

證據(jù)：理論分析和使用替代數(shù)據(jù)的模擬均證實(shí)，一致性的分布取決于對(duì)頻譜自由度數(shù)量的評(píng)估（圖4和表1）。

圖4 在3～15個(gè)窗內(nèi)，顯著水平為α=0.01、0.05和0.1時(shí)評(píng)估一致性的臨界值

3.4 從TFA提取參數(shù)

關(guān)于計(jì)量單位。一致性函數(shù)無單位。關(guān)于相位的單位，有的文獻(xiàn)用弧度，有的文獻(xiàn)用角度數(shù)，大約各占一半，但兩者可以直接換算（α0是指度數(shù)，αrad是指弧度）。然而，關(guān)于增益的單位的選擇，其影響尚未明確。正常靜息狀態(tài)時(shí)CBFV和BP的自發(fā)波動(dòng)常低于基線均值的10%。實(shí)踐證明，計(jì)算FFT時(shí)刪除平均值比較好（將在下文討論報(bào)告）。因?yàn)槁暡ǖ娜肷浣嵌任粗煌瑐€(gè)體間入射角存在差異，尤其是個(gè)體間血管直徑的差異（對(duì)CBFV的影響最大），導(dǎo)致用CBFV的絕對(duì)值進(jìn)行比較受限。對(duì)于CBFV以百分比變化表示其均值存在很大爭(zhēng)議，但可降低受試個(gè)體間CBFV幅度與增益的變異性。現(xiàn)有選擇是應(yīng)用絕對(duì)值及相對(duì)值表達(dá)這兩個(gè)變量，對(duì)應(yīng)單位為cm/（s·mm Hg），%/mm Hg，%/%或者cm/（s·%）。文獻(xiàn)顯示，比較常用的是前3個(gè)，第4個(gè)不常用。理想情況是，任何條件下，增益的單位均有最大的敏感性和特異性，但遺憾的是，至今無研究能夠回答這個(gè)問題。有人反對(duì)統(tǒng)一BP值（用%表示變化程度），舉例說明，當(dāng)BP改變10%時(shí)，對(duì)平均BP基線值為90 mm Hg與150 mm Hg的個(gè)體的生理影響則完全不同。

推薦15

TFA得出的增益可用絕對(duì)值[cm/（s·mm Hg）]和百分比（%/mm Hg）表示。

證據(jù)：在缺少增益的研究中，比較兩個(gè)不同的單位通常換算成增益-頻率反應(yīng)，而多中心間比較時(shí)為方便交流，所有研究中增益的單位均用絕對(duì)值[cm/（s·mm Hg）]和百分比（%/mm Hg）。

關(guān)于相位環(huán)繞。相位評(píng)估需要計(jì)算復(fù)數(shù)傳遞函數(shù)的實(shí)部對(duì)虛部比值的反正切（tg-1）。遺憾的是，反正切的計(jì)算無法對(duì)介于π至2π弧度間的相位值與其相對(duì)應(yīng)的負(fù)角度做出鑒別。當(dāng)對(duì)一組受試者或是數(shù)個(gè)頻率的相位取平均時(shí)，若是相位值有正、負(fù)值摻雜，則無法判定相位，則此相位未定，通常稱為相位環(huán)繞，可能導(dǎo)致結(jié)果嚴(yán)重失真。圖5列舉了相位環(huán)繞。

推薦16

每個(gè)受試者完整相位頻率反應(yīng)需要通過目視檢查“環(huán)繞”發(fā)生情況（圖5）。當(dāng)負(fù)值的相位出現(xiàn)在頻率＜0.1 Hz時(shí)，應(yīng)該從極低頻和低頻頻帶中刪除這些平均；而較小的負(fù)值的相位預(yù)期出現(xiàn)在頻率＞0.1 Hz時(shí)，計(jì)算高頻頻帶的平均時(shí)則不需刪除。

證據(jù)：若負(fù)值相位源于極低頻或低頻頻帶中的相位環(huán)繞，則該組受試者的相位平均值估值將因?yàn)閷?duì)正值與負(fù)值取平均而失真。

3.5 報(bào)告TFA結(jié)果

TFA精確設(shè)置后，以標(biāo)準(zhǔn)化模式報(bào)告TFA結(jié)果很重要。

早期系統(tǒng)性綜述中顯示，TFA結(jié)果呈現(xiàn)方法多樣。總的來說，這些研究報(bào)告了特定頻段的增益、相位、一致性的均值。既往最常應(yīng)用的頻帶：極低頻0.02～0.07 Hz、低頻0.07～0.2 Hz、高頻0.2～0.5 Hz。然而，在不同的患者中和（或）在不同生理?xiàng)l件下檢測(cè)CA受損的敏感性和特異性的證據(jù)缺乏。而且，一些中心應(yīng)用不同方法，如通過加權(quán)值（如用一致性函數(shù)的截止值），算出跨頻帶的均值，但在文中總是未被備注。

推薦17

圖5 頻率＜0.1 Hz時(shí)相位環(huán)繞的發(fā)生

在報(bào)告T FA結(jié)果時(shí)，重要的是呈現(xiàn)0.02～0.5 Hz頻帶范圍內(nèi)所有頻率對(duì)應(yīng)的一致性、增益和相位在每一個(gè)頻帶內(nèi)的均值和標(biāo)準(zhǔn)差。理想情況下，還應(yīng)該提供每個(gè)頻率內(nèi)CBFV和BP的功率譜密度分布。在有新證據(jù)之前，統(tǒng)計(jì)分析應(yīng)以極低頻（0.02～0.07 Hz）、低頻（0.07～0.2 Hz）和高頻（0.2～0.5 Hz）的平均值為基礎(chǔ)。此外，還應(yīng)報(bào)告BP和CBFV的均值及其記錄自身的變異度。具體的計(jì)算均值的方法，例如頻帶內(nèi)個(gè)體值的加權(quán)，應(yīng)單獨(dú)備注，且必須清楚報(bào)告使用的方法。

證據(jù)：尚無足夠證據(jù)判定選擇特定頻帶的一致性函數(shù)、增益和相位的均值。該推薦旨在提高標(biāo)準(zhǔn)化。低于0.02 Hz頻率時(shí)BP和CBF之間的相位和增益值不可靠，所以截止頻率的下限選0.02 Hz。如果研究者們提供的數(shù)據(jù)具有高的頻譜分辨率且數(shù)據(jù)長(zhǎng)超過5 min，并且有信心可以評(píng)估較低頻（低到0.008 Hz）的數(shù)據(jù)，則這些可作為附加分析，但必須提供上述頻帶內(nèi)的具體數(shù)據(jù)，以便多中心比較。

3.6 應(yīng)用

將指南轉(zhuǎn)化至日常臨床工作和研究仍具有挑戰(zhàn)性。該白皮書的主要目的是提高研究成果的可重復(fù)性及實(shí)現(xiàn)應(yīng)用。表2概況了上述TFA量化CA所推薦的條目。

作為應(yīng)用的第一步，我們鼓勵(lì)研究人員將他們的做法與白皮書中推薦的設(shè)置進(jìn)行比較。雖然一些研究人員為了不采納推薦的設(shè)置，還進(jìn)行了激烈的爭(zhēng)論，我們?nèi)詮?qiáng)烈建議所有的同行都呈現(xiàn)應(yīng)用推薦設(shè)置后的結(jié)果（即使僅僅是作為附加的結(jié)果），以便將不同的研究及不同的中心之間進(jìn)行比較。對(duì)“標(biāo)準(zhǔn)”設(shè)置有異議應(yīng)該提出來，有助于將來修訂白皮書。被推薦的設(shè)置并不代表是“最好的”（無論采用何種標(biāo)準(zhǔn)），而且需要強(qiáng)調(diào)的是，推薦的一些設(shè)置的支持證據(jù)仍然不足，但標(biāo)準(zhǔn)化的應(yīng)用大大改善了多中心之間持續(xù)存在的巨大分歧。

3.7 數(shù)據(jù)庫校準(zhǔn)

研究人員可能希望驗(yàn)證他們的軟件及設(shè)置是否能正常工作；而對(duì)于醫(yī)療設(shè)備，定期校準(zhǔn)是很好的質(zhì)控檢查方式。因此，我們決定提供一個(gè)特定的“測(cè)試數(shù)據(jù)庫”，是已經(jīng)得知其TFA詳細(xì)結(jié)果的BP和CBFV記錄的數(shù)據(jù)庫。表3提供了這些TFA結(jié)果。研究者可以從腦血流自動(dòng)調(diào)節(jié)研究網(wǎng)絡(luò)網(wǎng)站下載數(shù)據(jù)（http：//www.carnet.org/content/resources），分析數(shù)據(jù)，并與表3提供的校準(zhǔn)結(jié)果進(jìn)行比較。當(dāng)更改軟件或設(shè)置后，軟件升級(jí)或采用同行的新方法后，此數(shù)據(jù)庫可用于檢查結(jié)果的精確性。

4 討論

該白皮書為應(yīng)用TFA定量分析包括BP及CBFV信號(hào)的動(dòng)態(tài)CA提供了推薦。

對(duì)白皮書的迫切需求是緣于TFA檢測(cè)中信號(hào)處理方法在國際交流中存在很大差異。除了腦血流自動(dòng)調(diào)節(jié)研究網(wǎng)絡(luò)所發(fā)起的多中心研究曾經(jīng)調(diào)查一些參數(shù)設(shè)置對(duì)TFA結(jié)果影響作用之外，僅僅少數(shù)的研究公開發(fā)表了不同TFA設(shè)置的影響作用。因此，仍存在諸多不確定性，尚待更多研究明確。未來的研究將利用現(xiàn)有的工作基礎(chǔ)，進(jìn)一步優(yōu)化白皮書的推薦。

表3 CARNet數(shù)據(jù)庫的參數(shù)結(jié)果的參考值

概述未來可能最有研究?jī)r(jià)值的方向，具體如下：

①更多地研究探討不同設(shè)置對(duì)TFA的影響，如數(shù)據(jù)選擇、數(shù)據(jù)記錄最佳的持續(xù)時(shí)間、正態(tài)化、窗長(zhǎng)及濾波。

②提倡應(yīng)用國際標(biāo)準(zhǔn)方案獲得有效的CBFV信號(hào)，保證信號(hào)質(zhì)量，以降低TFA結(jié)果的變異性，便于不同研究之間進(jìn)行比較。

③研究確定特殊人群如兒童、老人及特殊疾病患者的參考值及診斷價(jià)值。

④基于TFA結(jié)果，明確其標(biāo)準(zhǔn)化的決策標(biāo)準(zhǔn)。

⑤應(yīng)該更關(guān)注實(shí)驗(yàn)方案或者臨床方案，包括調(diào)查“休息”狀態(tài)是否是最好的研究狀態(tài)，如果是，評(píng)估哪個(gè)體位（仰臥位/坐位）及生理性誘發(fā)動(dòng)作可以增強(qiáng)血流動(dòng)力學(xué)的波動(dòng)。

⑥其他的分析技術(shù)也可以進(jìn)行相似的研究，如時(shí)域相關(guān)系數(shù)分析、非線性多模血流分析以及應(yīng)用volterra核心的laguerre擴(kuò)展或主要?jiǎng)討B(tài)模式的動(dòng)態(tài)非線性分析，并對(duì)其判斷CA受損的能力進(jìn)行方法學(xué)的比較。

⑦與TFA相比，其他的分析技術(shù)（見上文⑥）可為CA參數(shù)提供較高的時(shí)間分辨率，將有利于進(jìn)一步調(diào)查CA的非穩(wěn)態(tài)屬性。

⑧應(yīng)研討PaCO2對(duì)CA整個(gè)過程的動(dòng)態(tài)影響，并納入CA的分析中。

⑨應(yīng)關(guān)注ICP對(duì)TFA參數(shù)的影響，包括一致性函數(shù)，ICP的平均值（如顱內(nèi)高壓時(shí)）及波動(dòng)的振幅。

⑩應(yīng)接受并理解CA不是腦灌注調(diào)控的唯一機(jī)制。我們需要知曉其如何與CBF調(diào)節(jié)的其他機(jī)制如神經(jīng)血管耦聯(lián)、CO2反應(yīng)性及其調(diào)控BP（如動(dòng)脈的壓力感受性反射）、心率和呼吸的機(jī)制相互作用。

最后，我們強(qiáng)調(diào)，這些推薦并非支持TFA是量化分析CA“最好”的方法。TFA最主要的局限性之一是其假設(shè)BP與CBFV為線性關(guān)系，而一般情況下，CA更多地被認(rèn)為是一種非線性現(xiàn)象。其他方法，如非線性的方法，可以提供更可靠或更敏感評(píng)估CA的方法，但在一直缺少評(píng)估動(dòng)態(tài)CA的金標(biāo)準(zhǔn)的狀況下，需要明確的標(biāo)準(zhǔn)和更多的多中心研究才能得出穩(wěn)定的結(jié)論。同時(shí)，該白皮書建立標(biāo)準(zhǔn)化的目的是為各研究之間進(jìn)行有意義的比較，包括尋找更好的CA分析方法。

資金：研究得到以下資助：Internationale Stichting Alzheimer Onderzoek（ISAO）grant # 05516 to Jurgen AHR Claassen，Netherlands Heart Foundation grant# 2008B113 to Jurgen AHR Claassen;Marina ten Damme grant to Aisha SS Meel-van den Abeelen; EPSRC（UK）-projects EP/K036157/1，EP/G010420/1，EP/K036181/1 to Ronney B Panerai and David M Simpson.

利益聲明：作者們無利益糾紛。

作者的貢獻(xiàn)：Jurgen AHR Claassen完成了初稿、修改稿及終稿，協(xié)調(diào)寫作、收集討論資料，進(jìn)行了研究，生成了本文的研究背景。Aisha SS Meel-van den Abeelen完成了初稿，修改了終稿，收集了該領(lǐng)域以前的文獻(xiàn)，進(jìn)行了研究，生成了本文的研究背景。David M Simpson完成及修改了本文的一部分，提供了分析和在線數(shù)據(jù)計(jì)算和一致性的表格，并完成了本文的研究背景。Ronney B Panerai完成了論文的一部分，對(duì)整個(gè)文本進(jìn)行了編輯及修改，與Jurgen AHR Claassen共同完成了對(duì)早期版本的同行評(píng)審和建議，積極參與完成了本文的研究背景。

參考文獻(xiàn)：請(qǐng)見原文。

附錄：同行評(píng)審及建議的聯(lián)合簽名的專家名單

比利時(shí)：

? Alexander Caicedo Dorado，Department of Electrical Engineering-ESAT，SCD-SISTA and iMinds Future Health Department，Leuven（Research Foundation Flanders postdoctoral fellow）.

加拿大：

? Georgios D Mitsis，Department of Bioengineering，McGill University，Montreal QC，Canada. Patrice Brassard，Department of Kinesiology，F(xiàn)aculty of Medicine，Universite′ Laval Que′becCanada; Research Center of the Institut Universitaire de Cardiologie et de Pneumologie de Que′bec，Que′bec. Philip N Ainslie，School of Health and Exercise Science，University of British Columbia Okanagan，Kelowna，B.C.

意大利：

? Paul Summers，Division of Radiology，Istituto Europeo di Oncologia，Milano.

日本：

? Kenichi Iwasaki，Department of Social Medicine，Division of Hygiene，Nihon University School of Medicine.

立陶宛：

? Arminas Ragauskas，Kaunas University of Technology，Telematics Scientific Laboratory，Kaunas.

新西蘭：

? Yu-Chieh Tzeng，Cardiovascular Systems Laboratory，Centre for Translational Physiology，University of Otago，Wellington.

瑞士：

? Martin Müller，Luzerner Kantonsspital，Zentrum für Neurologie und Neurorehabilitation，Lucerne

臺(tái)灣：

? 王政嚴(yán)，臺(tái)灣中央大學(xué)自適應(yīng)數(shù)據(jù)分析研究中心（Cheng-Yen Wang，Research Center for Adaptive Data Analysis，National Central University.）

? 胡漢華，臺(tái)北陽明大學(xué)神經(jīng)科（Han Hwa Hu，Neurological Department National Yang-Ming University Taipei.）

荷蘭：

? Aisha SS Meel-van den Abeelen，Radboud University Medical Centre，Department of Geriatric Medicine，Nijmegen.

? Erik Gommer，Maastricht University Medical Center，Department of Clinical Neurophysiology，Maastricht.

? John M. Karemaker，Academic Medical Center，Amsterdam，Systems Physiology.

? Jurgen AHR Claassen，Radboud University Medical Centre，Department of Geriatric Medicine，Nijmegen.

? Marcel Aries，Universitair Medisch Centrum Groningen，The Netherlands.

? Johannes J. van Lieshout，Internal Medicine& Clinical Cardiovascular Physiology，Academic Medical Centre，Amsterdam &School of Life Sciences，The Medical School，University of Nottingham.

俄羅斯：

? Vladimir Semenyuti，Laboratory of brain circulation pathology，Russian Polenov Neurosurgical Institute，Saint-Petersburg.

? Vugar Aliev，Laboratory of brain circulation pathology，Russian Polenov Neurosurgical Institute，Saint-Petersburg.

英國：

? David M Simpson，Institute of Sound and Vibration Research，University of Southampton，Southampton;

? John Potter，University of East Anglia，Norwich.

? Peter Smielewski，Xiuyun Liu，and Marek Czosnyka，Academic Neurosurgical Unit，Cambridge University Hospital Trust，Cambridge.

? Ronney B. Panerai，Leicester NIHR Biomedical Research Unit，and Department of Cardiovascular Sciences，University of Leicester，Leicester.

? Stephen Payne，Institute of Biomedical Engineering，Department of Engineering Science，University of Oxford，Oxford.

? Damian Bailey，Neurovascular Research Labaoratory，F(xiàn)aculty of Life Sciences and Education，University of South Wales.

烏拉圭：

? Bernardo Yelicich，Corina Puppo，Emergency Department，Clinics Hospital，Universidad de la República School of Medicine，Montevideo.

美國：

? Dae Shin，Biomedical Simulations Resource，University of Southern California，Los Angeles.

? Caroline A Rickards，Department of Integrative Physiology，University of North Texas Health Science Center，F(xiàn)ort Worth，Texas;

? Jorge Serrador，Rutgers University，New Jersey and Veterans Affairs New Jersey Health Care System，East Orange，New Jersey.

? Rong Zhang，Institute for Exercise and Environmental Medicine，Texas Health Presbyterian Hospital of Dallas and The University of Texas Southwestern Medical Center at Dallas，Dallas，Texas.

? Vasilis Marmarelis，Department of Biomedical Engineering，University of Southern California，Los Angeles.

? Vera Novak，Division of Gerontology，Beth Israel Deaconess Medical Center，Boston.

原文：CLAASSEN J A，MEEL-VAN DEN ABEELEN A S，SIMPSON D M，et al. Transfer function analysis of dynamic cerebral autoregulation：A white paper from the International Cerebral Autoregulation Research Network[J]. J Cereb Blood Flow Metab，2016，36（4）:665-680. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4821028/