ВАРИАБЕЛЬНОСТЬ СЕРДЕЧНОГО РИТМА: СТАНДАРТЫ ИЗМЕРЕНИЯ, ПОКАЗАТЕЛИ, ОСОБЕННОСТИ МЕТОДА

Ключевые слова вариабельность сердечного ритма, временные и частотные показатели сердечного ритма, 5-минутная и 24-часовая запись ЭКГ

Key words heart rate variability, time and frequency domain heart rate indices, 5-minute and 24-hour ECG recordings

Аннотация Показано значение частотных показателей для физиологической интерпретации спектральных показателей 24-часовых и 5-минутных записей. Для стандартизации рекомендованы кратковременная 5-минутная запись, при стабильном физиологическом состоянии и 24-часовая запись, обработанная анализом во временной области.

Annotation The role of frequency domain analysis for physiological interpretation of special indices of 24-hour and 5-minute recordings is shown. 5-minute recording during stable physiological condition and time domain analysis of 24-hour recording are recommended for standartization purposes.

Автор Зарубин, Ф. Е.

Номера и рубрики ВА-N10 от 25/12/1998, стр. 25-30 /.. Оригинальные исследования

К настоящему времени накоплен большой фактический материал в пользу существования отчетливой взаимосвязи между состоянием вегетативной нервной системы (ВНС) и смертностью от сердечно-сосудистых заболеваний [1-4]. Эта взаимосвязь реализуется через более высокую склонность к сердечным аритмиям больных с нарушениями ВНС. Именно эти факты подтолкнули эксперименты по разработке количественных параметров оценки состояния ВНС.

Одним из наиболее перспективных методов является оценка вариабельности сердечного ритма (ВСР). К числу несомненных преимуществ ВСР следует отнести его простоту, доступность, неинвазивность и высокую информативность. Однако, популярность метода выдвигает и ряд проблем, когда показатели ВСР служат материалом для необоснованных и далеко идущих выводов, неверных трактовок и широких обобщений.

Личные впечатления об этих проблемах, полученные в результате участия в работе Международных конгрессов "Heart Failure" (Германия, 1997) и "Cardiostim" (Россия, 1998) явились основным стимулирующим фактором в изложении наших представлений.

Для описания колебаний длительностей сердечных циклов в литературе существует множество терминов, таких как вариабельность длины цикла, вариабельность R-R-интервалов, тахограмма R-R-интервалов, вариабельность сердечных периодов. Все эти термины достаточно ясно отражают тот факт, что анализируется именно последовательность длительностей R-R-интервалов, а не частота сердечных сокращений.

Однако, ни один из терминов не получил такого широкого распространения как термин ВСР (в зарубежной литературе heart rate variability - HRV). На сегодняшний день этот термин стал общепринятым для описания как представления о мгновенном сердечном ритме, так и R-R-интервалов.

В середине 60-х годов в экспериментальной медицине развилось направление, имеющее целью изучение процессов регуляции и управления сердечным ритмом [5-6]. К этому времени следует отнести и первые попытки клинической интерпретации ВСР, когда была показана связь между показателями ВСР плода и внутриутробной смертностью [7]. В 70-х г.г. исследователи как у нас в стране [8-10], так и за рубежом [11-12], сосредоточили свое внимание на выявлении и объяснении периодических составляющих сердечного ритма, их физиологической интерпретации, определении взаимосвязей характеристик ВНС и ВСР. Впервые была показана связь между повышенным смертельным риском у постинфарктных больных и низкой ВСР [13].

Более глубокая оценка состояния ВНС, взаимоотношения ВНС и ВСР, стала возможной в 80-е годы в связи с широким внедрением в клиническую практику методов спектрального анализа сердечного ритма [14-16]. Стал общепризнанным факт, что ВСР является независимым предиктором смертности после острого инфаркта миокарда (ИМ) [17-19]. Начало 90-х годов ознаменовалось существенным прогрессом метода, что было связано с внедрением новых цифровых высокочастотных многоканальных устройств 24-часовой записи ЭКГ.

Во временной области материалом для оценки ВСР являются как мгновенные значения сердечного ритма так и интервалы между последовательными нормальными комплексами QRS (норма-норма или NN-интервалы). Под нормальными понимаются QRS-комплексы, инициированные импульсами из синусового узла (CУ). Простейшими временными параметрами ВСР являются средний NN-интервал, разность между максимальным и минимальным NN-интервалами, средняя частота ритма (ЧСС), разность между ночной и дневной ЧСС и т.д.

Последовательный ряд длительностей NN-интервалов может быть материалом для расчета и более сложных временных параметров. Наиболее широко используемые временные параметры ВСР представлены в табл. 1.

Таблица 1.

Наиболее распространенные показатели ВСР во временной области.

В большинстве современных исследований SDNN рассчитывается за 24 часа, охватывая таким образом как высокочастотные, так и низкочастотные периодические составляющие сердечного ритма. При уменьшении времени записи ЭКГ, SDNN отражает все более короткие периодики сердечного ритма.

Одновременно с уменьшением длины записи общая дисперсия ВСР уменьшается [20], поэтому сравнение SDNN из разных по длине выборок NN-интервалов является статистически недостоверным (общепринятым подходом в настоящее время считается использование кратковременных 5-минутных и длительных 24-часовых записей как для оценки временных, так и частотных показателей ВСР). SDNN имеет хорошую корреляцию с pNN50 (r=0.72) и rMSSD (r=0.75); для pNN50 и rMSSD (r=0.99) [21].Для оценки общей ВСР анализируется также треугольный индекс, который по смыслу близок к используемой в отечественной литературе амплитуде моды (АМо).

Иногда используется треугольная интерполяция гистограммы NN-интервалов (TINN) - аналогичная DX величина. Главный недостаток треугольного индекса и TINN заключается в необходимости иметь выборку NN-интервалов не менее чем за 20 минут (для построения надежного геометрического образца). Это условие делает оба показателя непригодными для оценки кратковременных изменений ВСР. С сожалением приходится констатировать, что во многих отечественных исследованиях данное условие игнорируется и для оценки АМо и DX используются выборки из 100-300 NN-интервалов, что является статистически некорректным.

В оценке кратковременных компонент ВСР показатель rMSSD предпочтительнее показателей pNN50 и NN50, так как имеет лучшие статистические свойства. Для оценки продолжительных компонент ВСР рекомендуется показатель SDANN. Следует подчеркнуть, что показатели, отражающие кратковременные и продолжительные компоненты ВСР, а также общую вариабельность, не могут использоваться один вместо другого. Выбор показателей должен соответствовать цели исследования и отвечать вышеизложенным методическим требованиям и стандартам.

Методы спектрального анализа позволяют получить информацию о распределении спектральной мощности (изменчивости ритма) по частотам. Основные спектральные показатели и их короткое описание представлены в табл. 2.

Таблица 2.

Наиболее распространенные показатели ВСР в частотной области.

Колебания показателей LF и HF отражают изменения вегетативной модуляции длительностей NN-интервалов [15, 22]. Физиологический смысл VLF является неопределенным в настоящее время, что делает необходимым исключение данного показателя при оценке кратковременных записей. В большинстве работ спектральная мощность отображается в миллисекундах в квадрате (мс2). Кроме этого, показатели LF и HF могут описываться в так называемых нормализованных единицах, которые представляют собою долю каждого показателя в общей 5-минутной мощности за вычетом VLF [15, 22].

При оценке 24-часовых записей к VLF, LF и HF добавляется показатель ULF. При этом на первый план выдвигается проблема "стационарности", под которой понимается всякий случайный процесс, протекающий приблизительно однородно и имеющий вид непрерывных колебаний вокруг некоторого среднего значения на протяжении всей записи ЭКГ.

Если механизмы, модулирующие длительности NN-интервалов неизменны на протяжении всей записи, то соответствующие частотные показатели могут быть использованы для оценки ВСР. Если же это условие не соблюдается, оценка ВСР в частотной области становится неопределенной.

В настоящее время принято считать, что физиологические механизмы, модулирующие длительности NN-интервалов (которые отвечают за компоненты мощностей LF и HF), не являются стационарными для 24-часовой записи [23]. Следовательно, показатели LF и HF, подсчитанные как за весь 24-часовой период, так и за 5-минутные отрезки с последующим усреднением за 24 часа, отражают лишь средние величины модуляций, формирующих эти показатели.

Естественно, эти средние величины затемняют более точную информацию о вегетативной модуляции NN-интервалов, которая может быть оценена по коротким записям [23]. Именно по этим причинам необходимо четко разделять спектральные показатели 24-часовых и 5-минутных записей.

Для стандартизации исследований рекомендуется два типа записей:

1. Кратковременная 5-минутная запись, набранная при стабильном физиологическом состоянии и обработанная методами анализа в частотной области;

2. 24-часовая запись, обработанная методами анализа во временной области.

Материалом для спектрального анализа могут служить два типа выборок. В первом случае выборка представляется в виде последовательности дискретных событий или графика временных значений длительностей R-R-интервалов, фиксируемых в момент появления R-зубца ЭКГ. Во втором случае материалом служит последовательность мгновенных значений сердечного ритма [24]. Для успешного выделения R-зубца необходим правильный выбор частоты дискретизации.

Низкая частота приводит к дрожанию в оценке опорной точки R-зубца, что существенно изменяет спектр. Оптимальным считается диапазон от 250 до 500 Гц [25]. Другой причиной искажения спектра (особенно HF) может быть использование фильтров для устранения тренда и базовой линии. Следует проверить частотные характеристики фильтра и убедиться, что интересующие спектральные показатели существенно не меняются. Аритмии, эктопические комплексы и помехи также оказывают влияние на характеристики спектра.

В этом случае следует использовать фрагменты, в которых перечисленные события отсутствуют. Если это невозможно или вносится существенная систематическая ошибка, следует использовать подходящий метод коррекции эктопических или сознательно пропускаемых сигналов [26].

Методы вычисления спектральных показателей могут быть разделены на параметрические и непараметрические. Спектр обычно рассчитывается или из тахограммы длительностей RR-интервалов или путем интерполяции последовательности дискретных событий, в результате которой получается непрерывный сигнал как функция времени.

Для стандартизации указанных методов предполагается использовать тахограмму длительностей R-R-интервалов совместно с параметрическим методом или использовать одну и ту же интерполяцию последовательности дискретных событий совместно с непараметрическим методом. В основе непараметрических методов, как правило, лежит быстрое преобразование Фурье, которое характеризуется высокой скоростью вычислений.

Стандарты для этих методов должны включать спектральные показатели, приведенные в табл. 2; формулу интерполяции последовательности дискретных событий; частоту дискретизации; размерность выборки R-R-интервалов, используемой для вычисления спектра; используемое спектральное окно (наиболее часто используются окна Hann, Hemming и треугольное), характеризующее частотные диапазоны для вычисления спектральной плотности мощности [26].

Метод вычисления должен соответствовать типу окна. Параметрические методы представляют спектральные характеристики в более сглаженном виде. Дальнейшая обработка спектра предельно проста: автоматическое вычисление низко- и высокочастотных показателей спектральной мощности с простой идентификацией центральной частоты для каждой мощности. Главный недостаток параметрических методов заключается в необходимости верификации выбранной модели и ее структурной сложности.

Стандарты для параметрических методов должны включать показатели, представленные в табл. 2; тип используемой модели; размерность выборки R-R-интервалов; центральную частоту для каждой спектральной компоненты (LF и HF); величину порядка модели (число параметров). Для проверки надежности модели должны рассчитываться статистические величины. Тест PEWT дает информацию о степени согласованности модели [27], а тест ООТ проверяет правильность выбора порядка модели [28]. Для выбора порядка Р ауторегрессионной модели может быть предложен следующий рабочий критерий: порядок должен быть в диапазоне от 8 до 20, удовлетворяя тесту PEWT и согласуясь с тестом ООТ (Р=min[OOT]).

При оценке стационарных кратковременных выборок гораздо больше экспериментальной и теоретической информации содержится в физиологической интерпретации частотных показателей по сравнению с временными, следовательно, методам анализа в частотной области следует отдавать предпочтение. Длина записи, с одной стороны, должна соответствовать по меньшей мере 10 длинам волн самой низкочастотной исследуемой компоненты; с другой стороны, запись не должна быть слишком продолжительной для обеспечения стабильности сигнала.

Для оценки показателя HF требуется запись длительностью одна минута, для оценки показателя LF около двух минут. В целях стандартизации исследований ВСР по кратковременным выборкам, предпочтительно (как уже отмечалось) выбирать 5-минутные записи стационарного сигнала. Ошибку, получаемую при анализе слишком коротких записей (в пределах одной минуты), можно уменьшить путем усреднения спектральных компонент из нескольких последовательных записей.

Однако, если модуляторы периодик ВСР меняются от одной записи к другой, то физиологическая интерпретация таких усредненных показателей страдает от тех же проблем, что и спектральный анализ продолжительных записей. Говоря о стабильности записей, следует отметить, что показатели ВСР для коротких выборок достаточно быстро возвращаются к исходным значениям после таких возмущений как легкая физическая нагрузка или введение вазодилататоров кратковременного действия. Максимальная физическая нагрузка или введение препаратов длительного действия могут вести к более долгому возврату к исходному значению.

Для долговременных записей характерна высокая корреляция многих временных и частотных показателей. Эти корреляции существуют как по причине математических так и физиологических взаимосвязей [21]. Корреляционная связь между основными показателями ВСР представлена в табл. 3.

Таблица 3.

Kорреляции между основными показателями ВСР.

Учитывая сложности физиологической интерпретации частотных показателей долговременных записей, а также вышеприведенные корреляции, представляется обоснованным использовать лишь временные показатели в оценке этих записей.

Для большинства показателей ВСР долговременной записи характерны различия "день-ночь", поэтому минимальная продолжительность такой записи должна быть в пределах 18 часов с обязательным включением всей ночи. Информации о влиянии окружающей обстановки при длительной записи очень мало. В эксперименте требуется тщательно контролировать факторы внешней среды, обеспечивая их одинаковость для разных субъектов.

Редактирование записей R-R-интервалов. Уже отмечалось, что неточность измерений R-R-интервалов вносит ошибки как во временные так и в частотные показатели. Выборочное редактирование последовательных R-R-интервалов приемлемо для приблизительной оценки таких показателей, как треугольный индекс ВСР, TINN, дифференциальный индекс. Для всех остальных показателей ВСР корректное редактирование (особенно автоматическое) представляется проблематичным. Поэтому требуется особая тщательность при ручном редактировании последовательности RR-интервалов с обеспечением точной идентификации и классификации каждого QRS комплекса. Автоматические способы, которые исключают некоторые интервалы из исходной выборки по определенному условию, не должны заменять ручное редактирование [29].

Литература.

1. Lown B, Verrier RL. Neural activity and ventricular fibrillation. N Engl J Med.1976;294:1165-1170.

2. Corr PB, Yamada KA, Witkowski FX. Mechanisms controlling cardiac autonomic function and their relation to arrhyythmogenesis. In: Fozzard HA, Haber E, Jennings RB, Katz AN, Morgan HE, eds. The Heart and Cardiovascular System. New York, NY : Raven Press;1986: 1343-1403.

3. Schwartz PJ, Priori SG. Sympathetic nervous system and cardiac arrhythmias.In: Zipes DP, Jalife J, eds. Cardiac Electrophysiology: From Cell to Bedside. Philadelphia,Pa: WB Saunders Co:1990:330-343.

4. Levy MN, Schwartz PJ,eds. Vagal Control of the Heart : Experimental Basis and Clinical Implications. Armonk, NY: Futura; 1994.

5. Парин В.В., Баевский Р.М. Введение в медицинскую кибернетику. -М. - Прага,1966.-216с.

6. Баевский Р.М., Волков Ю.Н., Нидеккер И.Г. Статистический , корреляционный и спектральный анализ пульса в физиологии и клинике // Сб.: Математические методы анализа сердечного ритма.- М.: Наука, 1968.- С.51-61.

7. Hon EH , Lee ST. Electronic evaluation of the fetal heart rate patterns preceding fetal death : further observations. Am J Obstet Gynecol.1965;87:814-826.

8. Баевский Р.М. Некоторые подходы к анализу ритма и силы сердечных сокращений с точки зрения кибернетики // Сб. :Функциональные особенности сердца при физических нагрузках в возрастном аспекте. -Ставрополь,1975.- С.27-50.

9. Воскресенский А.Д. , Вентцель М.Д. Статистический анализ сердечного ритма и показателей гемодинамики в физиологических исследованиях. -М.:Наука,1974.- 221 с.

10. Жемайтите Д.И. Возможности клинического применения автоматического анализа ритмограмм: Автореф. дис....докт.мед.наук.- Каунас, 1972.

11. Sayers BM. Analysis of heart rate variability. Ergonomics.1973;16: 17-32.

12. Lucsak H , Lauring WJ. An analysis of heart rate variability. Ergonomics.1973;16:85-97.

13. Wolf MM, Varigos GA, Hunt D, Sloman JG. Sinus arrhythmia in acute myocardial infarction. Med J Aust. 1978; 2: 52-53.

14. Pomeranz M, Macaulay RJB, Caudill MA, Kutz I, Adam D, Gordon D, Kilborn KM, Barger AC, Shannon DC, Cohen RJ, Benson M. Assessment of autonomic function in humans by heart rate spectral analysis. Am J Physiol. 1985;148: H151-H153.

15. Pagani M, Lombardi F, Guzzetti S, Rimoldi O, Furlan R, Pizzinelli P, Sandrone G , Malfatto G , Dell'Orto S, Piccaluga E, Turiel M, Baselli G, Cerutti S, Malliani A. Power spectral analysis of heart rate and arterial pressure variabilities as a marker sympathovagal interaction in men and coscious dog. Circ Res. 1986; 59: 178-193.

16. Баевский Р.М. , Кириллов О.И. , Клецкин С.З. Математический анализ изменений сердечного ритма при стрессе.- М.: Наука,1984.-220 с.

17. Kleiger RE, Miller JP, Bigger JT, Moss AJ, and the Multicenter Post-Infarction Research Group. Decreased heart rate variability and its association with increased mortality after acute myocardial infarction. Am J Cardiol. 1987;59:256-262.

18. Malik M, Farrel T, Cripps T, Camm AJ. Heart rate variability in relation to prognosis after myocardial infarction: selection of optimal processing techniques. Eur Heart J. 1989;10:1060-1074.

19. Bigger JT, Fleiss JL, Steinman RC, Rolnitzky LM, Kleiger RE, Rottman JN . Freuquency domain measures of heart period variability and mortality after myocardial infarction. Circulation.1992; 85:164-171.

20. Saul JP, Albrecht P, Berger RD, Cohen RJ. Analysis of long-term heart rate variability : methods , 1/f scaling and implications.In: Computers in Cardiology 1987. Washington, DC:IEEE Computer Society Press;1988:419-422.

21. Bigger JT, Albrecht P, Steinman RC, Rolnitzky LM,Fleiss JL,Cohen RJ. Comparison of time- and frequency domain-based measures of cardiac parasympathetic activity in Holter recordings after myocardial infarction. Am J Cardiol 1989; 64:536-538.

22. Malliani A, Pagani M, Lombardi F, Cerutti S. Cardiovascular neural regulation explored in the frequency domain. Circulation.1991;84:1482-1492.

23. Furlan R, Guzetti S, Crivellaro W, Dassi S, Tinelli M, Baselli G, Cerutti S , Lombardi F , Pagani M, Malliani A. Continuous 24-hour assessment of the neural regulation of systemic arterial pressure and RR variabilities in ambulant subjects. Circulation. 1990; 81: 537-547.

24. Berger RD, Akselrod S, Gordon D, Cohen RJ. An efficient algorithm for spectral analysis of heart rate variability.IEEE Trans Biomed Eng.1986;33:900-904.

25. Pinna GD, Maestri R, Di Cesare A, Colombo R, Minuco G.The accuracy of power-spectrum analysis of heart rate variability from annotated RR list generated by Holter systems. Physiol Meas. 1994;15:163-179.

26. Harris FJ. On the use of windows for harmonic analysis with the discrete Fourier transform.IEEE Proc.1978;66:51-83.

27. Box GEP, Jenkins GM. Time Series Analysis: Forecasting and Control. San Francisco, Calif: Holden Day;1976.

28. Akaike H. A new look at the statistical model identification. IEEE Trans Autom Cont.1974;19:716-723.

29. Malik M, Cripps T, Farrell T, Camm AJ. Prognostic value of heart rate variability after myocardial infartion : a comparison of different data processing methods. Med Biol Eng Comput. 1989;27: 603-611.