상완 혈압 측정 시 실제보다 높은 값이 나오는 가장 중요한 기전은
정수압(hydrostatic pressure)의 변화입니다. 혈압 측정 부위와 심장 사이의 높이 차이가 생기면, 그 높이 차이만큼의 액체 기둥 압력이 측정값에 더해지거나 빠집니다
[1]. 팔을 심장 높이보다 아래에 두면 혈액 기둥의 무게가 측정 부위에 추가로 압력을 가하므로, 혈압은 실제보다 높게 측정됩니다. 반대로 팔을 심장보다 높이 올리면 정수압이 감소하여 혈압이 낮게 측정됩니다
[1][3].
보기별 분석
1. 팔 둘레보다 넓은 커프를 사용한 경우 — 커프가 팔 둘레에 비해 너무 넓으면 압력이 상완동맥에 과도하게 분산되어 혈압이 실제보다
낮게 측정될 수 있습니다. 커프 크기와 배치는 비침습적 혈압 측정의 정확도에 영향을 미치는 기술적 요인 중 하나입니다
[2]. 따라서 넓은 커프는 높은 값이 아닌 낮은 값의 원인이 됩니다.
2. 팔을 심장보다 높게 올려 지지한 경우 — 팔이 심장 높이보다 위에 있으면 측정 부위와 심장 사이의 정수압 차이로 인해 혈압이 실제보다
낮게 측정됩니다
[1][3]. 이는 정답과 반대 방향의 오차입니다.
3. 커프의 공기를 빠르게 빼며 감압한 경우 — 감압 속도가 너무 빠르면 수축기 혈압과 이완기 혈압을 정확히 포착하기 어려워 측정 오차가 발생할 수 있습니다. 다만 이는 주로 측정의
정밀도 저하를 일으키는 요인으로, 제시된 근거 자료에서는 빠른 감압이 혈압을 일관되게 높인다는 직접적인 근거를 확인할 수 없습니다.
4. 청진기를 상완동맥 위에 밀착시킨 경우 — 청진기를 상완동맥 위에 적절히 밀착시키는 것은 코로트코프음을 정확히 듣기 위한 올바른 방법입니다. 밀착 자체가 혈압을 높이는 기전은 제시된 근거 자료에서 확인되지 않습니다.
5. 팔을 지지하지 않고 아래로 늘어뜨린 경우 — 팔이 심장 높이보다 아래에 위치하면, 심장과 측정 부위 사이의 높이 차이만큼 정수압이 측정값에 더해집니다
[1]. 이 정수압 변화는 보정되지 않을 경우
수십 mmHg에 달하는 혈압 오차를 일으킬 수 있습니다
[3]. 따라서 팔을 아래로 늘어뜨린 상태에서 측정하면 혈압이 실제보다
높게 측정됩니다.
임상 적용 포인트
상완 혈압 측정 시 팔은 반드시
심장 높이에 지지해야 합니다. 팔을 지지하지 않거나 아래로 늘어뜨리면 정수압이 더해져 혈압이 실제보다 높게 측정되고, 이는 고혈압의 과잉 진단이나 혈압 강하 치료의 과도한 조정으로 이어질 수 있습니다. 특히 중환자실에서 비침습적 커프 혈압과 동맥관 혈압이 불일치할 때, 커프 위치와 심장 높이의 관계는 불일치를 설명하는 핵심 기술적 요인 중 하나입니다
[2]. 야간 혈압 측정에서도 수면 중 팔의 위치 변화가 정수압 차이를 만들어 측정값과 디핑 패턴 분류에 오차를 일으킬 수 있습니다
[1].
참고 문헌 (논문 출처)
- [1]
Blood pressure measurement and nocturnal dipping patterns are heavily affected by body posture through changes in hydrostatic pressure between the arm and the heart.일반논문Pilz N, Narkiewicz K, Wolf J, Kario K, Visser T, Opatz OS, Reuter A, Dippel LJ, Fesseler L, Heinz V, Patzak A, Bothe TL. (2025) · DOI: 10.1038/s41440-024-02056-0
- [2]
Should I Target the Blood Pressure from the Arterial Line or the Cuff? A Practical Approach for Dealing with Widely Discordant Measurements.일반논문Zamith N, Walker C, Scully T, Healy WJ, Zetola N. (2025) · DOI: 10.3390/jcm14248616
- [3]
A method for blood pressure hydrostatic pressure correction using wearable inertial sensors and deep learning.일반논문Colburn DAM, Chern TL, Guo VE, Salamat KA, Pugliese DN, Bradley CK, Shimbo D, Sia SK. (2025) · DOI: 10.1038/s44328-024-00021-y