ВАРИАБЕЛЬНОСТЬ СЕРДЕЧНОГО РИТМА. CТАНДАРТЫ ИЗМЕРЕНИЯ, ФИЗИОЛОГИЧЕСКОЙ ИНТЕРПРЕТАЦИИ И КЛИНИЧЕСКОГО ИСПОЛЬЗОВАНИЯ.

Ключевые слова эхокардиография, электрокардиография, сердечный ритм, фактор риска, автономная нервная система, компьютеры

Key words echocardiography, electrocardiography, heart rate, risk factor, autonomic nervous system, computers

Аннотация От редакции. В настоящее время в России и странах СНГ широкое распространение получили методы оценки вариабельности сердечного ритма. При этом их применение не всегда методически оправдано, а оценки полученных результатов иногда страдают субъективизмом. Нельзя не обратить внимание, что различными исследователями применяются различные критерии. Поэтому редакции представляется целесообразным опубликовать полный перевод рекомендаций рабочей группы Европейского Кардиологического Общества и Северо-Американского общества стимуляции и электрофизиологии, напечатанных в Europian Heart Journal.

Annotation

Номера и рубрики ВА-N11 от 25/04/1999, стр. 53-78 /.. Рекомендации

ВВЕДЕНИЕ

За последние два десятилетия были выявлены существенные взаимосвязи между вегетативной нервной системой и смертностью от сердечно-сосудистых заболеваний, включая внезапную смерть [1-4]. Экспериментальные подтверждения связи между предрасположенностью к летальным аритмиям и признакам повышенной симпатической или пониженной вагусной активности стимулировали развитие в области исследований количественных показателей вегетативной активности.

Вариабельность сердечного ритма (ВСР) представляет собой один из наиболее многообещающих показателей такого рода. Сравнительно несложная модификация метода популяризовала его применение. По мере появления все большего количества устройств, обеспечивающих автоматическое измерение ВСР, у кардиолога появляется достаточно простой инструмент для решения как исследовательских, так и клинических задач [5]. Однако смысл и значимость многих показателей ВСР более сложны, чем принято считать, а следовательно, существует потенциальная возможность неверных заключений и необоснованных экстраполяций.

Осознание этой проблемы Европейским кардиологическим обществом и Северо-американским обществом стимуляции и электрофизиологии привело к созданию совместной Рабочей группы для разработки соответствующих стандартов. Основными задачами этой Рабочей группы являлись стандартизация номенклатуры и разработка определений терминов, спецификация стандартных методов измерения, определение физиологических и патофизиологических коррелят, описание клинических показаний к применению и определение областей исследовательского поиска.

Для решения этих задач состав Рабочей группы был собран из представителей различных областей математики, проектирования, физиологии и клинической медицины. Стандарты и предложения, приведенные в данном документе, призваны не ограничивать дальнейшее развитие, а наоборот, обеспечивать возможность сравнения и интерпретации результатов и вести к дальнейшему прогрессу в данной области.

Феномен, которому посвящена данная статья, заключается в колебаниях интервала между последовательными ударами сердца, а также колебаниях между последовательными частотами сердечных сокращений. Термин "Вариабельность сердечного ритма" стал общепринятым термином при описании изменений как частоты сердцебиений, так и интервалов RR. Для описания колебаний последовательных сердечных циклов в литературе использовались иные термины, такие как вариабельность длины цикла, вариабельность периодов сердца, вариабельность RR интервалов и тахограмма RR интервалов. Эти термины позволяли подчеркнуть, что предметом исследования является именно интервал между последовательными сокращениями, а не частота сердечных сокращений. Однако они не получили такого широкого распространения, как ВСР, поэтому в данном документе будет использоваться термин ВСР.

ПРЕДИCТОРИЯ

Клиническое значение вариабельности сердечного ритма было впервые оценено в 1965 году, когда Hon и Lee [6] отметили, что дистрессу плода предшествовала альтернация интервалов между сокращениями до того, как произошли какие-либо различимые изменения в собственно сердечном ритме. Двадцать лет спустя Sayers с соавт. обратили внимание на присутствие физиологических ритмов в сигнале сердцебиения [7-10]. В течение 1970-х г.г. Ewing и соавт. предложили несколько простых тестов, выполнимых у постели больного, с помощью которых по кратковременным изменениям RR-интервалов выявлялась вегетативная нейропатия у больных сахарным диабетом. Взаимосвязь большего риска смерти у больных перенесших инфаркт миокарда со сниженной ВСР была впервые продемонстрирована Wolf и соавт. в 1977 г. [12]. В 1981 г. Akselrod и соавт. использовали спектральный анализ колебаний сердечного ритма для количественного определения показателей сердечно-сосудистой системы от удара к удару.

Эти методы частотного анализа способствовали пониманию некоторых автономных причин наблюдаемых в записи сердечного ритма флуктуаций RR интервалов [14, 15]. Клиническая значимость ВСР была выявлена в конце 1980-х г.г., когда было подтверждено, что ВСР представляет собой устойчивый и независимый предиктор смерти у больных перенесших острый инфаркт миокарда [16, 18]. В связи с доступностью новых цифровых высокочастотных 24-часовых многоканальных устройств для записи ЭКГ ВСР обладает потенциалом для обеспечения дополнительной ценной информации о физиологических и патофизиологических состояниях и для улучшения оценки риска.

ОПРЕДЕЛЕНИЕ ВАРИАБЕЛЬНОСТИ РИТМА СЕРДЦА

Методы временной области
(Time Domain Methods)

Изменчивость ЧСС может быть оценена множеством методов. Возможно, простейшими в применении являются методы оценки во временной области. В этих методах в расчет берутся либо значения ЧСС, вычисленные в каждый момент времени, либо интервалы между последовательными комплексами. В непрерывной записи ЭКГ детектируется каждый QRS комплекс и вычисляются так называемые нормальный к нормальному интервалы (NN), т.е. интервалы между смежными комплексами QRS, являющимися результатом деполяризации клеток синусового узла, либо определяется мгновенная ЧСС. Простейшие переменные, которые могут быть вычислены: средний NN интервал, средняя ЧСС, разница между самым длинным и самым коротким NN интервалом, отличие между дневной и ночной ЧСС и т.д. Могут исcледоваться также вариации мгновенной ЧСС, связанные с дыханием, ортостатическим (tilt) тестом, маневром Вальсальвы, инфузией фенилэфрина. Изменения могут быть описаны при анализе величины ЧСС или длины сердечного цикла (RR).

Статистические методы

На основе серии мгновенных ЧСС или интервалов NN, записанных в течение длительного промежутка времени, обычно за 24 часа, могут быть вычислены более сложные показатели - статистические временные показатели. Их можно разделить на две группы: (1) - полученные при обработке прямых измерений мгновенной ЧСС или NN интервалов. (2)- вычисленные на основе разницы между NN интервалами. Эти показатели могут вычисляться за все время наблюдения или за какие- то определенные промежутки в течение периода записи, что позволяет сравнивать ВСР в различные моменты жизнедеятельности, как то сон, отдых, и т.д.

Наиболее удобная для вычисления переменная - стандартное отклонение NN интервалов - (SDNN) - квадратный корень из разброса NN. Поскольку величина под корнем математически эквивалентна общей мощности в спектральном анализе, SDNN отражает все циклические компоненты, ответственные за вариабельность в течение периода записи. Во многих исследованиях SDNN вычисляется за весь 24-часовой период и таким образом включает в себя и кратковременные высокочастотные изменения, и компоненты очень низкой частоты, имевшие место в течение 24-часового периода. Когда период записи сокращается, SDNN оценивает все более короткие сердечные циклы. Необходимо отметить, что при прочих равных условиях общая величина вариабельности возрастает при увеличении длины исследуемой записи [19]. Для произвольно снятой ЭКГ SDNN не лучший статистический количественный показатель ввиду его зависимости от длины периода записи. На практике некорректно сравнивать SDNN, вычисленные на записях различной длительности. Продолжительность записей, на которых предполагается вычислять SDNN, должна быть стандартизована. Подходящими являются 5-минутная и 24-часовая длительность.

Обычно используемые статистические показатели включают также SDANN- стандартное отклонение средних NN, вычисленных за короткие промежутки времени (обычно 5-ти минутные), которое позволяет оценить изменения ЧСС цикличностью с периодом более 5 минут и SDNN index - среднюю 5-минутных стандартных отклонений NN интервалов, вычисленных за 24 часа, отражающий вариабельность с цикличностью менее 5 минут.

Наиболее часто используемые показатели, определяемые из межинтервальных различий включают RMSSD- квадратный корень средних квадратов разницы между смежными NN интервалами, NN50- количество случаев, в которых разница между длительностью последовательных NN, превышает 50 мсек., pNN50 - пропорция интервалов между смежными NN, превосходящих 50 мсек., к общему количеству NN интервалов в записи. Все эти показатели отражают быстрые высокочастотные колебания в структуре ВСР и высоко коррелируют (рис.1)

Рис. 1. Соотношения между измерениями RMSSD и pNN50 (a), а также между pNN50 и NN50 (b), полученными по 857 номинальными 24-часовым холтеровским записям, полученным перед выпиской у больных, перенесших острый инфаркт миокарда. Значения NN50, приведенные на графике (b), были нормализованы с учетом длины записи (данные St. George's Post-infarction Research Survey Programme).

Геометрические методы

Последовательность NN интервалов также может быть преобразована в геометрическую структуру, такую как распределение плотности длительности NN интервалов, распределение плотности разницы между смежными NN интервалами, Лоренцовское распределение и т. д. Далее применяется простая формула , которая позволяет оценить вариабельность на основе геометрических и/или графических свойств модели. При работе с геометрическими методами используются три основных подхода: (1) - основные измерения геометрической модели (например, ширина гистограммы распределения на определенном уровне) конвертируются в измерения ВСР, (2) - определенным математическим образом (аппроксимация гистограммы распределения треугольником или дифференциальной гистограммы экспоненциальной кривой) интерполируется геометрическая модель и далее анализируются коэффициенты, описывающие эту математическую форму, (3) - геометрическая форма классифицируется, различается несколько категорий образцов геометрической формы, представляющих различные классы ВСР (эллиптическая, линейная, треугольная форма кривой Лоренца). Большинство геометрических методов требуют, чтобы последовательность NN интервалов была измерена, либо конвертирована в дискретную шкалу, что обычно выполняется не вполне строго, но позволяет получать сглаженные гистограммы. Наиболее часто используемая частота дискретизации 8 мсек (точнее, 1/128 секунды), что соответствует возможностям серийно выпускаемого оборудования.

Триангулярный индекс - интеграл плотности распределения (а это общее количество NN интервалов), отнесенный к максимуму плотности распределения. При использовании дискретной шкалы NN интервалов его значение может зависить от частоты дискретизации. Таким образом, если используется дискретная аппроксимация измерений с частотой, отличной от наиболее часто встречающейся 128 Гц, то необходимо указывать применявшуюся частоту измерений. Треугольная интерполяция гистограммы NN интервалов (TINN) - это ширина основания распределения, измеренная как основание треугольника, полученного при аппроксимации распределения NN-интервалов методом наименьших квадратов. Детали вычисления триангулярного индекса вариабельности и TINN показаны на рис. 2. Оба эти измерения выражают общую вариабельность сердечного ритма, измеренную за 24 часа, и более зависимы от низкочастотных, нежели от высокочастотных составляющих [17]. Другие геометрические методы находятся еще в состоянии исследования и объяснения [20, 21].

Рис. 2. Для проведения геометрических измерений по гистограмме NN-интервалов вначале конструируется плотность распределения выборки D, т. е. соответствие между каждым значением длины NN-интервала в выборке и количеством интервалов, имеющих эту длину. Затем определяется длина X наиболее часто встречающихся NN-интервалов, при этом Y=D(X) - максимум плотности распределения выборки. Триангулярный индекс ВСР представляет собой значение, полученное делением интеграла под кривой D на Y. При использовании дискретной шкалы по горизонтальной оси это значение равно общему числу NN-интервалов, деленному на величину Y.

Для вычисления значения TINN на оси времени задаются точки N и M, после чего конструируется мультилинейная функция q, такая, что q(t)=0 для t<N и t>M, и интеграл

минимален при всех возможных значениях между N и M. Величина TINN имеет размерность миллисекунд и выражается формулой TINN = M - N.

Главное преимущество геометрических методов заключается в их относительной нечувствительности к аналитическому качеству серии RR-интервалов [20]. Самым большим недостатком является необходимость приемлемого количества NN-интервалов для построения геометрической модели. На практике для уверенности в корректности применения геометрических методов нужно использовать записи не короче 20 минут (но предпочтительнее 24 часа). Современные геометрические методы не подходят для оценки быстрых изменений вариабельности.

Выводы и рекомендации

Семейство временных характеристик ВСР приведено в табл. 1. Поскольку многие из величин, получаемых при анализе ВСР во временной области, тесно коррелируют с другими, к использованию рекомендуются следующие 4 показателя:

1. SDNN - для оценки общей ВСР,
2. триангулярный индекс ВСР - для оценки общей ВСР,
3. SDANN - для оценки низкочастотных компонент вариабельности,
4. RMSSD - для оценки высокочастотных компонент вариабельности.

Таблица 1.

Некоторые временные характеристики ВСР

Два способа оценки общей ВСР рекомендованы в связи с тем, что триангулярный индекс позволяет провести лишь грубую оценку ЭКГ сигнала. Из методов, в основе которых лежит анализ разницы между смежными NN, предпочтительнее вычисление RMSSD, так как он обладает лучшими статистические свойствами, чем NN50 и pNN50.

Методы оценки общей вариабельности сердечного ритма и ее компонентов с коротким и длинным периодом не могут заменить друг друга. Выбор метода должен соответствовать целям конкретного исследования. Методы, которые могут быть рекомендованы для клинической практики, суммированы в разделе "Клиническое использование анализа вариабельности сердечного ритма".

Необходимо сознавать отличия между параметрами, вычисляемыми на основе длин интервалов NN или значений мгновенной ЧСС и величинами, рассчитанными из разницы смежных NN.

Наконец, некорректно сравнение временных величин, особенно характеризующих общую вариабельность, вычисленных на основе записей различной длительности.

Другие практические рекомендации изложены в разделе "Требования к записи".

Методы частотной области.
(Frequency Domain Methods)

Различные методы спектрального анализа [23] тахограмм применяются с конца 60-х годов. Анализ спектральной плотности мощности (PSD) дает информацию о распределении мощности в зависимости от частоты колебаний.

Методы вычисления спектральной плотности мощности могут быть классифицированы на параметрические и непараметрические; в большинстве случаев обе группы методов дают сравнимые результаты. Положительными чертами непараметрических методов являются: (а) простота используемого алгоритма (в большинстве случаев, быстрое преобразование Фурье - БПФ), (б) быстрота вычисления, в то время как к преимуществам параметрических методов можно отнести: (а) более гладкие спектральные компоненты, различимые независимо от предварительно выбранной полосы частот, (б) простая обработка полученного спектра с автоматическим вычислением низкочастотных и высокочастотных компонентов спектра и простой идентификацией основной частоты каждого компонента, (в) точная оценка спектральной плотности мощности даже при малом числе образцов, где сигнал, как предполагается, стационарен. Основным недостатком непараметрических методов можно считать необходимость верификации того факта, что выбранная модель удовлетворяет предъявляемым требованиям, и ее сложность (порядок модели).

Спектральные компоненты.

Короткие записи. В спектре, полученном при анализе коротких записей (от 2 до 5 минут) [7, 10, 13, 15, 24], различают три главных спектральных компонента: очень низких частот (ОНЧ), низких частот (НЧ) и высоких частот (ВЧ). Распределение мощности и центральная частота каждого компонента не фиксированы, а могут варьировать в связи с изменениями автономных модуляций сердечного цикла [15, 24, 25]. Менее всего ясна физиологическая сущность компонента ОНЧ, более того, наличие специфического физиологического процесса, которому могут быть приписаны колебания в этом диапазоне, вообще спорно. Негармонический компонент, не имеющий когерентных свойств, который может быть выделен при применении алгоритмов корректировки дрейфа нулевого уровня, составляет основную часть ОНЧ. Таким образом, смысл полученного при обработке коротких записей (например, менее 5 мин) компонента ОНЧ спорен, и его интерпретации при спектральном анализе коротких электрокардиограмм лучше избегать.

Измерение мощности ОНЧ, НЧ, ВЧ обычно осуществляется в абсолютных единицах мощности (мс²), но НЧ и ВЧ могут быть дополнительно выражены в нормализованных единицах, [15, 24] которые отражают относительный вклад каждого из компонентов в пропорции к общей мощности за вычетом ОНЧ-компонента. Представление НЧ и ВЧ компонентов в нормализованных единицах подчеркивает контролируемое и сбалансированное поведение двух звеньев автономной вегетативной нервной системы. Более того, нормализация минимизирует влияние изменений общей мощности на уровень НЧ и ВЧ компонентов (рис. 3). Тем не менее, при использовании нормализованных единиц всегда необходимо ссылаться на абсолютные значения НЧ и ВЧ компонентов для описания в общих чертах распределения мощности спектра.

Рис. 3. Спектральный анализ (авторегрессионная модель 12-го порядка) вариабельности RR-интервалов здорового человека в состоянии покоя (rest) и во время тилт-теста (tilt) с подъемом на 900. В состоянии покоя обнаруживаются две основные спектральные компоненты с высокой (HF) и низкой (LF) частотой, примерно одинаковой мощности. При подъеме НЧ составляющая становится доминирующей, однако, поскольку суммарная вариабельность уменьшается, абсолютная мощность НЧ составляющей остается неизменной по сравнению с состоянием покоя. Процедура нормализации приводит к доминированию НЧ и уменьшению ВЧ составляющей, что отражает изменение спектрального состава вследствие подъема. Круговые диаграммы иллюстрируют соотношение двух спектральных компонент и их абсолютную мощность. В состоянии покоя общая мощность спектра составляла 1201 мс², а мощность ОНЧ, НЧ и ВЧ компонент составляла 586 мс², 310 мс² и 302 мс², соответственно. В нормализованных единицах мощность НЧ и ВЧ компонент составляла 48,95 н.е. и 47,78 н.е., соответственно. Отношение НЧ/ВЧ было равно 1,02. Во время подъема суммарная мощность была 671 мс², а мощность ОНЧ, НЧ и ВЧ составляющих - 265 мс², 308 мс2 и 95 мс² соответственно. В нормализованных единицах мощность НЧ и ВЧ компонент составляла 75,96 н.е. и 23,48 н.е. соответственно. Отношение НЧ/ВЧ было равно 3,34. Таким образом, в данном примере абсолютная мощность НЧ составляющей спектра во время подъема слегка уменьшилась, в то время как нормализованная величина этой составляющей существенно возросла.

Длинные записи. Спектральный анализ может использоваться и для анализа последовательности NN интервалов за весь 24-х часовой период; в этом случае наряду с ОНЧ, НЧ, и ВЧ компонентами будет получен и ультранизкочастотный (УНЧ) компонент спектра. Для характеристики спектра может использоваться -наклон суточного спектра, построенного в двойной логарифмической шкале. В табл. 2 приведены некоторые спектральные характеристики ВСР.

Таблица 2.

Некоторые частотные характеристики ВСР

Величина	Единицы	Описание	Частотный диапазон
Анализ кратковременных записей (5 мин)
5-минутная полная мощность	мс2	Изменчивость RR-интервалов во временном сегменте	Приблизительно <=0,4 Гц
ОНЧ	мс2	Мощность в диапазоне очень низких частот	<= 0,04 Гц
НЧ	мс2	Мощность в диапазоне низких частот	0,04-0,15 Гц
НЧ норм.	н.е.	Мощность в диапазоне низких частот в нормализованных единицах: НЧ/(общая мощность-ОНЧ).100	-
ВЧ	мс2	Мощность в диапазоне высоких частот	0,15-0,4Гц
ВЧ норм.	-	Мощность в диапазоне высоких частот в нормализованных единицах: ВЧ/(общая мощность-ОНЧ). 100	-
НЧ/ВЧ	-	Отношение низкочастотной к высокочастотной составляющей	-
Анализ 24-часовой записи
Общая мощность	мс2	Изменчивость всех RR-интервалов	Приблизительно <=0,4Гц
УНЧ	мс2	Мощность в диапазоне ультранизких частот	<=0,003 Гц
ОНЧ	мс2	Мощность в диапазоне очень низких частот	0,003-0,04Гц
НЧ	мс2	Мощность в диапазоне низких частот	0,04-0,15Гц
ВЧ	мс2	Мощность в диапазоне высоких частот	0,15-0,4Гц
	-	Наклон линейной интерполяции спектра, построенного в логарифмическом масштабе по обеим осям	Приблизительно <= 0,4 Гц

В отношении длинных записей часто дискутируется проблема "стационарности". Если механизм, ответственный за определенные модуляции сердечного периода, остается неизменным на протяжении всего периода записи, то соответствующий частотный компонент может являться мерой этих модуляций. Если модуляции нестабильны, то интерпретация результатов спектрального анализа менее очевидна. В частности, нельзя полагать, что физиологические механизмы модуляций ритма сердца, опосредующие НЧ и ВЧ компоненты спектра остаются постоянными в течение суток [25]. Таким образом, спектральный анализ, проведенный за весь 24-часовой период, так же как и анализ коротких сегментов (5 минут) с усреднением за весь период регистрации (сутки) (результаты, полученные этими двумя методами практически не отличаются [26, 27] ) подразумевает усреднение модуляций, стоящих в основе ВЧ и НЧ компонентов (рис. 4). Подобные обобщения затушевывают детальную информацию относительно модуляций вегетативной нервной системы, которую возможно получить при анализе коротких записей [25]. Необходимо помнить, что анализ спектрального состава ВСР обеспечивает скорее оценку степени автономных модуляций, нежели уровня автономного тонуса [28], а усреднение модуляций не дает среднего уровня автономного тонуса.

Рис. 4. Пример оценки спектральной плотности мощности, полученной по всему 24-часовому интервалу длительной холтеровской записи. Только низкочастотная (LF) и высокочастотная компоненты (HF) соответствуют пикам спектра, в то время как очень низкочастотная (VLF) и ультранизкочастотная (ULF) компоненты могут быть оценены при построении графика в логарифмическом масштабе по обеим осям. Наклон этого графика представляет собой -измерение ВСР. Здесь и далее power - мощность, frequency - частота.

Технические требования и рекомендации

Ввиду важных отличий в интерпретации результатов, подходы к спектральному анализу коротких и длинных электрокардиограмм должны строго различаться, как показано в табл. 2.

Для проведения достоверной спектральной оценки анализируемый ЭКГ сигнал должен удовлетворять некоторым требованиям, любое отклонение от которых может привести к получению не воспроизводимых и плохо объяснимых результатов.

Спектральные компоненты только в том случае можно связать с определенными физиологическими механизмами модуляции ритма, если механизмы эти оставались неизменными в течение периода записи. Транзиторные физиологические феномены, возможно, могут быть доступны анализу посредством специфических методов, которые в настоящее время составляют актуальную научную тему, но не проработаны настолько, чтобы применяться в прикладных исследованиях. Для проверки стабильности сигнала с точки зрения определенных спектральных компонентов могут использоваться традиционные статистические тесты [29].

Должна быть правильно выбрана частота измерений. Низкое значение этой частоты может вызывать погрешность в определении времени появления R-волны (отправной точки измерения), что может значительно исказить спектр. Оптимальный диапазон 250-500 Гц, а возможно еще выше [30], в то время как более низкая частота (в любом случае выше 100 Гц) может вести себя удовлетворительно, только в том случае, если для облагораживания R-волны отправной точки измерения применяется параболический алгоритм интерполяции [31, 32].

Алгоритмы устранения дрейфа нулевого уровня, если они применяются, могут влиять на нижние компоненты спектра. Желательно контролировать частотную характеристику фильтра или поведение алгоритма регрессии и удостовериться, что интересующие спектральные компоненты существенно не затронуты.

Выбор отправной точки измерения QRS может быть критичным. Чтобы определить местонахождение стабильного и шумонезависимого ориентира, необходимо использовать надежный алгоритм [33]. Заметим, что на отправную точку измерения, расположенную далеко внутри QRS-комплекса, могут влиять нарушениями внутрижелудочковой проводимости.

Экстрасистолы и другие аритмии, дефекты записи, ее зашумленность могут вносить изменения в оценку спектральной плотности мощности вариабельности сердечного ритма. Адекватная интерполяция (методом линейной регрессии или другими сходными алгоритмами) по значению предшествующего и последующего комплекса QRS может уменьшить ошибку. Предпочтительно использовать короткие записи без экстрасистол, и шумов. При некоторых обстоятельствах, однако, подобная избирательность может приводить к необъективности. В таких случаях нужно проводить надлежащую интерполяцию; необходимо принимать во внимание, что полученные результаты могут зависить от наличия экстрасистолии [34]. Нужно также указывать число и относительную длительность интерполированных или выброшенных из обработки RR интервалов.

Алгоритмические стандарты и рекомендации.

Наборы данных, подвергаемых спектральному анализу, могут быть получены различными путями. Полезным иллюстративным представлением результатов является последовательность дискретных событий (DES), представляющая собой график зависимости интервалов Ri - Ri-1 от времени (время отмечается в момент появления очередного очередного Ri), которая представляет собой сигнал, измеренный в нерегулярные моменты. Кроме того, во многих исследованиях использовался спектральный анализ последовательности мгновенных ЧСС [26].

Спектр сигнала ВСР обычно вычисляется либо на основе тахограммы RR-интервалов (т.е. зависимости длительности RR от порядкового номера удара - см. рис. 5.a,b), или интерполяцией последовательности дискретных событий, после чего непрерывный сигнал является функцией времени, или вычислением спектра отсчетов одиночных импульсов как функции времени в соответствии с каждым распознанном комплексом [35]. Выбор типа представления исходных данных может сказываться на морфологии и единицах измерения спектра, а также определяемых параметрах спектров. С целью стандартизации подходов может быть предложено использование тахограммы RR-интервалов и параметрических методов или интерполированной дискретной последовательности событий и непараметрических методов. Однако для анализа интерполированной дискретной серии могут применяться и параметрические методы. Максимальная частота интерполяции дискретной серии должна быть существенно выше, чем Найквистовская частота спектра и не находиться в пределах интересующего частотного диапазона.

Рис. 5. Интервальная тахограмма по 256 последовательным RR-интервалам здорового человека, лежащего на спине (a), и после тилт-теста (b). Приведены спектры ВСР, вычисленные при помощи параметрической авторегрессионной модели (c и d), а также спектры, вычисленные при помощи непараметрического алгоритма на базе быстрого преобразования Фурье (e и f). На тахограммах приведены средние значения, разбросы величин и количества точек в выборках. На графиках (c) и (d) приведены центральные частоты и мощности в абсолютных и нормализованных единицах для ОНЧ, НЧ и ВЧ компонент, а также порядок p использованной модели и минимальные значений PEWT и OOT, удовлетворяющие тестам. На графиках (e) и (f) приведены пиковая частота и мощность ОНЧ, НЧ и ВЧ компонент, вычисленной интегрированием спектральной плотности мощности (PSD) в заданном частотном диапазоне, а также тип окна. На графиках (c) - (f) НЧ компонента показана темно-серым цветом, а ВЧ - светло-серым.

Стандарты для непараметрических методов (основанных на преобразовании Фурье) должны включать значения, представленные в табл. 2, формулу интерполяции дискретной последовательности событий, частоту дискретизации интерполяционной кривой, число точек, использованных для вычисления спектра, и использованные спектральные окна (наиболее часто применяются окна Hann, Hamming, треугольные окна) [36]. Также необходимо указывать метод вычисления мощности в зависимости от используемого окна. В дополнение к требованиям, изложенным в других частях документа, каждое исследование, использующее непараметрические методы спектрального анализа ВСР, должно ссылаться на все эти параметры.

Стандарты для параметрических методов должны включать величины, представленные в табл. 2, тип модели, число точек, центральную частоту для каждого спектрального компонента (ВЧ и НЧ) и порядок модели (количество параметров). Более того, посредством вычисления статистических цифровых данных проверяется адекватность модели. Тест Prediction error whiteness test (PEWT) дает информацию о пригодности модели [37], в то время как тест оптимального порядка (ООТ) проверяет пригодность порядка модели [38]. Существуют различные возможности проведения ООТ, которые включают определение ошибки окончательного предсказания и информационного критерия Акайка (Akaike). Для выбора порядка р авторегрессионной модели могут быть предложены следующие оперативные критерии: порядок модели должен находиться в пределах 8-20, удовлетворять тесту PEWT и подчиняться тесту OOT (р=min(OOT)).

Корреляции и отличия измерений во временной и частотной области.

Имеется больше экспериментальных и теоретических знаний по физиологической интерпретации частотного анализа стационарных коротких записей, нежели их анализа при помощи вре