Кашель голос сел: Ларингит — Официальный сайт ФГБУЗ КБ №85 ФМБА России

Содержание

Ларингит: симптомы, осложнения, диагностика, лечение

Для корпоративных клиентов 8 (812) 900-36-36

8 (812) 322-93-07

ул. Херсонская, д. 4
ул. Херсонская, д. 2
пр. Лиговский, д. 108 А

Услуги
Врачи
Цены
Акции
дмс
Отзывы
о медицинском центре

Контакты
консультация онлайн

Ларингит — воспаление слизистых оболочек гортани и голосовых связок, вызванное простудным или инфекционным заболеванием. Воспаление имеет острое или хроническое течение и характеризуется выраженными симптомами: болью, сухостью, ощущением комка в горле, приступами «лающего» кашля, осиплостью или утратой голоса.

Симптомы ларингита

Причины возникновения

Осложнения

Ларингит начинается с резкой интенсивной боли, першения и ощущения «комка» в горле. Больному трудно и больно говорить, голос становится осиплым. На фоне гиперемии гортани могут возникнуть трудности с глотанием и дыханием. По мере развития заболевания появляются симптомы интоксикации: головная боль, повышение температуры тела, озноб, слабость. Воспаление сопровождается судорожным надрывным кашлем, не приносящим облегчения, при котором отделяется большое количество мокроты, иногда с примесями гноя.

Воспаление гортани чаще всего возникает как осложнение вирусного или простудного заболевания, либо инфекционной болезни: скарлатины, коклюша, кори, туберкулеза, стафилококковой, стрептококковой инфекции и т.д. Ларингит редко развивается обособленно, обычно воспаление гортани возникает на фоне заболеваний других ЛОР-органов: ринита, фарингита, трахеита или бронхита.

Спровоцировать воспаление может длительное вдыхание загрязненного воздуха, химических веществ, курение, злоупотребление алкоголем, перенапряжение голосовых связок и желудочно-пищеводный рефлюкс и т.д. Наиболее опасным является ларингит аллергического характера, вследствие которого может произойти патологический отек и деструкция дыхательных путей.

Патологию может вызвать контакт с зараженными инфекционными заболеваниями, травма или повреждение гортани, хирургическое вмешательство на органах дыхания. Нередко воспаление возникает при длительном выдыхании холодного воздуха или употребления холодных продуктов или напитков, что часто случается у детей и взрослых в жаркие дни.

При развитии патологии слизистая отекает, что очень опасно в детском возрасте ввиду малого просвета гортани. Это чревато развитием у детей ложного крупа (обструкции верхних дыхательных путей). Если адекватная терапия отсутствует, заболевание может перейти в хроническую форму с постоянными обострениями, либо к опасным осложнениям.

Диагностика

Диагноз ставится врачом отоларингологом на основании данных опроса, осмотра (ларингоскопии) и обследования пациента. В процессе осмотра выявляется патологические изменения слизистой гортани — воспаление, отек, покраснение. Результаты лабораторных исследований указывают на наличие воспалительного процесса в организме. Анализ мазка из гортани позволяет выявить причину ларингита.

Лечение ларингита в клинике «Гайде»

Лечение острого ларингита занимает 7-10 дней и не вызывает осложнений. Лечебные процедуры будут различаться в зависимости от причины заболевания. Всем пациентам, а особенно детям, показан постельный режим, полный покой голосовым связкам, обильное теплое питье, полоскание горла, ингаляции. Назначаются препараты местного действия, при бактериальной природе заболевания — антибиотики, при аллергии — антигистаминные препараты, при сильном кашле — противокашлевые препараты и средства, усиливающие отхождение мокроты.

При наличии на стенках гортани и голосовых связках гнойно-серозного налета врач проводится орошение и промывание стенок лекарственными препаратами. Весьма эффективны физиотерапевтические процедуры: УФО, лазеротерапия, магнитотерапия, электрофорез и др.

При появлении первых симптомов воспаления гортани необходимо сразу обратиться за квалифицированной помощью. Врачи-отоларингологи клиники «Гайде» проведут квалифицированный осмотр и назначат эффективное лечение ларингита и его осложнений, что поможет быстро избавиться от неприятных и болезненных симптомов, и вернуться к полноценной жизни.

симптомы, причины, лечение, профилактика в домашних условиях

Что такое осиплость голоса

Осиплость голоса у детей встречается довольно часто как симптом при простудных заболеваниях, сопровождающихся болью в горле и кашлем.

Дело в том, что детская гортань содержит большое количество рыхлой клетчатки под голосовыми складками, поэтому слизистая быстро отекает, голосовая щель сужается, а сами голосовые складки становятся гораздо менее эластичными. Поэтому голос у ребенка меняется – становится сиплым, низким, с хрипотцой и свистом.

Причины осиплости голоса у детей

У осиплости голоса у детей может быть несколько причин. Рассмотрим самые распространенные.

Вирус

ОРВИ с насморком и кашлем может привести к воспалению глотки и гортани. Это сказывается и на состоянии голосовых связок, поэтому голос становится осиплым.

– Это может быть начальным проявлением такого грозного осложнения вирусной инфекции, как ложный круп. Оно развивается у детей дошкольного возраста, когда отек подскладкового пространства гортани может привести к выраженному затруднению дыхания и даже асфиксии. Такое состояние требует неотложной медицинской помощи. Именно поэтому педиатры настоятельно не советуют лечить самостоятельно даже «безобидную» простуду у детей и обращаться к врачу, – объясняет врач-оториноларинголог Софья Сендерович.

Аллергия

Иногда осипший голос у ребенка может свидетельствовать об аллергической реакции, и в этом случае нужно насторожиться, ведь может развиться отек гортани и асфиксия. В таких случаях нужно срочно вызвать скорую помощь.

Инородный предмет в гортани

Очень часто дети, особенно маленькие, играя, пробуют на вкус мелкие предметы – заталкивают в рот или нос мелкие бусины, шарики, монетки, а потом вдыхают или проглатывают. Предмет может застрять в дыхательных путях, родитель может его и не заметить, а ребенок – объяснить, что случилось. Поэтому если у маленького ребенка внезапно осип голос, стоит перестраховаться и вызвать скорую или обратиться к врачу.

Перенапряжение голосовых связок

Детские голосовые связки очень нежные, поэтому при длительном плаче или крике голос может осипнуть.

Новообразования в гортани

Различные опухоли и папилломы, даже небольшие по размеру, могут приводить к изменению голоса. Разрастаясь, новообразования могут сдавливать голосовые складки, что ведет к осиплости.

Возрастные изменения

Особенно это ярко проявляется у мальчиков в переходном возрасте, когда изменения в гормональном фоне приводят к «ломке» голоса. Обычно это явление проходит самостоятельно, но если «ломка» долго не проходит, покажите ребенка ЛОР-врачу.

Симптомы осиплости голоса у детей

При развитии заболеваний ЛОР-органов осиплость голоса нарастает постепенно, при сорванных голосовых связках, аллергической реакции или инородном теле симптомы проявляются сразу и могут сопровождаться сильным приступообразным кашлем, нехваткой воздуха, синюшностью кожи.

При простудных заболеваниях или очень сухом воздухе в комнате кроме осиплости ребенок может жаловаться на сухость и першение в горле.

– При стенозирующем ларинготрахеите (ложном крупе) осиплость голоса сопровождается лающим кашлем, – уточняет оториноларинголог.

Лечение осиплости голоса у детей

Заниматься самолечением всегда опасно, даже при осиплости голоса нужно показать ребенка врачу, чтобы исключить жизнеугрожающие состояния. Только врач может подобрать грамотное лечение, которое поможет быстро разрешить проблему.

Диагностика

– Выясняя причины осиплости голоса у ребенка, врач изучает жалобы, анамнез, оценивает частоту дыхания, признаки дыхательной недостаточности. Основным же методом инструментальной диагностики является эндоларингоскопическое исследование гортани с применением гибких или жестких эндоскопов. Исследование позволяет определить характер патологического процесса, его локализацию, уровень, протяженность и степень сужения просвета дыхательных путей, – объясняет врач-оториноларинголог Софья Сендерович.

Современные методы лечения

Фото: pixabay.com

Лечение осиплости голоса у ребенка напрямую зависит от ее причины. Например, при ОРВИ, ларингите, фарингите и других заболеваниях носоглотки, каких-то специфичных лекарств, воздействующих именно на голосовые связки, не назначают. Лечится основное заболевание, а осиплость как симптом проходит самостоятельно. Единственное, что может посоветовать доктор для облегчения симптомов, давать пить ребенку как можно больше теплой жидкости, следить за температурой и влажностью воздуха в квартире, назначить полоскания горла, местные средства для рассасывания.

– При ложном крупе лечение проводится в условиях стационара, – уточняет Софья Сендерович.

Если осиплость голоса вызвана аллергической реакцией, то врач назначит антигистаминные препараты. При подозрении на бактериальную инфекцию доктор сначала возьмет мазок из горла, выявит возбудителя заболевания, а потом назначит лечение и при необходимости антибиотики.

Если изменение голоса вызвано травмой или перенапряжением голосовых связок, то здесь главный метод лечения – голосовой покой, чтобы не напрягать лишний раз связки. Не нужно громко говорить, больше молчать или разговаривать шепотом. Также врач может назначить местные препараты для рассасывания и специальные лекарственные ингаляции – это снимает отечность, способствует раскрытию голосовой щели, восстановлению дыхания и голоса.

– Всегда старайтесь следить за тем, чтобы в комнате, где спит ребенок, был чистый прохладный влажный воздух (примерно 18 — 20 °С), – советуют специалисты.

Профилактика осиплости голоса у детей в домашних условиях

Самой главной профилактикой осиплости голоса у ребенка является профилактика простудных заболеваний. Во время холодной погоды и зимой нужно укутывать горло шарфом, стараться дышать носом, а не через рот, теплее одеваться, следить, чтобы ноги были в сухом тепле. Также следите, чтобы ребенок не увлекался мороженым и прохладительными напитками, особенно, если в них добавлен лед.

Если все же ребенок заболел, нужно как можно скорее показать его врачу и начать лечение, уделяя особое внимания горлу – использовать рассасывающиеся леденцы или пастилки, спреи, полоскания. Также при проблемах с горлом ребенку лучше стараться поменьше говорить, чтобы не напрягать лишний раз голосовые связки, или хотя бы говорить шепотом.

Также, чтобы не раздражать горло, нужно максимально ограничить специи, соленые и копченые продукты, которые в принципе не полезны для детского ЖКТ. Кроме того, нужно избегать длительного нахождения в задымленных или пыльных помещениях.

Острый и хронический ларингит. Симптомы и лечение у взрослых и детей

Чем спасаться, если першит в горле и пропал голос?

Острый и хронический ларингит: симптомы и лечение у взрослых и детей

Ларингит «вездесущ». Им болеют учителя и ученики, преподаватели и студенты, певцы, дикторы и те, чья профессия не связана с перенапряжением голоса.

Он появляется в холодное время года, когда промерзнув или промочив ноги, наутро вы чувствуете предательское першение в горле. Опять ларингит и его симптомы мешают жить. Или летом наслаждаетесь прохладой от кондиционера, пьете холодную воду и потом удивляетесь, почему болит горло и пропал голос. Более 2 000 000 жителей России, по данным официальной статистики, заболевают ежегодно. И почти половина из них — дети, у которых острый ларингит часто дает серьезные осложнения.

Когда обращаться к врачу? И когда «пройдет само»?

Многие игнорируют симптомы. Подумаешь, першит в горле, «сел» голос и больно глотать. Всего-то дел. Набрать в поисковике «ларингит симптомы и лечение», пару таблеток, в лучшем случае пополоскать горло, выпить горячего чая, и на работу.

Однако, при ларингите всё может пойти и по другому «сценарию». Например, когда инфекция распространяется по слизистой оболочке дыхательных путей вниз, начинается трахеит, потом бронхит. А их намного дольше и дороже вылечить. Поэтому если в течение нескольких дней состояние не улучшилось или ухудшилось, обращайтесь к врачу.

Более того, поспешите пообщаться с врачом, если при ларингите появились сыпь, боль отдает в ухо, беспокоит сильный кашель и трудно дышать.

Если появляются осложнения — такие, как ложный круп или стеноз гортани, счет идет на минуты. Так часто бывает у детей до 8 лет. Еще вечером симптомы ларингита у детей незначительны, а ночью пациенты начинают кашлять, синеть и задыхаться. Надо вызывать «Скорую», ехать в больницу снимать приступ, лечить воспаление гортани.

Течение болезни при вирусном и бактериальном процессе редко ограничивается пределами гортани. Вовлекаются соседние области и начинается фарингит, трахеит, бронхит.

Как распознать острый ларингит? Симптомы у взрослых и детей

Если:

В горле першит, жжет, что-то мешает.
Горло пересохло.
Стало больно глотать.
Беспокоит кашель — сначала сухой, потом с мокротой.
Голос сиплый или вообще пропал.
Повысилась температура до 37,5-38°С.
Появилась слабость, головная боль — вызывайте врача и лечитесь. «Трудовой подвиг» и выход на работу в таком состоянии может вам дорого обойтись.

Немедленно обращайтесь, если очень больно и трудно глотать или откашливается кровь.

Ларингит у детей, особенно раннего возраста, развивается быстрее, температура выше, состояние тяжелее. А если присоединяется затрудненное свистящее дыхание, «лающий» кашель — может развиться ложный круп, необходимо срочно ехать в больницу.

Каковы причины симптомов острого ларингита?

Из-за внедрения инфекции появляется отек и воспаление гортани. В заболевании «виновны»:

Вирусы гриппа парагриппа, аденовирус.
Возбудители «детских» инфекций — кори, дифтерии, коклюша.
Бактерии — стрепто- и стафилококки. Они присоединяются на фоне ОРВИ или хронических инфекций, например, тонзиллита.

Хронический ларингит: симптомы у взрослых. Как понять, от чего охрип голос

Если эпизоды острого воспаления повторяются часто, процесс принимает хронический характер.

Температура нормальная, когда обострения нет, общее состояние не меняется. Пациентов беспокоит сухость, першение в горле, голос хриплый, быстро садится, постоянно хочется откашляться. Когда возникает обострение, симптомы хронического ларингита усиливаются.

Воспаление гортани редко возникает как самостоятельное заболевание. Чаще — сопровождает другие состояния. Например, беспокоит при хроническом тонзиллите, синусите, бронхите, рефлюксной болезни — забросе кислого содержимого желудка в пищевод.

Другие причины хронического ларингита:

курение и алкоголь,
загрязненный пылью, дымом, промышленными выбросами воздух,
аллергены,
повышенная голосовая нагрузка на голос,
специфическая инфекция — сифилис, туберкулез.
хронические заболевания (сахарный диабет, недостаточность кровообращения, и т.д.)

Причины разные, симптомы похожи. Поэтому без устранения причины искать «как лечить в домашних условиях хронический ларингит» и потом полоскать горло «травками» и рассасывать пастилки, как минимум, неэффективно.

Кто лечит — к каким врачам обращаться?

Прежде всего, если у вас першит горло, пропал голос, беспокоит сухой кашель, есть другие неприятные ощущения, стоит записаться к врачу-оториноларингологу.
Однако, бывают ситуации, когда в диагностике и лечении необходимо участие других специалистов – например, гастроэнтеролога.

Как диагностировать ларингит?

Опрос

Сначала специалист расспрашивает, что вас беспокоит. В деталях расскажите о боли в горле, кашле, других некомфортных ощущениях. Обязательно сообщите, если повышалась температура, болят в мышцы, беспокоит слабость, головная боль.

Далее отоларинголог вас расспросит, как долго у вас эти симптомы и что вы делали, какие препараты принимали, чтобы избавиться от них. Не забудьте сообщить, если вы курите, дышите сухим пыльным воздухом, перегружаете голос, или у вас есть аллергия.

Если у вас уже был ларингит лечение которого не дало должного результата, вы сдавали анализы — возьмите карточку и результаты анализов с собой. Врачи клиники «Энерго» с многолетним стажем работы учитывают все детали, чтобы поставить точный диагноз и назначить адекватное лечение.

Первичный осмотр

При общем осмотре заметно, что у пациента изменен голос.

При ЛОР обследовании гортани (ларингоскопии) врач видит покраснение слизистой гортани на всем протяжении, или только в области голосовых складок. Диагностировать ларингит признаки которого: утолщение, отек и неполное смыкание голосовых складок, опытному врачу несложно.

При хроническом воспалении изменения — иного рода. В зависимости от формы хронического ларингита, слизистая может быть покрасневшей и утолщенной, покрытой вязкой слизью, а голосовые складки смыкаются не полностью. Пациенты жалуются на першение и дискомфорт в горле, кашель с мокротой, которую трудно откашлять. Хронический ларингит у детей лечение которого — задача для опытного врача, проявляется именно так.

При другой форме слизистая разрастается чрезмерно, на голосовых складках образуются певческие «узелки». Основная жалоба- потеря голоса. При атрофии слизистая становится тонкой, покрыта корочками, а пациентов беспокоит сухой болезненный кашель.

Какие методы используют для диагностики?

В большинстве случаев, достаточно простой ларингоскопии. Если есть подозрение на бактериальную, грибковую причины ларингита, делают мазок и бактериологические посевы.

Чем лечить ларингит?

На первом этапе лечения врач определяется с тактикой. При остром процессе и хроническом воспалении лечение разное. Это зависит от многих факторов — формы заболевания, выраженности общих симптомов, сопутствующей патологии.

Врач назначает препараты для лечения ларингита у взрослых: противовоспалительные, противовирусные, антисептики, иммуномодуляторы, физиотерапию, соответственно форме заболевания и сопутствующей патологии. При сухом навязчивом кашле коротким курсом назначают препараты, угнетающие кашлевой рефлекс. Самим себе назначать их не стоит.

Хотите знать, как быстро вылечить ларингит? Соблюдайте эти правила. В острый период:

Что делать

Принимайте лекарства, как назначил врач.
Делайте щелочные (раствором соды) ингаляции при ларингит.
Исключите острое, кислое, горячее.
Пейте достаточно жидкости.
Увлажняйте воздух в помещении.

Чего не делать

Не разговаривайте, даже шепотом.
Не курите.
Не принимайте алкоголь.

При обострении лечении хронического процесса лечение проводят в зависимости от формы заболевания.

При атрофии слизистой, это улучшающие кровообращение и обмен: физпроцедуры, витамины, биостимуляторы. Если процесс сопровождается утолщением слизистой — необходимы противовоспалительные средства.

При катаральной форме используют противоаллергические и противоотечные, отхаркивающие, антисептики, противовоспалительные лекарства и щелочные ингаляции.

Плюс, щадящий режим.

Если вы ищете, как лечить ларингит у детей, помните: главное — не упустить время. Все процессы в детском организме протекают гораздо быстрее, и могут возникнуть осложнения.

На втором этапе лечения, врач оценивает эффект лечения. При хроническом процессе для получения эффекта нужно время. Наберитесь терпения и следуйте рекомендациям вашего лечащего врача.

На третьем этапе лечения, после того, как будет положительный результат от лечения, врач назначает комплекс мер для профилактики обострения. Необходимо:

Лечить заболевания, которые поддерживают ларингит: фарингит, тонзиллит, бронхит, заболевания желудочно-кишечного тракта, сахарный диабет и т.п.
Исключить факторы, которые провоцируют обострение — прекратить курение, уменьшить по возможности контакты с больными ОРВИ, увлажнять воздух.
Принимать лекарства, которые назначил врач: витамины и препараты для повышения общего и местного иммунитета.

На четвертом этапе лечения врач определяет периодичность контрольных осмотров, исследований, чтобы отслеживать ваше состояние и вовремя заметить рецидив.

Какого результата ждать от лечения ларингита?

Исчезает першение и сухость,
Восстанавливается голос,
Прекращается кашель,
Нормализуется общее состояние.

Профилактика ларингита

Острый

Придерживаться здорового образа жизни — правильно питаться, не нервничать, достаточно отдыхать, гулять на свежем воздухе, увлажнять воздух в помещении.
Вовремя и правильно лечить ОРВИ, не переносить их «на ногах», не допускать хронизации процесса.
Укреплять иммунитет: закаливание, курсы витаминов, фитопрепаратов.
Исключить факторы, вредно влияющие на слизистую дыхательных путей — курение, алкоголь, пыль, аллергены.

Хронический

Исключить факторы, вызывающие обострение.
Не переохлаждаться.
Постараться устранить очаги хронической инфекции — вовремя лечить зубы, гайморит, тонзиллит, бронхит.

Если в горле першит, охрип или пропал голос, появился кашель, не стоит ждать, пока ларингит «пройдет сам». Воспаление часто распространяется дальше, и надо будет лечить более серьезные заболевания.

Записаться на прием к врачу и пролечиться у специалиста проще, чем устранить хронический процесс или его осложнения.

Позвоните и назначьте время визита. Или запишитесь к нашим оториноларингологам онлайн на сайте.

Потеря голоса — симптом аллергии или вирусной инфекции?

05.10.2021

Потеря голоса или афония — это симптом, указывающий на нарушение в голосовых связках, ответственных за извлечение звуков. Афония часто возникает при вирусных инфекциях и аллергиях, но также может быть симптомом метаболических заболеваний и гормональных нарушений. Если потеря голоса сохраняется более двух недель, следует обратиться к ЛОР-специалисту.

Потеря голоса как симптом вирусной инфекции

Потеря голоса является одним из распространенных симптомов заболеваний средней дыхательной системы — воспаления гортани, трахеи и других. Смена тембра или отсутствие звука — следствие неправильной работы голосовых связок, лежащих между верхним и нижним отделами дыхательной системы.

Это симптом вирусных инфекций, чаще всего вызываемых вирусом парагриппа, который в первую очередь поражает детей в осенний сезон. Острый ларингит, трахеит и бронхит проявляется высокой температурой, лающим кашлем, одышкой, охриплостью, а затем афонией и усилением одышки при выдохе. Другой патоген, вызывающий ларингит и связанную с ним немоту, — вирусы RSV. При заражении этой этиологии беспокоят недуги со стороны верхних дыхательных путей, а не нижних. Кроме того, афония может возникать в результате инфицирования голосовой щели коронавирусом, адено- и риновирусами, а также вирусом кори Коксаки. Ларингит очень редко имеет бактериальное происхождение, но возможно — он вызывается Mycoplasma pneumoniae, а в случае вторичных инфекций — бактериями из семейства стрептококков — Streptococcus.

Самостоятельно купирующиеся вирусные инфекции трудно поддаются лечению. В современной медицине и аптеке нет лекарств, которые эффективно победили бы эти патогенные микробы, как в случае с лечением бактериальных инфекций. Хотя лекарств, вызывающих заболевание, не существует, существуют различные виды фармацевтических препаратов, облегчающих течение заболевания, а иногда даже сокращающих его продолжительность. Среди них важное место занимают глюкокортикостероиды. В терапии также используются нестероидные противовоспалительные препараты, ибупрофен или бензидамин, а также леденцы с прополисом или другими натуральными ингредиентами, которые увлажняют слизистую горла, помогая восстановить потерянный в результате болезни голос.

Шум при аллергии

Увлажнение слизистой оболочки глотки не менее важно при аллергических заболеваниях, которые также могут вызывать потерю голоса. Это происходит, когда под воздействием аллергенов в области гортани появляются отеки и воспаления — защитные реакции организма. Набухшая гортань нарушает функцию голосовых связок, которые находятся в самом центре этого органа. Аллергическая потеря голоса может быть результатом аллергии на продукты питания (яйца, орехи, цитрусовые), ингалянты (пыльца, шерсть животных, клещи домашней пыли, плесень) и быть побочным эффектом некоторых лекарств.

Афония — симптом аллергии или вирусной инфекции?

Хотя, это различить непросто, поскольку в обоих случаях наблюдаются очень похожие симптомы, в целом при вирусных инфекциях появляются системные симптомы (лихорадка, озноб, мышечные боли, мигрень, ринит, кашель, афония и т. д.), тогда как при аллергии симптомы скорее местные (ринит и слезотечение, кашель и афония, сыпь и зуд). Еще одним признаком может быть продолжительность болезни. Обычно простуды длятся около недели, а аллергия — дольше.

Другие причины потери голоса

Вирусная инфекция и аллергия — лишь две из множества причин потери голоса. Здесь также следует упомянуть афонию, которая является частью профессионального заболевания учителей, педагогов, актеров, юристов и всех остальных, чьим рабочим инструментом является их собственный голос. Тишина может быть результатом перегрузки органа голоса, а также работы с голосом в несоответствующих гигиенических условиях. Другой, не менее частой причиной потери голоса являются проблемы с психикой. Травма, тяжелый хронический стресс может проявляться по-разному, в том числе лишая способности говорить.

Точно так же депрессия, тревожные расстройства и изменения личности вызывают провисание гортани, что приводит к неспособности издавать звуки. Снижение голоса происходит при метаболических и эндокринных заболеваниях. Это может быть симптом рака гортани, а также других доброкачественных изменений. Наконец, следует подчеркнуть, что все заболевания, вызывающие изменения в голосовом аппарате, настолько опасны, что несут в себе риск обструкции дыхательных путей, что является реальной угрозой для жизни. Поэтому при потере голоса всегда следует консультироваться с врачом. Особенно, когда афония (или хотя бы изменение тембра голоса) длится более двух недель.

Опубликовано в Аллергология Премиум Клиник

Пропал голос и закладывает уши

Хочу поблагодарить Лебединскую Елену Александровну!

Читать отзыв полностью…

Нос дышит намного лучше чем до операции!

Огромная благодарность всему персоналу клиники и в особенности хирургу Елене Александровне Лебединской за прекрасно п

Читать отзыв полностью…

Я очень рада, что попала в руки именно к такому доктору, как Антон Павлович!

Читать отзыв полностью…

Ходим к Елене Павловне с года. Всегда выслушает и даст четкие рекомендации.

Ходим к Елене Павловне с года. Всегда выслушает и даст четкие рекомендации. Врач вызывает полное доверие.

Читать отзыв полностью…

Я поставлю доктору Сушкову «5» баллов

Я поставлю доктору Сушкову «5» баллов. Я обратилась к этому врачу в первый раз.

Читать отзыв полностью…

В клинике мне понравилось, все меры по нераспространению ковидной инфекции принимаются

В клинике мне понравилось, все меры по нераспространению ковидной инфекции принимаются, то есть маски, дезинфекторы в

Читать отзыв полностью…

По стечению обстоятельств попала к Антону Павловичу. Теперь — только к нему!

Я с 2012 года наблюдаюсь в клинике «ухогоролонос», в прошлом году по стечению обстоятельств попала к Антону Павловичу

Читать отзыв полностью…

Здравствуйте хочеться поблагодарить врача с большой буквы Лебединскую Елену Алексадровну за профессионализм и хорошую работу

Здравствуйте хочеться поблагодарить врача с большой буквы Лебединскую Елену Алексадровну за профессионализм и хорошую

Читать отзыв полностью…

Антон Павлович Осадчий, я безмерно вам благодарна за то, что вы вылечили дочку!

Антон Павлович Осадчий, я безмерно вам благодарна за то, что вы вылечили дочку! Спасибо за ваш профессионализм.

Читать отзыв полностью…

Валентина Николаевна уделяет достаточно времени мне хватило. В целом, как профессионал, она вызывает у меня доверие!

Все отлично, я повторно пойду, так как с первым диагнозом доктор помогла мне!

Читать отзыв полностью…

На мой взгляд, Наталия Валерьевна доброжелательная, все расспрашивает и узнает, слушает своего пациента!

Прием прошел вполне хорошо, я довольна осталась. Мне прописали терапию, я буду лечиться у этого специалиста.

Читать отзыв полностью…

Не пожалел, что операцию сделал именно в этой клинике у хирурга Е.А. Лебединской.

Долго не решался на исправление носовой перегородки.

Читать отзыв полностью…

Большое спасибо врачу и этой клинике, буду рекомендовать всем своим знакомым.

Поделюсь своими впечатлениями.

Читать отзыв полностью…

Видно, что Михаил Германович профессионал в своем деле

Сушков Михаил Германович ходил мой супруг, я его записывала, а выбрала я этого специалиста по отзывам.

Читать отзыв полностью…

Низкий поклон Елене Александровне за ее золотые руки

У сына были аденоиды и гипертрофия небных миндалин 3 степени.После последнего ОРВИ у ребенка ухудшился слух,насморк п

Читать отзыв полностью…

Если бы не он, то неизвестно слышала бы моя дочь или нет

Дмитрий Владимирович наблюдает мою дочь в течение года. Я безумно рада, что он у нас есть.

Читать отзыв полностью…

Спасибо Светлане Вячеславовне: всё увидела, нашла, прописала лечение.

Были проблемы с горлом и ушами. Мучилась с августа по ноябрь. Обратилась, наконец, в эту клинику, т.к.

Читать отзыв полностью…

Выражаю огромную благодарность Терво Светлане Олеговне

Выражаю огромную благодарность Терво Светлане Олеговне и всему медицинскому персоналу за качественное и профессиональ

Читать отзыв полностью…

Хочу выразить слова благодарности Ирине Валерьевне Гашеевой

Хочу выразить слова благодарности Ирине Валерьевне Гашеевой.

Читать отзыв полностью…

Светлана Вячеславовна не первый год лечит всех членов нашей семьи

Светлана Вячеславовна не первый год лечит всех членов нашей семьи, внимательный, грамотный и честный специалист, всег

Читать отзыв полностью…

Отзыв о враче Лебединская Е. А.

На первом приёме сразу был поставлен диагноз экзостоз левого наружного слухового прохода, была отлично проведена опер

Читать отзыв полностью…

Антон Павлович — врач от бога.

Читать отзыв полностью…

Благодарю! Уткина Наталью Павловну за профессионализм и высокое знание своего дела

Благодарю!

Читать отзыв полностью…

Хотелось бы поблагодарить за профессионализм и чуткое отношение к пациенту Антона Павловича Осадчего!

Читать отзыв полностью…

Людмила Владимировна вежливая специалист

Людмила Владимировна вежливая специалист, которая очень хорошо разбирается в своей сфере.

Читать отзыв полностью…

Замечательный и талантливый врач!

Добрый день! Долгое время мучился от аллергического ринита, как последствие — полипоз.

Читать отзыв полностью…

Хочу выразить благодарность Десятка М.Э. за его работу.

Читать отзыв полностью…

Хочу выразить благодарность Осадчий А. П. за его работу.

Читать отзыв полностью…

Наблюдались у многих врачей и сделали выбор в пользу Антона Павловича

Наблюдались у многих врачей и сделали выбор в пользу Антона Павловича.

Читать отзыв полностью…

Осадчий А. П. — это наш семейный врач

Осадчий А. П. — это наш семейный врач, которому мы безоговорочно доверяем своё здоровье!

Читать отзыв полностью…

Наблюдаюсь у Антона Павловича уже не первый год

Наблюдаюсь у Антона Павловича уже не первый год, в связи с хроническим заболеванием и частыми болезнями на этом фоне,

Читать отзыв полностью. ..

Наблюдаемся у Антона Павловича уже год, со старшим и с младшим ребенком.

Читать отзыв полностью…

Антон Павлович — Врач от Бога!

Антон Павлович — Врач от Бога! С детьми находит общий язык с «полпинка» и с мамами тоже.

Читать отзыв полностью…

Огромное спасибо Максиму Эдуардовичу!

Огромное спасибо Максиму Эдуардовичу! Здоровья Вам, профессиональных успехов! Врач от Бога!

Читать отзыв полностью…

Врач Давлетшина Олеся Алексеевна — профессионал своего дела

Отличная клиника «Ухо, горло, нос», врач Давлетшина Олеся Алексеевна — профессионал своего дела, лечимся только у неё

Читать отзыв полностью…

Антон Павлович — врач с наивысшей буквы, врач от Бога

Очень добрый, внимательный, компетентный, вежливый, грамотный, отзывчивый, профессионал своего дела.

Читать отзыв полностью…

Все на высшем уровне!

Была сегодня на консультативном приеме -осмотре у Коротаевой Владлены Александровны.

Читать отзыв полностью…

Отличная клиника «Ухо, горло, нос»

Читать отзыв полностью…

Хочу выразить благодарность Осадчему Антону Павловичу

Хочу выразить благодарность Осадчему Антону Павловичу.

Читать отзыв полностью…

Хочу выразить большую благодарность Наталье Александровне

Хочу выразить большую благодарность Наталье Александровне, у сына были затяжные сопли перешло все в бронхит долго леч

Читать отзыв полностью…

Друг-терапевт посоветовал Елену Александровну как прекрасного ЛОРа-хирурга

Специалист с большой буквы!

Читать отзыв полностью…

Дмитрий Владимирович диагностировал достаточно сложную патологию у моего ребенка

Добрый день!

Читать отзыв полностью…

Осадчий Антон Павлович — прекрасный врач и профи в своём деле!

Читать отзыв полностью. ..

Дружелюбный, отзывчивый персонал, комфортная, приятная обстановка

Дружелюбный, отзывчивый персонал, комфортная, приятная обстановка, врач Анфилатов профессионал высокого уровня, ходим

Читать отзыв полностью…

Выражаю огромную благодарность Лебединской Елене Александровне и всему коллективу клиники.

Читать отзыв полностью…

Врач сразу расположила к себе и меня, и что важнее, ребёнка.

Обратились с температурой и подозрением на ангину + отит.

Читать отзыв полностью…

Выражаю огромную благодарность Лебединской Елене Александровне и всему коллективу клиники.

Читать отзыв полностью…

Особая благодарность доктору Лебединской Елене Александровне

Медицинский персонал в клинике внимательный и отзывчивый.

Читать отзыв полностью. ..

Рекомендую Антона Павловича как высококвалифицированного специалиста

Обратились первый раз 2 года назад с болью в ушах у дочери.

Читать отзыв полностью…

Доброе отношение и несомненный профессионализм

Добрый день, хотим оставить отзыв о прекрасном враче А. П.!

Читать отзыв полностью…

Доктор Анфилатов Андрей Викторович достаточно компетентный.

Впечатление о приеме осталось исключительно положительным.

Читать отзыв полностью…

Антон Павлович — врач от Бога!

Антон Павлович — врач от Бога! Он меня прям спас!

Читать отзыв полностью…

Всем будем рекомендовать эту клинику и врача — Максима Эдуардовича Десятка.

Очень понравилось. Очень оперативно и качественно. Прекрасное отношение к пациенту. Очень дружелюбный персонал.

Читать отзыв полностью…

Осадчий Антон Павлович замечательный , внимательный, понимающий, добрый ВРАЧ!!!!

Читать отзыв полностью. ..

Огромное спасибо врачу Зыкину Олегу Владимировичу за проведенную операцию

Огромное спасибо врачу Зыкину Олегу Владимировичу за проведенную операцию.В этой клинике работают отличные люди.Спаси

Читать отзыв полностью…

Был на приеме у Десятка М. Э.

Решил обратиться в данную клинику, так как до этого были на приеме с дочкой, нам понравилось обращение персонала и вр

Читать отзыв полностью…

Были на приеме у Сушкова очень понравился врач

Были на приеме у Сушкова очень понравился врач, посмотрел и внучку и меня саму, благодарна за своевременный приём.

Читать отзыв полностью…

Наталья Павловна Уткина — специалист высокого уровня, доктор от бога.

Нравится отношение и подход врача, всегда старается найти новый способ лечения хронического заболевания, если предыду

Читать отзыв полностью…

Сушков Михаил Германович — высококвалифицированный специалист.

Читать отзыв полностью…

Здесь работают высокие профессионалы

Здесь работают высокие профессионалы, люди любящие свою работу, только положительные отзывы и слова благодарности все

Читать отзыв полностью…

Выражаю огромную благодарность врачу Максиму Эдуардовичу!

Читать отзыв полностью…

Благодарность Максиму Эдуардовичу

Очень хочется выразить огромную, огромную, благодарность Максиму Эдуардовичу.

Читать отзыв полностью…

Спасибо большое Максиму Эдуардовичу!

Спасибо большое Максиму Эдуардовичу! Месяц мучились с носом у ребёнка, пока не попали на приём к этому доктору!

Читать отзыв полностью…

Очень благодарен Максиму Эдуардовичу за оказанную помощь и лечение.

Читать отзыв полностью…

Оперировалась у Лебединской Елены Александровны

Оперировалась у Лебединской Елены Александровны, выправляла носовую перегородку.

Читать отзыв полностью…

Олег Владимирович — очень грамотный и отзывчивый врач!

Олег Владимирович — очень грамотный и отзывчивый врач. Обращалась к нему с ребенком, теперь лечусь и сама.

Читать отзыв полностью…

Ворончихина Наталия Валерьевна — лучший ЛОР-врач в городе.

Ворончихина Наталия Валерьевна — лучший ЛОР-врач в городе. Лечился у всех, у кого можно, и даже за границей.

Читать отзыв полностью…

Огромная благодарность доктору

Рекомендую всем кто хочет снова свободно дышать! Обратился в клинику Ухо.Горло.Нос по рекомендациям врачей.

Читать отзыв полностью…

Выражаю большую благодарность Максиму Эдуардовичу

Выражаю большую благодарность Максиму Эдуардовичу. Отличный специалист и профессионал своего дела!

Читать отзыв полностью…

Сергей Григорьевич замечательный специалист

Мы давно знаем, что Сергей Григорьевич замечательный специалист.

Читать отзыв полностью…

Выражаю огромную благодарность Андрею Викторовичу.

Выражаю огромную благодарность Андрею Викторовичу. Отличный специалист и просто приятный человек! Моей дочке 2,8.

Читать отзыв полностью…

Выражаем огромную благодарность Синдяеву Алексею Викторовичу

Выражаем огромную благодарность Синдяеву Алексею Викторовичу за качественное и профессиональное оказание помощи в леч

Читать отзыв полностью…

Очень внимательный специалист

К Олесе Алексеевне обращаемся уже давно. Очень внимательный специалист.

Читать отзыв полностью…

Благодарю Сушкова Михаила Германовича за точно поставленный диагноз

Благодарю Сушкова Михаила Германовича за точно поставленный диагноз, за верно подобранное лечение, за внимательность

Читать отзыв полностью…

Мой муж благодаря ему начал дышать спокойно ночью!

Мой муж благодаря ему начал дышать спокойно ночью! Мы забыли, что такое капли и постоянные головные боли!

Читать отзыв полностью…

Очень, очень ее советую. Побольше таких врачей.

Лучший отоларинголог в Перми в настоящее время. Неравнодушная, отзывчивая, отличный доктор.

Читать отзыв полностью…

Юлия Юрьевна очень хороший врач, внимательный, ответственный, душевный.

Юлия Юрьевна очень хороший врач, внимательный, ответственный, душевный. Всё всегда понятно объяснит.

Читать отзыв полностью…

Мне провели операцию по исправлению перегородки носа и удалению полипов.

Мне провели операцию по исправлению перегородки носа и удалению полипов. Маялся лет 30.

Читать отзыв полностью…

Хочу выразить благодарность за профессионально проведенную операцию по удалению аденоида.

Хочу выразить благодарность сотрудникам клиники ухо горло нос в Перми.

Читать отзыв полностью…

Однозначно сюда! И однозначно к Березиной Елизавете Сергеевне!!

Однозначно сюда! И однозначно к Березиной Елизавете Сергеевне!!! Уже столько раз спасала нас.

Читать отзыв полностью…

Профессиональное обследование, чуткое и внимательное отношение врача и медперсонала!

Здравствуйте! Сегодня была на приёме у Людмилы Владимировны.

Читать отзыв полностью…

Низкий поклон и крепкого здоровья Елизавете Сергеевне!

Когда в нашей семье появился малыш, нам сказали, главное, найти хорошего ЛОРа, и когда мы пришли к Елизавете Сергеевн

Читать отзыв полностью…

Врач от Бога, решил нашу проблему, провёл операцию.

Замечательный врач — Сушков Михаил Германович. Профессионал своего дела.

Читать отзыв полностью…

Теперь будем наблюдаться только у Антона Павловича.

Антон Павлович — замечательный доктор!

Читать отзыв полностью…

Резекцию носовой перегородки делала Лебединская Елена Александровна, все понравилось, грамотные и отзывчивые сотрудники.

Рекомендую данную клинику.

Читать отзыв полностью…

Лучшая клиника в Перми для лечения лор-заболеваний

Это, наверное, лучшая клиника в Перми для лечения лор-заболеваний.

Читать отзыв полностью…

Елена Павловна Долгих — профессиональный врач

Елена Павловна Долгих — профессиональный врач и очень внимательна к пациентам.

Читать отзыв полностью…

Я считаю, что Елена Павловна — профессионал.

Доктор, Елена Павловна, очень хороший.

Читать отзыв полностью…

Хотим оставить отзыв с огромной благодарностью от всей семьи врачу Анфилатову А. В.

Добрый день, администраторы группы. Хотим оставить отзыв с огромной благодарностью от всей семьи врачу Анфилатову А.

Читать отзыв полностью…

Спасибо вам большое за ваш профессионализм.

Здравствуйте. Очень давно слышала про клинику, но не обращались, а зря.

Читать отзыв полностью…

Хочу выразить благодарность коллективу клиники, в особенности Терво Светлане Олеговне

Хочу выразить благодарность коллективу клиники, в особенности Терво Светлане Олеговне, за качественно проведенную тон

Читать отзыв полностью…

Отличная диагностика, ВЫСОКИЙ профессионализм и ЧУТКОЕ отношение к пациентам

У ребенка были полипы и аденоиды в носу. Практически не дышал.

Читать отзыв полностью…

Дышащий нос спустя несколько лет мучений — это прямо подарок.

Больше 10 лет мой нос не дышал.

Читать отзыв полностью…

Спасибо большое всем врачам, медсестрам и администраторам.

Были в клинике ухо, горло, нос на Пермской на приеме у Мельцевой Елены Владимировны.

Читать отзыв полностью…

Большое спасибо доктору Гашеевой Ирине Владимировне

Большое спасибо доктору Гашеевой Ирине Владимировне, очень внимательная, добрая и квалифицированная.

Читать отзыв полностью…

Терво Светлана Олеговна удаляла сыну аденойды

Хочу оставить свой отзыв о клинике ухо горло нос. Пишут о ней здесь много, вот и я решила вставить свои 5 копеек.

Читать отзыв полностью…

Считаю своим долгом сказать спасибо хотя бы, написав отзыв о враче Лебединской

Считаю своим долгом сказать спасибо хотя бы, написав отзыв о враче Лебединской.

Читать отзыв полностью…

Огромное спасибо Елене Александровне

Прошёл курс лечения по исправлению перегородки носа, хочется отметить огромный профессионализм Елены Александровны Ле

Читать отзыв полностью. ..

Побольше бы таких врачей!

Очень долгое время не дышал нос, сидела на сосудоссуживающих каплях, как наркоманка.

Читать отзыв полностью…

Осадчий Антон Павлович — очень компетентный доктор!

Очень компетентный доктор. Легко находит общий язык с детьми.

Читать отзыв полностью…

Хочу выразить благодарность клинике «УхоГорлоНос» и моему лечащему врачу Сергею Григорьевичу Останину.

Читать отзыв полностью…

Очень благодарна Елене Александровне и всем врачам

Очень благодарна Елене Александровне и всем врачам, и работникам этой клиники.

Читать отзыв полностью…

Провели операцию, теперь я дышу в полную силу!

Огромное спасибо Лебединской Елене Александровне и ее коллегам!

Читать отзыв полностью…

Генеральчук Людмила Владимировна находит подход к нашему ребёнку

Замечательный доктор Генеральчук Людмила Владимировна, очень отзывчива, добра, профессионал своего дела, находит подх

Читать отзыв полностью. ..

Юлия Юрьевна — квалифицированный специалист!

Юлия Юрьевна — квалифицированный специалист, очень нам помогла, если бы не обратились к ней не знали бы какие у нас п

Читать отзыв полностью…

Очень рады, что есть такая специализированная клиника!

Читать отзыв полностью…

Спасибо Зыкину О.В. Обратились к нему с запущенный острым гнойным отитом

Спасибо Зыкину О.В.

Читать отзыв полностью…

Выражаю благодарность Анфилатову Андрею Викторовичу за его работу!

Выражаю благодарность Андрею Викторовичу за его работу!

Читать отзыв полностью…

Осадчий Антон Павлович замечательный специалист своего дела

ЛОР врач Осадчий Антон Павлович замечательный специалист своего дела.

Читать отзыв полностью…

Спасибо наиагромнейшее Сергею Григорьевичу Останину

Спасибо наиагромнейшее Сергею Григорьевичу Останину за мое долгожданное избавление от 24 летней заложенности носа, бе

Читать отзыв полностью. ..

С таким доктором нам ничего не страшно!

Я не побоюсь громких слов, ведь Наталья Павловна — это наше всё. Уже 3,5 года она лечит двоих наших детей.

Читать отзыв полностью…

Случилось чудо, потому что я попал к Конищеву Дмитрию Владимировичу!

Впервые решил написать отзыв на врача, в знак огромной благодарности.

Читать отзыв полностью…

Очень хочется выразить огромную благодарность врачу Десятка Максиму Эдуардовичу.

Читать отзыв полностью…

Хотелось бы выразить благодарность Головач Светлане Вячеславне.

Читать отзыв полностью…

Доктор нашла проблему, все очень подробно разъяснила

Пришла с острой проблемой на приём к Олесе Алексеевне, доктор нашла проблему, все очень подробно разъяснила, подробно

Читать отзыв полностью…

Спасибо огромное врачу Долгих Елене Павловне

Спасибо огромное врачу Долгих Елене Павловне за то, что вылечила мой синусит.

Читать отзыв полностью…

Спасибо Лебединской Елене Александровне за проведённую операцию

Спасибо Лебединской Елене Александровне за проведённую операцию, за ее профессионализм и поддержку, неравнодушное отн

Читать отзыв полностью…

Очень довольны врачом Уткиной Н.П.

Очень довольны врачом Уткиной Н.П. Ходим к ней уже много лет всей семьей.

Читать отзыв полностью…

Большое спасибо доктору Гашеевой Ирине Владимировне

Большое спасибо доктору Гашеевой Ирине Владимировне, очень внимат

Читать отзыв полностью…

Спасибо огромное Елене Александровне Лебединской

Обратилась в клинику с непроходящей болью в горле, до этого была у двух лоров, которые после безрезультатного лечения

Читать отзыв полностью…

Благодарность за профессионально проведенную операцию по удалению аденоида

Хочу выразить благодарность сотрудникам клиники ухо горло нос в Перми.

Читать отзыв полностью…

СПАСИБО за то, что мы забыли, что такое АДЕНОИДЫ!!

Пишу сказать огромное СПАСИБО за то, что мы забыли, что такое АДЕНОИДЫ!! Моей дочери 3 года.

Читать отзыв полностью…

Хочется отметить огромный профессионализм Елены Александровны Лебединской

Читать отзыв полностью…

В клинике работают высококвалифицированные специалисты

Была на приеме у Окуловой О.В.

Читать отзыв полностью…

Вы меня спасли!!!

Дорогая Олеся Алексеевна! Огромное Вам Чудесное Великолепное Спасибо! Вы меня спасли!!!

Читать отзыв полностью…

Доктор был приветлив, все подробно показал…

Сегодня в экстренном порядке обратились в вашу клинику.

Читать отзыв полностью…

Спасибо за профессионализм!

Огромное спасибо Елене Александровне Лебединской и Людмиле Германовне Макаровой за профессионализм, внимательное отно

Читать отзыв полностью…

Отзыв о ЛОР враче Осадчем Антоне Павловиче

Хочу сказать Огромное Человеческое спасибо, молодому и харизматичному Врачу

Читать отзыв полностью. ..

Отзыв о ЛОР враче Осадчем Антоне Павловиче

Спасибо, что назначили лечение, которое мне, правда, помогло! Всегда найдете верное решение, чтоб все бесследно и легко прошло!

Читать отзыв полностью…

Отзыв о ЛОР враче Сушкове Михаиле Германовиче

Очень внимательный, спокойный, тактичный специалист

Читать отзыв полностью…

Отзыв о ЛОР враче Генеральчук Людмиле Владимировне

Выражаю искреннюю признательность

Читать отзыв полностью…

Отзыв о ЛОР враче Осадчем Антоне Павловиче

«Спасибо за носик, спасибо за ушки…»

Читать отзыв полностью…

Отзыв о ЛОР враче Комлик Любовь Николаевне

Обращалась к этому доктору уже не раз, так как она принимает еще и в Краевой клинической больнице.

Читать отзыв полностью…

Отзывы о ЛОР враче Лебединской Елене Александровне: «Люблю Вас, спасибо, дорогой доктор!»

После операции по исправлению носовой перегородки я поняла, что всю жизнь дышала неправильно.

Читать отзыв полностью. ..

Благодарность Котельниковой Юлие Юрьевне: «Благодарна за профессионализм, опыт и знания, внимание»

Хочу выразить благодарность Клинике, в особенности ЛОР врачу Котельниковой Юлие Юрьевне.

Читать отзыв полностью…

Отзывы о ЛОР враче Осадчем Антоне Павловиче: «Одни положительные эмоции от лечения»

Антон Павлович среди ЛОРов Перми замечательный доктор, только одни положительные эмоции от лечения.

Читать отзыв полностью…

Отзыв о ЛОР враче Самоловских Л.А.: «Вылечила гайморит без «прокола!»

Хотела оставить отзыв о ЛОР враче Самоловских Ларисе Васильевне. Замечательный и профессиональный доктор!

Читать отзыв полностью…

Отзыв о ЛОР враче Семериковой Н.А.: «… моей радости нет предела…»

Приехали с последней надеждой в Клинику ухо, горло, нос. Нос у ребенка не дышал вообще.

Читать отзыв полностью…

ЛОР Семерикова Наталья Александровна отзывы

Наталья Александровна наш любимый врач!

Читать отзыв полностью. ..

Она просто спасла жизнь моего сына

Прочла отзывы и решила оставить свой. Врач с большой буквы. Очень чуткая!

Читать отзыв полностью…

Анфилатов Андрей Викторович — самый лучший ЛОР доктор!

Выражаю огромную благодарность ЛОР доктору Анфилатову Андрею Викторовичу.

Читать отзыв полностью…

Избавили моего ребенка от частых ОРВИ!

Огромное спасибо ЛОР врачу Уткиной Наталье Павловне за внимательное и бережное отношение, высокий профессионализм!

Читать отзыв полностью…

Просьба открыть вашу клинику в г. Набережные Челны!

Хочу сказать ОГРОМНОЕ СПАСИБО!!! Елене Александровне, Наталье Викторовне, а также всему коллективу Вашей Клиники.

Читать отзыв полностью…

Очень благодарна Уткиной Наталье Павловне!

Я, Борисова Оксана Андреевна, являюсь постоянным пациентом Клиники, а точнее мой ребенок уже 4 года наблюдается в Кли

Читать отзыв полностью…

Благодарность Терво Светлане Олеговне!

Выражаем благодарность всему коллективу Клиники ухо, горло, нос, а в особенности Терво Светлане Олеговне!

Читать отзыв полностью. ..

Прошу поощрить Л.В. Верещагину!

Посещаю Клинику ухо, горло, нос и лечу тонзиллит. Лечусь у ЛОР врача Верещагиной Лидии Владимировны.

Читать отзыв полностью…

Спасибо Долгих Елене Павловне!

Обращались в клинику неоднократно.

Читать отзыв полностью…

Бедный мой сыночек, как же он жил с таким аденоидом?!

Здравствуйте, всем! Хочу поделиться своей историей и поблагодарить ЛОР врача Светлану Олеговну Терво.

Читать отзыв полностью…

Мой сын может нормально дышать! Спасибо!

У моего ребенка сильная аллергия на клеща домашней пыли.

Читать отзыв полностью…

Благодарность Е.А. Лебединской

Благодарственное письмо ЛОР врачу Е.А.

Читать отзыв полностью…

Отзыв о ЛОР враче Л.В. Самоловских

Доброго времени суток

Читать отзыв полностью…

Отзывы о лор врачах Е.А. Лебединской, С.О. Терво, медсестрах

Огромное спасибо Е.А.

Читать отзыв полностью…

Отзыв о ЛОР враче В.Н. Шайдуровой

Выражаю свое восхищение трепетным, человечным и профессиональным отношением к пациенту Шайдурово

Читать отзыв полностью…

Спасибо за здоровое горло!

Много лет жила с тонзиллитом, ни один лор даже не пытался мне пробки отмыть, видимо, возиться не хотели.

Читать отзыв полностью…

Помогли в трудный для здоровья момент

Поддерживаю все похвалы в адрес клиники! Не могу не откликнуться, т.к.

Читать отзыв полностью…

Еще бы нам таких клиник…

Вновь воспользовались с сыном услугами клиники «Ухо горло нос»!

Читать отзыв полностью…

С верой в выздоровление

Хочу выразить искреннюю благодарность врачу Зайцевой Екатерине Александровне.

Читать отзыв полностью…

Ничего не упустили!

Считаю хорошим тоном оставить отзыв о врачах и клинике и таким образом сказать «спасибо» тем, кто нас вылеч

Читать отзыв полностью…

Спасибо вам, Елена Александровна!

Спасибо вам, что помогли мне дышать настоящим воздухом!

Читать отзыв полностью. ..

Мы чувствовали себя в клинике, как дома!

Выражаем огромную благодарность Лебединской Елене Александровне, Медведевой Наталье Викторовне, Зайцеву Кириллу Юрьев

Читать отзыв полностью…

Спасибо Елене Александровне за золотые руки!

Хочется выразить огромную благодарность Елене Александровне Лебединской за ее золотые руки, которые способны совершат

Читать отзыв полностью…

Спасибо, что вернули нормальные ощущения!

Пройдя через операцию и лечение в клинике, хочется выразить благодарность Лебединской Елене Александровне, Медведевой

Читать отзыв полностью…

Доктор понравился!

Хотелось бы отметить прием доктора Сушкова Михаила Германовича. Очень доброжелательный и профессиональный прием.

Читать отзыв полностью…

Спасибо доктору Синдяеву!

У меня, после длительного лечения в районной поликлинике, случай был очень трудный и запущенный…

Читать отзыв полностью…

Спасибо вам! Сделали мне нос!

Спасибо вам! Сделали мне нос. Я дышу! Отдельное спасибо Елене Александровне за терпение.

Читать отзыв полностью…

Большое спасибо всем сотрудникам!

Большое спасибо всем сотрудникам клиники! Очень приятный, отзывчивый, внимательный и профессиональный коллектив!

Читать отзыв полностью…

Спасибо О.В.Зыкину

Хочется выразить огромную благодарность за качественно выполненную работу доктору Зыкину О.В.

Читать отзыв полностью…

Спасибо Н.А.Семериковой

Спасибо Наталье Александровне за хорошее отношение. Она заслуживает премию!!!

Читать отзыв полностью…

Благодарность доктору Долгих

Благодарность доктору Долгих Елене Павловне за прием. К такому специалисту хочется прийти повторно!

Читать отзыв полностью…

Ура, я дышу!

Уважаемая Елена Александровна, огромное спасибо Вам за профессионализм и доброту.

Читать отзыв полностью…

Уважаемая клиника!

Огромное спасибо за наше здоровье и здоровье наших близких Анфилатову Андрею Викторовичу!

Читать отзыв полностью. ..

Благодарим

Благодарим Анфилатова Андрея Викторовича за качественную профессиональную медицинскую помощь и доброе отношение к пац

Читать отзыв полностью…

Спасибо за профессионализм!

Читать отзыв полностью…

Продолжайте делать нас ЗДОРОВЕЕ!!!

Огромное спасибо!!! Великолепная клиника!!! Персонал молодцы!!! Продолжайте делать нас ЗДОРОВЕЕ!!!

Читать отзыв полностью…

Большое спасибо за доброе отношение

Большое спасибо врачу Зыкину Олегу Владимировичу и Давлятшиной Олесе за доброе, заботливое отношение, за качественную

Читать отзыв полностью…

Причины осиплости, охриплости голоса | Клиника ухо, горло, нос

Что делать, если осип или охрип голос?

При каких заболеваниях могут появиться изменения голоса?

— Ларингит
— Папилломатоз
— Заболевания ЖКТ
— Заболевания щитовидной железы (гипотериоз) и органов грудной полости

Ларингит

Наиболее частой причиной дисфонии (изменения голоса) в виде осиплости (беззвучный голос) или охриплости (грубый голос) является воспаление слизистой оболочки гортани — ларингит.

Острый ларингит
Причиной возникновения Острого ларингита является воспаление верхних дыхательных путей при следующих инфекционных заболеваниях:
— острая респираторная вирусная инфекция (ОРВИ)
— грипп,
— корь,
— скарлатина,
— коклюш и др.
Проявления
— ощущение сухости и першения в горле
— грубый кашель, сначала сухой, затем с мокротой;
— голос хриплый или почти беззвучный.
Осложнения
Ларингит особенно опасен для детей до 5 лет, поскольку на его фоне могут возникнуть осложнения
— стеноз гортани — сужение дыхательной щели в результате отёка подскладкового пространства. Стеноз приводит к нарушению и задержке дыхания.

Хронический ларингит
Симптомы хронического ларингита
— периодическая охриплость или осиплость голоса
— быстрая утомляемость голоса,
— ощущение саднения и/или першения
— постоянное покашливание.
Причины хронического ларингита
— узелки голосовых складок — «певческие узелки»
— кисты
— полипы

Папилломатоз

Папилломатоз
Респираторный папилломатоз — часто встречающееся доброкачественное образование гортани, причиной его возникновения является вирус.
Первый симптом папилломатоза — постепенно прогрессирующая охриплость. Затем появляется нарушение дыхания.
Диагностика
Успех лечения папилломатоза зависит от быстрой и точной диагностики: его часто принимают за ларингит и назначают физиотерапевтическое лечение, которое провоцирует резкое ухудшение и бурный рост папиллом. В нашей клинике для диагностики заболеваний горла и гортани применяется видеоэндоскопия.
Видеоэндоскопия
Применение видеоэндоскопа позволяет очень бережно провести детальный осмотр гортани и точно диагностировать заболевание – картинка специальной увеличивающей видеокамеры, которая находится на кончике эндоскопа, передается на большой экран и ее можно сохранить в виде фото или видеозаписи для дальнейшего наблюдения динамики и результатов лечения.

Осиплость при заболеваниях ЖКТ

Одной из причин развития дисфонии является гастроэзофагеальный рефлюкс — заброс желудочной кислоты в пищевод с раздражением слизистой оболочки глотки и гортани. Лечение проводится с участием гастроэнтеролога.

Охриплость при заболеваниях щитовидной железы

При некоторых заболеваниях щитовидной железы (чаще всего при снижении функции — гипотериозе) и органов грудной полости возникает односторонний паралич голосовых складок, который вызывает охриплость голоса. При двустороннем параличе связок дисфония выражена меньше, но появляются нарушения дыхания, которые могут потребовать хирургического вмешательства.
Лечение в этих случаях обязательно проводятся с участием эндокринолога и/или пульмонолога.

Оцените, пожалуйста, статью.:

Приём ведут опытные ЛОР врачи

Фундаментальная теоретическая подготовка и большой практический опыт в сочетании с внимательным индивидуальным подходом являются причиной успеха лечения тысяч наших пациентов

Ежедневно 27

ЛОР врачей работают в клинике

В том числе 4

кандидата медицинских наук

Свыше 12 000

успешно проведенных операций

Лебединская Елена Александровна

ЛОР врач, хирург, основатель Клиники ухо, горло, нос

Кандидат медицинских наук

Терво Светлана Олеговна

ЛОР врач, хирург. Главный врач

Кандидат медицинских наук

Уткина Наталия Павловна

ЛОР врач

Кандидат медицинских наук

Березина Елизавета Сергеевна

ЛОР врач

Синдяев Алексей Викторович

ЛОР врач, хирург. Заведующий клиникой на Г. Звезда, 31а

Шайдурова Валентина Николаевна

ЛОР врач, хирург

Сушков Михаил Германович

ЛОР врач, фониатр, хирург. Заведующий клиникой на К.Цеткин, 9

Долгих Елена Павловна

ЛОР врач

Макарова Людмила Германовна

ЛОР врач, сурдолог, хирург.

Зыкин Олег Владимирович

ЛОР врач, хирург

Гашеева Ирина Валерьевна

ЛОР врач, хирург

Семерикова Наталия Александровна

ЛОР врач, хирург

Кандидат медицинских наук

Зайцев Кирилл Юрьевич

Врач анестезиолог

Анфилатов Андрей Викторович

ЛОР врач, хирург

Головач Светлана Вячеславовна

ЛОР врач

Ворончихина Наталия Валерьевна

Отоневролог, хирург

Кандидат медицинских наук, доцент кафедры ПГМУ

Осадчий Антон Павлович

ЛОР врач, хирург. Заведующий ЛОР отделением

Генеральчук Людмила Владимировна

ЛОР врач

Волкова Надежда Геннадьевна

ЛОР врач

Юрков Владислав Сергеевич

ЛОР врач, хирург

Окулова Ольга Викторовна

ЛОР врач

Сушков Михаил Германович

ЛОР врач, фониатр, хирург. Заведующий клиникой на К.Цеткин, 9

Коротаева Владлена Александровна

ЛОР врач

Будьте здоровы!

Запишитесь на прием к врачу!

Введите ваше имя *

Введите ваш телефон *

Выберите ЛОР врача Выберите ЛОР врачаЛебединская Елена АлександровнаУткина Наталья ПавловнаТерво Светлана ОлеговнаКотельникова Юлия ЮрьевнаСиндяев Алексей ВикторовичШайдурова Валентина НиколаевнаВерещагина Лидия ВладимировнаСушков Михаил ГермановичДолгих Елена ПавловнаМакарова Людмила ГермановнаЗыкин Олег ВладимировичМельцева Елена ВладимировнаГашеева Ирина ВалерьевнаСемерикова Наталия АлександровнаЗайцев Кирилл ЮрьевичАнфилатов Андрей ВикторовичСамоловских Лариса ВасильевнаГоловач Светлана ВячеславовнаВорончихина Наталия ВалерьевнаОсадчий Антон ПавловичГенеральчук Людмила ВладимировнаМоргуненко Игорь ДмитриевичКомлик Любовь НиколаевнаВолкова Надежда ГеннадьевнаОстанин Сергей ГригорьевичДесятка Максим ЭдуардовичЮрков Владислав СергеевичОкулова Ольга ВикторовнаКоротаева Владлена АлександровнаДавлятшина Олеся АлексеевнаГилязова Лариса Левоновна

Отправляя данные, я даю согласие на обработку персональных данных * *

Здравствуйте, помогите пожалуйста, ситуация такая, в феврале попала в инфекционное отделение с гнойной ангиной, пролечили, через месяц началось. ..

Здравствуйте, у меня хронический тонзиллит, я делал все анализы в том числе на исследование функций миндалин и мне показано их удалить. Я знаю…

Здравствуйте. Вот уже несколько месяцев страдаю от боли в горле, которая отдается в челюсть, под челюстью и в висок. Ходила несколько раз к разным…

После громкого крика как-будто что-то защемило в гортани. Первые минуты 2 свело горло и не могла глотать, через некоторое время стало легче. Уже…

У мамы (возраст 50 лет) один день болело горло с левой стороны (под челюстью), на второй день стал ещё болеть и язык с той же стороны. на…

Здравствуйте, подскажите, пожалуйста, меня беспокоит при глотании дискомфорт, ни туда ни сюда, ни проглотить , ни выплюнуть…душит, горло…

Добрый день. Сыну 17 лет в прошлом году сильно болело горло и был насморк, долго лечили. Сейчас в горле скапливается слизь при которой постоянно «…

Здравствуйте! В июне я проходила занятия в оздоровительном центре. После одного занятия, после увеличения нагрузки, уже дома, в области горла,. ..

Здравствуйте, недавно болело горло и с правой стороны под челюстью под кожей как будто шарик (болел при надавливании) горло вылечила и шарик…

Добрый день, у ребёнка 11 лет второй месяц держится температура 37-37,2. Сдавали кровь, обнаружили вирус простого герпеса, лечили ацикловиром….

Задать вопрос

Вы можете задать вопрос или посмотреть уже существующие ответы на вопросы пациентов.

Когда следует обращаться к врачу, причины, симптомы и лечение

Хриплый голос возникает при воспалении голосовых связок, в результате чего голос становится низким, хриплым. Воспаление может быть вызвано несколькими факторами. Некоторые причины носят временный характер, например чрезмерный крик.

В этой статье рассматриваются возможные причины осиплости голоса, повод для беспокойства и некоторые варианты лечения.

Национальный институт глухоты и других коммуникативных расстройств (NICDC) отмечает, что охриплость относится к голосу, который звучит хрипло или напряженно, с более низким тоном или более мягкой громкостью. Это может указывать на проблемы с голосовыми связками или горлом.

Охриплость может быть признаком воспаления гортани, известного как ларингит. Гортань, также называемая голосовым аппаратом, находится в верхней части глотки и содержит голосовые связки.

Голосовые связки представляют собой две полосы хрящей и мышц, которые вибрируют, когда человек говорит или ест. Размер и форма голосовых связок определяют звучание голоса.

Отек или раздражение голосовых связок может ограничивать обычное вибрационное движение, что приводит к охриплости голоса.

Причин охрипшего голоса может быть несколько, включая приведенные ниже.

Ларингит

Ларингит является одной из наиболее частых причин осиплости голоса, и это состояние может быть острым или хроническим. Острый ларингит обычно возникает из-за инфекции верхних дыхательных путей, такой как грипп.

Также может возникнуть из-за чрезмерного использования голоса, например:

крик
громкий разговор
громкое пение
слишком долгий разговор без отдыха
говорить слишком низким или слишком высоким голосом

Медицинские работники определяют ларингит как хронический, если он сохраняется более 3 недель.

Возможные причины хронического ларингита включают в себя:

Курение
Чрезмерное употребление алкоголя
Гастроэзофагеальные рефлюксные заболевания (GERD)
Экспозиция химических веществ или пыль, что раздражает Larynx

16 -nodules, Cystyps

16. узелки, кисты и полипы — доброкачественные новообразования, которые могут появляться вдоль голосовых складок.

Голосовые узелки, или узелки певца, растут парами на противоположных сторонах голосовых связок человека. Это может привести к слишком большому давлению или трению.
Киста голосовой связки — это твердое разрастание ткани внутри голосовой связки.
Полипы голосовых связок обычно возникают на одной стороне голосовых складок.

Лечение обычно включает отдых, операцию или голосовую терапию.

Кровоизлияние в голосовые связки

Кровоизлияние в голосовые складки происходит при разрыве кровеносного сосуда на поверхности голосовых складок человека. Они могут быстро охрипнуть, что может повлиять на их певческий голос.

В этом случае человек должен немедленно дать покой своему голосу и обратиться к врачу.

Паралич голосовых связок

Паралич голосовых связок возникает, когда одна или обе голосовые связки не могут правильно раскрыться или закрыться. Это может быть связано с:

травмами головы, грудной клетки или шеи
опухолями основания черепа, шеи и грудной клетки
раком легких
раком щитовидной железы

в некоторых случаях хирургическое вмешательство.

Неврологические состояния

Некоторые неврологические состояния могут поражать части мозга, контролирующие мышцы глотки и гортани.

Сюда могут входить:

инсульт
болезнь Паркинсона
спастическая дисфония

кислотный рефлюкс или ГЭРБ

кислотный рефлюкс возникает, когда желудочная кислота поднимается и раздражает горло. У некоторых людей это может повредить гортань. Медицинские работники называют это ларингофарингеальным рефлюксом (ЛФР).

ГЭРБ — тяжелая форма кислотного рефлекса. Если у человека ГЭРБ, он может заметить хриплый голос, который усиливается по утрам.

Люди с ФЛР могут постоянно откашляться.

Лечение включает изменение диеты и медикаментозное лечение.

К показателям хриплого голоса относится низкий, хриплый голос. Это может произойти с другими симптомами, в зависимости от основной причины.

По данным Voice Foundation, другие возможные симптомы хриплого голоса включают:

the sensation of a lump in the throat
a dry feeling throat
constantly needing to clear the throat
persistent cough
postnasal drip
difficulty swallowing
sore throat
mucus in the throat

Некоторые симптомы могут указывать на конкретную причину. Например, горький или кислый привкус во рту и ухудшение симптомов после употребления острой пищи могут указывать на ГЭРБ.

Лечение охриплости зависит от причины.

В некоторых случаях голосовой покой и обильное питье помогают восстановить гортань. Однако более стойкие причины могут потребовать лечения.

Эксперты в области здравоохранения отмечают, что человек может получить пользу от логопеда. Этот подход может помочь людям избежать использования голоса таким образом, который раздражает голосовые связки, что может предотвратить дальнейшее раздражение.

Если хриплый голос вызван курением или воздействием химических веществ, раздражающих гортань, врач порекомендует избегать этих триггеров. Также может помочь отказ от чрезмерного употребления алкоголя.

Если осиплость голоса вызвана вирусной инфекцией, симптомы могут исчезнуть сами по себе. Врачи иногда используют противовирусные препараты, чтобы облегчить симптомы и сократить время выздоровления на 1–2 дня.

ГЭРБ поддается лечению изменением образа жизни, в том числе:

поддержанием умеренного веса
отказом от курения
отказом от острой, жирной или кислой пищи

Врачи могут также предложить антациды для лечения симптомов ГЭРБ.

NIDCD отмечает, что хриплый голос не всегда является поводом для беспокойства. Например, некоторые люди могут испытывать это состояние после чрезмерного использования своего голоса, например, крика или пения. В этих случаях хриплый голос обычно носит временный характер.

Человек должен обратиться к врачу, если у него осипший голос, который длится более 3 недель. Это особенно важно, если у них нет симптомов простуды или гриппа.

Немедленно обратитесь к врачу при появлении любого из следующих симптомов:

кашель с кровью
опухоль на шее
боль при разговоре или глотании
затрудненное дыхание
полная потеря голоса на несколько дней как курение и употребление алкоголя, чтобы попытаться определить причину. Они также могут захотеть узнать о характере работы человека или недавних операциях.
Медицинский работник может проводить медицинский осмотр полости рта и горла. Например, они могут использовать зеркало для осмотра гортани на предмет воспаления или раздражения.
Выявление и предотвращение триггеров может помочь предотвратить хриплый голос. Для некоторых людей это может быть то, как они используют свой голос.
Чтобы предотвратить хриплый голос, люди должны:
- пить много воды
- использовать дома увлажнитель воздуха
- часто мыть руки, чтобы уменьшить вероятность заражения простудой или гриппом
- давать покой голосу во время болезни
- регулярно заниматься физическими упражнениями
- практиковать дыхательные техники во время разговора или пения
Кроме того, людям следует избегать:
- курения
- употребления острой пищи, особенно при кислотном рефлюксе
- использования жидкости для полоскания рта, содержащей спирт
- злоупотребления голосом, где это возможно включая ларингит или голосовые узелки. Основным симптомом обычно является низкий, хриплый голос. Однако, в зависимости от причины, могут появиться и другие симптомы, такие как кашель или боль в горле.
  Охриплость не всегда вызывает беспокойство. Часто голос человека возвращается к норме без лечения. В других случаях врачи могут предложить лекарства или изменить образ жизни для лечения этого состояния.
  ГОРТАНО-ГЛОТОЧНЫЙ РЕФЛЮКС (ЛФР) | СРЕДСТВА ДЛЯ ЛЕЧЕНИЯ ТИХОГО РЕФЛЮКСА И ОХРИПОСТИ
  Запись на консультацию
  Отправляя эту форму, вы соглашаетесь на то, что с вами свяжутся по телефону/текстовым сообщениям/электронной почте.
  ГОРТАНОГЛОТОЧНЫЙ РЕФЛЮКС (ЛФР) | ПРОЦЕДУРЫ ОТ ТИХОГО РЕФЛЮКСА И ОХРИПОСТИ
  Ларингофарингеальный рефлюкс (ЛФР), также известный как «молчаливый рефлюкс», представляет собой тип кислотного рефлюкса, при котором воспаляются голосовые связки. Симптомы ФЛР включают охриплость, ощущение кома в горле и чрезмерную потребность откашляться. Продолжайте читать, чтобы узнать больше о LPR. Узнайте о причинах, симптомах и методах лечения тихого рефлюкса.
  ЧТО ТАКОЕ КИСЛОТНЫЙ РЕФЛЮКС?
  Желудок содержит кислоты и ферменты, расщепляющие пищу для пищеварения. Клапаноподобная мышца, называемая сфинктером, регулирует поток содержимого в желудок и из него. Сфинктер открывается, когда мы глотаем пищу. Затем он закрывается, чтобы содержимое желудка не попало в пищевод (глотательная трубка, которая соединяет горло с желудком).0003
  Иногда сфинктер не работает должным образом, позволяя кислому содержимому желудка подниматься в пищевод. Это известно как кислотный рефлюкс.
  Кислотный рефлюкс бывает двух типов. Когда обратный поток кислого содержимого воспаляет пищевод, это известно как гастроэзофагеальная рефлюксная болезнь (ГЭРБ). Классические симптомы ГЭРБ включают изжогу и расстройство желудка.
  Иногда кислое содержимое поднимается вверх по пищеводу и попадает в глотку (глотку) или гортань (голосовой ящик), вызывая воспаление этих тканей. Это известно как ларингофарингеальный рефлюкс (ЛФР). Классические симптомы ФЛР включают охриплость голоса и ощущение кома в горле.
  СИМПТОМЫ
  При ФЛР воспаляются и повреждаются голосовые связки. Это может привести к целому ряду симптомов, в том числе: Кислый или горький привкус во рту
Эти симптомы обычно усиливаются утром и после еды (особенно острой).
Интересно, что у людей, страдающих ФЛР, обычно отсутствуют классические симптомы, связанные с ГЭРБ, а именно изжога.
КАК ДИАГНОСТИРОВАТЬ ФЛР?
Ваш врач из Центра уха, носа и горла соберет полную историю болезни, чтобы точно поставить диагноз ФЛР. Эта история охватывает ваши симптомы, их тяжесть и поведение, которое может вызвать или усугубить ваш рефлюкс. Другие диагностические тесты могут включать:
- Эзофагограмма (рентген пищевода)
- Назальный эндоскоп (небольшая трубка с камерой на конце).
- Ларингоскопия (при ларингоскопии используется эндоскоп, вводимый через нос, для получения увеличенного изображения гортани).
- pH-зонд для контроля скорости обратного потока рефлюкса.
Не всякая охриплость вызвана ФЛР. Если ваш голос не улучшится или не исчезнет в течение 4 недель лечения или если ваш врач подозревает какие-либо другие серьезные сопутствующие заболевания, следует провести ларингоскопию, чтобы исключить редкие, но серьезные причины охриплости.
ФЛР + ПРОЦЕДУРЫ ОХРАПА
В Центре лечения ушей, носа и горла ФЛР подбираются индивидуально в соответствии с уникальными потребностями и ситуацией пациента. Большинство планов лечения включают в себя изменение образа жизни, изменение диеты и прием лекарств от кислотного рефлюкса.
МОДИФИКАЦИИ ОБРАЗА ЖИЗНИ И ПОВЕДЕНИЯ
Многие виды поведения способствуют или усугубляют кислотный рефлюкс. Первая линия лечения ФЛР включает в себя изменение этого поведения.
Предлагаемые изменения могут включать:
- Отказ от табака
- Отказ от алкоголя
- Соблюдение определенной диеты
- Похудение
- Ношение одежды для неудачников
. Ваш врач из Центра лечения ушей, носа и горла разработает план диеты, включающий продукты, которых следует избегать, рекомендации по питанию и изменение времени и способа приема пищи.
Продукты, которых следует избегать
ЛОР может порекомендовать сократить количество продуктов, которые усиливают симптомы кислотного рефлюкса или ослабляют пищеводный сфинктер. К ним относятся:
- Напитки с кофеином и алкоголем. Они могут ослабить сфинктер пищевода, что приведет к обратному движению содержимого желудка.
- Напитки газированные. Они вызывают отрыжку, в результате чего кислое содержимое попадает в пищевод.
- Кислые продукты, такие как цитрусовые, помидоры и острые продукты.
Диетические поведенческие модификации
То, как и когда вы едите, также может усугубить симптомы кислотного рефлюкса. Поэтому ваш врач может порекомендовать вам:
- Избегайте еды поздно вечером или лежания в течение как минимум трех-четырех часов после еды.
- Когда вы спите, приподнимите голову, используя дополнительную подушку.
- Ешьте небольшими порциями в течение дня.
Рекомендации по питанию
«Диета с тихим рефлюксом» — это сбалансированная диета с высоким содержанием овощей, нежирных белков и клетчатки. Среди них могут быть:
- Leafy Greens
- Бобовые
- Lean Meats
- Яблоки
- Bananas
- Целые зерна
Лекарства
. Средство для лечения. Эти лекарства могут быть безрецептурными (OTC) или рецептурными. Лекарства от тихого рефлюкса включают:
Ингибитор протонной помпы: Для контроля рефлюкса ваш ЛОР может назначить ингибитор протонной помпы (ИПП). Этот тип лекарств от ФЛР останавливает выработку кислоты в желудке. Популярные ИПП включают Prilosec, Nexium и Prevacid.
Антациды: Безрецептурные антациды нейтрализуют желудочную кислоту. Общие антациды включают Tums, Rolaids, Gaviscon и Mylanta.
Блокаторы h3: Антагонисты гистаминовых h3-рецепторов, также известные как h3-блокаторы, уменьшают количество кислоты, вырабатываемой в желудке. Обычные блокаторы h3 включают Pepcid AC и Zantac.
ENT NEAR ME
Если вы страдаете ларингофарингеальным рефлюксом или охриплостью голоса, связанной с кислотным рефлюксом, мы можем помочь. Свяжитесь с Центром уха, носа и горла в Стэмфорде, Коннектикут, чтобы назначить консультацию. Свяжитесь онлайн, заполнив форму ниже, или позвоните 203-353-0000, чтобы записаться на прием.
Запись на консультацию
Отправляя эту форму, вы соглашаетесь на то, что с вами свяжутся по телефону/тексту/электронной почте.
Запись на консультацию
Отправляя эту форму, вы соглашаетесь на то, что с вами свяжутся по телефону/текстовым сообщениям/электронной почте.
Автоматическое распознавание кашля в аудиозаписях: общий обзор
1 Введение
В этом документе будут рассмотрены различные подходы, используемые для различения типов кашля с помощью ограниченной технологии микрофона со смартфона, а также медицинских вопросы, связанные с кашлем во всем мире. Сначала будет описан систематический метод выявления статей, которые имеют отношение к областям искусственного интеллекта, кашля и дискриминации кашля и, следовательно, заслуживают рассмотрения. В следующем разделе будет обсуждаться наш пошаговый процесс использования поисковых систем Google Scholar, PubMed и MIT для поиска соответствующих статей. После этого мы предоставим обзор области, включая информацию о биологии кашля, различных типах кашля, наборах данных записи кашля и предложим методы обнаружения и распознавания кашля. Затем мы обсудим исследования, проведенные в отношении COVID-19.родственная дискриминация кашля. После этого мы описываем другие методы, связанные с обнаружением кашля, такие как методы анализа основных компонентов (PCA) и анализа изменения потерь (LCA), тестирование на инфекции, мониторинг pH, мониторинг кашля и лечение кашля. Наконец, мы обсуждаем различные факторы, такие как наборы данных COVID-19, конфиденциальность и приложения. Этот обзор даст представление о том, что можно сделать для ранней диагностики кашля при COVID-19 путем быстрого распознавания его симптоматического кашля, чтобы снизить передачу вируса.
2 Методология обзора
Исследовательские работы, выбранные для этого обзора, должны были соответствовать следующим критериям: они обсуждают прототип или алгоритм, помогающий в обнаружении кашля; они используют искусственный интеллект или нейронные сети, чтобы различать типы кашля; они состоят из информации о биологическом происхождении кашля или записанного звука кашля; они обсуждают хронический кашель и его лечение; или они обсуждают разницу между несколькими типами кашля, например, при COVID-19. , обычный грипп, рак легких или другие. Все эти документы в конечном итоге помогают в компьютерном распознавании различных видов кашля. Многие из них были обнаружены при просмотре статей о кашле и ИИ, а затем при изучении статей, в которых они цитировались. Чем больше ссылок было на исследовательскую работу, тем легче было найти другие соответствующие статьи. Были использованы следующие ключевые слова, ранжированные по полезности: «кашель», «искусственный интеллект кашля», «анализ звука кашля», «различение кашля», «кашель covid 19», «хронический кашель», «гнойные дыхательные пути». заболевания», «кашель инфекции нижних дыхательных путей», «раковый кашель» и «гастроэзофагеальный рефлюкс-кашель».0003
Как показано на рисунке 1, мы искали «кашель», «искусственный интеллект», «распознавание симптомов», «обнаружение», «диагноз», а также «кашель», рефлекс гортани, хронический хрип, «инфекция», «клиника», и, наконец, «» «неудовлетворенные потребности в лечении хронического кашля», в общей сложности 1461 обращение.
РИСУНОК 1 . Блок-схема методологии рецензирования статей.
Затем мы выбрали статьи с наибольшим количеством ссылок по данным Google Scholar, просмотрели их и нашли еще 19 релевантных статей. Мы отобрали бумаги, которые соответствовали критериям, изложенным выше.
Документ соответствовал критериям, если он касался кашля и потребностей в лечении, кашля и биологии кашля, кашля и искусственного интеллекта, COVID-19 и кашля.
Все они были отфильтрованы с использованием критериев, описанных выше, и был определен окончательный список из 204 наиболее релевантных статей.
Список 1 включает рецензируемые статьи по темам, связанным с распознаванием кашля для различных типов кашля. Список 2 включает в себя пересмотренные статьи о различных методах, используемых для различения кашля. Ссылки, выделенные жирным шрифтом, относятся к статьям, которые в первую очередь связаны с этой темой, в то время как ссылки, выделенные курсивом, относятся к статьям, в которых основное внимание уделяется кашлю, а не его обнаружению. Для каждой темы указан документ с наивысшей точностью.
Список 1: Метод, используемый для анализа кашля (8 тем).
Теперь мы представляем 8 тем, разделенных на три категории в зависимости от способов решения проблем с кашлем:
• Обнаружение кашля.
– PCA/LCA: (Ali et al., 2020), (Derraz, 2020), (Larson, 2011), (Spycher et al., 2008), (Khomsay, 2019) (Самый высокий процент истинно положительных результатов: 92% (Larson et al., 2012))
– Подсчет кашля: (Vizel et al., 2010), (Smith et al., 2006), (Hsu et al., 1994), (Aerts et al., 2005) , (Leconte et al., 2011) (Самая высокая точность: 90% или выше (Vizel et al., 2010))
– Методы регистрации кашля: (Ferrari et al., 2008), (Goldsmith, 2003), (Murata et al., 1998), (Salmi et al., 1988), (Doherty et al., 1997), (Aerts et al., 2005), (Drugman et al., 2013), (Moradshahi, 2013), (Smith et al., 2006), (Hsu et al. , 1994), (Larson, 2011), (Rocha, 2017), (Birring et al., 2008), (Leconte et al., 2011), (Abaza et al. , 2009), (Augustinov, 2020), ( Orlandic, 2020), (Pinkas et al., 2020), (Bagad et al., 2020), (Balamurali, 2020), (Sharma et al., 2020a), (Chaudhari, 2020)
– Мониторинг кашля: (Harle, 2006), (Birring et al., 2008), (Leconte et al., 2011), (Casaseca-De-La-Higuera, 2015), (Alsabek, 2020), (Seshadri et al., 2020) (Максимальная точность варьируется от 75% до 93% (Leconte et al., 2011))
• Искусственный интеллект для распознавания кашля.
– Этап предварительной обработки (например, спектральный анализ): (Rocha, 2017), (Botha, 2018), (Vizel et al., 2010), (Monge-Alvarez et al., 2019b), (Ferrari et al. , 2008), (Салми и др., 1988), (Абаза и др., 2009).), (Murata et al., 1998), (Hsu et al., 1994), (Doherty et al., 1997), (Amoh and Odame, 2016), (Monge-Alvarez et al., 2019a), (Moshou , 2001), (Abaza et al., 2009), (Guarino, 2005), (Belkacem, 2020), (Amrulloh et al., 2015), (Pramono et al., 2016), (Windmon et al., 2019 ), (Carpentier et al., 2018), (Sharan et al., 2019), (Casaseca-De-La-Higuera, 2015), (Rocha, 2020), (Dubnov, 2020), (Xu et al. , 2020 г.), (Орландик, 2020 г.), (Баламурали, 2020 г.), (Чаудхари, 2020 г.), (Субирана, 2020 г.) (Самая высокая точность: 94% для женщин и 97% для мужского кашля (Abaza et al., 2009))
– Этап классификации (например, нейронные сети): (Parker et al., 2013), (Charles, 2020), (Shi et al., 2018), ( Monge-Alvarez et al., 2019b), (Moshou, 2001), (Shin et al., 2009), (Charles, 2020), (Abeyratne, 2013), (Amoh and Odame, 2016), (Monge-Alvarez et al., 2019a), (Kakabutr, 2017), (Swarnkar et al., 2013), (Ali et al., 2020), (Derraz, 2020), (Larson, 2011), (Rocha, 2017), (Botha , 2018), (Amrulloh et al., 2015), (Pramono et al., 2016), (Windmon et al., 2019)), (Carpentier et al., 2018), (Sharan et al., 2019), (Larson et al., 2012), (Zhuang et al., 2010), (Casaseca-De-La-Higuera, 2015), (Barata, 2019), (Rocha, 2020), (Hoyos-Barcelo et al., 2018), (Dubnov, 2020), (Khomsay, 2019), (Belkacem, 2020), (Shuja, 2010), (Augustinov, 2020 г.), (Пал и Санкарасуббу, 2020 г.), (Сюй и др., 2020 г.), (Пинкас и др. , 2020 г.), (Багад и др., 2020 г.), (Баламурали, 2020 г.), (Чаудхари, 2020 г.), (Alsabek, 2020), (Subirana, 2020) (Самая высокая точность: 99 % для подержанной модели (Charles, 2020))
• Химические тесты для распознавания кашля.
– Тестирование на инфекции: (Equi, 2001), (De Marco et al., 2007)
– Мониторинг pH: (Blondeau et al., 2007), (Ing et al., 1991), (Palombini et al. , 1999)
3 Обзор области
3.1 Биология кашля
Необъяснимый хронический кашель является глобальной проблемой, и пациенты, страдающие от хронического кашля, как правило, не получают необходимого внимания и лечения (Kang et al. , 2019). Кроме того, врачи не могут назначать лекарства, не опасаясь тахифилаксии (Doherty et al., 19).97). Биологически кашель возникает из-за внезапного открытия голосовой щели после сокращения, что создает резкий взрывной звук. Кашель также возникает из гортани, так как гортань отвечает за кашлевой рефлекс, а дисфункция может вызвать проблемы с кашлем. При остром кашле выделяют кашель парагриппа, который более стабилен, чем гриппозный кашель. Коронавирус клинически похож на риновирус.
Список 2: Необходимо решить тему, связанную с кашлем (7 тем).
Теперь мы представляем 7 тем, касающихся кашля, разделенных на две категории:
• Типы кашля.
– Острый кашель: (Morice, 2002), (Wee-Yang and Boushey, 2008), (Ferrari et al., 2008), (Salmi et al., 1988)
– Коклюш: (Parker et al., 2013), (Spycher et al., 2008)
– Астма: (Fujimura, 2003), (Hsu et al., 1994), (Birring, 2011)
– Легкие: (Chang et al., 2011), (Redding and Carter, 2017), (Harle, 2006), (Harle et al., 2020), (Botha, 2018), (Equi, 2001), (Abeyratne, 2013), (Chang et al., 2008), (Ви-Янг и Боуши, 2008 г.), (Де Марко и др., 2007 г.), (Виндмон и др., 2019 г.)), (Larson et al., 2012), (Abaza et al., 2009), (Dubnov, 2020), (Balamurali, 2020), (Sharma et al., 2020a)
– Гастроэзофагеальная: (Blondeau et al. al., 2007), (Ing et al. , 1991)
– COVID-19: (Ali et al., 2020), (Derraz, 2020), (Belkacem, 2020), (Dubnov, 2020), (Shuja , 2010 г.), (Пал и Санкарасуббу, 2020 г.), (Пинкас и др., 2020 г.), (Багад и др., 2020 г.), (Шарма и др., 2020a), (Чаудхари, 2020 г.), (Алсабек, 2020 г.) , (Subirana, 2020), (Seshadri et al., 2020)
• Неудовлетворенные потребности.
– Проблемы с хроническим кашлем, включая тахифилаксию: (Hilton et al., 2015), (Gibson, 2016), (Chung, 2017), (Kang et al., 2019), (McGovern et al., 2018), (Chang et al., 2008), (Palombini et al., 1999), (Birring et al., 2008), (Birring, 2011), (Ryan et al., 2010), (De Marco et al., 2007), (Pavord, 2008), (Hsu et al., 1994), (Bowen et al., 2018), (Chang et al., 2011), (Redding and Carter, 2017), (Blondeau et al., 2007), (Ing et al., 1991), (Windmon et al., 2019), (Bowen et al., 2018), (Doherty et al., 1997), (Морис, 2002)
Ирвин (Ирвин и Керли, 1991) перечисляет следующие типы кашля: связанный с астмой, связанный с легкими и связанный с простудой. Morice (Morice, 2002) перечисляет типы кашля как острый, хронический, связанный с коклюшем, связанный с легкими, связанный с гриппом и связанный с желудочно-пищеводным трактом. Учитывая то, что было актуально в статьях, мы использовали в качестве категорий острый кашель, коклюш, астму, легочный, желудочно-пищеводный, COVID-19 и хронический кашель.
3.2 Типы кашля
Две основные категории кашля — это острый кашель, который является временным, и хронический кашель, который обычно более тяжелый и длится в течение значительного периода времени. Конкретные заболевания, вызывающие кашель, включают коклюш, COVID-19., желудочно-пищеводные заболевания, рак легких и бронхит.
3.3 Наборы данных для записи кашля
Набор данных ESC-50 (https://github.com/karolpiczak/ESC-50) можно использовать для обучения компьютера, поскольку он содержит набор естественных звуков, включая кашель, который использовался Имран и др. (Али и др., 2020 г.) и Джон (Чарльз, 2020 г.). FSDKaggle 2018 и 2019 также использовались в качестве наборов данных, используемых Джоном (Чарльз, 2020). Однако наборы данных, подобные этим, недоступны для общественности, а те, которые доступны, не являются обширными и не сосредоточены исключительно на кашле. Это препятствует прогрессу, поскольку другим ученым трудно использовать уже созданные существующие базы данных. Поэтому необходимо сделать больше баз данных общедоступными.
3.4 Методы распознавания кашля
Алгоритмы на основе нейронных сетей оказались эффективными для распознавания кашля. Некоторыми популярными вариантами этих нейронных сетей являются k-NN, нейронная сеть с прямой связью и RF. Часто использовались классификаторы, такие как машина опорных векторов и наивные байесовские классификаторы. Паркер и др. (2013) использовали классический подход с k-NN, Fast Forward Neural Network и RF для выявления пароксизмального кашля при коклюше. После ввода векторов в нейронные сети оценка того, является ли кашель коклюшным, проводилась путем усреднения результатов деревьев решений РФ. Они проверили переоснащение, зарезервировав данные для перекрестной проверки k-NN и RF. Нейросеть обучалась 100 раз, результаты усреднялись. Все алгоритмы функционировали с относительно хорошей точностью. Недостатком алгоритма k-NN является то, что, хотя он точен, его выполнение требует очень много времени. Это можно улучшить с помощью различных побочных продуктов алгоритма.
3.4.1 Сверточные нейронные сети (CNN)
Amoh et al. (Amoh and Odame, 2016) использовали CNN в качестве метода классификации кашля. В основе их статьи лежит то, что те же методы и типы нейронных сетей, которые используются в нейронных сетях для визуализации, могут быть применены к кашлю. Поскольку CNN обучены для визуализации, их снова можно использовать для обучения кашлю. Однако, поскольку визуализация имеет дело с фиксированными 2D-изображениями, а обработка звука имеет дело со многими звуковыми кадрами, нейронную сеть необходимо немного настроить. Предварительная сегментация гарантирует, что спектрально-временные данные имеют фиксированный размер от аудиосигнала, который затем может быть передан в сеть. Данные могут соответствовать фиксированному размеру путем отбрасывания сегментов или дополнения нулями. Кроме того, в документе рекомендуется использовать глубокие случайные нейронные сети (RNN) вместо скрытых марковских моделей (HMM). Это было сделано потому, что глубокие RNN с большей вероятностью, чем HMM, моделируют долгосрочные контексты и устойчивы к дополнительному шуму, что делает RNN идеальной нейронной сетью для обнаружения кашля. С точки зрения спектрального анализа, 128-битовое кратковременное преобразование Фурье используется для создания 64 частотных точек. Используя эти спектральные данные в качестве входных данных для сверточной нейронной сети с использованием стохастического градиентного спуска, результаты обучения получаются гладкими. Для этой статьи скорость обучения 0,001, размер пакета 20 и момент Нестерова 0,9.были использованы. RNN обучалась с помощью оптимизатора adadelta.
3.4.2 Развитый кепстральный коэффициент (ECC) — скрытая марковская модель (HMM) Hybrid
При тестировании различных алгоритмов машинного обучения Shin et al. (2009) пришли к выводу, что лучше всего использовать ECC вместо MFCC, потому что MFCC имеют проблемы с поиском оптимального количества наполнителей. Кроме того, был выбран HMM с эргодической структурой первого порядка из-за присущих исходному HMM проблем. В сочетании с преобразованием Гильберта для расчета сигнала звука кашля эта гибридная модель достигла высокой точности и устойчивости. Спектральный анализ часто выполняется на аудиозаписи кашля, чтобы проанализировать звук кашля и помочь различать различные типы кашля, и 23 статьи посвящены этому. Например, кашель может различаться по пиковой длине волны.
В документе кашель, стон и голос описаны как основные признаки кашлевых нарушений. Затем он углубился в науку о звуке кашля, его основной концепции и образцах звуков, предложил гибридную модель для обнаружения звука кашля, а затем протестировал предложенную модель с использованием различных ОСШ. Использовалась модель искусственной нейронной сети, а также скрытая марковская модель. Однако из-за проблем, присущих HMM, был выбран дискретный HMM первого порядка с эргодической структурой. При тестировании было замечено, что гибридная модель хорошо работает в более шумных условиях и улучшает распознавание. В то время как стандартный HMM имел процент распознавания 88% при 5 дБ, который резко упал до 3 % при -10 дБ, гибридная модель имела более высокий процент распознавания — 9 дБ.1 % при 0 дБ, который относительно не изменился и составил 82 % при -10 дБ.
3.5 Инструменты, используемые для обнаружения кашля
Ferrari et al. (2008) обсудили правильный метод настройки установки записи для максимальной точности. При записи кашля на свиноферме микрофоны на свиноферме были подключены через предусилители (Monacor SPR-6) к 8-канальному блоку аналого-TDIF (цифровой интерфейс Tascam) (Soundscape SS8IO-3). Все записи были сэмплированы с частотой 44,1 кГц с разрешением 16 бит. Хотя подсчет кашля и приступов кашля не дал ответа, было замечено, что неинфицированные свиньи кашляли с более высокой пиковой частотой (750–1800 Гц), в то время как инфицированные свиньи кашляли с более низкой пиковой частотой (200–1100 Гц). . В другой статье, Goldsmith (2003), был предложен новый инструмент для анализа звуков кашля. Кашель будет подаваться прямо в микрофон, и будут слышны минимальные помехи. Однако наиболее распространенным устройством, используемым для записи звуков кашля, был смартфон.
Другие менее актуальные работы, касающиеся выявления кашля: Alqudaihi et al. (2021) и Hoare et al. (1972).
3.6 Критический обзор статей на основе точности
Мы рассмотрели статьи, если они включали результаты для точности используемого алгоритма нейронной сети. В таблице 1 перечислены 21 наиболее точный алгоритм среди рассмотренных отчетов. Высокая точность, как показано в этой таблице, достигается за счет использования алгоритма нейронной сети.
ТАБЛИЦА 1 . Критический обзор статей на основе точности.
Очень немногие алгоритмы смогли достичь чрезвычайно высокой точности или успеха, а те, которые это сделали, в основном используют более простые алгоритмы. Сверточные нейронные сети очень хорошо себя зарекомендовали. Однако среди ученых существуют общие разногласия по поводу того, какие нейронные сети более успешны и как можно комбинировать те или иные алгоритмы для максимальной эффективности.
4 Методы записи кашля
Было опробовано множество методов записи кашля с высочайшим качеством звука, но массив микрофонов оказался очень успешным. Салми и др. (1988) проанализировали шум кашля человека на чувствительной к статическому заряду кровати, пропустив его через частоту дискретизации 30 Гц. Программа использовала алгоритм, в котором вычислялись средние уровни шума сигнала. Затем уровень обнаружения умножался на 4 для акустических сигналов и на 3 для сигналов движения тела. Если и движения тела, и акустические сигналы одновременно превышают порог, то кашель будет распознан. Этот алгоритм также можно использовать для сна и связанных со сном апноэ. Звуки кашля — это переходные процессы, содержащие частотные компоненты в диапазоне минимум от 80 Гц до примерно 4 000 Гц. Таким образом, фильтр верхних частот может отсекать низкочастотный шум или другие звуки. Результаты регистрации кашля в течение длительного периода времени с автоматическим анализом кашля имеют преимущества в высокой чувствительности и специфичности.
Мурата и др. (1998) описали эксперимент по различению продуктивного кашля, вызванного избытком секрета из дыхательных путей, и непродуктивного кашля. В ходе эксперимента некоторые испытуемые имели хронические заболевания дыхательных путей, а некоторые были здоровы. Кашель с выделением мокроты расценивали как продуктивный кашель. С другой стороны, произвольный кашель сравнивали с гласными звуками для записи. Затем с помощью звуковых волн кашля были созданы звуковая спектрограмма и расширенная во времени форма волны. Кашель анализировали в его второй фазе после изгнания звука из кашля. Фаза 2 была самой длинной фазой продолжительностью 105 мс, за ней следовала фаза 3 (шум, создаваемый смыканием голосовых связок) продолжительностью 9 мс.0 мсек, и в последнюю очередь с фазой 1 (выталкивание) в последнюю продолжительностью 50 мсек.
Доэрти и др. (1997) проанализировали акустические различия между здоровыми людьми при искусственном кашле. При введении капсаицина группе испытуемых вызывается спонтанный кашель. Исследователи нанесли данные на спектрограмму по общей спектральной энергии и среднеквадратичному значению давления. Графики среднеквадратичного значения показали, что наиболее распространенным паттерном является кашель с двумя энергетическими пиками в начале и в конце. Реже встречались один пиковый звук кашля и более трех пиков высокой энергии. Спектрограммы сильно различались, как и диаграмма спектральной энергии. Капсаицин способен вызывать воспроизводимые звуки кашля, не опасаясь тахифилаксии.
Аэртс и др. (2005) сосредоточились на обнаружении кашля в свинарниках, где звуковое оборудование было подключено к лаборатории и регистрировало количество кашля свиней. При этом сообщалось о недооценке до 94% при подсчете кашля. Цель Другмана и соавт. (2013) заключалась в том, чтобы изучить различные датчики для обнаружения кашля, а затем протестировать их в эксперименте со здоровыми людьми в замкнутом помещении. Характеристики датчиков ЭКГ, термистора, нагрудного ремня, акселерометра, контактных и аудиомикрофонов превзошли показатели системы KarmelSonix.
Другман и др. (2013) изучали различные датчики для обнаружения кашля, а затем тестировали их в эксперименте со здоровыми людьми в закрытом помещении. Производительность датчиков ЭКГ, термистора, нагрудного ремня, акселерометра, контактного и аудиомикрофона превзошла систему Karmelsonix.
Moradshahi (2013) протестировал алгоритмы распознавания звука кашля в шумной среде, поскольку реверберация может привести к значительной неточности этих алгоритмов. При добавлении в систему белого шума успешность дискриминатора значительно снижалась, а при большем расстоянии от микрофона алгоритм не мог различить два разных типа кашля. При тестировании с различной громкостью звуков кашля успех дискриминатора также изменился. По мере увеличения громкости эффективность дискриминатора увеличивалась, но когда громкость достигала определенной точки, насыщение системы становилось настолько высоким, что эффективность дискриминатора падала. Чтобы улучшить одиночный микрофон, исследователь использовал массив микрофонов и методы формирования луча, чтобы улучшить работу дискриминатора в этих шумных сценариях. Благодаря этим новым настройкам успех дискриминатора увеличился.
Orlandic (2020) описал методы сбора данных, которые можно использовать для алгоритмов анализа кашля во всем мире. Его первым соображением был лучший метод сбора данных, который предлагал пользователю кашлять в локоть с микрофоном на расстоянии вытянутой руки, поскольку кашель является потенциально опасным занятием во время пандемии. Поскольку этот набор данных использует краудсорсинг, возникла проблема, заключающаяся в том, что многие образцы не будут связаны с желаемым содержимым базы данных. Для очистки этой базы данных использовались классификаторы с использованием спектральной плотности мощности. В этой статье есть общедоступный исходный код классификатора XGB, который выполнял эту задачу.
Багад и др. (2020) предложили модель ИИ, которая способна предсказывать наличие COVID-19 только по звукам кашля, которые были записаны в телефонном приложении. Процедура сбора данных может быть описана в виде следующих шагов: регистрация субъектов, когда пользователи сообщают свою демографическую информацию; запись звука кашля, при которой пользователи записывают три отдельных звуковых фрагмента своего кашля; и тестирование. Основной нейронной архитектурой, описанной для этой задачи, была CNN, а описанными стратегиями обучения были увеличение, предварительное обучение и сглаживание меток. Оказалось, что производительность этого алгоритма была одинаковой как для мужчин, так и для женщин.
Шарма и др. (2020a) обсудили различия между звуками речи и кашля у людей с COVID-19 и без него, а также у людей без него. Звук кашля, характер дыхания, частота дыхания, манера речи и интервалы дыхания — все это тонкие сигналы, которые могут выявить достаточно точный диагноз. У пациентов с COVID-19 будут слышны низкие частоты с хлопками и пузырями. Звуки кашля будут слышны в течение 30 минут непрерывно, а эпизод длится около полуминуты или около того. Описание товарного знака COVID-19кашель сухой, лающий, хриплый. При поражении легких могут быть слышны хрипы.
Чаудхари (2020) рассказал о том, как наборы данных из краудсорсинга можно использовать с алгоритмами нейронных сетей для обнаружения COVID-19 по звукам кашля с достаточной точностью. Глубокая нейронная сеть использовалась с общедоступными наборами данных Coswara и Coughvid звуков кашля. Также использовались наборы данных о кашле, записанном на смартфоны из Южной Америки. MFCC использовались для извлечения аудиофункций, а затем для классификации использовался ансамбль глубоких нейронных сетей. Точные результаты этого алгоритма демонстрируют, что краудсорсинг является умеренно точным методом обнаружения COVID-19..
Другие менее актуальные работы, касающиеся выявления кашля: Larson (2011).
5 Исследование различения кашля, связанного с COVID-19
В 2020 году основное применение архитектуры нейронной сети и алгоритмов машинного обучения для клинической диагностики заключалось в точном различении того, вызван ли кашель COVID-19 или какой-либо другой болезнью легких. связанных заболеваний, например, с помощью метода, показанного на рисунке 2. Уже существуют исследовательские работы, в которых обычно используются методы спектрального анализа в сочетании с массивом нейронных сетей. Тем не менее, метод записи данных также ставится под сомнение, поскольку запись должна быть достаточно точной, чтобы давать точные результаты, и она должна быть достаточно доступной, чтобы к ней могли получить доступ многие люди во всем мире, чтобы иметь крупномасштабное воздействие. Документы Shuja (2010), Pinkas et al. (2020) и Чаудхари (2020) использовали приложения для смартфонов для записи, что дает около 9Точность 0% или выше и доступна миллионам людей по всему миру. Вот некоторые из классификаторов, которые использовались для этих исследовательских работ: DL-MC, CML-MC, DL-BC, логистическая регрессия, деревья с повышением градиента, SVM и RNN. Некоторые из используемых наборов данных включают ESC-50, национальный проект по сбору данных о COVID-19, Koswara и Coughvid.
РИСУНОК 2 . Звук кашля и его шесть представлений: MelSpectrum, цветность, тональность, спектрограмма, спектр мощности и MFCC, согласно Mohammed et al. (2021). Кашель подвергается этапу разделения звука, генерируя шесть частотных измерений на основе шкалы частот Мела. Это представления аудиосигнала на основе частоты. Эти представления используются в нейронных сетях. MFCC расшифровывается как Mel Frequency Cepstral Коэффициенты.
Коппок и др. (2021) представили семь основных проблем, связанных с использованием звука кашля для обучения нейронных сетей обнаружению того, есть ли у человека COVID-19 или нет. Во-первых, алгоритмы могут не быть специфичными для COVID-19 и могут определять исключительно общее состояние здоровья субъекта. Во-вторых, неотфильтрованные звуки окружающей среды на фоне звука кашля могут мешать обучению нейронных сетей и могут привести к систематической ошибке — возможно, правильный диагноз COVID-19 может быть более вероятным в помещении. В-третьих, осведомленность пациента о наличии у него COVID-19.может испортить обучение нейронной сети, если эмоции просочятся в голос. В-четвертых, многие наборы данных, используемые для этого обучения, не очень надежны или достоверны. В-пятых, существует не так много общедоступных кодовых баз или наборов данных, которые можно использовать для обучения нейронных сетей. Во-вторых, демографические характеристики могут привести к систематической ошибке, поскольку распространенность заболеваний не одинакова во всех регионах. Наконец, популяция участников в значительной степени не контролируется.
Таким образом, повторное появление участников приведет к тому, что модель будет работать с большей точностью, что приведет к завышению показателей успеха.
5.1 Использование спектрального анализа
Moshou (2001) поместил свиней в изолированную зону с микрофоном, а затем записал их кашель. Частота дискретизации микрофона составляла 22 060 Гц, поскольку типичная частота кашля составляет менее 10 000 Гц. Тридцать минут записи заняли 80 МБ дискового пространства. Чтобы найти плотность спектра мощности звуков, для звуков кашля было использовано быстрое преобразование Фурье со 128 точками. Набор инструментов MATLAB обычно используется для вычисления PSD. В результате расчета были получены векторы PSD с 64 компонентами, которые затем использовались в вероятностном обучении нейронной сети. Правило принятия решений Байеса можно применять к таким сценариям, которые имеют множество различных категорий; в данном случае два. Функции плотности вероятности могут быть созданы с помощью вероятностных нейронных сетей, которые использовал Шпехт в 1999 году.66. PNN успешно использовалась для различения звуков кашля и других шумов. Самой сложной задачей было разделить звук кашля и металлический лязг, так как они имеют схожий частотный состав.
Monge-Alvarez et al. (2019a) предложили машину, которая может обнаруживать кашель исключительно на основе аудиозаписей. Во-первых, модели кашля были охарактеризованы с использованием 29 краткосрочных характеристик, скорректированных для различных шумовых условий. Затем были определены пять частотных диапазонов, чтобы помочь в расчете спектральных свойств акустического звука кашля. Эти свойства спектра использовались для создания долговременного пространства признаков с использованием выборочной статистики, которая затем была передана в серию SVM, которые затем были обучены для различных шумовых сред. Результатом этих SVM было обнаружение наличия кашля. При тестировании с пациентами было обнаружено, что этот прибор превосходит многие другие методы обнаружения кашля и хорошо выдерживает нагрузки в трех шумных средах. Однако этот метод требовал этапа предварительной обработки для устранения других фоновых шумов.
Amrulloh et al. (2015) использовали алгоритм для идентификации сегментов кашля из педиатрических звуковых записей с использованием негауссовости, энтропии Шеннона и извлечения кепстрального коэффициента из кашля. Затем эти характеристики были переданы в искусственную нейронную сеть.
Прамоно и др. (2016) использовали быстрый и простой алгоритм нейронной сети с тремя этапами для идентификации именно коклюшного кашля. Эти три этапа включают обнаружение звуковых событий, извлечение признаков и обнаружение/классификацию кашля.
Виндмон и др. (2019) описали приложение для смартфона, которое может записывать и обрабатывать звук кашля для диагностики хронической обструктивной болезни легких. Алгоритм включает в себя фильтрацию шума, разбиение каждого кашля на сегменты, извлечение его характеристик, устранение предвзятости, а затем разработку двухуровневой схемы классификации на основе случайных лесов.
Карпентье и др. (2018) использовали алгоритм для различения кашля в телятнике, используя 664 различных ссылки на кашель. Алгоритм работал хорошо, с точностью более 80%. Использовались такие характеристики, как спектральный разброс, энтропия и поток.
Шаран и др. (2019) использовали искусственный интеллект для обнаружения крупозного кашля с помощью MFCC, которые используются для захвата характеристик автоматически сегментированных звуков кашля из тестовых наборов пациентов. Этот алгоритм был значительным улучшением автоматической диагностики крупа по сравнению с предыдущими методами.
Роча (2020 г.) стремился создать алгоритм, который мог бы автоматически обнаруживать приступы резкого кашля, связанные с легочными заболеваниями. Предварительная обработка включала прохождение аудиосигнала через фильтр верхних частот с бесконечной импульсной характеристикой 8-го порядка с частотой 80 Гц. Извлечение признаков было выполнено с помощью STFT и MFCC. Классификация проводилась с помощью четырех классификаторов: наивного байесовского для байесовского, SMO для SVM, RIPPER для пропозиционального правила обучения и бэггинга для агрегации Bootstrap.
Дубнов (2020) предложил алгоритм, который может автоматически обнаруживать COVID-19 по кашлю с помощью логистической регрессии, SVM, Random Forest, Multilayer Perceptron и CNN в качестве методов классификации. Они использовались вместе с быстрым преобразованием Фурье для обработки.
Balamurali (2020) предложил алгоритм диагностики астмы у детей на основе звуков кашля. Набор данных был получен путем набора детей-астматиков из клиник со средним возрастом 8 лет. Смартфон использовался для регистрации активного кашля детей. Также использовались вокализованные звуки, потому что они могут указывать на наличие каких-либо проблем с воспалением горла или сужением путей. MFCC и CQCC использовались для извлечения аудиофункций. Для классификации использовались GM и UBM, и сообщалось, что точность была самой высокой для объединенной модели (кашель).
5.2 Другие методы
Для обнаружения шума кашля в статье Джона использовались онлайн-наборы данных ESC-50 и FSDK-aggle 2018 и 2019 (Charles, 2020). Все звуки были преобразованы в спектрограмму с помощью библиотеки librosa на Python. Фреймворк глубокого остаточного обучения использовал специальный алгоритм, который позволял обучать гораздо более глубокие сети, чем другие алгоритмы. Для определения результата и диагноза использовались XGBoost и Convolutional Neural Networks. Точность используемой модели составила 0,99, а потеря составила 0,03.
Звук кашля можно разделить на три части на основе звука, согласно статье Shi et al. (2018). С помощью алгоритмов обработки кашля можно идентифицировать кашель и определить, является ли он сухим или влажным. Это делается с помощью нейронных сетей, SVM и наивного байесовского классификатора. Удаление тишины в звуке кашля важно для сохранения данных. Конечные точки кашля можно рассчитать с помощью скорости пересечения нуля (ZCR), которая представляет собой отношение изменений знака сигнала. Кроме того, MFCC, которые используются для преобразования данных в коэффициенты.
Abeyratne (2013) описал алгоритм, который можно с успехом использовать для диагностики пневмонии. Пневмония является серьезной причиной смерти детей, и ее диагностика в больнице затруднена. Однако по звуку кашля можно диагностировать пневмонию. Первым шагом является извлечение и увеличение характеристик кашля. Это можно сделать, вычислив множество признаков из кашля и скомпилировав их. Второй шаг — использовать LRM в качестве классификатора шаблонов. Можно использовать метод перекрестной проверки с пропуском 1. Следующим шагом является выбор хорошей модели из LRM, которую можно найти с помощью кластеризации k-средних. Последним шагом является расчет индекса кашля для заболевания, в данном случае индекса легочного кашля (PCI). Это можно рассчитать на основе предыдущей найденной информации. Этот индекс в конечном итоге определит, связан ли кашель с пневмонией. Алгоритм при тестировании показал чувствительность и специфичность в основном выше 90% при тестировании с разными детьми. Исследование, проведенное в этой статье, может предоставить недорогой метод борьбы с такими заболеваниями, как пневмония, и будет иметь большое значение для создания вакцины от родственного заболевания.
Kakabutr (2017) использовал искусственные нейронные сети для классификации звуков кашля у собак и определения того, здорова ли собака, что сложно для многих опытных практиков. Искусственная нейронная сеть используется для преобразования необработанного звука кашля из временной области в частотно-временную область, дополнительно извлекая важные особенности, связанные с кашлем. Восемь уровней декомпозиции были успешно использованы для классификации этого звука кашля, а оптимальная модель нейронной сети имела 40 узлов в скрытом слое с 22 признаками. В скрытых узлах использовалась логистическая функция, а в выходных узлах использовалась функция гиперболического тангенса. Эта модель успешно работала, обеспечивая среднюю точность 90% или выше с использованием только четверти всех функций.
Сварнкар и др. (2013) стремились найти конкретный алгоритм, который мог бы автоматически различать влажный и сухой кашель исключительно на основе звука. Это полезно, потому что влажный кашель может указывать на бактериальные инфекции нижних дыхательных путей, а сухой кашель может указывать на другие заболевания. Была предложена модель логистической регрессии для классификации кашля на влажный и сухой с помощью алгоритма кластеризации k-средних. При тестировании 78 пациентов результаты показали, что чувствительность и специфичность модели логистической регрессии были около 88% при 95% доверительный интервал для влажного кашля и 84% с 76% доверительным интервалом для следующего набора данных с 18 пациентами. Таким образом, этот новый алгоритм может успешно работать для мониторинга кашля без необходимости привлечения специалистов в условиях больницы.
Ларсон и др. (2012) смогли обнаружить эпизоды кашля с помощью нейронных сетей, которые могут автоматически идентифицировать туберкулез. Записи продолжительностью 25,5 ч использовались при большом количестве больных туберкулезом.
Чжуан и др. (2010) предложили использовать обнаружение акустических событий и извлекать те отличительные признаки, которые могут привести к более высоким показателям успеха. HMM работали хорошо, а супервектор SVM-GMM более успешно аппроксимировал расхождение KL между распределениями признаков для аудиосегмента.
Casaseca-De-La-Higuera (2015) предложил простой и эффективный алгоритм обнаружения кашля на основе простых классификаций дерева решений со спектральными характеристиками и аудиосигналом смартфона. Недостаточная выборка до 400 Гц привела к тому, что значения чувствительности и специфичности остались выше 90 процентов.
Barata (2019) использовал простую сверточную нейронную сеть, чтобы определить, имело ли место событие кашля. Шаги алгоритма включали извлечение звукового события, предварительную обработку и обнаружение кашля, который упрощается до двух категорий: кашель или отсутствие кашля.
Hoyos-Barcelo et al. (2018) использовали локальные моменты Ху через звуковой сигнал от устройства. Благодаря сочетанию локальных моментов Hu и стандартного классификатора k-NN обнаружение кашля становится более точным, хотя и требует больше времени. В этом исследовании был предложен способ ускорить поиск k-NN, который позволил бы работать в режиме реального времени на всех смартфонах.
Shuja (2010) продемонстрировал, как в борьбе с COVID-19 с помощью искусственного интеллекта жизненно важны правильные наборы данных и способы их использования. В нем обсуждались три категории наборов данных: медицинские изображения, текстовые данные и речевые данные. В разделе о речевых данных в документе говорится, что звуки кашля, частота дыхания и стресс могут быть обнаружены с помощью приложений для смартфонов и имеют отношение к диагностике тяжести COVID-19. симптомы. Некоторые исследователи упомянули, что шаги по определению инфекции COVID-19 включают в себя различение людей с положительным результатом на COVID-19 от здоровых людей, здоровых людей с кашлем и, наконец, людей с астмой и кашлем. В исследовании использовались логистическая регрессия, деревья повышения градиента и классификаторы SVM. Комбинация кашля и дыхания давала наиболее точный результат.
Augustinov (2020) рассказал о том, как можно классифицировать и категоризировать звуки кашля с помощью глубокого обучения, в основном при хронической обструктивной болезни легких. Группа компьютерного анализа дыхательных звуков разработала основу для классификации звуков, относящихся к дыхательной системе, классифицируя их как дыхание или случайные дыхательные звуки. Основные проблемы с автоматическим обнаружением дыхательных шумов заключаются в том, что для обеспечения максимальной точности недостаточно релевантных данных, и это приводит к проблемам этики, конфиденциальности и безопасности. В этом документе описывается сетевая архитектура, в которой в качестве строительных блоков используются CNN. Данные были получены с помощью LEOSound Lung-Sound-Monitor. Для модели бинарной классификации процесс был достаточно точным, с заявленной точностью 92,5%.
Pal и Sankarasubbu (2020) предложили модель нейронной архитектуры, которая будет различать кашель COVID-19 на основе изучения звука. Эта архитектура включала встраивание симптомов, которое фиксирует скрытые особенности характеристик пациента. TabNet в основном использовался для этой цели. Вторым разделом архитектуры были Cough Embeddings, где он мог захватывать более глубокие черты, когда ему давали звук кашля через его акустические характеристики. Для этого в основном использовались глубокие нейронные сети. Фильтр высоких частот также использовался для уменьшения шума в сигнале. Эта система была бы полезна, потому что увеличила бы охват COVID-19.скрининг при одновременном снижении стоимости за счет использования искусственного интеллекта.
Пинкас и др. (2020) описали модель глубокого машинного обучения, которая была обучена с использованием записей кашля тех, кто прошел тестирование на COVID-19, которые можно использовать для скрининга посредством самозаписи. Национальный проект по сбору данных о COVID-19 предоставил набор данных, используемый для этого проекта, и записи состояли из кашля и устного счета от 50 до 80. Подсчет не имеет социальной или эмоциональной предвзятости, что упрощает его изучение. Были использованы экспертные классификаторы на основе RNN, а SVM использовался для прогнозирования того, указывает ли звук на то, что человек инфицирован COVID-19.или нет. Набор данных, использованный для этого проекта, был самостоятельно записан через микрофон смартфона, что продемонстрировало возможность глобального доступа к данным.
Alsabek (2020) в первую очередь сосредоточился на том, как можно выделить характеристики кашля и шумов при COVID-19, а затем сравнить их с помощью анализа аудиосигналов. В методе сбора данных каждому говорящему предлагалось четыре раза покашлять, сделать глубокий вдох и сосчитать от одного до десяти. PRAAT использовался для предварительной обработки речи, при которой вырезались немые части записи. Для извлечения признаков широко использовались MFCCS, поскольку они имеют широкое применение в распознавании речи и эмоций. В документе сделан вывод, что отслеживание кашля и дыхательных шумов пользователя было лучшим способом обнаружения заражения COVID-19..
Вот несколько дополнительных статей, затрагивающих тему обнаружения COVID-19 с помощью нейронных сетей и анализа звука: (Laguarta et al., 2020), (Sharma et al., 2020a), (Vijayakumar and Sneha, 2020), (Andreu-Perez et al., 2021), (Bansal, 2020), (Pahar, 2020), (Mouawad et al., 2021), (Coppock, 2021), (Manshouri, 2021), (Maleki, 2021), (Лелла и Пья, 2021 г.), (Джиоти, 2021 г.), (Рамеш, 2021 г.), (Дефанде и Шуллер, 2020 г.), (Шуллер, 2020 г.), (Стасак и др., 2021 г.), (Али и др., 2021 г. ), (Chowdhury et al., 2021) (Harsharani, 2021), (Iqbal and Iqbal Faiz, 2020), (Khanzada et al., 2021), (Kranthi Kumar and Alphonse, 2021), (Meister et al. , 2021 ), (Sharma et al., 2021), (Sharma et al., 2020b), (Tong et al., 2021) и (Usman, 2020).
Многие исследовательские работы сходятся во мнении, что следующим шагом вперед должно быть больше доступных наборов данных с гораздо большим количеством записей, чем доступно в настоящее время. Это повысит точность тестирования и, следовательно, точность диагностики с помощью искусственного интеллекта.
6 Методы PCA и LCA
Вместе с методами нейронных сетей обычно используются методы PCA и LCA, которые помогают вводить наборы данных в алгоритмы нейронных сетей. Правильное использование этих методов жизненно важно для оптимизации производительности алгоритмов глубокого обучения. В общем, PCA и LCA используются для преобразования данных, взятых из звука кашля, в пригодную для использования последовательность чисел, которую затем можно использовать в алгоритме нейронной сети. Например, Имран и др. (Ali et al., 2020) создали приложение, которое предсказывает, есть ли у пользователя COVID-19. судя по звуку их кашля. Проекции PCA используются для функций MFCC из аудио для создания векторов функций. Затем эти векторы признаков передаются в алгоритм нейронной сети для диагностики звука кашля. Затем этот диагноз сообщит пользователю приложения, есть ли у него COVID-19.
Derraz (2020) создал нейронную сеть, которая может классифицировать кашель как вызванный COVID-19 или другим заболеванием. PNN вместе с DSP и нейронными сетями использовались для дифференциации этих случаев кашля. Однако методы PCA использовались для создания векторов признаков, которые затем вводились в нейронные сети.
Ларсон (2011) привел отличный пример того, как PCA можно использовать для оптимизации алгоритмов глубокого обучения. Хотя эта система использовала длинный классификатор случайного леса, с помощью PCA она могла значительно оптимизировать способ передачи данных в нейронную сеть. В этом примере PCA использовала ортогональные компоненты и собственные векторы для уменьшения размерности. Затем компоненты были ранжированы на основе количества вариаций, которые они могли объяснить в данных. С помощью этой системы данные передавались в нейронную сеть эффективным и релевантным способом.
Khomsay (2019) использовал сети глубокого обучения и тензорный поток для выявления кашля. Однако ему потребовалась помощь PCA, которая выполняет извлечение признаков, а затем отправляет эти данные в сеть глубокого обучения. LCA важен для статистического анализа и поиска отдельных подмножеств в популяции с присущей ей неоднородностью. Спайчер и др. (2008) использовали метод ОЖЦ при кашле у детей. Это позволило сгруппировать детей по различным фенотипам в зависимости от их типа кашля.
7 Тестирование на инфекции
Equi (2001) провел эксперимент, в котором сравнивались мазки от кашля, взятые у детей с муковисцидозом и детей с сопутствующей мокротой. Мазок от кашля был сильным предиктором культуры мокроты, в то время как отрицательный результат не исключал инфекции.
Цель De Marco et al. (2007) заключалась в том, чтобы выяснить, можно ли предсказать хроническую обструктивную болезнь легких (ХОБЛ) по наличию мокроты, хронического кашля и одышки. После проведения исследования была обнаружена корреляция, которая показала, что наличие хронического кашля или мокроты связано с высоким риском развития ХОБЛ.
8 Мониторинг PH
Целью Блондо и соавт. (2007) должны были изучить связь между кашлем и слабокислотным рефлюксом, изучив большую группу пациентов с необъяснимым хроническим кашлем. После того, как это исследование было проведено, между ними была обнаружена положительная связь.
Цель Ing et al. (1991) изучали взаимосвязь между хроническим персистирующим кашлем и гастроэзофагеальным рефлюксом. Субъектам, у которых был выявлен хронический кашель, был проведен 24-часовой амбулаторный мониторинг pH пищевода. Эти результаты сравнивали с соответствующей контрольной группой.
Паломбини и др. (1999) описали эксперимент, в котором изучались обычные рентгенограммы грудной клетки некурящих пациентов, которые жаловались на кашель в течение более 3 недель. Также проводился рН-мониторинг. Астма, PNDS и ГЭРБ часто считались виновниками, за что они получили выражение «патогенная триада хронического кашля».
9 Мониторинг кашля
Harle (2006) провел исследование кашля, вызванного раком легких. Существующие методы лечения несовершенны, и информации о раке легких и связанном с ним кашле не так много. Кашель является важным симптомом и часто неудовлетворенной клинической потребностью. Тем не менее, исследование может улучшить понимание вариантов лечения кашля, связанного с раком легких.
Бирринг и др. (2008) исследовали эффективность Leicester Cough Monitor (LCM). LCM использовался для измерения частоты кашля с записью до 6 часов. Запись доказала, что LCM достаточно надежен, чтобы ему можно было доверять для оценки частоты кашля у пациентов в течение 24 часов. Возможно, у него даже есть возможности для работы в клиниках.
Леконт и др. (2011) исследовали эффективность устройства LR102, которое способно идентифицировать эпизоды кашля с помощью измерителя частоты кашля с электромиографией и аудиосенсорами. LR102 переоценил частоту кашля, но все же был относительно близким и полезным, а также сократил время, необходимое для анализа.
10 Средства от кашля
McGovern et al. (2018) объяснили, откуда берутся механизмы кашля, а также новые терапевтические идеи для неприятного кашля. Синдром кашлевой гиперчувствительности возникает у больных в связи с тем, что периферический патологический процесс влияет на активность и чувствительность первичных афферентных нервных волокон блуждающего нерва. Воспаление тканей может стимулировать повышение активности сенсорных нейронов, что повышает чувствительность кашлевого рефлекса. Эта чувствительность проявляется при разговоре, смехе или вдыхании духов. Нейропластичность имеет важную связь с хроническим кашлем и болью. Вирусы вызывают воспаление в дыхательной системе, которое препятствует функционированию сенсорных нейронов, что приводит к кашлю. Пластичность способствует продолжению хронического кашля и синдрома кашлевой гиперчувствительности у пациентов. Благодаря пониманию нервных путей, ответственных за хронический кашель, появляются новые методы терапии, которые могут быть нацелены на нервные пути, такие как нацеливание на молекулярные пути, играющие ключевую роль в развитии чрезмерного кашля.
Канг и др. (2019) рассказали, как корейские пациенты с кашлем не получают необходимого лечения, в котором они нуждаются. После наблюдения за корейскими пациентами половина из них заявила об отсутствии эффекта от лечения, а примерно 30% заявили, что им поставили неясный диагноз. Другие распространенные неудовлетворенные потребности заключались в том, что большинство пациентов сообщали о трудностях с поиском специалистов по кашлю или клиник, а также о желании получить дополнительную информацию о лечении и профилактике кашля. Это проблема для взрослых корейских пациентов, поскольку они описывают свой хронический кашель как нарушение их повседневных действий, разочарование их семьи и друзей и вызывая депрессию.
Fujimura (2003) изучила взаимосвязь между атопическим кашлем и кашлевым вариантом астмы путем изучения группы пациентов с атопическим кашлем и кашлевым вариантом астмы, а также эффективность лечения ингаляционным беклометазона дипропионатом (БДП). Таким образом, исследование показало, что у пациентов с атопическим кашлем возникновение типичной астмы происходило значительно реже, чем у пациентов с кашлевым вариантом астмы. Кроме того, лечение значительно уменьшило развитие типичной астмы у пациентов с кашлевым вариантом астмы. У значительного числа пациентов с кашлевым вариантом астмы в конечном итоге развивается типичная астма. Атопический кашель действительно был предложен в качестве причины изолированного хронического непродуктивного кашля.
Гибсон (2016) подробно остановился на жестоком обращении со взрослыми пациентами с необъяснимым хроническим кашлем (НХК). Исследование разделило пациентов с UCC на категории кашля, резистентного к лечению, идиопатического и трудноизлечимого. Другое исследование разделило их на рефрактерный, необъяснимый и идиопатический кашель. В статье предлагаются некоторые возможные методы лечения, такие как нефармакологические методы лечения. Вмешательство включало от двух до четырех учебных занятий, методы подавления кашля, дыхательные упражнения и консультирование, что привело к положительному влиянию на тяжесть кашля. Ингаляционные кортикостероиды (ICS) воздействовали на воспаление дыхательных путей, а также уменьшали тяжесть кашля в многочисленных исследованиях. Однако, если у пациента тест на гиперреактивность бронхов и эозинофилию отрицательный, то ИГКС не следует назначать.
Боуэн и др. (2018) объяснили причины UCC, который представляет собой хронический кашель неизвестного происхождения, посредством обзора пациентов с UCC. Предполагается, что тахифилаксия и зависимость при фармакотерапии являются основными проблемами, так как они часто наблюдаются у пациентов с НКР. Клиницистам рекомендуется использовать трициклические антидепрессанты или габапентин для начала лечения. Хотя шансы на успешное лечение со временем будут уменьшаться, большинство пациентов будут получать лечение после нескольких испытаний.
Redding and Carter (2017) показали опасность бронхоэктазов и влияние, которое они могут оказывать на детей. Весьма вероятно, что дети с этим заболеванием недопредставлены и не лечатся.
Цели Harle et al. (2020) должны были изучить кашель, его влияние и тяжесть в случае рака легких. Используя множество проверенных инструментов для лечения кашля в Соединенном Королевстве, можно провести исследование с участием пациентов с раком легких. Это исследование показало, что существует острая потребность в более сильнодействующих противокашлевых препаратах.
Birring (2011) обсудил лечение хронического кашля. В нем обсуждалось, являются ли астма, гастроэзофагеальный рефлюкс и заболевания верхних дыхательных путей причиной или отягчающими обстоятельствами хронического кашля. Существует высокая потребность в понимании того, почему у некоторых пациентов существует повышенная чувствительность кашлевого рефлекса, и играют ли в этом роль генетические, молекулярные или физиологические концепции.
Цель Ryan et al. (2010) заключалась в том, чтобы понять, как хронический кашель и как речевая языковая патология может лечить или улучшать состояние. Некоторыми показателями результатов были чувствительность кашлевого рефлекса к капсаицину, автоматическое определение частоты кашля и качество жизни, связанное с кашлем. Управление речевой языковой патологией может быть в состоянии вмешаться в проблемы рефрактерного хронического кашля.
11 Наборы данных COVID-19
Основным общедоступным набором данных о COVID-19 является набор данных Coughvid. Набор данных краудсорсинга Coughvid содержит более 25 000 записей, 1155 из которых относятся к COVID-19. Этот кашель происходит со всего мира, и это самый большой известный общедоступный набор данных о кашле, связанный с диагностикой COVID-19. Доступ к этому набору данных можно получить здесь: https://doi.org/10.6084/m9.figshare.14377019.
Однако, помимо этого набора данных, не хватает записей кашля, которые можно было бы использовать для обучения нейронных сетей, диагностирующих COVID-19.с высокой точностью.
12 Конфиденциальность
В рамках этих проведенных исследований запрещалась публикация имени участника, адреса электронной почты, номера телефона или любой информации, не имеющей отношения к данным исследования. Таким образом, каждый участник сохранял конфиденциальность при записи кашля, анализе кашля или лечении кашля. FDA запрещает использование любых средств от кашля у детей младше 18 лет.
13 Применения
Основное сходство в исследовательских работах заключается в том, что предварительная обработка звука кашля выполняется с использованием спектрального анализа, а затем нейронной сети. используется. На этом этапе MFCC и быстрые преобразования Фурье используются для преобразования звука в подходящий вход для нейронной сети. Эти нейронные сети включают CNN, Deep Neural Networks, k-NN, Random Forests, гибриды и комбинации нейронных сетей. В целом оказывается, что алгоритмы, использующие ансамбли нейронных сетей или их гибриды, имеют тенденцию быть более точными, чем те, которые используют только один тип нейронной сети. Понятно, что нейронные сети улучшаются по мере увеличения количества и размера наборов данных. Таким образом, общедоступные наборы данных являются отличным подспорьем для обучения нейронных сетей. Исследователи могут использовать эту информацию для создания все более точной архитектуры нейронной сети, которая дает чрезвычайно точные результаты. Чем мощнее и доступнее алгоритм, тем дешевле и распространеннее точный диагноз.
14 Рекомендации для будущих исследований
Существуют общедоступные базы данных записей кашля, такие как база данных, использованная в вызове Dicova на этой конференции, набор данных fkthecovid и набор данных ESC-50. Однако данных для обучения нейронных сетей не хватает.
1) Необходимо больше данных в полевых условиях для оптимального обучения нейронных сетей.
2) Повысить доступ исследователей к общедоступным наборам данных для обучения.
3) Должен существовать конвейер обработки, постоянно собирающий новые данные, чтобы алгоритмы могли адаптироваться к новым пандемиям.
Помимо потребности в больших наборах данных, все области конвейера обработки должны быть улучшены, как мы видели в этом обзоре. Подводя итог, области улучшения включают:
1) Прежде всего, потребность в больших наборах данных, как мы только что обсуждали
2) Увеличение метаданных при сборе данных о кашле
3) Сегментация кашля на фоне окружающего шума
4) Выбор фильтра предварительной обработки
5) Выбор сетевой архитектуры и алгоритма
6) Тестирование и объяснимость
7) Определение продольных показателей, таких как тяжесть заболевания.
15 Заключение
Значительный прогресс был достигнут в обнаружении и различении кашля на основе нейронных сетей, где были найдены оптимальные алгоритмы, такие как показанные на рисунке 3. Алгоритмы машинного обучения правильно диагностировали многих, кто был поражен всеми видами заболеваний легких. Необходима дальнейшая работа по внедрению нейронных сетей в медицинскую практику, для обучения которой требуется больше общедоступных данных. Скорее всего, это будет достигнуто в ближайшем будущем. Различение кашля, проведенное с достаточно высокой точностью, может применяться для диагностики COVID-19.в клиниках, а также на дому, что значительно снизит стоимость скрининга, а также повысит доступность. Поэтому люди смогут тестировать себя быстрее и удобнее, чем когда-либо прежде. Поскольку COVID-19 невероятно заразен в значительной степени из-за отсутствия частого тестирования, более удобный и своевременный метод, такой как машинное обучение, может улучшить тестирование и внести свой вклад в сдерживание COVID-19.
РИСУНОК 3 . Блок-схема оптимального алгоритма распознавания кашля, согласно Amoh and Odame, 2016) и Shin et al. (2009 г.) для COVID-19, что очень важно во время пандемии, от которой страдают миллионы людей по всему миру.
Другими документами, которые сыграли важную роль в этом обзоре литературы, но не были конкретно связаны с кашлем, являются: (Конференция по человеческому фактору в вычислительных системах, 2008 г.), (Абламович и Фаузер, 2007 г.), (Патриция, 2007 г.), (Адья и др. ., 2004), (Akyildiz et al., 2002), (Akyildiz et al., 2007), (Using the amsthm Package, 2015), (Andler, 1979), (David, 2003), (Archer et al., 1984), (Bahl et al., 2004), (Bowman et al., 1993), (Braams, 1991), (Buss et al., 1987), (Clark, 1991), (Kenneth, 1985), (Cohen , 1996), (Cohen et al., 2007), (Conti et al., 2009), (CROSSBOW, 2008), (Dijkstra, 1979), (Douglass et al., 1998), (Dunlop and Basili, 1985) , (Ian, 2007), (Simon Fear, 2005), (Gerndt, 1989), (Goossens et al., 1999), (Van Gundy et al. , 2007), (Hagerup et al., 1993), (Harel , 1978), (Харел, 1979), (CodeBlue, 2008), (Херинг и Клинт, 1985), (Херлихи, 1993), (Холлис, 1999), (Хёрмандер, 1985a), (Хёрмандер, 1985b), (IEEE, 2004), (Киршмер и Войт, 2010), (Кнут, 1981), (Кнут, 1981), (Кнут, 1984), (Кнут, 1997), (Конг, 2001a), (Конг, 2001b), (Конг и Танасанкит, 2002), (Конг и Танасанкит, 2003), (Конг, 2004), (Конг, 2005), (Конг, 2006), (Корах и др., 1984). ), (Джейкоб, 1994), (Косюр, 2001), (Лэмпорт, 1986), (Ли и Вексельблат, 1978), (Ньютон и Киндер, 2005), (Ли и др., 2008), (Маккракен и Голден, 1990), (Маллендер, 1993), (Мамфорд, 1987), (Натараджан и др., 2007), (Нильсон, 1985), (Новак, 2003 г.), (Обама, 2008 г.), (Петри, 1986 г.), (Poker-Edge.Com, 2006 г.), (Рейд, 1980 г.), (SIGCOMM Comput, 1984 г.), (Роус, 2008 г.), (Sadiq et al., 2021), (Saeedi et al., 2010a), (Saeedi et al., 2010b), (Salas and Hille, 1978), (Joseph Scientist, 2008), (Smith et al., 2010) , (Спектор и Маллендер, 1990), (Торнбург, 2001), (TUG, 2017), (Цамалукас и Гарсия-Луна-Асевес, 2000), (Вейтсман, 2022), (Венцель, 1992), (Вернек и др. , 2000), (Werneck et al., 2000), (Culler et al., 2004), (Geiger and Meek, 2005), (Zhou et al., 2008), (Zhou et al., 2010), (Anzaroot and McCallum, 2013), (Anzaroot et al., 2014), (Bornmann et al., 2019) и (R Core Team, 2019 г.).
Авторские вклады
PS провел обширный поиск и обзор документов и составил рукопись. Брайан Субирана был инициатором этого проекта, который руководил работой по обзору и предоставил ценные отзывы в ходе процесса.
Конфликт интересов
Автор заявляет, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.
Примечание издателя
Все претензии, изложенные в этой статье, принадлежат исключительно авторам и не обязательно представляют претензии их аффилированных организаций или издателя, редакторов и рецензентов. Любой продукт, который может быть оценен в этой статье, или претензии, которые могут быть сделаны его производителем, не гарантируются и не поддерживаются издателем.
Ссылки
Абаза, А. А., Дэй, Дж. Б., Рейнольдс, Дж. С., Махмуд, А. М., Голдсмит, В. Т., МакКинни, В. Г., и др. (2009 г.). Классификация произвольного кашля и моделей воздушного потока для выявления аномальной функции легких. Кашель 5 (8), 8. doi:10.1186/1745-9974-5-8
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Abeyratne, UR (2013). «Анализ звука кашля — новый инструмент для диагностики пневмонии», 35-я ежегодная международная конференция IEEE Engineering in Medicine and Biology Society (EMBC) (IEEE), 5216–5219, 2013 г. doi:10.1109/embc.2013.6610724
Полный текст CrossRef | Академия Google
Абламович, Р., и Фаузер, Б. (2007). Clifford: пакет Maple 11 для вычислений по алгебре Клиффорда, версия 11. Доступно по адресу: http://math.tntech.edu/rafal/cliff11/index.html.
Google Scholar
Адья А., Бахл П., Падхье Дж., Волман А. и Чжоу Л. (2004). «Протокол объединения нескольких радиостанций для беспроводных сетей IEEE 802. 11», в материалах 1-й Международной конференции IEEE по широкополосным сетям (BroadNets’04) (Лос-Аламитос, Калифорния: IEEE), 210–217.
Google Scholar
Аэртс Дж.-М., Янс П., Халлой Д., Гастин П. и Беркманс Д. (2005). Маркировка данных о кашле свиней для оперативного мониторинга заболеваний с помощью звукового анализа. Пер. ASAE 48 (1), 351–354. doi:10.13031/2013.17948
Полный текст CrossRef | Google Scholar
Акилдиз И. Ф., Мелодия Т. и Чоудхури К. Р. (2007). Обзор беспроводных мультимедийных сенсорных сетей. Вычисл. сеть 51 (4), 921–960. doi:10.1016/j.comnet.2006.10.002
Полнотекстовая перекрестная ссылка | Google Scholar
Акилдиз И. Ф., Су В., Санкарасубраманиам Ю. и Кайирджи Э. (2002). Беспроводные сенсорные сети: обзор. Вычисл. сеть 38 (4), 393–422. doi:10.1016/s1389-1286(01)00302-4
Полный текст CrossRef | Google Scholar
Али И., Посохова И., Куреши Х. Н., Масуд У., Риаз С., Али К. и др. (2020). AI4COVID-19: ИИ включил предварительную диагностику COVID-19 по образцам кашля через приложение . Харьков, Украина: препринт arXiv arXiv: 2004.01275.
Google Scholar
Алькудайхи К. С., Аслам Н., Альмухайдеб И. У., Альмухайдеб А. М., Рахман Ибрагим С. Дж., Ибрагим Н. М. А. Р. и др. (2021). Обнаружение звука кашля и диагностика с использованием методов искусственного интеллекта: проблемы и возможности. Доступ IEEE 9, 102327–102344. doi:10.1109/access.2021.3097559
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Алсабек, М. Б. (2020). Изучение сходства звуков COVID-19 на основе корреляционного анализа MFCC. 2020 Международная конференция по коммуникациям, вычислениям, кибербезопасности и информатике . Шарджа, Объединенные Арабские Эмираты: CCCI.
Google Scholar
Али, М., Рахума, К. Х., и Рамзи, С. М. (2021). Обратите внимание на речь: диагностика Covid-19 с использованием машинного обучения и краудсорсинговых респираторных и речевых записей . Александрийский инженерный журнал.
Google Scholar
Амох, Дж., и Одаме, К. (2016). Глубокие нейронные сети для распознавания звуков кашля. IEEE Trans. Биомед. Цепи Сист. 10 (5), 1003–1011. Дои: 10.1109/tbcas.2016.2598794
Резюме PubMed | Полный текст перекрестной ссылки | Google Scholar
Амруллох Ю. А., Абейратне У. Р., Сварнкар В., Триасих Р. и Сетьяти А. (2015). Автоматическая сегментация кашля по бесконтактным звукозаписям в педиатрических отделениях. Биомед. Сигнальный процесс. Контроль 21, 126–136. doi:10.1016/j.bspc.2015.05.001
Полный текст CrossRef | Google Scholar
Андлер С. (1979). «Выражения пути предиката», в материалах 6th. Симпозиум ACM SIGACT-SIGPLAN по принципам языков программирования, POPL ’79(Нью-Йорк, штат Нью-Йорк: ACM Press), 226–236. doi:10.1145/567752.567774
CrossRef Полный текст | Google Scholar
Андреу-Перес Дж., Перес-Эспиноса Х., Тимонет Э., Киани М., Хирон-Перес М. И., Бенитес-Тринидад А. Б. и др. (2021). Универсальная система анализа кашля, основанная на глубоком обучении, на основе клинически проверенных образцов для теста на COVID-19 по мере необходимости и уровней серьезности. IEEE Trans. Серв. вычисл. 1, 1. doi:10.1109/tsc.2021.3061402
Полный текст CrossRef | Академия Google
Анзарут, С., и МакКаллум, А. (2013). Набор данных извлечения поля цитирования UMass. Доступно по адресу: http://www.iesl.cs.umass.edu/data/data-umasscitationfield.
Google Scholar
Анзарут С., Пассос А., Беланже Д. и МакКаллум А. (2014). Изучение мягких линейных ограничений с применением к извлечению полей цитирования . архив: 1403.1349.
Google Scholar
Арчер Дж. Э., Конвей Р. и Шнайдер Ф. Б. (1984). Восстановление и реверсирование пользователей в интерактивных системах. АКМ Пер. Программа. Ланг. Сист. 6 (1), 1–19. doi:10.1145/357233.357234
CrossRef Полный текст | Google Scholar
Аугустинов Г. (2020). Автоматическое обнаружение и классификация приступов кашля на основе глубокого обучения . Современные направления биомедицинской инженерии.
Google Scholar
Багад П., Чанкр Р. и Данжон Дж. (2020). Кашель против COVID: признаки COVID-19 в звуках кашля . Институт искусственного интеллекта Вадвани.
Google Scholar
Бахл П., Чанкр Р. и Данжон Дж. (2004). «SSCH: скачкообразная перестройка каналов с выделенными интервалами для повышения пропускной способности в беспроводных сетях IEEE 802.11 Ad-Hoc», в материалах 10-й Международной конференции по мобильным вычислениям и сетям (MobiCom’04) (Нью-Йорк, штат Нью-Йорк: ACM), 112–117.
Google Scholar
Баламурали, Б. Т. (2020). Классификация детей-астматиков и здоровых детей на основе кашля и вокализованных/a:/звуков. Дж. Акуст. соц. Являюсь. 148 (3).
Google Scholar
Bansal, V. (2020). «Классификация кашля для COVID-19 на основе функций аудио MFCC с использованием сверточных нейронных сетей», Международная конференция IEEE по вычислительным, энергетическим и коммуникационным технологиям (GUCON) (IEEE) 2020 г. doi:10.1109/gucon48875.2020.94
CrossRef Full Text | Google Scholar
Барата Ф. (2019). «На пути к независимому от устройства мобильному обнаружению кашля с помощью сверточных нейронных сетей», Международная конференция IEEE по информатике в области здравоохранения (ICHI) (IEEE) 2019 г. Дои: 10.1109/ichi.2019.8
4
CrossRef Полный текст | Google Scholar
Белкасем, А. (2020). Комплексная диагностическая система на базе искусственного интеллекта для классификации респираторных заболеваний и раннего выявления COVID-19 . Корнелл.
Google Scholar
Бирринг, С. (2011). Противоречия в оценке и лечении хронического кашля. утра. Дж. Дыхание. крит. Уход Мед. 183 (6), 708–715. doi:10.1164/rccm.201007-1017ci
PubMed Abstract | Полный текст перекрестной ссылки | Академия Google
Бирринг С., Флеминг Т., Матос С., Радж А. А., Эванс Д. Х. и Паворд И. Д. (2008). Лестерский монитор кашля: предварительная проверка автоматизированной системы обнаружения кашля при хроническом кашле. евро. Дыхание J. 31 (5), 1013–1018. doi:10.1183/0
36.00057407
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Блондо К., Дюпон Л. Дж., Мертенс В., Тэк Дж. и Сифрим Д. (2007). Улучшенная диагностика гастроэзофагеального рефлюкса у пациентов с необъяснимым хроническим кашлем. Алимент. Фармакол. тер. 25 (6), 723–732. doi:10.1111/j.1365-2036.2007.03255.x
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Борнманн Л., Рэй К. Б. и Хауншильд Р. (2019). Анализ концепций цитирования (CCA): новая форма анализа цитирования, выявляющая полезность концепций для других исследователей, иллюстрированная примерами тематических исследований, включая классические книги Томаса С. Куна и Карла Р. Поппера. Наукометрия 122, 1051–1074. дои: 10.1007/s11192-019-03326-2
CrossRef Полный текст | Google Scholar
Бота, Р. (2018). Обнаружение туберкулеза с помощью автоматического анализа звука кашля . Физиологическое измерение.
Google Scholar
Боуэн А. Дж., Хуанг Т. Л., Новацкий А. С., Траск Д., Кальтенбах Дж., Тальерсио Р. и др. (2018). Тахифилаксия и зависимость от фармакотерапии необъяснимого хронического кашля. Отоларингол. Глава. Шея Surg. 159 (4), 705–711. дои: 10.1177/0194599818788062
Реферат PubMed | Полный текст перекрестной ссылки | Google Scholar
Bowman, M., Debray, S.K., and Peterson, L.L. (1993). Рассуждения о системах именования. ACM Trans. Программа. Ланг. Сист. 15 (5), 795–825. doi:10.1145/161468.161471
CrossRef Полный текст | Google Scholar
Браамс, Дж. (1991). Babel, многоязычная система выбора стилей для использования со стандартными стилями документов Latex. БУКСИР 12 (2), 291–301.
Академия Google
Басс, Дж. Ф., Розенберг, А. Л., и Нотт, Дж. Д. (1987). Типы вершин в книжных вложениях . Амхерст, Массачусетс, США: Технический отчет.
Google Scholar
Карпентьер Л. , Беркманс Д., Юссеф А., Беркманс Д., ван Уотершут Т., Джонстон Д. и др. (2018). Автоматическое обнаружение кашля при респираторных заболеваниях крупного рогатого скота в телятнике. Биосистем. англ. 173, 45–56. doi:10.1016/j.biosystemseng.2018.06.018
Полный текст CrossRef | Академия Google
Касасека-Де-Ла-Игера, П. (2015). «Влияние субдискретизации и компрессионного зондирования на непрерывный мониторинг кашля на основе звука», 37-я ежегодная международная конференция IEEE Engineering in Medicine and Biology Society (EMBC) (IEEE), 2015 г. doi:10.1109/embc.2015.7319816
Полный текст CrossRef | Google Scholar
Чанг, А. Б., Бирнс, К. А., и Эверард, М. Л. (2011). Диагностика и профилактика хронических гнойных заболеваний легких (ХЗЛ) и бронхоэктазов. Педиатр. Дыхание Откр. 12 (2), 97–103. doi:10.1016/j.prrv.2010.10.008
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Чанг А.Б., Реддинг Г.Дж. и Эверард М. Л. (2008). Хронический влажный кашель: затяжной бронхит, хроническое гнойное заболевание легких и бронхоэктатическая болезнь. Педиатр. Пульмонол. 43 (6), 519–531. doi:10.1002/ppul.20821
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Чарльз, Н. (2020). Практическое обнаружение кашля при наличии фонового шума и предварительная дифференциальная диагностика по звуку кашля с использованием искусственного интеллекта . Программное обеспечение DSpace, 1–35.
Google Scholar
Чаудхари, Г. (2020). Virufy: глобальная применимость краудсорсинговых и клинических наборов данных для ИИ-обнаружения COVID-19 по образцам аудиозаписей кашля . Исследовательская группа ИИ Virufy.
Google Scholar
Чоудхури М.Э.Х., Ибтехаз Н., Рахман Т., Кибалви Ю., Махмуд С., Эзеддин М. и др. (2021). Qucoughscope: мобильное приложение с искусственным интеллектом для обнаружения бессимптомных пациентов с Covid-19 с помощью звуков кашля и дыхания . Препринт arXiv arXiv: 2103.12063.
Google Scholar
Чанг, К. Ф. (2017). Достижения в области механизмов и лечения хронического кашля: Девятый Лондонский международный симпозиум по кашлю, 2016 г. Pulm. Фармакол. тер. 47, 2–8. doi:10.1016/j.pupt.2017.02.003
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Кларк, М. (1991). «Post Congress Tristesse», в материалах конференции TeX90 (группа пользователей TeX), 84–89.
Google Scholar
CodeBlue, H. (2008). CodeBlue: Сенсорные сети для медицинской помощи. Доступно по адресу: http://www.eecs.harvard.edu/mdw/proj/codeblue/.
Google Scholar
Коэн С., Натт В. и Сагив Ю. (2007). Определение эквивалентности среди конъюнктивных совокупных запросов. J. Acm 54 (2), 5. doi:10.1145/1219092.1219093
CrossRef Полный текст | Google Scholar
Коэн (1996). Специальный выпуск . Электронные библиотеки.
Академия Google
Конференция по человеческому фактору в вычислительных системах (2008 г. ). CHI ’08: Расширенные рефераты CHI ’08 о человеческом факторе в вычислительных системах. Нью-Йорк, штат Нью-Йорк, США: ACM.
Google Scholar
Конти М., Пьетро Р. Д., Манчини Л. В. и Мей А. (2009). Распределенная проверка источника данных в беспроводных сенсорных сетях. Инф. Фьюжн 10 (4), 342–353. doi:10.1016/j.inffus.2009.01.002
Полный текст CrossRef | Google Scholar
Коппок, Х. (2021). End-2-end Обнаружение COVID-19 по звуку дыхания при кашле . Cornell University.
Google Scholar
Коппок Х., Джонс Л., Кискин И. и Шуллер Б. (2021). Обнаружение Covid-19 по аудио: семь зерен соли. Lancet Digital Health 3 (9), e537–e538. doi:10.1016/s2589-7500(21)00141-2
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
ПЕРЕКРЕСТОК (2008 г.). XBOW Sensor Motes Спецификации. Доступно по адресу: http://www.xbow.com.
Google Scholar
Каллер Д., Эстрин Д. и Шривастава М. (2004). Введение приглашенных редакторов: Обзор сенсорных сетей. Компьютер 37 (8), 41–49. doi:10.1109/mc.2004.93
Полный текст CrossRef | Google Scholar
Дэвид А. (2003). Оптимальное управление движением наземной техники . Стокгольм, Швеция: Королевский технологический институт (KTH).
Google Scholar
Де Марко Р., Аккордини С., Сервери И., Корсико А., Анто Дж. М., Кюнцли Н. и др. (2007). Заболеваемость хронической обструктивной болезнью легких в когорте молодых людей в зависимости от наличия хронического кашля и мокроты. 907:21 утра. Дж. Дыхание. крит. Уход Мед. 175 (1), 32–39. doi:10.1164/rccm.200603-381oc
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Дерраз, М. (2020). Удаленно диагностируйте коронавирус, распознавая и подсчитывая кашель во время телефонных звонков. Открытый доступ J. 3 (3), 1–8.
Google Scholar
Дефанд Г. и Шуллер Б. (2020). Обзор обработки аудио, сигналов, речи и языка для COVID-19 . Cornell University.
Google Scholar
Дейкстра, Э. (1979). «Перейти к заявлению, которое считается вредным», в Classics in Software Engineer-Ing (Incoll) (Upper Saddle River, NJ, USA: Yourdon Press), 27–33.
Google Scholar
Доэрти, М. Дж., Ван, Л. Дж., Донаг, С., Пирсдон, М. Г., Даунс, П., Стоунман, С. А. Т., и др. (1997). Акустические свойства кашля, вызванного капсаицином, у здоровых людей. евро. Дыхание J. 10 (1), 202–207. дои: 10.1183/0
36.97.10010202
Реферат PubMed | Полный текст перекрестной ссылки | Google Scholar
Дуглас Б. П., Харел Д. и Трахтенброт М. (1998). «Использование диаграмм состояний: структурный анализ и объектная ориентация», в Лекции по встроенным системам, том 1494 конспектов лекций по информатике . Редакторы Г. Розенберг и Ф. В. Вандрагер (Лондон: Springer-Verlag), 368–394. doi:10.1007/3-540-65193-4_29
Полный текст CrossRef | Google Scholar
Другман Т., Урбен Дж., Баувенс Н. , Чессини Р., Вальдеррама К., Лебек П. и др. (2013). Объективное исследование релевантности датчика для автоматического обнаружения кашля. IEEE J. Биомед. Информация о здоровье 17 (3), 699–707. doi:10.1109/jbhi.2013.2239303
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Дубнов Т. (2020). Анализ сигналов и классификация аудиозаписей от лиц с диагнозом COVID-19 . Калифорнийский университет в Сан-Диего.
Google Scholar
Данлоп, Д. Д., и Базили, В. Р. (1985). Обобщающие спецификации для равномерно реализованных циклов. ACM Trans. Программа. Ланг. Сист. 7 (1), 137–158. дои: 10.1145/2363.2708
Полнотекстовая перекрестная ссылка | Google Scholar
Equi, AC (2001). Использование мазков от кашля в клинике муковисцидоза. Архив Дисс. Ребенок. 85 (5), 438–439. doi:10.1136/adc.85.5.438
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Феррари С., Сильва М. , Гуарино М. и Беркманс Д. (2008). Анализ звуков кашля для диагностики респираторных инфекций в условиях интенсивного свиноводства. Пер. ASABE 51 (3), 1051–1055. дои: 10.13031/2013.24524
Полнотекстовая перекрестная ссылка | Google Scholar
Фуджимура, М. (2003). Сравнение атопического кашля с кашлевой астмой: является ли атопический кашель предшественником астмы? Грудная клетка 58 (1), 14–18. doi:10.1136/thorax.58.1.14
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Гейгер Д. и Мик К. (2005). «Процедуры структурированного вариационного вывода и их реализации (как Incol)», в материалах Десятого международного семинара по искусственному интеллекту и статистике, Барбадос (Общество искусственного интеллекта и статистики).
Google Scholar
Герндт, М. (1989). Автоматическое распараллеливание для многопроцессорных систем с распределенной памятью . Бонн, Германия: Боннский университет. Кандидатская диссертация.
Google Scholar
Гибсон, П. (2016). Исправление к ссылке в: Лечение необъяснимого хронического кашля: руководство CHEST и отчет группы экспертов. Сундук 149 (5), 1353.
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Goldsmith, WT (2003). Метод и устройство для анализа звука кашля. Дж. Акуст. соц. Являюсь. 113 (3), 1203. doi:10.1121/1.1566365
CrossRef Full Text | Google Scholar
Гуссенс М., Ратц С.П., Мур Р. и Сутор Р.С. (1999). Latex Web Companion: интеграция TEX, HTML и XML . 1-е издание. Бостон, Массачусетс, США: Addison-Wesley Longman Publishing Co., Inc.
Google Scholar
Guarino, M. (2005). Анализ кашля и классификация по маркировке звука при респираторных заболеваниях свиней . ИСКА, 77–80.
Google Scholar
Хагеруп Т., Мелхорн К. и Манро Дж. И. (1993). «Оптимальное поддержание дискретных распределений вероятностей», в материалах 20-го Международного коллоквиума по автоматам, языкам и программированию, том 700 лекций по информатике (Берлин: Springer-Verlag), 253–264. doi:10.1007/3-540-56939-1_77
Полный текст CrossRef | Google Scholar
Харел, Д. (1979). Динамическая логика первого порядка, том 68 лекций по информатике . Нью-Йорк, штат Нью-Йорк: Springer-Verlag. doi:10.1007/3-540-09237-4
Полный текст CrossRef | Google Scholar
Харел, Д. (1978). Логика программ: аксиоматика и описательная сила . Кембридж, Массачусетс: Технический отчет исследовательской лаборатории Массачусетского технологического института TR-200, Массачусетский технологический институт.
Google Scholar
Harle, A., Molassiotis, A., Buffin, O., Burnham, J., Smith, J., Yorke, J., et al. (2020). Поперечное исследование для определения распространенности кашля и его влияния на пациентов с раком легких: неудовлетворенная потребность пациента. BMC Cancer 20 (1), 9. doi:10.1186/s12885-019-6451-1
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Harle, A. s. м. (2006). Кашель у больных раком легкого. Рак легких 83 (1), 32–39.
Google Scholar
Харшарани, П. (2021). Диагностика искусственного интеллекта Covid-19 с использованием только записей кашля . IEEE.
Google Scholar
Хиринг Дж. и Клинт П. (1985). На пути к одноязычным средам программирования. АКМ Пер. Программа. Ланг. Сист. 7 (2), 183–213. doi:10.1145/3318.3321
Полный текст CrossRef | Google Scholar
Херлихи, М. (1993). Методология реализации высококонкурентных объектов данных. ACM Trans. Программа. Ланг. Сист. 15 (5), 745–770. doi:10.1145/161468.161469
CrossRef Полный текст | Google Scholar
Хилтон Э., Марсден П., Терстон А., Кеннеди С., Декалмер С. и Смит Дж. А. (2015). Клинические особенности позывов к кашлю у больных с хроническим кашлем. Дыхание. Мед. 109 (6), 701–707. doi:10.1016/j.rmed.2015.03.011
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Хоар, Калифорния (1972). «Глава II: Примечания по структурированию данных», в «Структурированное программирование» (Incoll) . Редакторы О. Дж. Даль, Э. В. Дейкстра и К. А. Р. Хоар (Лондон, Великобритания, Великобритания: Academic Press), 83–174.
Google Scholar
Холлис, Б.С. (1999). Visual Basic 6: проектирование, спецификация и объекты с прочим . 1-е издание. Река Аппер-Сэдл, Нью-Джерси, США: Prentice Hall PTR.
Google Scholar
Хермандер, Л. (1985). «Анализ линейных дифференциальных операторов с частными производными», в IV, том 275 Grundlehren der Mathematischen Wissenschaften [Основные принципы математических наук] (Берлин, Германия: Springer-Verlag). Интегральные операторы Фурье.
Google Scholar
Хермандер, Л. (1985). «Анализ линейных дифференциальных операторов с частными производными», в III, том 275 Grundlehren der Mathematischen Wissenschaften [Основные принципы математических наук] (Берлин, Германия: Springer-Verlag). Псевдодифференциальные операторы. (2018) . Эффективная реализация K-NN для обнаружения событий кашля в реальном времени на смартфонах. IEEE J. Biomed. Информация о здоровье 22 (5), 1662–1671. doi:10.1109/jbhi.2017.2768162
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Хсу, Дж. Ю., Стоун, Р. А., Логан-Синклер, Р. Б., Уорсделл, М., Буст, К. М., и Чанг, К. Ф. (1994). Частота кашля у пациентов с постоянным кашлем: оценка с использованием 24-часового амбулаторного регистратора. евро. Дыхание J. 7 (7), 1246–1253. doi:10.1183/0
36.94.07071246
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Ян (2007). Название первой книги, том 9 названия первой серии . 1-й. версия. Чикаго: Издательство Чикагского университета. doi:10.1007/3-540-09237-4
Полный текст CrossRef | Google Scholar
IEEE (2004). «Исполнительный комитет IEEE Tcsc», в материалах Международной конференции IEEE по веб-сервисам, ICWS ’04 (Вашингтон, округ Колумбия, США: IEEE Computer Society), 21–22. Дои: 10.1109/ICWS.2004.64
CrossRef Полный текст | Google Scholar
Инг А.Дж., Нгу М.К. и Бреслин А.Б. (1991). Хронический персистирующий кашель и гастроэзофагеальный рефлюкс. Грудная клетка 46 (7), 479–483. doi:10.1136/thx.46.7.479
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Икбал, М. З., и Икбал Фаиз, М. Ф. (2020). «Активное наблюдение за Covid-19 с помощью искусственного интеллекта с использованием мобильного приложения для распознавания речи в реальном времени», Международная конференция IEEE по потребительской электронике, Тайвань, 2020 г. (ICCE-Тайвань) (IEEE), 1–2. Дои: 10.1109/icce-taiwan49838.2020.
76
CrossRef Полный текст | Google Scholar
Ирвин, Р. С., и Керли, Ф. Дж. (1991). Лечение кашля. Сундук 99 (6), 1477–1484. doi:10.1378/chest.99.6.1477
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Джейкоб, К. (1994). Сопоставление списков мощности с гиперкубами. Магистерская диссертация . Техасский университет в Остине. (В подготовке).
Google Scholar
Джозеф Ученый (2008). Фонтан молодости . Патент № 12345.
Google Scholar
Jyothi, NM (2021). Интеллектуальная модель для оценки кашля у пациентов, инфицированных COVID-19, на основе звука для прогнозирования их клинической критичности с использованием алгоритма XGB. Междунар. Дж. Эмерг. Тенденции англ. Рез. 9 (1), 1–5.
Google Scholar
Какабутр, П. (2017). «Классификация звуков собачьего кашля с использованием искусственной нейронной сети и выбранных соответствующих функций дискретного вейвлет-преобразования», в 2017 г. 9Международная конференция по знаниям и интеллектуальным технологиям (KST) (IEEE), 121–125. doi:10.1109/kst.2017.7886118
CrossRef Full Text | Google Scholar
Канг С.-Ю., Вон Х.-К., Ли С.М., Квон Дж.-В., Ким М.-Х., Джо Э.-Дж. и др. . (2019). Влияние кашля и неудовлетворенных потребностей при хроническом кашле: опрос пациентов в Корее. Легкие 197 (5), 635–639. doi:10.1007/s00408-019-00258-9
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Кеннет Л. (1985). Кларксон. Алгоритмы для задач с ближайшими точками (вычислительная геометрия) . Пало-Альто, Калифорния: Стэнфордский университет. Номер заказа кандидатской диссертацииUMI: AAT 8506171.
Google Scholar
Ханзада А., Хегде С., Шрирам С., Бауэр Г., Ван В., Медиратта Р. П. и др. (2021). Проблемы и возможности в развертывании систем искусственного интеллекта от кашля Covid-19 . Журнал Голоса.
Google Scholar
Хомсай, С. (2019). «Обнаружение кашля с использованием PCA и глубокого обучения», 2019 г.Международная конференция по конвергенции информационных и коммуникационных технологий (ICTC) (IEEE). doi:10.1109/ictc46691.2019.8939769
CrossRef Full Text | Google Scholar
Киршмер М. и Войт Дж. (2010). Алгоритмическое перечисление идеальных классов для порядков кватернионов. СИАМ Дж. Вычисл. 39 (5), 1714–1747. doi:10.1137/080734467
Полный текст CrossRef | Google Scholar
Кнут, Д.Э. (1981). Получисловые алгоритмы, том 2 книги «Искусство программирования» . 2-е издание. Чтение, Массачусетс: Аддисон-Уэсли.
Google Scholar
Кнут, Д.Э. (1997). Искусство компьютерного программирования, Vol. 1: Фундаментальные алгоритмы . 3-й. изд. Addison Wesley Longman Publishing Co., Inc.
Google Scholar
Knuth, DE (1984). T _E Xbook . Чтение, Массачусетс. Эддисон-Уэсли.
Google Scholar
Kong, WC. (2002). «Глава 9», в Электронная коммерция и культурные ценности (Incoll-W-Text (Глава 9) «название») . Редактор Т. Танасанкит (Херши, Пенсильвания, США: IGI Publishing), 51–74.
Google Scholar
Kong, WC. (2004). Электронная коммерция и культурные ценности — (InBook-Num-In-Chap), глава 9 . Херши, Пенсильвания, США: IGI Publishing, 51–74. Доступно по адресу: http://portal.acm.org/citation.cfm?id=887006.887010.
Google Scholar
Kong, WC. (2006). Электронная коммерция и культурные ценности (глава Inbook-Num), глава (в поле типа) 22 . Херши, Пенсильвания, США: IGI Publishing, 51–74.
Google Scholar
Kong, WC. (2005). Электронная коммерция и культурные ценности (Inbook-Text-In-Chap), Глава: Внедрение электронной коммерции в МСП в Сингапуре . Херши, Пенсильвания, США: IGI Publishing, 51–74.
Google Scholar
Kong, WC. (2001). Электронная коммерция и культурные ценности, название главы: Внедрение электронной коммерции в МСП в Сингапуре (Inbook-w-chap-w-type) . Херши, Пенсильвания, США: IGI Publishing, 51–74.
Google Scholar
Kong, WC. (2001). «Внедрение электронной коммерции в малых и средних предприятиях в Сингапуре (As Incoll)», в Электронная коммерция и культурные ценности (Херши, Пенсильвания, США: IGI Publishing), 51–74.
Google Scholar
Kong, W.-C. (2003). «Внедрение электронной коммерции в МСП в Сингапуре», в Электронная коммерция и культурные ценности . Редактор Т. Танасанкит (Херши, Пенсильвания, США: IGI Publishing), 51–74. doi:10.4018/978-1-59140-056-1.ch003
Полнотекстовая перекрестная ссылка | Google Scholar
Корах Э., Ротем Д. и Санторо Н. (1984). Распределенные алгоритмы поиска центров и медиан в сетях. ACM Trans. Программа. Ланг. Сист. 6 (3), 380–401. doi:10.1145/579.585
Полный текст CrossRef | Google Scholar
Косюр Д. (2001). Понимание работы в сети на основе политик . 2-й. версия. Нью-Йорк, штат Нью-Йорк: Уайли.
Google Scholar
Кранти Кумар, Л., и Альфонс, П.Дж.А. (2021). Автоматическая диагностика заболевания Covid-19 с использованием глубокой сверточной нейронной сети с многофункциональным каналом на основе звуковых данных дыхания: кашель, голос и дыхание . Александрийский инженерный журнал.
Google Scholar
Лагуарта Дж., Уэто Ф. и Субирана Б. (2020). Диагностика искусственного интеллекта COVID-19 с использованием только записей кашля. IEEE Open J. Eng. Мед. биол. 1, 275–281. doi:10.1109/ojemb.2020.3026928
PubMed Abstract | Полный текст перекрестной ссылки | Академия Google
Лэмпорт, Л. (1986). LAT _E X: Система подготовки документов . Чтение, Массачусетс. Эддисон-Уэсли.
Google Scholar
Ларсон, Э. К. (2011). «Точное и конфиденциальное определение кашля с использованием недорогого микрофона», в материалах 13-й Международной конференции по вездесущим вычислениям (IEEE), 375–384. doi:10.1145/2030112.2030163
Полный текст CrossRef | Google Scholar
Ларсон С., Комина Г., Гилман Р. Х., Трейси Б. Х., Бравард М. и Лопес Дж. В. (2012). Валидация автоматизированного алгоритма обнаружения кашля для отслеживания выздоровления больных туберкулезом легких. PLoS ONE 7 (10), e46229. doi:10.1371/journal.pone.0046229
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Леконт С., Лиистро Г., Лебек П. и Дегриз Ж.-М. (2011). Объективная оценка частоты кашля: точность прибора LR102. Кашель 7 (1), 11. doi:10.1186/1745-9974-7-11
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Ли, Дж. (1978). «Расшифровка сеанса вопросов и ответов», в History of Programming Languages I (Incoll) . Редактор RL Wexelblat (Нью-Йорк, штат Нью-Йорк, США: ACM), 68–71. doi:10.1145/800025.1198348
CrossRef Полный текст | Google Scholar
Лелла К.К. и Пья А. (2021). Автоматическая диагностика заболевания COVID-19 с использованием одномерной сверточной нейронной сети и дополнения звуком дыхания человека на основе параметров: кашель, дыхание и голос. AIMS Public Health 8 (2), 240–264. doi:10.3934/publichealth.2021019
PubMed Abstract | Полный текст перекрестной ссылки | Академия Google
Ли, К. -Л., Буюктур, А.Г., Хатчфул, Д.К., Сант, Н.Б., и Наинвал, С.К. (2008). «Portalis», в CHI ’08 Extended Abstracts on Human Factors in Computing Systems (Нью-Йорк, штат Нью-Йорк, США: ACM), 3873–3878. doi:10.1145/1358628.1358946
Полный текст CrossRef | Google Scholar
Малеки М. (2021). Диагностика пациентов с COVID-19 и без COVID-19 путем классификации только одного звука кашля . Cornell University.
Google Scholar
Маншоури, Н. (2021). Идентификация COVID-19 с помощью спектрального анализа записей кашля: отличительное классификационное исследование . Караденизский технический университет.
Google Scholar
Маккракен, Д. Д., и Голден, Д. Г. (1990). Упрощенный структурированный язык COBOL с Microsoft/MicroFocus COBOL . Нью-Йорк, штат Нью-Йорк, США: John Wiley & Sons.
Google Scholar
Макговерн А. Э., Шорт К. Р., Кайве Мо А. А. и Маццоне С. Б. (2018). Трансляционный обзор: нейроиммунные механизмы при кашле и новые терапевтические мишени. J. Аллергическая клиника. Иммунол. 142 (5), 1392–1402. doi:10.1016/j.jaci.2018.09.004
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Мейстер Дж. А., Нгуен К. А. и Луо З. (2021). Рейтинг аудиофункций для выявления пациентов с Covid-19 на основе звука . Препринт arXiv arXiv: 2104.07128.
Google Scholar
Мохаммед Э. А., Кейхани М., Санати-Нежад А., Хиджази С. Х. и ФарФар Б. Х. (2021). Ансамбльный подход к обучению для предварительного скрининга цифрового вируса короны по звукам кашля. Науч. 11 (1), 15404–15411. doi:10.1038/s41598-021-95042-2
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Монхе-Альварес, Дж., Ойос-Барсело, К., Сан-Хосе-Ревуэльта, Л.М., и Касасека-де-ла-Игера, П. (2019). Система машинного слуха для надежного обнаружения кашля, основанная на высокоуровневом представлении характерных для диапазона звуковых характеристик. IEEE Trans. Биомед. англ. 66 (8), 2319–2330. doi:10.1109/TBME.2018.2888998
PubMed Abstract | Полный текст перекрестной ссылки | Академия Google
Монж-Альварес, Дж., Ойос-Барсело, К., Лессо, П., и Касасека-де-ла-Игера, П. (2019). Надежное обнаружение аудиособытий кашля с использованием локальных моментов Ху. IEEE J. Biomed. Информация о здоровье 23 (1), 184–196. doi:10.1109/jbhi.2018.2800741
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Морадшахи, П. (2013). «Распознавание звука кашля в шумной среде с использованием массива микрофонов», Международная конференция IEEE по приборостроению и измерительным технологиям (IEEE), 2013 г. Дои: 10.1109/i2mtc.2013.6555454
Полный текст CrossRef | Google Scholar
Морис, Массачусетс (2002). Эпидемиология кашля. Пульм. Фармакол. тер. 15 (3), 253–259. doi:10.1006/pupt.2002.0352
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Мошоу, Д. (2001). Система нейронного распознавания свиного кашля. Матем. вычисл. Симул. 56 (4-5), 475–487. doi:10.1016/s0378-4754(01)00316-0
Полный текст CrossRef | Google Scholar
Муавад П., Дубнов Т. и Дубнов С. (2021). Надежное обнаружение COVID-19в Звуки кашля. Нац. Общественное здравоохранение. Собирать. 21, 34. doi:10.1007/s42979-020-00422-6
CrossRef Full Text | Google Scholar
С. Маллендер (редактор) (1993). Распределенные системы . 2-е изд. (Нью-Йорк, штат Нью-Йорк, США: ACM Press/Addison-Wesley Publishing Co.).
Google Scholar
Мамфорд, Э. (1987). «Управленческие экспертные системы и организационные изменения: некоторые критические вопросы исследования», в критических вопросах исследования информационных систем (Incoll) (Нью-Йорк, штат Нью-Йорк, США: John Wiley & Sons), 135–155.
Google Scholar
Мурата А., Танигути Ю., Хашимото Ю., Канеко Ю., Такасаки Ю. и Кудо С. (1998). Различение продуктивного и непродуктивного кашля с помощью звукового анализа. Интерн. Мед. 37 (9), 732–735. doi:10.2169/internalmedicine.37.732
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Натараджан А., Мотани М., де Сильва Б., Яп К. и Чуа К. С. (2007). «Исследование сетевых архитектур для сетей датчиков тела», в Сетевые архитектуры . Редакторы Г. Уиткомб и П. Нис (Дейтон, Огайо: Keleuven Press), 322–328. doi:10.1145/1248054.1248061
CrossRef Полный текст | Google Scholar
Ньютон Л. и Киндер Б. (2005). Интервью с Биллом Киндером. Вычисл. Развлекать. 3 (1), 4. doi:10.1145/1057270.1057278
CrossRef Full Text | Google Scholar
Нильсон Ф. (1985). Преобразования программы в денотативной обстановке. ACM Trans. Программа. Ланг. Сист. 7 (3), 359–379. doi:10.1145/3916.3917
Полный текст CrossRef | Google Scholar
Новак Д. (2003). «Припой», в ACM SIGGRAPH 2003 Видеообзор программы анимационного театра: Часть I — Том. 145 (Нью-Йорк, штат Нью-Йорк: ACM Press), 4. doi:10.1145/1006091.1006096
CrossRef Полный текст | Google Scholar
Обама Б. (2008 г.). Более совершенный союз . Видео.
Google Scholar
Орландик, Л. (2020). Краудсорсинговый набор данных COUGHVID: корпус для изучения алгоритмов крупномасштабного анализа кашля . Лаборатория встроенных систем.
Google Scholar
Пахар, М. (2020). Классификация кашля COVID-19 с использованием машинного обучения и глобальных записей смартфонов . Cornell University.
Google Scholar
Пал А. и Санкарасуббу М. (2020). Обратите внимание на кашель: ранняя диагностика COVID-19 с использованием встраивания интерпретируемых симптомов с обработкой звукового сигнала кашля . Исследование искусственного интеллекта Саамы.
Google Scholar
Паломбини Б.С., Вилланова С.А.С., Араужо Э., Гастал О.Л., Альт Д.К., Штольц Д.П. и др. (1999). Патогенная триада при хроническом кашле. Сундук 116 (2), 279–284. doi:10.1378/chest.116.2.279
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Паркер Д., Пиконе Дж., Харати А., Лу С., Дженкинс М. Х. и Полгрин П. М. (2013). Выявление пароксизмального кашля у больных коклюшем с использованием технологии распознавания голоса. PloS one 8 (12), e82971. doi:10.1371/journal.pone.0082971
PubMed Abstract | Полный текст перекрестной ссылки | Академия Google
Патрисия, С. (2007). Абрил и Роберт Плант. Дилемма патентообладателя: купить, продать или троллить? Комм. АСМ 50 (1), 36–44. doi:10.1145/1188913.1188915
Полный текст CrossRef | Google Scholar
Паворд И. (2008). Распространенность, патогенез и причины хронического кашля. Ланцет 371 (9621), 1364–1374. doi:10.1016/s0140-6736(08)60596-6
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Петри, Си Джей (1986). Новые алгоритмы поиска с возвратом на основе зависимостей . Остин, Техас, США: Технический отчет. дипломная работа.
Google Scholar
Пинкас Г., Карни Ю., Малахи А., Баркай Г., Бачар Г. и Ааронсон В. (2020). Обнаружение SARS-CoV-2 по голосу. IEEE Open J. Eng. Мед. биол. 1, 268–274. doi:10.1109/ojemb.2020.3026468
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Poker-Edge.Com (2006). Статистика и анализ. Доступно по адресу: http://www.poker-edge.com/stats.php.
Google Scholar
Прамоно, Р. Х., Имтиаз, С. А., и Родригес-Вильегас, Э. (2016). Основанный на кашле алгоритм автоматической диагностики коклюша. PLoS ONE 11 (9), e0162128. doi:10.1371/journal.pone.0162128
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
R Core Team (2019). R: язык и среда для статистических вычислений. Доступно по адресу: https://www.R-project.org/.
Google Scholar
Рамеш, Г. (2021). COVID или просто кашель? ИИ для обнаружения COVID-19из Звуки кашля . KDnuggets.
Google Scholar
Реддинг Г. Дж. и Картер Э. Р. (2017). Хронические нагноительные заболевания легких у детей: определение и спектр заболеваний. Фронт. Педиатр. 5, 30. doi:10.3389/fped.2017.00030
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Рейд, Б.К. (1980). «Высокоуровневый подход к форматированию компьютерных документов», в материалах 7-го ежегодного симпозиума по принципам языков программирования (Нью-Йорк: ACM), 24–31. дои: 10.1145/567446.567449
Полнотекстовая перекрестная ссылка | Google Scholar
Роша, Б. (2020). «Персонализированное обнаружение приступов резкого кашля у пациентов с легочными заболеваниями», 20-я Средиземноморская электротехническая конференция IEEE (MELECON) (IEEE), 2020 г.
Полнотекстовая перекрестная ссылка | Google Scholar
Роча, Б. М. (2017). «Обнаружение эпизодов резкого кашля в аудиозаписях с помощью анализа внутреннего звука», 39-я ежегодная международная конференция IEEE Engineering in Medicine and Biology Society (EMBC) (IEEE), 1–5, 2017 г. Дои: 10.1109/embc.2017.8037429
CrossRef Полный текст | Google Scholar
Роус, Б. (2008). Включение цифровых библиотек. цифра. Либр. 12 (3).
Google Scholar
Райан Н.М.М., Вертиган А.Е., Боун С. и Гибсон П.Г. (2010). Чувствительность кашлевого рефлекса улучшается при лечении рефрактерного хронического кашля при патологии речи. Кашель 6 (1), 5. doi:10.1186/1745-9974-6-5
PubMed Abstract | Полный текст перекрестной ссылки | Академия Google
Садик Ф., Масуд К., Азим М. и Хан А. Р. (2021). Скрининг Covid-19 с использованием звуковых частот кашля. Междунар. J. 10 (3).
Google Scholar
Саиди М., Замани М.С., Седиги М. и Сасанян З. (2010). Синтез обратимой цепи с использованием циклического подхода. J. Emerg. Технол. вычисл. Сист. 6 (4). doi:10.1145/1877745.1877747
CrossRef Полный текст | Google Scholar
Саиди М., Седиги М. и Сахеб Замани М. (2010). Методология синтеза на основе библиотек для обратимой логики. Микроэлектрон. J. 41 (4), 185–194. doi:10.1016/j.mejo.2010.02.002
Полный текст CrossRef | Google Scholar
Салас С.Л. и Хилле Э. (1978). Исчисление: одна и несколько переменных . Нью-Йорк: Джон Уайли и сыновья.
Google Scholar
Салми Т., Совиярви А. Р. А., Брандер П. и Пиирила П. (1988). Длительная запись и автоматический анализ кашля с использованием отфильтрованных акустических сигналов и движений на чувствительной к статическому заряду кровати. Сундук 94 (5), 970–975. doi:10.1378/chest.94.5.970
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Шуллер, Б. (2020). COVID-19 и компьютерное прослушивание: обзор того, какой вклад может внести анализ звука речи в коронавирусный кризис SARS-CoV-2 . Cornell University.
Google Scholar
Seshadri, D. R., Davies, E. V., Harlow, E. R., Hsu, J. J., Knighton, S. C., Walker, T. A., et al. (2020). Носимые датчики для Covid-19: призыв к действию, чтобы использовать нашу цифровую инфраструктуру для удаленного мониторинга пациентов и виртуальных оценок. Фронт. цифра. Health 2 (8), 8. doi:10.3389/fdgth.2020.00008
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Шаран, Р. В., Абейратне, У. Р., Сварнкар, В. Р., и Портер, П. (2019). Автоматическая диагностика крупа с помощью распознавания звука кашля. IEEE Trans. Биомед. англ. 66 (2), 485–495. doi:10.1109/tbme.2018.2849502
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Шарма, А., Балди, А., и Кумар Шарма, Д. (2021). Как обнаружить Covid-19Пациенты: анализ речи и звука для предварительной диагностики пациентов с коронавирусом Sars-Cov-2. Междунар. Дж. Клин. Практика. 75 (6), е14134. doi:10.1111/ijcp.14134
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Шарма А., Балди А. и Кумар Шарма Д. (2020). Как распознать пациентов с Covid-19: звуковой анализ речи для предварительной диагностики пациентов с коронавирусом SARS-COV-2 . Фармацевтический колледж ISF.
Google Scholar
Шарма Н., Балди А. и Кумар Шарма Д. (2020). Coswara — база данных звуков дыхания, кашля и голоса при COVID-19Диагностика. Корнельский ун-т. 1, 275–281.
Google Scholar
Ши Ю., Лю Х., Ван Ю., Цай М. и Сюй В. (2018). Теория и применение звуковой оценки кашля. Дж. Сенсоры 2018, 1–10. doi:10.1155/2018/9845321
Полный текст CrossRef | Google Scholar
Шин С.-Х., Хашимото Т. и Хатано С. (2009). Автоматическая система обнаружения звуков кашля как симптома ненормального состояния здоровья. IEEE Trans. Инф. Технол. Биомед. 13 (4), 486–493. doi:10.1109/titb.2008.1
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Шуджа, Дж. (2010). Наборы данных из открытых источников о COVID-19: всесторонний обзор. Эксперт Respir. Respir. Мед. 4 (5).
Google Scholar
SIGCOMM Comput (1984). Обзор компьютерной связи Acm Sigcomm. Комм. Ред. 13-14 (5-1).
Google Scholar
Саймон Фир (2005). Таблицы качества публикации в LATEX. Доступно по адресу: http://www.ctan.org/pkg/booktabs.
Google Scholar
Smith, JA, Earis, JE, and Woodcock, A.A. (2006). Установление золотого стандарта для ручного подсчета кашля: видео в сравнении с цифровыми аудиозаписями. Кашель 2 (6), 6. doi:10.1186/1745-9974-2-6
PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar
Smith, SW (2010). «Эксперимент в библиографической разметке: анализ метаданных для экспорта в Xml», в материалах 3-го. Ежегодный семинар для библиотекарей и компьютеров, том 3 LAC ’10. Редакторы Р. Н. Смайт и А. Ноубл (Милан, Италия: Paparazzi Press), 422–431.
Google Scholar
Spector, AZ (1990). «Выполнение требований к приложениям», в Distributed Systems . Редактор С. Маллендер. 2-й. издание (Нью-Йорк, Нью-Йорк: ACM Press), 19–33. doi:10.1145/
.
CrossRef Полный текст | Google Scholar
Spycher, B. D., Silverman, M., Brooke, A.M., Minder, C.E., and Kuehni, C.E. (2008). Различение фенотипов хрипов и кашля у детей с использованием анализа латентных классов. евро. Дыхание Дж. 31 (5), 974–981. doi:10.1183/0

36.00153507

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Стасак Б., Хуанг З., Разави С., Иоахим Д. и Эппс Дж. (2021). Автоматическое обнаружение COVID-19 на основе кратковременного акустического анализа речи смартфона. J. Healthc. Инф. Рез. 5 (2), 201–217. doi:10.1007/s41666-020-00090-4

CrossRef Full Text | Google Scholar

Субирана, Б. (2020). Привет, Сигма, есть ли у меня коронавирус? Призыв к новому подходу искусственного интеллекта для поддержки медицинских работников, занимающихся COVID-19Пандемия . Cornell University.

Google Scholar

Сварнкар В., Абейратне У. Р., Чанг А. Б., Амруллох Ю. А., Сетьяти А. и Триасих Р. (2013). Автоматическая идентификация влажного и сухого кашля у детей с респираторными заболеваниями. Энн. Биомед. англ. 41 (5), 1016–1028. doi:10.1007/s10439-013-0741-6

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Торнбург, Х. (2001). Введение в байесовскую статистику. Доступно по адресу: http://ccrma.stanford.edu/∼jos/bayes/bayes.html.

Google Scholar

Тонг X., Спатис Д., Грамменос А., Хан Дж., Хастханасомбат А., Бондарева Э. и др. (2021). Звуки Covid-19: крупномасштабный набор аудиоданных для цифрового обнаружения Covid-19 . Открыть обзор.

Google Scholar

TUG (2017). Институциональные члены группы пользователей TEX. Доступно по адресу: http://wwtug.org/instmem.html.

Google Scholar

Цамалукас, А., и Гарсия-Луна-Асевес, Дж. Дж. (2000). Множественный доступ со скачкообразной перестройкой каналов . Беркли, Калифорния: Технический отчет I-CA2301, факультет компьютерных наук, Калифорнийский университет.

Google Scholar

Использование пакета amsthm (2015 г. ). Американское математическое общество. Доступно по адресу: http://www.ctan.org/pkg/amsthm.

Google Scholar

Усман М. (2020). О возможности использования речи для обнаружения симптомов COVID-19: обзор и проверка концепции . Биомедицинская обработка речевого сигнала.

Академия Google

Ван Ганди, М., Бальзаротти, Д., и Винья, Г. (2007). «Поймай меня, если сможешь: обход сетевых подписей с помощью веб-полиморфных червей», материалы первого семинара USENIX по наступательным технологиям, WOOT ’07 (Беркли, Калифорния: Ассоциация USENIX).

Google Scholar

Вейтсман Б. (2022). Acmart — Класс для набора публикаций ACM. Доступно по адресу: http://www.ctan.org/pkg/acmart.

Google Scholar

Виджаякумар С. и Снеха М. (2020). Низкая стоимость COVID-19Предварительная диагностика с использованием образцов кашля и высокоинтеллектуальных подходов к глубокому обучению. Александрия инж. J. 60 (1), 549–557.

Google Scholar

Визель Э. , Игла М., Горячев Ю., Декель Э., Фелис В., Леви Х. и др. (2010). Валидация приложения для обнаружения и подсчета амбулаторного кашля с использованием произвольного кашля в различных условиях. Кашель 6 (1), 3. doi:10.1186/1745-9974-6-3

PubMed Abstract | Полный текст перекрестной ссылки | Академия Google

Ви-Янг, П., и Боуши, Х.А. (2008). «Кашель при инфекциях нижних дыхательных путей», в Кашель: причины, механизмы и терапия (John Wiley & Sons), 81–96.

Google Scholar

Wenzel, EM (1992). «Трехмерные виртуальные акустические дисплеи», в Multimedia Interface Design (Incoll) (Нью-Йорк, штат Нью-Йорк, США: ACM), 257–288. doi:10.1145/146022.146089

Полнотекстовая перекрестная ссылка | Google Scholar

Вернек Р., Сетубал Дж. и да Консейкао А. (2000). Поиск остовных деревьев с минимальной перегрузкой. ACM J. Exp. Алгоритмика 5 (11), 11. doi:10.1145/351827.384253

CrossRef Полный текст | Google Scholar

Виндмон А. , Минакши М., Бхарти П., Челлаппан С., Йоханссон М., Дженкинс Б. А. и др. (2019). TussisWatch: система для смартфонов для определения эпизодов кашля как ранних симптомов хронической обструктивной болезни легких и застойной сердечной недостаточности. IEEE J. Biomed. Информация о здоровье 23 (4), 1566–1573. doi:10.1109/JBHI.2018.2872038

PubMed Abstract | Полный текст перекрестной ссылки | Академия Google

Сюй, В., Чен, Р., и Чен, X. (2020). Обзор обработки голоса расстройства в отношении приложений. J. Phys. конф. сер. 1624 (3), 032012. doi:10.1088/1742-6596/1624/3/032012

CrossRef Полный текст | Google Scholar

Чжоу Г., Лу Дж., Ван С.-Ю., Ярвис М. Д. и Станкович Дж. А. (2008). Сети датчиков тела . Кембридж, Массачусетс: MIT Press.

Google Scholar

Zhou, G., Wu, Y., Yan, T., He, T., Huang, C., Stankovic, J. A., et al. (2010). Многочастотный Mac, специально разработанный для приложений беспроводной сенсорной сети. АКМ Пер. Встроить. вычисл. Сист. 9 (4), 1–41. doi:10.1145/1721695.1721705

Полный текст CrossRef | Google Scholar

Zhuang, X., Zhou, X., Hasegawa-Johnson, M.A., and Huang, T.S. (2010). Обнаружение акустических событий в реальном мире. Распознавание образов. лат. 31 (12), 1543–1551. doi:10.1016/j.patrec.2010.02.005

Полный текст CrossRef | Google Scholar

Описание звуков кашля медицинскими работниками

Список журналов
Кашель
т.2; 2006 г.
PMC1413549

Кашель. 2006 г.; 2: 1.

Опубликовано в Интернете 25 января 2006 г. doi: 10.1186/1745-9974-2-1

, ¹ , ² , ² , ¹ и ²

Информация об авторе Примечания к статье Информация об авторских правах и лицензиях Отказ от ответственности

Дополнительные материалы

Исходная информация

Мало что известно о языке, который используют медицинские работники для описания звуков кашля. Мы стремились изучить, как они описывают звуки кашля, и оценить, предполагают ли эти описания, что они оценивают основные звуковые качества (оцененные с помощью акустического анализа) и основной диагноз кашля пациента.

Методы

Было набрано 53 медицинских работника из двух крупных специализированных центров респираторной помощи; 22 врача и 31 сотрудник смежных с медициной профессий. Участники прослушали 9 последовательностей спонтанных звуков кашля при распространенных респираторных заболеваниях. Для каждого кашля они выбрали пол пациента, наиболее подходящие описания и диагноз. Был проведен кластерный анализ, чтобы определить, какие звуки кашля имеют сходные описания.

Результаты

Пол был правильно определен в 93% случаев. Наличие или отсутствие слизи было правильным в 76,1% и хрипов в 39,3% случаев. Однако идентификация клинического диагноза по кашлю была плохой и составила 34,0%. Кластерный анализ показал, что кашель с одинаковыми акустическими свойствами, а не с одинаковыми диагнозами, привлекал одинаковые описания.

Заключение

Эти результаты показывают, что медицинские работники могут распознавать некоторые характеристики звуков кашля, но не могут ставить по ним диагнозы. Еще неизвестно, будет ли в будущем акустика звука кашля давать полезную клиническую информацию и приведет ли ее изучение к разработке полезных новых показателей исхода при мониторинге кашля.

Кашель является наиболее частым симптомом, по поводу которого пациенты обращаются за медицинской помощью [1], но в настоящее время при клиническом обследовании взрослых качество звука кашля в значительной степени игнорируется. Как и многие физические симптомы и признаки в клинической медицине, ценность оценки звука кашля неясна. Повторяемость между наблюдателями наличия или отсутствия ряда респираторных физических признаков находится на полпути между случайностью и полным согласием [2]. Тем не менее, медицинские учебники описывают разные типы кашля (например, сухой, влажный, продуктивный, медный, хриплый, хриплый, лающий и т. д.), подразумевая, что эти термины имеют определенную клиническую ценность. Педиатры нередко используют диагностическое значение различных видов кашля [3,4]. Например, коклюш, бронхиолит, круп и кашель, связанный с трахеопищеводным свищом, имеют хорошо известные специфические признаки. Хотя нередко взрослых пациентов просят описать свой кашель во время клинической оценки, одно исследование показало, что собственное описание пациентом характера, качества и времени не помогает в установлении причины [5].

Акустический анализ может быть использован для объективной оценки звуковых свойств дыхательных шумов. Исследования, изучающие формы волн произвольных звуков кашля, «туссифонограммы», предполагают, что они могут иметь диагностическое значение, но обширная проверка не проводилась [6]. Исследование акустических свойств звуков спонтанного кашля показало некоторые существенные различия между кашлем при разных заболеваниях [7]. Исследование волновых форм и спектрограмм (частотный состав) может выявить особенности кашлевых звуков, связанных со слизью в дыхательных путях [8,9]. ]. и свистящие звуки [7,10]. Способность медицинских работников оценить эти основные характеристики неизвестна. Если такие качественные различия могут быть надежно распознаны тренированным ухом, качество кашля может быть полезным при клиническом обследовании.

В настоящее время мало что известно о том, как люди, работающие в области респираторной медицины для взрослых, используют многочисленные доступные описания кашля. В этом исследовании мы использовали звуки спонтанного кашля из ночных записей кашля у пациентов с обычными респираторными заболеваниями. Мы исследовали, как врачи и другие медицинские работники предпочитают описывать звуки кашля, оценивают ли они основные звуковые характеристики кашля и могут ли они определить диагноз по кашлю. Мы предположили, что использование дескрипторов кашля продемонстрирует способность обнаруживать основные звуковые качества кашля, но они будут плохими для диагностики пациентов.

Субъекты исследования

53 наблюдателя (22 врача-пульмонолога и 31 другой медицинский работник) были набраны в двух больничных учреждениях (Северо-Западный пульмонологический центр, Манчестер, Великобритания и Центр грудной клетки Эйнтри, Ливерпуль, Великобритания). Врачи состояли из консультантов (10) и регистраторов респираторных стажеров (12). Медицинские работники включали клинических физиологов (12), физиотерапевтов (11) и медицинских сестер-респираторов (8).

Дизайн исследования

Девять коротких последовательностей звуков спонтанного кашля (средняя продолжительность 6,7 секунды) были выбраны из цифровых звукозаписей и сохранены на портативном компьютере, подключенном к стереодинамику. Каждая последовательность звуков кашля воспроизводилась 3 раза подряд для групп наблюдателей с использованием одной и той же звуковой системы. Наблюдатели заполнили анкету для каждой последовательности кашля, при этом были даны идентичные инструкции по заполнению анкеты.

Звуки кашля

Звуки кашля были выбраны случайным образом из обширной базы данных звуков спонтанного кашля, записанных в течение ночи у пациентов с легочными заболеваниями. Качество этих звуков кашля было оценено опытными исследователями кашля путем прослушивания звуков кашля, а затем подтверждено звуковым анализом (исследование волновых форм и спектрограмм). При этом диагноз пациентов и клиническая информация не были доступны экспертам. Они были классифицированы как (A) только кашель (B) кашель со слизью, (C) кашель с хрипами или (D) кашель с хрипами и слизью (таблица). Запись производилась с помощью петличного микрофона свободного поля (AOI, ECM-1025, электретный, конденсаторный микрофон) и цифрового записывающего устройства (Creative Labs Ltd, Сингапур) с частотой дискретизации 16 кГц (16 бит). Записи были сделаны у пациентов с хронической обструктивной болезнью легких (ХОБЛ), астмой, идиопатическим легочным фиброзом (ИЛФ), ларингитом и бронхоэктазами. Диагнозы были установлены врачами-пульмонологами в третичном специализированном центре на основании исследований, включающих тесты функции легких, гистаминовую пробу и компьютерную томографию грудной клетки. Звуковые файлы, используемые для этого исследования, доступны как дополнительные файлы 1, 2, 3, 4, 5, 6, 7, 8 и 9.(преобразованный в формат mp3), который можно загрузить и прослушать с помощью медиаплеера, такого как Windows Media Player (Microsoft Corporation).

Таблица 1

Характеристики кашля; см. дополнительные файлы 1-9 для звуковых файлов, используемых в этом исследовании (преобразованных в формат mp3).

№	Пол	Кашель со слизью	Кашель с хрипом	Диагноз		3	1	Female	no	no	Laryngitis	A
2	Male	yes	yes	COPD/Bronchiectasis	D
3	Female	no	yes	COPD	C
4	Male	no	no	IPF	A
5	Female	no	no	IPF	A
6	Female	no	yes	Asthma	C
7	Male	no	yes	Asthma	C
8	Male	yes	no	Bronchiectasis	B
9	Male	yes	yes	ХОБЛ	D

Открыть в отдельном окне Массачусетс, США). Типичные звуки кашля состоят из двух или трех фаз [6,9,10]. Эти фазы чаще всего называют первым звуком кашля, промежуточной фазой и вторым звуком кашля (если он присутствует). Волны кашля были выпрямлены и сглажены для получения огибающей сигнала, по которой можно определить продолжительность фаз кашля, как описано в другом месте [11].

Спектральный анализ выполнен с использованием быстрого преобразования Фурье (БПФ). Хрипы определялись в соответствии с рекомендациями CORSA (компьютерный анализ звуков дыхания), т. е. непрерывный звук с музыкальными характеристиками, периодическими волнами, доминирующей частотой> 100 Гц и продолжительностью> 100 мс [12]. Акустические различия между кашлем со слизью и без нее ранее были описаны только при изучении произвольных звуков кашля [8,9]: в частности, кашель со слизью имеет значительно более длинные вторые фазы, а в звуковом спектре можно увидеть четкие вертикальные линии.

Дизайн и анализ анкеты

Для каждой последовательности кашля субъектов просили определить пол пациента, выбрать соответствующие дескрипторы и поставить диагноз. Для сбора дескрипторов звуков кашля использовались широко используемые и уважаемые респираторные учебники [13-19]. 10 наиболее распространенных дескрипторов были включены в анкету в произвольном порядке (сухой, влажный, продуктивный, медный, бычий, лающий, хриплый, хриплый, хриплый и рыхлый). Испытуемых попросили обвести дескрипторы, соответствующие каждому звуку кашля; допускается выбор более одного дескриптора. Также была предоставлена возможность внести предложения по другим подходящим дескрипторам. Затем испытуемых просили выбрать наиболее вероятный диагноз из списка 8 возможных (астма, ХОБЛ, бронхоэктазы, идиопатический легочный фиброз, паралич голосовых связок, острый ларингит, муковисцидоз и трахеомаляция).

Рассчитаны доли правильных наблюдений пола и диагнозов. Баллы для различных профессиональных групп сравнивались с использованием однофакторного дисперсионного анализа. Оценки также сравнивали с теми, которые ожидались случайно (один выборочный t-критерий). Использование дескрипторов звука кашля исследовалось двумя разными способами.

Во-первых, дескрипторы кашля были сгруппированы в традиционно подразумевающие кашель со слизью (влажный, продуктивный, хрипящий и жидкий), кашель без мокроты (сухой, лающий, хриплый) и кашель с хрипами (хрипящий). Затем выбор дескрипторов кашля можно сравнить с акустическим анализом звуков кашля (таблицы и .) и процентом ответов, правильно идентифицирующих наличие или отсутствие слизи и зарегистрированных хрипов. Если выбранные дескрипторы были противоречивыми, например. сухой и дребезжащий, реакция считалась неправильной. Затем процент правильных ответов сравнивался для разных профессиональных групп (ANOVA).

Таблица 2

Частота использования дескрипторов кашля для каждого звука кашля (максимальная оценка 53 для каждого кашля для каждого дескриптора, если выбрано всеми субъектами).

No.	Dry	Brassy	Rattling	Loose	Productive	Moist	Bovine	Hoarse	Wheezy	Barking
1	50	4	1	0	0	3	0	12	11	5
2	1	2	23	12	31	21	3	6	17	6
3	29	7	9	5	1	10	0	9	24	2
4	41	10	2	1	0	2	3	6	4	6
5	45	3	1	1	0	2	0	12	17	6
6	22	6	4	1	3	1	8	18	26	30
7	26	5	3	8	10	5	7	5	13	11
8	0	0	23	37	47	30	0	2	8	0
9	8	5	23	19	22	11	4	12	27	5
Totals	222	42	89	84	114	85	25	82	147	71

Открыть в отдельном окне

Во-вторых, использование дескрипторов было дополнительно изучено с помощью кластерного анализа (агломеративной иерархической кластеризации), чтобы найти, какие звуки кашля вызывают одинаковые описания[20]. В качестве меры несходства использовали квадрат евклидова расстояния. Результаты представлены в виде дендрограммы, начинающейся с 9кластеры (по одному на каждый отдельный кашлевой звук). Процедура кластеризации постепенно группирует звуки кашля по дескрипторам до тех пор, пока в конечном итоге не будет сформирован один кластер, содержащий все звуки. Чем более похожи звуки кашля (с точки зрения описания), тем быстрее они объединяются. Все статистические анализы были выполнены с использованием SPSS 11.0 (Chicago) и Prism 4 (Graphpad Ltd).

Звуковой анализ

В таблице представлены сводные данные об акустических свойствах звуков кашля и соответствующих категориях. Анализ фаз кашля выявил 8 из 9Звуки кашля имели 3 фазы. Кашель со слизью имел значительно более продолжительную вторую фазу (p = 0,02) и общую продолжительность (p = 0,02) в соответствии с предыдущими сообщениями [8,9]. Все спектрограммы при кашле со слизью показали четкие вертикальные линии во второй фазе, как сообщил Мурата (рис. 8) [8], в отличие от кашля без слизи. Четыре приступа кашля содержали хрипы в промежуточной фазе с преобладающими частотами 632, 766, 1162 и 1193 Гц и длительностью 1951, 756, 275 и 202 мс соответственно. На рисунке представлена типичная спектрограмма хрипов во второй фазе кашля.

Открыть в отдельном окне

Спектрограмма, показывающая изменение частотного состава во времени при бронхоэктатической болезни кашля у мужчин (кашель 8, хрипов со слизью нет). Стрелки показывают перерывы в звуковом спектре.

Открыть в отдельном окне

Спектрограмма, показывающая изменение частотного состава во времени при астматическом кашле у женщин (кашель 6, хрипы без мокроты). Более темные частоты имеют более высокие амплитуды. Отчетливо видны хрипы, представленные серией горизонтальных полос.

Ответы на вопросник

Испытуемые очень хорошо определяли пол: в среднем 93,0% были правильными, усредненные по всем вопросам (стандартное отклонение ± 7,6%). Они также хорошо различали кашель со слизью или без нее (76,1% ± 14,8) (рис. 2), но не кашель с хрипами (39,3% ± 15,0), но способность обнаруживать эти качества была более вариабельной. Субъекты редко могли использовать слышимые характеристики кашля для правильной идентификации клинического диагноза из семи предложенных диагнозов (34,0% ± 29)..0%), (рис. ). Производительность по-прежнему была значительно лучше, чем ожидаемый процент случайных правильных ответов для всех вопросов (p = < 0,01, одновыборочные t-тесты).

Открыть в отдельном окне

Процент случаев кашля со слизью, правильно идентифицированных по должности (среднее с 95% доверительными интервалами).

Открыть в отдельном окне

Процент правильных диагнозов по должности (среднее с 95% доверительными интервалами).

Статистически значимых различий между различными профессиональными группами по способности характеризовать основные качества кашля (хрипы p = 0,54 и выделение слизи p = 0,38) или ставить диагноз (p = 0,36). Достоверной корреляции между способностью распознавать пол и диагнозом не было (r = 0,09). , р = 0,54).

Кластерный анализ

Частота использования дескрипторов кашля показана в табл. Наиболее популярными дескрипторами были сухой, продуктивный и хриплый, но для каждого звука кашля был выбран ряд различных дескрипторов. Испытуемые предложили восемнадцать других дескрипторов, наиболее распространенными из которых были «раздражающий», «напряженный» и «жесткий». Каждый из них использовался только по 4 раза; дескрипторы вопросника использовались от 42 до 222 раз каждый.

Кластерный анализ был проведен для классификации звуков кашля, имеющих сходные дескрипторы. Результаты представлены в виде дендрограммы, начинающейся с 9кластеры (по одному на каждый отдельный звук кашля) (рис. ). Из дендрограммы видно, что кашлевые звуки 1, 4 и 5 быстро образуют кластер. Эта группа кашлевых звуков имеет одинаковые признаки при акустическом анализе, т. е. кашель без мокроты или хрипов (категория А, таблица). Кашель 6, 3 и 7 (кашель с хрипами и без мокроты, категория С) и кашель 2 и 9 (кашель с мокротой и хрипами, категория D) расположены рядом и также относятся к тем же акустическим категориям. На уровне 10 звуки кашля образуют 2 отдельных кластера, соответствующих разделению на кашель со слизью и без нее. Следовательно, выбор дескриптора кашля заставляет звуки кашля группироваться по акустической категории, а не по диагностической категории.

Открыть в отдельном окне

Дендрограмма, полученная в результате кластерного анализа 9 последовательностей кашля. Характеристики кашля представлены в таблице 1. Кашель с похожими дескрипторами сочетается на более коротких расстояниях.

Это первое исследование, в котором описания звуков кашля у взрослых соотносятся с их акустическим анализом. Мы показали, что медицинские работники хорошо распознают кашель со слизью и без нее, но менее успешно распознают хрипы в звуках кашля. Как и предполагалось, возможность поставить правильный диагноз при кашле только по звуку была плохой. Наши испытуемые использовали широкий спектр дескрипторов кашля, и кластерный анализ показал, что они отражают акустические свойства звуков кашля, а не диагностическую категорию.

Только одно предыдущее исследование изучало качество звуков кашля[21]. Это исследование проводилось у детей, подвергавшихся бронхоскопии, и изучалось соответствие между описаниями кашля как влажного или сухого (клиницистами и родителями) и бронхоскопическими проявлениями. Была разработана новая система классификации проявлений в дыхательных путях, и было обнаружено хорошее совпадение оценок кашля как клиницистами, так и родителями. Эти результаты согласуются с нашим исследованием, предполагающим, что влажный или сухой кашель обычно можно различить.

Идентификация хрипов в звуках кашля, как правило, неудовлетворительна, но вариабельность в производительности была большой: некоторые люди работали очень хорошо, а другие очень плохо. Это может быть объяснено тем, что медицинские работники гораздо более привычны к выявлению хрипов, наложенных на звуки дыхания, а не на звуки кашля. Субъекты могли точно предсказать пол пациента по звуку кашля; вероятно, это было связано с различиями в частотном составе [22]. Субъекты могли использовать пол для предсказания вероятного диагноза, но доказательств этого не было; не было никакой корреляции между гендерными баллами и баллами диагноза.

Акустические особенности хрипов хорошо описаны при изучении дыхательных шумов, а хрипы легко идентифицировать на спектрограмме (т. е. по частотным компонентам) (рис. ). Однако меньше интересовался акустическим анализом звуков кашля. Только в одном исследовании описано влияние слизи на произвольный кашель у пациентов с ХОБЛ [9]. По нашему опыту, эти особенности также можно легко идентифицировать на спектрограмме звуков спонтанного кашля (рис. ). Мы не обнаружили, что аудиограммы полезны для выявления хрипов или слизи в звуках кашля.

Мы включили в наше исследование медицинских работников, связанных с медициной, а также врачей, потому что, насколько нам известно, ни одна из этих групп не проходит какой-либо специальной подготовки по распознаванию качеств звуков кашля. Все включенные участники ежедневно работали со взрослыми респираторными пациентами и имели большой клинический опыт работы с пациентами, которые кашляют. Мы не обнаружили существенных различий в производительности медицинских работников с медицинским образованием и специалистов, имеющих квалификацию в смежных с медициной профессиях. Действительно, в исследовании Chang [21] родители почти так же хорошо, как врачи, обнаруживали кашель со слизью.

Возможно, при обучении можно улучшить навыки распознавания кашлевых качеств. В небольшом исследовании 5 врачей, прошедших краткое обучение по оценке особенностей волн кашля на аудиовизуальном дисплее, смогли отличить произвольный кашель от пациентов с астмой и хроническим бронхитом [23]. Их способность различать два состояния до обучения не оценивалась и может представлять собой ту же способность различать кашель со слизью (хронический бронхит) от кашля без слизи (астма), продемонстрированную нашими нетренированными субъектами.

Это исследование показало, что медицинские работники склонны использовать широкий спектр дескрипторов для описания звуков кашля. Наши участники использовали намного больше дескрипторов кашля, чем было найдено в учебниках. Всего было предложено восемнадцать дополнительных дескрипторов кашля, но ни один из них не использовался так часто, как термины из учебника, что позволяет предположить, что они были более широко приемлемыми. Иерархический кластерный анализ был использован для классификации звуков кашля с точки зрения дескрипторов, которые они привлекали. Этот тип анализа использовался в аналогичном исследовании, посвященном изучению языка, который пациенты используют для описания одышки [24]. Кластерный анализ дескрипторов кашля позволил получить категории звуков кашля, идентичные акустическому анализу. Это говорит о том, что взятые вместе образцы выбранных дескрипторов отражают оценку основных качеств звуков кашля, а не лежащий в основе диагноз пациента.

Неудивительно, что диагностика только по звуку кашля неудовлетворительна. Предыдущая работа по изучению звуков произвольного кашля показала, что между диагностическими группами существуют некоторые различия [6]. По нашему опыту акустического анализа звуков спонтанного кашля [11], вариабельность акустических параметров между индивидуумами значительна и больше, чем между группами заболеваний. Одно из возможных объяснений этой изменчивости заключается в том, что наличие слизи в дыхательных путях при кашле или хрипах, вызванных бронхоспазмом, может варьироваться в разное время суток, в разных условиях и при обострениях заболевания. Следовательно, даже если медицинский работник сможет точно описать звук кашля во время клинической оценки, это может не иметь большого клинического значения. Возможно, более полезной мерой будет качество кашля в течение более длительных периодов времени, например. доля кашля со слизью за 24 часа. Оценить такие конечные точки можно будет только после того, как будут разработаны точные автоматизированные системы обнаружения кашля и после более тщательной проверки акустики звука кашля.

Мы пришли к выводу, что медицинские работники способны отличить кашель со слизью от кашля без мокроты, но плохо распознают хрипы и ставят диагноз. Широкий спектр используемых дескрипторов кашля кажется неоправданным, поскольку они просто представляют основные звуковые качества. Это исследование подчеркивает недостаток знаний об одном из самых распространенных симптомов респираторных заболеваний, необходимость в новых методах измерения и мониторинга кашля, а также для определения того, полезны ли объективные характеристики звуков кашля.

Авторы заявляют, что у них нет конкурирующих интересов.

У JE была первоначальная идея исследования. JE, JS, SJ и LA разработали протокол. SJ и LA собрали данные с Эйнтри и с JS в NWLC. JS проанализировал данные. Все авторы участвовали в критическом обсуждении данных и анализов. JS написал рукопись, JE и AW редактировали рукопись. Все авторы прочитали и одобрили окончательный вариант рукописи.

Дополнительный файл 1:

Звуки кашля, используемые в этом исследовании, были предоставлены в формате mp3, и их можно загрузить и прослушать с помощью медиаплеера, такого как Windows Media Player (Microsoft). Кашель2.mp3. Кашель3.mp3. Кашель4.mp3. Кашель5.mp3. Кашель5.mp3. Кашель6.mp3. Кашель7.mp3. Кашель8.mp3. Кашель9.mp3.

Щелкните здесь для аудиофайла. ^{(17K, mp3)}

Дополнительный файл 2:

Щелкните здесь для аудиофайла. ^{(21K, mp3)}

Доп файл 3:

Щелкните здесь для аудиофайла. ^{(11K, mp3)}

Дополнительный файл 4:

Щелкните здесь для аудиофайла. ^{(14K, mp3)}

Дополнительный файл 5:

Щелкните здесь для аудиофайла. ^{(8.4K, mp3)}

Доп файл 6:

Щелкните здесь для аудиофайла. ^{(14K, mp3)}

Дополнительный файл 7:

Щелкните здесь для аудиофайла. ^{(11K, mp3)}

Дополнительный файл 8:

Щелкните здесь для аудиофайла. ^{(16K, mp3)}

Дополнительный файл 9:

Щелкните здесь для аудиофайла. ^{(49K, mp3)}

Мы хотели бы поблагодарить всех сотрудников Северо-Западного пульмонологического центра и университетской больницы Эйнтри, принявших участие в этом исследовании, а также профессора Питера Калверли за общие советы, миссис Джули Моррис за статистические советы и Г-н Эндрю Ирис за программное обеспечение для акустического анализа.

Финансирование: Исследовательский фонд Северо-Западного центра легких и Исследовательский фонд грудной клетки Эйнтри.

Было получено одобрение этических норм на использование неопознанных данных о кашле от различных групп пациентов для подсчета и дальнейшего понимания сигнала кашля.

Шапперт С.М. Национальное обследование амбулаторной медицинской помощи: резюме. Жизненная статистика здоровья. 1993. с. 1. [PubMed]
Smyllie HC, Blendis LM, Armitage P. Наблюдатель не согласен в физических признаках дыхательной системы. Ланцет. 1965:412. doi: 10.1016/S0140-6736(65)
-2. [PubMed] [CrossRef] [Google Scholar]
Доусон К.П., Торп К.В., Туп Л.Дж. Спектральный анализ звуков кашля при респираторных заболеваниях детского возраста. J Педиатр Здоровье ребенка. 1991;27:4. [PubMed] [Google Scholar]
Туп Л.Дж., Торп К.В., Фрайт Р. Анализ звука кашля: новый инструмент для диагностики астмы? Фам Практ. 1989; 6:83. [PubMed] [Google Scholar]
Мелло С.Дж., Ирвин Р.С., Керли Ф.Дж. Прогностическое значение характера, сроков и осложнений хронического кашля при диагностике его причины. Arch Intern Med. 1996;156:997. doi: 10.1001/archinte.156.9.997. [PubMed] [CrossRef] [Google Scholar]
Корпас Ю., Садлонова Ю., Врабец М. Анализ звука кашля: обзор. Пульм Фармакол. 1996; 9:261. doi: 10.1006/pulp.1996.0034. [PubMed] [CrossRef] [Google Scholar]
Piirila P, Sovijarvi AR. Различия акустико-динамических характеристик спонтанного кашля при легочных заболеваниях. Грудь. 1989;96:46. [PubMed] [Google Scholar]
Хасимото Ю., Мурата А., Миками М., Накамура С., Яманака Э., Кудох С. Влияние реологических свойств слизи дыхательных путей на генерацию звука при кашле. Респирология. 2003; 8:45. doi: 10.1046/j.1440-1843.2003.00432.x. [PubMed] [CrossRef] [Академия Google]
Мурата А., Танигучи Ю., Хасимото Ю., Канеко Ю., Такасаки Ю., Кудох С. Различение продуктивного и непродуктивного кашля с помощью звукового анализа. Интерн Мед. 1998; 37:732. [PubMed] [Google Scholar]
Thorpe CW, Toop LJ, Dawson KP. К количественному описанию звуков астматического кашля. Eur Respir J. 1992; 5:685. [PubMed] [Google Scholar]
Smith JA, Earis A, Woodcock AA, Earis JE. Акустические свойства спонтанного кашля при распространенных респираторных заболеваниях [аннотация] Am J Respir Crit Care Med. 2004; 169:А200. [Google Scholar]
Совиярви А.Р., Далмассо Ф., Вандерсхут Дж., Мальберг Л.П., Ригини Г., Стоунман С.Т. Определение терминов для применения звуков дыхания. Eur Respir Rev. 2000; 10: 597–610. [Google Scholar]
Coope R. Болезни грудной клетки. 2-й. Э&С Ливингстон; 1948. [Google Scholar]
Шварц М.Х. Учебник физического осмотра. 4-й. Сондерс; 2001. История и экспертиза; п. 320. [Google Scholar]
Earis JE, Gibson GJ, Geddes DM, Costabel U, Sterk PJ, Corrin B. Респираторная медицина. 3-й. Том. 1. Сондерс; 2003. Клиническая оценка; п. 255. [Google Академия]
Мурри Дж. Ф., Надель Дж. А. Учебник респираторной медицины. 2-й. Сондерс; 1994. История и клиническое обследование; п. 566. [Google Scholar]
Lane DL, Ledingham JGG. Оксфордский учебник медицины. 3-й. Издательство Оксфордского университета; 1997. Клиническая картина кашля; п. 2642. [Google Scholar]
Манро Дж., Кэмпбелл И.В. Физическое обследование Маклауда. Черчилль Ливингстон; 2000. с. 118. [Google Scholar]
Огилви Ч. Чемберлен «Признаки и симптомы в клинической медицине». Райт; 1980. с. 161. [Google Scholar]
Эверитт Б.С., Ландау С., Лиз М. Кластерный анализ. 4-й. Ходдер Арнольд; 2001. [Google Scholar]
Chang AB, Gaffney JT, Eastburn MM, Faoagali J, Cox NC, Masters IB. Качество кашля у детей: сравнение субъективных и бронхоскопических данных. Дыхание Рез. 2005; 6:3. doi: 10.1186/1465-9921-6-3. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
Olia PM, Sestini P, Valliasindi M. Акустические параметры произвольного кашля у здоровых некурящих субъектов. Респирология. 2000;5:271. дои: 10.1046/j.1440-1843.2000.00259.Икс. [PubMed] [CrossRef] [Google Scholar]
Исикава С., Каспарян Р. , Бланко Дж., Созерленд Д., Клубб Р., Кенни Л., Воркович Дж., Макдоннелл К.Ф. Вариабитность наблюдателей в интерпретации произвольного кашля у «бронхиков» и «астматиков» [аннотация] ILSA Proceedings Paris. 1987;10 [Google Scholar]
Эллиот М.В., Адамс Л., Кокрофт А., Макрей К.Д., Мерфи К., Гуз А. Язык одышки. Использование вербальных дескрипторов пациентами с сердечно-легочными заболеваниями. Ам преподобный Респир Дис. 1991; 144:826. [PubMed] [Академия Google]

Статьи от Cough (Лондон, Англия) предоставлены здесь BioMed Central

Когда кажется, что слизь вызывает у вас кашель или отхаркивание горла

У всех нас есть опыт борьбы со слизью, которая вызывает у нас проблемы. Иногда, например, при инфекции верхних дыхательных путей, наш организм вырабатывает слишком много слизи, и в этом случае мы откашливаем ее, выдыхаем или «высушиваем» с помощью противоотечных средств. В других случаях слизь может стать густой и покрыться коркой, и в этом случае мы разжижаем ее, выпивая больше жидкости, используя увлажнитель и горшок с нети или принимая безрецептурные муколитики. И, если слизь становится гнойной, лечим ее антибиотиками.

Когда очевидная слизь не является проблемой

Однако когда дело доходит до кашля и откашливания, существуют два вида обстоятельств, при которых может показаться, что причиной является слизь, но на самом деле это не так:

1. Когда ощущается ощущение слизи, но, хотя с трудом верится, настоящей слизи нет
2. Когда слизь действительно присутствует, но это результат кашля, а не его причина

В Bastian Voice Institute мы наблюдали сотни пациентов с кашлем и откашливанием, которые сначала не могли отождествить себя ни с обстоятельством № 1, ни с обстоятельством № 2, но к которым на самом деле относится одно из двух вышеуказанных обстоятельств. У всех этих пациентов была диагностирована не проблема со слизью, а сенсорный невропатический кашель или отхаркивание горла . ¹ ² Для таких пациентов крайне важно распознать, когда причиной их кашля или откашливания является, но не слизь; скорее, причиной является сенсорное нейропатическое расстройство . Если пациент не осознает этого, он или она может отвлечься, продолжая сосредотачиваться на слизи и справляться с ней, не улучшая при этом кашель или откашливание.

Обстоятельство #1 Более подробно: когда слизь явно «ощущается», но на самом деле ее нет

Этот пациент может интерпретировать совершенно убедительное ощущение слизи (капающей или внезапно заполняющей горло) как фактическая слизь, когда на самом деле это не так. Рассмотрим, например, следующий составной анекдот.

Женщина средних лет более 10 лет болеет кашлем. Каждый день было так много приступов кашля, некоторые из которых были настолько сильными и затяжными, что это серьезно ухудшало качество ее жизни. Коллеги были раздражены; члены семьи были в отчаянии. Несколько особенно сильных эпизодов кашля каждый день были жестокими: ее рвало или почти рвало из-за силы приступов. Иногда у нее также наблюдалось подтекание мочи.

Во время визита ко мне она объяснила, что типичным инициатором приступов кашля было ощущение слизи, стекающей по задней стенке горла. Все мыслимые методы лечения этой «капающей слизи», применявшиеся на протяжении многих лет, не имели никакого значения. Позже, во время того же первоначального осмотра, когда видеоэндоскоп был вставлен и записывал изображение внутри ее горла и гортани, она вдруг начала восклицать: «Вот! Капает! Капает! Это заставит меня кашлять!»

Я спросил ее, откуда капает. Стараясь не закашляться, она настойчиво и оживленно сказала мне, что это у нее в горле, и указала на верхнюю часть средней части шеи. Все это время видеоэндоскоп оставался на месте, записывая видео. Она продолжала настаивать на том, что там активно «капала» слизь, и через 20–30 секунд доблестного сопротивления у нее начался сильный приступ кашля. Ни разу не было видно слизи. Ни в горле, ни в голосовом аппарате, ни в верхних дыхательных путях, ни в задней части носа их не было.

Затем я просмотрел записанное на видео обследование с ней, секунду за секундой, вплоть до первых 30 секунд ее приступа, включая первые 30 секунд ее приступа, чтобы показать, что
на самом деле не было слизи, а было только ощущение слизи. . Я продолжал объяснять причину этого ощущения: невропатия. Нейропатия (то есть поврежденные нервы) обычно вызывает боль, но у лиц с сенсорно-невропатическим кашлем или откашливанием невропатия вместо этого вызывает резкое ложное ощущение различных типов — ощущение «перышка», «наждачной бумаги», «булавочного укола». », «жжение», «пузырь» или, как у этого пациента, «капающая слизь».

По большинству описанных выше ощущений легко понять, что на самом деле в горле человека нет ни перышка, ни наждачной бумаги, ни булавки, ни огня. Однако, поскольку слизь является нормальным обитателем горла и грудной клетки, большинству людей — как врачей, так и пациентов — ускользает понимание того, что может существовать подмножество людей с СНС, которые испытывают «слизь» без какой-либо реальной или какие-то достаточно толковые, полторы. Таким образом, пациента лечат так, как если бы у него действительно была «проблемная» слизь, конечно, без какой-либо пользы.

Обстоятельство № 2: когда слизь является только результатом кашля

Второй сценарий кашля — это тот, при котором слизь действительно образуется и может быть даже выплюнута в качестве доказательства («белая пена» не считается, т. е.
слюна), однако эта слизь образуется не в первые секунды кашля, а лишь ближе к концу тяжелого приступа кашля. В таких случаях кашель часто прекращается вскоре после выделения слизи. Ниже приведен пример этого сценария.

«Доктор, — говорит пациент, — не могли бы вы дать мне что-нибудь, чтобы быстрее вывести слизь, потому что, как только она появляется, мой кашель прекращается». Этот пациент уже был опробован на длинном списке препаратов от слизи, но безрезультатно.

«Выделяется ли когда-нибудь слизь сразу в начале приступа кашля?» Я спрашиваю.

«Нет, — говорит пациент, — это после того, как я кашлял в течение 20 секунд или минуты».

«А ты краснеешь?» Я спрашиваю. — А у тебя глаза слезятся, и из носа течет за это время?

«Да», — говорит пациент. «И я обмочился, и меня тошнит, и меня чуть не вырвало».

«Ну, — говорю я, — может быть, если у вас текут глаза и течет из носа, то и легкие «бегут» тоже?»

Для этой группы пациентов с сенсорным нейропатическим кашлем выделение слизи является результатом , а не причиной кашля. Между прочим, однажды я сидел и заставлял себя очень сильно кашлять в течение 30 секунд. Мне не нужно было кашлять, я просто заставил себя. Я произвел удивительное количество мокроты.

Не отвлекайтесь

Если ваш диагноз — сенсорно-невропатический кашель или отхаркивание, и если ваш собственный опыт или другие врачи убедительно свидетельствуют о том, что причиной вашего кашля или отхаркивания является слизь, и если много «слизи» ” не принесли никакой пользы, вы можете быть готовы опробовать идею выше: что, хотя ваше ощущение слизи реально (обстоятельство № 1) или слизь, выделяемая вашим кашлем, реальна (обстоятельство № 2) , может случиться так, что ни в том, ни в другом случае слизь не является фактической причиной вашего кашля. Вместо этого причиной является невропатическое расстройство, и именно это невропатическое расстройство – не слизь – на которые мы будем ориентироваться при назначенном нами лечении.

Проблемы с глотанием и проблемы с голосом после COVID-19

У вас могут возникнуть трудности с приемом пищи и питья после заражения COVID-19. Это может повлиять на ваш голос и общение. Вы также можете быстрее утомляться или время от времени ощущать одышку.

Некоторые люди быстро выздоравливают от этого и не нуждаются в особой поддержке. Но другим потребуется больше времени и помощь в их восстановлении.

Проблемы с глотанием

Вы естественным образом задерживаете дыхание, когда глотаете. Это останавливает попадание пищи или жидкости в легкие.

При затрудненном дыхании у вас могут возникнуть проблемы с координацией дыхания и глотания.

Есть вещи, которые вы можете сделать, чтобы справиться с этим дома.

Как удобно есть или пить

Чтобы облегчить глотание:

Всегда полностью сидите на поддерживающем стуле, когда едите или пьете
делайте маленькие глотки или откусывайте кусочки
ешьте или пейте медленнее
останавливайтесь и отдыхайте, если вы чувствуете одышку или усталость
ешьте часто и понемногу – рекомендуется 3 небольших приема пищи и 3 перекуса каждый день
попробовать есть более мягкую пищу, которую нужно меньше жевать
ограничивать разговоры во время еды, так как это может вызвать одышку

Подробнее о правильном питании при выздоровлении от COVID-19

Читайте об очищении легких от мокроты

Когда обращаться за медицинской помощью

Если вам нужна дополнительная помощь, обратитесь к:

Врач общей практики – если вы выздоравливаете дома
бригада по уходу в больнице – если вы лечились от COVID-19 в больнице

Они могут направить вас к логопеду (SLT) или диетологу, в зависимости от ваших потребностей.

SLT может порекомендовать реабилитацию для улучшения навыков глотания, голоса и общения.

Врач-диетолог может помочь, если вы не получаете достаточного количества питательных веществ из-за проблем с глотанием. Питание может повлиять на ваше восстановление и подвижность.

Прочтите о продуктах с высоким содержанием энергии

Если вы находитесь в больнице

Сообщите своему врачу или медсестре, если во время или в конце приема пищи вы почувствуете одышку.

Если у вас была трубка, помогающая вам дышать, у вас могут возникнуть трудности с глотанием, когда трубка выйдет. Это может длиться до 3 недель, но многие люди чувствуют себя лучше гораздо раньше.

Несрочный совет: позвоните своему терапевту за советом, если:

вы лечитесь дома и у вас:

все еще испытывают проблемы с глотанием после того, как следуют советам о том, как удобно есть и пить
кашляют или задыхаются во время еды или питья
имеют влажный или булькающий голос после глотания горло при еде или питье
частые инфекции дыхательных путей

Уход за полостью рта

Во время болезни COVID-19 у вас могли быть:

сухость или боль во рту
потрескавшиеся губы
неприятный запах изо рта

Уход за полостью рта важен, поскольку он может предотвратить сухость и будущие инфекции. Особенно важно следить за своим ртом, если вы были госпитализированы с COVID-19 и должны были использовать дыхательную маску. Это связано с тем, что дыхательные маски могут высушить рот.

Как ухаживать за полостью рта

Уход за полостью рта:

чистить зубы после каждого приема пищи, используя зубную пасту размером с горошину
пейте много жидкости — делайте регулярные небольшие глотки
используйте бальзам для губ, если у вас сухие губы

Если вы носите зубные протезы, снимайте их и очищайте зубные протезы и полость рта два раза в день. Всегда снимайте протезы на ночь.

Проблемы с голосом после COVID-19

Говорить может быть сложнее, если у вас одышка. Ваш голос может звучать слабым, тихим, грубым или хриплым.

У вас может болеть горло, если вы сильно кашляете.

Кашель голос сел: Ларингит — Официальный сайт ФГБУЗ КБ №85 ФМБА России

Ларингит: симптомы, осложнения, диагностика, лечение

Диагностика

Лечение ларингита в клинике «Гайде»

симптомы, причины, лечение, профилактика в домашних условиях

Что такое осиплость голоса

Причины осиплости голоса у детей

Вирус

Аллергия

Инородный предмет в гортани

Перенапряжение голосовых связок

Новообразования в гортани

Возрастные изменения

Симптомы осиплости голоса у детей

Лечение осиплости голоса у детей

Диагностика

Современные методы лечения

Профилактика осиплости голоса у детей в домашних условиях

Популярные вопросы и ответы

Можно ли лечить осиплость голоса у детей народными средствами?

Какие могут быть осложнения при осиплости голоса у детей?

В каких случаях может потребоваться госпитализация или хирургическое лечение?

Острый и хронический ларингит. Симптомы и лечение у взрослых и детей

Острый и хронический ларингит: симптомы и лечение у взрослых и детей

Когда обращаться к врачу? И когда «пройдет само»?

Как распознать острый ларингит? Симптомы у взрослых и детей

Каковы причины симптомов острого ларингита?

Хронический ларингит: симптомы у взрослых. Как понять, от чего охрип голос

Кто лечит — к каким врачам обращаться?

Как диагностировать ларингит?

Какие методы используют для диагностики?

Чем лечить ларингит?

Какого результата ждать от лечения ларингита?

Профилактика ларингита

Потеря голоса — симптом аллергии или вирусной инфекции?

Потеря голоса как симптом вирусной инфекции

Шум при аллергии

Афония — симптом аллергии или вирусной инфекции?

Другие причины потери голоса

Пропал голос и закладывает уши

Причины осиплости, охриплости голоса | Клиника ухо, горло, нос

Что делать, если осип или охрип голос?

При каких заболеваниях могут появиться изменения голоса?

Ларингит

Папилломатоз

Осиплость при заболеваниях ЖКТ

Охриплость при заболеваниях щитовидной железы

Приём ведут опытные ЛОР врачи

Будьте здоровы!

Задать вопрос

Когда следует обращаться к врачу, причины, симптомы и лечение

Ларингит

16 -nodules, Cystyps

16 -nodules, Cystyps

16 -nodules, Cystyps

16 -nodules, Cystyps

16 -nodules, Cystyps

16. узелки, кисты и полипы — доброкачественные новообразования, которые могут появляться вдоль голосовых складок.

Кровоизлияние в голосовые связки

Паралич голосовых связок

Неврологические состояния

кислотный рефлюкс или ГЭРБ

ГОРТАНО-ГЛОТОЧНЫЙ РЕФЛЮКС (ЛФР) | СРЕДСТВА ДЛЯ ЛЕЧЕНИЯ ТИХОГО РЕФЛЮКСА И ОХРИПОСТИ

Запись на консультацию

ГОРТАНОГЛОТОЧНЫЙ РЕФЛЮКС (ЛФР) | ПРОЦЕДУРЫ ОТ ТИХОГО РЕФЛЮКСА И ОХРИПОСТИ

ЧТО ТАКОЕ КИСЛОТНЫЙ РЕФЛЮКС?

СИМПТОМЫ

КАК ДИАГНОСТИРОВАТЬ ФЛР?

ФЛР + ПРОЦЕДУРЫ ОХРАПА

МОДИФИКАЦИИ ОБРАЗА ЖИЗНИ И ПОВЕДЕНИЯ

Лекарства

ENT NEAR ME

Запись на консультацию

Запись на консультацию

Автоматическое распознавание кашля в аудиозаписях: общий обзор

1 Введение

2 Методология обзора

3 Обзор области

3.1 Биология кашля

3.2 Типы кашля