O wpływie brakujących interwałów RR na ocenę zmienności rytmu serca. Marta Tylec

Transkrypt

1 O wpływie brakujących interwałów RR na ocenę zmienności rytmu serca. Marta Tylec

2 Plan: 1. Wstęp. 2. Pomiar HRV w dziedzinie czasu (1996). 3. Pomiar HRV w dziedzinie częstości (1996). 4. Krótkie porównanie. 5. Effect of missing RR-interval data on HRV analysis in the time domain (2007).

3 1. Wstęp Znaki szczególne: linia izoelektryczna linia pozioma zarejestrowana w czasie, gdy w sercu nie stwierdza się żadnych pobudzeń (aktywności). Najłatwiej wyznaczyć ją według odcinka PQ. Stanowi ona punkt odniesienia poniższych zmian; załamki (P, QRS, T, U) wychylenia od linii izoelektrycznej (dodatni, gdy wychylony w górę; ujemny, gdy wychylony w dół); odcinki (PQ, ST) czas trwania linii izoelektrycznej pomiędzy załamkami; odstępy (PQ, ST, QT) łączny czas trwania odcinków i sąsiadującego załamka.

4 1. Wstęp HRV (ang. heart rate variability) czyli zmienność rytmu zatokowego - powtarzające się cyklicznie występowanie różnic odstępów RR w badaniu EKG, które zależy od oddziaływania mechanizmów kontrolujących na aktywność węzła zatokowo-przedsionkowego i jest odzwierciedleniem stanu czynnościowego układu autonomicznego serca.

5 1. Wstęp Flow chart summarizing individual steps used when recording and processing the ECG signal in order to obtain data for HRV analysis.

6 1. Wstęp Pomiar HRV w dziedzinie czasu: Pomiar HRV w dziedzinie częstości: metoda statystyczna, krótko-trwające nagrania, metoda geometryczna. długo-trwające nagrania.

7 2. Pomiar HRV w dziedzinie czasu Metoda statystyczna: tradycyjne zapisy 24h, nagrania pochodzące bezpośrednio z pomiarów interwałów NN, nagrania pochodzące z różnic w interwałach NN.

8 2. Pomiar HRV w dziedzinie czasu Variable Units Description SDNN ms Standard deviation of all NN intervals, square root of variance, reflects all cyclic componenets responsible for variability in the period of recording, when period of monitoring decreases SDNN estimates shorter cycle, not well-defined because of its dependence on the lenght of recording period SDANN ms Standard deviation of the averages of NN intervals in all 5-minute segments of the entire recording, estimate changes in heart rate RMSSD ms The square root of the mean of the sum of the squares of differences between adjacent NN intervals, the best statistical properties SDNN index ms Mean of the standard deviations of all NN intervals for all 5-minute segments of the entire recording, mesure variability SDSD ms Standard deviation of differences between adjacent NN intervals NN50 count Number of pairs of adjacent NN intervals differing by more than 50 ms in the entire recording; three variants are possible counting all such NN intervals pairs or only pairs in which the first or the second interval is longer pnn50 % NN50 count divided by the total number of all NN intervals

9 2. Pomiar HRV w dziedzinie czasu Relationship between the RMSSD and pnn50 (a) and pnn50 and NN50 (b) measures of HRV assessed from 857 nominal 24-hour Holter tapes recorded in survivors of acute myocardial infarction before hospital discharge. The NN50 measure used in b was normalized in respect to the length of the recording (data of St George's Post-infarction Research Survey Programme).

10 2. Pomiar HRV w dziedzinie czasu Metoda geometryczna: interwały zamienione na zmienne dyskretne, długości przedziałów ok. 8 ms, nagrania co najmniej 20 min, podstawowy pomiar zależności geometrycznych (np. szerokości przedziałów histogramu) jest przetworzony w miarę HRV, zależności geometryczne są interpolowane przez matematycznie zdefiniowane kształty (np. poprzez trójkąt albo przez przybliżenie różniczkowego histogramu krzywą eksponencjalną), geometryczne kształty są sklasyfikowane jako różne klasy HRV (np. eliptyczne, liniowe, trójkątne kształty wykresu Lorenza).

11 2. Pomiar HRV w dziedzinie czasu Variable Units Description HRV triangular index Total number of all NN intervals(integral of the density distribution) divided by the height of the histogram of all NN intervals(maximum of the density distribution) measured on a discrete scale with bins of ms (1/128 seconds), permits only casual preprocessing of the ECG signal TINN ms The triangular interpolation of NN interval histogram - Baseline width of the minimum square difference(of the distribution measured as a base of a triangle aproximating the NN interval distribution) triangular interpolation of the highest peak of the histogram of all NN intervals Differential index Logarithmic index ms Difference between the widths of the histogram of differences between adjacent NN intervals measured at selected heights (eg, at the levels of 1000 and samples) Coefficient φ of the negative exponential curve k e -φt, which is the best approximation of the histogram of absolute differences between adjacent NN intervals

12 2. Pomiar HRV w dziedzinie czasu To perform geometric measures on the NN interval histogram, the sample density distribution D is constructed, which assigns the number of equally long NN intervals to each value of their lengths. The most frequent NN interval length X is established, that is, Y=D(X) is the maximum of the sample density distribution D. The HRV triangular index is the value obtained by dividing the area integral of D by the maximum Y. When the distribution D with a discrete scale is constructed on the horizontal axis, the value is obtained according to the formula HRV index=(total number of all NN intervals)/y. For the computation of the TINN measure, the values N and M are established on the time axis and a multilinear function q constructed such that q(t)=0 for t N and t M and q(x)=y, and such that the integral_0^+inf (D(t)- q(t)) 2 dt is the minimum among all selections of all values N and M. The TINN measure is expressed in milliseconds and given by the formula TINN=M-N.

13 2. Pomiar HRV w dziedzinie czasu Główne zalety niewrażliwość na analityczne własności serii NN. Główna wada potrzebna duża liczba danych.

14 2. Pomiar HRV w dziedzinie czasu Najlepsze zmienne dla dziedziny czasowej: SDNN (szacuje całość zapisu HRV), HRV triangular index (szacuje całość zapisu HRV), SDANN (szacuje długo-trwające zapisy HRV), RMSSD (szacuje krótko-trwające zapisy HRV), Uwaga: technik długo- i krótko-trwających zapisów nie można stosować wymiennie ani ich porównywać ze zmiennymi wyrażającymi całość nagrania HRV.

15 3. Pomiar HRV w dziedzinie częstości Krótko-trwające nagrania (2-5min): VLF (wątpliwy pomiar), LF, HF, Spectral analysis (autoregressive model, order 12) of RR interval variability in a healthy subject at rest and during 90 head-up tilt. At rest, two major components of similar power are detectable at low and high frequencies. During tilt, the LF component becomes dominant, but as total variance is reduced, the absolute power of LF appears unchanged compared with rest. Normalization procedure leads to predominant LF and smaller HF components, which express the alteration of spectral components due to tilt. Pie charts show the relative distribution together with the absolute power of the two components represented by the area. During rest, the total variance of the spectrum was 1201 ms 2, and its VLF, LF, and HF components were 586 ms 2, 310 ms 2, and 302 ms 2, respectively. Expressed in normalized units (nu), the LF and HF were and nu, respectively. The LF/HF ratio was During tilt, the total variance was 671 ms 2, and its VLF, LF, and HF components were 265 ms 2, 308 ms 2, and 95 ms 2, respectively. The LF and HF were and nu, respectively. The LF/HF ratio was Thus, note that for instance, the absolute power of the LF component was slightly decreased during tilt while the normalized units of LF were substantially increased.

16 3. Pomiar HRV w dziedzinie częstości Variable Units Description Frequency Range 5-min total power ms2 The variance of NN intervals over the temporal segment 0.4 Hz VLF ms 2 Power in VLF range < 0.04 Hz LF ms 2 Power in LF range Hz LF norm nu LF power in normalized units LF/(total power-vlf)x100 HF ms 2 Power in HF range Hz HF norm ms 2 HF power in normalized units LF/(total power-vlf)x100 LF/HF Ratio LF/HF

17 3. Pomiar HRV w dziedzinie częstości Długo-trwające nagrania (24h): LF i HF nie są uważane za stabilne, Example of an estimate of power spectral density obtained from the entire 24-hour interval of a long-term Holter recording. Only the LF and HF components correspond to peaks of the spectrum, while the VLF and ULF can be approximated by a line in this plot with logarithmic scales on both axes. The slope of such a line is the measure of HRV.

18 3. Pomiar HRV w dziedzinie częstości Variable Units Description Frequency Range Total power ms 2 Variance of all NN intervals 0.4 Hz ULF ms 2 Power in the ULF range < Hz VLF ms 2 Power in the VLF range Hz LF ms 2 Power in the LF range Hz HF ms 2 Power in the HF range Hz α Slope of the lienar interpolation of the spectrum in log-log scale 0.04 Hz

19 3. Pomiar HRV w dziedzinie częstości Przykład opracowania spektralnego - Interval tachogram of 256 consecutive RR values in a normal subject at supine rest (a) and after head-up tilt (b). The HRV spectra are shown, calculated by parametric autoregressive modeling (c and d) and by a fast Fourier transform based nonparametric algorithm (e and f). Mean values (m), variances (s 2 ), and the number (N) of samples are indicated. For c and d, VLF, LF, and HF central frequency, power in absolute value and power in normalized units (n.u.) are also indicated together with the order p of the chosen model and minimal values of the prediction error whiteness test (PEWT) and optimal order test (OOT) that satisfy the tests. In e and f, the peak frequency and the power of VLF, LF, and HF were calculated by integrating the power spectral density (PSD) in the defined frequency bands. The window type is also specified. In c through f, the LF component is indicated by dark shaded areas and the HF component by light shaded areas.

20 4. Krótkie porównanie Timie Domain Variable Approximate Frequency Domain Correlate SDNN HRV triangular index TINN SDANN SDNN index RMSSD SDSD NN50 count pnn50 Differential index Logarithmic index Total power Total power Total power ULF Mean of 5-minute total power HF HF HF HF HF HF

21 4. Krótkie porównanie Example of four synthesized time series with identical means, standard deviations, and ranges. Series (c) and (d) also have identical autocorrelation functions and therefore identical power spectra. Reprinted with permission. Na rysunku widzimy, że metody obu dziedzin mają ograniczenia związane z nieregularnością serii RR. Różne profile analizowane tymi technikami mogą dawać te same wyniki. Interwały RR są zdeterminowane własnościami rytmu serca i badaniem relacji tych interwałów.

22 4. Krótkie porównanie Wnioski: Przy nagraniach krótko-trwających powinny być wybierane metody z dziedziny częstości. Metody dziedziny czasowej, szczególnie SDNN i RMSSD mogą być użyte do badań nagrań krótko-trwających. Metody częstościowe zazwyczaj prowadzą do wyników łatwo interpretowalnych na gruncie fizjologii (mniejsza stabilność rytmu serca sprawia że trudniej zinterpretować metody częstościowe). Eksperymenty pokazują, że istotna część długo-trwających zapisów może wnosić wkład w różnice zapisów z dnia i nocy. Dziedzina czasowa sprawdzi się w nagraniach nocnych, przynajmniej 18h.

23 5. Effect of missing RR... Motywacja: metody dziedziny czasowej są użyteczne dla aplikacji klinicznych, pomiary HRV w tej dziedzinie są użyteczne dla pomiarów dziennych aczkolwiek pojawiają się artefakty, które trzeba usunąć, znaleźć metodę na dobre poradzenie sobie z artefaktami.

24 5. Effect of missing RR... Doświadczenie metoda CC-EKG, wrażliwa na ruch, z artefaktami, symulacja brakujących interwałów przy użyciu tradycyjnych Ag-AgCl elektrod.

25 5. Effect of missing RR... metody i wyniki: symulacje brakujących interwałów RR, prawdziwe braki interwałów RR.

26 5. Effect of missing RR... Metody symulacje brakujących danych: 18 długo-trwających tachogramów, 24h nagrania u ludzi nie przejawiających arytmii: 5 mężczyzn (26-45lat) i 13 kobiet (20-50lat), rytm próbki wynosi 128Hz, 2615 zbiorów interwałów RR (użyte tylko interwały NN) 5cio min dla krótko-trwającej analizy HRV, w każdym zbiorze usuwano losowo interwał RR a jego trwanie było zwiększane od 0 do 100 s, liczba zbiorów symulacji: = 2615*20 brakujących interwałów, 1000 przebiegów Monte Carlo, ewoluowały: Mean RR (interval RR), SDNN, SDSD, RMSSD, pnn50.

27 5. Effect of missing RR... Metody - prawdziwe braki interwałów RR: Typowe przykłady z artefaktami ruchowymi. Ostatni: niezamalowane kropki oryginalne RR, czarne kropki - brakujące interwały RR z CC- EKG. Rysunek pokazuje typowe sygnały EKG i CC- EKG. Nagrania CC-EKG podczas snu trwały ok. 6h i były używane do obliczeń a umowny LEAD- II EKG był nagrywany równolegle by móc zrobić porównanie. Do analizy, brakujące i oryginalne interwały były podzielone na odcinki 5cio minutowe z 30s przesunięciami. Obliczono czas trwania brakujących interwałów w każdym z odcinku oraz REs w parametrach czasowych: MeanNN, SDNN, SDSD, RMSSD, pnn50. Były szacowane przez porównanie parametrów wyliczonych z oryginalnych i brakujących interwałów RR.

28 5. Effect of missing RR... Wyniki - symulacje brakujących interwałów RR: Wykresy 3D prawdopodobieństwa REs odpowiednio do trwania brakujących interwałów. Przedział osi RE jest 0-10% w a-e i 0-60% w f.

29 5. Effect of missing RR... Wyniki - symulacje brakujących interwałów RR: Wykresy 3D statystyczne REs w MeanNN, SDNN, SDSD, RMSSD i pnn50 należnie do czasu trwania brakujących interwałów i oryginalnych wartości MeanNN. Prawe i lewe kolumny pokazują odpowiednio główne wyniki SD i RE.

30 5. Effect of missing RR... Wyniki - symulacje brakujących interwałów RR: Całkowity, statystyczny wynik REs bazujący na czasie trwania brakujących interwałów. Maximum REs w 95% wszystkich danych jest uzyskiwany z wyników symulacji Monte Carlo dla każdego parametru.

31 5. Effect of missing RR... Wyniki - prawdziwe braki interwałów RR: Dziedzina czasowa parametrów HRV rzeczywistych braków interwałów RR(-) i oryginalnych interwałów RR (- -) uzyskanych z CC EKG oraz typowe EKG (lewa kolumna) i REs pomiędzy oryginalnymi a brakującymi wartościami (praw kolumna).

32 5. Effect of missing RR... Wyniki - prawdziwe braki interwałów RR: Korelacje brakujących i oryginalnych danych.

33 5. Effect of missing RR... Dyskusja końcowa: czas trwania brakujących interwałów i pierwotne wartości w niewielkim stopniu wpływają na MeanNN (może być efektem finite population correction ), natomiast w znacznym stopniu wpływają na pnn50, SDNN jest rzetelne gdy czas trwania brakującego interwału jest mniejszym niż 35 s, SDSD i RMSSD ograniczenie czasowe pozwalające na rzetelną analizę HRV wynosi 55s, uwaga: wszystkie te wyniki zostały wywnioskowane z krótko-trwającej analizy HRV, czas trwania brakujących interwałów może być łatwo wykryty za pomocą prostego przetwarzania sygnałów i użycia drugiego czujnika dla artefaktów, wobec tego, uznaje się, że dostępne parametry do analizy HRV powinny być dobierane z uwzględnieniem czasów trwania brakujących danych.

34 Task Force of the European Society of Cardiology the North American Society of Pacing Electrophysiology Heart Rate Variability Standards of Measurement, Physiological Interpretation, and Clinical Use, Circulation. 1996;93:10 Ko Keun Kim, Yong Gyu Lim, Jung Soo Kim, Kwang Suk Park Effect of missing RR-interval data on HRV analysis in the time domain, Physiological Measurement 28 (2007)