Viimeiset kaksi vuosikymmentä osoittavat, että kasvullisen aktiivisuuden välillä on havaittu läheinen yhteys hermosto ja kuolleisuus sydän- ja verisuonijärjestelmän sairauksiin, mukaan lukien äkillinen sydänkuolema. Kokeelliset todisteet yhteydestä alttiuden saada tappaville rytmihäiriöille ja lisääntyneen sympaattisen tai vähentyneen vagaalitoiminnan välillä saivat aikaan menetelmien kehittämisen autonomisen hermoston (ANS) toiminnan kvantifioimiseksi.

Vaihtuvuus syke edustaa yhtä lupaavimmista autonomisen hermoston toiminnan indikaattoreista. Tällaisten mittausten pelkkä yksinkertaisuus on edistänyt niiden käytön yleistymistä. Koska monet kaupalliset laitteet tarjoavat nyt mahdollisuuden mitata automaattisesti sykevaihtelua, kardiologeille on tarjottu näennäisesti yksinkertainen työkalu sekä tieteelliseen että kliiniseen tutkimukseen. Sykevaihtelun monien eri mittareiden tärkeyden ja merkityksen arvioiminen on kuitenkin monimutkaisempaa kuin yleisesti luullaan, ja se voi johtaa harhaanjohtaviin johtopäätöksiin ja liian optimistisiin tai kohtuuttomiin ennusteisiin.

Näiden haasteiden tunnustaminen on johtanut European Heart Associationin ja North American Association of Rhythmology and Electrophysiologyin muodostamiseen asiantuntijaryhmän kehittämiseen sopivien standardien kehittämiseksi. Asiantuntijaryhmän tavoitteet sisälsivät seuraavat tehtävät: nimikkeistön standardointi ja termien kuvauksen kehittäminen, mittausmenetelmien standardien kuvaaminen; kuvaile fysiologisia vastaavuuksia; kuvailla jo hyväksyttyä kliinistä käyttöä ja määrittää jatkotutkimuksen suunta.

Tehtävien ratkaisemiseksi muodostettiin asiantuntijaryhmä matemaatikoista, insinööreistä, fysiologeista ja lääketieteen kliinikoista.

Tässä tekstissä esitettyjen standardien ja ehdotusten ei pitäisi rajoittaa jatkokehitystä, vaan pikemminkin päinvastoin mahdollistavat tulosten asianmukaisen vertailun, helpottavat huolellista tulkintaa ja johtavat lisäedistykseen tällä tutkimuksen alalla.

Ilmiö, jolle tämä raportti on omistettu, ovat vaihtelut sydämen peräkkäisten supistusten välisissä aikaväleissä tai hetkellisen sykkeen peräkkäisten arvojen vaihtelut. Termi "sykevaihtelu" on tullut yleisesti hyväksytyksi kuvaamaan sekä hetkellisen sykkeen vaihtelua että RR-välien kestoa. Sydänsyklien jaksojen vaihteluiden kuvaamiseen kirjallisuudessa käytetään muita termejä, esimerkiksi syklin pituuden vaihtelu, RR-vaihtelu ja RR-välin takogrammi, jotka kuvastavat tarkemmin sitä tosiasiaa, että analysoidaan sydämenlyöntien välisiä intervalleja, eikä syke sekunnissa. Näitä termejä ei kuitenkaan käytetä yhtä laajasti kuin sykevaihtelua, joten käytämme tässä asiakirjassa termiä "sykevaihtelu".

Edellytykset.

Lääketieteellinen merkitys Sykevaihtelu tunnistettiin ensimmäisen kerran vuonna 1965, kun Hong ja Lee julkaisivat, että "onnettomuutta" edelsi muutokset sydämenlyöntien välillä, ennen kuin havaittavia muutoksia ilmeni itse sykkeessä (HR). 20 vuotta sitten Sayer ym. kiinnittivät huomiota sykemuutokseen sisältyvien rytmien olemassaoloon.

Vuoden 1970 aikana. Ewing ym. analysoivat eroja RR-väleissä useiden lyhytaikaisten EKG-tallenteiden välillä paljastaakseen potilaiden autonomisen neuropatian. diabetes. Wolf ym. osoittivat ensimmäisen kerran vuonna 1977 yhteyden suuren sydänkohtauksen jälkeisen kuolemanriskin ja alhaisen sykkeen vaihtelun välillä. . Vuonna 1981 Axelrod ym. ehdottivat sydämen lyöntitiheyden vaihteluiden spektrianalyysin käyttöä sydän- ja verisuonijärjestelmän säätelyn kvantifioimiseksi. Sykevaihteluiden taajuuskomponenttien analyysi on auttanut merkittävästi ymmärtämään autonomisen hermoston vaikutusta RR-välien vaihteluihin. Sydämen vaihtelun kliininen merkitys tuli ilmeiseksi, kun 1980-luvun lopulla sykevaihteluiden on vahvistettu olevan luotettava ja riippumaton sydäninfarktin jälkeisen kuolleisuuden ennustaja. Uusien digitaalisten, korkeataajuisten, monikanavaisten 24 tunnin EKG-tallennuslaitteiden ominaisuudet huomioiden sykevaihtelumittaus tarjoaa lisämahdollisuuksia fysiologisen ja patofysiologisen tilan määrittämiseen ja lisää riskien kerrostumista.

Sykkeen vaihtelun mittaaminen.

Analyysimenetelmät aika-alueella.

Sykevaihtelua voidaan arvioida erilaisia ​​menetelmiä. Helpoin tapa on mitata aikavälejä. Tämä menetelmä määrittää joko sykkeen kullakin hetkellä tai normaalien kardiokompleksien välisen aikavälin.

Jatkuvissa EKG-tallennuksissa jokainen QRS-kompleksi eristetään, ja sitten muodostuu aikajakso normaalien QRS-kompleksien tai hetkellisten HR-arvojen (NN, normaali-normaali) välille sinusrytmissä. Yksinkertaisia ​​vaihtelumittareita ovat NN-välien keskimääräinen kesto, keskimääräinen syke, pisimmän ja lyhimmän NN-välin ero sekä päivä- ja yöajan HR.

Muut käytetyt aikatason estimaatit sisältävät hetkellisen sykkeen muutokset eri toiminnalliset testit: hengitystie, farmakologinen, valsalva ja ortostaattinen. Nämä muutokset voidaan kuvata sekä sykkeen että keston yksiköissä.

Tilastolliset menetelmät.

Riittävän pitkän ajanjakson, yleensä 24 tunnin aikana, tallennettujen hetkellisten sykearvojen tai kardiosyklien välisten intervallien sarjan perusteella voidaan laskea monimutkaisempia tilastoja. Nämä indikaattorit voidaan jakaa kahteen luokkaan: (a) saatu NN-välien tai hetkellisten XCC-arvojen suorien mittausten tuloksena, (b) saatu NN-välien erojen analysoinnin tuloksena. Nämä indikaattorit lasketaan joko koko EKG:lle tai sen useille segmenteille. Nykyaikaiset menetelmät voit vertailla HRV-indikaattoreita eri toimintojen aikana, kuten unen, levon jne.

Yksinkertaisin vaihtelun indikaattori on NN-välien keskihajonta (NN-välien standardipoikkeama), eli varianssin neliöjuuri. Koska varianssi vastaa matemaattisesti spektrianalyysin kokonaistehoa, SDNN kaappaa kaikki sykliset komponentit, jotka aiheuttavat vaihtelua koko tietueessa. Monissa tutkimuksissa SDNN on laskettu yli 24 tunnin tietueen, joka kattaa sekä lyhytaikaiset, korkeataajuiset vaihtelut että matalataajuiset komponentit, jotka näkyvät 24 tunnin aikana. Jos valvontajaksoa lyhennetään, SDNN arvioi yhä lyhyempiä syklisiä komponentteja. On huomattava, että HRV:n yleinen vaihtelu kasvaa tallennusajan pidentyessä. Näin ollen mielivaltaisesti valituille EKG-pituuksille SDNN ei edusta tarkasti tilastollisia arvioita, koska ne ovat riippuvaisia ​​toteutuspituudesta. Siksi käytännössä eripituisten toteutusten yli laskettujen SDNN-verkkojen vertailu ei ole hyväksyttävää. Siksi SDNN:n (ja muiden HRV-estimaattien) laskemisen toteutuspituus on standardoitava. Myöhemmin tässä asiakirjassa osoitetaan, että lyhyen aikavälin analyysissä voidaan käyttää 5 minuutin kestoisia toteutuksia ja nimellisanalyysiin 24 tunnin tietueita.

Muita yleisesti hyväksyttyjä HRV:n tilastollisia ominaisuuksia, jotka on laskettu koko seurantajakson segmenteiltä, ​​ovat: SDANN (keskiarvotetun NN-välin keskihajonna) - NN-välien keskihajonta 5 minuutin aikana, joka arvioi sykesyklisyyden muutoksia yli 5 minuuttia. ja SDNN-indeksi, joka saadaan laskemalla keskiarvo 24 tunnin aikana 5 minuutin estimaateista standardipoikkeamasta - SDNN ja joka ilmaisee alle 5 minuuttia kestävän rytmin syklisyyden.

Yleisimmin käytetyt HRV-indikaattorit, jotka perustuvat vierekkäisten NN-jaksojen kestojen differentiaalisekvenssin estimointiin, ovat RMSSD (peräkkäisten NN-välien keskimääräisten neliöerojen neliöjuuri) - peräkkäisten NN-välien keskihajonnan neliöjuuri. NN-välien differentiaalinen sekvenssi; NN50 on yli 50 ms pitkien differentiaalien NN-jaksojen lukumäärä, ja pNN50 on suhde, joka saadaan jakamalla NN50 NN-välien kokonaismäärällä. Kaikki nämä lyhytaikaisten muutosten indikaattorit arvioivat sykevaihteluiden korkeataajuisia komponentteja ja ovat korkea tutkinto korrelaatioita keskenään.

Geometriset menetelmät.

NN-välien sarja voidaan esittää myös graafisessa muodossa, kuten NN-jaksojen kestojen jakautumistiheys, viereisten NN-jaksojen kestojen differentiaalisekvenssin jakautumistiheys, eli NN- tai RR-välien Lorentzin konstruktio. (scatterogram) jne. ja käytä yksinkertaista kaavaa vaihtelevuuden arvioimiseksi tietyn rakenteen geometristen tai graafisten ominaisuuksien perusteella.

Geometrisissa menetelmissä käytetään kolmea päälähestymistapaa: (a) graafisen esityksen pääominaisuuksien (esimerkiksi histogrammin leveyden tietyllä tasolla) estimoiminen ja niiden muuntaminen HRV-estimaatiksi; b) graafisen käyrän approksimaatio matemaattisella funktiolla (esimerkiksi histogrammin approksimaatio kolmiolla tai differentiaalihistogrammi eksponentin avulla) ja sen parametrien käyttö; c) graafisten rakenteiden luokittelu eri HRV-kategorioihin (esimerkiksi Lorentzin juonen elliptinen, lineaarinen tai kolmiomuoto).

Useimmat geometriset menetelmät edellyttävät, että RR (tai NN)-välien sarja mitataan ja muunnetaan diskreetiksi asteikoksi, joka ei ole liian tarkka, mutta ei liian karkea, jotta saadaan riittävän tasainen histogrammi.

Suurin osa mittauksista saatiin noin 8 ms:n resoluutiolla (tarkemmin sanottuna 7,8185 ms=1,128 s), mikä vastaa useimpien mittalaitteiden tarkkuutta.

kolmioindeksi KESKIVIIKKONA määritellään jakautumistiheyden integraalin suhteeksi (ts. kaikki yhteensä NN-välit) enimmäisjakauman tiheyteen. Käyttämällä NN-välien mittauksia diskreetillä asteikolla tämä ominaisuus approksimoidaan seuraavalla lausekkeella:

(NN-välien kokonaismäärä)/(NN-välien lukumäärä modaalinäytteessä),

Mikä riippuu diskreetin kestosta, eli mitta-asteikon tarkkuudesta. Näin ollen, jos NN-välien mittaukset tehdään asteikolla, joka poikkeaa yleisimmin käytetystä, eli 128 Hz, näytteen koko on saatettava linjaan.

Taulukko 1. Aikamenetelmät sykkeen vaihtelun mittaamiseen. Tilastolliset mittaukset

Indeksi	Yksikkö mitat	Kuvaus
		Kaikkien NN-välien keskihajonta
		NN:n keskiarvojen keskihajonta koko tallennuksen kaikissa 5 minuutin jaksoissa. (Kaikkien RR-välien keskiarvojen standardipoikkeama 5 minuutin tallennussegmentissä).
		Vierekkäisten NN-välien välisten erojen neliöiden summan keskiarvon neliöjuuri. ( Neliöjuuri peräkkäisten RR-välien välisten neliöityjen erojen summat).
		Kaikkien viereisten standardipoikkeamien keskiarvo koko tallennuksen kaikkien 5 minuutin osien osalta. (Kaikkien RR-välien keskihajonnan arvo 5 minuutin tallennussegmentissä).
		Vierekkäisten NN-välien välisten erojen keskihajonta. (Peräkkäisten RR-välien välisten erojen standardipoikkeama).
		Sellaisten vierekkäisten NN-välien parien lukumäärä, jotka eroavat yli 50 ms pareissa tai vain pareissa, joissa ensimmäinen tai toinen väli on pidempi. (Niiden peräkkäisten RR-välien parien määrä, jotka eroavat yli 50 ms, tai niiden peräkkäisten välien parien määrä, joissa ensimmäinen tai toinen väli on pidempi).
		NN50-luku jaettuna kaikkien NN-välien kokonaismäärällä. (Yli 50 ms pitkien RR-välien arvo jaettuna RR-välien kokonaismäärällä).

Geometriset mittaukset.

Indeksi	Yksikkö mitat	Kuvaus
HRV kolmioindeksi		Kaikkien NN-välien kokonaismäärä jaettuna kaikkien NN-välien histogrammin korkeudella mitattuna diskreetillä asteikolla 7,8125 ms:n (1/128 sekuntia) väliin. (RR-välien kokonaismäärä jaettuna kaikkien RR-välien histogrammin kärkien mukaan diskreetillä asteikolla 7,8125 ms:n askeleella.)
		Kaikkien NN-välien histogrammin korkeimman huipun kolmiointerpoloinnin perusviivan leveys. (RR-välien histogrammissagmentin vähimmäispituus, joka vastaa korkeimpaan huippuun liittyvän alueen alueen kantaa).
eroindeksi		Erot vierekkäisten NN-välien välisten erojen histogrammin leveyksien välillä mitattuna valituilla korkeuksilla. (Histogrammipalkkien välinen ero, joka heijastaa eroja vierekkäisten RR-välien välillä mitattuna näytekorkeudella.)

TINN (NN-välin histogrammin kolmiointerpolointi) Kolmiomaisen histogrammin interpolointiNN Intervallit määritellään kolmion kannan leveydeksi, joka approksimoi NN-välien jakaumaa (kolmio lasketaan pienimmän neliösumman menetelmällä). Kuitin tiedot Kolmion HRV-indeksi ja TINN on esitetty kuvassa. 2. Molemmat mittaukset heijastavat 24 tunnin HRV:tä, mutta matalat taajuudet vaikuttavat niihin enemmän kuin korkeat taajuudet. Muita geometrisia menetelmiä tutkitaan edelleen.

Geometristen menetelmien tärkein etu on niiden suhteellisen heikko herkkyys sarjan NN-välien laadulle. Suurin haittapuoli on tarve käyttää riittävän suurta NN-välien sarjaa vaaditun geometrisen rakenteen aikaansaamiseksi. Käytännössä sitä on käytettävä vähintään 20 minuutin tallennus (mieluiten 24 tuntia) geometrisen menetelmän oikeaa soveltamista varten, ts. nämä geometriset menetelmät eivät sovellu HRV:n lyhytaikaisten muutosten arvioimiseen.

Aika-alueen HRV-estimaattien vaihtelut on koottu taulukkoon 1. Koska monet estimaatit korreloivat voimakkaasti keskenään, on suositeltavaa käyttää seuraavia neljää niistä HRV:n analysointiin aika-alueella: SDNN (estimates full HRV); Kolmion HRV-indeksi(arvioi täyden HRV:n); SDANN (arvioi HRV:n pitkän aikavälin komponentit) ja RMSSD (arvioi HRV:n lyhyen aikavälin komponentit). Suosittelemme kahta kokonaisHRV-arviointia, koska kolmioindeksi antaa vain todennäköisyysarvion EKG-signaalista. RMSSD on parempi kuin pNN50 ja NN50, koska sillä on paremmat tilastolliset ominaisuudet.

Yleistä HRV:tä ja sen lyhyen ja pitkän ajanjakson komponentteja ilmaisevat indikaattorit eivät voi korvata toisiaan. Valittujen indikaattoreiden tulee olla johdonmukaisia ​​tutkimuksen tarkoituksen kanssa. Suositeltavat indikaattorit hoitokäytäntö on esitetty luvussa "Sykevaihteluiden kliininen käyttö".

On tehtävä ero suorista NN-välimittauksista tai hetkellisistä sykearvoista saadut pisteet ja differentiaaliseen NN-välisekvenssiin perustuvat pisteet.

Eripituisista realisoinneista saatujen indikaattoreiden (etenkin yleisen HRV:n) vertailua ei voida hyväksyä.

Taajuusmenetelmät.

Erilaisia ​​takogrammien spektrianalyysimenetelmiä on käytetty 60-luvun lopulta lähtien. Tehospektritiheysanalyysi tarjoaa perustietoa tehojakaumasta (eli vaihtelusta taajuuden mukaan). Riippumatta käytetystä menetelmästä, vain arvio spektritiheyden todellisesta tehosta voidaan saada käyttämällä sopivaa matemaattista algoritmia.

MSP:n laskentamenetelmät voidaan jakaa ei-parametrisiin ja parametrisiin. Ei-parametristen menetelmien edut ovat seuraavat: a) käytetyn algoritmin yksinkertaisuus (nopea Fourier-muunnos FFT - useimmissa tapauksissa) ja b) suuri käsittelynopeus, kun taas parametristen menetelmien edut ovat seuraavat: a) tasaisempi spektri komponentit, jotka voidaan laskea tietyistä linjataajuuksista riippumatta, b) spektrin yksinkertaisempi jälkikäsittely korkea- ja matalataajuisten tehokomponenttien laskemiseksi automaattisesti ja kunkin komponentin keskitaajuuden yksinkertaisempi määritys, c) MSP:n tarkka estimointi jopa lyhyen toteutuksen aikana, jos se on paikallaan. Parametrisen menetelmän suurin haittapuoli on tarve tarkistaa valitun mallin riittävyys ja sen monimutkaisuus (eli mallin järjestys).

Spektrikomponentit.

Lyhyen aikavälin ennätykset. Lyhytaikaisista 2–5 minuutin mittaisista tietueista lasketuissa spektreissä erotetaan kolme pääspektrikomponenttia. : erittäin matalataajuinen VLF (erittäin matala taajuus), matalataajuinen LF (matala taajuus) ja korkeataajuinen HF (korkea taajuus) komponentit. LF:n ja HF:n tehon jakautuminen ja keskustaajuus eivät ole kiinteät, ja ne voivat vaihdella riippuen muutoksista autonomisen hermoston sykkeen modulaatiossa. . Fysiologinen selitys VLF-komponentille puuttuu suurelta osin ja sitä on olemassa fysiologinen prosessi, joka määrittää tällaisen jaksoisuuden sykemuutoksen, tulisi selvittää. VLF:n pääkomponenteiksi otetaan yleensä epäharmoniset komponentit, joilla ei ole koherentteja ominaisuuksia ja joita simuloi keskiviivan käyttäytyminen tai trendin muutos. Siten transienttitallennuksesta saatu komponentin VLF (ts.< 5 мин.) является сомнительной оценкой и должна быть устранена при интерпретации МСП кратковременной записи. VLF, LF и HF компоненты обычно измеряются в абсолютных величинах мощности (мсек2), но могут, также, измеряться и в нормализованных единицах (n. u.) , которые представляют относительные значения каждой спектральной компоненты по отношению к общей мощности за вычетом VLF компоненты.

LF:n ja HF:n edustus n. u. korostaa autonomisen hermoston kahden haaran käyttäytymistä ja tasapainoa. Lisäksi normalisointi auttaa minimoimaan kokonaistehon muutoksen vaikutusta LF- ja HF-komponenttien muutokseen (kuva 3.).

Kuitenkin p.i. pitää aina verrata absoluuttiset arvot tehoa LF ja HF kuvaamaan yleinen määritelmä spektrikomponenttien tehot.

Pitkän aikavälin ennätykset. Spektrianalyysi, voidaan myös käyttää analysoimaan NN-jaksoja 24 tunnin aikana. Tuloksena on sitten ultramatalataajuiset (ULF) komponentit VLF-, LF- ja HF-komponenttien lisäksi. 24 tunnin spektri voidaan esittää logaritmisella asteikolla. Taulukossa 2 on esitetty taajuusanalyysimenetelmien parametrit.

"Stationaarisuuden" ongelmasta keskustellaan usein käytettäessä pitkäaikaisia ​​tietueita. Jos mekanismit, jotka määrittävät sykkeen modulaation tietyllä taajuudella, pysyvät muuttumattomina koko tallennusajan, niin HRV:n vastaavaa taajuuskomponenttia voidaan käyttää kuvaamaan näitä modulaatioita. Jos modulaatiot ovat epävakaita, taajuusanalyysin tulokset ovat määrittelemättömiä. Erityisesti fysiologisia mekanismeja, jotka määräävät sykkeen LF- ja HF-komponenttien modulaation, ei voida pitää paikallaan 24 tunnin aikana. Siten täydellisen 24 tunnin sekvenssin spektrianalyysi sekä tulokset, jotka on saatu laskemalla keskiarvo lyhyemmistä sekvensseistä (esim. 5 minuuttia) 24 tunnin ajalta (kahden laskelman LF- ja HF-komponentit eivät eroa) antavat modulaation keskiarvon. johtuu LF- ja HF-komponenteista (kuva 4). Tällainen keskiarvon laskeminen hämärtää yksityiskohtaiset tiedot autonomisen hermoston RR-välien modulaatiosta, mikä on voimassa lyhytaikaisten tietueiden käsittelyssä. On otettava huomioon, että HRV-komponenttien avulla voidaan arvioida autonomisen hermoston modulaation astetta sen sijaan, että sen sävytasoa voidaan arvioida, ja modulaation keskiarvo ei edusta keskimääräistä äänitasoa.

Suurten tulosten tulkintaerojen vuoksi lyhyen ja pitkän aikavälin EKG:n spektrianalyysit on aina erotettava tarkasti toisistaan, kuten taulukossa 2 on esitetty.

Taulukko 2. Sykkeen vaihtelun taajuusmittaukset.

Indeksi	Yksikkö mitat	Kuvaus	taajuusalue
5 minuutin kokonaisteho		NN-välien varianssi ajallisen segmentin yli. (RR-välien dispersio tietyssä aikavälissä)
		Teho VLF-alueella. (Spektrin teho erittäin matalalla taajuusalueella).
		Teho LF-alueella. (Spektrin teho matalataajuisella alueella).
		LF-teho normalisoiduissa yksiköissä LF/(kokonaisteho - VLF)*100. (Spektriteho matalataajuisella alueella normalisoiduissa yksiköissä).
		Teho HF-alueella (spektriteho korkealla taajuusalueella).
		HF teho normalisoiduissa yksiköissä HF/(kokonaisteho - VLF)*100. (Spektriteho suurtaajuusalueella normalisoiduissa yksiköissä).
		Suhde LF[ ]/HF[ ]. (Suhde LF[ ]/HF[ ]).

Analysoidun EKG-signaalin on täytettävä tietyt vaatimukset luotettavan spektriestimaatin saamiseksi. Kaikki poikkeamat seuraavista vaatimuksista voivat johtaa ei-toistettavissa oleviin tuloksiin, joita on vaikea tulkita.

Määrittää tietyn spektrikomponentin hyvin kuvaillulle fysiologinen mekanismi, tämän mekanismin sykemodulaation ei pitäisi muuttua tallennuksen aikana. Fysiologiset ohimenevät ilmiöt voidaan todennäköisesti analysoida erityisiä menetelmiä, jotka on luotu ratkaisemaan luodut tieteellinen ongelma, mutta joka ei ole vielä valmis soveltavaan tutkimukseen. Joidenkin spektrikomponenttien signaalistabiilisuuden tarkistamiseksi voidaan käyttää perinteisiä tilastollisia testejä.

Äänestystaajuus on valittava huolellisesti. Alhainen näytteenottotaajuus voi aiheuttaa värinää R-huipun vertailuestimaattiin ja vääristää spektriä. Optimaalinen alue on 250-500 Hz tai jopa korkeampi, koska kyselytaajuuden alaraja (joka tapauksessa > 100 Hz) on tyydyttävä vain käytettäessä erityistä R-huipun vertailupisteen interpolointialgoritmia, esimerkiksi hyperbolista. .

Keskiviivan tai trendin poistaminen (jos käytössä) voi vääristää spektrin matalataajuisia komponentteja. On suositeltavaa tarkistaa suodattimen taajuusvaste tai regressioalgoritmin käyttäytyminen ja varmistaa, että tulkitsevat spektrikomponentit eivät ole merkittävästi vääristyneet.

QRS-kompleksin vertailupisteen valinta voi olla kriittinen. On tarpeen käyttää hyvin testattua algoritmia (esim. kynnys, kuviovertailu, korrelaatiomenetelmä jne.) vertailupisteen määrittämiseksi vakaasti ja kohinasta riippumatta. Erilaiset kammioiden johtumisen häiriöt voivat myös aiheuttaa vertailupisteen liikkumisen QRS-kompleksissa.

Kohdunulkoiset lyönnit, rytmihäiriöt, tietojen puuttuminen ja kohinan vaikutus voivat muuttaa MSP:n HRV-arvioita. Asianmukainen interpolointi (tai lineaarinen regressio tai vastaavat algoritmit) HRV:n tai sen autokorrelaatiofunktion aikaisemmille normaaleille supistuksille voi vähentää virhettä. Useimmissa tapauksissa tulee käyttää lyhytaikaisia ​​tallenteita, joissa ei ole kohdunulkoisia lyöntejä, puuttuvia tietoja ja kohinaa. Joissakin olosuhteissa vain kohdunulkottoman lyhytaikaisen tallenteen käyttö voi kuitenkin aiheuttaa merkittäviä vaikeuksia. Tällaisissa tapauksissa on suoritettava sopiva interpolointi ja otettava huomioon mahdolliset ectopiasta johtuvat tulokset. RR-välien suhteellista määrää ja niiden välistä väliä ohituksesta tulisi rajoittaa.

Voidaan saada sarja spektrianalyysiin tarkoitettuja tietoja eri tavoilla. Hyödyllinen on tietojen graafinen esitys diskreetin sarjan (DS) muodossa, jossa on piirretty Ri-Ri-1-välien riippuvuus ajasta (näyttää Ri:n esiintymisen), eli signaali, jonka aikaaskel on epätasainen. . Kuitenkin myös hetkellisten sykearvojen sarjan spektrianalyysiä käytetään usein monissa tutkimuksissa.

HRV-spektri lasketaan yleensä joko takogrammeista (RR-välit, supistumisluvusta riippuen, katso kuva 5a, b) tai interpoloidusta DR:stä, jolloin saadaan jatkuva signaali ajan funktiona, mutta se voidaan laskea myös yksittäisestä pulssilukemat kutakin tunnistettua QRS-kompleksia vastaavan ajan funktiona. Tällainen valinta voi sekoittaa mittayksiköiden morfologian ja tärkeiden spektriparametrien estimaatit. Menetelmien standardoimiseksi voidaan ehdottaa parametrisen menetelmän käyttöä RR-välitakogrammeilla ja interpoloitua DD:tä ei-parametristen menetelmien kanssa, mutta DD soveltuu myös parametrisiin menetelmiin. DR-interpoloinnissa käytetyn näytteenottotaajuuden tulisi olla selvästi spektrin Nyquistin taajuuden yläpuolella, eikä se saa kuulua kiinnostavaan taajuusalueeseen.

Ei-parametristen menetelmien (FFT-algoritmiin perustuvien) standardien tulee sisältää taulukossa 2 esitetyt arvot sekä DR-interpolointikaava, interpoloidun DR:n näytteenottotaajuus, spektrin laskemiseen käytettyjen sarjan pituus. , spektriikkuna (yleisimmin käytetyt ikkunat ovat Hann, Hamming ja kolmioikkuna). Tehon laskemiseen käytetty ikkuna on määritettävä. Muualla tässä asiakirjassa kuvattujen vaatimusten lisäksi jokaisen ei-parametriseen HRV-spektrianalyysimenetelmään perustuvan tutkimuksen tulee sisältää kuvaus näistä parametreista.

Parametristen menetelmästandardien tulee sisältää taulukossa 2 esitetyt arvot sekä käytetyn mallin tyyppi, käytetyn mallin tyyppi, sekvenssin pituus, keskitaajuus jokaiselle spektrikomponentille (LF ja HF) ja mallien järjestys (lukumäärä). parametrit). Lisäksi on laskettava tilastot mallin luotettavuuden testaamiseksi. PEWT-testi (predictive witness -testi) antaa tietoa mallin oikeellisuudesta, kun taas OOT-testi (optimaalisen järjestyksen testi) tarkastaa käytetyn mallijärjestyksen vaatimustenmukaisuuden. tiedossa eri tavoilla OOT:n suorituskyky, joka sisältää lopullisen virheen ennustamisen ja Akaika-tietokriteerit. Voimme ehdottaa seuraavia kriteerejä autoregressiivisen mallin järjestyksen p valinnassa: järjestys on välillä 8-20, PEWT-testin suorittaessa siirrytään OOT-testiin (p » min(OOT)).

Mittausten väliset korrelaatiot ja erot aika- ja taajuusalueella.

Kiinteitä lyhytaikaisia ​​tietueita analysoitaessa on kokemusta ja teoreettista tietoa kertynyt enemmän mittausten taajuusalueelta kuin aika-alueelta.

Monet taajuus- ja aika-alueiden 24 tunnin tietueiden analysoinnin tuloksena saadut parametrit korreloivat kuitenkin keskenään (katso taulukko 3). Tämä vahva korrelaatio johtuu sekä matemaattisista että fysiologisista suhteista. Lisäksi 24 tunnin tietueista saatujen spektrikomponenttien fysiologinen tulkinta on vaikeaa edellä mainituista syistä (Pitkäaikaiset tietueet -osio). Näin ollen vaikka 24 tunnin tallennuksiin perustuvissa erikoistutkimuksissa ei yleensä käytetä tavanomaisia ​​spektrikomponentteja (esim. spektrogrammia logaritmisella asteikolla), koska analyysin tulokset taajuusalueella vastaavat analyysin tuloksia taajuusalueella. aika-alue, mutta se on helpompi suorittaa.

Rytmikäyttäytymisanalyysi .

Kuten kuvasta näkyy. Kuviossa 6 sekä ajallisia että spektrisiä menetelmiä koskevat rajoitukset, jotka johtuvat RR-sekvenssin epäsäännöllisyydestä. Näennäisesti erilaisten toteutusten analyysi näillä menetelmillä voi antaa samanlaisia ​​tuloksia.

Sydänsyklien lyhenemis- ja pituuden trendit eivät itse asiassa ole symmetrisiä (40,41], koska yleensä sykkeen kiihtymistä seuraa nopea hidastuminen, mikä spektriestimaateissa johtaa perussykkeen amplitudin pienenemiseen). taajuushuippu ja pohjan leveneminen. Tämä johti ajatukseen rytmin ominaisuuksien määrittämien RR-välien lohkojen mittaamisesta ja tällaisten lohkojen välisen suhteen tutkimisesta ottamatta huomioon sisäistä vaihtelua. vaikeudet aika- ja taajuusmenetelmissä.Menetelmät spektrien laskemiseksi intervalleista ja näytteistä johtavat vastaaviin tuloksiin (ks. kuva 6 e) ja soveltuvat hyvin HRV:n ja vaihtelevuuden välisen suhteen tutkimuksiin muissa mittauksissa. Intervallispektri soveltuu hyvin mittaamaan RR-välien suhde prosesseihin, jotka perustuvat mittauksiin sydämen supistumishetkellä (esim. paine) Näytteenottospektri on edullinen, jos RR-välit viittaavat jatkuvaan signaaliin (esim. hengitys) tai erityisten ilmiöiden esiintymiseen (esim. rytmihäiriöt) ).

Huippujen määritysmenetelmät perustuvat sekä värähtelyjen huippujen ja aaltojen valintaan että syketrendien tunnistamiseen. Korostaminen voi rajoittua lyhytaikaisiin muutoksiin, mutta se voi ulottua pidempiin muunnelmiin: toisen ja kolmannen kertaluvun huiput ja pohjat tai askelmuutos syklien pidentymisessä tai lyhentämisessä vastakkaisten trendien ympärillä. Erilaisia ​​värähtelyjä voidaan kuvata sykkeen, aallonpituuden tai amplitudin kiihtyvyydellä tai hidastumisella. Korrelaatio kuitenkin seuraa värähtelyaallonpituuden lyhenemistä tallennuksen keston pidentyessä. Monimutkaisessa demodulaatiossa käytetään interpolointi- ja detrendointimenetelmiä, joiden avulla saadaan aikaresoluutio, joka tarvitaan lyhytaikaisten sykemuutosten havaitsemiseen, sekä yksittäisten vaihe- ja taajuuskomponenttien kuvaaminen ajan funktiona.

Epälineaariset menetelmät .

Epälineaariset ilmiöt ovat luonnollisesti läsnä HRV:n synnyssä. Niitä määrää monimutkainen vuorovaikutus: hemodynamiikka, elektrofysiologiset ja humoraaliset muutokset sekä autonominen ja keskussäätely. On ollut spekulatiivisia käsityksiä siitä, että epälineaarisen dynamiikan menetelmiin perustuva HRV-analyysi auttaa erottamaan tärkeää tietoa HRV:n fysiologiseen tulkintaan ja äkillisen kuoleman riskin ennustamiseen. HRV:n epälineaaristen ominaisuuksien saamiseksi käytetyt menetelmät sisälsivät: 1/f Fourier-spektrin skaalaus, H-eksponentiaalinen skaalaus ja CGSA-menetelmä (karkearakeinen spektrianalyysi). Aineiston esittämiseen käytettiin Poincarén leikkeitä, pieniulotteisia attraktoreita, yksikkösuureiden hajottamista ja attraktoreiden liikeradat. Muissa kvantitatiivisissa arvioissa käytettiin D2-korrelaatiotaulukkoa, Ljapunov-eksponentteja ja Kolmogorov-entropiaa.

Vaikka periaatteessa näiden menetelmien tiedetään olevan tehokkaita työkaluja monimutkaisten järjestelmien kuvaamiseen, tuloksia ei ole vielä saavutettu niiden soveltamisesta biolääketieteelliseen tietoon, mukaan lukien HRV-analyysi. On mahdollista, että arvioiden integraalinen monimutkaisuus ei ole riittävä biologisten järjestelmien analysointiin, ja lisäksi se on liian epäherkkä paljastaakseen epälineaarisia muutoksia RR-väleissä, joilla voi olla fysiologista tai käytännön merkitystä. Rohkaisevampia tuloksia on saatu käyttämällä differentiaalisia eikä integraalisia kompleksisia arvioita eli skaalauskertoimien menetelmää. Suurista populaatioista ei kuitenkaan ole vielä tehty systemaattisia tutkimuksia näillä menetelmillä.

Tällä hetkellä epälineaariset menetelmät edustavat mahdollisesti hyödyllistä lähestymistapaa HRV-analyysiin, mutta näiden menetelmien standardeja ei voida hyväksyä. Tekniikan kehitystä ja epälineaaristen menetelmien tulosten tulkintaa tarvitaan ennen kuin näitä menetelmiä voidaan käyttää fysiologiseen tai kliiniseen tutkimukseen.

HRV-mittausten vakaus ja toistettavuus.

Lukuisat tutkimukset ovat osoittaneet, että lyhyen aikavälin HRV-pisteet palautuvat nopeasti lähtötasolle ohimenevien häiriöiden jälkeen, jotka aiheutuvat manipulaatioista, kuten kevyestä harjoituksesta, lyhytvaikutteisista verisuonia laajentavista lääkkeistä, ohimenevasta sepelvaltimon tukkeutumisesta jne. Tehokkaammat ärsykkeet, kuten maksimaalinen harjoitus tai pitkävaikutteisen toiminnan vaikutukset. huumeet voivat johtaa huomattavasti pidemmän aikavälin ennen kuin palaavat vertailuarvoihin.

24 tunnin ambulatorisesta seurannasta saatujen pitkän aikavälin HRV-estimaattien stabiilisuudesta on saatavilla hyvin vähän tietoa. Saatavilla olevat tiedot osoittavat kuitenkin HRV-parametrien parempaa vakautta, joka perustuu normaalien ihmisten eri populaatioiden 24 tunnin ambulatoriseen seurantaan, sydänkohtauksen jälkeen ja kammiorytmihäiriöissä. Lisäksi on olemassa joitakin hajanaisia ​​tietoja, jotka osoittavat, että HRV-estimaattien vakaus voi säilyä kuukausia ja vuosia. Koska 24 tunnin lukemat näyttävät olevan vakaat ja vailla plasebovaikutusta, ne voivat toimia ihanteellisina indikaattoreina hoidon tulosten arvioinnissa.

Vaatimukset signaalien rekisteröinnille.

EKG-signaali.

EKG:n referenssipiste, joka tunnistaa QRS-kompleksin, voidaan määrittää kompleksin maksimin tai painopisteen perusteella, interpoloivan käyrän maksimiarvon perusteella, jos se on yhtäpitävä mallin kanssa, tai muiden tapahtumamerkkien avulla. Vertailupisteen määrittämiseksi diagnostisten EKG-laitteiden on täytettävä mielivaltaiset standardit, mukaan lukien signaali-kohinasuhteen ominaisuudet, hylkäysominaisuudet, kaistanleveys jne. Ylempi katkaisutaajuus, joka on huomattavasti pienempi kuin diagnostisille laitteille hyväksytty (~ 200 Hz), voi aiheuttaa hyppyjä QRS-kompleksin referenssipisteen tunnistamisessa ja virheitä RR-välien keston mittauksessa. Samoin näytteenottotaajuuden rajoittaminen aiheuttaa virheitä HRV-spektrissä, jotka vaikuttavat enemmän suurtaajuuskomponentteihin. EKG-signaalin interpolointi voi vähentää tätä virhettä. Sopivaa interpolaatiota käyttämällä jopa 100 Hz:n näytteenottotaajuus voi olla tyydyttävä.

Mikroprosessoripohjaista laitetta käytettäessä tiedon pakkausmenetelmiä tulee tutkia huolellisesti sekä tehokkaan näytteenottotaajuuden että vaihe- ja amplitudivääristymiä aiheuttavien dekompressiomenetelmien laadun osalta.

EKG-tallennuksen kesto ja olosuhteet.

HRV:n tutkimuksessa tallennuksen kesto määräytyy kunkin tutkimuksen luonteen mukaan. Standardointia tarvitaan erityisesti HRV:n fysiologisten ja kliinisten sovellusten tutkimuksissa.

Jos tehdään lyhytaikaisia ​​tallennuksia, tulisi käyttää taajuusmenetelmiä eikä aikamenetelmiä. Tallennuksen keston tulee olla vähintään 10 kertaa tutkittavan komponentin alataajuusraja, mutta se ei saisi laajeta merkittävästi signaalin vakauden säilyttämiseksi. Siten spektrin HF-komponentin saamiseksi tallennuksen keston tulisi olla noin 1 minuutti ja matalataajuisen LF-komponentin - 2 minuuttia. Lyhyen aikavälin HRV-tutkimusten standardoimiseksi on suositeltavaa käyttää 5 minuutin standarditallennusta, ellei tutkimusten luonne vaadi erilaista kestoa.

Tietueen peräkkäisistä osista saatujen spektrikomponenttien keskiarvon laskeminen erittäin lyhyiden segmenttien analyysin aiheuttamien virheiden minimoimiseksi on mahdollista. Kuitenkin, jos sydämen sykkeen fysiologisen modulaation luonne ja aste muuttuu lyhyestä segmentistä toiseen, niin tällaisten keskimääräisten spektrikomponenttien fysiologinen tulkinta aiheuttaa saman suuria ongelmia, sekä pitkän aikavälin tietueiden spektrianalyysi ja vaatii lisätulkintaa. Peräkkäisten tehospektrien näyttäminen (noin 20 minuuttia) voi auttaa vahvistamaan tietyn fysiologisen tilan olosuhteiden pysyvyyden.

Vaikka SDNN-, RMSSD-aikaestimaatteja voidaan käyttää lyhytkestoisten tietueiden analysointiin, taajuusestimaatit helpottavat tulosten tulkintaa fysiologisen säätelyn kannalta. Aika-arviot ovat ihanteellisia pitkän aikavälin tallenteiden analysointiin (sykemodulaation alhainen vakaus pitkän aikavälin tallennuksen aikana vaikeuttaa taajuusestimaattien tulkintaa). Kokemus osoittaa, että rytmierot päivän ja yön välillä ovat olennainen osa HRV:tä analysoitaessa pitkäaikaista ennätystä ajallisesti. Pitkäaikaisia ​​tallenteita analysoitaessa temporaalisilla menetelmillä EKG:n pituuden tulee siis olla vähintään 18 tuntia. Ja kytke se päälle koko yön.

Vaikuuksista tiedetään vähän ympäristöön(eli fysiologisen ja emotionaalisen aktiivisuuden tyyppi ja luonne) pitkäaikaisen EKG-tallennuksen aikana. Joissakin kokeissa ympäristöparametreja on valvottava jokaisessa kokeessa ja ne on aina kuvattava. Kokeita suunniteltaessa on varmistettava, että ympäristöparametrit kirjataan samalla tavalla. Fysiologisissa tutkimuksissa, joissa verrataan HRV:tä eri ryhmissä, havaitut erot sydämen sykkeessä tulee selittää yksityiskohtaisesti.

Jaksojen muokkaaminenRR Intervallit.

Tiedetään, että epätarkkuudesta johtuvat virheet NN-välien järjestyksen määrittämisessä vaikuttavat merkittävästi tilastollisen ajan ja kaikkien taajuusmenetelmien tuloksiin. Geometriset menetelmät kokonais-HRV:tä approkimoimalla mahdollistavat satunnaisten virheiden muokkaamisen RR-väleillä, mutta ei tiedetä, kuinka tehdä tarkka korjaus muille menetelmille oikeiden tulosten saamiseksi. Siten, jos käytetään aika- tai taajuusmenetelmiä, manuaalinen muokkaus on tehtävä erittäin huolellisesti, jotta jokainen QRS-kompleksi voidaan tunnistaa ja luokitella oikein.

Automaattinen suodatus, joka jättää jotkin välit pois alkuperäisestä RR-sekvenssistä (esimerkiksi eroaa yli 20 % edellisestä intervallista), ei saisi korvata manuaalista muokkausta, koska sen tiedetään olevan epätyydyttävä ja johtaa ei-toivottuja vaikutuksia, aiheuttaa virheitä.

Ehdotukset kaupallisten laitteiden standardoimiseksi.

Normaalit HRV-pisteet lyhytaikaisten tietueiden analysointiin suunniteltujen kaupallisten laitteiden käyttöön tulisi sisältyä ei-parametrinen ja mieluiten myös parametrinen analyysi. Mahdollisen hämmennyksen minimoimiseksi sydämen supistusten taajuus- ja aikaparametrien tuloksia johdettaessa on kaikissa tapauksissa käytettävä vakioaskelilla saatujen takogrammien analyysiä. Ei-parametrisen analyysin tulisi käyttää vähintään 512, mutta mieluiten 1024 pistettä 5 minuutin tietueesta.

Laitteiston, joka on suunniteltu analysoimaan HRV:tä pitkäaikaisista tietueista, on suoritettava ajallisia menetelmiä, jotka sisältävät kaikki neljä standardiestimaattia (SDNN, SDANN, RMSSD ja kolmion HRV-indeksi). Muiden vaihtoehtojen lisäksi taajuusanalyysi tulisi suorittaa 5 minuutin osissa (samalla tarkkuudella kuin pitkän aikavälin EKG-analyysi). Jos spektrianalyysi suoritetaan nimelliselle 24 tunnin tietueelle kaikkien HF-, LF-, VLF- ja ULF-spektrikomponenttien saamiseksi, ajopiirturinäytteenotto on suoritettava samalla tarkkuudella kuin lyhytaikaisten tietueiden analyysissä, eli 218 pistettä. . HRV-analyysin tiedonhankintastrategian tulee noudattaa kuvassa 1 esitettyä mallia. 7.

Kaupallisten laitteiden tarkkuus ja testaus. HRV-analyysissä käytettävien erilaisten laitteiden laadun varmistamiseksi ja hyväksyttävän tasapainon löytämiseksi tieteellisten ja kliinisten tutkimusten kannalta välttämättömän tarkkuuden ja tarvittavan laitteiston hinnan välillä tarvitaan kaikkien laitteiden riippumatonta testausta. Koska mahdolliset virheet HRV-estimoinnissa sisältävät epätarkkuuksia vertailupisteen määrittämisessä QRS-kompleksit, testauksen tulee sisältää kaikki vaiheet: tallennus, näyttö ja analysointi. Laitteita voidaan testata tarkemmin tunnetuilla HRV-ominaisuuksilla varustettuihin signaaleihin (esimerkiksi tietokonesimuloituihin) kuin olemassa olevaan jo digitoitujen EKG:iden tietokantaan. Jos HRV:n fysiologisten ja kliinisten näkökohtien tutkimukseen käytetään kaupallisia laitteita, näiden laitteiden riippumaton testaus on kaikissa tapauksissa tarpeen. Mahdollista kaupallisten laitteiden testausstrategiaa ehdotetaan liitteessä B. On luotava teollisuusstandardeja, jotka sisältävät tämän tai vastaavan strategian.

Väärin suunniteltujen tai väärin käytettyjen menetelmien ja laitteiden aiheuttamien virheiden minimoimiseksi on suositeltavaa noudattaa seuraavia sääntöjä:

— EKG:n tallentamiseen käytettävien teollisten laitteiden on täytettävä mielivaltaiset alan standardit, jotka on muotoiltu seuraavilla tavoilla: signaali-kohinasuhde, lovitaso, kaistanleveys jne.

- Mikropiirien tallennuslaitteiden on palautettava signaali ilman vaihe- ja amplitudivääristymiä; Pitkäaikaisten EKG-tallennuslaitteiden, joissa käytetään analogisia magneettisia tietovälineitä, on tallennettava aikaleimat.

HRV-analyysiin käytettävien kaupallisten laitteiden on täytettävä kohdassa HRV-mittausstandardit luetellut vaatimukset ja ne on testattava valmistajasta riippumatta.

— Fysiologisten ja kliinisten tutkimusten standardoimiseksi olisi mahdollisuuksien mukaan käytettävä kahden tyyppistä tallennusta: a) lyhytkestoinen 5 minuutin tallennus, joka tehdään fysiologisesti vakaissa olosuhteissa ja käsitellään taajuusmenetelmillä ja b) nimellinen 24 tunnin tallennus. aikamenetelmillä käsitelty tallennus.

- Kliinisissä tutkimuksissa, joissa on pitkäaikainen EKG-tallennus, potilaiden tulee olla melko samankaltaisissa olosuhteissa ja samanlaisissa ympäristöaltistuksissa.

— Tilastollisia aika- ja taajuusmenetelmiä käytettäessä signaalia on muokattava huolellisesti silmämääräisellä tarkastuksella ja manuaalisella RR-välien korjauksella ja QRS-kompleksien luokittelulla. Automaattisten suodattimien, jotka perustuvat RR-jaksojen sekvenssin heuristiseen logiikkaan (eli RR-välien poissulkemiseen annettujen rajojen ulkopuolella), ei pitäisi vapauttaa RR-jaksojen sekvenssin laadun tarkistamista.

Sykevaihtelukomponenttien fysiologiset vastaavuudet

Vegetatiiviset vaikutukset sydämen rytmiin

Vaikka sydämen automatismi on luontaista eri tahdistimen kudoksille, syke on suurelta osin autonomisen hermoston (ANS) hallinnassa. Parasympaattinen vaikutus sydämen rytmiin syntyy asetyylikoliinin vapautuessa vagushermossa. Muskariiniset asetyylikoliinireseptorit reagoivat tähän vapautumiseen pääasiassa lisäämällä K:n johtuvuutta solukalvossa. . Asetyylikoliini estää myös "tahdistimen" virran, jos se aktivoituu hyperpolarisaatiolla. "Ik-hidastus" -hypoteesi viittaa siihen, että sydämentahdistimen depolarisaatio johtuu viivästetyn tasasuuntausvirran Ik hitaasta deaktivoitumisesta, joka ajasta riippumattoman sisäänpäin suuntautuvan taustavirran vuoksi aiheuttaa diastolista depolarisaatiota. Sitä vastoin "Ik-aktivaatiohypoteesi" viittaa siihen, että toimintapotentiaalin seuraava pääte, If, tarjoaa hitaasti aktivoituvan sisäänpäin suuntautuvan virran, joka hallitsee viivästynyttä Ik:tä, mikä aiheuttaa hitaan diastolisen depolarisaation.

Sympaattinen vaikutus sykeen välittyy adrenaliinin ja norepinefriinin vapautumisesta. Beeta-adrenergisten reseptorien aktivoituminen johtaa syklisten ATP-kalvoproteiinien fosforylaatioon, mikä lisää ICaL- ja If-arvoja. Lopputuloksena on nopeutunut hidas diastolinen depolarisaatio (eli lisääntynyt syke).

Levossa vagaalinen vaikutus vallitsee ja sykevaihtelut määräytyvät pääasiassa vagaalisen modulaation mukaan. Vagal ja sympaattinen toiminta ovat jatkuvasti vuorovaikutuksessa. Koska sinussolmuke on kyllästetty asetyylikoliiniesteraasilla, kiertoimpulssien vaikutus on lyhytaikainen, koska asetyylikoliini hydrolysoituu nopeasti. Parasympaattinen vaikutus ylittää sympaattisen vaikutuksen, mikä johtuu luultavasti kahden riippumattoman mekanismin vaikutuksesta: kolinergisesti aiheutettu norepinefriinin vapautumisen väheneminen sympaattisen aktiivisuuden lisääntymisen myötä ja reaktion kolinerginen heikkeneminen vasteena adrenergisille ärsykkeille.

HRV:n osat

Lepotilassa esiintyvät vaihtelut RR-välissä heijastavat ohjausmekanismien hienosäätöä supistumisen ja supistumisen välillä. Vagal-afferenttiimpulssi johtaa vagaalisen efferentin toiminnan refleksiherätykseen ja sympaattisen efferentin toiminnan estoon. Efferenttiä vagaalista toimintaa esiintyy myös afferentin sympaattisen toiminnan sävyn alenemisen vaikutuksesta. Efferenteille sympaattisille ja vagaalisille aktivaatioille, jotka on suunnattu sinussolmukkeeseen, on ominaista vuoto, joka on suurelta osin synkroninen jokaisen sydämen syklin kanssa, jota voidaan moduloida keskus- (vasomotorisista ja hengityskeskukset) ja perifeeriset (verenpaineen vaihtelut ja hengitysliikkeet) oskillaattorit. Nämä oskillaattorit synnyttävät efferenttien hermojen purskeissa rytmisiä heilahteluja, jotka ilmenevät sydänjaksojen lyhyt- ja pitkäaikaisina värähtelyinä.

Näiden rytmien analyysi antaa meille mahdollisuuden tehdä johtopäätökset (a) keskusoskillaattorien, (b) sympaattisen ja vagaalisen efferentin aktiivisuuden, (c) humoraalisten tekijöiden, (d) sinussolmun tilasta ja toiminnasta.

Hermomekanismien moduloivan vaikutuksen ymmärtäminen sinussolmussa on parantunut HRV:n spektrianalyysin myötä. Efferentti vagaalinen aktiivisuus on pääasiallinen suurtaajuisen komponentin aiheuttaja, mikä näkyy kliinisistä ja kokeellisista autonomiseen hermostoon kohdistuvista vaikutuksista, kuten sähköstimulaatiosta. vagus hermot, muskariinireseptorien salpaus ja vagotomia. Kiistanalaisempaa on LF-komponenttien tulkinta, joita jotkut kirjoittajat pitävät sympaattisen modulaation merkkinä (erityisesti kun ne ilmaistaan ​​normalisoituina yksiköinä), ja toiset parametrina, joka sisältää sekä sympaattisen että vagaalisen vaikutuksen. Nämä erot syntyivät siitä tosiasiasta, että tietyissä sympaattiseen viritteeseen liittyvissä olosuhteissa havaitaan LF-komponentin spektrin absoluuttisen tehon lasku. On tärkeää ymmärtää tämä aikana sympaattinen aktivointi tuloksena olevaan takykardiaan liittyy yleensä merkittävä kokonaisvoiman lasku, kun taas päinvastoin tapahtuu vagaalisen aktivoitumisen yhteydessä. Jos spektrikomponentit mitataan absoluuttisissa yksiköissä (msec2, sec2), niin muutokset spektrin kokonaistehossa vaikuttavat LF:ään ja HF:ään samaan suuntaan ja häiritsevät energiajakauman arviointia fraktioiden kesken. Tämä selittää, miksi atropiini vähentää sekä LF- että HF-arvoa selällään olevalla henkilöllä, jolla on hallittu hengitys, ja miksi liikunta LF on vähentynyt huomattavasti. Tätä konseptia tukee kuvan 3 esimerkki, jossa on spektrianalyysi sydämen sykkeen vaihtelusta terveellä henkilöllä makuuasennossa ja 90 asteen pystyasennossa. Kokonaistehon pienenemisen vuoksi LF esitetään muuttumattomana absoluuttisina yksiköinä ilmaistuna. Normalisoinnin jälkeen LF:n lasku kuitenkin tulee ilmeiseksi. Samanlaiset tulokset koskevat LF/HF-suhdetta.

24 tunnin tietueiden spektrianalyysi osoittaa sen terveitä ihmisiä LF ja HF normalisoituina yksiköinä ilmaistuna heijastavat vuorokausirytmejä ja käänteisiä vaihteluita korkeammilla LF-arvoilla päivällä ja HF yöllä. Näitä riippuvuuksia ei voida paljastaa, jos otetaan huomioon koko 24 tunnin jakson analyysin tuloksena saatu spektri tai jos lasketaan peräkkäisten spektrien keskiarvo. lyhyitä jaksoja. Pitkäaikaisissa tietueissa HF- ja LF-komponentit muodostavat noin 5 % spektrin kokonaistehosta. Vaikka ULF- ja VLF-komponentit muodostavat loput 95 % kokonaistehosta, niiden fysiologista vastaavuutta ei vielä tunneta.

LF ja HF voivat kasvaa eri olosuhteissa. LF:n nousu (normalisoituina yksiköinä ilmaistuna) havaitaan päänpään passiivisella nostamisella 90*:iin, seisomaan, henkisellä stressillä ja kohtalaisella Harjoittele terveet ihmiset, joilla on kohtalainen hypotensio, liikunta ja okkluusio sepelvaltimo tai ulkosiittoisten koirien yhteinen kaulavaltimo. Sitä vastoin HF lisääntyy hallitulla hengityksellä, kasvojen jäähdytyksellä ja rotaatiostimulaatiolla.

Vagal-toiminta on suurin osa HF-komponentista. LF-komponentin suhteen on eroja. Jotkut tutkimukset uskovat, että LF, ilmaistuna normalisoituina yksiköinä, on epäsuora sympaattisen modulaation merkki, toiset taas uskovat, että LF heijastaa sekä sympaattista että vagaalista aktiivisuutta. Näin ollen jotkut tutkijat pitävät LF/HF-suhdetta sympaattisen/vagaalisen tasapainon indikaattorina tai sympaattisen modulaation indikaattorina.

Hitain taajuuskomponenttien (eli VLF ja ULF) fysiologinen tulkinta vaatii lisätutkimuksia.

On tärkeää huomata, että HRV mittaa autonomisen vaikutuksen vaihteluita sydämeen eikä autonomisen hermoston keskimääräistä vaikutustasoa. Siten sekä kasvullisen vaikutuksen esto että kyllästävä korkea taso sympaattinen vaikutus johtaa HRV:n laskuun.

Tiettyihin patologioihin liittyvät HRV-muutokset

HRV:n laskua havaittiin useissa kardiologisissa ja ei-sydänsairauksissa sydänsairaudet.

Sydäninfarkti (MI).

HRV:n masennus sydäninfarktin jälkeen saattaa heijastaa sydämeen kohdistuvan vagaalisen vaikutuksen vähenemistä, mikä johtaa sympaattisten mekanismien hallitsemiseen ja sydämen sähköiseen epävakauteen. MI:n akuutissa vaiheessa keskiarvon lasku keskihajonta normaalit RR-välit (SDNN - SCONN) 24 tunnin tallennuksessa liittyvät vahvasti vasemman kammion toimintahäiriöön, kreatiniinifosfokinaasin huipputason nousuun ja Killip-luokkaan.

Mekanismia, jolla HRV pienenee tilapäisesti sydäninfarktin jälkeen ja jolla tukahdutettu HRV on akuutin sydäninfarktin hermovasteen esiaste, ei ole vielä kuvattu, mutta se johtuu todennäköisesti häiriöstä hermostunut toiminta sydänperäinen. Joihinkin hypoteeseihin liittyy [mukaan lukien] sydän-sydämen sympaattisympaattiset ja sympatho-vagaaliset refleksit, ja ne viittaavat siihen, että nekroottisista ja ei-supistuvista segmenteistä johtuvat muutokset supistuvan sydämen geometriassa voivat lisätä epänormaalisti sympaattisten afferenttien säikeiden purkauksia, jotka johtuvat mekaanisia vaurioita herkkiä loppuja. Tämä sympaattinen viritys heikentää emättimen kuitujen toimintaa sinussolmuke. Toinen selitys, joka soveltuu erityisesti HRV:n merkittävään laskuun, perustuu sinussolmukkeen solujen desensibilisaatioon hermomodulaatiolle.

HRV:n spektrianalyysi potilailla, jotka selvisivät akuutista MI:stä, paljastaa kokonaistehon ja yksittäisten spektrikomponenttien laskun. Siten, jos teho LF ja HF laskettiin normalisoiduissa yksiköissä, lisääntynyt LF ja alentunut HF havaittiin sekä kontrolloiduissa lepoolosuhteissa että 24 tunnin tietueet analysoituna useilla 5 minuutin välein. Nämä muutokset osoittavat sympaattis-vagaalisen tasapainon siirtymistä kohti sympatikotoniaa ja emättimen sävyä. Harkinnan tuloksena tehtiin samanlaisia ​​johtopäätöksiä

LF/HF-suhteet. Heikentyneen hermoston hallintamekanismien olemassaolo heijastui myös RR-välien ja LF- ja HF-spektrikomponenttien päivä-yö-vaihtelun vähenemisenä useista päivistä useisiin viikkoihin akuuttien tapahtumien jälkeen. MI-potilailla, joilla on vakavasti alentunut HRV suurin osa jäljelle jäävä spektrienergia keskittyy VLF-taajuusalueelle alle 0,03 Hz, ja hengitykseen liittyy hyvin vähän HF:ää. Nämä spektriprofiilin ominaisuudet ovat samanlaisia ​​kuin sydämen vajaatoiminnassa tai sydämensiirron jälkeen havaitut ja heijastavat luultavasti sekä elimen heikentynyttä herkkyyttä hermovaikutuksille tai sinussolmun kyllästymistä jatkuvasti korkealla sympaattisella sävyllä.

Diabeettinen neuropatia

Diabeettisessa neuropatiassa, jolle on ominaista pieni muutos hermosäikeitä Näyttää siltä, ​​että HRV:n ajallisten parametrien lasku ei sisällä ainoastaan ​​negatiivista ennustetietoa, vaan myös edeltää kliininen ilmentymä neuropatia. Diabetespotilaiden, joilla ei ole näyttöä neuropatiasta, on myös havaittu vähentävän LF:n ja HF:n absoluuttista tehoa kontrolloiduissa olosuhteissa. Kuitenkin, jos LF/HF-suhde otettiin huomioon tai LF ja HF analysoitiin normalisoiduissa yksiköissä, ei havaittu merkittäviä eroja normista. Täten, ensimmäiset ilmenemismuodot sellaiseen neuropatiaan liittyy todennäköisesti molemmat ANS:n efferentit haarat.

Sydämensiirto

Erittäin alhainen HRV ilman voimakkaita spektrikomponentteja havaittiin potilailla, joille on äskettäin siirretty sydän.

Erillisten spektrikomponenttien ilmaantumista joillakin potilailla pidetään sydämen uudelleenhermotuksen heijastuksena. Tämä uudelleenhermotus voi tapahtua aikaisintaan 1-2 vuotta elinsiirron jälkeen, ja sillä on yleensä sympaattinen lähde. Onko se totta,

Joillakin elinsiirtopotilailla havaittu korrelaatio hengitystaajuuden ja HRV:n HF-komponentin välillä osoittaa, että ei-hermomekanismit voivat myös myötävaikuttaa hengitysrytmin värähtelyihin. Alustavat havainnot päällä

Sellaisten potilaiden tunnistaminen, joilla HRV-muutokset ovat aiheuttaneet hylkimisreaktion, voi olla kliinistä mielenkiintoa, mutta vaativat lisävahvistusta.

Sydänlihaksen toimintahäiriö

Sydämen vajaatoimintaa sairastavilla potilailla on jatkuvasti havaittu HRV:n laskua. Näissä olosuhteissa, joille on ominaista sympaattisen aktivoitumisen merkit, kuten lisääntynyt syke ja korkeat tasot verenkierrossa olevien katekoliamiinien suhteen HRV:n muutosten ja kammioiden toimintahäiriön asteen välinen suhde on ollut kiistanalainen. Itse asiassa, kun ajallisten pisteiden lasku näytti vastaavan taudin vakavuutta, spektrikomponenttien ja kammioiden toimintahäiriön merkkien välinen suhde näytti olevan monimutkaisempi. Erityisesti suurimmalla osalla potilaista, jotka olivat taudin hyvin myöhäisessä vaiheessa ja joilla on vakavasti alentunut HRV, LF-komponentteja ei voitu havaita huolimatta Kliiniset oireet sympaattinen aktivointi. Täten olosuhteissa, joita luonnehditaan avoimeksi ja kiistämättömäksi pysyväksi sympaattiseksi viritykseksi, sinussolmukkeen reaktiivisuus hermoimpulsseille on huomattavasti heikentynyt.

Tetraplegia

Potilaat, joilla on krooninen kokonaisvamma kohdunkaulan selkäytimessä on ehjät sympaattiset ja emättimen hermoreitit, jotka on suunnattu sinussolmukkeeseen. Selkärangan sympaattisilta neuroneilta puuttuu kuitenkin barorefleksin moduloiva ohjaus ja erityisesti supraspinaalinen estovaikutus. Tästä syystä nämä potilaat edustavat ainutlaatuista kliinistä mallia sellaisten supraspinaalisten mekanismien osuuden arvioimiseksi, jotka määrittävät sympaattisen aktiivisuuden, joka vaikuttaa matalataajuisiin HRV-värähtelyihin. On raportoitu, että LF:ää ei voida havaita tetraplegisillä potilailla, mikä vahvistaa supraspinaalisten mekanismien kriittisen roolin 0,1 Hz:n rytmin määrittämisessä. Kahdessa viimeaikaisessa tutkimuksessa on kuitenkin havaittu, että LF-komponentti voidaan havaita HRV:ssä ja verenpaineen vaihtelussa joillakin tetraplegisillä potilailla.

Kun Koh et al. (108) liitti HRV:n LF-komponentin vagusmodulaatioon, Guzzetti et ai. yhdistettiin sama komponentti sympaattiseen aktiivisuuteen, koska LF-komponentti ilmaantui viiveellä selkäytimen ylittämisen jälkeen, uskoen, että kehittyvä selkäydinrytmi pystyy moduloimaan sympaattisia vuotoja.

HRV:n muutokset tiettyjä interventioita varten

Syitä yrittää muuttaa HRV:tä MI:n jälkeen tulee lukuisista havainnoista, jotka osoittavat, että sydänkuolleisuus on korkeampi MI-potilailla, joilla on enemmän heikentynyttä HRV:tä. Päätelmänä on, että altistuminen, joka lisää HRV:tä, voi suojata sydänkuolemaa ja äkillistä sydänkuolemaa vastaan. Vaikka HRV:n muuttamisen suositeltavuus on perusteltua, se sisältää vaaran johtaa perusteettomaan olettamukseen, että HRV:n muuttamisella pyritään suoraan suojaamaan sydäntä, mikä ei välttämättä pidä paikkaansa. Tavoitteena on parantaa sydämen sähköistä vakautta, ja HRV on yksinkertaisesti ANS-toiminnan indikaattori. Huolimatta kasvavasta yksimielisyydestä siitä, että lisääntynyt vagaalinen aktiivisuus voi olla hyödyllistä, ei ole vielä selvää, kuinka paljon vagaalista aktiivisuutta (tai merkkiä siitä) on lisättävä riittävän suojan tarjoamiseksi.

Beeta-adrenerginen salpaus ja HRV

Tietoa beetasalpaajien vaikutuksesta HRV-potilaisiin ja infarktin jälkeisiin potilaisiin on yllättävän vähän. Vaikka havainto lisääntyy tilastollisesti merkitsevästi, todelliset muutokset ovat hyvin vaatimattomia. On kuitenkin huomattava, että beetasalpaajat estävät aamulla havaitun LF-komponentin nousun. Sisäsiittoisilla koirilla MI:n jälkeen beetasalpaajat eivät muuta HRV:tä. Odottamaton havainto, että beetasalpaajat lisäävät HRV:tä ennen sydäninfarktia vain eläimillä, joilla on pieni riski MI:n jälkeisestä tappavasta rytmihäiriöstä, voi ehdottaa uusia lähestymistapoja MI-riskin kerrostumiseen.

Rytmihäiriölääkkeet ja HRV

Tietoja on saatu useista rytmihäiriölääkkeistä. Flekainidin ja propafenonin, mutta ei amiodaronin, on raportoitu vähentävän HRV:n ajoitusta kroonisesta sairaudesta. ventrikulaarinen rytmihäiriö. Toisessa tutkimuksessa propafenoni vähensi HRV:tä ja LF:ää enemmän kuin HF, mikä johti merkittävästi pienempään LF/HF-suhteeseen. Laajempi tutkimus vahvisti, että flekainidi, samoin kuin enkainidi ja moritsitsiini, vähensivät HRV:tä infarktin jälkeisillä potilailla, mutta eivät löytäneet yhteyttä HRV:n muutosten ja myöhemmän kuolleisuuden välillä. Siten jotkut rytmihäiriölääkkeet, jotka liittyvät lisääntyneeseen kuolleisuuteen, voivat alentaa HRV:tä. Ei kuitenkaan tiedetä, onko näillä HRV:n muutoksilla suoraa ennustearvoa.

Skopolamiini ja HRV

Pieni annos muskariinireseptorin salpaajia, kuten atropiinia ja skopolamiinia, voi aiheuttaa paradoksaalisen lisääntymisen efferenttitoiminnassa, kuten sydämen sykkeen hidastuminen viittaa. Useissa tutkimuksissa on testattu transdermaalisen skopolamiinin vaikutusta vagaalitoiminnan merkkeihin potilailla, joilla on äskettäin MI ja kongestiivinen sydämen vajaatoiminta. Skopolamiini lisää merkittävästi HRV:tä, mikä osoittaa, että skopolamiinin farmakologiset vaikutukset hermostunut toiminta voi tehokkaasti parantaa vagalia

Toiminta. Pitkäaikaisen hoidon vaikutusta ei kuitenkaan ole arvioitu. Lisäksi pienet skopolamiiniannokset eivät estä kammiovärinää koirilla sydäninfarktin jälkeisen akuutin sydänlihasiskemian aikana.

Trombolyysi ja HRV

Trombolyysin vaikutus HRV:hen (arvioitu pNN50:llä) havaittiin 95 potilaalla, joilla oli akuutti MI. HRV oli korkeampi 90 minuutin sisällä trombolyysin jälkeen potilailla, joilla infarktivaltimon avoimuus oli uusi. Nämä erot eivät kuitenkaan tulleet ilmeisiksi, kun 24 tunnin tallennuksia analysoitiin.

Harjoitukset ja HRV

Harjoittelu voi vähentää sydän- ja verisuoniperäistä kuolleisuutta ja äkillistä sydänkuolemaa. Säännöllinen liikunta myös tasapainottaa HRV:tä. Viimeaikaiset kokeelliset tutkimukset, joiden tarkoituksena on arvioida harjoituksen vaikutusta vagaalisen toiminnan ilmenemismuotoihin, ovat samanaikaisesti saaneet tietoa sydämen sähköisen stabiilisuuden muutoksista. Ulkosiittoisille koirille, joilla oli aiemmin dokumentoitu korkea kammiovärinän riski sydänlihasiskemian aikana, annettiin 6 viikkoa päivittäistä liikuntaa, jota seurasi häkkitauko. Harjoittelun jälkeen HRV (SDNN) nousi 74 % ja kaikki eläimet selvisivät uudesta iskeemisestä testistä. Harjoittelu voi myös nopeuttaa fysiologisen sympaatti-vagaalisen rajapinnan palautumista, kuten sydäninfarktin jälkeisillä potilailla on osoitettu.

Sykevaihtelun kliininen käyttö.

Vaikka HRV on ollut lukuisten kliinisten tutkimusten kohteena monenlaisia sydän- ja ei-sydänsairaudet ja kliiniset sairaudet, mutta yleinen yksimielisyys käytännön käyttöä Aikuisten lääketieteen HRV on saavutettu vain kahdessa kliinisessä tapauksessa. Alennettua HRV:tä voidaan käyttää riskin ennustamiseen akuutin sydäninfarktin (MI) jälkeen ja miten varhainen merkki diabeettinen neuropatia.

Riskinarviointi akuutin sydäninfarktin jälkeen.

Havainto, että potilailla, joilla on akuutti sydäninfarkti, hengitysteiden sinusrytmioiden puuttuminen liittyy lisääntyneeseen sairaalakuolleisuuteen, on ensimmäinen suuri numero raportit, jotka osoittivat HRV:n ennustavan arvon korkean riskin potilaiden tunnistamisessa.

Suppressoitunut HRV ennustaa voimakkaasti kuolleisuutta ja rytmihäiriöitä (esim. kammiotakykardiaa) potilailla, joilla on akuutti sydäninfarkti. HRV:n ennustearvo on riippumaton muista riskin kerrostamiseen käytetyistä tekijöistä, kuten pienentyneestä vasemman kammion ejektiofraktiosta, lisääntyneestä kammion ektooppisesta aktiivisuudesta ja myöhäiskammiopotentiaalista. Kaikkien kuolleisuustapausten ennusteiden mukaan HRV-arvo on samanlainen kuin vasemman kammion ejektiofraktio, mutta on siihen verrattuna parempi rytmihäiriötapahtumien (äkillinen sydänkuolema ja kammiotakykardia) ennustamisessa. Tämä on synnyttänyt väärän käsityksen, että HRV ennustaa rytmihäiriöiden kuolleisuutta tiukemmin kuin ei-arytmisen kuolleisuuden. HRV:ssä ei kuitenkaan ollut selvää eroa potilaiden välillä, jotka kärsivät äkillisestä ja ei-äkillisestä sydänkuolemasta akuutin sydäninfarktin jälkeen. Tämä voi kuitenkin johtua "äkillisen sydänkuoleman" määritelmän luonteesta. Sen on katettava paitsi äkillisen rytmihäiriön saaneet potilaat myös kuolemaan johtavat potilaat. toistuvat sydänkohtaukset ja muut sydän- ja verisuonitapahtumat.

Aika- ja taajuusparametrien merkitys on täysin ymmärretty useissa riippumattomissa tutkimuksissa, mutta johtuen optimaalisen käytöstä rajoitetut arvot kuvaavat normaalia ja alentunutta HRV:tä, nämä sekvenssit voivat hieman yliarvioida HRV:n ennustavan roolin. Näiden rajoitettujen arvojen luottamusvälit ovat kuitenkin melko kapeat tutkitun populaation koon vuoksi. Siten saadut rajoitetut indikaattorit 24 tunnin HRV-estimaateista eli SDNN:stä<50мсек. и треугольный индекс ВСР<15 для сильно пониженной ВСР или SDNN<100мсек. и треугольный индекс <20 для средне пониженной ВСР, вероятно, широко применимы.

Ei tiedetä, voidaanko eri HRV-mittareita (esim. arviot lyhyen ja pitkän aikavälin komponenteista) yhdistää monimuuttujasuhteiksi MI:n jälkeisen riskin kerrostumisen parantamiseksi. Yleinen yksimielisyys on kuitenkin se, että muiden HRV-mittausten yhdistäminen 24 tunnin HRV-estimaattiin on todennäköisesti tarpeeton.

Patofysiologinen huomio

Vielä ei ole osoitettu, onko HRV osa infarktin jälkeisen lisääntyneen kuolleisuuden mekanismia vai yksinkertaisesti merkki huonosta ennusteesta. On saatu näyttöä siitä, että alentunut HRV ei ole vain heijastus sympaattisesta väsymyksestä tai emättimen tukosta, joka johtuu kammioiden huonosta toiminnasta, vaan heijastaa myös vähentynyttä vagaalista aktiivisuutta, joka liittyy vahvasti kammioiden rytmihäiriöiden ja äkillisen sydänkuoleman patogeneesiin.

HRV-arviointi riskin jakautumisesta akuutin sydäninfarktin jälkeen

Perinteisesti sydäninfarktin jälkeen riskikerroitukseen käytetty HRV on arvioitu 24 tunnin HRV-tallenteista, lyhytaikaisista EKG-tallenteista saatu arvio sisältää myös ennakoivaa tietoa riskin kerrostumisesta MI:n jälkeen, mutta onko se yhtä luotettava kuin 24 tunnin tallennuksista. ei ole vielä selvää.. Lyhytaikaisista tietueista saatu HRV pienenee korkean riskin potilailla; alentuneen HRV:n ennustearvo kasvaa tietueen pituuden myötä. Näin ollen nimellisen 24 tunnin tallennuksen käyttöä voidaan suositella MI-riskin osoittumistutkimuksiin. Toisaalta HRV:n arviointia lyhytaikaisista tiedoista voidaan suositella akuutin sydäninfarktin eloonjäämisen alustavaan seulomiseen. Tällä arviolla on samanlainen herkkyys, mutta pienempi ennustearvo korkean riskin potilaille verrattuna 24 tunnin HRV:hen. MI-potilaiden HRV:n spektrianalyysi osoittaa, että ULF:llä ja VLF:llä on suurin ennustearvo. Koska näiden komponenttien fysiologista selitystä ei tunneta ja näiden komponenttien osuus kokonaistehosta on jopa 95 %, mikä on helposti arvioitavissa ajallisin menetelmin, yksittäisten HRV-spektrikomponenttien käyttö MI:n jälkeiseen riskin kerrostukseen ei ole luotettavampaa kuin temporaaliset menetelmät, jotka arvioivat yleistä HRV:tä.

HRV:n kehittyminen akuutin sydäninfarktin jälkeen

Aikaa MI:n jälkeen, jolloin alentunut HRV saavuttaa korkeimman ennustearvon, ei ole vielä täysin määritetty. Yleisesti ollaan kuitenkin yksimielisiä siitä, että HRV tulisi arvioida ennen sairaalasta kotiutumista eli noin viikon kuluttua infarktista. Tämä suositus sopii hyvin myös akuutin sydäninfarktin yleiseen hoitokäytäntöön.

HRV laskee välittömästi sydäninfarktin jälkeen ja alkaa toipua muutaman viikon kuluttua ja toipuu maksimaalisesti, mutta ei täysin, 6-12 kuukautta sydäninfarktin jälkeen. HRV:n arviointi MI:n varhaisessa vaiheessa (2-3 päivää akuutin sydäninfarktin jälkeen) ja ennen sairaalasta kotiutumista (1-3 viikkoa akuutin sydäninfarktin jälkeen) tarjoaa tärkeitä ennustetietoja. Myöhemmin (1 vuosi) akuutin sydäninfarktin jälkeen saatu arvio HRV:stä ennustaa myös tulevan kuolleisuuden.138 Eläintutkimukset viittaavat siihen, että HRV:n palautumisnopeus sydäninfarktin jälkeen korreloi myöhemmän riskin kanssa.

HRV:n käyttö monimuuttujariskin kerrostamiseen.

Pelkästään HRV:n ennustearvo on vaatimaton, mutta yhdistäminen muihin menetelmiin parantaa merkittävästi sen ennustusarvoa kliinisesti tärkeällä herkkyysalueella (25 % - 75 %) sydänkuolleisuuden ja rytmihäiriötapahtumien osalta (Kuva 9).

Positiivisen ennustetarkkuuden parannuksia herkkyysalueella on raportoitu, kun HRV yhdistetään keskisykeen, vasemman kammion ejektiofraktioon, kammion kohdunulkoisen aktiivisuuden määrään, korkearesoluutioisiin EKG-parametreihin (esim. myöhäisten potentiaalien esiintyminen ja puuttuminen) ja kliiniset arvioinnit. Ei kuitenkaan tiedetä, mitä käytännön merkitystä muilla kerrostustekijöillä on ja mitkä ovat niiden mahdollisuudet yhdistettynä HRV:hen monitekijäiseen riskikerroitukseen.

On suoritettava systemaattisia monimuuttujia MI-riskin osoittumistutkimuksia, jotta päästään yhteisymmärrykseen ja suositellaan HRV:n yhdistämistä muihin mittareihin, joilla on todistetusti ennustearvo. Monet näkökohdat, jotka eivät ole tärkeitä yksimuuttujaisessa riskikerrostuksessa, vaativat testausta: ei ole selvää, ovatko yksimuuttujatutkimuksissa saadut yksittäiset parametrit yksilöllinen riskitekijä, kun niitä käytetään monimuuttujamuunnelmissa. Erilaiset monimuuttujayhdistelmät edellyttävät todennäköisesti ennustetarkkuuden optimointia eri herkkyysalueilla. Vaiheittaista strategiaa tulisi käyttää yksittäisten testien optimaalisen järjestyksen määrittämiseksi monimuuttujakerroksista.

Seuraavat tekijät tulee ottaa huomioon, kun HRV-arvioita käytetään kliinisissä tutkimuksissa ja tutkimuksissa, jotka määrittävät eloonjäämistä akuutissa MI:ssä. Alennettu HRV ennustaa kuolleisuutta muista riskitekijöistä riippumatta. Yleinen yksimielisyys vallitsee siitä, että HRV tulisi arvioida noin viikon kuluttua infarktin alkamisesta. Vaikka lyhyen aikavälin tallennuksen HRV-pisteet sisältävät ennustetietoja, nimellisen 24 tunnin tallennuksen HRV-pistemäärä on vahvempi riskin ennustaja. Lyhyen aikavälin HRV-arviointia voidaan käyttää kaikkien akuutista sydäninfarktista eloonjääneiden seulonnassa.

Toistaiseksi ei ole löydetty HRV-estimaatteja, jotka antaisivat parempaa ennakoivaa tietoa kuin ajalliset kokonais-HRV-estimaatit (eli SDNN tai kolmioindeksi). Muut arvioinnit, kuten ULF:n koko 24 tunnin spektrianalyysi, toimivat yhtä hyvin. Suurin riskiryhmä voidaan tunnistaa kynnysarvosta: SDNN<50 мсек. и треугольный индекс <15 мсек.

Kliinisesti merkittävällä herkkyysalueella pelkkä HRV:n ennustearvo on vaatimaton, vaikka se on korkeampi kuin minkään muun tunnetun riskitekijän. Ennakointikyvyn parantamiseksi HRV voidaan yhdistää muihin tekijöihin. Optimaalista riskitekijöitä ja niitä vastaavia rajoja ei kuitenkaan ole vielä löydetty.

Diabeettisen neuropatian arviointi

Diabetes mellituksen komplikaationa autonomisen hermoston neuropatialle on ominaista sekä sympaattisen että parasympaattisen alueen pienten hermosäikeiden varhainen ja laaja vaurio. Sen kliiniset ilmenemismuodot liittyvät täysin toiminnallisiin häiriöihin ja sisältävät: asento (liittyy kehon asentoon) hypotensio, jatkuva takykardia, diabeettiset kriisit, gastropareesi jne.

Diabeettisen autonomisen neuropatian (DAN) ilmenemismuotojen kliinisen löydön jälkeen viiden vuoden kuolleisuuden on arvioitu olevan noin 50 %. Että. ANS:n varhainen prekliininen diagnoosi on olennaista riskin jakautumisessa ja seurannassa. Lyhyen ja pitkän aikavälin HRV:n analyysi on osoittautunut hyödylliseksi DAN:ien tunnistamisessa.

Potilaille, joilla on todettu tai epäilty DAN, HRV:n arvioimiseen voidaan käyttää kolmea menetelmää: (a) yksinkertainen RR-välimenetelmä; b) pitkän aikavälin mittaukset aika-alueella, jotka ovat herkempiä ja toistettavampia kuin lyhytaikaiset testit; c) vakioolosuhteissa saatujen lyhytaikaisten tietueiden taajuusanalyysi, jotka ovat hyödyllisiä sympaattisten ja parasympaattisten häiriöiden erottamisessa.

Pitkän aikavälin arviot aikatasolla.

24 tunnin Holter-tallennuksesta johdettu HRV on herkempi kuin yksinkertaiset testit (Valsalva-liike, ortostaattinen testi ja syvä hengitys) DAN:n havaitsemiseksi. Suurin osa kokemuksesta on kertynyt NN50- ja SDSD-arvioiden perusteella (katso taulukko 1.) . Käytettäessä NN50-lukemia kokonaislukujen luotettavuus laski 95 % 500:sta 2000:een iän myötä, mikä tarkoittaa, että noin puolella diabeetikoista pitäisi olla epätavallisen alhaiset 24 tunnin lukemat. Lisäksi on olemassa vahva korrelaatio niiden potilaiden osuuden välillä, joilla on epänormaali määrä lukuja, ja ehdollisilla pisteillä määritetyn neuropatian asteen välillä.

Lisääntyneen herkkyyden lisäksi nämä 24 tunnin arviot korreloivat voimakkaasti muiden HRV-estimaattien kanssa ja ovat toistettavissa ja pysyviä ajan myötä. Sydäninfarktipotilaiden eloonjäämisajan tapaan myös DAN-potilaat ovat alttiita huonoille tuloksille, kuten äkilliselle kuolemalle, mutta on vielä vahvistettava, sisältävätkö HRV-arviot ennustetietoa diabeetikkojen keskuudessa.

Mittaukset taajuusalueella.

Seuraavat poikkeavuudet HRV:n taajuusanalyysissä liittyvät DAN:iin (a) kaikkien spektrikaistojen tehon heikkeneminen, joka on yleisin ominaisuus, (c) LF:n lievä nousu seisomaan noustessa, mikä heijastaa heikentynyttä sympaattista vastetta tai heikentynyttä baroreseptorien herkkyys, (c) epänormaalin alhainen kokonaisteho muuttumattomalla LF/HF-suhteella ja (d) vasemmanpuoleinen siirtymä LF-keskitaajuudessa, jonka fysiologinen merkitys vaatii lisätutkimuksia.

Pitkälle edenneessä neuropaattisessa tilassa makuuasennossa voimaspektrissä on usein erittäin alhaisia ​​amplitudeja kaikissa spektrikomponenteissa, mikä tekee signaalin erottamisen kohinasta vaikeaksi. Lisäksi on suositeltavaa ottaa mukaan sellaiset testit kuin seisominen tai ortostaattinen testi. Toinen tapa päästä eroon alhaisesta signaali-kohinasuhteesta on käyttää koherenttia funktiota, joka käyttää taajuuskaistan kanssa koherentia kokonaistehoa.

Muut kliiniset mahdollisuudet.

Yksittäiset tutkimukset HRV:stä muissa sydänsairauksissa on lueteltu taulukossa. 4.

Tulevaisuuden mahdollisuudet

HRV-mittausten kehittäminen.

Tällä hetkellä käytettävissä olevat temporaaliset menetelmät, joita käytetään pääasiassa pitkän aikavälin HRV-profiilien arvioimiseen, ovat todennäköisesti riittäviä tähän tarkoitukseen. Parantaminen on mahdollista erityisesti numeerisen kestävyyden (vakauden) alalla. Nykyaikaiset ei-parametriset ja parametriset spektrimenetelmät ovat todennäköisesti riittäviä analysoimaan lyhytaikaisia ​​EKG-tallenteita ilman ohimeneviä muutoksia sykemodulaatiossa.

Sen lisäksi, että on tarpeen kehittää numeerisesti vankkoja menetelmiä, jotka soveltuvat täysin automatisoituun analyysiin (tähän suuntaan voidaan käyttää vain geometrista menetelmää), seuraavat kolme aluetta ansaitsevat huomion.

HRV:n dynamiikka ja jatkuvat muutokset.

Nykyiset mahdollisuudet kuvata ja numeerisesti arvioida RR-jaksojen sarjan dynamiikkaa ja HRV:n muutosten ohittamista ovat hajanaisia ​​ja vaativat vielä matemaattista kehitystä. Voidaan kuitenkin olettaa, että HRV-dynamiikan asianmukainen arviointi johtaa todelliseen parantumiseen ymmärryksemme sykemodulaatiosta ja sen fysiologisesta ja patofysiologisesta selityksestä.

Vielä ei ole selvää, soveltuvatko epälineaarisen dynamiikan menetelmät RR-välien ohimenevien muutosten mittaamiseen vai tarvitaanko uusia matemaattisia malleja ja algoritmisia käsitteitä, jotta voidaan luoda mittausperiaatteita, jotka ovat lähempänä sydämen periodogrammien fysiologista luonnetta. Joka tapauksessa käynnissä olevien HRV-mittausten arvioinnin tehtävä näyttää olevan tärkeämpi kuin hyväksytyn tekniikan kehittäminen edelleen sykemodulaation analysoimiseksi vakaassa vaiheessa.

RR jaRR väliajoin.

HRV:n RR- ja RR-modulaation välisestä suhteesta tiedetään vähän. Näistä syistä on myös tarkasteltava PP-välien järjestystä. Valitettavasti on lähes mahdotonta paikantaa tarkasti P-huipun viitepistettä tavanomaisella tekniikalla tallennetun pinta-EKG:n perusteella. Tekniikan kehitys saattaa kuitenkin mahdollistaa PP- ja RR-välien vaihtelun tutkimisen tulevissa kokeissa.

Monisignaalianalyysi.

Sykkeen modulaatio ei itse asiassa tapahdu vain ANS:n säätelymekanismien vaikutuksen seurauksena. Nykyiset kaupalliset ja ei-kaupalliset laitteet mahdollistavat EKG:n, hengityksen, verenpaineen jne. tallentamisen samanaikaisesti. Näiden signaalien tallennuksen helppoudesta huolimatta ei ole olemassa laajalti hyväksyttyjä yksityiskohtaisia ​​monisignaalianalyysimenetelmiä.

Jokainen signaali voidaan analysoida erikseen esimerkiksi parametrisella spektrianalyysillä ja verrata analyysituloksia. Fysiologisten signaalien yhteinen analyysi antaa mahdollisuuden arvioida populaation ominaisuuksia.

Fysiologisen tulkinnan parantamiseksi tarvitaan tutkimusta.

Ponnisteluja tulee suunnata fysiologisten selitysten ja biologisten yhteyksien löytämiseen erilaisille HRV-estimaateille. Joissakin tapauksissa, esimerkiksi HF-komponenttia tulkittaessa, se saavutettiin. Muissa tapauksissa, esimerkiksi VLF- ja ULF-komponentteja tulkittaessa, fysiologista selitystä ei ole vielä saatu.

Epävarmuus rajoittaa kykyä tulkita näiden arvioiden ja sydäntapahtumien riskin välistä suhdetta. Kyky käyttää ANS-toiminnan merkkejä on erittäin houkutteleva. Luotettava yhteys HRV-pisteiden ja sydämen ilmentymien välillä on kuitenkin toistaiseksi löydetty, mikä lisää siihen liittyvää vaaraa, että terapeuttiset interventiot keskittyvät oireisiin. Tämä voi johtaa vääriin lauseisiin ja vakaviin tulkintavirheisiin.

Mahdollisuudet tulevaan kliiniseen käyttöön

normaaleja standardeja.

Normaalien HRV-standardien luomiseksi eri ikä- ja sukupuoliryhmille on tarpeen suorittaa tutkimus suurilla populaatioilla ja seurata niiden tilaa pitkällä aikavälillä. Äskettäin Framingham Heart Centerin tutkijat julkaisivat arviot HRV:stä 736 vanhemmalla aikuisella ja niiden suhteen kaikkiin tapauksiin seuraavien 4 vuoden aikana. Nämä tutkimukset päättelivät, että HRV tarjoaa itsenäisesti tarkempaa ennustetta kuin muut perinteiset riskitekijät. Lisätutkimuksia HRV:stä tulisi tehdä populaatioissa, jotka kattavat miesten ja naisten koko ikäkirjon.

Fysiologiset ilmiöt.

Olisi mielenkiintoista arvioida HRV:tä erilaisten vuorokausirytmien, kuten normaalin päivä-yö-syklin, vakiintuneen käänteisen päivä-yö-syklin (ilta-yötyö) ja matkan aikana mahdollisesti ilmenevien ohimenevien päivä-yö-jaksojen osalta. ANS-aktiivisuuden vaihteluita, joita esiintyy unen eri vaiheissa, mukaan lukien REM-uni, on tutkittu vain muutamilla potilailla. Normaaleilla HF-henkilöillä tehospektrin vagaalinen komponentti lisääntyi, mutta ei nopean silmän liikevaiheen aikana, kun taas infarktin jälkeisillä potilailla tämä lisäys puuttui.

ANS:n vaste urheiluharjoitteluun ja kuntoutukseen eri sairauksien jälkeen voi auttaa arvioimaan toipumisen tuloksia. HRV-tiedoista pitäisi olla hyötyä harjoituksen kronologisten näkökohtien ymmärtämisessä ja sen määrittämisessä, milloin optimaalinen palautumisaika on suhteessa ANS:n vaikutukseen sydämeen. Lisäksi HRV voi kuljettaa tärkeitä tietoja avaruuslentoon liittyvistä liikuntarajoitteisen ja painottomuuden kehon hajoamisesta.

farmakologiset reaktiot.

Monet lääkkeet vaikuttavat suoraan tai epäsuorasti ANS:iin, joten HRV:tä voidaan käyttää tutkimaan eri tekijöiden vaikutusta sympaattiseen ja parasympaattiseen toimintaan. Tiedetään, että parasympaattinen salpaus täydellä atropiiniannoksella aiheuttaa merkittävän HRV:n laskun. Pienellä skopolamiiniannoksella on vagotoninen vaikutus, joka liittyy kohonneeseen HRV:hen, erityisesti HF-alueella. b-adrenerginen salpaus aiheuttaa HRV:n nousun ja LF-komponentin laskun, ilmaistuna normalisoituina yksiköinä.

Paljon enemmän tutkimusta tarvitaan, jotta voidaan ymmärtää muuttuneen vagotonisen ja adrenergisen sävyn vaikutukset ja kliininen merkitys HRV:n kokonaistehoon ja sen eri komponentteihin sairaudessa ja taudin puuttuessa.

Tällä hetkellä on tietoa kalsiumkanavasalpaajien, rauhoittavien lääkkeiden, ankiolyyttien, kipulääkkeiden, anestesialääkkeiden, rytmihäiriölääkkeiden, huumausaineiden ja kemoterapeuttisten aineiden, kuten vinkristiinin ja doksorubisiinin, vaikutuksesta HRV:hen.

Riskin ennustaminen.

HRV:n aika- ja taajuusestimaatteja, jotka on laskettu pitkistä 24 tunnin tai lyhyistä 2–15 minuutin EKG-tallenteista, on käytetty ennakoimaan elinajanodotetta akuutin sydäninfarktin jälkeen sekä kaikentyyppisten kuolleisuuden ja äkillisen sydänkuoleman riskejä potilailla, joilla on rakenteellinen sydänkuolema. sydänsairaudet ja monet muut patofysiologiset tilat. Käyttämällä diagnostisia työkaluja, jotka voivat arvioida HRV:tä sekä kammiorytmioiden esiintymistiheyttä ja monimutkaisuutta, keskimääräisiä EKG:n, ST-segmenttien muutoksia ja repolarisaation homogeenisuutta, voidaan huomattavasti parantaa äkillisen kuoleman ja rytmihäiriötapahtumien riskissä olevien potilaiden tunnistamista. Prospektiivisia tutkimuksia tarvitaan yhdistettyjen testien herkkyyden, merkityksen ja ennustetarkkuuden arvioimiseksi.

Sikiön ja vastasyntyneen sykevaihtelu on tärkeä tutkimusalue, sillä sen pitäisi tarjota varhaista tietoa sikiön ja vastasyntyneen tapaturmista ja tunnistaa ne lapsen äkillisen kuoleman oireyhtymästä. Suurin osa tämän alueen esityöstä tehtiin 1980-luvun alussa, ennen spektrianalyysimenetelmien käyttöä. ANS-kypsymisen havainnointi kehittyvässä sikiössä on myös mahdollista näillä menetelmillä.

Sairauden mekanismit.

Hedelmällinen tutkimusalue on HRV-menetelmien avulla tutkia ANS-muutosten roolia sairausmekanismeissa, erityisesti olosuhteissa, joissa sympato-vagaalisilla tekijöillä näyttää olevan tärkeä rooli.

Viimeaikainen tutkimus on osoittanut, että muutokset kehittyvän sydämen autonomisen hermoston hermotuksessa voivat aiheuttaa jonkinlaisen pitkän QT-oireyhtymän. HRV-tutkimukset raskaana olevien naisten sikiöillä, joilla on näitä häiriöitä, ovat mahdollisia, ja niiden pitäisi olla erittäin informatiivisia.

Autonomisen hermoston rooli verenpainetaudin olemuksessa on tärkeä tutkimusalue. Kysymys lisääntyneen sympaattisen aktiivisuuden ensisijaisesta tai toissijaisesta roolista verenpainetaudin luonteessa on ratkaistava pitkäaikaisilla tutkimuksilla koehenkilöillä, joilla on alun perin normotensiivinen. Onko hypertensio seurausta tukahduttaneesta sympaattisesta aktiivisuudesta ja muuttuneesta altistumisesta hermosäätelymekanismeille?

Useat primaariset neuralgiset sairaudet, mukaan lukien Parkinsonin tauti, multippeliskleroosi, Guillan-Barren oireyhtymä, Shy-Drager-tyyppinen ortostaattinen hypotensio, liittyvät ANS-toimintojen muuttumiseen. Joissakin näistä häiriöistä HRV:n muutoksia voidaan käyttää tilan havaitsemiseen varhaisessa vaiheessa, ja ne voivat olla hyödyllisiä arvioitaessa taudin etenemisnopeutta tai terapeuttisen toimenpiteen tehokkuutta. On mahdollista, että samanlainen lähestymistapa voisi olla hyödyllinen diabetekseen, alkoholismiin ja selkäydinvammaan liittyvien toissijaisten neuralgisten häiriöiden arvioinnissa.

Johtopäätös.

Sykevaihtelulla on merkittävä potentiaali ymmärtää autonomisen hermoston toiminnan roolia normaaleilla terveillä yksilöillä ja potilailla, joilla on erilaisia ​​sydän- ja ei-sydänsairauksia. Sydämen vaihtelun tutkimuksen pitäisi parantaa ymmärrystämme fysiologisista mekanismeista, lääkkeiden vaikutuksesta ja sairausmekanismeista. Laajoja prospektiivisia tutkimuksia tarvitaan sykevaihteluiden herkkyyden, merkityksen ja ennustusarvon määrittämiseksi yksilöiden tunnistamiseksi, joilla on myöhemmän sairauden ja kuoleman riski.

Viimeaikaiset tutkimukset ovat paljastaneet sydänsairauksien ja hermoston välisen suhteen, mikä aiheuttaa usein äkillisiä kuolemantapauksia.

Mikä on VSR?

Normaali aikaväli kunkin sydämenlyöntijakson välillä on aina erilainen. Ihmisillä, joilla on terve sydän, se muuttuu koko ajan jopa paikallaan levossa. Tätä ilmiötä kutsutaan sykevaihteluksi (lyhyesti HRV).

Ero supistusten välillä on tietyn keskiarvon sisällä, joka vaihtelee kehon tilasta riippuen. Siksi HRV:tä arvioidaan vain paikallaan olevasta asennosta, koska kehon toiminnan monimuotoisuus johtaa sydämen sykkeen muutokseen, joka sopeutuu joka kerta uudelle tasolle.

HRV-lukemat osoittavat järjestelmien fysiologian. HRV:tä analysoimalla voidaan arvioida tarkasti kehon toiminnalliset ominaisuudet, seurata sydämen dynamiikkaa ja tunnistaa äkilliseen kuolemaan johtava sykkeen jyrkkä lasku.

Määritysmenetelmät

Sydämen supistusten kardiologinen tutkimus määritti HRV:n optimaaliset menetelmät, niiden ominaisuudet eri olosuhteissa.

Analyysi suoritetaan intervallisekvenssin tutkimuksella:

• R-R (supistusten elektrokardiogrammi);
• N-N (normaalien supistuksen välit).

Tilastolliset menetelmät. Nämä menetelmät perustuvat "N-N"-välien saamiseen ja vertaamiseen vaihteluarvion kanssa. Tutkimuksen jälkeen saatu kardiointervalogrammi näyttää sarjan ”R-R”-jaksoja, jotka toistuvat peräkkäin.

Näiden aukkojen indikaattoreita ovat:

• SDNN heijastaa HRV-indikaattorien summaa, jossa N-N-välien poikkeamat ja R-R-välien vaihtelevuus korostuvat;
• N-N välin sekvenssin RMSSD-vertailu;
• PNN5O näyttää niiden N-N aukkojen prosenttiosuuden, jotka eroavat yli 50 millisekuntia koko tutkimusvälin aikana;
• CV-arvioinnin suuruusvaihtelun indikaattoreista.

Geometriset menetelmät eristetään hankkimalla histogrammi, joka näyttää eripituiset kardiointervallit.

Nämä menetelmät laskevat sykkeen vaihtelun käyttämällä tiettyjä arvoja:

• Mo (Mode) tarkoittaa kardiointervalleja;
• Amo (moodin amplitudi) - kardiointervallien määrä, jotka ovat verrannollisia Mo:han prosentteina valitusta tilavuudesta;
• VAR (variation range) on kardiointervallien välisen asteen suhde.

Autokorrelaatioanalyysi arvioi sydämen rytmin satunnaisena kehityksenä. Tämä on dynaaminen korrelaatiograafi, joka saadaan dynaamisen sarjan yhden yksikön asteittaisella siirrolla suhteessa ominaissarjoihin.

Tämän kvalitatiivisen analyysin avulla voimme tutkia keskuslinkin vaikutusta sydämen työhön ja määrittää sydämen rytmin jaksollisuuden latenssi.

Korrelaatiorytmografia (scatterography). Menetelmän ydin on peräkkäisten kardiointervallien näyttäminen kaksiulotteisessa graafisessa tasossa.

Sirontakaavion rakentamisen aikana valitaan puolittaja, jonka keskellä on joukko pisteitä. Jos pisteet poikkeavat vasemmalle, näet kuinka paljon sykli on lyhyempi, siirtyminen oikealle näyttää kuinka paljon pidempi edellinen.

Tuloksena olevassa rytmogrammissa N-N aukkojen poikkeamaa vastaava alue on korostettu. Menetelmän avulla voidaan tunnistaa autonomisen järjestelmän aktiivinen toiminta ja sen myöhempi vaikutus sydämeen.

Menetelmät HRV:n tutkimiseen

Kansainväliset lääketieteelliset standardit määrittelevät kaksi tapaa tutkia sydämen rytmiä:

1. Rekisteröintitietue "RR" -välit - 5 minuuttia käytetään HRV:n ja tiettyjen lääketieteellisten testien nopeaan arviointiin;
2. Päivittäinen "RR"-välien tallennus - arvioi tarkemmin "RR"-välien vegetatiivisen rekisteröinnin rytmit. Tietuetta purettaessa monet indikaattorit kuitenkin arvioidaan viiden minuutin HRV-rekisteröintivälin perusteella, koska pitkälle tietueelle muodostuu segmenttejä, jotka häiritsevät spektrianalyysiä.

Sydämen rytmin korkeataajuisen komponentin määrittämiseksi tarvitaan noin 60 sekunnin tallennus ja matalataajuisen komponentin analysoimiseksi 120 sekuntia tallennusta. Matalataajuisen komponentin arvioimiseksi oikein tarvitaan viiden minuutin tallennus, joka valitaan standardi HRV-tutkimukseen.

Terveen kehon HRV

Terveiden ihmisten keskirytmin vaihtelu mahdollistaa fyysisen kestävyyden määrittämisen iän, sukupuolen ja vuorokaudenajan mukaan.

Jokaisella ihmisellä on erilainen HRV-pistemäärä. Naisilla syke on aktiivisempi. Korkein HRV jäljitetään lapsuudessa ja nuoruudessa. Korkean ja matalan taajuuden komponentit vähenevät iän myötä.

HRV:hen vaikuttaa ihmisen paino. Alennettu ruumiinpaino provosoi HRV-spektrin voimaa, ylipainoisilla ihmisillä havaitaan päinvastainen vaikutus.

Urheilu ja kevyt fyysinen aktiivisuus vaikuttavat suotuisasti HRV:hen: spektrin teho kasvaa, syke harvenee. Liialliset kuormitukset päinvastoin lisäävät supistusten tiheyttä ja vähentävät HRV:tä. Tämä selittää usein urheilijoiden äkilliset kuolemat.

Sykevaihtelun määrittämismenetelmien avulla voit hallita harjoittelua lisäämällä asteittain kuormitusta.

Jos HRV on alhainen

Sykevaihtelun jyrkkä lasku osoittaa tiettyjä sairauksia:

iskeemiset ja verenpainetaudit;

Tiettyjen lääkkeiden vastaanotto;

Lääketieteellisen käytännön HRV-tutkimukset ovat yksi yksinkertaisista ja saavutettavista menetelmistä, joilla arvioidaan autonomista säätelyä aikuisilla ja lapsilla, joilla on useita sairauksia.

Lääketieteellisessä käytännössä analyysi mahdollistaa:

· Arvioi sydämen sisäelinten säätelyä;

Määritä kehon yleinen työ;

Arvioi stressin ja fyysisen aktiivisuuden taso;

Seuraa lääkehoidon tehokkuutta;

Diagnosoi sairaus varhaisessa vaiheessa;

· Auttaa valitsemaan lähestymistavan sydän- ja verisuonisairauksien hoitoon.

Siksi kehoa tutkittaessa ei pidä laiminlyödä sydämen supistusten tutkimusmenetelmiä. HRV-indikaattorit auttavat määrittämään taudin vakavuuden ja valitsemaan oikean hoidon.

Aiheeseen liittyvät julkaisut:

Jätä vastaus

Onko aivohalvauksen vaaraa?

1. Kohonnut (yli 140) verenpaine:

• usein
• Joskus
• harvoin

2. Alusten ateroskleroosi

3. Tupakointi ja alkoholi:

• usein
• Joskus
• harvoin

4. Sydänsairaus:

• syntymävika
• läppähäiriöt
• sydänkohtaus

5. Lääkärintarkastuksen ja diagnostisen MRI:n suorittaminen:

• Joka vuosi
• kerran elämässä
• ei koskaan

Yhteensä: 0 %

Aivohalvaus on melko vaarallinen sairaus, joka vaikuttaa ihmisiin kaukana vain vanhuudesta, vaan myös keski- ja jopa hyvin nuorista ihmisistä.

Aivohalvaus on hätätilanne, joka vaatii välitöntä apua. Se päättyy usein työkyvyttömyyteen, monissa tapauksissa jopa kuolemaan. Iskeemisen tyypin verisuonen tukkeutumisen lisäksi kohtauksen voi aiheuttaa myös korkean verenpaineen taustalla oleva aivoverenvuoto, toisin sanoen aivohalvaus.

Useat tekijät lisäävät aivohalvauksen mahdollisuutta. Esimerkiksi geenit tai ikä eivät aina ole syyllisiä, vaikka 60 vuoden jälkeen uhka kasvaa merkittävästi. Jokainen voi kuitenkin tehdä jotain estääkseen sen.

Korkea verenpaine on suuri aivohalvauksen riskitekijä. Salakavala verenpainetauti ei osoita oireita alkuvaiheessa. Siksi potilaat huomaavat sen myöhään. On tärkeää tarkistaa verenpaineesi säännöllisesti ja ottaa kohonneita lääkkeitä.

Nikotiini supistaa verisuonia ja nostaa verenpainetta. Tupakoitsija on kaksi kertaa todennäköisempi saada aivohalvaus kuin tupakoimaton. On kuitenkin hyviä uutisia: tupakoinnin lopettajat vähentävät merkittävästi tätä riskiä.

3. Ylipaino: laihtua

Liikalihavuus on tärkeä tekijä aivoinfarktin kehittymisessä. Liikalihavien ihmisten tulisi miettiä painonpudotusohjelmaa: syödä vähemmän ja paremmin, lisätä fyysistä aktiivisuutta. Vanhusten tulisi keskustella lääkärinsä kanssa siitä, missä määrin he hyötyvät painonpudotuksesta.

4. Pidä kolesterolitasosi kurissa

Kohonneet "pahan" LDL-kolesterolin tasot johtavat plakkien ja embolian kerääntymiseen verisuoniin. Mitä arvojen pitäisi olla? Jokaisen pitäisi selvittää asia erikseen lääkärin kanssa. Koska rajat riippuvat esimerkiksi samanaikaisten sairauksien esiintymisestä. Lisäksi "hyvän" HDL-kolesterolin korkeita arvoja pidetään positiivisina. Terveet elämäntavat, erityisesti tasapainoinen ruokavalio ja runsas liikunta, voivat vaikuttaa positiivisesti kolesterolitasoihin.

Hyödyllinen verisuonille on ruokavalio, joka tunnetaan yleisesti nimellä "Välimerellinen". Eli: paljon hedelmiä ja vihanneksia, pähkinöitä, oliiviöljyä ruokaöljyn sijaan, vähemmän makkaraa ja lihaa ja paljon kalaa. Hyviä uutisia ruokailijoille: sinulla on varaa poiketa säännöistä yhden päivän. On tärkeää syödä oikein yleisesti.

6. Kohtuullinen alkoholin kulutus

Liiallinen alkoholinkäyttö lisää aivohalvauksen saaneiden aivosolujen kuolemaa, mikä ei ole hyväksyttävää. Täydellistä pidättymistä ei vaadita. Lasillinen punaviiniä päivässä on jopa hyödyllinen.

Liikkuminen on joskus parasta, mitä voit tehdä terveytesi hyväksi painon pudottamiseksi, verenpaineen normalisoimiseksi ja verisuonten kimmoisuuden ylläpitämiseksi. Ihanteellinen tähän kestävyysharjoitteluun, kuten uimiseen tai reippaaseen kävelyyn. Kesto ja intensiteetti riippuvat henkilökohtaisesta fyysisestä kunnosta. Tärkeä huomautus: Yli 35-vuotiaiden kouluttamattomien tulee käydä lääkärin tarkastuksessa ennen harjoittelun aloittamista.

8. Kuuntele sydämen rytmiä

Useat sydänsairaudet lisäävät aivohalvauksen todennäköisyyttä. Näitä ovat eteisvärinä, synnynnäiset epämuodostumat ja muut rytmihäiriöt. Mahdollisia sydänongelmien varhaisia ​​merkkejä ei pidä jättää huomiotta missään olosuhteissa.

9. Hallitse verensokeria

Diabeetikoilla on kaksi kertaa suurempi todennäköisyys saada aivoinfarkti kuin muulla väestöllä. Syynä on se, että kohonneet glukoositasot voivat vahingoittaa verisuonia ja edistää plakin muodostumista. Lisäksi diabeetikoilla on usein muita aivohalvauksen riskitekijöitä, kuten verenpainetauti tai liian korkeat veren lipidit. Siksi diabeetikkojen tulee huolehtia sokeritason säätelystä.

Joskus stressissä ei ole mitään vikaa, se voi jopa motivoida. Pitkäaikainen stressi voi kuitenkin lisätä verenpainetta ja alttiutta sairastua. Se voi epäsuorasti aiheuttaa aivohalvauksen. Krooniseen stressiin ei ole ihmelääkettä. Mieti, mikä on parasta psyykellesi: urheilu, mielenkiintoinen harrastus tai kenties rentoutusharjoitukset.

Sykevaihtelun analyysi

Eteisvärinän (AF) antiarytmisen hoidon yksilöllinen valinta on edelleen vaikea ongelma. Tässä suhteessa uusien ei-invasiivisten tekniikoiden kehittäminen parantaa edelleen kliinisen diagnoosin tarkkuutta ja hoito-ohjelmien valinnan tehokkuutta. Sydämen vaihteluvälin (HRV) analyysiä voidaan käyttää sellaisena tekniikkana.

Sykevaihtelumenetelmä perustuu EKG:llä tietyn ajanjakson aikana mitattuun RR-välien kvantitatiiviseen analyysiin. Tässä tapauksessa joko kardiosyklien lukumäärä tai tallennuksen kesto voidaan normalisoida. European Society of Cardiology ja North American Society of Pacing and Electrophysiology -järjestön työkomissio ehdotti EKG-tallennusajan standardointia, joka tarvitaan sykevaihteluparametrien riittävään arviointiin. Aikaominaisuuksien tutkimiseen on tapana käyttää lyhyttä (5 min) ja pitkää (24 h) EKG-tallennusta.

Sykevaihtelua voidaan määrittää eri tavoin. Yleisimmin käytettyjä sykevaihteluiden analysoinnissa ovat aika- ja taajuusalueen arviointimenetelmät.

Ensimmäisessä tapauksessa indikaattorit lasketaan perustuen NN-välien tallentamiseen pitkään. Aika-alueella on ehdotettu useita parametreja sykkeen vaihtelun kvantitatiivisille ominaisuuksille: NN, SDNN, SDANN, SDNNi, RMSSD, NN > 50, pNN 50.

NN on sinusalkuperäisten RR-välien kokonaismäärä.

SDNN - NN-välien keskihajonta. Käytetään yleisen sykkeen vaihtelun arvioimiseen. Vastaa matemaattisesti kokonaistehoa spektrianalyysissä ja heijastaa kaikkia rytmin vaihtelun muodostavia syklisiä komponentteja.

SDANN on keskihajonta NN-välien keskiarvoista laskettuna 5 minuutin välein koko tallennuksen ajalta. Heijastaa heilahteluja yli 5 minuutin välein. Käytetään vaihtelun matalataajuisten komponenttien analysointiin.

SDNNi on NN-välien keskihajonnan keskiarvo laskettuna 5 minuutin välein tallennuksen aikana. Heijastaa vaihtelua alle 5 minuutin syklisyydellä.

RMSSD on vierekkäisten NN-välien välisten neliöerojen keskimääräisen summan neliöjuuri. Käytetään vaihtelevuuden suurtaajuisten komponenttien arvioimiseen.

NN 50 - vierekkäisten NN-välien parien lukumäärä, jotka eroavat yli 50 m/s koko tallennuksen aikana.

pNN 50 on NN 50:n arvo jaettuna NN-välien kokonaismäärällä.

Taajuusalueen sykevaihteluiden tutkimuksen avulla voit analysoida eri taajuuksien vaihteluiden vakavuutta kokonaisspektrissä. Toisin sanoen tämä menetelmä määrittää eri harmonisten komponenttien tehon, jotka yhdessä muodostavat vaihtelun. RR-välien mahdollinen alue voidaan tulkita sykkeensäätökanavan kaistanleveydeksi. Erilaisten spektrikomponenttien tehosuhteen perusteella voidaan arvioida yhden tai toisen sydämen rytmin säätelyn fysiologisen mekanismin dominanssi. Spektri muodostetaan nopealla Fourier-muunnosmenetelmällä. Harvemmin käytetty on autoregressiivisiin malleihin perustuva parametrinen analyysi. Spektrissä on neljä informatiivista taajuusaluetta:

HF - korkea taajuus (0,15-0,4 Hz). HF-komponentti tunnistetaan parasympaattisen järjestelmän aktiivisuuden merkkiaineeksi.

LF - matala taajuus (0,04-0,15 Hz). LF-komponentin tulkinta on kiistanalaisempi. Jotkut tutkijat tulkitsevat sen sympaattisen modulaation markkeriksi, toiset parametriksi, joka sisältää sympaattisen ja vagaalisen vaikutuksen.

VLF - erittäin matala taajuus (0,003-0,04 Hz). VLF- ja ULF-komponenttien alkuperä vaatii lisätutkimusta. Alustavien tietojen mukaan VLF heijastaa sympaattisen subkortikaalisen säätelykeskuksen toimintaa.

ULF - erittäin matala taajuus (< 0,003 Гц). Для 5-минутной записи ЭКГ-оценка и интерпретация ULF-компоненты некорректна из-за нарушения требуемого соотношения между длителностью регистрации и нижней частотой спектра. Поэтому использование данной компоненты оправдано лишь при 24-часовом исследовании ЭКГ.

Rytmogrammin spektri on keskittynyt kapealle infra-matalataajuiselle alueelle 0 - 0,4 Hz, mikä vastaa vaihtelua 2,5 sekunnista äärettömään. Käytännössä enimmäisaika on rajoitettu väliin, joka vastaa 1/3 intervalogrammin rekisteröintiajasta. Viiden minuutin EKG-tallennuksen spektrianalyysillä voidaan havaita aaltovärähtelyt jopa 99 s ja Holter-monitoroinnilla vuorokausivärähtelyt jopa 8 tunnin välein. Ainoa rajoitus on stationaarisuuden vaatimus eli tilastollisten ominaisuuksien riippumattomuus ajasta.

Spektrikomponenttien pääulottuvuus ilmaistaan ​​yksikköinä ms 2 /Hz. Joskus ne mitataan suhteellisina yksiköinä yksittäisen spektrikomponentin tehon suhteena spektrin kokonaistehoon miinus ultramatalataajuuskomponentti.

Yhteinen ajallinen ja spektrianalyysi lisää merkittävästi tiedon määrää tutkituista prosesseista ja eri luonteisista ilmiöistä, koska aika- ja taajuusominaisuudet liittyvät toisiinsa. Jotkut ominaisuudet kuitenkin heijastuvat selkeästi ajalliseen tasoon, kun taas toiset ilmenevät taajuusanalyysissä.

Sykevaihtelulla on kaksi päätoimintoa: dispersio ja keskittyminen. Ensimmäinen testataan indikaattoreilla SDNN, SDNNi, SDANN. Kahdeksassa lyhyessä sinusrytmin näytteessä prosessin stationaarisuuden olosuhteissa sirontafunktio heijastaa parasympaattista säätelyosastoa. RMSSD-indikaattoria fysiologisessa tulkinnassa voidaan pitää arviona sinussolmun kyvystä keskittää sydämen rytmi, jota säätelee päätahdistimen toiminnan siirtyminen sinoatriumsolmun eri osiin, joiden taso on epätasainen. jännittävyyden ja automatismin synkronoinnista. Sykkeen noustessa sympaattisen vaikutuksen aktivoitumisen taustalla havaitaan RMSSD:n lasku, ts. lisääntynyt keskittyminen ja päinvastoin, kun bradykardia lisääntyy vagaalisen sävyn lisääntymisen taustalla, rytmin keskittyminen laskee. Potilailla, joilla on pääasiallinen ei-sinusrytmi, tämä indikaattori ei heijasta autonomista vaikutusta, vaan osoittaa sydämen rytmin toiminnallisten varausten tason riittävän hemodynamiikan ylläpitämisen kannalta. Keskittymisfunktion jyrkkä heikkeneminen ja RMSSD:n lisääntyminen yli 350 ms potilailla, joilla on heterotrooppinen bradyarrytmia, liittyy läheisesti äkilliseen kuolemaan.

Useimmiten sykevaihtelua käytetään sydäninfarktin jälkeisen sydän- ja rytmihäiriökuolleisuuden riskin osittamiseen. On todistettu, että suorituskyvyn heikkeneminen (erityisesti SDNN< 100) коррелируете высокой вероятностью развития угрожающих жизни аритмий и внезапной смерти после инфаркта миокарда.

On näyttöä siitä, että alhainen vaihtelevuus ennustaa kardiovaskulaarista patologiaa näennäisesti terveillä yksilöillä. Näiden parametrien prognostinen merkitys on siis jo todistettu. Kuitenkin tällä hetkellä monet rajoitukset vähentävät tekniikan diagnostista arvoa. Yksi suurimmista esteistä sykevaihteluindikaattoreiden laajalle kliiniselle käytölle on saman sairauden suuri yksilöllinen vaihtelu, mikä tekee normin rajat erittäin epämääräisiksi.

Taulukossa. sydämen sykkeen vaihtelun normaalit parametrit esitetään.

Sykkeen vaihtelun normaaliarvot

Mitä kutsutaan sykevaihteluksi, analyysialgoritmi

"Sydän toimii kuin kello" - tätä lausetta käytetään usein ihmisiin, joilla on vahva, terve sydän. On selvää, että sellaisella henkilöllä on selkeä ja tasainen sydämenlyöntirytmi. Itse asiassa väite on pohjimmiltaan väärä. Stephen Gales, englantilainen tiedemies, joka teki tutkimusta kemian ja fysiologian alalla, teki vuonna 1733 havainnon, että sydämen rytmi on muuttuva.

Mikä on sykevaihtelu?

Sydänlihaksen supistumissykli on vaihteleva. Jopa täysin terveillä ihmisillä, jotka ovat levossa, se on erilainen. Esimerkiksi: jos henkilön pulssi on 60 lyöntiä minuutissa, tämä ei tarkoita, että sydämenlyöntien välinen aika on 1 sekunti. Tauot voivat olla lyhyempiä tai pidempiä sekunnin murto-osia ja yhteensä 60 lyöntiä. Tätä ilmiötä kutsutaan sykevaihteluksi. Lääketieteellisissä piireissä - HRV:n lyhenteenä.

Koska sykejaksojen välinen ero riippuu myös kehon tilasta, on HRV analysoitava paikallaan. Muutokset sykkeessä (HR) johtuvat erilaisista kehon toiminnoista, muuttuen jatkuvasti uusille tasoille.

HRV:n spektrianalyysin tulokset osoittavat kehon järjestelmissä tapahtuvat fysiologiset prosessit. Tämä vaihtelevuuden tutkimismenetelmä mahdollistaa kehon toiminnallisten ominaisuuksien arvioinnin, sydämen työn tarkistamisen ja sen, kuinka jyrkästi syke laskee, mikä usein johtaa äkilliseen kuolemaan.

Hermoston autonomisen järjestelmän ja sydämen työn välinen yhteys

Autonominen hermosto (ANS) on vastuussa sisäelinten, mukaan lukien sydämen ja verisuonten, toiminnan säätelystä. Sitä voidaan verrata autonomiseen ajotietokoneeseen, joka valvoo toimintaa ja säätelee kehon järjestelmien toimintaa. Ihminen ei ajattele kuinka hän hengittää tai kuinka ruoansulatusprosessi tapahtuu sisällä, verisuonet kapenevat ja laajenevat. Kaikki tämä toiminta tapahtuu automaattisesti.

VNS on jaettu kahteen tyyppiin:

Jokainen järjestelmä vaikuttaa kehon toimintaan, sydänlihaksen työhön.

Sympaattinen - on vastuussa toimintojen tarjoamisesta, joita tarvitaan kehon selviytymiseen stressitilanteissa. Se aktivoi voimia, toimittaa suuren verenvirtauksen lihaskudoksiin, saa sydämen lyömään nopeammin. Stressin aikana vähennät sykkeen vaihtelua: lyöntien välit lyhenevät ja syke kasvaa.

Parasympaattinen - vastaa kehon levosta ja kertymisestä. Siksi se vaikuttaa sykkeen laskuun ja vaihteluun. Syvällä hengityksellä henkilö rauhoittuu ja keho alkaa palauttaa toimintoja.

ANS:n kyvyn mukautua ulkoisiin ja sisäisiin muutoksiin, oikeanlainen tasapainotus eri tilanteissa takaa ihmisen selviytymisen. Hermoston autonomisen järjestelmän toiminnan rikkomuksista tulee usein häiriöiden, sairauksien kehittymisen ja jopa kuoleman syitä.

Menetelmän ilmestymisen historia

Sykevaihteluanalyysin käyttö alkoi ei niin kauan sitten. HRV-arviointimenetelmä herätti tutkijoiden huomion vasta 1900-luvulla. Tänä aikana ulkomaiset tieteen huipputekijät osallistuivat analyysin ja sen kliinisen soveltamisen kehittämiseen. Neuvostoliitto teki riskialtisen päätöksen soveltaa menetelmä käytännössä.

Valmistautuessaan kosmonautti Gagarin Yu.A. ensimmäisellä lennolla Neuvostoliiton tiedemiehet joutuivat vaikean tehtävän eteen. Oli tarpeen tutkia kysymyksiä avaruuslennon vaikutuksesta ihmiskehoon ja toimittaa avaruusobjektille vähimmäismäärä instrumentteja ja antureita.

Tieteellinen neuvosto päätti käyttää HRV-spektrianalyysiä astronautin tilan tutkimiseen. Menetelmän on kehittänyt tohtori Baevsky R.M. ja sitä kutsutaan kardiointervalografiaksi. Samaan aikaan lääkäri aloitti ensimmäisen anturin luomisen, jota käytettiin mittauslaitteena HRV:n tarkistamiseen. Hän edusti kannettavaa sähköistä tietokonetta, jossa oli laite sydämen rytmin mittaamiseen. Anturin mitat ovat suhteellisen pienet, joten laitetta voidaan kuljettaa mukana ja käyttää tutkimukseen missä tahansa.

Baevsky R.M. avasi täysin uuden lähestymistavan ihmisen terveyden tarkastukseen, jota kutsutaan prenosologiseksi diagnostiikaksi. Menetelmän avulla voit arvioida henkilön tilan ja määrittää, mikä aiheutti taudin kehittymisen ja paljon muuta.

Tutkijat 1980-luvun lopulla havaitsivat, että HRV:n spektrianalyysi antaa tarkan ennusteen sydäninfarktin saaneiden henkilöiden kuolemasta.

1990-luvulla kardiologit saavuttivat yhtenäiset standardit HRV:n kliinisen käytön ja spektrianalyysin suhteen.

Missä muualla HRV-menetelmää käytetään?

Nykyään kardiointervalografiaa ei käytetä vain lääketieteen alalla. Yksi suosituimmista käyttökohteista on urheilu.

Kiinalaiset tutkijat ovat havainneet, että HRV-analyysin avulla voit arvioida sykkeen vaihteluväliä ja määrittää kehon stressin asteen fyysisen rasituksen aikana. Menetelmän avulla on mahdollista kehittää henkilökohtainen harjoitusohjelma jokaiselle urheilijalle.

Suomalaiset tutkijat Firstbeat-järjestelmän kehittämisessä ottavat lähtökohtana HRV-analyysin. Ohjelmaa suositellaan urheilijoille mittaamaan stressitasoa, analysoimaan harjoittelun tehokkuutta ja arvioimaan kehon palautumisaikaa fyysisen rasituksen jälkeen.

HRV-analyysi

Sykevaihtelua tutkitaan analysoimalla. Tämä menetelmä perustuu R-R-EKG-välien järjestyksen määrittämiseen. On myös NN intervalleja, mutta tässä tapauksessa vain normaalien sydämenlyöntien väliset etäisyydet huomioidaan.

Saatujen tietojen avulla on mahdollista määrittää potilaan fyysinen kunto, seurata dynamiikkaa ja tunnistaa poikkeamat ihmiskehon työssä.

Tutkittuaan ihmisen mukautumisvarastoja on mahdollista ennustaa mahdollisia toimintahäiriöitä sydämen ja verisuonten työssä. Jos parametrit pienenevät, tämä osoittaa, että VHF:n ja sydän- ja verisuonijärjestelmän välinen suhde on häiriintynyt, mikä johtaa patologioiden kehittymiseen sydänlihaksen työssä.

Urheilijoilla ja vahvoilla, terveillä miehillä on korkeat HRV-tiedot, koska lisääntynyt parasympaattinen sävy on heille tyypillinen tila. Korkea sympaattinen sävy johtuu erilaisista sydänsairauksista, mikä johtaa heikentyneeseen HRV:hen. Mutta akuutti, jyrkkä vaihtelun väheneminen aiheuttaa vakavan kuolemanvaaran.

Spektrianalyysi - menetelmän ominaisuudet

Spektrianalyysiä käytettäessä on mahdollista arvioida elimistön säätelyjärjestelmien vaikutusta sydämen toimintaan.

Lääkärit ovat tunnistaneet spektrin pääkomponentit, jotka vastaavat sydänlihaksen rytmiä vaihteluita ja eroavat eri jaksollisuuksista:

• HF - korkea taajuus;
• LF - matala taajuus;
• VLF on erittäin matala taajuus.

Kaikkia näitä komponentteja käytetään lyhytaikaisessa elektrokardiogrammin tallentamisessa. Pitkäaikaiseen tallennukseen käytetään erittäin matalataajuista komponenttia ULF.

Jokaisella komponentilla on omat tehtävänsä:

• LF - määrittää, kuinka sympaattinen ja parasympaattinen hermosto vaikuttavat sydämenlyöntirytmiin.
• HF - liittyy hengityselinten liikkeisiin ja näyttää kuinka vagushermo vaikuttaa sydänlihaksen toimintaan.
• ULF, VLF osoittavat useita tekijöitä: verisuonten sävyä, lämmönsäätelyprosesseja ja muita.

Tärkeä indikaattori on TP, joka antaa spektrin kokonaistehon arvon. Sen avulla voidaan tehdä yhteenveto ANS:n vaikutuksista sydämen työhön.

Yhtä tärkeitä spektrianalyysin parametreja ovat keskittämisindeksi, joka lasketaan kaavalla: (HF+LF)/VLF.

Spektrianalyysiä suoritettaessa otetaan huomioon LF- ja HF-komponenttien vagosympaattisen vuorovaikutuksen indeksi.

LF/HF-suhde osoittaa, kuinka ANS:n sympaattinen ja parasympaattinen jako vaikuttavat sydämen toimintaan.

Harkitse joidenkin HRV-spektrianalyysin indikaattoreiden normeja:

• LF. Määrittää ANS:n sympaattisen jaon lisämunuaisen vaikutuksen sydänlihaksen työhön. Ilmaisimen normaaliarvot ovat ms 2:n sisällä.
• HF. Määrittää parasympaattisen hermoston toiminnan ja sen vaikutuksen sydän- ja verisuonijärjestelmän toimintaan. Ilmaisimen normi: ms 2.
• LF/HF. Osoittaa SNS:n ja PSNS:n tasapainon ja jännityksen lisääntymisen. Normi ​​on 1,5-2,0.
• VLF. Määrittää hormonaalisen tuen, lämmönsäätelytoiminnot, verisuonten sävyn ja paljon muuta. Normi ​​on enintään 30 prosenttia.

Terveen ihmisen HRV

HRV-spektrianalyysin lukemat ovat yksilöllisiä jokaiselle henkilölle. Sykevaihtelun avulla voidaan helposti arvioida, kuinka korkea fyysinen kestävyys on suhteessa ikään, sukupuoleen ja vuorokaudenaikaan.

Esimerkiksi: naisväestöllä on korkeampi syke. Korkeimmat HRV-luvut havaitaan lapsilla ja nuorilla. LF- ja HF-komponentit pienenevät iän myötä.

Ihmisen painon on todistettu vaikuttavan HRV-lukemiin. Pienellä painolla spektrin teho kasvaa, mutta lihavilla yksilöillä indikaattori vähenee.

Urheilu ja kohtalainen fyysinen aktiivisuus vaikuttavat suotuisasti vaihteluun. Tällaisilla harjoituksilla syke laskee ja spektrin teho kasvaa. Voimaharjoittelu nostaa sykettä ja vähentää sykkeen vaihtelua. Ei ole harvinaista, että urheilija kuolee äkillisesti intensiivisen harjoituksen jälkeen.

Mitä tarkoittaa matala HRV?

Jos sykevaihtelu on vähentynyt jyrkästi, tämä voi viitata vakavien sairauksien kehittymiseen, joista yleisimpiä ovat:

• Hypertensio.
• Sydämen iskemia.
• Parkinsonin oireyhtymä.
• Tyypin I ja II diabetes mellitus.
• Multippeliskleroosi.

HRV-häiriöt johtuvat usein tietyistä lääkkeistä. Vähentyneet vaihtelut voivat viitata neurologisiin patologioihin.

HRV-analyysi on yksinkertainen ja edullinen tapa arvioida autonomisen järjestelmän säätelytoimintoja eri sairauksissa.

Tämän tutkimuksen avulla voit:

• antaa objektiivisen arvion kaikkien kehon järjestelmien toiminnasta;
• määrittää, kuinka korkea stressitaso fyysisen rasituksen aikana;
• seurata hoidon tehokkuutta;
• arvioida sydänlihaksen viskeraalinen säätely;
• tunnistaa patologiat taudin alkuvaiheessa;
• valita sopiva hoito sydän- ja verisuonijärjestelmän sairauksiin.

Syketutkimuksen avulla voit määrittää patologian vakavuuden ja valita tehokkaan hoidon, joten sinun ei pitäisi laiminlyödä tämäntyyppistä tutkimusta.

Sykevaihtelu

Tässä artikkelissa selitämme, mitä sykevaihtelu on, mikä siihen vaikuttaa, miten sitä mitataan ja mitä tiedoilla tehdään.

Sydämemme ei ole vain pumppu. Tämä on erittäin monimutkainen tiedonkäsittelykeskus, joka kommunikoi aivojen kanssa hermo- ja hormonijärjestelmien kautta sekä muilla tavoilla. Artikkelit tarjoavat laajan kuvauksen ja kaavioita sydämen ja aivojen vuorovaikutuksesta.

Ja emme myöskään hallitse sydäntämme, sen autonomia johtuu sinussolmun työstä - mikä laukaisee sydänlihaksen supistumisen. Sillä on automatismi, eli se kiihtyy spontaanisti ja laukaisee toimintapotentiaalin etenemisen sydänlihaksen läpi, mikä aiheuttaa sydämen supistumisen.

Kaikkien kehomme säätelyjärjestelmien työ voidaan esittää Baevsky R.M.:n ehdottaman kaksisilmukaisen mallin muodossa. . Hän ehdotti, että kaikki kehon säätelyjärjestelmät (säätösilmukat) jaetaan kahteen tyyppiin: korkeampi - keskussilmukka ja alempi - autonominen ohjaussilmukka (kuva 3).

Autonominen säätelypiiri koostuu sinussolmukkeesta, joka on suoraan yhteydessä sydän- ja verisuonijärjestelmään (CVS) ja sen kautta hengitysjärjestelmään (RS) ja hermokeskuksiin, jotka säätelevät hengitystä ja verenkiertoa. Vagushermoilla on suora vaikutus sinussolmun (V) soluihin.

Keskussäätelypiiri vaikuttaa sinussolmukkeeseen sympaattisten hermojen (S) ja humoraalisen säätelykanavan (gk) kautta tai muuttaa vagushermojen ytimien keskussävyä, sillä on monimutkaisempi rakenne, se koostuu 3 tasosta, riippuen suoritetuista toiminnoista.

Taso B: keskussykeohjauspiiri, tarjoaa "järjestelmänsisäisen" homeostaasin sympaattisen järjestelmän kautta.

Taso B: tarjoaa järjestelmien välisen homeostaasin, eri kehon järjestelmien välillä hermosolujen avulla ja humoraalisesti (hormonien avulla).

Taso A: tarjoaa sopeutumisen ulkoiseen ympäristöön keskushermoston avulla.

Tehokas sopeutuminen tapahtuu korkeampien johtamistasojen minimaalisella osallistumisella, toisin sanoen autonomisen piirin ansiosta. Mitä suurempi keskuspiirien panos on, sitä vaikeampaa ja "kallimpaa" kehon on sopeutua.

EKG:ssä se näyttää tältä:

Koska olemme kiinnostuneita kehon kaikkien säätelyjärjestelmien toiminnasta ja se heijastuu sinussolmun työhön, on erittäin tärkeää jättää huomioimatta muiden virityskeskusten toiminnan tulokset, joiden toiminta meidän tarkoituksiinmme on esteenä.

Siksi on erittäin tärkeää, että sinussolmuke aloittaa sydämen supistumisen. Tämä näkyy EKG:ssä P-aallona (merkitty punaisella) (katso kuva 6).

Erilaiset tallennusvirheet ovat mahdollisia seuraavista syistä:

Pyrimme poistamaan kaikki häiriötekijät, tehtävämme on ihanteellisesti ottaa kaikki mittaukset samaan aikaan ja samassa paikassa, joka on meille mukava. Suosittelen myös nousemista sängystä, suorittamaan tarvittavat (aamu)toimenpiteet ja palaamaan takaisin - tämä vähentää todennäköisyyttä nukahtaa tallennuksen aikana, mitä tapahtuu säännöllisesti. Makaa vielä pari minuuttia ja käynnistä tallennus. Mitä pidempi tallennus, sitä informatiivisempi se on. Lyhyille äänityksille 5 minuuttia riittää yleensä. On myös vaihtoehtoja tallentaa 256 RR-väliä. Vaikka voit myös kohdata yrityksiä arvioida tilaasi lyhyemmiltä tietueilta. Käytämme 10 minuutin nauhoitusta, vaikka haluaisimme enemmän... Pidemmällä nauhoitteella tulee lisää tietoa kehon tilasta.

Ja niin, saimme joukon RR-välejä, joka näyttää suunnilleen tältä: Kuva 7:

Ennen analyysin aloittamista artefaktit ja äänet (ekstrasystolat, rytmihäiriöt, tallennusvirheet jne.) on poistettava lähtötiedoista. Jos tätä ei voida tehdä, tällaiset tiedot eivät sovellu, todennäköisesti indikaattorit joko yli- tai aliarvioituvat.

Sykevaihtelua voidaan arvioida monin eri tavoin. Yksi yksinkertaisimmista tavoista on arvioida RR-välien sarjan tilastollista vaihtelua, tähän käytetään tilastollista menetelmää. Tämän avulla voit kvantifioida vaihtelua tietyn ajanjakson aikana.

SDNN on kaikkien normaalien (sinus, NN) välien keskihajonta keskiarvosta. Heijastaa koko spektrin yleistä vaihtelua, korreloi kokonaistehon (TP) kanssa, on enemmän riippuvainen matalataajuisesta komponentista. Myös mikä tahansa liikkeesi tallennusajassa näkyy välttämättä tässä ilmaisimessa. Yksi tärkeimmistä säätelymekanismeja arvioivista indikaattoreista.

Artikkelissa yritetään löytää korrelaatio tälle indikaattorille VO2Maxin kanssa.

NN50 on peräkkäisten välien parien lukumäärä, jotka eroavat toisistaan ​​yli 50 ms.

pNN50 - % NN50-jaksoista kaikkien NN-välien kokonaismäärästä. Puhuu parasympaattisen järjestelmän toiminnasta.

RMSSD - sekä pNN50 osoittavat pääasiassa parasympaattisen järjestelmän aktiivisuutta. Mitattu vierekkäisten NN-välien välisten erojen keskineliöiden neliöjuurena.

Ja työssä arvioidaan triathlonilijoiden harjoittelun dynamiikkaa RMSSD:n ja ln RMSSD:n perusteella 32 viikon ajan.

Myös tämä indikaattori korreloi immuunijärjestelmän tilan kanssa.

CV(SDNN/R-Rav) - variaatiokerroin, jonka avulla voit arvioida sykkeen vaikutusta vaihteluun.

Selvyyden vuoksi liitin tiedoston joidenkin edellä mainittujen indikaattoreiden dynamiikasta ajalta ennen ja jälkeen puolimaratonin, joka oli 5.11.2017.

Jos tarkastelet vaihtelutietuetta tarkasti, voit nähdä, että se muuttuu aaltoina (katso kuva.

Näiden aaltojen arvioimiseksi on välttämätöntä muuttaa se kaikki eri muotoon Fourier-muunnoksen avulla (kuva 9 esittää Fourier-muunnoksen soveltamista).

Nyt voimme arvioida näiden aaltojen tehoa ja verrata niitä toisiinsa, katso kuva.

HF (High Frequency) - spektrin korkeataajuisen alueen teho, alue on 0,15 Hz - 0,4 Hz, mikä vastaa ajanjaksoa 2,5 - 7 sekuntia. Tämä indikaattori heijastaa parasympaattisen järjestelmän toimintaa. Päävälittäjä on asetyylikoliini, joka tuhoutuu nopeasti. HF heijastaa hengitystämme. Tarkemmin sanottuna hengitysaalto - sisäänhengityksen aikana sydämen supistusten välinen aika pienenee ja uloshengityksen aikana se kasvaa.

Tällä indikaattorilla kaikki on "hyvää", on monia tieteellisiä artikkeleita, jotka osoittavat sen suhteen parasympaattiseen järjestelmään.

LF (Low Frequency) - spektrin matalataajuisen osan teho, hitaat aallot, vaihtelevat välillä 0,04 Hz - 0,15 Hz, mikä vastaa ajanjaksoa 7 sekunnista 25 sekuntiin. Päävälittäjä on norepinefriini. LF kuvastaa sympaattisen järjestelmän työtä.

Toisin kuin HF, täällä kaikki on monimutkaisempaa, ei ole täysin selvää, heijastaako se todella sympaattista järjestelmää. Vaikka 24 tunnin seurannan tapauksissa tämä vahvistaa seuraava tutkimus. Suuri artikkeli kuitenkin puhuu tulkinnan monimutkaisuudesta ja jopa kumoaa tämän indikaattorin yhteyden sympaattiseen järjestelmään.

LF/HF - heijastaa ANS:n sympaattisen ja parasympaattisen jaon tasapainoa.

VLF (Very Low Frequency) - erittäin hitaat aallot, joiden taajuus on jopa 0,04 Hz. Aikaväli 25-300 sekuntia. Ei ole vieläkään selvää, mitä se näyttää, varsinkin 5 minuutin tallennuksissa. On artikkeleita, jotka osoittavat korrelaation vuorokausirytmien ja kehon lämpötilan kanssa. Terveillä yksilöillä VLF-teho lisääntyy yöllä ja huipentuu ennen heräämistä. Tämä autonomisen aktiivisuuden lisääntyminen näyttää korreloivan aamukortisolin huippuhuipun kanssa.

Artikkelissa yritetään löytää korrelaatio tälle indikaattorille masennuksen kanssa. Lisäksi tämän kaistan alhainen teho on yhdistetty vakavaan tulehdukseen.

Voit analysoida VLF:ää vain pitkille tallenteille.

TP (kokonaisteho) - kaikkien aaltojen kokonaisteho, joiden taajuus on välillä 0,0033 Hz - 0,40 Hz.

HFL on uusi mitta, joka perustuu sykkeen vaihtelun HF- ja LF-komponenttien dynaamiseen vertailuun. HLF-indikaattori mahdollistaa sympaattisen ja parasympaattisen järjestelmän autonomisen tasapainon karakterisoinnin dynamiikassa. Tämän indikaattorin nousu osoitti parasympaattisen säätelyn vallitsevan sopeutumismekanismeissa, indikaattorin lasku osoitti sympaattisen säätelyn sisällyttämistä.

Ja tältä näyttää yllä olevien indikaattoreiden dynamiikka puolimaratonin suorituksen aikana:

Artikkelin seuraavassa osassa käydään läpi erilaisia ​​sovelluksia sykevaihteluiden arvioimiseksi ja siirrytään sitten suoraan harjoitteluun.

2 Armour, J.A. ja J.L. Ardell, toim. Neurocardiology., Oxford University Press: New York. Pienet aivot sydämessä, 1994. [PDF]

3. Baevsky Ennustavat tilat normin ja patologian partaalla. "Lääketiede", 1979.

4. Fred Shaffer, Rollin McCraty ja Christopher L. Zerr. Terve sydän ei ole metronomi: integroiva katsaus sydämen anatomiaan ja sykkeen vaihteluun, 2014. [NCBI]

18. George E. Billman, LF/HF-suhde ei mittaa tarkasti sydämen sympatho-vagal-tasapainoa, 2013

Sykevaihtelu on normaalia

Luento: Sykevaihtelun analyysi Mr. A.P. Kulaichev. Tietokoneelektrofysiologia ja toiminnallinen diagnostiikka. Ed. 4., tarkistettu. ja ylimääräistä - M.: INFRA-M, 2007, s.

Sykevariabiliteettianalyysi (HRV) on nopeasti kehittyvä kardiologian ala, jossa laskennallisten menetelmien mahdollisuudet toteutuvat parhaiten. Tämä suunta sai suurelta osin alulle kuuluisan venäläisen tutkijan R.M. Baevsky avaruuslääketieteen alalla, joka otti ensimmäistä kertaa käytännössä käyttöön useita monimutkaisia ​​​​indikaattoreita, jotka kuvaavat kehon eri säätelyjärjestelmien toimintaa. Tällä hetkellä HRV:n standardointia suorittaa European Society of Cardiology ja North American Society of Stimulation and Electrophysiology -yhdistyksen työryhmä.

Sydän pystyy ihanteellisesti vastaamaan pienimpiinkin muutoksiin lukuisten elinten ja järjestelmien tarpeissa. Sydämen rytmin variaatioanalyysi mahdollistaa ANS:n sympaattisen ja parasympaattisen jaon jännitys- tai sävyasteen kvantifioinnin ja erottamisen, niiden vuorovaikutuksen eri toimintatiloissa sekä erilaisten toimintaa ohjaavien alajärjestelmien toiminnan. elimiä. Siksi tämän suunnan maksimiohjelma on kehittää laskennallisia ja analyyttisiä menetelmiä kehon monimutkaiseen diagnostiikkaan sydämen rytmin dynamiikan mukaisesti.

HRV-menetelmiä ei ole tarkoitettu kliinisten patologioiden diagnosointiin, joissa, kuten edellä on nähty, perinteiset visuaaliset ja mittausanalyysit toimivat hyvin. Tämän osion etuna on kyky havaita hienovaraisimmatkin poikkeavuudet sydämen toiminnassa, joten sen menetelmät ovat erityisen tehokkaita arvioitaessa kehon yleistä toimintaa normaalissa sekä varhaisia ​​poikkeamia, jotka välttämättömien ennaltaehkäisevien toimenpiteiden puuttuessa voi vähitellen kehittyä vakaviksi sairauksiksi. HRV-tekniikkaa käytetään laajalti myös monissa itsenäisissä käytännön sovelluksissa, erityisesti Holter-monitoroinnissa ja urheilijoiden kunnon arvioinnissa sekä muissa lisääntyneeseen fyysiseen ja psyykkiseen stressiin liittyvissä ammateissa (katso osion lopussa).

HRV-analyysin lähtöaineena ovat lyhyet yksikanavaiset EKG-tallenteet (kahdesta useaan kymmeneen minuuttiin), jotka tehdään rauhallisessa, rentoutuneessa tilassa tai toimintakokeiden aikana. Ensimmäisessä vaiheessa tällaisesta tietueesta lasketaan peräkkäiset kardiointervallit (CI), joiden vertailupisteinä (rajapisteinä) käytetään R-aaltoja, jotka ovat EKG:n selkeimpiä ja vakaimpia komponentteja.

HRV-analyysimenetelmät on yleensä ryhmitelty seuraaviin neljään pääosioon:

• intervalografia;
• variaatiopulsometria;
• spektrianalyysi;
• korrelaatiorytmografia.

Muut menetelmät. HRV:n analysointiin käytetään myös useita vähemmän yleisiä menetelmiä, jotka liittyvät kolmiulotteisten sirontagrammien rakentamiseen, differentiaalihistogrammiin, autokorrelaatiofunktioiden laskemiseen, kolmiomittausinterpolaatioon ja St. George -indeksin laskemiseen. Arviointi- ja diagnostisissa suunnitelmissa näitä menetelmiä voidaan luonnehtia tieteellisiksi ja tutkiviksi, eivätkä ne käytännössä tuo periaatteessa uutta tietoa.

Holterin seuranta. Pitkäaikainen Holter-EKG-seuranta sisältää useita tunteja tai päiviä jatkuvaa yksikanavaista EKG-tallennusta potilaan normaaleissa elinoloissa. Tallennus suoritetaan kannettavalla kannettavalla tallentimella magneettiselle alustalle. Pitkän keston vuoksi EKG-tallenteen myöhempi tutkimus suoritetaan laskennallisin menetelmin. Tässä tapauksessa yleensä rakennetaan intervalogrammi, määritetään rytmimuutoksen alueet, etsitään ekstrasystolisia supistuksia ja asystolisia taukoja, lasketaan niiden kokonaismäärä ja luokitellaan ekstrasistolit muodon ja sijainnin mukaan.

Intervalografia Tässä osiossa käytetään pääasiassa peräkkäisten CI:iden (intervalogrammi tai rytmogrammi) muutoskaavioiden visuaalisen analyysin menetelmiä. Tämä mahdollistaa erilaisten rytmien (ensinkin hengitysrytmin, ks. kuva 6.11) vakavuuden arvioinnin, CI-vaihteluhäiriöiden (katso kuvat 6.16, 6.18, 6.19), asystolan ja ekstrasystolin tunnistamisen. Joten kuvassa Kuva 6.21 näyttää intervalogrammin, jossa on kolme sydämenlyönnin ohitusta (kolme pidennettyä CI:tä oikealla puolella), jota seuraa ekstrasystole (lyhennetty CI), jota seuraa välittömästi neljäs sydämenlyönnin ohitus.

Riisi. 6.11. Syvähengitysvälikaavio

Riisi. 6.16. Fibrillaatioväli

Riisi. 6.19. Intervalogrammi potilaalta, jolla on normaali terveys, mutta ilmeisiä HRV-häiriöitä

Intervalogrammi mahdollistaa säätelymekanismien toiminnan tärkeiden yksittäisten piirteiden tunnistamisen vasteena fysiologisiin testeihin. Tarkastellaan havainnollistavana esimerkkinä hengityksen pidätystestin vastakkaisia ​​reaktioita. Riisi. 6.22 osoittaa sydämen sykkeen kiihtymisen reaktiot hengityksen pidättämisen aikana. Kuitenkin koehenkilössä (kuva 6.22, a) tapahtuu alkuvaiheen jyrkän laskun jälkeen vakiintuminen ja taipumus jonkin verran CI:n pidentymiseen, kun taas koehenkilössä (Kuva 6.22, b) alkuperäinen jyrkkä lasku jatkuu hitaampi lyhennys CI, kun taas rikkomukset vaihtelevuus ilmaantuu CI diskreetin luonteen niiden vuorottelua (mikä ei ilmennyt tässä tilassa rentoutumista). Kuva 6.23 esittää päinvastaiset reaktiot CI:n pidentämisen kanssa. Kuitenkin, jos kohteen (Kuva 6.23, a) kohdalla on lähellä lineaarista nousevaa trendiä, niin kohteen (Kuva 23, b) kohdalla tämä trendi osoittaa korkean amplitudin hidasaaltoaktiivisuutta.

Riisi. 6.23. Intervalogrammit hengityksen pidättämistä varten CI-pidennyksen kanssa

Variaatiopulsometria Tässä osiossa kuvailevia tilastotyökaluja käytetään pääasiassa arvioimaan CI:n jakautumista histogrammin rakentamisen avulla sekä useita johdettuja indikaattoreita, jotka kuvaavat kehon eri säätelyjärjestelmien toimintaa, sekä erityisiä kansainvälisiä indeksejä. Monille näistä indekseistä suuressa koemateriaalissa määritettiin normin kliiniset rajat sukupuolen ja iän mukaan sekä useita myöhempiä numeerisia intervalleja, jotka vastaavat yhden tai toisen asteen toimintahäiriöitä.

Pylväsdiagrammi. Muista, että histogrammi on kaavio näytejakauman todennäköisyystiheydestä. Tässä tapauksessa tietyn sarakkeen korkeus ilmaisee EKG-tietueessa olevien tietyn kestoalueen kardiointervallien prosenttiosuuden. Tätä varten CI:n kestojen vaaka-asteikko jaetaan peräkkäisiin samankokoisiin intervalleihin (lokeroihin). Histogrammien vertailukelpoisuuden vuoksi kansainvälinen standardi asettaa säiliön kooksi 50 ms.

Normaalille sydämen toiminnalle on tunnusomaista symmetrinen, kupumainen ja kiinteä histogrammi (kuva 6.24). Pintahengityksen aikana rentoutumisen aikana histogrammi kapenee, kun taas syventävä hengitys levenee. Jos supistuksissa tai ekstrasystoloissa on aukkoja, histogrammiin ilmestyy erilliset fragmentit (vastaavasti pääpiikin oikealle tai vasemmalle, kuva 6.25). Histogrammin epäsymmetrinen muoto osoittaa EKG:n arytmisen luonteen. Esimerkki tällaisesta histogrammista on esitetty kuvassa. 6.26 a. Tällaisen epäsymmetrian syiden selvittämiseksi on hyödyllistä viitata intervalogrammiin (kuva 6.26, b), joka tässä tapauksessa osoittaa, että epäsymmetriaa ei määritä todennäköisemmin patologinen rytmihäiriö, vaan useiden rytmihäiriöjaksojen esiintyminen. normaalin rytmin muutos, joka voi johtua tunneperäisistä syistä tai syvyyden ja hengitystiheyden muutoksista.

Riisi. 6.24. Symmetrinen histogrammi

Riisi. 6.25. Histogrammi puuttuvista leikkauksista

a - histogrammi; b - intervalogrammi

Indikaattorit. Variaatiopulsometrian histografisen esityksen lisäksi lasketaan myös lukuisia numeerisia arvioita: kuvaavia tilastoja, Baevskin indikaattoreita, Kaplanin indeksejä ja monia muita.

Kuvailevat tilastotiedot karakterisoi lisäksi CI:n jakautumista:

• näytekoko N;
• vaihteluväli dRR - suurimman ja pienimmän CI:n välinen ero;
• RRNN:n keskiarvo (sykkeen normi on: 64±2,6 19-26-vuotiaille ja 74±4,1 31-49-vuotiaille);
• SDNN-standardipoikkeama (normi 91±29);
• variaatiokerroin CV=SDNN/RRNN*100 %;
• epäsymmetria- ja kurtoosikertoimet, jotka kuvaavat histogrammin symmetriaa ja sen keskihuipun vakavuutta;
• moodi Mo tai CI-arvo, joka jakaa koko näytteen puoliksi, symmetrisellä jakaumalla, moodi on lähellä keskiarvoa;
• AMo-tilan amplitudi - modaalilokeroon putoavan CI:n prosenttiosuus.
• RMSSD - vierekkäisten IC:iden välisten erojen keskimääräisen neliösumman neliöjuuri (käytännöllisesti katsoen sama kuin SDSD:n standardipoikkeama, normi on 33±17), sillä on vakaat tilastolliset ominaisuudet, mikä on erityisen tärkeää lyhyille tietueille;
• pNN50 - yli 50 ms toisistaan ​​eroavien viereisten kardiointervallien prosenttiosuus (normi 7 ± 2 %) muuttuu myös vähän ennätyksen pituudesta riippuen.

Indikaattorit dRR, RRNN, SDNN, Mo ilmaistaan ​​ms. Merkittävin on AMo, joka kestää artefakteja ja herkkä toiminnallisen tilan muutoksille. Normaalisti alle 25-vuotiailla AMo ei ylitä 40 %, iän myötä se nousee 1 % 5 vuoden välein, yli 50 % katsotaan patologiana.

Indikaattorit R.M. Baevsky:

• autonomisen tasapainon indeksi IVR=AMo/dRR ilmaisee ANS:n sympaattisen ja parasympaattisen osaston aktiivisuuden välisen suhteen;
• vegetatiivisen rytmin indikaattori VPR=1/(Mo*dRR) mahdollistaa kehon vegetatiivisen tasapainon arvioinnin;
• säätelyprosessien riittävyyden indikaattori PAPR=AMo/Mo heijastaa vastaavuutta ANS:n sypaattisen osaston toiminnan ja sinussolmun johtavan tason välillä;
• säätelyjärjestelmien jännitysindeksi IN=AMo/(2*dRR*Mo) heijastaa sykesäädön keskitettyä astetta.

Käytännössä merkittävin on IN-indeksi, joka kuvaa riittävästi sydämen säätelyn kokonaisvaikutusta. Normin rajat ovat: 62,3±39,1 19-26-vuotiaille. Indikaattori on herkkä sympaattisen ANS:n sävyn nousulle, pieni kuorma (fyysinen tai emotionaalinen) lisää sitä 1,5-2 kertaa, merkittävillä kuormilla kasvu on 5-10 kertaa.

Indeksit A.Ya. Kaplan. Näiden indeksien kehittämisessä pyrittiin arvioimaan CI-vaihtelun hitaan ja nopean aallon komponentteja turvautumatta monimutkaisiin spektrianalyysimenetelmiin:

• hengitysmodulaatioindeksi (RII) arvioi hengitysrytmin vaikutuksen asteen CI:n vaihteluun:
• IDM=(0,5* RMSSD/RRNN)*100 %;
• sympaattisen lisämunuaisen sävyn indeksi: CAT=AMo/IDM*100%;
• hidasaallon rytmihäiriöindeksi: IMA \u003d (1-0,5 * IDM / CV) * 100% -30
• IPS:n säätöjärjestelmien ylijänniteindeksi on SAT:n ja mitatun pulssiaallon etenemisajan ja lepotilan etenemisajan suhteen tulo, arvoalue:

40-300 - työskentelevä neuropsyykkinen stressi;

900-3000 - ylijännite, levon tarve;

3000-10000 - terveydelle vaarallinen ylijännite;

edellä - tarve kiireellisesti poistua nykyisestä tilasta vetoamalla kardiologiin.

CAT-indeksi, toisin kuin IN, ottaa huomioon vain CI-vaihtelun nopean komponentin, koska se ei sisällä nimittäjässä CI:n kokonaisaluetta, vaan normalisoidun arvion peräkkäisten CI:iden välisestä vaihtelusta - IDM. Siten mitä pienempi sydämen rytmin korkeataajuisen (hengityksen) komponentin osuus CI:n kokonaisvaihtelussa on, sitä korkeampi CAT-indeksi on. Se on erittäin tehokas sydämentoiminnan yleiseen alustavaan arviointiin iästä riippuen, normin rajat ovat: 30-80-27 vuotta, 80-250 28-40 vuotta, 250-450 40-60 vuotta. , ja 450-800 vanhemmille . CAT-laskenta suoritetaan 1-2 minuutin välein rauhallisessa tilassa, normin yläikärajan ylittäminen on merkki sydämen toimintahäiriöstä ja alarajan ylittäminen on myönteinen merkki.

Luonnollinen lisäys CAT:hen on IMA, joka on suoraan verrannollinen CI:n varianssiin, mutta ei kokonaisuuteen, vaan jäljellä olevaan CI:n vaihteluun vähennettynä nopea komponentti. IMA-normin rajat ovat: 29,2±13,1 19–26-vuotiaille.

Indeksit vaihtelevuuden poikkeamien arvioimiseksi. Useimmat huomioon otetuista indikaattoreista ovat integraalisia, koska ne on laskettu melko laajennetuista CI:n sarjoista, kun taas ne keskittyvät erityisesti arvioimaan CI:n keskimääräistä vaihtelua ja ovat herkkiä tällaisten keskiarvojen eroille. Nämä integraaliarviot tasoittavat paikallisia vaihteluita ja toimivat hyvin toiminnallisen tilan stationaarisissa olosuhteissa, esimerkiksi rentoutumisen aikana. Samalla olisi mielenkiintoista saada muita arvioita, jotka: a) toimisivat hyvin toiminnallisten testien olosuhteissa, eli silloin kun syke ei ole paikallaan, vaan sillä on havaittavissa oleva dynamiikka esim. trendi; b) olivat herkkiä täsmälleen äärimmäisille poikkeamille, jotka liittyvät alhaiseen tai lisääntyneeseen CI-vaihteluun. Itse asiassa monet pienet, varhaiset sydämentoiminnan poikkeavuudet eivät ilmene levossa, mutta ne voidaan havaita lisääntyneeseen fysiologiseen tai henkiseen rasitukseen liittyvien toiminnallisten testien aikana.

Tältä osin on järkevää ehdottaa yhtä mahdollisista vaihtoehtoisista lähestymistavoista, joka mahdollistaa HRV-indikaattoreiden rakentamisen, joita, toisin kuin perinteisiä, voitaisiin kutsua differentiaaliksi tai intervalliksi. Tällaiset indikaattorit lasketaan lyhyessä liukuvassa ikkunassa, jonka jälkeen lasketaan keskiarvo koko CI-sekvenssiltä. Liukuvan ikkunan leveys voidaan valita luokkaan 10 sydämenlyöntiä seuraavien kolmen näkökohdan perusteella: 1) tämä vastaa kolmea tai neljää hengitystä, mikä mahdollistaa tietyssä määrin neutraloimaan hengitysrytmin johtavan vaikutuksen; 2) näin suhteellisen lyhyessä ajassa sykettä voidaan pitää ehdollisesti paikallaan jopa kuormitustoiminnallisten testien olosuhteissa; 3) tällainen otoskoko varmistaa numeeristen arvioiden tyydyttävän tilastollisen vakauden ja parametristen kriteerien sovellettavuuden.

Ehdotetun lähestymistavan puitteissa rakensimme kaksi arviointiindeksiä: PVR-sydämen stressiindeksin ja PSA-sydämen rytmihäiriöindeksin. Kuten lisätutkimus osoitti, liukuvan ikkunan leveyden kohtalainen lisäys vähentää hieman näiden indeksien herkkyyttä ja laajentaa normin rajoja, mutta nämä muutokset eivät ole luonteeltaan perustavia.

PSS-indeksi on suunniteltu arvioimaan CI:n "huonoa" vaihtelua, joka ilmaistaan ​​saman tai erittäin lyhyen kestoisen CI:n läsnä ollessa jopa 5 ms:n erolla (esimerkkejä tällaisista poikkeamista on esitetty kuvissa 6.16, 6.18, 6.19). Tämä "kuolon" taso valittiin kahdesta syystä: a) se on riittävän pieni, 10 % normaalista 50 ms:sta; b) se on riittävän suuri varmistamaan eri aikaresoluutiolla tehtyjen EKG-tallenteiden arvioiden vakauden ja vertailukelpoisuuden. . Normin keskiarvo on 16,3 %, keskihajonta 4,08 %.

PSA-indeksi on suunniteltu arvioimaan CI:n ekstravariatiivisuutta tai rytmihäiriöiden tasoa. Se lasketaan prosentteina CI:stä, joka poikkeaa keskiarvosta yli 2 standardipoikkeaman verran. Normaalijakauman lain mukaan tällaiset arvot ovat alle 2,5 %. Keskimääräinen PSA-arvo normissa on 2,39 %, keskihajonta on 0,85 %.

Normin rajojen laskeminen. Usein normin rajoja laskettaessa käytetään melko mielivaltaista menettelyä. Valitaan ehdollisesti ”terveitä” potilaita, joilla ei ole havaittu sairauksia poliklinikkahavainnon aikana. HRV-indikaattorit lasketaan niiden kardiogrammeista, ja keskiarvot ja keskihajonnat määritetään tästä näytteestä. Tätä menetelmää ei voida pitää tilastollisesti oikeana.

1. Kuten edellä mainittiin, koko otoksesta on ensin poistettava poikkeamat. Poikkeamien raja ja poikkeamien lukumäärä yksittäisellä potilaalla määräytyy tällaisten poikkeamien todennäköisyyden mukaan, joka riippuu indikaattoreiden määrästä ja mittausten määrästä.

2. Edelleen on kuitenkin tarpeen puhdistaa jokaisen indikaattorin osalta erikseen, koska tietojen yleisen normatiivisuuden vuoksi joidenkin potilaiden yksittäiset indikaattorit voivat poiketa jyrkästi ryhmäarvoista. Keskihajonnan kriteeri ei sovellu tähän, koska keskihajonnat itsessään osoittautuvat puolueelliseksi. Tällainen eriytetty puhdistus voidaan tehdä tarkastelemalla visuaalisesti nousevaan järjestykseen lajiteltujen indeksiarvojen kuvaajaa (Quetelet-graafi). On välttämätöntä sulkea pois kaavion terminaaliin kuuluvat arvot, kaarevat, harvat osat jättäen sen keskiosan, tiheän ja lineaarisen osan.

Spektrianalyysi Tämä menetelmä perustuu useiden kardiointervallien amplitudispektrin laskemiseen (katso lisätietoja kohdasta 4.4).

Alustava ajan normalisointi. Spektrianalyysiä ei kuitenkaan voida suorittaa suoraan intervalogrammille, koska se ei ole varsinaisessa mielessä aikasarja: sen pseudoamplitudit (KIi) erottavat ajallisesti CIi:t itse, eli sen aikaaskel on epäyhtenäinen. . Siksi ennen spektrin laskemista tarvitaan intervalogrammin ajallinen uudelleennormalisointi, joka suoritetaan seuraavasti. Valitaan vakioaikaaskeleksi minimi-CI:n arvo (tai puolet siitä), jota merkitään MCI:ksi. Piirretään nyt kaksi aika-akselia toistensa alle: merkitään ylempi peräkkäisten CI:iden mukaan ja alempi MCI:iden vakioaskelilla. Alemmalla asteikolla piirrämme CI-vaihtelun aQI:n amplitudit seuraavasti. Tarkastellaan MKIi:n seuraavaa askelta alemmalla asteikolla, vaihtoehtoja voi olla kaksi: 1) MKIi sopii täydellisesti seuraavaan ylemmän asteikon KIj:ään, niin otetaan aKIi=KIj; 2) mKIi asetetaan kahden vierekkäisen CIj:n ja CIj+1:n päälle prosentteina a% ja b% (a+b=100%), jolloin aCIi:n arvo lasketaan vastaavasta edustavuussuhteesta aCIi=(CIj/a%+ CIj+1/b %)*100 %. Tuloksena oleva aikasarja aKIi ja sille suoritettiin spektrianalyysi.

taajuusalueita. Saadun amplitudispektrin erilliset alueet (amplitudit mitataan millisekunteina) edustavat kehon erilaisten säätelyjärjestelmien vaikutuksesta johtuvaa CI-vaihtelun voimaa. Spektrianalyysissä erotetaan neljä taajuusaluetta:

• 0,4-0,15 Hz (värähtelyjakso 2,5-6,7 s) - korkea taajuus (HF - korkea taajuus) tai hengitysalue heijastaa pitkittäisytimen parasympaattisen sydäninhibiittorikeskuksen toimintaa, toteutuu vagushermon kautta;
• 0,15-0,04 Hz (värähtelyjakso 6,7-25 s) - matalataajuinen (LF - matala taajuus) tai vegetatiivinen alue (ensimmäisen asteen Traube-Goeringin hitaat aallot) heijastaa pitkittäisytimen sympaattisten keskusten aktiivisuutta, toteutuu SINS:n ja PSVNS:n vaikutuksen kautta, mutta pääasiassa hermotuksen kautta ylemmän rintakehän (tähti) sympaattisen ganglion kautta;
• 0,04-0,0033 Hz (värähtelyjakso 25 s - 5 min) - ultramatala taajuus (VLF - erittäin matala taajuus) vaskulaarinen motorinen tai verisuonialue (hitaat toisen asteen Mayer-aallot) heijastaa keskusergotrooppisen ja humoraalisen aineenvaihdunnan toimintaa mekanismien sääntely; toteutetaan muuttamalla veren hormoneja (retiini, angiotensiini, aldosteroni jne.);
• · 0,0033 Hz ja hitaampi - ultramatala taajuusalue (ULF) heijastaa sykesäätelyn korkeampien keskusten aktiivisuutta, säätelyn tarkkaa alkuperää ei tunneta, aluetta tutkitaan harvoin, koska tarvitaan pitkäkestoista toimintaa tallenteita.

a - rentoutuminen; b - syvä hengitys 6.27 näyttää spektrogrammit kahdelle fysiologiselle näytteelle. Rentoutuneessa tilassa (Kuva 6.27, a) matalassa hengityksessä amplitudispektri pienenee melko yksitoikkoisesti suunnassa matalista korkeisiin taajuuksiin, mikä viittaa eri rytmien tasapainoiseen esitykseen. Syvällä hengityksellä (kuva 6.27, b) yksi hengityshuippu erottuu jyrkästi taajuudella 0,11 Hz (hengitysjaksolla 9 s), sen amplitudi (vaihtelu) on 10 kertaa korkeampi kuin muiden taajuuksien keskimääräinen taso.

Indikaattorit. Spektrialueiden karakterisoimiseksi lasketaan joukko indikaattoreita:

• i:nnen alueen painotetun keskimääräisen huipun taajuus fi ja jakso Ti, tällaisen huipun sijainti määräytyy alueella olevan spektrigraafin osan painopisteen (suhteessa taajuusakseliin) mukaan;
• spektriteho kaistalla prosentteina koko spektrin tehosta VLF%, LF%, HF% (teho lasketaan kaistan spektraalisten harmonisten amplitudien summana); normin rajat ovat vastaavasti: 28,65±11,24; 33,68±9,04; 35,79±14,74;
• spektrin amplitudin keskiarvo alueella Аср tai CI:n keskimääräinen vaihtelu; normin rajat ovat vastaavasti: 23,1±10,03, 14,2±4,96, 6,97±2,23;
• suurimman harmonisen amplitudi alueella Amax ja sen jakso Tmax (näiden arvioiden stabiiliuden lisäämiseksi spektrin alustava tasoitus on tarpeen);
• normalisoidut tehot: LFnorm=LF/(LF+HF)*100 %; HFnorm = HF/(LF+HF) *100 %; vasosympaattisen tasapainon kerroin LF/HF; normin rajat ovat vastaavasti: 50,6±9,4; 49,4±9,4; 0,7±1,5.

CI-spektrin virheet. Tarkastellaanpa joitain spektrianalyysin instrumentaalivirheitä (katso kohta 4.4) intervalogrammiin sovellettuina. Ensinnäkin taajuusalueiden teho riippuu merkittävästi "todellisesta" taajuusresoluutiosta, joka puolestaan ​​riippuu ainakin kolmesta tekijästä: EKG-tietueen pituudesta, CI-arvoista ja valitusta intervalogrammin ajan uudelleennormalisointivaiheesta. Tämä jo itsessään asettaa rajoituksia eri spektrien vertailukelpoisuudelle. Lisäksi rytmin amplitudimodulaatiosta johtuva tehovuoto korkean amplitudin huipuista ja sivuhuipuista voi ulottua kauas vierekkäisille alueille aiheuttaen merkittävää ja hallitsematonta säröä.

Toiseksi EKG:tä tallennettaessa pääasiallista vaikuttavaa tekijää ei normalisoida - hengitysrytmiä, jolla voi olla eri taajuuksia ja syvyyksiä (hengitystaajuutta säädetään vain syvän hengityksen ja hyperventilaationäytteissä). Ja spektrien vertailukelpoisuudesta HF- ja LF-alueilla voitaisiin keskustella vain, kun testit suoritetaan kiinteällä jaksolla ja amplitudilla hengityksen. Hengitysrytmin tallentamiseksi ja hallitsemiseksi EKG-tallennusta tulee täydentää rintakehän ja vatsan hengityksen rekisteröinnillä.

Ja lopuksi, CI-spektrin jakaminen olemassa oleviin alueisiin on melko ehdollista, eikä sitä ole tilastollisesti perusteltu millään tavalla. Tällaista perustetta varten olisi tarpeen testata erilaisia ​​väliseinät suurella kokeellisella materiaalilla ja valita tekijätulkinnan kannalta merkittävin ja vakaa.

SA-tehoestimaattien laaja käyttö on myös hieman hämmentävää. Tällaiset indikaattorit eivät sovi yhteen hyvin keskenään, koska ne riippuvat suoraan taajuusalueiden koosta, jotka puolestaan ​​eroavat 2-6 kertaa. Tässä suhteessa on suositeltavaa käyttää spektrin keskimääräisiä amplitudeja, jotka puolestaan ​​​​korreloivat hyvin useiden IP-indikaattoreiden kanssa arvoalueella 0,4 - 0,7.

Korrelaatiorytmografia Tämä osio sisältää pääasiassa kaksiulotteisten sirontagrammien tai sirontakaavioiden rakentamisen ja visuaalisen tutkimuksen, jotka edustavat aikaisempien CI:iden riippuvuutta myöhemmistä. Jokainen tämän kaavion piste (Kuva 6.28) edustaa edellisen KIi:n (Y-akselilla) ja seuraavan KIi+1:n (X-akselilla) kestojen välistä suhdetta.

Indikaattorit. Sirontapilven karakterisoimiseksi lasketaan sen keskipisteen sijainti eli KI (M) keskiarvo sekä pituussuuntaisten L- ja poikkisuuntaisten w-akselien mitat ja niiden suhde w/L. Jos otamme puhtaan siniaallon CI:ksi (ihanteellinen tapaus vain yhden rytmin vaikutuksesta), niin w on 2,5 % L:stä. A:n ja b:n keskihajontoja näillä akseleilla käytetään yleensä w:n ja L:n arvioina. .

Parempaa visuaalista vertailua varten rakennetaan sirontagrammiin (Kuva 6.28) ellipsi, jonka akselit ovat 2L, 2w (pienellä otoskoolla) tai 3L, 3w (suurella otoskoolla). Tilastollinen todennäköisyys ylittää kaksi ja kolme standardihajontaa on 4,56 ja 0,26 % CI:n normaalijakaumalla.

Normi ​​ja poikkeamat. Jos HRV-arvo on jyrkkiä poikkeamia, sirontakaavio saa satunnaisen luonteen (kuva 6.29, a) tai hajoaa erillisiksi fragmenteiksi (kuva 6.29, b): ekstrasystolissa pisteryhmät, jotka ovat symmetrisiä suhteessa diagonaaliin ilmestyy, siirtynyt lyhyen CI:n alueelle pääpilvisironnasta, ja asystolan tapauksessa lyhyiden CI:iden alueelle ilmestyy symmetrisiä pisteryhmiä. Näissä tapauksissa sirontagrammi ei tarjoa uutta tietoa intervalogrammiin ja histogrammiin verrattuna.

a - vaikea rytmihäiriö; b - extrasystole ja asystole Siksi sirontagrammit ovat hyödyllisiä pääasiassa normaaleissa olosuhteissa eri koehenkilöiden keskinäiseen vertailuun erilaisissa toiminnallisissa testeissä. Erillinen tällaisen sovelluksen alue on fyysisen ja psyykkisen rasituksen kunnon ja toiminnallisen valmiuden testaus (katso alla).

Tunnuslukujen korrelaatio Erilaisten HRV-indikaattoreiden merkittävyyden ja korrelaation arvioimiseksi vuonna 2006 teimme erityisen tilastollisen tutkimuksen. Alkutiedot olivat 378 EKG-tallennusta, jotka tehtiin rentoutuneessa tilassa korkeimman pätevyyden omaavien urheilijoiden keskuudessa (jalkapallo, koripallo, jääkiekko, lyhytrata, judo). Korrelaatio- ja tekijäanalyysin tuloksista oli mahdollista tehdä seuraavat johtopäätökset:

1. Käytännössä yleisimmin käytetty HRV-indikaattorijoukko on redundantti, siitä yli 41 % (15/36) on toiminnallisesti toisiinsa liittyviä ja hyvin korreloituvia indikaattoreita:

Seuraavat indikaattoriparit ovat toiminnallisesti riippuvaisia: HR-RRNN, Mo-RRNN, LF/HF-HFnorm, LFnorm-HFnorm, fVLF-TVLF, fLF-TLF, fHF-THF, w/L-IMA, Kr-IMA, Kr - w/L;

Seuraavat indikaattorit korreloivat voimakkaasti (korrelaatiokertoimet on ilmoitettu kertoimina): *IN, PAPR-0.95*IN-0.91*VPR, dX-0.92*SDNN, RMSSD-0.91*рNN50, IDM-0.91*HF%, IDM-0.91 *АсрHF, w=0,91*рNN50, Br=0,91*w/L, Br=0,91*Kr, LF/HF=0,9*VL%.

Erityisesti kaikki korrelaatiorytmografian indikaattorit osoitetussa mielessä kopioidaan variaatiopulsometrian indikaattoreilla, joten tämä osio on vain kätevä muoto tiedon visuaaliselle esittämiselle (scattergram).

2. Variaatiopulsometrian ja spektrianalyysin indikaattorit heijastavat erilaisia ​​ja ortogonaalisia tekijärakenteita.

3. Variaatiopulsometrian indikaattoreista kahdella indikaattoriryhmällä on suurin tekijän merkitys: a) SAT, PSS, IN, SDNN, pNN50, IDM, jotka kuvaavat sydämen toiminnan intensiteetin eri puolia; b) IMA, PSA, joka kuvaa sydämen toiminnan rytmisyyden ja rytmihäiriön suhdetta;

4. LF- ja VLF-alueiden merkitys toiminnallisessa diagnostiikassa on kyseenalainen, koska niiden indikaattoreiden tekijävastaavuus on epäselvä ja itse spektrit ovat alttiina lukuisille ja hallitsemattomille vääristymille.

5. Epävakaiden ja moniselitteisten spektri-indikaattoreiden sijasta on mahdollista käyttää IDM:ää ja IMA:ta, jotka heijastavat sydämen vaihtelun hengitys- ja hidasaaltokomponentteja. Kaistojen tehoestimaattien sijaan on parempi käyttää spektrin keskimääräisiä amplitudeja.

Kuntoarviointi Yksi tehokkaista menetelmistä (urheilijoiden ja muiden ammattilaisten, joiden työhön liittyy lisääntynyt fyysinen ja psyykkinen rasitus) kuntoa ja toiminnallista valmiutta on analysoida sykemuutosten dynamiikkaa intensiivisemmän fyysisen rasituksen aikana ja sen jälkeen. harjoittelun palautuminen. Tämä dynamiikka heijastaa suoraan kehon nestemäisessä väliaineessa tapahtuvien biokemiallisten aineenvaihduntaprosessien nopeita ja tehokkaita ominaisuuksia. Kiinteissä olosuhteissa fyysistä aktiivisuutta annetaan yleensä polkupyörän ergonomiatestien muodossa, kun taas todellisissa kilpailuolosuhteissa on mahdollista tutkia pääasiassa palautumisprosesseja.

Lihasten energiansaannin biokemia. Ruoan hajoamisesta saatava energia varastoituu ja kuljetetaan soluihin korkeaenergisenä yhdisteenä ATP (adrenosiinitrifosforihappo). Evoluutio on muodostanut kolme energiaa tuottavaa toiminnallista järjestelmää:

• 1. Anaerobinen alaktaattijärjestelmä (ATP - CF tai kreatiinifosfaatti) käyttää lihaksen ATP:tä työn alkuvaiheessa, jonka jälkeen ATP-varastojen palauttaminen lihaksissa halkaisee CF:n (1 mol CF = 1 mol ATP:tä). ATP:n ja CF:n varannot tarjoavat vain lyhytaikaista energian tarvetta (3-15 s).
• 2. Anaerobinen laktaatti (glykolyyttinen) järjestelmä tuottaa energiaa pilkkomalla glukoosia tai glykogeenia, minkä seurauksena muodostuu palorypälehappoa, jonka jälkeen se muuttuu maitohapoksi, joka nopeasti hajoaessaan muodostaa kalium- ja natriumsuoloja, joita kutsutaan yhteisesti laktaatiksi. . Glukoosi ja glykogeeni (muodostuvat maksassa glukoosista) muuttuvat glukoosi-6-fosfaatiksi ja sitten ATP:ksi (1 mol glukoosia \u003d 2 mol ATP, 1 mol glykogeenia = 3 mol ATP).
• 3. Aerobinen-hapettava järjestelmä käyttää happea hiilihydraattien ja rasvojen hapettamiseen varmistaakseen pitkäaikaisen lihastyön ja ATP:n muodostumisen mitokondrioissa.

Lepotilassa energiaa syntyy hajoamalla lähes sama määrä rasvoja ja hiilihydraatteja glukoosin muodostuessa. Lyhytaikaisen intensiivisen harjoittelun aikana ATP muodostuu lähes yksinomaan hiilihydraattien ("nopein" energia) hajoamisen vuoksi. Hiilihydraattipitoisuus maksassa ja luustolihaksissa tuottaa enintään 2000 kcal energiaa, jonka avulla voit juosta noin 32 km. Vaikka elimistössä on paljon enemmän rasvoja kuin hiilihydraatteja, mutta rasvan aineenvaihdunta (glukoneogeneesi) rasvahappojen ja sitten ATP:n muodostumisen myötä on energisesti mittaamattoman hitaampaa.

Lihaskuitujen tyyppi määrittää niiden oksidatiivisen kapasiteetin. Joten BS-kuiduista koostuvat lihakset ovat spesifisempiä korkean intensiteetin fyysisen toiminnan suorittamiseen kehon glykolyyttisen järjestelmän energian käytön vuoksi. MS-säikeistä koostuvat lihakset puolestaan ​​sisältävät enemmän mitokondrioita ja oksidatiivisia entsyymejä, mikä varmistaa suuremman määrän fyysistä aktiivisuutta aerobista aineenvaihduntaa käyttämällä. Kestävyyden kehittämiseen tähtäävä fyysinen aktiivisuus edistää mitokondrioiden ja oksidatiivisten entsyymien lisääntymistä MS-kuiduissa, mutta erityisesti BS-säiduissa. Tämä lisää hapenkuljetusjärjestelmän kuormitusta työskenteleviin lihaksiin.

Kehon nestemäiseen väliaineeseen kerääntyvä laktaatti "happamoi" ​​lihaskuituja ja estää glykogeenin hajoamisen edelleen sekä vähentää myös lihasten kykyä sitoa kalsiumia, mikä estää niiden supistumisen. Intensiivisessä urheilussa laktaatin kertyminen saavuttaa 18-22 mmol/kg nopeudella 2,5-4 mmol/kg. Sellaiset urheilulajit kuten nyrkkeily ja jääkiekko erottuvat erityisesti laktaattipitoisuuksien rajoittamisesta, ja niiden havainnointi kliinisessä käytännössä on tyypillistä infarktia edeltäville tiloille.

Suurin laktaatin vapautuminen vereen tapahtuu kuudentena minuutilla intensiivisen kuormituksen jälkeen. Vastaavasti se saavuttaa maksimin ja sykkeen. Lisäksi laktaatin pitoisuus veressä ja syke laskee synkronisesti. Siksi sykedynamiikan mukaan voidaan arvioida kehon toiminnallisia kykyjä vähentää laktaatin pitoisuutta ja sitä kautta energiaa palauttavan aineenvaihdunnan tehokkuutta.

Analyysityökalut. Lataus- ja palautusjaksossa suoritetaan minuuttien lukumäärä i=1,2,3. EKG-tallenteet. Tulosten perusteella rakennetaan sirontagrammeja, jotka yhdistetään yhdeksi kaavioksi (kuva 6.30), jonka mukaan CI-indikaattoreiden muutosten dynamiikkaa arvioidaan visuaalisesti. Jokaiselle i:nnelle sirontagrammille lasketaan numeeriset indikaattorit M, a, b, b/a. Kunkin tällaisen indikaattorin Pi muutosdynamiikan sopivuuden arvioimiseksi ja vertaamiseksi lasketaan muodon intervalliestimaatit: (Pi-Pmax)/(Po-Pmax), missä Po on indikaattorin arvo rentoutumistilassa; Pmax on indikaattorin arvo fyysisen aktiivisuuden maksimiarvolla.

Riisi. 6.30. Yhdistetyt sirontakaaviot harjoituksen jälkeisistä 1 sekunnin palautumisväleistä ja rentoutumistiloista

Kirjallisuus 5. Gnezditsky V.V. Aivojen herätetyt mahdollisuudet kliinisessä käytännössä. Taganrog: Medic, 1997.

6. Gnezditsky V.V. EEG-käänteisongelma ja kliininen elektroenkefalografia. Taganrog: Medikom, 2000

7. Zhirmunskaya E.A. Kliininen elektroenkefalografia. M.: 1991.

13. Max J. Signaalinkäsittelyn menetelmät ja tekniikat teknisissä mittauksissa. M.: Mir, 1983.

17. Otnes R., Enokson L. Aikasarjojen sovellettu analyysi. M.: Mir, 1982, osa 1, 2.

18. K. Pribram. Aivojen kielet. Moskova: Edistys, 1975.

20. Randall R.B. Taajuusanalyysi. Bruhl ja Kjær, 1989.

22. Rusinov V.S., Grindel O.M., Boldyreva G.N., Vaker E.M. Aivojen biopotentiaalit. Matemaattinen analyysi. M.: Lääketiede, 1987.

23. A.Ya. Kaplan. Ihmisen elektroenkefalogrammin segmenttikuvauksen ongelma//Human Physiology. 1999. V.25. Nro 1.

24. A. Ya. Kaplan, Al.A. Fingerkurts, An.A. Fingerkurts, S.V. Borisov, B.S. Darkhovski. Aivojen toiminnan ei-stationaarisuus, kuten EEG/MEG paljasti: metodologiset, käytännölliset ja käsitteelliset haasteet//Signaalinkäsittely. Erikoisnumero: Neuronaalinen koordinaatio aivoissa: Signaalinkäsittelyn näkökulma. 2005. Nro 85.

25. A.Ya. Kaplan. EEG:n epästationaarisuus: metodologinen ja kokeellinen analyysi//Fysiologisten tieteiden edistysaskel. 1998. V.29. Nro 3.

26. Kaplan A.Ya., Borisov S.V. Ihmisen EEG-alfa-aktiivisuuden segmenttiominaisuuksien dynamiikka levossa ja kognitiivisten kuormien alla//Journal of VND. 2003. Nro 53.

27. Kaplan A.Ya., Borisov S.V., Zheligovsky V.A. Nuorten EEG:n luokitus spektri- ja segmenttiominaisuuksien mukaan normissa ja skitsofrenian spektrihäiriöissä // Journal of VND. 2005. V.55. Nro 4.

28. Borisov S.V., Kaplan A.Ya., Gorbachevskaya N.L., Kozlova I.A. EEG-alfa-toiminnan rakenteellinen organisaatio skitsofreniaspektrihäiriöistä kärsivillä nuorilla // VND Journal. 2005. V.55. Nro 3.

29. Borisov S.V., Kaplan A.Ya., Gorbachevskaya N.L., Kozlova I.A. EEG:n rakenteellisen synkronian analyysi skitsofreenisen kirjon häiriöistä kärsivillä nuorilla//Human Physiology. 2005. V.31. Nro 3.

38. Kulaichev A.P. Joitakin EEG-taajuusanalyysin metodologisia ongelmia//Journal of VND. 1997. Nro 5.

43. Kulaichev A.P. Psykofysiologisten kokeiden automatisoinnin metodologia / la. Mallintaminen ja tietojen analysointi. M.: VENÄJÄ, 2004.

44. Kulaichev A.P. Tietokoneen elektrofysiologia. Ed. 3. M.: Moskovan valtionyliopiston kustantamo, 2002.

Viimeisten kahden vuosikymmenen aikana autonomisen hermoston ja sydän- ja verisuonisairauksien kuolleisuuden, mukaan lukien äkillinen kuolema, välillä on havaittu merkittäviä yhteyksiä. Kokeelliset todisteet yhteydestä alttiuden saada tappaville rytmihäiriöille ja lisääntyneen sympaattisen tai vähentyneen vagaalisen aktiivisuuden merkkien välillä ovat edistäneet autonomisen toiminnan kvantitatiivisten indikaattoreiden kehittämistä tutkimuksen alalla.

Sykevaihtelu (HRV) on yksi lupaavimmista indikaattoreista laatuaan. Suhteellisen yksinkertainen menetelmän muunnos teki sen soveltamisen suosituksi. Yhä useamman automaattisen HRV-mittauksen tarjoavan laitteen tullessa saataville kardiologilla on riittävän yksinkertainen työkalu sekä tutkimus- että kliinisten ongelmien ratkaisemiseen. Monien HRV-mittausten merkitys ja merkitys ovat kuitenkin monimutkaisempia kuin yleisesti uskotaan, ja siksi on olemassa mahdollisuus väärinkäsityksiin ja kohtuuttomiin ekstrapolointeihin.

Se, että European Society of Cardiology ja North American Society for Stimulation and Electrophysiology tunnustivat tämän ongelman, johti yhteisen työryhmän perustamiseen asianmukaisten standardien kehittämiseksi. Tämän työryhmän päätavoitteena oli nimikkeistön standardointi ja termien määritelmien kehittäminen, standardimittausmenetelmien määrittely, fysiologisten ja patofysiologisten korrelaattien määrittely, kliinisten käyttöaiheiden kuvaus ja tutkimusalueen määrittely. .

Näiden ongelmien ratkaisemiseksi työryhmän kokoonpano koottiin matematiikan, suunnittelun, fysiologian ja kliinisen lääketieteen eri alojen edustajista. Tässä asiakirjassa esitettyjen standardien ja ehdotusten tarkoituksena ei ole rajoittaa jatkokehitystä, vaan pikemminkin mahdollistaa tulosten vertailu ja tulkinta sekä johtaa edistymiseen tällä alalla.

Ilmiö, jolle tämä artikkeli on omistettu, on vaihtelut peräkkäisten sydämenlyöntien välillä sekä vaihtelut peräkkäisten sykkeen välillä. Termistä "sykevaihtelu" on tullut hyväksytty termi kuvaamaan muutoksia sekä syke- että RR-välissä. Muita termejä, kuten syklin pituuden vaihtelu, sydämen jakson vaihtelu, RR-välin vaihtelu ja RR-takogrammi, on käytetty kirjallisuudessa kuvaamaan vaihteluja peräkkäisissä sydämen sykleissä. Nämä termit mahdollistivat sen, että tutkimuksen kohteena on juuri peräkkäisten supisteiden välinen aika, ei syke. Niitä ei kuitenkaan käytetä yhtä laajasti kuin HRV:tä, joten termiä HRV käytetään tässä asiakirjassa.

TAUSTA

Sydämen vaihtelun kliininen merkitys ymmärrettiin ensimmäisen kerran vuonna 1965, kun Hon ja Lee totesivat, että sikiön ahdistusta edelsi vaihtelevat lyöntivälit ennen kuin havaittavissa oleva muutos itse sykkeessä tapahtui. Kaksikymmentä vuotta myöhemmin Sayers et ai. kiinnitti huomiota fysiologisten rytmien läsnäoloon sykesignaalissa. 1970-luvun aikana. Ewing et ai. ehdotti useita potilaan sängyn vieressä suoritettavia yksinkertaisia ​​testejä, joiden avulla lyhytaikaisilla RR-välien muutoksilla havaittiin autonominen neuropatia diabetes mellituspotilailla. Wolf et ai. osoittivat ensimmäisenä yhteyden suurempaan kuolinriskiin potilailla, joilla on sydäninfarkti ja joilla on alentunut HRV. vuonna 1977. Vuonna 1981 Akselrod et ai. käytti sydämen sykkeen vaihteluiden spektrianalyysiä sydän- ja verisuonijärjestelmän suorituskyvyn mittaamiseksi lyönnistä lyöntiin.

Nämä taajuusanalyysimenetelmät auttoivat ymmärtämään joitain sykemittauksissa havaittuja RR-välien vaihteluiden autonomisia syitä. HRV:n kliininen merkitys tunnistettiin 1980-luvun lopulla, jolloin vahvistettiin, että HRV on vakaa ja riippumaton kuoleman ennustaja potilailla, joilla on akuutti sydäninfarkti. Uusien digitaalisten korkeataajuisten, 24 tunnin monikanavaisten EKG-tallennuslaitteiden saatavuuden ansiosta HRV voi tarjota arvokasta lisätietoa fysiologisista ja patofysiologisista tiloista ja parantaa riskinarviointia.

SYKKEEN VAIHTELUN MÄÄRITTÄMINEN

Aika-alueen menetelmät
(Time Domain Methods)

Sykkeen vaihtelua voidaan arvioida useilla eri menetelmillä. Ehkä yksinkertaisimpia käyttää ovat aika-alueen estimointimenetelmät. Nämä menetelmät ottavat huomioon joko kullakin hetkellä lasketut sykearvot tai peräkkäisten kompleksien väliset intervallit. Jatkuvassa EKG-tallennuksessa jokainen QRS-kompleksi tunnistetaan ja ns. normaalista normaaliin (NN) -välit lasketaan, ts. määritetään vierekkäisten QRS-kompleksien väliset intervallit, jotka ovat seurausta sinussolmun solujen depolarisaatiosta tai hetkellisestä sykkeestä. Yksinkertaisimpia laskettavia muuttujia ovat: keskimääräinen NN-väli, keskimääräinen syke, pisimmän ja lyhimmän NN-välin ero, päivä- ja yöajan HR-ero jne. Hengitykseen, ortostaattiseen (kallistus)testiin, Valsalva-liikkeeseen ja fenyyliefriiniinfuusioon liittyviä hetkellisen sykkeen vaihteluita voidaan myös tutkia. Muutoksia voidaan kuvata analysoimalla sykettä tai sydämen syklin pituutta (RR).

Tilastolliset menetelmät

Pitkän ajanjakson, yleensä 24 tunnin aikana tallennettujen hetkellisten sykesarjojen tai NN-välien perusteella voidaan laskea monimutkaisempia indikaattoreita - tilastollisia aikaindikaattoreita. Ne voidaan jakaa kahteen ryhmään: (1) - saatu käsittelemällä suoria hetkellisen sykkeen tai NN-välin mittauksia. (2) - laskettu NN-välien välisen eron perusteella. Nämä indikaattorit voidaan laskea koko havaintoajalle tai tietyille aikaväleille tallennusjakson aikana, mikä mahdollistaa HRV:n vertailun eri elämänhetkillä, kuten unessa, lepossa jne.

Kätevin muuttuja laskentaan on NN-välien keskihajonta - (SDNN) - NN-hajon neliöjuuri. Koska juuren alla oleva arvo vastaa matemaattisesti spektrianalyysin kokonaistehoa, SDNN kaappaa kaikki sykliset komponentit, jotka ovat vastuussa vaihtelusta tallennusjakson aikana. Monissa tutkimuksissa SDNN lasketaan koko 24 tunnin ajanjaksolta ja sisältää siten sekä lyhytaikaiset suurtaajuiset muutokset että erittäin matalataajuiset komponentit, jotka tapahtuivat 24 tunnin aikana. Kun tallennusjakso lyhenee, SDNN arvioi lyhyempiä ja lyhyempiä sydänjaksoja. On huomattava, että, ceteris paribus, vaihtelevuuden kokonaisarvo kasvaa tutkitun tietueen pituuden kasvaessa. Satunnaisesti otetulle EKG:lle SDNN ei ole paras tilastollinen kvantifiointi, koska se riippuu tallennusjakson pituudesta. Käytännössä on väärin verrata eripituisista tietueista laskettuja SDNN:itä. Niiden tietueiden kesto, joiden perusteella SDNN on tarkoitus laskea, tulisi standardoida. 5 minuutin ja 24 tunnin kestot sopivat.

Yleisesti käytettyjä tilastoja ovat myös SDANN - lyhyiltä ajanjaksoilta (yleensä 5 minuuttia) lasketun keskimääräisen NN:n keskihajonnan, jonka avulla voit arvioida sykemuutoksia yli 5 minuutin syklisellä jaksolla sekä SDNN-indeksi - sykkeen keskiarvo. NN-välien 5 minuutin standardipoikkeamat, laskettuna 24 tunnin ajalta, heijastavat vaihtelua alle 5 minuutin syklisyydellä.

Yleisimmin käytettyjä intervallien välisistä eroista määritettyjä mittareita ovat RMSSD - vierekkäisten NN-välien välisen eron keskineliöiden neliöjuuri, NN50 - tapausten lukumäärä, joissa peräkkäisten NN:iden kestoero ylittää 50 ms, pNN50 - vierekkäisten NN-jaksojen välisten, jotka ylittävät 50 ms, suhde tietueen NN-välien kokonaismäärään. Kaikki nämä indikaattorit heijastavat nopeita korkeataajuisia vaihteluita HRV:n rakenteessa ja korreloivat voimakkaasti (Kuva 1)

Riisi. 1. RMSSD- ja pNN50-mittausten (a) ja pNN50:n ja NN50:n (b) väliset suhteet, jotka on saatu 857:stä nimellisestä 24 tunnin Holter-tallenteesta, jotka on saatu ennen kotiutumista akuutista sydäninfarktista kärsiviltä potilailta. Kaaviossa (b) esitetyt NN50-arvot normalisoitiin ennätyspituudelle (tiedot St. George's Post-infarction Research Survey Program -ohjelmasta).

Geometriset menetelmät

NN-välien sarja voidaan myös muuntaa geometriseksi rakenteeksi, kuten NN-välien keston tiheysjakauma, vierekkäisten NN-välien välisen eron tiheysjakauma, Lorentzin jakauma jne. Sitten sovelletaan yksinkertaista kaavaa, mahdollistaa vaihtelun arvioinnin geometristen ja/tai graafisten mallien ominaisuuksien perusteella. Geometristen menetelmien kanssa työskennellessä käytetään kolmea päätapaa: (1) - geometrisen mallin päämittaukset (esimerkiksi jakauman histogrammin leveys tietyllä tasolla) muunnetaan HRV-mittauksiksi, (2) - tietyllä matemaattisella tavalla (jakauman histogrammin likiarvo kolmion tai eksponentiaalisen käyrän differentiaalihistogrammin avulla) geometrinen malli interpoloidaan ja sitten tätä matemaattista muotoa kuvaavat kertoimet analysoidaan, (3) - geometrinen muoto luokitellaan, useita luokkia erotetaan geometriset muotonäytteet, jotka edustavat eri HRV-luokkia (Lorenzin käyrän elliptinen, lineaarinen, kolmiomuoto). Useimmat geometriset menetelmät edellyttävät NN-välien sarjan mittaamista tai muuntamista diskreetiksi mittakaavaksi, mikä ei yleensä ole aivan tiukkaa, mutta mahdollistaa tasoitettujen histogrammien saamisen. Yleisimmin käytetty näytteenottotaajuus on 8 ms (tarkemmin sanottuna 1/128 sekuntia), mikä on linjassa kaupallisesti saatavien laitteiden ominaisuuksien kanssa.

kolmioindeksi- jakautumistiheyden integraali (ja tämä on NN-välien kokonaismäärä), viitaten maksimijakauman tiheyteen. Käytettäessä diskreettiä NN-välien asteikkoa, sen arvo voi riippua näytteenottotaajuudesta. Jos siis käytetään diskreettiä mittauslikiarvoa, jonka taajuus on muu kuin yleisin 128 Hz, niin käytetty mittaustaajuus on ilmoitettava. NN-alojen histogrammin kolmiointerpolaatio (TINN) on jakauman kannan leveys mitattuna kolmion kantana, joka saadaan pienimmän neliösumman avulla, joka sopii NN-alojen jakaumaan. Vaihtuvuuskolmioindeksin ja TINN:n laskemisen yksityiskohdat on esitetty kuvassa. 2. Molemmat mittaukset ilmaisevat sykkeen kokonaisvaihtelua 24 tunnin aikana ja ovat enemmän riippuvaisia ​​matalasta taajuudesta kuin korkean taajuuden komponenteista. Muut geometriset menetelmät ovat vielä tutkimus- ja selitysvaiheessa.

Riisi. 2. Geometristen mittausten suorittamiseksi NN-välien histogrammissa muodostetaan ensin näytteen jakautumistiheys D, eli vastaavuus näytteessä olevan NN-välin pituuden kunkin arvon ja tämän pituisten intervallien lukumäärän välillä. . Sitten määritetään yleisimpien NN-välien pituus X, kun taas Y=D(X) on näytteen suurin jakautumistiheys. Kolmion HRV-indeksi on arvo, joka saadaan jakamalla käyrän D alla oleva integraali Y:llä. Käytettäessä diskreettiä asteikkoa vaaka-akselilla tämä arvo on yhtä suuri kuin NN-välien kokonaismäärä jaettuna Y:n arvolla.

TINN:n arvon laskemiseksi aika-akselille määritetään pisteet N ja M, minkä jälkeen muodostetaan monilineaarinen funktio q siten, että q(t)=0 t:lle< N и t>M ja integraali

on minimaalinen kaikille mahdollisille arvoille N:n ja M:n välillä. TINN-arvon mitta on millisekuntia ja se ilmaistaan ​​kaavalla TINN = M - N.

Geometristen menetelmien tärkein etu on niiden suhteellinen epäherkkyys sarjan RR-välien analyyttiselle laadulle. Suurin haittapuoli on hyväksyttävän määrän NN-välien tarve geometrisen mallin rakentamiseksi. Käytännössä geometristen menetelmien soveltamisen oikeellisuuden varmistamiseksi on käytettävä vähintään 20 minuutin (mutta mieluiten 24 tunnin) tietueita. Nykyaikaiset geometriset menetelmät eivät sovellu vaihtelevuuden nopeiden muutosten arvioimiseen.

HRV:n ajallisten ominaisuuksien perhe on annettu taulukossa. 1. Koska monet aika-alueen HRV-analyysistä johdetut suureet korreloivat läheisesti muiden kanssa, suositellaan käytettäväksi seuraavia neljää indikaattoria:

1. SDNN - arvioida kokonais HRV,
2. kolmion HRV-indeksi - arvioida koko HRV:tä,
3. SDANN - arvioida vaihtelun matalataajuisia komponentteja,
4. RMSSD - vaihtelevuuden suurtaajuisten komponenttien arvioimiseen.

Pöytä 1.

Jotkut HRV:n ajalliset ominaisuudet

Arvo	Yksiköt	Kuvaus
Tilastolliset ominaisuudet
		Kaikkien NN-välien keskihajonta
		NN-välien keskiarvojen keskihajonta laskettuna 5 minuutin välein koko tallennuksen ajalta
		Vierekkäisten NN-välien välisten neliöerojen keskimääräisen summan neliöjuuri
SDNN-indeksi		NN-välien keskihajonnan keskiarvo laskettuna 5 minuutin välein koko tallennuksen ajalta
		Vierekkäisten NN-välien välisten erojen keskihajonta
		Niiden vierekkäisten NN-välien parien määrä, jotka eroavat yli 50 ms koko tallennuksen aikana. Laskentavaihtoehtoja on kolme: laskea kaikki sellaiset parit tai laskea vain parit, joissa joko ensimmäinen aikaväli on pidempi kuin toinen tai päinvastoin
		NN50-arvo jaettuna NN-välien kokonaismäärällä
Geometriset ominaisuudet
Kolmion HRV-indeksi		NN-välien kokonaismäärä jaettuna kaikkien NN-välien histogrammin korkeudella 7,8125 ms:n (1/128 ms) välein. (Katso lisätietoja kuvasta 2)
		Histogrammin korkeimman huipun rms-kolmiointerpolaation pohjan leveys piirrettynä kaikille NN-jaksoille. (Katso lisätietoja kuvasta 2)
Differentiaaliindeksi		Ero histogrammin leveyksien välillä, joka on muodostettu vierekkäisten NN-välien välisistä eroista mitattuna valituilla korkeuksilla (esimerkiksi 1000 ja 10000 pisteen tasoilla)
logaritminen indeksi		Eksponentiaalisen käyrän kerroin, joka on vierekkäisten NN-välien absoluuttisista eroista muodostetun histogrammin paras approksimaatio

Yleisen HRV:n arvioimiseen suositellaan kahta menetelmää, koska kolmioindeksi antaa vain karkean arvion EKG-signaalista. Vierekkäisten NN:iden välisen eron analysointiin perustuvista menetelmistä RMSSD-laskenta on parempi, koska sillä on paremmat tilastolliset ominaisuudet kuin NN50:llä ja pNN50:llä.

Kokonaissykevaihtelun ja sen komponenttien arviointimenetelmät lyhyellä ja pitkällä aikavälillä eivät voi korvata toisiaan. Menetelmän valinnan tulee olla yhdenmukainen tietyn tutkimuksen tavoitteiden kanssa. Menetelmät, joita voidaan suositella kliiniseen käytäntöön, on yhteenveto kohdassa "Sykevaihteluanalyysin kliininen käyttö".

On tarpeen olla tietoinen NN-välin pituuksista tai hetkellisistä sykearvoista laskettujen parametrien ja viereisten NN-arvojen välisistä eroista laskettujen arvojen välisistä eroista.

Lopuksi on väärin verrata eripituisten tietueiden perusteella laskettuja aika-arvoja, erityisesti kokonaisvaihtelua kuvaavia.

Taajuusalueen menetelmät.
(Frequency Domain Methods)

Erilaisia ​​takogrammien spektrianalyysimenetelmiä on käytetty 60-luvun lopulta lähtien. Power Spectral Density (PSD) -analyysi tarjoaa tietoa tehon jakautumisesta taajuuden funktiona.

Tehon spektritiheyden laskentamenetelmät voidaan luokitella parametrisiin ja ei-parametrisiin; useimmissa tapauksissa molemmat menetelmäryhmät antavat vertailukelpoisia tuloksia. Ei-parametristen menetelmien positiivisia ominaisuuksia ovat: (a) käytetyn algoritmin yksinkertaisuus (useimmissa tapauksissa nopea Fourier-muunnos - FFT), (b) laskentanopeus, kun taas parametristen menetelmien etuja ovat: (a) tasaisempi. spektrikomponentit, jotka ovat erotettavissa ennalta valitusta taajuuskaistasta riippumatta, (b) vastaanotetun spektrin yksinkertainen käsittely, jossa spektrin matala- ja korkeataajuuskomponenttien automaattinen laskeminen ja kunkin komponentin perustaajuuden yksinkertainen tunnistaminen, (c) tarkka tehospektritiheyden estimointi jopa pienellä näytemäärällä, kun signaalin oletetaan olevan stationaarinen. Ei-parametristen menetelmien pääasiallisena haittana voidaan pitää tarvetta varmistaa, että valittu malli täyttää vaatimukset, ja sen monimutkaisuus (mallijärjestys).

Spektrikomponentit.

Lyhyet merkinnät. Lyhyitä tallennuksia (2-5 minuuttia) analysoimalla saadusta spektristä erotetaan kolme pääspektrikomponenttia: erittäin matalat taajuudet (VLF), matalat taajuudet (LF) ja korkeat taajuudet (HF). Kunkin komponentin tehonjako ja keskitaajuus eivät ole kiinteät, mutta voivat vaihdella sydämen syklin autonomisissa modulaatioissa tapahtuvien muutosten vuoksi. VLF-komponentin fysiologinen olemus on vähiten selvä; lisäksi tietyn fysiologisen prosessin olemassaolo, johon tämän alueen vaihtelut voivat johtua, on yleisesti kyseenalaista. Ei-harmoninen komponentti, jolla ei ole koherentteja ominaisuuksia ja joka voidaan erottaa nollatason ryömintäkorjausalgoritmeilla, muodostaa pääosan VLF:stä. Näin ollen lyhyiden tietueiden (esimerkiksi alle 5 min) prosessoimalla saadun VLF-komponentin merkitys on kiistanalainen, ja sen tulkintaa lyhyiden elektrokardiogrammien spektrianalyysissä tulee välttää.

VLF-, LF-, HF-tehon mittaus suoritetaan yleensä absoluuttisissa tehoyksiköissä (ms 2), mutta LF ja HF voidaan lisäksi ilmaista normalisoituina yksiköinä, jotka heijastavat kunkin komponentin suhteellista osuutta suhteessa kokonaistehoon miinus. VLF-komponentti. LF- ja HF-komponenttien esittäminen normalisoiduissa yksiköissä korostaa autonomisen hermoston kahden osan hallittua ja tasapainoista käyttäytymistä. Lisäksi normalisointi minimoi kokonaistehon muutosten vaikutuksen matalien ja korkeiden taajuuksien tasoon (kuva 3). Normalisoituja yksiköitä käytettäessä on kuitenkin aina tarpeen viitata LF- ja HF-komponenttien absoluuttisiin arvoihin, jotta spektrin tehojakauma voidaan kuvata yleisesti.

Riisi. Kuva 3. Spektrianalyysi (12. asteen autoregressiivinen malli) terveen ihmisen RR-välien vaihtelevuuden levossa (levossa) ja kallistustestin aikana (kallistus) nousulla 900. Lepotilassa kaksi pääspektria komponentit korkealla (HF ) ja matalalla (LF) taajuudella, suunnilleen samalla teholla. Kun LF-komponentti nousee, siitä tulee hallitseva, mutta koska kokonaisvaihtelu pienenee, LF-komponentin absoluuttinen teho pysyy ennallaan lepotilaan verrattuna. Normalisointimenettely johtaa matalien taajuuksien dominanssiin ja korkeataajuisen komponentin laskuun, mikä heijastaa noususta johtuvaa spektrikoostumuksen muutosta. Ympyräkaaviot kuvaavat kahden spektrikomponentin suhdetta ja niiden absoluuttista tehoa. Lepotilassa spektrin kokonaisteho oli 1201 ms2, kun taas VLF-, LF- ja HF-komponenttien teho oli vastaavasti 586 ms2, 310 ms2 ja 302 ms2. Normalisoiduissa yksiköissä LF- ja HF-komponenttien teho oli 48,95 n.u. ja 47.78 jKr. LF/HF-suhde oli 1,02. Nousun aikana kokonaisteho oli 671 ms2 ja VLF-, LF- ja HF-komponenttien teho oli 265 ms2, 308 ms2 ja 95 ms2. Normalisoiduissa yksiköissä LF- ja HF-komponenttien teho oli 75,96 n.u. ja 23.48 jKr. vastaavasti. LF/HF-suhde oli 3,34. Näin ollen tässä esimerkissä spektrin matalataajuisen komponentin absoluuttinen teho nousun aikana pieneni hieman, kun taas tämän komponentin normalisoitu arvo nousi merkittävästi.

Pitkät merkinnät. Spektrianalyysiä voidaan käyttää myös NN-jaksojen analysointiin koko 24 tunnin jakson aikana; tässä tapauksessa VLF-, LF- ja HF-komponenttien ohella saadaan myös spektrin ultramatalataajuinen (ULF) komponentti. Spektrin karakterisoimiseksi voidaan käyttää kaksinkertaisella logaritmisella asteikolla konstruoitua päivittäisen spektrin α-kulmaa. Taulukossa. Kuvio 2 esittää joitain HRV:n spektriominaisuuksia.

Taulukko 2.

Jotkut HRV:n taajuusominaisuudet

Arvo	Yksiköt	Kuvaus	taajuusalue
Lyhyen aikavälin ennätysten analyysi (5 min)
5 minuuttia täydellä teholla	ms 2	RR-välien vaihtelu aikasegmentissä	suunnilleen<=0,4 Гц
VLF	ms 2		<= 0,04 Гц
LF	ms 2		0,04-0,15 Hz
LF normaali.	Ei.	Teho matalalla taajuusalueella normalisoiduissa yksiköissä: LF/(kokonaisteho-VLF).100	-
	ms 2		0,15-0,4 Hz
HF normi.	-	Teho suurtaajuusalueella normalisoiduissa yksiköissä: HF/(kokonaisteho-VLF). 100	-
LF/HF	-	Matalan taajuuden suhde korkeataajuiseen komponenttiin	-
24 tunnin tallennuksen analyysi
yleinen valta	ms 2	Kaikkien RR-välien vaihtelu	suunnilleen<=0,4Гц
ULF	ms 2	Teho erittäin matalalla taajuusalueella	<=0,003 Гц
VLF	ms 2	Teho erittäin matalalla taajuusalueella	0,003-0,04 Hz
LF	ms 2	Teho matalalla taajuusalueella	0,04-0,15 Hz
HF	ms 2	Teho korkealla taajuusalueella	0,15-0,4 Hz
α	-	Spektrin lineaarisen interpolaation kaltevuus logaritmisella asteikolla molempia akseleita pitkin	suunnilleen <= 0,4 Гц

Pitkien levyjen osalta puhutaan usein "stationaarisuuden" ongelmasta. Jos sydämen jakson tietyistä modulaatioista vastaava mekanismi pysyy muuttumattomana koko tallennusjakson ajan, niin vastaava taajuuskomponentti voi olla näiden modulaatioiden mitta. Jos modulaatiot ovat epävakaita, spektrianalyysin tulosten tulkinta on vähemmän ilmeinen. Erityisesti ei voida olettaa, että spektrin LF- ja HF-komponentteja välittävät sykemodulaation fysiologiset mekanismit pysyvät vakioina koko päivän. Siten koko 24 tunnin jakson aikana suoritettu spektrianalyysi sekä lyhyiden segmenttien (5 minuuttia) analyysi keskiarvolla koko tallennusjakson (päivä) ajalta (näillä kahdella menetelmällä saadut tulokset eivät käytännössä eroa toisistaan) tarkoittaa HF- ja LF-komponenttien ytimessä olevien modulaatioiden keskiarvoistamista (kuva 4). Tällaiset yleistykset hämärtävät yksityiskohtaiset tiedot autonomisen hermoston modulaatioista, jotka voidaan saada lyhyiden tallenteiden analysoinnista. On muistettava, että HRV:n spektrikoostumuksen analyysi antaa arvion autonomisen modulaation astetta autonomisen sävyn tason sijaan, eikä modulaatioiden keskiarvon laskeminen anna keskimääräistä autonomisen sävyn tasoa.

Riisi. Kuva 4. Esimerkki arviosta tehospektritiheydestä, joka on saatu pitkän aikavälin Holter-tallennuksen koko 24 tunnin aikaväliltä. Vain matalataajuiset (LF) ja korkeataajuiset (HF) komponentit vastaavat spektrin huippuja, kun taas erittäin matalataajuiset (VLF) ja ultramatalataajuiset (ULF) komponentit voidaan arvioida piirtämällä logaritminen molemmille akseleille. Tämän kaavion kaltevuus edustaa HRV:n α-mittausta. Tässä ja alla teho on tehoa, taajuus on taajuutta.

Koska tulosten tulkinnassa on merkittäviä eroja, lyhyiden ja pitkien elektrokardiogrammien spektrianalyysin lähestymistapojen tulee olla tiukasti erilaisia, kuten taulukosta ilmenee. 2.

Luotettavan spektriarvioinnin suorittamiseksi analysoidun EKG-signaalin on täytettävä tietyt vaatimukset, joista kaikki poikkeamat voivat johtaa toistamattomiin ja huonosti selitettyihin tuloksiin.

Spektrikomponentit voidaan yhdistää tiettyihin rytmimodulaation fysiologisiin mekanismeihin vain, jos nämä mekanismit säilyvät muuttumattomina tallennusjakson aikana. Ohimeneviä fysiologisia ilmiöitä voidaan mahdollisesti analysoida erityisillä menetelmillä, jotka ovat tällä hetkellä varsinainen tieteellinen aihe, mutta joita ei ole kehitetty riittävästi käytettäväksi soveltavassa tutkimuksessa. Perinteisiä tilastollisia testejä voidaan käyttää signaalin stabiilisuuden testaamiseen tiettyjen spektrikomponenttien suhteen.

Mittaustaajuus on valittava oikein. Tämän taajuuden alhainen arvo voi aiheuttaa virheen määritettäessä R-aallon esiintymisajankohtaa (mittauksen aloituskohta), mikä voi merkittävästi vääristää spektriä. Optimaalinen alue on 250-500 Hz ja mahdollisesti korkeampikin, kun taas matalampi taajuus (joka tapauksessa yli 100 Hz) voi toimia tyydyttävästi vain, jos parabolista interpolaatioalgoritmia käytetään mittauksen aloituspisteen R-aallon tarkentamiseen.

Nollapoikkeaman eliminointialgoritmit voivat vaikuttaa spektrin alempiin komponentteihin, jos niitä käytetään. On toivottavaa seurata suodattimen taajuusvastetta tai regressioalgoritmin käyttäytymistä ja varmistaa, että kiinnostuksen kohteena olevat spektrikomponentit eivät vaikuta merkittävästi.

QRS-mittauksen lähtökohdan valinta voi olla kriittinen. Vakaan ja melusta riippumattoman maamerkin löytämiseksi on käytettävä vankkaa algoritmia. Huomaa, että suonentrikulaariset johtumishäiriöt voivat vaikuttaa mittauksen aloituspisteeseen, joka sijaitsee kaukana QRS-kompleksissa.

Ekstrasystolat ja muut rytmihäiriöt, tallennusvirheet, sen meluisuus voivat muuttaa sykkeen vaihtelun tehospektritiheyden arviointia. Edellisen ja seuraavan QRS-kompleksin arvon riittävä interpolointi (lineaarisella regressiolla tai muilla vastaavilla algoritmeilla) voi vähentää virhettä. On suositeltavaa käyttää lyhyitä tallennuksia ilman ekstrasystoleja ja ääniä. Joissakin olosuhteissa tällainen selektiivisyys voi kuitenkin johtaa harhaan. Tällaisissa tapauksissa on suoritettava asianmukainen interpolointi; on otettava huomioon, että saadut tulokset voivat riippua ekstrasystolen olemassaolosta. On myös tarpeen ilmoittaa RR-käsittelystä interpoloitujen tai hylättyjen intervallien lukumäärä ja suhteellinen kesto.

Spektrianalyysin kohteena olevia aineistoja voidaan saada eri tavoin. Hyödyllinen havainnollistava esitys tuloksista on Discrete Event Sequence (DES), joka on kaavio intervalleista Ri - Ri-1 ajan funktiona (aika merkitään, kun seuraava Ri tapahtuu), joka on signaali, joka mitataan epäsäännöllisellä ajat. Lisäksi monissa tutkimuksissa on käytetty hetkellisen sykesekvenssin spektrianalyysiä.

HRV-signaalin spektri lasketaan yleensä joko RR-välien takogrammin perusteella (ts. RR:n keston riippuvuus lyönnin järjestysnumerosta - ks. kuva 5.a,b) tai interpoloimalla erillisten tapahtumien sarja, jonka jälkeen jatkuva signaali on ajan funktio, tai laskemalla yksittäisten pulssien näytteiden spektri ajan funktiona kunkin tunnistetun kompleksin mukaisesti. Lähtötietojen esitystavan valinta voi vaikuttaa spektrin morfologiaan ja mittayksiköihin sekä spektrien määritettyihin parametreihin. Lähestymistapojen standardoimiseksi voidaan ehdottaa RR-välien ja parametristen menetelmien takogrammin käyttöä tai interpoloitua diskreettiä tapahtumasarjaa ja ei-parametrisia menetelmiä. Parametrisia menetelmiä voidaan kuitenkin käyttää myös interpoloidun diskreetin sarjan analysointiin. Diskreettien sarjojen maksimiinterpolointitaajuuden tulee olla huomattavasti korkeampi kuin spektrin Nyquistin taajuus, eikä se saa olla kiinnostavalla taajuusalueella.

Riisi. Kuva 5. Takogrammi selällään makaavan terveen henkilön 256 peräkkäiseltä RR-väliltä (a) ja kallistustestin jälkeen (b). HRV-spektrit, jotka on laskettu parametrisella autoregressiivisellä mallilla (c ja d), sekä spektrit, jotka on laskettu käyttämällä nopeaan Fourier-muunnokseen perustuvaa ei-parametrista algoritmia (e ja f), esitetään. Takogrammeista näkyy keskiarvot, arvojen leviäminen ja näytteiden pisteiden lukumäärä. Kaaviot (c) ja (d) esittävät keskitaajuudet ja tehot absoluuttisissa ja normalisoiduissa yksiköissä VLF-, LF- ja HF-komponenteille, sekä käytetyn mallin p-järjestys sekä PEWT- ja OOT-minimiarvot, jotka täyttävät testejä. Kaaviot (e) ja (f) esittävät VLF-, LF- ja HF-komponenttien huipputaajuuden ja tehon, jotka on laskettu integroimalla tehospektritiheys (PSD) tietyllä taajuusalueella ja ikkunan tyyppi. Kaavioissa (c) - (f) LF-komponentti on esitetty tummanharmaana ja HF-komponentti vaaleanharmaana.

Ei-parametristen menetelmien (Fourier-muunnoksen perusteella) standardien tulee sisältää taulukossa esitetyt arvot. 2, diskreetin sekvenssin interpolointikaava, interpolointikäyrän näytteenottotaajuus, spektrin laskemiseen käytettyjen pisteiden lukumäärä ja käytetyt spektriikkunat (yleisimmin käytetyt ikkunat ovat Hann, Hamming, kolmioikkunat). Tehon laskentatapa on myös määritettävä käytetystä ikkunasta riippuen. Muualla asiakirjassa esitettyjen vaatimusten lisäksi kaikissa ei-parametrisissä HRV-spektrianalyysimenetelmissä tehdyissä tutkimuksissa on viitattava kaikkiin näihin parametreihin.

Parametristen menetelmien standardien tulee sisältää taulukossa esitetyt arvot. 2, mallin tyyppi, pisteiden lukumäärä, keskitaajuus kullekin spektrikomponentille (HF ja LF) ja mallijärjestys (parametrien lukumäärä). Lisäksi tilastollista numeerista dataa laskemalla tarkistetaan mallin riittävyys. Prediction error whiteness -testi (PEWT) antaa tietoa mallin sopivuudesta, kun taas optimaalisen järjestyksen testi (OOT) testaa mallin järjestyksen sopivuutta. OOT:n suorittamiseen on erilaisia ​​mahdollisuuksia, joihin kuuluu lopullisen ennustusvirheen ja Akaike-informaatiokriteerin määrittäminen. Autoregressiivisen mallin järjestyksen p valitsemiseksi voidaan ehdottaa seuraavia toimintaehtoja: mallin järjestyksen on oltava välillä 8-20, täytettävä PEWT-testi ja noudatettava OOT-testiä (p=min(OOT) ).

Mittausten korrelaatiot ja erot aika- ja taajuusalueella.

Pysyvien lyhyttietueiden taajuusanalyysin fysiologisesta tulkinnasta on enemmän kokeellista ja teoreettista tietoa kuin niiden aikamenetelmien analysoinnista.

Samaan aikaan monet aika- ja taajuusalueen muuttujat, jotka on laskettu 24 tunnin aikana, korreloivat voimakkaasti keskenään (taulukko 3). Nämä läheiset korrelaatiot ovat olemassa sekä matemaattisten että fysiologisten yhteyksien vuoksi. Lisäksi vuorokaudessa laskettujen spektrikomponenttien fysiologinen tulkinta on vaikeaa jo kuvatuista syistä ("Pitkät tietueet" -osiossa). Näin ollen, kunnes on tehty erityisiä tutkimuksia käyttämällä 24 tunnin signaalitallennusta lisäinformaation poimimiseksi tavanomaisten spektrikomponenttien (spektrogrammin kaltevuus kaksinkertaisessa logaritmisessa asteikossa) lisäksi, taajuusalueen analyysin tulokset ovat lähes samanlaisia ​​kuin helpommin toteutettavien. - Käytä aika-alueanalyysiä.

Taulukko 3

Likimääräinen vastaavuus aika- ja taajuusmuuttujien välillä 24 tunnin EKG-tallenteissa käytettynä

väliaikainen muuttuja	Suunnilleen vastaava taajuusmuuttuja
	yleinen valta
Kolmion HRV-indeksi	yleinen valta
	yleinen valta
	Erittäin matala taajuus
SDNN-indeksi	Keskimääräinen 5 minuutin kokonaisteho
	Korkeataajuus
	Korkeataajuus
	Korkeataajuus
	Korkeataajuus
Differentiaaliindeksi	Korkeataajuus
logaritminen indeksi	Korkeataajuus

Rytmimallien analyysi

Kuten kuvasta näkyy. Kuviossa 6 sekä ajalliset että taajuusmenetelmät jakavat RR-sarjan epäsäännöllisyyden asettamat rajoitukset. Näillä menetelmillä analysoidut selvästi erilaiset profiilit voivat antaa samanlaisia ​​tuloksia. Sydänsyklin pituuden lyhenemis- tai kasvutrendit ovat todellisuudessa epäsymmetrisiä, koska sykkeen kiihtymistä seuraa yleensä nopeampi lasku. Tämä näkyy spektrianalyysin tuloksissa taipumuksena pienentää perustaajuuden huippua ja laajentaa kantaa. Edellä oleva johtaa ajatukseen rytmin ominaisuuksien määrittämien RR-välien lohkojen arvioimisesta ja tällaisten lohkojen välisen suhteen tutkimisesta ilman vaihtelevuuden analyysiä päästä päähän.

Riisi. 6. Esimerkki neljästä syntetisoidusta aikasekvenssistä, joilla on samat keskiarvot, hajoamat ja vaihteluvälit. Sekvensseillä (c) ja (d) on lisäksi identtiset autokorrelaatiofunktiot ja siten identtiset spektrit. Kopistettu luvalla.

Tällaisten ongelmien ratkaisemiseksi on ehdotettu lähestymistapoja, jotka on kehitetty aika- ja taajuusalueen analysoinnissa. Intervallispektrin ja lukemien spektrin analysointimenetelmät johtavat vastaaviin tuloksiin ja ovat sopusoinnussa sykevaihteluiden ja muiden fysiologisten parametrien vaihtelun välisen suhteen tutkimisen tavoitteen kanssa. Intervallispektrianalyysimenetelmä soveltuu RR-välien suhteuttamiseen muuttujiin, jotka eivät liity sydämen syklin pituuden nopeisiin muutoksiin (esim. verenpaine). Lukemaspektri on parempi, jos RR-välit korreloivat jatkuvan signaalin (hengityksen) tai erityisten tapahtumien (rytmihäiriöt) kanssa.

Maksimisirontamenetelmät ("Reak-laakso") perustuvat joko huipun ja alimman värähtelytason havaitsemiseen tai sykesuuntausten havaitsemiseen. Havaitsemisominaisuudet voivat olla rajoitettuja lyhytkestoisille muutoksille, mutta havaitsemista voidaan soveltaa pidemmän aikavälin vaihteluihin: toisen ja kolmannen asteen huiput ja laskut tai askellisäys vierekkäisten nousu- tai laskujaksojen sarjassa, jota ympäröivät vastakkaiset trendit. . Erilaisia ​​värähtelyjä voidaan luonnehtia sykkeen, aallonpituuden ja amplitudin nousulla tai laskulla. Useimmissa lyhyt- ja keskikestoisissa tietueissa tulokset korreloivat vaihtelevuuden spektrikomponenttien kanssa. Korrelaatioilla on kuitenkin taipumus pienentyä tallennusajan ja aallonpituuden kasvaessa. Monimutkaisessa demodulaatiossa käytetään interpolointi- ja trendinpoistotekniikoita, saadaan aikaresoluutio, joka tarvitaan nopeiden sykemuutosten havaitsemiseen, ja kuvataan yksittäisten taajuuskomponenttien amplitudit ja vaiheet ajan funktiona.

Epälineaariset menetelmät

Epälineaariset ilmiöt ovat epäilemättä yksi HRV:n syistä. Ne johtuvat hemodynaamisten, elektrofysiologisten, humoraalisten tekijöiden monimutkaisista vuorovaikutuksista sekä keskus- ja autonomisen hermoston vaikutuksesta. Oletettiin, että epälineaarisen dynamiikan menetelmiin perustuva HRV-analyysi voi tarjota tärkeää tietoa vaihtelevuuden fysiologiselle tulkinnalle ja äkillisen kuoleman riskin arvioinnille. Muuttuvuuden epälineaaristen ominaisuuksien kuvaamiseen käytettyjä parametreja ovat 1/f Fourier-spektriskaalaus, H-eksponentiaalinen skaalaus, klusterispektrianalyysi (CGSA) . Tulosten esittämiseen käytettiin Poincare-leikkausta, attraktorikaavioita pienellä määrällä ulottuvuuksia, singulaaristen arvojen hajottamista ja attraktorin liikeradat. Kvantitatiiviseen kuvaukseen käytettiin D2-korrelaatioulottuvuuksia, Ljapunov-eksponenttia ja Kholmogorov-entropiaa.

Vaikka nämä menetelmät ovat periaatteessa osoittautuneet tehokkaiksi työkaluiksi erilaisten monimutkaisten järjestelmien tutkimiseen, niillä ei ole saavutettu suuria edistysaskeleita niiden käytössä biologisten ja lääketieteellisten tietojen käsittelyssä, mukaan lukien HRV-analyysi. On mahdollista, että integraaliset kompleksiset mittaukset eivät ole riittäviä biologisten järjestelmien analysointiin ja ovat liian epäherkkiä paljastamaan HRV:n epälineaarisia ominaisuuksia, jotka voivat olla tärkeitä fysiologian ja käytännön kannalta. Rohkaisevampia tuloksia on saatu pikemminkin differentiaalisilla kuin integraalisilla mittauksilla, kuten skaalausindeksimenetelmällä. Näillä menetelmillä ei ole kuitenkaan tehty systemaattisia tutkimuksia suurilla potilaspopulaatioilla.

Epälineaariset menetelmät ovat mahdollisesti lupaavia tapoja arvioida HRV:tä, mutta tällä hetkellä standardien puute ja rajallinen käyttömahdollisuus näiden menetelmien käyttöön. Ennen kuin nämä menetelmät ovat valmiita käytettäviksi fysiologisessa ja kliinisessä tutkimuksessa, tarvitaan tulosten analysointi- ja tulkintateknologian kehitystä.

Sykevaihtelumittausten vakaus ja toistettavuus

Lukuisat tutkimukset ovat osoittaneet, että lyhyellä aikavälillä vaihtelevuuden lyhytaikaisia ​​komponentteja luonnehtivat mittaukset palaavat nopeasti lähtötasolle sellaisten manipulaatioiden, kuten kohtalaisen rasituksen, lyhytvaikutteisten verisuonia laajentavien lääkkeiden antamisen, tilapäisen sepelvaltimotukoksen jne., aiheuttamien tilapäisten häiriöiden jälkeen. Voimakkaammat ärsykkeet, kuten maksimaalinen fyysinen aktiivisuus tai pitkävaikutteisten lääkkeiden määrääminen, johtavat muutoksiin, jotka eivät palaa kontrolliarvoihin merkittävästi pidempään.

24 tunnin Holter-monitoroinnista on saatu paljon vähemmän tietoa vaihtelevuuden pitkän aikavälin komponenttien stabiiliudesta. Sama tietomäärä kertoo kuitenkin päivittäisen EKG-tallenteen perusteella tehdyn HRV-analyysin tulosten pysyvyydestä sekä terveillä että akuutin sydäninfarktin saaneilla ja kammiorytmihäiriöpotilailla. Hajanaisia ​​tuloksia on saatu siitä, että HRV-parametrit voivat pysyä muuttumattomina kuukausia ja vuosia. Koska 24 tunnin nopeudet näyttävät olevan vakaita ja lumelääkkeestä riippumattomia, ne saattavat olla ihanteellisia indikaattoreita hoidon vaikutuksen arvioinnissa.

Sisäänpääsyvaatimukset

EKG-signaali

QRS-kompleksin tunnistavan mittauksen aloituspisteen tietueen tunnistaminen voi perustua kompleksin maksimi- tai barycenter-arvoon, interpolointikäyrän maksimin määrittämiseen tai löytämiseen yhdistämällä kuvio tai muut merkkitapahtumat.

QRS-kompleksin riittävän selkeää ajoitusta varten hyväksytään laaja valikoima laiteindikaattoreita signaali-kohinasuhteen, yhteismoodin kohinanvaimennuksen, rekisteröintikaistanleveyden jne. suhteen. . Jos ylempi katkaisutaajuus on merkittävästi alle diagnostisille laitteille hyväksytyn 200 Hz, tämä voi aiheuttaa lisäsirontaa, mikä aiheuttaa virheitä QRS-kompleksin aloituspisteen tunnistamisessa ja siten RR-välien mittauksessa. Samoin rajoitettu näytteenottotaajuus aiheuttaa virheen HRV-spektriin, jonka suuruus kasvaa taajuuden kasvaessa, mikä vaikuttaa enemmän korkeataajuisiin komponentteihin. EKG-signaalin interpolointi voi vähentää virheastetta. Oikealla interpoloinnilla jopa 100 Hz:n mittaustaajuus voi olla riittävä.

Ensisijaisten tietojen digitaalista tallennusta käytettäessä on tarpeen valita huolellisesti käytetyt pakkausmenetelmät ottaen huomioon tehollinen näytteenottotaajuus ja signaalin palautusmenetelmän laatu; muutoin signaalin amplitudiin ja vaiheeseen voidaan lisätä ylimääräisiä vääristymiä.

EKG:n tallennuksen kesto ja ehdot

HRV-tutkimuksissa tallennuksen pituus määräytyy itse tutkimuksen luonteen mukaan. Standardointia tarvitaan erityisesti tutkimuksissa, joissa selvitetään HRV:n fysiologista ja kliinistä potentiaalia.

Lyhyiden tietueiden kanssa työskenneltäessä taajuusanalyysimenetelmät ovat parempia kuin temporaaliset. Tallennuksen keston tulee olla vähintään 10 aallonpituutta testattavan komponentin matalataajuisesta kaistasta, mutta se ei saisi olla merkittävästi pidempi signaalin stabiilisuuden varmistamiseksi. Näin ollen tarvitaan noin 1 minuutin tallennus korkeataajuisen komponentin arvioimiseen, kun taas 2 minuuttia tarvitaan matalataajuisen komponentin analysoimiseen. Erilaisten sykevaihteluiden analysointitutkimusten standardoimiseksi lyhyillä tallennuksilla suositeltava tallennusaika kiinteässä järjestelmässä on 5 minuuttia, ellei tutkimuksen luonne toisin määrää.

Peräkkäisillä aikaväleillä saatujen spektrikomponenttien keskiarvon laskeminen pystyy minimoimaan erittäin lyhyiden segmenttien analyysin aiheuttaman virheen. Kuitenkin, jos sydänjakson fysiologisten modulaatioiden luonne ja aste muuttuu yhdestä lyhyestä tietuefragmentista toiseen, niin tällaisten keskiarvoistettujen spektrikomponenttien fysiologinen tulkinta kärsii samoista ongelmista kuin pitkien tietueiden spektrianalyysi ja vaatii lisätutkimuksia. Kerättyjen peräkkäisten tehospektrien sarjan (yli 20 minuuttia) osoittaminen voi auttaa vahvistamaan olosuhteet fysiologisen tilan stabiiliudelle sarjan rekisteröinnin aikana.

Vaikka ajallisia analyysimenetelmiä, erityisesti SDNN:tä ja RMSSD:tä, voidaan käyttää lyhytkestoisten tietueiden tutkimiseen, taajuusmenetelmillä pystytään yleensä tuottamaan helpommin tulkittavia tuloksia suhteessa fysiologisiin säätelyvaikutuksiin. Yleensä ajalliset analyysimenetelmät ovat ihanteellisia pitkien tallenteiden analysointiin (sydämen jakson modulaatioiden pienempi stabiilisuus pitkien tallenteiden aikana tekee taajuusanalyysin tulosten tulkinnasta vaikeampaa). Kokemus on osoittanut, että päivä/yö vuorokausivaihtelut vaikuttavat merkittävään osaan pitkän ajanjakson aikana saaduista vaihteluominaisuuksista. Näin ollen temporaalisilla analyysimenetelmillä analysoitujen pitkäaikaisten tallenteiden tulee sisältää vähintään 18 tuntia analysoitua EKG:tä, mukaan lukien koko yö.

Olosuhteiden ja elämäntapojen (fyysisen toiminnan tyyppi ja luonne, tunteet) vaikutuksista pitkän aikavälin ennätyksiin tiedetään vähän. Joidenkin kokeellisten tutkimusten tarkoitus edellyttää ulkoisten olosuhteiden kuvaamista ja elämäntapamuutosten hallintaa. Tarvitaan luottamusta siihen, että yksittäisten kohteiden tallennusolosuhteet ovat samanlaiset. Fysiologisissa tutkimuksissa, joissa verrataan sykkeen vaihtelua potilasryhmien välillä, lähtösykkeen erot tulisi tietää.

RR-välien järjestyksen muokkaaminen

Tiedetään, että RR-välien määrittämisen epätarkkuuden aiheuttamat virheet voivat merkittävästi vaikuttaa tilastollisten aika- ja taajuusmenetelmien tuloksiin. Tiedetään, että datan karkea muokkaus RR-väleillä riittää likimääräiseen arvioon kokonaisvaihtelusta geometrisilla menetelmillä, mutta ei ole selvää, mikä muokkaustarkkuus on tarpeen, jotta varmistetaan, että oikeat tulokset saadaan muilla menetelmillä. Siten, kun käytetään aika- ja taajuusalueen tilastollisia menetelmiä, RR-välien joukon manuaalinen muokkaus on suoritettava kunkin QRS-kompleksin oikean tunnistamisen ja luokituksen korkeiden standardien mukaisesti. Automaattiset suodattimet, jotka jättävät jotkin RR-välit pois alkuperäisestä sekvenssistä (esimerkiksi sellaiset, jotka eroavat enemmän kuin 20 % edellisestä), eivät voi korvata lääkärin tekemää muokkausta, koska niiden epätyydyttävä käyttäytyminen ja ei-toivotut vaikutukset, jotka voivat johtaa virheisiin , on huomattu.

Ehdotukset kaupallisten laitteiden standardoimiseksi

HRV:n standardimittaus. Lyhyen aikavälin HRV-analyysiin suunniteltujen kaupallisten laitteiden tulisi sisältää ei-parametriset ja mieluiten parametriset spektrianalyysimenetelmät. Jotta vältytään mahdolliselta sekaannukselta sydämenlyöntien sydämen lyöntien analyysin tulkinnassa aika- ja taajuuskomponenttien suhteen, analyysi tulee kaikissa tapauksissa tarjota säännöllisen ajopiirturinäytteen ottamisen perusteella. Ei-parametristen spektrianalyysimenetelmien tulisi käyttää vähintään 512 (mieluiten 1024) pistettä 5 minuutin tietueissa.

Pitkäaikaisten tallenteiden HRV-analyysiin suunniteltujen laitteiden tulee toteuttaa ajallisia menetelmiä, mukaan lukien kaikkien neljän standardiarvon - SDNN, SDANN, RMSSD ja kolmiomaisen HRV-indeksin - mittaus. Muiden vaihtoehtojen lisäksi taajuusanalyysi tulisi suorittaa 5 minuutin segmenteillä (samalla tarkkuudella kuin lyhytaikaisten EKG-tallenteiden analyysi). Tehtäessä spektrianalyysiä nimellisestä 24 tunnin tietueesta, jotta HF-, LF-, VLF- ja VLF-komponenttien koko alue voidaan laskea, analyysi on suoritettava sopivalla periodogrammin näytteenottotarkkuudella (kuten ehdotetaan lyhytaikaiseen analyysiin). esimerkiksi käyttämällä 218 pistettä.

HRV-analyysin tiedonhankintastrategian tulee noudattaa kuvassa 1 esitettyä mallia. 7.

Riisi. 7. Kaavio, jossa on yhteenveto vaiheiden järjestyksestä EKG-signaalin tallentamisessa ja käsittelyssä tietojen saamiseksi HRV-analyysiä varten.

Kaupallisten laitteiden tarkkuus ja testaus. Jotta varmistetaan vaihtelevuuden analysointiin käytettävien erilaisten laitteiden laatu ja löydettäisiin oikea tasapaino tieteellisissä ja kliinisissä tutkimuksissa tarvittavan tarkkuuden ja tarvittavien laitteiden hinnan välillä, tarvitaan kaikkien laitteiden riippumaton testaus. Koska vaihtelevuuden arvioinnin mahdolliset virheet sisältävät epätarkkuuksia QRS-kompleksin lähtöpisteen määrittämisessä, testauksen tulee sisältää kaikki laitteiston toiminnan vaiheet: tallennus, toisto ja analyysi. Näin ollen on luultavasti ihanteellista testata erilaisia ​​laitteita signaaleilla, joilla on tunnetut vaihtelevuusominaisuudet (esimerkiksi tietokonesimuloidut) ennemminkin kuin olemassa olevilla numeerisilla EKG-tietokannoilla. Jos HRV:n fysiologisten ja kliinisten näkökohtien tutkimuksessa käytetään kaupallisia laitteita, käytettävien laitteiden riippumaton testaus tulee aina vaatia. Mahdollista kaupallisten laitteiden testausstrategiaa ehdotetaan liitteessä B. Satunnaisesti valittujen valmistuslaitteiden standardien tulisi kehittyä tämän tai vastaavan strategian mukaisesti.

Väärin valittujen tai väärin käytettyjen tekniikoiden aiheuttamien virheiden minimoimiseksi suositellaan seuraavaa:

EKG-laitteiden on täytettävä tyypilliset signaali-kohinasuhteen, yhteistilan hylkäämisen, tallennuskaistanleveyden jne. kriteerit.

Ensisijaisia ​​tietueita käytettäessä digitaalisessa muodossa amplitudi- ja vaihevääristymään johtavaa signaalin rekonstruointia ei pitäisi sallia. Analogisten laitteiden EKG:n pitkäaikaista tallennusta varten magneettinauhalle on rekisteröitävä aikaleimat (vaihelukittu aikaseuranta) samanaikaisesti signaalin tallennuksen kanssa.

Sykevaihtelun mittaamiseen käytettävien kaupallisten laitteiden on täytettävä HRV-vaihtelun vakiomittaus -osiossa esitetyt vaatimukset, ja niiden suorituskyky on testattava itsenäisesti.

Fysiologisten ja kliinisten tutkimusten standardoimiseksi, mikäli mahdollista, tulisi käyttää kahdenlaisia ​​tallennuksia: (a) lyhyitä (5 minuuttia) tallennuksia, jotka on tehty fysiologisesti vakaissa olosuhteissa ja analysoida spektrimenetelmillä ja/tai (b) päivittäin (24 tuntia) tallennus, analysoitu aikamenetelmillä.

Kun kliinisissä tutkimuksissa analysoidaan pitkäaikaisia ​​EKG:itä, potilaiden tallenteet tulee tehdä melko tasaisissa olosuhteissa ja vastaavilla laitteilla.

Tilastollisia aika- ja taajuusmenetelmiä käytettäessä koko signaali on muokattava huolellisesti visuaalisella ohjauksella ja QRS-kompleksien luokituksen ja RR-välien manuaalisella korjauksella. Automaattisiin suodattimiin, jotka perustuvat hypoteesiin RR-välien loogisesta sarjasta (esim. RR-välien poissulkeminen tietyn ennenaikaisuuskynnyksen mukaan), ei voida luottaa ennen kuin on saavutettu luottamus RR-välien sarjan laatuun.

SYKEVÄLISYYDEN FYSIOLOGISET KORRELAATIT

HRV-komponenttien fysiologiset korrelaatiot

Autonominen sykkeen modulaatio

Huolimatta siitä, että automatismi on luontaista eri tahdistimen kudoksille, sydämenlyöntien taajuus ja rytmi ovat suurelta osin autonomisen hermoston vaikutuksen alaisia. Sydämen rytmiin kohdistuvia parasympaattisia vaikutuksia välittää asetyylikoliinin vapautuminen vagushermon haaroista. Muskariiniset asetyylikoliinireseptorit reagoivat tähän lisäämällä solukalvon kaliumin johtavuutta. Asetyylikoliini estää myös hyperpolarisaation aktivoiman sydämentahdistimen virran If. "Ik-virran tyhjeneminen" -hypoteesin mukaan sydämentahdistimen depolarisaatio johtuu myöhään palautuvan virran Ik hitaasta inaktivoitumisesta, mikä itsenäisen taustatulovirran vuoksi aiheuttaa diastolista depolarisaatiota. Sitä vastoin "aktivointivirta If" -hypoteesi viittaa siihen, että toimintapotentiaalin päätyttyä If tarjoaa hitaan sisääntulevan virran, joka ylittää vaimennetun virran Ik, mikä johtaa hitaan diastolisen depolarisaation alkamiseen.

Sympaattiset vaikutukset sydämeen välittyvät epinefriinin ja norepinefriinin vapautumisen kautta. β-adrenergisten reseptorien aktivaatio johtaa cAMP-välitteiseen membraaniproteiinien fosforylaatioon ja lisääntyneeseen ICaL- ja If-virtoihin. Lopputuloksena on hitaan diastolisen repolarisaation kiihtyvyys.

Lepotilassa emättimen sävy hallitsee ja sydämen jaksollisuuden vaihtelut ovat suurelta osin riippuvaisia ​​vagaalisen modulaatiosta. Vagus ja sympaattinen toiminta ovat jatkuvassa vuorovaikutuksessa. Koska sinussolmukkeessa on runsaasti koliiniesteraasia, minkä tahansa vagaalisen impulssin vaikutus on lyhytikäinen, koska asetyylikoliini hydrolysoituu nopeasti. Parasympaattisten vaikutusten vallitsevuus sympaattisiin vaikutuksiin voidaan selittää kahdella riippumattomalla mekanismilla: kolinergisesti indusoidulla norepinefriinin vapautumisen vähenemisellä vasteena sympaattiselle stimulaatiolle ja kolinergisellä adrenergisen ärsykkeen vasteen suppressiolla.

HRV:n osat

Lepotilan RR-välin vaihtelut edustavat sydämenlyöntien ohjausmekanismien hienosäätöä. Afferentti vagaalistimulaatio saa aikaan efferentin vagaalisen toiminnan refleksivirityksen ja efferentin sympaattisen toiminnan estymisen. Vastakkaiseen suuntaan suuntautuneen refleksin vaikutukset välittyvät afferentin sympaattisen toiminnan stimulaation kautta. Efferentti vagaalinen toiminta on myös afferentin sydämen sympaattisen toiminnan tonisoivan rajoitusvaikutuksen alainen. Efferenteille sympaattisille ja vagaalisille impulsseille, jotka on suunnattu sinussolmukkeeseen, on ominaista vuoto, joka on pääasiassa synkronoitu sydämen jokaisen syklin kanssa ja jota moduloivat keskus (esim. vasomotoriset ja hengityskeskukset) ja perifeeriset (esimerkiksi verenpaineen ja hengitysliikkeiden vaihtelut) ) oskillaattorit. Nämä oskillaattorit synnyttävät hermosolujen purkausten rytmistä värähtelyä, joka ilmenee sydämen jaksollisuuden lyhyt- ja pitkäaikaisina värähtelyinä. Näiden vaihteluiden analyysi voi antaa mahdollisuuden arvioida (a) keskusoskillaattorien, (b) sympaattisen ja vagaalisen efferentin toiminnan, (c) humoraalisten tekijöiden ja (d) sinussolmun tilan ja toiminnan.

HRV:n spektrianalyysin ansiosta ymmärrys sinussolmuketta ohjaavien hermosolujen mekanismien modulatorisista vaikutuksista on parantunut. Efferentti vagaalinen aktiivisuus on tärkeä komponentti HF-komponentissa, joka on osoitettu kliinisissä ja kokeellisissa havainnoissa vaikutuksista autonomiseen hermostoon, nimittäin vaguksen sähköstimulaatiolla, muskariinireseptorien salpauksella ja vagotomialla. LF-komponentin tulkinta on kiistanalaisempi. Jotkut pitävät sitä sympaattisen modulaation merkkinä (erityisesti kun se ilmaistaan ​​normalisoituina yksiköinä), kun taas toiset pitävät sitä parametrina, joka riippuu sekä sympaattisista että vagaalisista vaikutuksista. Tämä ristiriita selittyy sillä, että joissakin sympaattiseen aktivaatioon liittyvissä tiloissa havaitaan LF-komponentin absoluuttisen tehon lasku. On tärkeää muistaa, että sympaattisen aktivoinnin aikana takykardiaan liittyy yleensä voimakas kokonaisvoiman lasku, kun taas vagaalistimulaation aikana havaitaan päinvastainen kuvio. Kun spektrikomponentit ilmaistaan ​​absoluuttisina yksiköinä (ms2), kokonaistehon muutokset vaikuttavat HF- ja LF-komponentteihin samaan suuntaan, poissulkematta mahdollisuutta arvioida energian murto-osaa. Tämä selittää, miksi atropiini vähentää sekä HF- että LF-arvoa makuuasennossa hengityksen hallinnan aikana ja miksi LF-teho vähenee merkittävästi harjoituksen aikana. Tämä käsite on havainnollistettu kuvassa. Kuva 3 esittää HRV:n spektrianalyysiä normaalissa koehenkilössä vaaka-asennossa ja kallistustestissä 90°:n korkeudella. Absoluuttisina yksiköinä ilmaistun kokonais-LF-tehon laskun vuoksi se näyttää olevan ennallaan. Normalisoinnin jälkeen matalien taajuuksien kasvu tulee kuitenkin ilmeiseksi. Sama koskee LF/HF-komponenttien suhdetta.

24 tunnin tietueiden spektrianalyysi osoittaa, että normaaleissa koehenkilöissä LF- ja HF-komponenteille, jotka ilmaistaan ​​normalisoituina yksiköinä, on tunnusomaista vuorokausikäyttäytyminen ja käänteiset vaihtelut korkeammilla LF-arvoilla päivällä ja HF-arvoilla yöllä. Tätä käyttäytymistä ei voida havaita, kun yhtä spektriä sovelletaan koko 24 tunnin tietueeseen tai lasketaan peräkkäisten lyhyiden segmenttien keskiarvo. Pitkäaikaisissa tallennuksissa HF- ja LF-komponentit muodostavat noin 5 % kokonaistehosta. Vaikka ULF- ja VLF-komponentit muodostavat loput 95 % kokonaistehosta, niiden fysiologinen merkitys on edelleen tuntematon.

LF- ja HF-komponentteja voidaan lisätä eri olosuhteissa. LF-komponentin kasvua (ilmaistuna normalisoituina yksiköinä) havaitaan terveillä koehenkilöillä vaaka-asennosta pystyasennossa, seistessä, henkisessä rasituksessa ja kohtalaisen fyysisen aktiivisuuden aikana sekä kokeissa nukutamattomilla koirilla kohtalaisen hypotension, fyysisen aktiivisuuden aikana. ja sepelvaltimoiden tai yleisten kaulavaltimoiden tukkeuma. Päinvastoin, HF-komponentin kasvu johtuu hallitusta hengityksestä, kasvojen kylmäaltistumisesta ja rotaatiostimulaatiosta.

Vagal-aktiivisuus on HF-komponentin pääkomponentti.

LF-komponentin arvioinnissa on ristiriitoja. Useissa tutkimuksissa oletetaan, että normalisoituina yksiköinä ilmaistu NP on sympaattisen modulaation kvantitatiivinen merkki, kun taas toiset tutkijat pitävät NP:tä heijastavan sekä sympaattista että vagaalista aktiivisuutta. On myös näkökulma, jonka mukaan HF/LF-komponenttien suhde heijastaa vagaalisympaattista tasapainoa tai sympaattisia modulaatioita.

HRV:n matalataajuisten komponenttien (eli VLF:n ja ULF:n) fysiologinen tulkinta vaatii lisätutkimuksia.

On tärkeää huomata, että HRV mittaa sydämen autonomisten vaikutusten vaihteluita, ei autonomisen sävyn tilan keskimääräistä tasoa. Siten sekä autonominen esto että tyydyttävän korkea sympaattisen stimulaation taso johtavat HRV:n laskuun.

HRV:n muutokset, jotka liittyvät erilaisiin patologisiin tiloihin

On huomattava, että HRV:n muutoksia liittyy erilaisiin kardiologisiin ja ei-kardiologisiin sairauksiin.

sydäninfarkti

HRV:n lasku saattaa heijastaa emättimen aktiivisuuden laskua suhteessa sydämeen, mikä johtaa sympaattisten mekanismien hallitsemiseen ja sydämen sähköiseen epävakauteen. MI:n akuutissa vaiheessa päivittäisen SDNN:n lasku liittyi merkitsevästi vasemman kammion toimintahäiriön kehittymiseen, kreatiinifosfokinaasin huippuarvoon ja Killip-luokkaan.

Mekanismia, jolla HRV laskee ohimenevästi sydäninfarktin jälkeen, mikä toimii prognostisena merkkinä hermoston vasteesta MI:n akuuttiin vaiheeseen, ei ole täysin ymmärretty. Kuitenkin hermoston sydänkomponenttien häiriöt liittyvät todennäköisesti tähän. Yhden hypoteesin mukaan prosessissa ovat mukana sydän-sydämen sympaattis-sympaattiset ja sympaattiset-vagaaliset refleksit. Oletetaan, että supistuvan sydämen geometrian muutokset, jotka johtuvat nekroottisista ja supistumattomista segmenteistä, voivat aiheuttaa afferenttien sympaattisten säikeiden lisääntynyttä impulssia aistipäätteiden mekaanisen venymisen vuoksi. Tämä sympaattisten komponenttien aktivoituminen heikentää vagaalisia vaikutuksia sinussolmukkeeseen. Toinen selitys, joka soveltuu erityisesti HRV:n vakavaan suppressioon, on sinussolmukkeen solujen herkkyyden heikkeneminen hermomoduloiville vaikutuksille.

VR:n spektrianalyysi akuutista sydäninfarktista kärsivillä potilailla paljasti spektrikomponenttien kokonais- ja yksittäistehojen pienenemisen. Kuitenkin, kun LF- ja HF-komponenttien teho ilmaistaan ​​normalisoiduissa yksiköissä, sekä kontrolloidussa lepotilassa että päivittäisen tallennuksen aikana (5 minuutin välein analysoimalla), LF-komponentin kasvu ja HF-arvon lasku havaittiin. . Nämä muutokset voivat viitata vagaalisympaattisen tasapainon siirtymiseen kohti vagaalin heikkenemistä ja sympaattisen sävyn dominanssia. Samat johtopäätökset johtuvat LF/HF-komponenttien suhteen muutosten analyysistä. Häiriöiden esiintyminen hermosolujen hallinnan mekanismeissa heijastuu myös muutoksena päivittäisissä vaihteluissa RR-väleissä sekä HF- ja LF-spektrikomponenttien vaihteluissa ajanjaksoina päivistä viikkoihin akuutin vaiheen jälkeen. sairaus. Akuuteilla MI-potilailla, joilla on erittäin alhainen HRV, suurin osa jäännösenergiasta jakautuu alle 0,03 Hz:n VLF-alueelle, ja pieni osa johtuu hengitysvälitteisestä HF-komponentista. Nämä spektriprofiilin ominaisuudet ovat samanlaisia ​​kuin vakavassa sydämen vajaatoiminnassa tai sydämensiirron jälkeen havaitut ja heijastavat todennäköisimmin joko kohde-elimen vähentynyttä herkkyyttä hermovaikutuksiin tai lisääntyneen sympaattisen sävyn kyllästävää vaikutusta sinussolmukkeeseen.

Diabeettinen neuropatia

Diabetekseen liittyvän neuropatian tapauksissa, joille on ominaista pienten hermosäikeiden toimintahäiriö, HRV:n aikaparametrien lasku ei sisällä ainoastaan ​​negatiivista ennustetietoa, vaan se edeltää myös autonomisen neuropatian kliinisiä ilmenemismuotoja. LF- ja HF-komponenttien absoluuttisen tehon heikkenemistä on raportoitu myös kontrolloiduissa olosuhteissa diabeetikoilla ilman autonomisen neuropatian merkkejä. Kuitenkin, kun tarkastellaan LF/HF-komponenttien suhdetta tai näiden parametrien ilmentymistä normalisoiduissa yksiköissä, ei havaittu merkittäviä eroja vertailuryhmään verrattuna. Siten on todennäköistä, että tämän neuropatian ensimmäiset ilmenemismuodot vaikuttavat autonomisen hermoston molempiin efferenteihin osiin.

Sydämensiirto

Potilailla, joille on äskettäin tehty sydämensiirto, HRV:ssä on erittäin selvä lasku ilman spektrikomponenttien selvää eroa. Yksittäisten spektrikomponenttien ilmaantumista joillakin potilailla pidetään sydämen uudelleenhermotusprosessin heijastuksena. Se voi ilmaantua jo 1-2 vuoden kuluttua leikkauksesta ja viittaa yleensä sympaattiseen linkkiin. Itse asiassa joillakin potilailla sydämensiirron jälkeen hengitystiheyden ja HRV:n HF-komponentin välillä oli korrelaatio, mikä osoitti, että ei-hermostomekanismit voivat myös olla osallisena hengitykseen liittyvien rytmisen vaihteluiden alkuperässä. Esiin tulleet todisteet mahdollisuudesta tunnistaa potilaita, joilla on uhkaavaa hyljintäreaktiota HRV-muutosten perusteella, voivat olla kliinisesti kiinnostavia, mutta vaativat lisävahvistusta.

Sydänlihaksen toimintahäiriö

Sydämen vajaatoimintaa sairastavilla potilailla havaittiin jatkuvasti HRV:n laskua. Tässä tilassa, jolle ovat ominaisia ​​sympaattisen aktivoitumisen merkit, kuten kohonnut syke ja korkea verenkierron katekoliamiinitaso, on ristiriitaisia ​​raportteja HRV:n muutosten ja vasemman kammion toimintahäiriön asteen välisestä suhteesta. Itse asiassa, vaikka HRV:n ajallisten ominaisuuksien heikkeneminen vastaa sairauden vakavuutta, spektrikomponenttien ja kammioiden toimintahäiriöiden mittausten välinen suhde on monimutkaisempi. Esimerkiksi suurimmalla osalla potilaista, joilla on pitkälle edennyt sairaus ja jyrkästi alentunut HRV, LF-komponenttia ei havaita lainkaan sympaattisen aktivoitumisen kliinisistä oireista huolimatta. Näin ollen näyttää siltä, ​​että tiloissa, joille on tunnusomaista sympaattisen linkin vakaa ja vastustamaton aktivaatio, sinussolmun herkkyys hermovaikutuksille vähenee merkittävästi.

Tetraplegia

Potilailla, joilla on krooninen täydellinen selkäytimen tukos ylemmän kohdunkaulan alueella, sinussolmuketta hermottavat efferentit vagaaliset ja sympaattiset kuidut pysyvät ehjinä. Kuitenkaan selkärangan sympaattiset hermosolut eivät ole barorefleksin moduloivan säätelyn vaikutuksen alaisena ja erityisesti barorefleksin supraspinaalisten estovaikutusten vaikutuksen alaisena. Tästä syystä nämä potilaat edustavat ainutlaatuista kliinistä mallia supraspinaalisten mekanismien osuuden arvioimiseksi sympaattisen aktiivisuuden määrittämisessä, joka on vastuussa HRV:n matalataajuisista vaihteluista. On raportoitu, että LF-komponenttia ei havaita potilailla, joilla on tetraplegia, mikä viittaa supraspinaalisten mekanismien ratkaisevaan rooliin rytmien määrittämisessä 0-1 Hz:n taajuuksilla. Kahdessa viimeaikaisessa tutkimuksessa kuitenkin osoitettiin, että LF-komponentti havaittiin HRV:ssä ja verenpaineen vaihteluissa joillakin tetraplegisillä potilailla. Vaikka Koh et ai. yhdistävät LF-komponentin HRV:n vagaalimodulaatioihin, Guzetti et ai. yhdistää sen sympaattiseen toimintaan, joka johtuu viiveestä, jolla LF-komponentti ilmestyy selkäydinvaurion jälkeen, mikä viittaa selkäydinrytmien syntymiseen, jotka kykenevät moduloimaan sympaattisia impulsseja.

HRV:n muutokset erilaisilla interventioilla

Yritykset vaikuttaa HRV:hen post-MI-potilailla perustuvat lukuisiin havaintoihin, jotka osoittavat potilaiden korkeampaa kuolleisuutta infarktin jälkeisellä jaksolla, kun HRV:ssä on selvä lasku. Oletuksena on, että HRV:tä lisäävät toimenpiteet voivat suojata äkilliseltä sydänkuolemalta ja sydänkuolemalta yleensä. Vaikka tällainen lähtökohta on ulkoisesti looginen, se sisältää vaaran, koska se johtaa perusteettomaan olettamukseen, että HRV:n muutos liittyy suoraan sydämeen kohdistuvaan projektiiviseen vaikutukseen, jota sinänsä ei ole vielä todistettu. Tavoitteena on parantaa sydämen sähköistä vakautta, HRV on vain autonomisen toiminnan merkki. Huolimatta kasvavasta yksimielisyydestä lisääntyneen vagaalisen aktiivisuuden projektiivisestä roolista, jää nähtäväksi, missä määrin sitä (tai sen merkkiaineita) tulisi lisätä optimaalisen suojan saavuttamiseksi.

Beeta-adrenerginen salpaus ja HRV

Tietoa beetasalpaajien vaikutuksesta HRV:hen post-MI-potilailla on yllättävän vähän. Tilastollisesti merkittävästä kasvusta huolimatta muutokset ovat todellisuudessa varsin maltillisia. On kuitenkin huomattava, että beetasalpaus estää matalataajuisen komponentin nousun aamulla. Nukuttamattomilla koirilla sydäninfarktin jälkeen beetasalpaajat eivät muuttaneet HRV:tä. Oli yllättävä havainto, että ennen MI:tä beetasalpaajat lisäsivät HRV:tä vain eläimillä, jotka luokiteltiin alhaisiksi kuolleiksi tappaviin rytmihäiriöihin infarktin jälkeisellä kaudella. Tämä voi toimia perustana uudelle lähestymistavalle MI:n jälkeiseen riskin kerrostukseen.

Rytmihäiriölääkkeet ja HRV

Tällä hetkellä on tietoa useista rytmihäiriölääkkeistä. Propafenonin ja flekainidin (mutta ei amiodaroni) on osoitettu vähentävän HRV:n ajoitusta potilailla, joilla on krooninen kammiorytmihäiriö. Toisessa tutkimuksessa propafenoni alensi HRV:tä ja suppressoi LF-komponenttia enemmän kuin HF, mikä johti LF/HF-suhteen merkittävään laskuun. Laajempi tutkimus osoitti, että flekainidi, samoin kuin enkainidi ja moritsitsiini, vähensivät HRV:tä infarktin jälkeisillä potilailla, mutta havainto ei paljastanut korrelaatiota näiden muutosten ja kuolleisuuden välillä. Siten monet rytmihäiriölääkkeet, jotka liittyvät lisääntyneeseen kuolleisuuteen, voivat vähentää HRV:tä. Ei kuitenkaan tiedetä, onko näillä HRV:n muutoksilla suoraa ennustearvoa.

Skopolamiini ja HRV

Pienet annokset muskariinireseptorin salpaajia, kuten atropiinia ja skopolamiinia, voivat johtaa paradoksaaliseen lisääntymiseen efferentissä vagaalisessa aktiivisuudessa, mikä ilmenee sydämen sykkeen hidastumisena. Skopolamiinin transdermaalisten muotojen vaikutuksia vagusaktiivisuuden parametreihin potilailla varhaisessa infarktin jälkeisessä vaiheessa ja potilailla, joilla on kongestiivinen sydämen vajaatoiminta, on tutkittu useissa tutkimuksissa. Skopolamiini lisää merkittävästi HRV:tä, mikä viittaa siihen, että skopolamiinin hermosolujen aktiivisuuden farmakologinen modulointi voi tehokkaasti lisätä vagaalista aktiivisuutta. Tällaisen hoidon pitkäaikaista tehoa ei ole kuitenkaan vielä tutkittu. Lisäksi koirilla tehdyissä kokeissa pienet skopolamiiniannokset eivät estäneet sydäninfarktin jälkeisen akuutin iskemian aiheuttamaa kammiovärinää.

Trombolyysi ja HRV

Trombolyysin vaikutus HRV:hen (mitattuna pNN50:llä) määritettiin 95 potilaalla akuutin MI:n jälkeen. HRV nousi 90 minuuttia trombolyysin jälkeen potilailla, joilla sairastuneen valtimon aukko palautui. Analyysi ei kuitenkaan paljastanut merkittäviä eroja 24 tunnin havainnoinnin jälkeen.

Liikunta ja HRV

Fyysinen harjoittelu voi vähentää äkillisen sydänkuoleman ilmaantuvuutta ja yleistä sydän- ja verisuonisairauksien kuolleisuutta. Uskotaan, että säännöllinen harjoittelu voi myös muuttaa autonomista tasapainoa. Äskettäin julkaistu kokeellinen työ, jossa keskityttiin arvioimaan harjoituksen vaikutusta vagaalisen aktiivisuuden markkereihin, mahdollisti samanaikaisesti sähköisen stabiilisuuden muutosten arvioinnin. Koirat, joilla oli suuri riski saada kammiovärinä akuutin sydänlihasiskemian aikana, satunnaistettiin 6 viikon seurantaryhmiin, joista toista harjoitettiin säännöllisesti ja toista edelsi häkkilepojakso. Harjoittelun jälkeen HRV (SDNN) nousi 74 % ja kaikille eläimille tehtiin uusi iskeeminen testi. Fyysinen harjoittelu edistää myös fysiologisten sympatho-vagaalisten vuorovaikutusten palautumista, kuten esimerkki infarktin jälkeisistä potilaista osoittaa.

SYKEVÄLISYYDEN KLIINISET SOVELLUKSET

Vaikka HRV:stä on tehty monia kliinisiä tutkimuksia, jotka on kohdistettu monenlaisiin sydän- ja ei-sydänsairauksiin ja kliinisiin tiloihin, yksimielisyys HRV:n käytännön soveltamisesta lääketieteessä on saavutettu vain kahdessa kliinisessä skenaariossa. HRV:n laskua voidaan käyttää akuutin sydäninfarktin jälkeisen riskin ennustajana ja varhaisena merkkinä diabeettisen neuropatian kehittymisestä.

Riskinarviointi akuutin sydäninfarktin jälkeen

Se, että akuutin sydäninfarktin jälkeisillä potilailla hengitystiehyeen rytmihäiriön puuttuminen liittyy sairaalakuolleisuuden kasvuun, oli ensimmäinen useissa havainnoissa, jotka osoittivat HRV-arvioinnin prognostisen arvon riskipotilaiden tunnistamisessa.

Alentunut HRV ennustaa merkittävästi kuolleisuutta ja rytmihäiriöitä (esim. oireenmukaista pitkittynyttä kammiotakykardiaa) potilailla, joilla on akuutti sydäninfarkti (kuva 8). HRV:n ennustearvo on riippumaton muista tekijöistä, joita käytetään MI:n jälkeisen riskin stratifiointiin, kuten pienentynyt vasemman kammion ejektiofraktio, lisääntynyt kohdunulkoinen kammioaktiivisuus ja myöhäisten kammiopotentiaalien esiintyminen. Kokonaiskuolleisuuden ennustamiseksi HRV:n arvo on verrattavissa vasemman kammion ejektiofraktion arvoon, mutta ylittää sen suhteessa rytmihäiriöiden (äkillinen sydänkuolema ja kammiotakykardia) ennusteeseen. Tämä antaa mahdollisuuden spekuloida, että HRV on merkittävämpi rytmihäiriökuolleisuuden ennustaja kuin ei-rytmikuolleisuus. HRV:n välillä ei kuitenkaan ollut selkeitä eroja potilailla, jotka kuolivat äkillisesti eikä äkillisesti akuutin sydäninfarktin jälkeen. Tämä voidaan kuitenkin selittää äkillisen sydänkuoleman määritelmän erityispiirteillä, jotka eivät sisällä vain sydämen rytmihäiriökuolemaa, vaan myös kuolemaan johtaneet uudelleeninfarktit ja muut akuutit sydän- ja verisuonihäiriöt.

Riisi. 8. Potilaiden kumulatiivinen eloonjäämisaste sydäninfarktin jälkeen. Kaavio (a) näyttää selviytymisen ositettuna 24 tunnin SDNN-pisteiden mukaan kolmeen ryhmään 50 ja 100 ms tasoilla. (Toistettu luvalla). Kaavio (b) esittää samanlaisia ​​käyriä 24 tunnin kolmiomaisen HRV-indeksin mukaisesti 15 ja 20 yksikön tasoilla (tiedot St. Georgen postinfarction Research Survey Programista)

Perinteisen aika- ja taajuusvasteanalyysin arvoa on tutkittu laajasti useissa riippumattomissa prospektiivisissä tutkimuksissa, mutta normaalin ja alentuneen HRV:n määrittelevien optimoitujen raja-arvojen käytön vuoksi nämä tutkimukset voivat hieman yliarvioida HRV:n ennustusarvon. Tästä huolimatta tutkittujen populaatioiden riittävästä määrästä johtuen tällaisten raja-arvojen luottamusvälit ovat melko kapeat. Siten 24 tunnin HRV:n, eli SDNN:n, analyysin kriteerit< 50 мс и треугольный индекс ВСР < 15 для выраженного снижения ВСР или SDNN < 100 мс и треугольный индекс < 20 для умеренно сниженной ВСР, могут быть широко применимы.

Ei tiedetä, voidaanko eri HRV-mittauksia (esim. lyhyen ja pitkän aikavälin komponenttien määritys) yhdistää monimuuttuja-analyysissä parantaakseen MI-riskin osoittumista. On kuitenkin olemassa yksimielisyys siitä, että muiden toimenpiteiden yhdistäminen HRV:hen näyttää tarpeettomalta.

Patofysiologiset näkökohdat

Tähän mennessä ei ole varmistettu, onko alentunut HRV osa mekanismia, joka on vastuussa infarktin jälkeisen kuolleisuuden lisääntymisestä, vai onko se vain huonon ennusteen merkki. Todisteet viittaavat siihen, että alentunut HRV ei ole vain heijastus lisääntyneestä sympaattisesta tai vähentyneestä emättimen sävystä, joka johtuu kammion supistumiskyvyn heikkenemisestä, vaan se luonnehtii myös vähentynyttä vagaalista aktiivisuutta, joka liittyy läheisesti kammioiden rytmihäiriöiden ja äkillisen sydänkuoleman patogeneesiin.

HRV-arviointi riskin jakautumisesta akuutin sydäninfarktin jälkeen

Perinteisesti HRV, jota käytetään riskin kerrostukseen AMI:n jälkeen, arvioidaan 24 tunnin tallennuksesta. Lyhyistä EKG-tallenteista mitattu HRV sisältää myös ennustetietoa riskin jakautumisesta AMI:n jälkeen, mutta ei tiedetä, onko tällainen menetelmä merkitykseltään verrattavissa 24 tunnin tallennukseen. Lyhyillä elektrokardiogrammeilla arvioitu HRV on pienentynyt suuren riskin potilailla; alentuneen HRV:n ennustearvo kasvaa rekisteröinnin keston myötä. Siten 24 tunnin tallenteiden käyttöä voidaan suositella kerrostumistutkimuksissa AMI:n jälkeen. Toisaalta lyhytaikaisten tietueiden analysointia voidaan käyttää AMI:stä selviytyneiden potilaiden perusseulonnassa. Tällä arvioinnilla on samanlainen herkkyys, mutta pienempi spesifisyys korkean riskin ennustamiseen verrattuna 24 tunnin HRV-tallennukseen.

AMI-potilaiden HRV:n spektrianalyysi viittaa siihen, että VLF- ja ULF-komponenteilla on korkea ennustearvo. Koska näiden komponenttien fysiologista merkitystä ei tunneta ja ne muodostavat jopa 95 % kokonaistehosta ajallisten ominaisuuksien analyysissä, yksittäisten HRV-spektrikomponenttien käyttö riskin kerrostukseen AMI:n jälkeen ei ole merkittävämpää kuin näiden ajallisten osien analyysi. parametrit, jotka arvioivat HRV:tä kokonaisuutena.

HRV:n dynamiikka akuutin sydäninfarktin jälkeen

MI:n jälkeistä ajanjaksoa, jonka aikana HRV:n lasku saavuttaa korkeimman ennustusarvon, ei ole tutkittu riittävästi. Tästä huolimatta on yleisesti hyväksyttyä, että HRV tulisi arvioida juuri ennen sairaalasta kotiutumista, ts. noin 1 viikko infarktin jälkeen. Tämä suositus sopii hyvin sairaalan tavanomaiseen käytäntöön koskien AMI-potilaiden hoitoa.

HRV laskee pian sydäninfarktin jälkeen ja alkaa toipua muutaman viikon kuluessa. Toipumishuippu (mutta ei palaa lähtötasolle) 6-12 kuukautta AMI:n jälkeen. HRV:n arviointi sekä AMI:n varhaisessa vaiheessa (2-3 päivän kuluttua) että ennen sairaalasta kotiutumista (1-3 viikon kuluttua) sisältää tärkeitä ennustetietoja. Myöhemmin (1 vuosi AMI:n jälkeen) arvioitu HRV ennustaa myös tulevan kuolleisuuden. Eläintutkimukset viittaavat siihen, että HRV:n palautumisnopeus sydäninfarktin jälkeen korreloi riskin kanssa myöhemmin.

HRV:n käyttö monimuuttujariskin kerrostamiseen

HRV:n ennustearvo itsessään on varsin vaatimaton, mutta yhdistettynä muihin menetelmiin se lisää merkittävästi sen positiivista ennustetarkkuutta kliinisesti tärkeällä sydänkuoleman ja rytmihäiriöiden herkkyysalueella (25-75 %) (kuva 9).

Riisi. 9. HRV:n (yhtenäiset viivat) ja vasemman kammion ejektiofraktion (katkoviivat) ja vasemman kammion ejektiofraktion ja HRV:n sekä ektopioiden lukumäärän yhdistelmät 24 tunnin tietueissa (katkoviivat), joita käytetään tunnistamiseen. sydänkuoleman riski vuoden sisällä (a) ja rytmihäiriöt vuoden sisällä (äkillinen kuolema ja/tai oireinen pitkäkestoinen kammiotakykardia (b) akuutin sydäninfarktin jälkeen (tiedot St. Georgen infarktin jälkeisestä tutkimusohjelmasta)

Positiivisen ennustustarkkuuden on raportoitu parantuneen yhdistämällä HRV keskisykeen, vasemman kammion ejektiofraktioon, kohdunulkoisen kammion aktiivisuuden määrään, korkearesoluutioisiin EKG-parametreihin (esim. myöhäisten potentiaalien olemassaolo tai puuttuminen) ja kliinisen tutkimuksen tietoihin. Ei kuitenkaan tiedetä, mitkä lisäositustekijöistä ovat käytännössä merkittävimmät ja sopivimmat yhdistettäväksi HRV:n kanssa monimuuttujariskin osittumista varten.

Jotta päästäisiin yhteisymmärrykseen ja kehitettäisiin suosituksia HRV:n yhdistämisestä muihin käytännössä merkittäviin indikaattoreihin, on välttämätöntä tehdä systemaattisia monimuuttujatutkimuksia riskin kerrostumisesta AMI:n jälkeen. On tutkittava useita näkökohtia, joita ei voida hyväksyä yksimuuttujaisen riskin kerrostumisen kannalta: ei tiedetä, kuinka sopivia monimuuttujaanalyysiin ovat rajaindikaattorit, jotka ovat yksimuuttujatutkimusten tulosten mukaan optimaaliset yksittäisille riskitekijöille. On todennäköistä, että erilaisten monimuuttujayhdistelmien analysointia tarvitaan optimoimaan ennustetarkkuutta eri herkkyysalueilla. Vaiheistusstrategioita tulisi arvioida optimaalisten diagnostisten testisekvenssien kehittämiseksi, joita käytetään monimuuttujakerrostuksessa.

Seuraavat tiedot tulee ottaa huomioon käytettäessä HRV-arvioita kliinisissä tutkimuksissa ja/tai tutkimuksissa MIA-potilailla.

Alennettu HRV on riippumaton muista tunnetuista riskitekijöistä, koska se ennustaa kuolleisuutta ja rytmihäiriöitä.

Yksimielisyys vallitsee siitä, että HRV tulisi arvioida noin viikon kuluttua infarktista.

Vaikka lyhyistä tallennuksista arvioitu HRV sisältää ennakoivaa tietoa, 24 tunnin HRV-analyysi on merkittävämpi riskin ennustaja. Lyhytaikaisista tallennuksista arvioitua HRV:tä voidaan käyttää kaikkien AMI:n eloonjääneiden ensiseulonnassa.

Millään käytettävissä olevista HRV-indekseistä ei ole enemmän ennustavaa tietoa kuin HRV:n aikamittaukset, jotka mittaavat HRV:tä kokonaisuutena (eli SDNN tai kolmioindeksi). Muilla indikaattoreilla, kuten koko 24 tunnin tallennuksen spektrianalyysin ULF-komponentilla, on samanlainen informatiivinen arvo. Korkean riskin ryhmä voidaan tunnistaa SDNN:n avulla< 50 мс или треугольному индексу < 15.

Kliinisesti hyväksyttävällä herkkyysalueella HRV:n ennustearvo on vaatimaton, mutta silti korkeampi kuin mikään muu tunnettu riskitekijä. HRV:tä voidaan yhdistää muihin tekijöihin HRV:n ennustearvon lisäämiseksi, mutta tällaisten riskitekijöiden optimaalinen joukko ja niitä vastaavat kriteerit ovat vielä kehittämättä.

Diabeettisen neuropatian diagnoosi

Autonominen neuropatia, joka on diabetes mellituksen komplikaatio, on ominaista pienten hermosäikeiden varhaiseen ja levinneeseen hermosolujen rappeutumiseen sekä sympaattisissa että parasympaattisissa osissa. Sen kliinisiä ilmenemismuotoja ovat erilaisia ​​toiminnallisia häiriöitä, ja niihin kuuluvat asentohypotensio, jatkuva takykardia, hikoilu, gastropareesi, virtsarakon atonia ja yöllinen ripuli. Diabeettisen autonomisen neuropatian (DAN) kliinisten oireiden ilmaantumisen jälkeen odotettu kuolleisuus seuraavien 5 vuoden aikana on 50 %. Siten autonomisen toimintahäiriön havaitseminen prekliinisessä vaiheessa on tärkeää riskin jakautumisen ja myöhemmän hoidon kannalta. On osoitettu, että lyhyen ja pitkän aikavälin HRV-analyysiä voidaan käyttää DVN:n diagnosoimiseen.

Potilaalle, jolla on vahvistettu tai epäilty DVN, voidaan soveltaa kolmea HRV-analyysimenetelmää: (a) yksinkertaiset RR-intervalografiatekniikat sängyn vieressä, (b) pitkäaikaisen ajallisen analyysin, joka on herkempi ja toistettavampi kuin analyysi. lyhyiden tallenteiden ja c) taajuusanalyysi, joka suoritetaan lyhyille tallennuksille levossa ja jonka avulla on mahdollista erottaa sympaattiset ja parasympaattiset häiriöt.

Pitkäaikaisen rekisteröinnin aikana arvioidut ajalliset ominaisuudet

24 tunnin Holter-tallenteen perusteella laskettu HRV on herkempi kuin yksinkertaiset vuodetestit (esim. Valsalva-liike, ortostaattinen testi ja syvä hengitys) DVN:n diagnosoinnissa. Eniten kokemusta on ollut NN50- ja SDSD-menetelmistä (katso taulukko 1). Käytettäessä 24 tunnin NN50-lukua, jossa 95 % pienempi iän luottamusväli on 500–2000, noin puolella diabeetikoista on epätavallisen alhaiset pisteet. Lisäksi on olemassa merkittävä korrelaatio niiden potilaiden osuuden välillä, joilla on epänormaalit laskennalliset arvot, ja autonomisen neuropatian vakavuuden välillä tavanomaisilla menetelmillä määritettynä.

Sen lisäksi, että 24 tunnin aika-analyysi on herkempi, se korreloi muiden HRV-indeksien kanssa. Sen toistettavuus ja stabiilisuus ajan myötä on osoitettu. Analogisesti AMI-potilaiden kanssa DVN-potilaat ovat myös alttiita haittavaikutuksille, kuten äkilliselle kuolemalle, mutta HRV:n ennustearvo diabeetikoilla on vielä vahvistettava.

Taajuusominaisuudet

Alla on DVN-potilailla havaittujen HRV-taajuusominaisuuksien piirteet: (a) tehon lasku kaikilla taajuusalueilla, mikä on yleisin löydös, (b) matalataajuisen komponentin nousun puuttuminen noustessa , joka heijastaa heikentynyttä sympaattista vastetta tai barorefleksin heikentynyttä herkkyyttä; (c) epänormaalisti pienentynyt kokonaisteho muuttumattomalla LF/HF-suhteella ja (d) spektrin LF-komponentin keskitaajuuden siirtyminen vasemmalle, jonka fysiologinen merkitys vaatii lisätutkimusta.

Pitkälle edenneessä neuropatiassa lepotehospektrianalyysi paljastaa usein kaikkien spektrikomponenttien erittäin alhaiset amplitudit, mikä vaikeuttaa niiden erottamista melusta. Tästä syystä on suositeltavaa, että testeihin sisältyy erilaisia ​​interventioita, kuten seisominen tai kallistus. Toinen menetelmä alhaiseen signaali-kohinasuhteeseen liittyvien vaikeuksien voittamiseksi on koherenssifunktion käyttöönotto, joka analysoi kokonaistehon kietoutumisen yhteen tai kahteen taajuuskaistaan.

Muita sovelluksia klinikalla

Taulukossa on luettelo tutkimuksista, joissa HRV:tä tutkittiin suhteessa muihin sydänsairauksiin. 4.

Taulukko 4

Löydökset valikoiduista tutkimuksista, joissa tutkittiin HRV:n kliinistä arvoa muissa sydänsairauksissa kuin sydäninfarktissa.

Sairaus	Julkaisun kirjoittaja	Potilaiden määrä	Tutkittava parametri	Kliiniset löydökset	Potentiaalinen arvo
verenpainetauti	Guzetti, 1991	49 potilasta 30 GB terveenä	Spectral AR	LF hypertensiivisillä potilailla verrattuna terveisiin potilaisiin, joilla vuorokausivaihtelut heikkenevät	Hypertensiolle on ominaista LF:n vuorokausirytmin lasku
	Langewitz, 1994	41 c PAH 34 HD-potilasta 54 tervettä	Spektri FFT	Vähentynyt vagaalinen sävy hypertensiivisillä potilailla	Tukee GB:n ei-patogeneettisen terapian käyttöä lääkkeillä, vagus-äänellä (fyysinen koulutus)
Kongestiivinen verenkiertohäiriö	Saul, 1988	25 c. NK NYHA III-IV 21 terve	Spectral Blackman-Turkki 15 min. rekisteröinti	kaikkien taajuuksien spektriteho, erityisesti > 0,04 Hz b-x:lle NC:llä	NK:ssa on vagaalinen, mutta suhteellisen säilynyt sympaattinen HR-modulaatio.
	Casolo, 1989	20 c. NK NYHA II-IV 20 terve	RR-välien aikahistogrammi 24 tunnin Holterin mukaan	Vähentynyt HRV	Vähentynyt vagaalinen aktiivisuus b-x:ssä NK:n kanssa
	Binkley, 1991	10 c DCM (EF 14 - 40 %) 10 terve	Spectral FFT, 4 minuutin tallennus makuuasennossa	keskimääräinen suurtaajuusteho (>0,01 Hz) LF:llä LF/HF	NK:n yhteydessä parasympaattinen sävy heikkenee. NK:hen liittyy epätasapainoinen autonominen sävy parasympaattisen ja hallitsevan sympaattisen sävyn kanssa
	Kienzle, 1992	23 NK NYHA II - IV	24-48 tunnin Holterin spektraalinen FFT-aikaanalyysi	HRV:n muutokset liittyvät löyhästi NC:n vakavuuteen. HRV liittyy sympaattiseen aktivaatioon
	Townend, 1992	12 NK NYHA III - IV		HRV ACE:n estäjähoidon aikana
	Binkley, 1993	13 NK NYHA II - III	Spectral FFT 4 minuutin tallennus makuuasennossa	ACE-estäjähoito 12 viikon korkean taajuuden HRV:llä	Merkittävä parasympaattisen sävyn kohoaminen liittyy ACE:n estäjähoitoon.
	Vau, 1994	21 NC NYHA III	Poincarén rakentaminen 24 tunnin Holterin aika-analyysi	Vaikeat rakenteet liittyvät norepinefriinitasoihin ja suurempaan sympaattiseen aktivaatioon	Poincaren konstruktioita voidaan soveltaa sympaattisten vaikutusten analysointiin
Sydämensiirto	Axelopoulos, 1988	19 istutettua 10 tervettä	24 tunnin Holterin aika-analyysi	Alentunut HRV denervoitunutta luovuttajasydämessä: vastaanottajan hermottuneilla sydämillä on korkeampi HRV
	Sands, 1989	17 istutettua 6 tervettä	Spectral FFT, 15 minuutin tallennus makuuasennossa	HRV 0,02:sta 1,0 Hz:iin alennettu 90 %	Potilailla, joilla on biopsialla dokumentoitu hyljintä, vaihtelu on huomattavasti suurempi
Krooninen mitraalisen regurgitaatio	Stein, 1993	38 kroonista mitraalisen vajaatoimintaa		Syke- ja SDANN-erittäin matalan nopeuden parametrit korreloivat kammioiden toiminnan ja ennustettujen kliinisten tapahtumien kanssa.	Voi olla ennustava indikaattori eteisvärinästä, kuolleisuudesta ja eteisläppäsydänleikkaukseen
Mitraaliläpän prolapsi	Marangoni, 1993	39 naista MVP:llä 24 tervettä naista	Spectral AR, 10 minuutin tallennus makuuasennossa	Potilailla, joilla oli MVP, oli korkea esiintymistiheys	Potilailla, joilla oli MVP, oli matala vagaalinen sävy
Kardiomyopatia	Counhilan, 1993	104 GKMP	Spectral FFT, 24 tunnin Holter	Oireista kärsivillä potilailla havaittiin HRV:n yleisiä ja spesifisiä vagusparametreja	HRV ei paranna HCM:n tunnettujen riskitekijöiden ennustetarkkuutta
Äkillinen kuolema tai sydämenpysähdys	Dougherty 1992	16 käyttöjärjestelmästä selvinnyt, 5 käyttöjärjestelmäkuolemaa, 5 tervettä		HRV matalataajuinen teho ja SDNN liittyivät yhden vuoden kuolleisuuteen	HRV:tä voidaan soveltaa klinikalla osittaisen kuoleman riskin osittamiseen yhden vuoden sisällä OS:stä eloonjääneiden keskuudessa
	Huikuri, 1992	22 selvinnyt OS 22 -ohjaimista	Spektraalinen AR, 24 tunnin Holter-aikaanalyysi	suurtaajuinen teho siirrettyjen käyttöjärjestelmien joukossa - on mahdotonta erottaa siirrettyjen käyttöjärjestelmien ryhmää matalataajuuksilla
	Algra, 1993	193 VS-tapausta 230 oireista potilasta	24 tunnin Holterin aika-analyysi	lyhytaikainen vaihtelu (0,05 - 0,50 Hz) lisää itsenäisesti VS:n riskiä 2,6-kertaiseksi ja pitkäaikainen vaihtelu (0,02 - 0,05 Hz) - 2-kertaiseksi	HRV:tä voidaan käyttää äkillisen kuoleman riskin arvioimiseen
	Myers, 1986	6 tervettä, 12 potilasta, joilla on rakenteellinen sydänsairaus (6, joilla on ja 6 ei anamneesissa VS)	24 tunnin Holterin aika- ja taajuusanalyysi	Ajalliset ja taajuusominaisuudet mahdollistivat terveiden erottamisen VS:stä selviytyneistä. RF-teho (0,35 - 0,5 Hz) oli paras erotusmerkki potilaiden välillä, joilla oli ja ei ole ollut VS	HF voi olla VS:n ennustaja
	Martin, 1988	20 tervettä 5 potilasta, joille tehtiin VS Holter-seurannan aikana	24 tunnin Holterin aika-analyysi	SDNN-indeksi on huomattavasti alhaisempi äkillisesti kuolleilla	Ajalliset indikaattorit voivat määrittää lisääntyneen VS-riskin
Ventrikulaariset rytmihäiriöt	Vibiral, 1993	24 VF 19 IHD	24 tunnin Holterin aika-analyysi	HRV-indikaattorit eivät muuttuneet merkittävästi ennen VF:tä
	Huikuri, 1992	18 VT tai OS	Spektraalinen AR 24 tunnin Holteri	Kaikki HRV-tehospektrit olivat merkittävästi suuremmat ennen jatkuvan VT:n alkamista kuin ennen jatkuvaa VT:tä.	HRV:n laskun ja jatkuvan VT:n alkamisen välillä on ajallinen suhde
	Holnloser, 1994	14 MI:n jälkeen VF:n kanssa tai jatkuva VT 14 MI:n jälkeen (vertailuryhmä)		AMI:n jälkeen eloonjääneiden HRV ei eronnut muiden potilaiden HRV:stä AMI:n jälkeen. Ryhmät erosivat merkittävästi barorefleksin herkkyydestä	Barorefleksin herkkyys HRV:n sijaan mahdollisti AMI:n potilasryhmien erottamisen, joilla oli anamneesissa VF/VT.
Supraventrikulaariset rytmihäiriöt	Kokovic, 1993	64 NVT	Spectral FFT, 24 tunnin Holter-aikaanalyysi	Syke, HRV ja parasympaattinen lasku RF-ablaation jälkeen	Parasympaattiset solmut ja kuidut voivat olla tiheämmin jakautuneita väliseinän alaosan keskelle ja eteen

AR autoregressiivinen; OS - sydämenpysähdys; IHD - iskeeminen sydänsairaus; AH - hypertensio PAH - rajavaltimon hypertensio, NK - kongestiivinen verenkiertohäiriö; EF - poistofraktio FFT - nopea Fourier-muunnos; HCM - hypertrofinen kardiomyopatia; MVP - mitraaliläpän prolapsi, AMI - akuutti sydäninfarkti, angiotensiinia konvertoivan entsyymin ACE-estäjä, HF - korkea taajuus; HRV - sykkeen vaihtelu; LF - matala taajuus; NYHA - New York Heart Associationin luokittelu; BC - äkillinen kuolema; SVT - supraventrikulaarinen takykardia; VF - kammiovärinä; VT - kammiotakykardia.

NÄKYMÄT

HRV:n mittausmenetelmien kehittäminen

Nykyaikaiset, pääasiassa käytännössä käytetyt ajallisten parametrien analyysimenetelmät ovat todennäköisesti riittäviä pitkän aikavälin HRV-profiilin arvioimiseen. Parannukset voivat koskea numeeristen arvojen tarkkuutta. Nykyaikaiset ei-parametriset ja parametriset spektrimenetelmät soveltuvat myös lyhytaikaisten elektrokardiogrammien analysointiin ilman ohimeneviä muutoksia sydämen syklin modulaatioissa.

Sen lisäksi, että on tarpeen kehittää erittäin luotettavia numeerisia tekniikoita täysin automaattista mittausta varten (geometriset menetelmät ovat vain yksi näistä vaihtoehdoista), seuraavat kolme aluetta ansaitsevat huomiota.

Dynaamiset ja ohimenevät muutokset HRV:ssä

Nykyaikaiset mahdollisuudet RR-välien sarjan dynamiikan ja HRV:n ohimenevien muutosten kvantitatiiviseen arvioimiseen ovat riittämättömiä ja ovat matemaattisen laitteen kehittämisvaiheessa. Voidaan kuitenkin olettaa, että HRV:n dynamiikan asianmukainen arviointi parantaa merkittävästi ymmärrystämme sekä sydämen syklin modulaatioista että niiden fysiologisista ja patofysiologisista korrelaatioista.

On selvittämättä, soveltuvatko epälineaarisen dynamiikan menetelmät RR-välien ohimenevien muutosten arvioimiseen, ja tarvitaanko uusien matemaattisten mallien ja algoritmien kehittämistä, jotta mittausperiaatteet voidaan paremmin mukauttaa sydämen periodogrammien fysiologiseen luonteeseen. Joka tapauksessa HRV:n ohimenevien muutosten arviointitehtävä näyttää olevan tärkeämpi kuin lisäparannukset tekniikassa, jota käytetään analysoimaan sydämen jaksojen modulaatioita niiden vakaassa vaiheessa.

PP- ja RR-välit

PP- ja PR-välien autonomisten modulaatioiden välisestä suhteesta tiedetään vähän. Siksi myös PP-välien järjestystä on tutkittava. Valitettavasti nykyaikaisilla laitteilla tallennetussa pinta-EKG:ssä on lähes mahdotonta paikantaa tarkasti P-aallon alkupistettä. Tekniikan kehityksen pitäisi kuitenkin mahdollistaa PP- ja PR-välien vaihtelun tutkiminen tulevissa tutkimuksissa.

Monisignaalianalyysi

On selvää, että sydämen syklien modulaatiot eivät ole autonomisten säätelymekanismien ainoa ilmentymä. Tällä hetkellä on kaupallisia tai puolikaupallisia laitteita, jotka mahdollistavat EKG:n, hengityksen, verenpaineen jne. samanaikaisen tallennuksen. Huolimatta siitä, kuinka helposti nämä tiedot voidaan tallentaa, ei ole olemassa laajalti hyväksyttyä menetelmää täydelliselle monisignaalianalyysille. Jokainen signaali voidaan analysoida erikseen, esimerkiksi spektriparametrisilla menetelmillä, ja analyysien tuloksia verrataan. Fysiologisten signaalien välisten suhteiden analyysi mahdollistaa näiden suhteiden ominaisuuksien kvantifioinnin.

Fysiologisen ymmärryksen laajentamiseen tarvittavaa tutkimusta

On pyrittävä tunnistamaan eri parhaillaan arvioitavien HRV-kriteerien fysiologiset korrelaatiot ja biologiset vaikutukset. Joissakin tapauksissa, kuten RF-komponentti, tämä on jo tehty. Muiden parametrien, kuten VLF- ja ULF-komponenttien, fysiologinen merkitys jää suurelta osin tuntemattomaksi.

Tämä epävarmuus tekee vaikeaksi tulkita näiden muuttujien ja sydänpotilaiden riskin välistä suhdetta. Vaikuttaa houkuttelevalta käyttää vegetatiivisen aktiivisuuden merkkiaineita. Kuitenkin, kunnes näiden muuttujien ja sydänriskin välillä löydetään selvä mekaaninen suhde, on olemassa vaara, että terapeuttiset ponnistelut keskittyvät näiden markkerien modifiointiin. Tämä voi johtaa vääriin oletuksiin ja vakaviin tulkintavirheisiin.

Lupaavia mahdollisuuksia kliiniseen käyttöön

normistandardit

Laajamittaisia ​​prospektiivisia populaatiotutkimuksia tarvitaan HRV-normistandardien määrittämiseksi eri ikä- ja sukupuoliluokille. Äskettäin Framingham Heart Study -tutkimukseen osallistuneet julkaisivat HRV:n aika- ja taajuusominaisuuksien mittaustulokset 736 iäkkäällä henkilöllä sekä näiden parametrien suhteen kokonaiskuolleisuuteen 4 vuoden seurannan aikana. Tutkijat päättelivät, että HRV kantaa ennustetietoa, joka on riippumatonta ja perinteisten riskitekijöiden ulkopuolella. On selvää, että tarvitaan enemmän väestöpohjaisia ​​HRV-tutkimuksia, jotka kattavat miesten ja naisten koko ikäspektrin.

Fysiologiset ilmiöt

Olisi mielenkiintoista arvioida HRV:tä erilaisissa vuorokausikuvioissa, kuten normaaleissa päivä-yö-sykleissä, jatkuvissa käänteissykleissä (työajan siirtäminen ilta-yöhön) ja vaihtelevassa pyöräilyssä, jota voi esiintyä pitkillä matkoilla. Autonomisia vaihteluita, joita voi esiintyä unen eri vaiheissa, mukaan lukien REM-uni, on tutkittu useilla henkilöillä. Terveillä ihmisillä tehospektrin vagaalinen HF-komponentti lisääntyi vain REM-univaiheen ulkopuolella, kun taas AMI-potilailla tämä lisäys puuttui.

Sopeutumisilmiönä esitetään autonomisen hermoston vaste urheiluharjoitteluun ja palautumisharjoitteluohjelmiin eri sairauksien jälkeen. HRV-tietojen pitäisi olla hyödyllisiä harjoituksen kronologisten näkökohtien ja optimaalisten valmiusaikojen ymmärtämisessä, koska ne liittyvät autonomisiin vaikutuksiin sydämessä. Lisäksi HRV voi antaa tärkeitä tietoja avaruuslentojen mukana kulkeutuneesta harjoittelusta irtautumisesta pitkittyneen vuodelevon jälkeen, pysymisestä painottomuuden tilassa.

Lääkereaktiot

Monet lääkkeet vaikuttavat suoraan tai epäsuorasti autonomiseen hermostoon, ja HRV:tä voidaan käyttää arvioimaan eri aineiden vaikutusta sympaattiseen tai parasympaattiseen toimintaan. Tiedetään, että parasympaattinen salpaus kyllästävällä atropiiniannoksella johtaa HRV:n huomattavaan laskuun. Skopolamiinilla on pieninä annoksina vagotoninen vaikutus ja se johtaa HRV:n kohoamiseen, erityisesti HF-komponenttien. Beeta-adrenergiseen salpaukseen liittyy HRV:n nousu ja LF-komponentin lasku normalisoiduissa yksiköissä mitattuna. Huomattavasti enemmän työtä tarvitaan tutkimaan muuttuneen parasympaattisen ja adrenergisen sävyn vaikutuksia ja kliinistä merkitystä HRV:n ja sen eri komponenttien kokonaistehoon terveillä ihmisillä ja potilailla, joilla on erilaisia ​​sairauksia.

Tällä hetkellä on kertynyt rajallinen määrä tietoa HRV:n muutoksista kalsiumkanavasalpaajien, rauhoittavien, anksiolyyttien, kipulääkkeiden, rytmihäiriölääkkeiden, huumausaineiden ja kemoterapialääkkeiden, erityisesti vinkristiinin, käyttöönoton yhteydessä.

Riskien kerrostuminen

AMI:n jälkeisen kuolemanriskin sekä kokonaiskuolleisuuden ja äkillisen sydänkuoleman arvioimiseksi potilailla, joilla on rakenteellisia sydänsairauksia ja muita patofysiologisia sairauksia, käytetään HRV:n aika- ja frekvenssiominaisuuksia, jotka on arvioitu pitkän aikavälin 24 tunnin ja lyhyen (alkaen 2-15 minuuttia) EKG-tallenteet. Sellaisten diagnostisten työkalujen käyttö, jotka pystyvät arvioimaan HRV:tä yhdessä kammiorytmioiden esiintymistiheyden ja monimutkaisuuden, signaalikeskiarvoisen EKG:n, ST-segmentin vaihtelun ja repolarisaation heterogeenisyyden kanssa, pitäisi parantaa merkittävästi sellaisten potilaiden tunnistamista, joilla on suuri äkillisen sydänkuoleman riski. vaarallisia rytmihäiriöitä. Prospektiivisia tutkimuksia tarvitaan yhdistetyn diagnostiikan herkkyyden, spesifisyyden ja ennakoivan tarkkuuden arvioimiseksi.

Sikiön ja vastasyntyneen sykevaihtelu on tärkeä tutkimusalue, joka voi tarjota varhaista tietoa vastasyntyneen stressistä ja tunnistaa lapset, joilla on riski imeväisten äkilliseen kuolemaan. Suuri osa tämän alueen alustavasta tutkimuksesta tapahtui 1980-luvun alussa ennen kuin kehitettiin kehittyneempiä tekniikoita spektrivoiman arvioimiseksi. Näiden tekniikoiden oikea käyttö voi myös antaa käsityksen sikiön autonomisen hermoston kypsymisestä.

Sairauden mekanismit

Hedelmällinen tutkimusalue on HRV-tekniikoiden käyttö autonomisen hermoston toimintahäiriön merkityksen tutkimiseksi sairauksien kehittymismekanismeissa, erityisesti sellaisissa olosuhteissa, joissa vagosympaattisten tekijöiden uskotaan olevan tärkeä rooli. Tuoreen tutkimuksen tulokset viittaavat siihen, että kehittyvän sydämen autonomisen hermotuksen häiriöt voivat olla syynä joihinkin pitkän QT-oireyhtymän muotoihin. Sikiön HRV:n tutkimus äideillä, joilla on tämä sairaus, on varmasti hyväksyttävää ja voi olla erittäin informatiivinen.

Autonomisen hermoston rooli essentiaalissa hypertensiossa on toinen tärkeä tutkimusalue. Vastaus kysymykseen, onko sympaattisen aktiivisuuden lisääntyminen essentiaalissa hypertensiossa primaarista vai sekundaarista, voidaan saada suorittamalla pitkäaikaisia ​​prospektiivisia tutkimuksia alun perin normotensiivisillä koehenkilöillä. Onko essentiaalinen hypertensio seurausta lisääntyneestä sympaattisesta sävystä ja muuttuneesta vasteesta säätelyhermomekanismeihin?

Useat neurologiset häiriöt liittyvät autonomisen hermoston toimintahäiriöön, mukaan lukien Parkinsonin tauti, multippeliskleroosi, Julian-Barrén oireyhtymä ja Shi-Drager-tyyppinen ortostaattinen hypotensio. Joissakin näistä häiriöistä HRV:n muutokset voivat olla varhainen ilmentymä, ja niitä voidaan käyttää taudin etenemisnopeuden ja/tai hoitotoimenpiteiden tehokkuuden määrittämiseen. Samaa lähestymistapaa voidaan käyttää sekundaaristen autonomisten neurologisten häiriöiden arvioimiseen, jotka liittyvät diabetekseen, alkoholismiin ja selkäydinvammaan.

Johtopäätös

Sykevaihtelulla on merkittävä potentiaali määrittää autonomisen hermoston vaihteluiden roolia terveillä yksilöillä ja potilailla, joilla on erilaisia ​​sydän- ja verisuonisairauksia ja muita sairauksia. HRV-tutkimuksen pitäisi parantaa ymmärrystämme fysiologisista ilmiöistä, lääkkeiden vaikutuksista ja sairauksien kehittymisen mekanismeista. Laajat prospektiiviset tutkimukset suurissa kohortteissa on suunniteltu määrittämään HRV:n herkkyys, spesifisyys ja ennustearvo potilaiden tunnistamisessa, joilla on lisääntynyt kuoleman tai muun patologisen tilan riski.

KIRJALLISUUS

1. Lown B, Verrier RL. Neuraalinen toiminta ja kammiovärinä. N Engi J Med 1976; 294:1165-70.

2. Corr PB, Yamada KA, Witkowski FX. Sydämen autonomista toimintaa säätelevät mekanismit ja niiden suhde rytmogeneesiin. Julkaisussa: Fozzard HA, Haber E, Jennings RB, Katz AN, Morgan HE, toim. Sydän ja sydän- ja verisuonijärjestelmä. New York: Raven Press, 1986: 1343-1403.

3. Schwartz PJ, Priori SG. Sympaattinen hermosto ja sydämen rytmihäiriöt. Julkaisussa: Zipes DP, Jalife J, toim. Sydämen elektrofysiologia. Cellistä sängyn viereen. Philadelphia: W.B. Saunders, 1990: 330-43.

4. Levy MN, Schwartz PJ toim. Sydämen vagaalinen hallinta: kokeellinen perusta ja kliiniset vaikutukset. Armonk: Tulevaisuus, 1994.

5. Dreifus LS, Agarwal JB, Botvinick EH et ai. (American College of Cardiology Cardiovascular Technology Assessment Committee). Sydämen vaihtelu hengenvaarallisten rytmihäiriöiden riskikerrostamiseksi. J Am Coil Cardiol 1993; 22:948-50.

6Hon EH, Lee ST. Elektroniset arviot sikiön kuolemaa edeltäneistä sykekuvioista, lisähavaintoja. Am J Obstet Gynec 1965; 87:814-26.

7. Sayers B.M. Sykevaihtelun analyysi. Ergonomia 1973; 16:17-32.

8. Penaz J, Roukenz J, Van der Waal HJ. Joidenkin verenkierron spontaanien rytmien spektrianalyysi. Julkaisussa: Drischel H, Tiedt N, toim. Leipzig: Biokybernetik, Karl Marx Univ, 1968: 233-41.

9. Luczak H, Lauring WJ. Sykevaihtelun analyysi. Ergonomia 1973; 16:85-97.

10. Hirsh JA, piispa B. Hengityksen sinusarytmia ihmisillä; kuinka hengitysmalli moduloi sykettä. Am J Physiol -jakson vaihtelu ja kuolleisuus sydäninfarktin jälkeen. levikki 1992; 85:164-71.

11. Ewing DJ, Martin CN, Young RJ. Clarke BF. Kardiovaskulaaristen autonomisten toimintatestien arvo: 10 vuoden kokemus diabeteksesta. Diabetic Care 1985; 8:491-8.

12. Wolf MM, Varigos GA, Hunt D. Sloman JG. Sinusarytmia akuutissa sydäninfarktissa. Med J Australia 1978; 2:52-3.

13. Akselrod S, Gordon D, Ubel FA et ai. Sykevaihtelun tehospektrianalyysi: kvantitatiivinen mittaus lyönnistä lyömään kardiovaskulaarisen kontrollin. Science 1981:213:220-2.

14. Pomeranz M, Macaulay RJB, Caudill MA. Autonomisen toiminnan arviointi ihmisillä sykespektrianalyysillä. Am J. Physiol 1985; 248: H151-3.

15. Pagani M, Lombard! F, Guzzetti S et ai. Syke- ja valtimopainevaihteluiden tehospektrianalyysi ihmisen ja tajuissaan olevan koiran sympaatti-vagaalisen vuorovaikutuksen merkkinä. Circ Res 1986; 59:178-93.

16. Kleiger RE, Miller JP, Bigger JT, Moss AJ ja Multi-center Post-Infarction Research Group. Vähentynyt sykevaihtelu ja sen yhteys lisääntyneeseen kuolleisuuteen akuutin sydäninfarktin jälkeen. Am J Cardiol 1987; 59:256-62.

17. Malik M, Farrell T, Cripps T, Camm AJ. Sykevaihtelu suhteessa ennusteeseen sydäninfarktin jälkeen: optimaalisten käsittelytekniikoiden valinta. Eur Heart J 1989: 10:1060-74.

18. Bigger JT, Fleiss JL, Steinman RC et ai. Taajuusalueen mittaa sydämen jakson vaihtelua ja kuolleisuutta sydäninfarktin jälkeen. levikki 1992; 85:164-71.

19. Saul JP, Albrecht P, Berger RD, Cohen RJ. Pitkän aikavälin sykevaihteluiden analyysi: menetelmät, 1/f-skaalaus ja vaikutukset. Computers in Cardiology 1987. IEEE Computer Society press, Washington 1988: 419-22.

20 Malik M, Xia R, Odemuyiwa O et ai. Tunnistusartefaktin vaikutus pitkäaikaisten elektrokardiogrammien automaattisessa analyysissä sykkeen vaihtelun aika-alueen mittaukseen. Med Biol Eng Comput 1993; 31:539-44.

21. Bjokander I, Held C, Forslund L et ai. Sykevaihtelu potilailla, joilla on stabiili angina pectoris. Eur Heart J 1992; 13 (AbstrSuppI): 379.

22 Scherer P, Ohier JP, Hirche H, Hopp H-W. Sykevaihtelun (Abstr) uuden lyönnistä lyöntiin -parametrin määritelmä. Pacing Clin Electrophys 1993; 16:939.

23. Kay SM, Marple, SL. Spektrianalyysi: Moderni näkökulma Proc IEEE 1981; 69: 1380-1419.

24. Malliani A, Pagani M, Lombard! F, Cerutti S. Kardiovaskulaarinen hermosäätely tutkittu taajuusalueella. levikki 1991; 84:1482-92.

25. Furlan R, Guzetti S, Crivellaro W et ai. Jatkuva 24 tunnin arviointi systeemisen valtimopaineen ja RR-vaihteluiden hermosäätelystä ambulanssipotilailla. levikki 1990; 81:537-47.

26. Berger RD, Akselrod S, Gordon D, Cohen RJ. Tehokas algoritmi sykkeen vaihtelun spektrianalyysiin. IEEE Trans Biomed Eng 1986; 33:900-4.

27 Rottman JN, Steinman RC, Albrecht P et ai. Tehokas sydämenjakson tehospektrin estimointi, joka soveltuu fysiologisiin tai farmakologisiin tutkimuksiin. Am J Cardiol 1990; 66:1522-4.

28. Malik M, Camm AJ. Sykevaihtelun komponentitc Mitä ne todella tarkoittavat ja mitä todella mittaamme. Am J Cardiol 1993; 72:821-2.

29 Bendat JS, Piersol AG. Satunnaistietojen mittaus ja analysointi. New York: Wiley, 1966.

30. Pinna GD, Maestri R, Di Cesare A et ai. Sykevaihteluiden tehospektrianalyysin tarkkuus Holter-järjestelmien luomasta annotoidusta RR-luettelosta. Physiol Meas 1994; 15:163-79.

31. Merri M, Farden DC, Mottley JG, Titlebaum EL. Elektrokardiogrammin näytteenottotaajuus sydämen sykkeen vaihtelun spektrianalyysiä varten, IEEE Trans Biomed Eng 1990; 37:99-106.

32 Bianchi AM, Mainardi LT, Petrucci E et ai. Aikavaihtelun tehospektrianalyysi HRV-signaalin ohimenevien jaksojen havaitsemiseen. IEEE Trans Biomed Eng 1993; 40:136-44.

33 Friesen GM, Jannett TC, Jadalloh MA et ai. Yhdeksän QRS-tunnistusalgoritmin kohinaherkkyyden vertailu. IEEE Trans Biomed Eng 1990; 37:85-98.

34. Kamath MV, Fallen EL. Sykevaihtelusignaalin korjaus kohdunulkoisten oireiden ja puuttuvien lyöntien varalta. Julkaisussa: Malik M, Camm AJ, toim. Sykevaihtelu. Armonk: Futura, 1995: 75-85.

35. De Boer RW, Karemaker JM, Strackee J. Pistetapahtumien sarjan spektrien vertailu, erityisesti sydämen lyöntitiheyden vaihteluspektrien osalta. IEEE Trans Biomed Eng 1984; 31:384-7.

36. Harris FJ. Ikkunoiden käytöstä harmonisten analyysien suorittamiseen Diskreetin Fourier-muunnoksen kanssa. IEEE Proc 1978; 66:51-83.

37. Box GEP, Jenkins GM. Aikasarjaanalyysi: Ennustaminen ja ohjaus. San Francisco: Holden Day, 1976.

38. Akaike H. Uusi katsaus tilastolliseen mallin tunnistamiseen, IEEE Trans Autom Cont 1974; 19:716-23.

39 Kaplan DT. Vaihtuvuuden analyysi. J Cardiovasc Electrophysiol 1994; 5:16-19.

40. Katona PG, Jih F. Hengityksen sinusarytmia: parasympaattisen sydämen toiminnan non-invasiivinen mitta. J Appi Physiol 1975; 39:801-5.

41. Eckberg DL. Ihmisen sinusarytmia on indeksi vagaalisesta sydämen ulosvirtauksesta. J Appi Physiol 1983; 54:961-6.

42. Fouad FM, Tarazi RC, Ferrario CMA et ai. sykkeen parasympaattisen säätelyn arviointi noninvasiivisella menetelmällä. Heart Circ Physiol 1984; 15: H838-42.

43 Schechtman VL, Kluge KA, Harper RM. Aika-aluejärjestelmä sykkeen vaihtelun arvioimiseen. Med Biol Eng Comput 1988; 26:367-73.

44 Courmel Ph, Hermida JS, Wennerblom B et ai. Sykevaihtelu sydänlihaksen hypertrofiassa ja sydämen vajaatoiminnassa sekä beetasalpaavan hoidon vaikutukset. Ei-spektrianalyysi sykevärähtelyistä. Eur Heart J 1991; 12:412-22.

45. Grossman P, Van Beek J, Wientjes C. Kolmen kvantifiointimenetelmän vertailu respiratorisen sinusarytmian arvioimiseksi. Psychophysiology 1990; 27:702-14.

46. ​​Shin SJ, Tapp WN, Reisman SS, Natelson BH. Sydämen vaihtelun autonomisen säätelyn arviointi kompleksisen demoduloinnin menetelmällä. IEEE Trans Biomed Eng 1989; 36:274-83.

47. Kobayashi M, Musha T. 1/f sykejakson vaihtelu. IEEE Trans Biomed Eng 1982; 29:456-7.

48. Yamamoto Y, Hughson RL. Karkearakeinen spektrianalyysi: uusi menetelmä sykkeen vaihtelun tutkimiseen. J Appi Physiol 1991; 71:1143-50.

49. Babloyantz A, Destexhe A. Onko normaali sydän jaksollinen oskillaattori? Biol Cybern 1988; 58:203-11.

50. Morfill GE, Demmel V, Schmidt G. Der plotzliche Herztod: Neue Erkenntnisse durch die Anwendung komplekser Diagno-severfahren. Bioscope 1994; 2:11-19.

51 Schmidt G, Monfill G.E. Epälineaariset menetelmät sykkeen vaihtelun arviointiin. Julkaisussa: Malik M, Camm AJ, toim. Sykevaihtelu. Armonk: Futura, 1995: 87-98.

52. Kleiger RE, Bigger JT, Bosner MS et ai. Normaalin henkilön sykkeen vaihtelua mittaavien muuttujien stabiilius ajan kuluessa. Am J Cardiol 1991; 68:626-30.

53 Van Hoogenhuyze DK, Weinstein N, Martin GJ et ai. Toistettavuus ja suhde sydämen sykkeen vaihtelun keskimääräiseen sykkeeseen normaaleilla koehenkilöillä ja potilailla, joilla on sepelvaltimotaudin aiheuttama kongestiivinen sydämen vajaatoiminta. Am J Cardiol 1991; 68:1668-76.

54. Kautzner J. Sykevaihtelumittauksen toistettavuus. Julkaisussa: Malik M, Camm AJ, toim. Sykevaihtelu. Armonk: Futura, 1995: 165-71.

55. Isompi JT, Fleiss JL, Rolnitzsky LM, Steinman RC. Sydämen jakson vaihtelun vakaus ajan kuluessa potilailla, joilla on aikaisempi sydäninfarkti ja kammiorytmihäiriö. Am J Cardiol 1992; 69:718-23.

56. Bailey JJ, Berson AS, Garson A Jr et ai. Automaattisen elektrokardiografian standardointisuositukset ja spesifikaatiot. levikki 1990; 81:730-9.

57. Kennedy HN. Ambulatorinen (Holter) elektrokardiografiatekniikka. Clin Cardiol 1992; 10:341-56.

58. Malik M, Cripps T, Farrell T, Camm AJ. Sykevaihteluiden ennustearvo sydäninfarktin jälkeen eri tietojenkäsittelymenetelmien vertailu. Med Biol Eng Comput 1989; 27:603-11.

59 Jalife J, Michaels DC. Sinoatriaalisen tahdistimen toiminnan hermoston hallinta. Julkaisussa: Levy MN, Schwartz PJ, toim. Sydämen vagaalinen hallinta: kokeellinen perusta ja kliiniset vaikutukset. Armonk: Futura, 1994: 173-205.

60. Noma A, Trautwein W. ACh-indusoidun kaliumvirran rentoutuminen kanin sinoatriaalisolmukkeen solussa Pflugers Arch 1978; 377:193-200.

61. Osterrieder W, Noma A, Trautwein W. Asetyylikoliinin aktivoiman kaliumkanavan kinetiikasta kanin sydämen S-A-solmussa. Pflugers Arch 1980; 386:101-9.

62. Sakmann B, Noma A, Trautwein W. Asetyylikoliinin aktivointi yksittäisten muskariinien K + -kanavien eristetyissä tahdistimen soluissa nisäkkään sydämessä. Nature 1983; 303:250-3.

63. DiFrancesco D, Tromba C. Asetykoliinin indusoima hyperpolarisoivan aktivoidun If-virran esto kaniinin sino-etesolmukkeen myosyyteissä. J Physiol (Lond) 1988; 405:477-91.

64. DiFrancesco D, Tromba C. Hyperpolarisoivan aktivoidun virran muskariinikontrolli kanin sino-eteissolmukkeen myosyyteissä. J Physiol (Lond) 1988; 405:493-510.

65. Irisawa H, Brown HF, Giles WR. Sydämen tahdistus sinoatriumsolmukkeessa. Physiol Rev 1993; 73:197-227.

66. Irisawa H, Giles WR. Sinus- ja atrioventrikulaariset solmusolut: Solujen sähköfysiologia. Julkaisussa: Zipes DP, Jalife J, toim. Sydämen elektrofysiologia: solusta sängyn viereen. Philadelphia: W. B. Saunders, 1990: 95-102.

67. DiFrancesco D. Tahdistimen virran (If) osuus spontaanin toiminnan synnyttämisessä kaniinin sino-eteissolmukkeen myosyyteissä. J Physiol (Lontoo) 1991; 434:23-40.

68. Trautwein W, Kameyama M. Intracellular control of kalsium- ja kaliumvirtaukset cadiac soluissa. Jpn Heart J 1986; 27:31-50.

69. Brown HF, DiFrancesco D, Noble SJ. Miten adrenaliini kiihdyttää sydäntä? Nature 1979; 280:235-6.

70. DiFrancesco D, Ferroni A, Mazzanti M, Tromba C. Hyperpolarisoivan aktivoidun virran (If) ominaisuudet kanin sino-etisolmusta eristettyissä soluissa. J Physiol (Lontoo) 1986; 377:61-88.

71. Levy MN. Sympaattis-parasympaattiset vuorovaikutukset sydämessä. Circ Res 1971; 29:437-45.

72. Shakki GF, Tarn RMK, Calaresu FR. Sydämen hermosolujen vaikutus sydämen jakson rytmiin vaihteluihin kissalla. Am J. Physiol 1975; 228:775-80.

73. Akselrod S, Gordon D, Madwed JB et ai. Hemodynaaminen säätely: tutkimus spektrianalyysillä. Am J. Physiol 1985; 249: H867-75.

74. Saul JP, Rea RF, Eckberg DL et ai. Syke ja lihassympaattisen hermon vaihtelu autonomisen toiminnan refleksimuutosten aikana. Am J. Physiol 1990; 258: H713-21.

75 Schwartz PJ, Pagani M, Lombardi F et ai. Sydämen ja sydämen sympatho-vagal-refleksi kissalla. Circ Res 1973; 32:215-20.

76. Malliani A. Sydän- ja verisuonijärjestelmän sympaattiset afferentit kuidut. Rev Physiol Biochem Pharmacol 1982; 94:11-74.

77. Cerati D, Schwartz PJ. Yksittäisen sydämen vagaalisen kuidun aktiivisuus, akuutti sydänlihasiskemia ja äkillisen kuoleman riski. Circ Res 1991; 69:1389-1401.

78. Kamath MV, Fallen EL. Sykkeen vaihtelun tehospektrianalyysi: sydämen autonomisen toiminnan ei-invasiivinen tunnus. Crit Revs Biomed Eng 1993; 21:245-311.

79 Rimoldi O, Pierini S, Ferrari A et ai. R-R:n ja valtimopaineen lyhytaikaisten värähtelyjen analyysi tajuissaan olevilla koirilla. Am J. Physiol 1990; 258: H967-H976.

80. Montano N, Gnecchi, Ruscone T et ai. Sykkeen vaihtelun tehospektrianalyysi sympatovagaalisen tasapainon muutosten arvioimiseksi asteittaisen ortostaattisen kallistuksen aikana. levikki 1994; 90: 1826-31.

81 Appel ML, Berger RD, Saul JP et ai. Sydän- ja verisuonimuuttujien vaihtelu lyönnistä toiseen: melua vai musiikkia? J Am Coil Cardiol 1989; 14:1139-1148.

82. Malliani A, Lombard! F, Pagani M. Sykkeen vaihtelun tehospektrianalyysi: työkalu hermosäätelymekanismien tutkimiseen. Br Heart J 1994; 71:1-2.

83. Malik M, Camm AJ. Sykevaihtelu ja kliininen kardiologia. Br Heart J 1994; 71:3-6.

84. Casolo GC, Stroder P, Signorini C et ai. Sykevaihtelu sydäninfarktin akuutin vaiheen aikana. levikki 1992; 85:2073-9.

85 Schwartz PJ, Vanoli E, Stramba-Badiale M et ai. Autonomiset mekanismit ja äkillinen kuolema. Uusia oivalluksia baroreseptorirefleksien analysoinnista tajuissaan olevilla koirilla, joilla on sydäninfarkti ja ilman sitä. levikki 1988; 78:969-79.

86. Malliani A, Schwartz PJ, Zanchetti A. Kokeellisella sepelvaltimon tukkeumalla aikaansaama sympaattinen refleksi. Am J. Physiol 1969; 217:703-9.

87. Brown AM, Malliani A. Sepelvaltimon reseptorien käynnistämät selkärangan sympaattiset refleksit. J Physiol 1971; 212:685-705.

88 Malliani A, Recordati G, Schwartz PJ. Sydämen afferenttien sympaattisten kuitujen hermostotoiminta, jossa on eteis- ja kammiopäätteitä. J Physiol 1973; 229:457-69.

89. Bigger JT Jr, Fleiss JL, Rolnitzky LM, Steinman RC, Schneider WJ. Sydämen jakson vaihtelun palautumisaika sydäninfarktin jälkeen. J Am Coil Cardiol 1991; 18:1643-9.

90. Lombard! F, Sandrone G, Pempruner S et ai. Sydämen lyöntitiheyden vaihtelu sydäninfarktin jälkeisen sympathovagaalisen vuorovaikutuksen indeksinä. Am J Cardiol 1987; 60:1239-45.

91 Lombardi F, Sandrone G, Mortara A et ai. Sydämen vaihteluvälin spektriindeksien vuorokausivaihtelu sydäninfarktin jälkeen. Am Heart J 1992; 123:1521-9.

92. Kamath MV, Fallen EL. Neurokardiaalisten rytmien vuorokausivaihtelut akuutissa sydäninfarktissa. Am J Cardiol 1991; 68:155-60.

93. Bigger JT Jr, Fleiss JL, Steinman RC et ai. Taajuusalueen mittaa sydämen jakson vaihtelua ja kuolleisuutta sydäninfarktin jälkeen. levikki 1992; 85:164-71.

94. Ewing DJ, Neilson JMM, Traus P. Uusi menetelmä sydämen parasympaattisen aktiivisuuden arvioimiseksi 24 tunnin elektrokardiogrammeilla. Br Heart J 1984; 52:396-402.

95. Kitney RI, Byrne S, Edmonds ME et ai. Sydämen vaihtelu autonomisen diabeettisen neuropatian arvioinnissa. Automedica 1982; 4:155-67.

96. Pagani M, Malfatto G, Pierini S et ai. Sydämen vaihtelun spektrianalyysi autonomisen diabeettisen neuropatian arvioinnissa. J Auton Nerv System 1988; 23:143-53.

97. Freeman R, Saul JP, Roberts MS et ai. Diabeettisen neuropatian sydämen sykkeen spektrianalyysi. Arch Neurol 1991; 48:185-90.

98. Bernardi L, Ricordi L, Lazzari P, et ai. Sympathovagaalisen aktiivisuuden sympathovagaalisen modulaation heikentynyt verenkiertomodulaatio diabeteksessa. levikki 1992; 86:1443-52.

Bernardi L, Salvucci F, Suardi R et ai. Todisteita sisäisestä mekanismista, joka säätelee sydämen sykkeen vaihtelua siirretyssä ja ehjässä sydämessä submaksimaalisen dynaamisen harjoituksen aikana? Cardiovasc Res 1990; 24:969-81.

100. Sands KE, Appel ML, Lilly LS et ai. Sydämen lyöntitiheyden vaihtelun tehospektrianalyysi ihmisen sydämensiirron saajilla. levikki 1989; 79:76-82.

101. Fallen EL, Kamath MV, Ghista DN, Fitchett D. Sydämen lyöntitiheyden vaihtelun spektrianalyysi ihmisen sydämensiirron jälkeen: todisteita toiminnallisesta hermotuksesta. J Auton Nerv Syst 1988; 23:199-206.

102. Casolo G, Balli E, Taddei T Vähentynyt spontaani sykevaihtelu kongestiivisen sydämen vajaatoiminnan yhteydessä. Am J Cardiol 1989; 64:1162-7.

103 Nolan J, Flapan AD, Capewell S et ai. Sydämen parasympaattisen toiminnan vähentyminen kroonisessa sydämen vajaatoiminnassa ja sen suhde vasemman kammion toimintaan. Br Heart J 1992; 69:761-7. 104. Kienzle MG, Ferguson DW, Birkett CL, Myers GA, Berg WJ, Mariano DJ. Kliiniset hemodynaamiset ja sympaattiset hermokorrelaatiot sydämen lyöntitiheyden vaihteluista kongestiivisessa sydämen vajaatoiminnassa. Am J Cardiol 1992; 69:482-5.

105. Mortara A, La Rovere MT, Signorini MG et ai. Voiko sykkeen vaihtelun tehospektrianalyysi tunnistaa korkean riskin alaryhmän kongestiivista sydämen vajaatoimintaa sairastavista potilaista, joilla on liiallinen sympaattinen aktivaatio? Pilottitutkimus ennen sydämensiirtoa ja sen jälkeen. Br Heart J 1994; 71:422-30.

106. Gordon D, Herrera VL, McAlpine L et ai. Sykespektrianalyysi: ei-invasiivinen koetin sydän- ja verisuonijärjestelmän säätelyyn kriittisesti sairailla lapsilla, joilla on sydänsairaus. Ped Cardiol 1988; 9:69-77.

146. Bianchi A, Bontempi B, Cerutti S, Gianogli P, Comi G, Natali Sora MG. Diabeettisten henkilöiden sydämen sykkeen vaihtelusignaalin ja hengityksen spektrianalyysi. Med Biol Eng Comput 1990; 28:205-11.

147. Bellavere F, Balzani I, De Masi G et ai. Sykevaihtelun tehospektrianalyysi parantaa diabeettisen sydämen autonomisen neuropatian arviointia. Diabetes 1992; 41:633-40.

148. Van den Akker TJ, Koelman ASM, Hogenhuis LAH, Rompelman G. Sydämen vaihtelu ja verenpaineen vaihtelut diabeetikoilla, joilla on autonominen neuropatia. Automedica 1983; 4:201-8.

149 Guzzetti S, Dassi S, Pecis M et ai. Sydämen jakson vuorokausihermokontrollin muuttunut malli lievässä verenpaineessa. J Hypertens 1991; 9:831-838.

150. Langewitz W, Ruddel H, Schachinger H. Vähentynyt parasympaattinen sydämen hallinta potilailla, joilla on verenpainetauti levossa ja henkisen stressin alla. Am Heart J 1994; 127:122-8.

151 Saul JP, Aral Y, Berger RD et ai. Autonomisen säätelyn arviointi kroonisessa kongestiivisessa sydämen vajaatoiminnassa sykespektrianalyysillä. Am J Cardiol 1988; 61:1292-9.

152. Binkley PF, Nunziata E, Haas GJ et ai. Parasympaattinen vetäytyminen on olennainen osa autonomisen epätasapainon epätasapainoa kongestiivisessa sydämen vajaatoiminnassa: ihmisillä osoitettu kammion vajaatoiminta ja todentaminen tahdistetussa koiramallissa. J Am Coil Cardiol, 1991; 18:464-72.

153 Townend JN, West JN, Davies MK, Littles WA. Kinapriilin vaikutus verenpaineeseen ja sydämen sykkeeseen sydämen vajaatoiminnassa. Am J Cardiol 1992; 69:1587-90.

154 Binkley PF, Haas GJ, Starling RC et ai. Parasympaattisen sävyn jatkuva lisääminen angiotensiinikonvertaasin estäjillä potilailla, joilla on kongestiivinen sydämen vajaatoiminta. J Am Coil Cardiol 1993; 21:655-61.

155 Woo MA, Stevenson WG, Moser DK, Middlekauff HR. Monimutkainen sykevaihtelu ja seerumin norepinefriinitasot potilailla, joilla on edennyt sydämen vajaatoiminta. J Am Coil Cardiol 1994; 23:565-9.

156 Alexopoulos D, Yusuf S, Johnston JA et ai. 24 tunnin sykekäyttäytyminen pitkäaikaisilla sydämensiirrosta selviytyneillä. Am J Cardiol 1988; 61:880-4.

157. Stein KM, Bores JS, Hochreites C et ai. Prognostinen arvo ja sykkeen vaihtelun fysiologiset korrelaatiot kroonisessa vaikeassa mitraalisen regurgitaatiossa. levikki 1993; 88:127-35.

158 Marangoni S, Scalvini S, Mat R et ai. Sydämen vaihtelun arviointi potilailla, joilla on mitraaliläpän prolapsioireyhtymä. Am J. Noninvas Cardiol 1993; 7:210-14.

159 Counihan PJ, Fei L, Bashir Y et ai. Sykevaihteluiden arviointi hypertrofisessa kardiomyopatiassa. Yhteys kliinisiin ja prognostisiin piirteisiin. levikki 1993; 88:1682-90.

160. Dougherty CM, Burr RL. Sykevaihtelun vertailu äkillisestä sydänpysähdyksestä selviytyneillä ja ei-selviytyneillä. Am J Cardiol 1992; 70:441-8.

161. Huikuri HV, Linnaluoto MK, Seppanen T et al. Sydämen lyöntitiheyden vaihtelun vuorokausirytmi sydänpysähdyksestä selviytyneillä. Am J Cardiol 1992:70:610-15.

162. Myers GA, Martin GJ, Magid NM et ai. Sydämen äkillisen kuoleman sykkeen vaihtelun tehospektrianalyysi: vertailu muihin menetelmiin. IEEE Trans Biomed Eng 1986; 33:1149-56.

163. Martin GJ, Magid NM, Myers G et ai. Sykevaihtelu ja sepelvaltimotaudin aiheuttama äkillinen kuolema ambulatorisen EKG-seurannan aikana. Am J Cardiol 1986; 60:86-9.

164. Vybiral T, Glaeser DH, Goldberger AL et ai. Perinteinen sykevaihteluanalyysi ambulatorisista elektrokardiograafisista tallenteista ei pysty ennustamaan välitöntä kammiovärinää. J Am Coil Cardiol 1993; 22:557-65.

165 Huikuri HV, Valkama JO, Airaksinen KEJ et al. Taajuusalueen mittaa sydämen sykkeen vaihtelua ennen kestämättömän ja jatkuvan kammiotakykardian puhkeamista potilailla, joilla on sepelvaltimotauti. levikki 1993; 87:1220-8.

166. Hohnloser SH, Klingenheben T, van de Loo A et ai. Refleksi vs. tonic vagaalinen aktiivisuus prognostisena parametrina potilailla, joilla on jatkuva kammiotakykardia tai kammiovärinä. levikki 1994; 89:1068-1073.

167. Kocovic DZ, Harada T, Shea JB et ai. Muutokset sydämen sykkeessä ja sykkeen vaihtelussa supraventrikulaarisen takykardian radiotaajuuskatetriablaation jälkeen. levikki 1993; 88: 1671-81.

168. Lefler CT, Saul JP, Cohen RJ. Nopeuteen liittyvät ja autonomiset vaikutukset atrioventrikulaariseen johtumiseen arvioituna lyöntien välisen PR-välin ja syklin pituuden vaihtelun perusteella. J Cardiovasc Electrophys 1994; 5:2-15.

169. Berger RD, Saul JP, Cohen RJ. Autonomisen vasteen arviointi laajakaistahengityksen avulla. IEEE Trans Biomed Eng 1989; 36:1061-5.

170. Berger RD, Saul JPP, Cohen RJ. Autonomisen säätelyn siirtofunktioanalyysi: I - Koiran eteistaajuusvaste. Am J. Physiol 1989; 256: H142-52.

171. Saul JP, Berger RD, Chen MH, Cohen RJ. Autonomisen säätelyn siirtofunktioanalyysi: II - Hengityksen sinusarytmia. Am J. Physiol 1989; 256: H153-61.

172. Saul JP, Berger RD, Albrecht P et ai. Verenkierron siirtofunktioanalyysi: Ainutlaatuisia näkemyksiä sydän- ja verisuonijärjestelmän säätelystä. Am J. Physiol 1991; 261: H1231-45.

173 Baselli G, Cerutti S, Civardi S et ai. Kardiovaskulaariset vaihtelevuussignaalit: Kohti hermoston ohjausmekanismien suljetun silmukan mallin tunnistamista. IEEE Trans Biomed Eng 1988; 35:1033-46.

174 Appel ML, Saul JP, Berger RD, Cohen RJ. Kardiovaskulaaristen verenkiertomekanismien suljetun silmukan tunnistaminen. Computers in Cardiology 1989. Los Alamitos: IEEE Press, 1990: 3-7.

175. Tsuji H, Venditti FJ, Manders ES et ai. Vähentynyt sykevaihtelu ja kuolleisuusriski iäkkäissä kohortissa: Framingham Study. levikki 1994; 90:878-83.

176 Vanoli E, Adamson PB, Lin B et ai. Sydämen vaihtelu tietyissä univaiheissa: terveiden koehenkilöiden vertailu sydäninfarktin jälkeisiin potilaisiin. Circulation 1995, 91: 1918-22.

177. Singer DH, Ori Z. Sydämen äkilliseen kuolemaan liittyvät muutokset sydämen sykkeen vaihtelussa. Julkaisussa: Malik M, Camm AJ, toim. Sykevaihtelu. Armonk: Futura, 1995: 429-48.

178. Malfatto G, Rosen TS, Steinberg SF et ai. Sydämen impulssin alkamisen ja repolarisaation sympaattinen hermomodulaatio vastasyntyneellä rotalla. Circ Res 1990; 66:427-37.

179. Hirsch M, Karin J, Akselrod S. Heart rate variability in the fetus. Julkaisussa: Malik M, Camm AJ, toim. Sykevaihtelu. Armonk: Futura, 1995: 517-31.

180 Parati G, Di Rienzo M, Groppelli A et ai. Sykkeen ja verenpaineen vaihtelu ja niiden vuorovaikutus verenpainetaudissa. Julkaisussa: Malik M, Camm AJ, toim. Sykevaihtelu. Armonk: Futura, 1995; 465-78.

181 Bigger JT Jr, Fleiss JL, Steinman RC et al. RR-vaihtelu terveillä, keski-ikäisillä henkilöillä verrattuna potilaisiin, joilla on krooninen sepelvaltimotauti tai äskettäin ollut akuutti sydäninfarkti. levikki 1995; 91: 1936-43.

LIITE A

Sykevaihteluparametrien normaaliarvot

Koska kattavia tutkimuksia kaikista HRV-indekseistä suurissa normaaleissa populaatioissa ei ole tähän mennessä tehty, tässä taulukossa annettu normaaliarvojen vaihteluväli perustuu tutkimuksiin, joissa on mukana pieni määrä koehenkilöitä. Näin ollen näitä arvoja tulee pitää suuntaa-antavina, eikä niistä pidä tehdä varmoja kliinisiä johtopäätöksiä. Jakoa sukupuolen, iän ja muiden tekijöiden mukaan, mikä on myös välttämätöntä, ei ole esitetty taulukossa tietolähteiden rajallisuuden vuoksi.

Arvo		Normaaliarvot (M±m)
24 tunnin tallennuksen aika-analyysi
Kolmion HRV-indeksi
5 minuutin tallennuksen spektrianalyysi (levossa, makuuasennossa)
Kokonaisenergia

Taulukossa luetellaan vain ne HRV-parametrit, joita voidaan ehdottaa lisäfysiologisten ja kliinisten tutkimusten standardointiin.

LIITE B

Ehdotetut menettelyt kaupallisten laitteiden testaamiseksi, jotka on suunniteltu arvioimaan sykevaihtelua

Konsepti

Vertailevan mittaustarkkuuden saavuttamiseksi eri laitteita käytettäessä jokainen laite on testattava valmistajasta riippumatta (esim. tutkimuslaitoksessa). Jokaiseen testiin tulee sisältyä useita lyhyitä ja mahdollisuuksien mukaan pitkäaikaisia ​​testitallenteita, joissa HRV-parametrit ja EKG-signaalin erilaiset morfologiset ominaisuudet ovat etukäteen tiedossa. Jos testausmenettely edellyttää valmistajan osallistumista (esimerkiksi QRS-kompleksien merkintöjen manuaaliseen muokkaamiseen), valmistajan ei pitäisi tietää testitietueiden ja signaalin tallennusparametrien todellisia HRV-ominaisuuksia. Erityisesti silloin, kun testitulokset luovutetaan valmistajalle instrumentin lisäparannuksia tai muita tarkoituksia varten, uusissa testeissä on käytettävä täysin uusia testirekisteröintejä.

Tekniset vaatimukset

Testaus tulee suorittaa kaikille laitteen osille. Erityisesti laitteen sekä tallennus- että analyyttiset komponentit on testattava. Asianmukaista tekniikkaa tulisi käyttää täysin toistettavan signaalin sieppaamiseen tunnetuilla HRV-parametreilla, ts. testisignaalin on oltava tietokoneen tai muun teknisen laitteen tuottama. Testeissä tulee käyttää sekä uusia että käytettyjä tallentimia noin puolet tallentimien käyttöiästä. Ensimmäistä kertaa markkinoilla olevien järjestelmien testaamista ei pidä lykätä. Jos valmistaja väittää, että hänen laitteensa pystyy analysoimaan muiden valmistajien laitteista saatuja EKG-tallenteita (esim. Holter-nauhat), jokainen yhdistelmä on testattava erikseen.

Koska HRV-analyysi on mahdollista ennustaa pulssilaitteiden avulla, samanlaisia ​​toimenpiteitä tulisi käyttää simuloidun sydämensisäisen signaalin muodostamiseen. Pulssigeneraattoreita tulee mahdollisuuksien mukaan testata sekä täyteen ladatulla että osittain tyhjällä akulla.

Testirekisteröinnit

Käytetystä laitteesta riippumatta on erittäin vaikeaa tietää tarkasti minkään todellisen EKG-tallenteen HRV-parametrit. Siksi simuloidut EKG-signaalit tulisi antaa etusijalle. Tällaisten simuloitujen signaalien morfologian sekä HRV-ominaisuuksien tulisi kuitenkin olla lähellä todellisia tallenteita. Näiden signaalien tuottamiseen käytettävän näytteenottotaajuuden on oltava huomattavasti suurempi kuin testattavan laitteen käyttämä näytteenottotaajuus. Testitallenteiden tuotannossa tulee simuloida vaikutuksia, jotka vaikuttavat tai voivat vaikuttaa HRV-määrityksen tarkkuuteen, kuten vaihtelevat melutasot, vaihteleva QRS-kompleksimorfologia, joka voi aiheuttaa siirtymän aloituspisteessä, satunnaiset meluhäiriöt eri tallennuskanavissa, asteittainen ja äkillinen. muutokset HRV-ominaisuuksissa ja erilaiset eteis- ja kammion ekstrasystolialuvut realistisilla signaalin morfologioilla.

Magneettinauhanauhoitusten laatu ei ehkä ole tasainen pitkän aikavälin tallennuksissa epätasaisen jännityksen, pyörimisnopeuden ja muiden tekijöiden vuoksi. Kaikkien rekisterinpitäjien toiminta on ulkoisten ympäristötekijöiden vaikutuksen alaista. Tästä syystä testit, joissa on pitkäaikainen rekisteröinti (esim. täysi 24 tunnin testi), ovat suositeltavia.

Testausmenettelyt

Jokainen laite tai mikä tahansa sen kokoonpano tulee testata käyttämällä erilaisia ​​tietueita, joilla on erilaiset ominaisuudet ja erilaiset HRV-ominaisuudet. Jokaisen testitallenteen ja kaupallisella laitteella saadun valitun tallennussegmentin HRV-parametreja tulee verrata alkuperäisen signaalin tunnettuihin ominaisuuksiin. Mahdollisista havaituista eroista tulee analysoida testitallenteeseen lisätyt erityisominaisuudet, kuten lisääntynyt melu, lähtöpisteen vaeltaminen jne. Laitejärjestelmävirhe ja suhteelliset virheet tulee määrittää.

Tulosten raportointi

Teknisen testausselosteen tulee laatia yksinomaan testausorganisaatio, riippumatta testattavan laitteen valmistajasta.

LIITE C

Työryhmän jäsenet

Työryhmässä oli 17 jäsentä:

Apupuheenjohtajat:

A. John Camm, Iso-Britannia, Marek Malik Lontoo, Iso-Britannia

J. Thomas Bigger, Jr., New York, U.S.A., Gunter Breithardt, Munster, Saksa, Sergio Cerutti, Milano, Italia, Richard J Cohen, Cambridge, U.S.A. Philippe Coumel, Pariisi, Ranska, Ernest L kaatunut, Hamilton, Kanada Harold L Kennedy, St. Louis, U.S.A. Robert E. Kleiger, St. Louis, U.S.A. Federico Lombardi, Milano, Italia, Alberto Malliani, Milano, Italia, Arthur J. Moss, Rochester (NY), U.S.A., Georg Schmidt, München, Saksa, Peter J. Schwartz, Pavia, Italia, Donald H Laulaja, Chicago, U.S.A.

Vaikka tämän raportin tekstin ovat laatineet ja hyväksyneet kaikki työryhmän jäsenet, tekstin rakenteen on kehittänyt työryhmän toimituskomitea, joka koostuu seuraavista jäsenistä:

Marek Malik (puheenjohtaja), J. Thomas Bigger, A. John Camm, Robert E. Kleiger, Alberto Malliani, Arthur J. Moss, Peter J. Schwartz.

28.07.2016

Sydämen alueen ongelmiin liittyvän diagnoosin tekeminen on huomattavasti yksinkertaistettu uusimpien menetelmien avulla ihmisen verisuonijärjestelmän tutkimiseksi. Huolimatta siitä, että sydän on itsenäinen elin, hermoston toiminta vaikuttaa siihen melko vakavasti, mikä voi johtaa sen työn keskeytymiseen.

Viimeaikaiset tutkimukset ovat paljastaneet sydänsairauksien ja hermoston välisen suhteen, mikä aiheuttaa usein äkillisiä kuolemantapauksia.

Mikä on VSR?

Normaali aikaväli kunkin sydämenlyöntijakson välillä on aina erilainen. Ihmisillä, joilla on terve sydän, se muuttuu koko ajan jopa paikallaan levossa. Tätä ilmiötä kutsutaan sykevaihteluksi (lyhyesti HRV).

Ero supistusten välillä on tietyn keskiarvon sisällä, joka vaihtelee kehon tilasta riippuen. Siksi HRV:tä arvioidaan vain paikallaan olevasta asennosta, koska kehon toiminnan monimuotoisuus johtaa sydämen sykkeen muutokseen, joka sopeutuu joka kerta uudelle tasolle.

HRV-lukemat osoittavat järjestelmien fysiologian. HRV:tä analysoimalla voidaan arvioida tarkasti kehon toiminnalliset ominaisuudet, seurata sydämen dynamiikkaa ja tunnistaa äkilliseen kuolemaan johtava sykkeen jyrkkä lasku.

Määritysmenetelmät

Sydämen supistusten kardiologinen tutkimus määritti HRV:n optimaaliset menetelmät, niiden ominaisuudet eri olosuhteissa.

Analyysi suoritetaan intervallisekvenssin tutkimuksella:

• R-R (supistusten elektrokardiogrammi);
• N-N (normaalien supistuksen välit).

Tilastolliset menetelmät. Nämä menetelmät perustuvat "N-N"-välien saamiseen ja vertaamiseen vaihteluarvion kanssa. Tutkimuksen jälkeen saatu kardiointervalogrammi näyttää sarjan ”R-R”-jaksoja, jotka toistuvat peräkkäin.

Näiden aukkojen indikaattoreita ovat:

• SDNN heijastaa HRV-indikaattorien summaa, jossa N-N-välien poikkeamat ja R-R-välien vaihtelevuus korostuvat;
• N-N välin sekvenssin RMSSD-vertailu;
• PNN5O näyttää niiden N-N aukkojen prosenttiosuuden, jotka eroavat yli 50 millisekuntia koko tutkimusvälin aikana;
• CV-arvioinnin suuruusvaihtelun indikaattoreista.

Geometriset menetelmät eristetään hankkimalla histogrammi, joka kuvaa eripituisia kardiointervalleja.

Nämä menetelmät laskevat sykkeen vaihtelun käyttämällä tiettyjä arvoja:

• Mo (Mode) tarkoittaa kardiointervalleja;
• Amo (moodin amplitudi) - kardiointervallien määrä, jotka ovat verrannollisia Mo:han prosentteina valitusta tilavuudesta;
• VAR (variation range) on kardiointervallien välisen asteen suhde.

Autokorrelaatioanalyysi arvioi sydämen rytmin satunnaiseksi kehitykseksi. Tämä on dynaaminen korrelaatiograafi, joka saadaan dynaamisen sarjan yhden yksikön asteittaisella siirrolla suhteessa ominaissarjoihin.

Tämän kvalitatiivisen analyysin avulla voimme tutkia keskuslinkin vaikutusta sydämen työhön ja määrittää sydämen rytmin jaksollisuuden latenssi.

Korrelatiivinen rytmografia(hajotus). Menetelmän ydin on peräkkäisten kardiointervallien näyttäminen kaksiulotteisessa graafisessa tasossa.

Sirontakaavion rakentamisen aikana valitaan puolittaja, jonka keskellä on joukko pisteitä. Jos pisteet poikkeavat vasemmalle, näet kuinka paljon sykli on lyhyempi, siirtyminen oikealle näyttää kuinka paljon pidempi edellinen.

Tuloksena olevassa rytmogrammissa N-N aukkojen poikkeamaa vastaava alue on korostettu. Menetelmän avulla voidaan tunnistaa autonomisen järjestelmän aktiivinen toiminta ja sen myöhempi vaikutus sydämeen.

Menetelmät HRV:n tutkimiseen

Kansainväliset lääketieteelliset standardit määrittelevät kaksi tapaa tutkia sydämen rytmiä:

1. Rekisteröintitietue "RR" -välit - 5 minuuttia käytetään HRV:n ja tiettyjen lääketieteellisten testien nopeaan arviointiin;
2. Päivittäinen "RR"-välien tallennus - arvioi tarkemmin "RR"-välien vegetatiivisen rekisteröinnin rytmit. Tietuetta purettaessa monet indikaattorit kuitenkin arvioidaan viiden minuutin HRV-rekisteröintivälin perusteella, koska pitkälle tietueelle muodostuu segmenttejä, jotka häiritsevät spektrianalyysiä.

Sydämen rytmin korkeataajuisen komponentin määrittämiseksi tarvitaan noin 60 sekunnin tallennus ja matalataajuisen komponentin analysoimiseksi 120 sekuntia tallennusta. Matalataajuisen komponentin arvioimiseksi oikein tarvitaan viiden minuutin tallennus, joka valitaan standardi HRV-tutkimukseen.

Terveen kehon HRV

Terveiden ihmisten keskirytmin vaihtelu mahdollistaa fyysisen kestävyyden määrittämisen iän, sukupuolen ja vuorokaudenajan mukaan.

Jokaisella ihmisellä on erilainen HRV-pistemäärä. Naisilla syke on aktiivisempi. Korkein HRV jäljitetään lapsuudessa ja nuoruudessa. Korkean ja matalan taajuuden komponentit vähenevät iän myötä.

HRV:hen vaikuttaa ihmisen paino. Alennettu ruumiinpaino provosoi HRV-spektrin voimaa, ylipainoisilla ihmisillä havaitaan päinvastainen vaikutus.

Urheilu ja kevyt fyysinen aktiivisuus vaikuttavat suotuisasti HRV:hen: spektrin teho kasvaa, syke harvenee. Liialliset kuormitukset päinvastoin lisäävät supistusten tiheyttä ja vähentävät HRV:tä. Tämä selittää usein urheilijoiden äkilliset kuolemat.

Sykevaihtelun määrittämismenetelmien avulla voit hallita harjoittelua lisäämällä asteittain kuormitusta.

Jos HRV on alhainen

Sykevaihtelun jyrkkä lasku osoittaa tiettyjä sairauksia:
iskeemiset ja verenpainetaudit;
. sydäninfarkti;
· Multippeliskleroosi;
· Diabetes;
· Parkinsonin tauti;
Tiettyjen lääkkeiden vastaanotto;
Hermoston häiriöt.

Lääketieteellisen käytännön HRV-tutkimukset ovat yksi yksinkertaisista ja saavutettavista menetelmistä, joilla arvioidaan autonomista säätelyä aikuisilla ja lapsilla, joilla on useita sairauksia.

Lääketieteellisessä käytännössä analyysi mahdollistaa:
· Arvioi sydämen sisäelinten säätelyä;
Määritä kehon yleinen työ;
Arvioi stressin ja fyysisen aktiivisuuden taso;
Seuraa lääkehoidon tehokkuutta;
Diagnosoi sairaus varhaisessa vaiheessa;
· Auttaa valitsemaan lähestymistavan sydän- ja verisuonisairauksien hoitoon.

Siksi kehoa tutkittaessa ei pidä laiminlyödä sydämen supistusten tutkimusmenetelmiä. HRV-indikaattorit auttavat määrittämään taudin vakavuuden ja valitsemaan oikean hoidon.

Normaali ja alentunut sykevaihtelu päivitetty: 30. heinäkuuta 2016: vitenega

Mitä tehdä, kun rytmin vaihtelu on vähentynyt jyrkästi

Kysyy: Nikolai Aleksandrovich, Moskova

Sukupuoli Mies

Ikä: 67

Krooniset sairaudet: Eteisvärinä

Hei. 24 tunnin Holter-EKG-seuranta paljasti rytmin vaihtelun jyrkän laskun. Yhteensä käsiteltiin 2498 kohdetta (84 %), vähän vaihtelevia kohteita oli 2051 (82 % valituista kohteista). Normaalivaihtelun integraaliestimaatti on 9 %, rytmin vaihtelu pienenee jyrkästi. Tutkimuksen aikana esiintyi sinusarytmiajaksoja ja sydämentahdistimen siirtymistä eteisten läpi. 75 yksittäistä s/v ekstrasystolia paljastettiin. Keskisyke 66/min, maksimisyke 103 (harjoitus), minimisyke 49 (uni). Keskisyke silmissä oli 61, päivällä 69. 1. vaiheen AV-salpaus rekisteröitiin. ST-segmentin patologista siirtymää ei havaittu. A-v-johtavuuden hidastuminen rekisteröitiin (PQ = 0,22). Vuorokausiindeksi 1,13 jäykkä.
Tämän tutkimuksen tulosten perusteella kardiologi totesi tilani normaaliksi.
Minulla on ollut eteisvärinä, 1 vuosi sitten minulle tehtiin kryoablaatio, sen jälkeen en ole tuntenut rytmihäiriökohtauksia. Mutta minua häiritsi suuresti se johtopäätös, että sykevaihteluni oli laskenut jyrkästi, mitä ei ollut aiemmin havaittu. Tätä taustaa vasten tunnen väsymystä, heikkoutta.
Käytän rytmihäiriölääke Apocard (Flecainide), verenpaineeni on 115-110/65-60.
Kuinka suuret riskit nykyisessä tilanteessani ovat ja onko mahdollisia suosituksia rytmin vaihtelun jyrkän vähenemisen vuoksi?
Kiitos.

1 vastaus

Älä unohda arvioida lääkäreiden vastauksia, auta meitä parantamaan niitä esittämällä lisäkysymyksiä tämän kysymyksen aiheeseen.
Älä myöskään unohda kiittää lääkäreitä.

Hei Nikolai Aleksandrovitš! Sykevaihtelu on sen vaihtelua autonomisen hermoston vaikutuksesta hengityksen, kävelyn, jännityksen jne. taustalla. Epäilemättä se vähenee sinussa, koska käytät rytmihäiriölääkkeitä, etkä periaatteessa tarvitse kaikki mikä sinulla on pulssi nauraessa nousi esimerkiksi 140 lyöntiin minuutissa. Joten lakkaa murehtimasta vaihtelua ja noudata lääkärisi neuvoja. On mahdollista, että kuvatut oireet ovat seurausta Apocardin käytöstä. Yleensä onnistuneen ablaation yhteydessä ei ole tarvetta ottaa rytmihäiriölääkkeitä.
Voi hyvin!

Jos et löytänyt tarvitsemaasi tietoa vastausten joukossa tähän kysymykseen, tai jos ongelmasi poikkeaa hieman esitetystä, yritä kysyä lisäkysymys lääkäri samalla sivulla, jos hän on pääkysymyksen aiheessa. sinäkin voit kysy uusi kysymys, ja hetken kuluttua lääkärimme vastaavat siihen. Se on ilmainen. Voit myös etsiä oleellisia tietoja osoitteesta vastaavia kysymyksiä tällä sivulla tai sivuston hakusivulla. Olemme erittäin kiitollisia, jos suosittelet meitä ystävillesi sosiaalisissa verkostoissa.

Medportal-sivusto tarjoaa lääketieteellisiä konsultaatioita kirjeenvaihdossa sivuston lääkäreiden kanssa. Täältä saat vastauksia alasi todellisilta ammattilaisilta. Tällä hetkellä sivustolta saat neuvoja 48 alueella: allergologi, anestesiologi-elvyttäjä, veneerologi, gastroenterologi, hematologi , genetiikka , gynekologi , homeopaatti , ihotautilääkäri , lasten gynekologi, lasten neurologi, lasten urologi, lastenkirurgi, lasten endokrinologi, ravitsemusterapeutti , immunologi , infektiotautiasiantuntija , kardiologi , kosmetologi , puheterapeutti , kurkku- ja kurkkutautilääkäri , mammoterapeutti , lääketieteellinen asianajaja, narkologi , neurologi , neurokirurgi , nefrologi , onkologi , onkourologi , ortopedi-traumatologi, silmälääkäri , lastenlääkäri , plastiikkakirurgi, proktologi , psykiatri , psykologi , keuhkolääkäri , reumatologi , radiologi , seksologi-andrologi, hammaslääkäri , urologi , apteekkari , yrttilääkäri , flebologi , kirurgi , endokrinologi .

Vastaamme 96,71 prosenttiin kysymyksistä.

Pysy kanssamme ja ole terve!