Медицина/ 7. Клиническая медицина

Овчаренко И.Е.¹, Опарин А.Л. ², Рудык Ю.С. ²

¹Институт проблем машиноведения РАН,

²ГУ «Институт терапии им.Л.Т.Малой НАМН Украины»

ОБ ИЗМЕРИТЕЛЬНЫХ ПРОЦЕДУРАХ ОБРАБОТКИ ХОЛТЕРОГРАММ И КЛИНИКО-ФИЗИОЛОГИЧЕСКИХ КОРРЕЛЯЦИЯХ

Показатели вариабельности сердечного ритма (ВСР) позволяют количественно оценить активность наиболее существенных систем регуляции сердечной деятельности [1]. Информационная насыщенность колебательной структуры ритма сердца предоставляет в руки исследователя эффективный инструмент контроля за нарушениями сердечно-сосудистой системы. Неинвазивность и сравнительная простота такого метода слежения за состоянием организма ставят на повестку дня разработку портативных систем мониторинга уровня здоровья человека. К критериям динамического слежения за состоянием организма предъявляются требования достоверности, помехоустойчивости и вычислительной простоты.

Целью нашего исследования был выбор показателей ВСР, позволяющих выявлять наличие у пациентов сердечной недостаточности (СН), и разработка предложений по оптимизации процедуры измерения.

Анализировали следующие показатели:

Стандартные – наиболее часто используемые показатели из тех, что вошли в стандарт, разработанный Рабочей группой Европейского кардиологического сообщества и Североамериканского общества электростимуляции и электрофизиологии [1]:

М - средние значения RR интервалов;

SDRR - среднее квадратичное отклонение RR интервалов включая экстрасистолы (в стандарте SDNN – стандартное отклонение только между “нормальными” интервалами RR);

LF/HF – отношение спектральной плотности низкочастотной LF (0,04-0,15 Hz) и высокочастотной HF (0,15-0,4 Hz) спектральных компонент Фурье разложения временного ряда RR интервалов, связанных с активностью симпатического и парасимпатического отделов вегетативной нервной системы, соответственно.

Фрактальные:

b - наклон линии зависимости log спектральной плотности от log частоты спектра временного ряда [2,3];

a - показатели DFA (Detrended fluctuation analysis) [4].

Для реализации метода среднеквадратичные флуктуации интегрированного и лишенного тренда временного ряда измеряют в различных окнах наблюдения и отображают на графике зависимости от размера окна в двойной логарифмической шкале. Показатель a наклона линии регрессии, отражающей полученную зависимость, рассчитывали для окон равных 32 RR интервала. Показатели a и b оценивают выраженность масштабной инвариантности – устойчивости статистических характеристик ряда при изменении масштаба измерения.

Периодические компоненты W₃₂ - оценка компоненты вейвлет спектра временного ряда RR на частоте с периодом 32 RR интервала. Основанием включения этих показателей послужили данные [5], где при решении задачи выявления лиц с наличием СН по показателям ВСР эффективными оказались значения компонент, вычисляемых методами вейвлет анализа – спектрального подхода, в котором роль базисной функции играют «всплески» - особые функции с нулевым средним, убывающие на бесконечности.

Коэффициенты автокорреляции k₁, k₂ предложены для анализа вариации сердечного ритма еще на заре космической кардиологии [6]. Как следует из обратного преобразования Фурье, коэффициент k₁, взвешивает низкочастотную и высокочастотную части функции спектральной плотности, а К₂ отражает взаимоотношение центральной части спектра с суммой низко- и высокочастотных компонент. Таким образом, эти показатели автокорреляции могут служить интегральными оценками формы спектральной кривой.

Дополнительно мы исследовали приложение к оценке ВСР метода Phase-rectified signal averaging (PRSA), который позволяет определять закономерности ускорения и замедления сердечного ритма в условиях неопределенности фазы следующей волны ритма сердца [7]. При реализации метода выбирают в качестве привязки определенную фазу колебательного процесса и объединяют отдельные колебания, представив их как синфазные. Процесс усреднения практически исключает особенности, не имеющие повторений. В качестве узловых точек отсчета (anchor) предложено использовать точки, где наблюдается увеличение или уменьшение значений временного ряда интервалов RR. Процедура усреднения производится и в некоторых окрестностях узловых точек. При таком рассмотрении сегменты временного ряда, привязанные к точкам отсчета, могут перекрываться. Существенно однако, что даже при наличии такого количества условностей при усреднении колебаний сердечного ритма получились кривые, имеющие содержательные особенности (см. рисунок из [7]).

Авторы [7] ввели простейшие оценочные характеристики графика PRSA, отражающие некоторые адаптивные характеристики сердца. Эти характеристики содержательны и в случае других циклических процессов, например вращающихся валов. В первую очередь рассматриваются коэффициенты замедления ритма - deceleration capacity (DC), т.е. увеличения RR интервала и acceleration capacity (AC) в случае ускорения ритма. Как оценочный показатель принимается разность между средним значением 2-х точек после узловой точки (X(0),X(1)) на рисунке и 2-х точек (X(-2),X(-1)) до узловой точки. В работе авторов наиболее эффективным в прогностическом смысле оказался показатель DC, оценивающий замедление ритма. В нашей работе [12] при анализе того же набора данных наилучшим диагностическим критерием из набора показателей, основанных на симметрии структуры ЭКГ и ритмограммы, наилучшие диагностические возможности выявил показатель AC. В данной работе преследуется цель уточнить оптимальное время контроля за этим показателем для получения устойчивых оценок.

Кроме того, мы проверяли эффективность недавно предложенного показателя средневзвешенной вариации ритмограммы (СВВР), разработанного для длительных (суточных) регистраций ЭКГ [8]. Алгоритм построения параметра СВВР следующий. Исследуемая ритмограмма разбивается на короткие участки, содержащие по 33 интервала RR. Для каждого участка вычисляется среднее значение: RRM = 1/33хΣRR(k), где k=1,… ,33, и характеризующая синусовую аритмию вариация короткого участка ритмограммы (ВКР), определяемая равенством ВКР =Σabs[RR(k+1) - RR(k)], где k=1,…,32. На всем исследуемом промежутке времени ВРС оценивается при помощи статистического анализа RRM и ВКР. Диапазон значений величин RRM, измеренных в миллисекундах, разбивается на восемь частей: RRM < 575, 75 < RRM < 650, 650 < RRM < 725, 725 < RRM < 800,800 <RRM<875, 875 <RRM <950, 950 <RRM < 1025, RRM >1025, нумеруемых i. Вычисляются: ВКРМ(i) - среднее значение величин ВКР всех пар (ВКР, RRM), попавших в i-ю группу, и prs(i) (i=1,…,8) - процент от общего числа имеющихся пар. У здоровых лиц (норма) среднее значение ВКРМ по всем испытуемым растет с ростом численного значения RR. Для того, чтобы охарактеризовать отклонение ВРС индивидуального пациента от средних значений нормы, регулярный рост ВКРМ(i) с ростом RR учитывается умножением ВКРМ(i) на весовой коэффициент q(i) = MN(8)/MN(i), где MN(i) - среднее значение ВКРМ(i) для нормы. Для возрастающих диапазонов изменения RRM весовые коэффициенты q(i) соответственно равны 3.04, 2.75, 2.33, 1.88, 1.56, 1.34, 1.15 и 1. Вся же ВСР пациента описывается средневзвешенной вариацией ритмограммы (СВВР), определяемой равенством СВВР = Σ [prs(i) х q(i) х ВКРМ(i)], где i=1,… ,8. Параметр СВВР является количественной характеристикой вариабельности ритма сердца на исследуемом участке: чем меньше СВВР, тем более низкой можно считать ВРС.

В нашей работе сравнивали усредненные значения выбранных показателей в группе, включавшей 10 пациентов с СН II-III функционального класса по Нью-Йоркской классификации, и в группе 14 амбулаторных пациентов без признаков СН. Для анализа использовали временные ряды RR интервалов, полученные в результате обработки суточных записей ЭКГ, произведенных с помощью системы холтеровского мониторирования Cardiosens v3.0. Анализ диагностических возможностей критериев проводили в соответствии с правилами, сформулированными нами в предыдущих работах [9,10,11] , а именно:

- показатели вычислялись для фрагментов суточной записи длительностью 1024 RR интервала с последующим последовательным усреднением;

- учитывали только дневной период наблюдения в связи с существенным изменением временной структуры ритма сердца в ночное время.

Различия средних значений исследуемых показателей между группами больных с СН и без нее оценивали путем вычисления уровня значимости отличий p в динамике усреднения данных (Рис. 1).

Рисунок 1. Динамика уровня значимости отличий p для показателей ВСР в группах с наличием и отсутствием СН в зависимости от интервала усреднения.

Из графика следует, что наилучшими показателями для выявления СН являются показатели W32, SD, СВВР и RR-среднее (М). После длительного (14 часов) усреднения высокие уровни достоверности отличий иллюстрирует и показатель акселерации (AC), тогда как DC не выявляет отличия в группе СН.

Достоверные (p<0,05) различия показателей в группах сравнения наблюдаются уже с первых минут контроля. Различные показатели иллюстрируют наивысшую достоверность отличий (минимального значения р) через различные периоды усреднения. Полученные нами данные свидетельствуют о том, что лучшим интервалом для получения усредненных оценок является 6 часов непрерывной записи ЭКГ. Особое внимание привлекают высокие диагностические возможности показателя W₃₂, что является основанием для исследования ВСР с периодом 32 RR интервала в развитии СН.

Литература:

1. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability: Standards of measurements, physiological interpretation, and clinical use // Circulation.- 1996. – Vol.93.-P.1043–1065.

2. Huikuri H.V., Makikallio T.H., Airaksinen K.E.J, Seppanen T., Puukka P., Raiha I.J., Sourander L.B. Power-law relationship of heart rate variability as a predictor of mortality in the elderly. //Circulation.- 1998.-V.97.-P.2020–2031.

3. Bigger J.T. Jr., Steinman R.C., Rolnitzky L.M., Fleiss J.L., Albrecht P., Cohen R.J. Power law behavior of RR-interval variability in healthy middle-aged persons, patients with recent acute myocardial infarction, and patients with heart transplants // Circulation.- 1996.-Vol.93.-P.2142–2151.

4. Peng C.-K., Havlin S., Stanley H.E., Goldberger A.L. Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series // Chaos.- 1995.-N5.-P.82-87.

5. Teich M. C., Lowen S. B., B. Jost B. M., Vibe-Rheymer K., Heneghan C., "Heart-Rate Variability: Measures and Models," in Nonlinear Biomedical Signal Processing, Vol. II, Dynamic Analysis and Modeling, edited by M. Akay (IEEE Press, New York, 2001), Ch. 6.-P.159-213.

6. Баевский Р.М. Синусовая аритмия с точки зрения кибернетики. – В кн.: Математические методы анализа сердечного ритма .- М.: Наука, 1968.- С. 9-23.

7. Bauer A., Kantelhardt J.W., Barthel P. Deceleration capacity of heart rate as a predictor of mortality after myocardial infarction: cohort study// Lancet.- 2006.-Vol.367.- P.1674-1681.

8. Соболев А.В. Анализ вариабельности сердечного ритма на длительных промежутках времени. I. Обоснование применения новой методологии. //Функциональная диагностика. – 2006.- Т. 2.- С.6–16.

9. Опарин А.Л., Рудык Ю.С., Овчаренко И.Е. К построению оценок вариабельности сердечного ритма, отражающих колебательные процессы сердечной активности // Матер. 9-го Всероссийского совещания-семинара "Инженерно-физические проблемы новой техники", МГТУ им. Н.Э. Баумана, Москва, 26 января 2010 г., С.62-65.

10. Опарин А.Л., Рудык Ю.С., Овчаренко И.Е. Сравнение прогностических свойств показателей вариабельности сердечного ритма у пациентов после острого инфаркта миокарда //Системы обработки информации. - Харьков. - 2007. - Вып.4 (65). - С.80-81.

11. Опарин А.Л., Рудык Ю.С. Разработка системы прогнозирования исхода острого инфаркта миокарда по данным вариабельности сердечного ритма // Матер. восьмой сессии междунар. науч.школы “Фундаментальные и прикладные проблемы надежности и диагностики машин и механизмов”.-С.-Петербург, 22-27 октября 2007 г.-С.82-84.

12. Опарин А.Л., Рудык Ю.С., Овчаренко И.Е. Cоотношение восходящей и нисходящей фаз элементов ЭКГ и холтерограмм у пациентов с сердечной недостаточностью // Матер. 10-го Всероссийского совещания-семинара «Инженерно-физические проблемы новой техники», МГТУ им. Н.Э. Баумана, Москва, 17-19 апреля 2012 г., С.201-207.