A pulzusszám változékonysága

Az oldal jelenlegi verzióját még nem ellenőrizték tapasztalt közreműködők, és jelentősen eltérhet a 2019. július 8-án felülvizsgált verziótól ; az ellenőrzések 14 szerkesztést igényelnek .

A szívfrekvencia- variabilitás ( HRV ), vagy a szívfrekvencia-variabilitás ( HRV ) egy fiziológiai  jelenség , amely két szomszédos szívciklus kezdete közötti intervallum változásában nyilvánul meg . A szomszédos szívverések (szívdobbanások) közötti időintervallum változásai alapján értékelve.

A következő szinonim kifejezéseket ritkábban használják: „ ciklushossz variabilitása ”, „ RR variabilitás ” (ahol R az elektrokardiogram (EKG) hullám QRS-komplexumának csúcsának megfelelő pont, az RR pedig az egymást követő R-ek közötti intervallum, és „ szívperiódus variabilitása ”.

A HRV a pillanatnyi szívfrekvencia (HR) változékonyságának reciproka.

A GOST [D: 1] szerint a „ szívösszehúzódások periódusának időtől való függésének mérésére szolgáló rögzítőeszközt ” kronokardiográfnak , az ilyen felvételeket pedig kronokardiogramnak kell nevezni .

A tudományos irodalomban megtalálhatók a kronokardiogramok szinonimájaként használt kifejezések. Tehát az "azonnali" pulzusértékek sorozatát néha kardiotachogramnak , a szomszédos szívverések kezdetei közötti intervallumértékek sorozatát pedig ritmusképnek nevezik . [A: 1] [B: 1] Bayevsky ugyanarra a célra használta a „ kardiointervallumok dinamikus sorozata ” és a „ kardiointervalogram ” kifejezéseket ; a " rhythmogram " kifejezést pedig a kardiointervallumok dinamikus sorozatának, azaz a kronokardiogramnak az egyik grafikus ábrázolására használták. [A:2]

A HRV kutatása és elemzése három szakaszból áll: [1]

  1. kardiointervallumok idősorainak mérése és bemutatása ==> ;
  2. kardiointervallumok idősorainak elemzése ==> ;
  3. a HRV elemzési eredményeinek értékelése ==> .

Tanulmánytörténet

Úgy tartják [2] , hogy ezt a jelenséget először Albrecht von Haller fedezte fel 1760-ban [B: 2]

A HRV-elemzés az 1960-as évek elején kezdett aktívan fejlődni a Szovjetunióban , mivel fejlődésének egyik fontos ösztönzője az űrgyógyászat sikere volt . 1966-ban Moszkvában tartották a világ első szimpóziumát a szívritmus-variabilitásról. [A: 2] A HRV [B: 3] [B: 4] első monográfiái szintén a Szovjetunióban jelentek meg. [A:2]

Az 1980-as években R. M. Baevsky a szívritmus átfogó értékeléséhez a szabályozó rendszerek (PARS) aktivitásának mutatóját javasolta, amelyet a fenti módszerek alapján pontokban számítanak ki. Vagyis mindhárom módszer szerint el kell végezni a HRV kvalitatív elemzését, és a kapott adatokat a PARS mutató kiszámításához kell felhasználni. [B:4] [A:2]

1996-ban megjelentek a nemzetközi irányelvek (Recommendations – 1996), amelyeket az Európai Kardiológiai Társaság és az Észak-Amerikai Pacing és Elektrofiziológiai Társaság (Task Force of The European Society of Cardiology and The North American Society of Pacingand Electrophysiology) dolgozott ki. ). [A: 3] [A: 4] Valamivel később megjelent az orosz fordításuk. [A:1]

2001-ben, az Orosz Egészségügyi Minisztérium Új Orvosi Berendezések Bizottsága Diagnosztikai Műszerek és Eszközök Bizottságának határozatával (2000. április 11-i 4. jegyzőkönyv) szakértői csoportot hoztak létre a fejlesztésre. hazai iránymutatások a HRV elemzésére, melynek eredményeként a HRV elemzési módszerek alkalmazására vonatkozó ajánlások orosz változatát javasolták [A: 5] , amely egyes eljárásokban jelentősen eltér az 1996-os Ajánlásoktól. Számos olyan jellemzőt is kínálnak, amelyek célja a szervezet funkcionális tartalékainak felmérése, amelyeket hagyományosan használnak az űrgyógyászatban a Szovjetunióban. [A:6]

Az 1996-os Nemzetközi Standard módszerkészlet korlátozott alkalmazhatóságára számos tanulmány rámutatott (pl . [B: 1] [A: 7] ). E tekintetben folytatódik a HRV elemzésére szolgáló új módszerek keresése és fejlesztése (például [A: 6] [A: 8] [B: 1] [B: 5] )

Regisztrációs módszerek

A kardiointervallumok dinamikus sorozata bármely kardiográfiás rekord (elektromos, mechanikus, ultrahang stb.) elemzésével nyerhető. [1] A szívverések kimutatására használt módszerek a következők: elektrokardiográfia , vérnyomás, ballisztokardiogram , [A:9] és a fotopletizmográfból származó pulzushullám -jel . A pulzusszám változékonyságát általában az RR-intervallumok időtartamának EKG-n történő mérése alapján becsülik meg, amely során matematikai (például a Pan-Tompkins algoritmus segítségével) az R-hullám automatikus felismerése és a jelek sorrendjének rögzítése történik. RR intervallumok alakulnak ki. Helyesebb lenne a PP-intervallumok időtartamát tanulmányozni, mivel a P-hullám kezdete egy új szívciklus kezdete, amely a szinuszcsomó (SU) gerjesztésével kapcsolatos; Az RR-intervallum használatának hagyománya összefügg azzal, hogy az R-hullám, különösen a második standard elvezetésben, a számítógépes feldolgozás során a legkönnyebben elkülöníthető az EKG-jeltől, mivel ez a legnagyobb amplitúdójú. [A:7] Az elektrokardiográfiát a választott módszernek tekintik, mert megkönnyíti azon szívverések kizárását, amelyek nem a sinoatriális csomópontból származnak .

A pillanatnyi pulzusszám markereinek lokalizálásának hibái hibákhoz vezetnek a HRV kiszámításában, mivel a különböző HRV-mutatók értékelésére szolgáló módszerek nagyon érzékenyek a műtermékekre és a hibákra, és még a hibás adatok 2%-a is nemkívánatos torzulásokhoz vezet a HRV-számításokban. Ezért a pontos eredmények biztosítása érdekében elengedhetetlen a műtermékek nyomon követése a HRV matematikai módszerek alkalmazása előtt. [A:10]

Az RR helyett az „NN” kifejezést használjuk annak hangsúlyozására, hogy a feldolgozott ütemek „normális” részek, azaz „megtisztították” őket a műtermékektől és „normalizálták”.

Helyénvaló különbséget tenni a HRV regisztráció következő típusai között: a) viszonylagos pihenés körülményei között; b) funkcionális vizsgálatok elvégzésekor; c) normál tevékenység körülményei között vagy szakmai terhelések végrehajtása során; d) klinikai környezetben, mivel az ilyen típusú vizsgálatok mindegyikét a módszertan bizonyos jellemzői jellemzik. [egy]

Az autonóm idegrendszeri szabályozás megsértésének kimutatására különféle funkcionális teszteket alkalmaznak : reflex-, stressz- és farmakológiai teszteket. Ezek közül leggyakrabban olyan egyszerű, hozzáférhető és objektív teszteket alkalmaznak, mint a Valsalva teszt, ortosztatikus teszt, légzési teszt stb.. Úgy gondolják , hogy a funkcionális tesztek alkalmazása komoly előnyökkel jár, mivel lehetővé teszi az egyéni különbségek minimalizálását és a a változások iránya, ahelyett, hogy a paraméterek abszolút értékeivel működne. [négy]

A matematikai elemzés módszerei

A szívfrekvencia variabilitás elemzése egy új módszer az élettani funkciók szabályozási folyamatainak tanulmányozására, ahol a keringési rendszert az egész szervezet adaptív reakcióinak indikátoraként tekintik . [A:2]

Az 1996-os nemzetközi szabványokban [A:3] a HRV matematikai elemzésére két módszercsoportot különböztetnek meg: az időtartományban és a frekvenciatartományban.

Külön hangsúlyozzuk, hogy a funkcionális tesztek során az átmeneti folyamatokat speciális módszerekkel kell elemezni; a tranziens elemzésnek független diagnosztikus és prognosztikai értéke lehet. [egy]

Időtartomány metódusai

Statisztikai módszerek

A kronokardiogramok statisztikai elemzése alapján olyan paramétereket kapunk , mint:

  • Az SDNN  az NN intervallumok szórása. Gyakran 24 órán belül rendeződik. Az SDANN  az átlagos NN intervallumok szórása, amelyet rövid időszakokra, jellemzően 5 percre számítanak ki. Így az SDNN az 5 percnél hosszabb ciklusok által okozott pulzusszám-változások mértéke. Az SDNN tükrözi az összes ciklikus komponenst, amely egy rekordidőszak változékonyságáért felelős, tehát az általános változékonyságot reprezentálja.
  • Az RMSSD  a "szekvenciális különbség átlagnégyzete", a szomszédos NN-ek közötti, egymást követő különbségek négyzetes átlagának négyzetgyöke.
  • SDSD  - "szekvenciális különbség szórása", a szomszédos NN-ek közötti egymást követő különbségek szórása.
  • Az NN50  az egymást követő NN-párok száma, amelyek több mint 50 ms-mal különböznek egymástól.
  • A pNN50  az NN50 aránya osztva az NN-ek teljes számával.
  • Az NN20  az egymást követő NN-párok száma, amelyek több mint 20 ms-mal különböznek egymástól.
  • A pNN20  az NN20 aránya osztva az NN-ek teljes számával.
  • EBC  - "becsült légzési ciklus", tartomány (max-min) egy mozgó ablakon belül a vizsgálati időszak adott időtartamára. Az ablakok egymásra fedő módban mozoghatnak, vagy lehetnek szigorúan különböző (egymást követő) ablakok. Az EBC-t gyakran biztosítják olyan adatgyűjtési forgatókönyvekben, ahol a valós idejű HRV visszacsatolás az elsődleges cél. A PPG-től kapott EBC 10 és 16 másodperces, egymást követő és átfedő ablakokban erősen korrelál az SDNN-vel.
Geometriai módszerek

A nemzetközi szabványoknak megfelelően egy normalizált kronokardiogram (NN-intervallumok sorozata) egy bizonyos geometriai struktúraként jeleníthető meg, amelynek paramétereit ezután megmérik és az eredeti kronokardiogram integrált jellemzőiként használják fel.

A geometriai módszerekkel végzett munka során három fő megközelítést alkalmaznak:

  1. a geometriai modell főbb mérései (például az eloszlási hisztogram szélessége egy bizonyos szinten) bizonyos szabályok szerint HRV karakterisztikává konvertálódnak,
  2. meghatározott matematikai módon (egy eloszlási hisztogram háromszöggel való közelítése vagy egy exponenciális görbe differenciálhisztogramja) interpolálunk egy geometriai modellt, majd elemezzük az ezt a matematikai formát leíró együtthatókat,
  3. a geometriai alakzatot osztályozzák, a geometriai alakzatminták több kategóriáját megkülönböztetik, amelyek a HRV különböző osztályait képviselik ( a Lorenz-görbe elliptikus, lineáris, háromszög alakja ).

A háromszög indexet (TINN) úgy számítjuk ki, hogy az eloszlássűrűség integrálja (vagyis az összes NN intervallum összege) osztva a maximális eloszlási sűrűséggel. [5] Először 1989-ben javasolták. [A:11]

Az 1996-os szabványok által javasolt geometriai módszerek nem alkalmasak a változékonyság gyors (20 percnél nem rövidebb, de lehetőleg 24 óra) változásának felmérésére; előnyük a kronokardiogram nem stacionaritása iránti érzéketlenség. Más geometriai módszerek, mint például a hisztogram és a szóráskép, még fejlesztés és kutatás alatt állnak.

A hisztogram leírására általában a következő paramétereket használják: AMO  a hisztogram mód amplitúdója, MO  a hisztogram mód, SD  a szórás; ritkábban - aszimmetria (Ass), kurtózis (Ex), variációs tartomány ( dX ) , variációs együttható ( V ) stb. [6]

  • autonóm egyensúly index: ИВР = AMO/SD, - a szív szimpatikus és paraszimpatikus szabályozásának arányának meghatározására;
  • vegetatív ritmus mutató ВПР = 1/(MO*SD), - a vegetatív egyensúly felmérésére (minél kisebb a VFR, annál inkább eltolódik a vegetatív egyensúly a paraszimpatikus szabályozás túlsúlya felé);
  • a szabályozási folyamatok megfelelőségének mutatója ПАПР = AMO/M0, — az SU működési szintje és a szimpatikus aktivitás közötti megfelelés azonosítása;
  • szabályozó rendszerek feszültségének indexe , ИН = AMO/(2SD*MO)a pulzusszabályozás centralizáltságának mértékét tükrözi.

IN jellemzi a szimpatikus szabályozás mechanizmusainak tevékenységét, a központi szabályozási kör állapotát; Általában az IN 80-150 u között van. e) Ez a mutató rendkívül érzékeny a szimpatikus idegrendszer tónusának növekedésére: enyhe terhelés (fizikai vagy érzelmi) 1,5-2-szeresére növeli az SI-t; jelentős terhelés mellett 5-10-szer nő; a szabályozórendszerek állandó feszültségében (lelki stressz, angina pectoris, keringési elégtelenség) szenvedő betegeknél az SI nyugalmi állapotban 400-600 u. e.; akut miokardiális infarktusban szenvedő betegeknél az SI nyugalmi állapotban eléri az 1000-1200 u-t. e. [4]

A szórvány (  angol nyelvből  -  „szórás”, „szórás”) az RR intervallumpárok (előző és későbbi) grafikus ábrázolása egy kétdimenziós koordinátasíkon. Ebben az esetben az érték az abszcissza tengely mentén , az érték pedig az ordináta tengelye mentén kerül ábrázolásra . A szóráskép alapján közvetetten meg lehet ítélni a pulzusszám változékonyságát: minél zsúfoltabb a pontok „felhője”, annál kisebb a ritmusváltozékonyság. A főcsoporttól távol eső pontok felhasználhatók műtermékek és ritmuszavarok jelenlétének megítélésére. [6] Az orosz nyelvű forrásokban korrelációs rhythmogramnak , vagy Poincaré- vagy Lorentz-foltoknak nevezhetjük. [7] Úgy gondolják, hogy tanácsos a scattergram kiértékelést használni aritmiákban, amikor a pulzusszám-variabilitás statisztikai és spektrális elemzésének módszerei nem informatívak vagy elfogadhatatlanok. [7]

Frekvenciatartomány metódusai

A HRV elemzésekor egy idősorozat teljesítményspektrális sűrűsége (PSD) egy stacionárius (tágabb értelemben vett) véletlenszerű folyamat SDP-jeként értendő, amelynek megvalósítása ez a sorozat. Nem szabad megfeledkezni arról, hogy az alkalmazott spektrális módszerek bármelyike ​​a PSD becslésének módszere, nem pedig annak pontos felépítése. Ha a vizsgálat célja a különböző csoportokba tartozó alanyok HRV spektrális jellemzőiben a csoportok közötti különbségek azonosítása, akkor az összes csoport összes betegének HRV SPD-jét ugyanazzal a módszerrel kell értékelni. A spektrális elemzéshez szükséges kronokardiogram szakasz standard hossza 256 kardiociklus, ami 3,5-5 perces időintervallumnak felel meg; A stacionaritás szigorú követelményei lehetetlenné teszik a 24 órás kronokardiogram spektrális elemzését [6]

A frekvenciatartomány-módszereket az egyes frekvenciasávoknak megfelelő NN rések számának megszámlálására használják. A szabványok a következő frekvenciasávok (komponensek) megkülönböztetését javasolják:

  • nagyfrekvenciás ( HF ) 0,15 és 0,4 Hz között,
  • alacsony frekvenciájú ( LF ) 0,04-0,15 Hz és
  • nagyon alacsony frekvencia ( VLF ) 0,003-0,04 Hz és
  • ultraalacsony frekvencia ( ULF ) kisebb, mint 0,003 Hz.

A VLF, LF, HF teljesítmény mérése általában abszolút teljesítményegységekben (ms 2 ) történik, de az LF és a HF ezenkívül normalizált egységekben is kifejezhető, amelyek az egyes komponensek relatív hozzájárulását mutatják a teljes teljesítmény mínusz arányában. a VLF komponens. Az ULF csak spektrális elemzéssel érhető el a teljes 24 órás megfigyelési időszakra vonatkozóan.

A nemlineáris elemzés módszerei

Az eredmények bemutatásához az 1996-os szabványok a következő nemlineáris elemzési módszerek (nem lineáris módszerek) használatát javasolják: Poincare metszet , attraktor diagramok kis számú dimenzióban, szinguláris érték dekompozíció és attraktor trajektóriák. A kvantitatív leíráshoz a D2 korrelációs dimenziókat , Ljapunov-kitevőt és Kolmogorov-entrópiát használtunk .

A nemlineáris módszereket potenciálisan ígéretes eszköznek tekintik a HRV becslésében, de jelenleg korlátozott mértékben használják őket, mivel az elemzés és az eredmények értelmezése technológiájának további fejlesztésére van szükség. A nemlineáris HRV analízis alkalmazási lehetőségeinek kutatása aktívan folyik. [B:5] [A:12] [A:13]

Hosszú távú összefüggések keresése

Azt találták, hogy az RR intervallumszekvenciák hosszú távú korrelációt mutatnak. Az alvás különböző szakaszaiban különböző típusú összefüggéseket találtak. [A: 14] [A: 12] E vizsgálatok egyik hiányossága azonban az érvényesség statisztikai becsléseinek hiánya.

Fiziológiai alapok

Fiziológiai mechanizmusok

A pulzusszámot számos szabályozó mechanizmus határozza meg; Szokásos a szívritmus szabályozásának intrakardiális (intrakardiális) és extrakardiális (extrakardiális) mechanizmusait elkülöníteni. [8] A szív munkáját szabályozó rendszer első szintje az intrakardiális szabályozás mechanizmusa. Magának a szívizomnak a speciális tulajdonságaihoz kapcsolódik, és a Frank-Starling törvény szerint még egy izolált szívben is működik : egy izolált szív állandó összehúzódási sebességgel képes önállóan hozzáigazítani tevékenységét a növekvő terheléshez, és reagál rá. megnövekedett teljesítmény. A szív munkájának extrakardiális szabályozását az autonóm idegrendszer és az endokrin rendszer végzi; Az adaptív folyamatok fejlődési üteme és időtartama szerint a kardiovaszkuláris rendszer szabályozási mechanizmusai a következőkre oszlanak:

  1. a rövid távú hatásmechanizmusok (baroreflexek, kemoreflexek, hormonok hatása: adrenalin , noradrenalin , vazopresszin ),
  2. a közbenső (időbeli) hatásmechanizmusok (a transzkapilláris anyagcsere változásai, a vaszkuláris feszültség ellazulása, a renin-angiotenzin rendszer ),
  3. hosszan ható mechanizmusok (az intravaszkuláris vértérfogat és vaszkuláris kapacitás szabályozása).

A sinoatriális csomópont szabályozó hatásokat kap az ideg- és endokrin rendszertől, aminek következtében a pillanatnyi pulzus (vagy RR intervallum) megváltozik. A HRV fő forrásai az autonóm (szimpatikus és paraszimpatikus) idegrendszer ( ANS ) és a humorális tényezők hatása. A légzés alacsony frekvenciájú pulzushullámokat indukál, elsősorban az ANS-en keresztül. A HRV-t befolyásoló egyéb tényezők közé tartozik a baroreflex (Zion-Ludwig reflex), a hőszabályozás , az alvás-ébrenlét ciklus , az étkezés, a fizikai aktivitás és a stressz .

A funkcionális rendszerek elmélete szempontjából a vérkeringés szabályozása egy többkörös, hierarchikusan szervezett rendszer, amelyben az egyes láncszemek domináns szerepét a szervezet aktuális szükségletei határozzák meg. [9] A pulzusszabályozás R. M. Baevsky által javasolt legegyszerűbb kéthurkos matematikai modellje [B: 6] azon a feltételezésen alapul, hogy az SU szabályozási rendszer két egymással összefüggő szintként (áramkörként) ábrázolható: központi és autonóm, közvetlen ill. Visszacsatolás. [9]

Keresztkorreláció más rendszerekkel

Két fő oszcillációs HRV-jelenséget különböztetünk meg következetesen:

  • Légzési aritmia, vagyis a légzési mozgásokhoz kapcsolódó és a légzésszámnak pontosan megfelelő pulzusszám változás .
  • Alacsony frekvenciájú rezgések. [A:15] Ezek a pulzusszám-változások a vérnyomás Mayer -hullámaihoz (Traube-Hering-Meier-hullámok) kapcsolódnak, és jellemzően 0,1 Hz -es vagy 10 másodperces periódusúak.

Annak a kérdésnek a vizsgálata során, hogy a szívverés ritmusa hogyan korrelál más fiziológiai rendszerekkel, például a tüdővel és az agyvel, azt találták, hogy bár ébrenlét, fény- és REM-alvás során a szívverés és a többi fiziológiai rendszer között magas a korreláció, szinte eltűnnek. mély alvás. [A:16]

A HRV korrelációja a geofizikai tényezőkkel

Felfedezték a szív kontraktilis funkciójának változékonyságának jelenségét a naptevékenység 11 éves ciklusa során, összefüggéseket mutattak ki a szív- és érrendszeri katasztrófák populációs ritmusai, valamint a szoláris és geomágneses aktivitás ritmusai között, valamint a szív tipikus ritmikus reakciója. különböző külső tényezők hatását, beleértve a geomágneses aktivitást is, leírták. [B:7]

Klinikai jelentősége

Úgy gondolják, hogy a HRV indikátorok klinikai és fiziológiai értelmezésének szabványosítása a tudomány fejlődésének ezen szakaszában még gyakorlatilag lehetetlen, mivel a különböző szerzők elképzelései és értékelései gyakran ellentmondásosak. [4] A módszer jellegzetessége, hogy nem specifikus a patológia nozológiai formáival szemben, valamint nagy érzékenység a legkülönfélébb belső és külső hatásokra. [10] Ugyanakkor a HRV jól tükrözi a szabályozórendszerek feszültségének mértékét az agyalapi mirigy-mellékvese rendszer aktiválódása és a sympathoadrenalis rendszer bármilyen stresszhatásra válaszul fellépő reakciója miatt. [9]

A funkcionális állapot átfogó felmérése a szabályozó rendszerek (PARS) aktivitása szempontjából, amely lehetővé teszi a szervezet funkcionális állapotainak (de nem a betegségek) diagnosztizálását; pontokban számítják ki egy speciális algoritmus szerint, amely figyelembe veszi a statisztikai mutatókat, hisztogram indikátorokat és a kronokardiogramok spektrális elemzési adatait. [4] A PARS értékek 1-től 10-ig terjedő pontokban vannak kifejezve. A PARS értékek elemzése alapján a következő funkcionális állapotok diagnosztizálhatók:

  1. PARS \u003d 1-2 (norma); a szabályozó rendszerek optimális (működő) feszültségének állapota, amely szükséges a szervezet és a környezet aktív egyensúlyának fenntartásához;
  2. PARS = 3-4; a szabályozó rendszerek mérsékelt feszültségének állapota, amikor a szervezetnek további funkcionális tartalékokra van szüksége a környezeti feltételekhez való alkalmazkodáshoz. Az ilyen feltételek a munkához való alkalmazkodás során, érzelmi stressz esetén vagy kedvezőtlen környezeti tényezők hatására jelentkeznek;
  3. PARS = 4-6; a szabályozó rendszerek kifejezett feszültségének állapota, amely a védőmechanizmusok aktív mobilizálásával jár, beleértve a szimpatikus-mellékvese rendszer és az agyalapi mirigy-mellékvese rendszer aktivitásának növekedését;
  4. PARS = 6-8; a szabályozó rendszerek túlfeszített állapota, amelyet a védő és alkalmazkodó mechanizmusok hiánya jellemez, azok nem képesek megfelelő választ adni a szervezetnek a környezeti tényezők hatására. Itt a szabályozási rendszerek túlzott aktiválását már nem támogatják a megfelelő funkcionális tartalékok;
  5. PARS = 8-10; a szabályozó rendszerek kimerültségi állapota (aszténia), melyben a kontrollmechanizmusok aktivitása csökken (szabályozó mechanizmusok elégtelensége) és megjelennek a patológiára jellemző jelek. Itt a specifikus változások egyértelműen túlsúlyban vannak a nem specifikus változásokkal szemben.

Tanulmányok kimutatták, hogy a csökkent HRV használható a szívinfarktus utáni halálozás valószínűségének indikátoraként [A: 17] [A: 18] , bár egy másik munkában a HRV és a pulzusszám összehasonlítása azt mutatta, hogy a túlélésre vonatkozó prognosztikai információk a szívinfarktus után. myocardialis infarctus A szívizom teljes mértékben benne van az átlagos pulzusszámban [A:19] .

Számos egyéb kimenetel és kóros állapot is összefüggésbe hozható a megváltozott (általában alacsonyabb) HRV-vel, mint például pangásos szívelégtelenség, diabéteszes neuropátia, szívátültetés utáni depresszió. [11] [12]

Azt találták, hogy az életük során hirtelen szívhalál áldozatainál a HRV alacsonyabb volt, mint az egészséges embereknél. [A:20]

A publikált tanulmányok szisztematikus áttekintése szerint a HRV korrelál a betegség progressziójával és a rákos betegek halálozásával. [A:21]

A HRV elemzése a kardiológiában alkalmazható a syncope differenciáldiagnózisának problémáinak megoldására ; különösen az ilyen feladatokat kell figyelembe venni a katonai szolgálatra való behívással kapcsolatos döntések meghozatalakor. [B:8] A HRV-analízis másik alkalmazása a sinuscsomó-diszfunkció értékelése, amely kötőszöveti diszpláziával vagy SSSS -sel társulhat . [13] [14]

Érdeklődés mutatkozik a HRV iránt a pszichofiziológia területén . Egyes eredmények rámutatnak a stresszszintek nyomon követésének lehetőségére a HRV jellemzői alapján. [B:4] [A:22] A HRV-t arra is használták, hogy felmérjék a döntéshozatali készségeket a magas kockázatú játékban, és a kockázatos döntéshozatalban a nagyobb szimpatikus aktiváció mutatója. [A:23]

Lásd még

Jegyzetek

  1. 1 2 3 4 5 UFD, 2001 , 3. §. HRV kutatási módszertan, p. 113-116.
  2. Bokeria, 2009 , p. 21.
  3. Ryabykina, 1998 , 4. fejezet. Funkcionális tesztek és a szívfrekvencia-variabilitás elemzése, p. 65-72.
  4. 1 2 3 4 UFD, 2001 , 5. § . A szívritmus-variabilitás elemzésének eredményeinek értékelése, 1. o. 120-125.
  5. Nyugat. ar., 1999 , p. 54.
  6. 1 2 3 4 Ryabykina, 1998 , 3. fejezet. A szívfrekvencia-variabilitás elemzésének módszerei, p. 30-64.
  7. 1 2 UFD, 2001 , 4. §. Alapvető módszerek a pulzusszám variabilitás elemzésére, p. 116-120.
  8. Ryabykina, 1998 , 2. fejezet. A szívritmus idegi szabályozásának mechanizmusai, p. 15-29.
  9. 1 2 3 UFD, 2001 , 2. §. A módszer tudományos és elméleti alapjai, p. 110-113.
  10. UFD, 2001 , 1. §. Bevezetés, p. 108-110.
  11. Ryabykina, 1998 , 5. fejezet. Változások a szívfrekvencia-variabilitásban különböző patológiás betegeknél, p. 73-89.
  12. Ryabykina, 1998 , 8. fejezet. A szívfrekvencia-variabilitás jellemzői különböző szív- és érrendszeri betegségekben szenvedő betegeknél, p. 127-154.
  13. Snezhitsky, 2010 , A szívfrekvencia-variabilitás elemzése a sinuscsomó funkciójának értékelésében és az aritmiák diagnosztizálásában, 1. o. 24-35.
  14. Snezhitsky, 2010 , A szívfrekvencia variabilitása sinuscsomó-diszfunkcióban szenvedő betegeknél, p. 152-186.

Irodalom

Könyvek

  1. 1 2 3 Ryabykina G.V. , Sobolev A.V. A pulzusszám változékonysága. - M . : "Star'Ko", 1998. - 200 p. — ISBN 5-85493-032-3 .
  2. Haller A .,. Haller A. Elementa physiologiae corporis humani: In 8 t., 2. kötet, lib. 6.  (lat.) . - Lausanne: S. d'Arnay, 1760. - S. 330-332 .
  3. Voskresensky A. D. , Wentzel M. D. A pulzusszám és a hemodinamikai paraméterek statisztikai elemzése fiziológiai vizsgálatokban . — M .: Nauka, 1974. — 221 p.
  4. 1 2 3 4 Baevsky RM , Kirillov OI , Kletskin SZ . A pulzusszám változásának matematikai elemzése stressz alatt . — M .: Nauka, 1984. — 224 p.
  5. 1 2 Ardashev A.V. , Loskutov A.Yu. A szívritmus-variabilitás elemzésének modern módszereinek gyakorlati szempontjai. - M. : "MEDPRAKTIKA-M" Kiadó, 2011. - 128 p.
  6. A pulzusszám elemzésének matematikai módszerei / szerk. Parina V.V. , Baevsky R.M. - M .: Nauka, 1968.
  7. Breus T. K. , Chibisov S. M. , Baevsky R. M. , Shebzukhov K. V. A szívritmusok és környezeti tényezők kronostruktúrája . - M . : Az Orosz Népek Barátság Egyetemének kiadója; Poligráfiás szolgáltatás, 2002. - 232 p. - ISBN 5-209-01404-5 .
  8. Snezhitsky V. A. és munkatársai : Szívritmus-variabilitás: alkalmazás a kardiológiában / szerk. V. A. Sznezsickij . - Grodno: GrGMU, 2010. - 212 p. - ISBN 978-985-496-630-4 .

Cikkek

  1. 1 2 Az Európai Kardiológiai Társaság és az Észak-Amerikai Stimulációs és Elektrofiziológiai Társaság munkacsoportja. A pulzusszám változékonysága. A mérési szabványok, a fiziológiai értelmezés és a klinikai felhasználás Bulletin of arrhythmology  : folyóirat  . - 1999. - 11. sz . - S. 53-78 .
  2. 1 2 3 4 5 Baevsky R. M. , Ivanov G. G. Szívritmus-variabilitás: a klinikai alkalmazás elméleti szempontjai és lehetőségei // Ultrahangos és funkcionális diagnosztika. - 2001. - 3. sz . - S. 108-127 .
  3. 1 2 Az Európai Kardiológiai Társaság és az Észak-Amerikai Pacing és Elektrofiziológiai Társaság munkacsoportja. A pulzusszám változékonysága: mérési szabványok, fiziológiai értelmezés és klinikai használat  (angol)  // Keringés : folyóirat. - 1996. - 1. évf. 93 . - P. 1043-1065 .
  4. A pulzusszám változékonysága. Mérési szabványok, fiziológiai értelmezés és klinikai felhasználás. Az európai kardiológiai társaság és az észak-amerikai ingerlési és elektrofiziológiai társaság munkacsoportja // Eur.Heart J. : folyóirat. - 1996. - T. 17 . - S. 354-381 .
  5. Baevszkij, R. M. , Ivanov, G. G. , Chireikin, L. V. , Gavrilushkin, A. P. , Dovgalevsky, P. Ya. , Kukushkin, Yu. A. , Mironova, T. F. , Prilutsky, D. A. , F. , F. , F., A., V. , Szemenov, F. , Medvedev, M. M. A szívritmus-variabilitás elemzése különböző elektrokardiográfiás rendszerek segítségével  // Bulletin of Arrhythmology  : folyóirat. - 2001. - 24. sz . - S. 65-87 .
  6. 1 2 Baevsky R.M. A pulzusszám változékonyságának elemzése: történelem és filozófia, elmélet és gyakorlat  // Klinikai informatika és telemedicina: folyóirat. - 2004. - 1. sz . - S. 54-64 .
  7. 1 2 Bokeria L. A. , Bokeria O. L. , Volkovskaya I. V. Szívritmus-variabilitás: mérési módszerek, értelmezés, klinikai felhasználás  // Annals of arrhythmology: Journal. - 2009. - 4. sz . – S. 21–32 . — ISSN 2307-6313 .
  8. Kudinov AN , Lebedev DY , Tsvetkov VP , Tsvetkov IV A multifraktál dinamikájának matematikai modellje és a szívritmusok elemzése  //  Matematikai modellek és számítógépes szimulációk : folyóirat. - 2015. - Kt. 7 , sz. 3 . - P. 214-221 .
  9. Brüser C. , Stadlthanner K. , de Waele S. , Leonhardt S. Adaptív beat-to-beat pulzusbecslés ballistocardiograms  //  IEEE Transactions on Information Technology in Biomedicine: folyóirat. - 2011. - 20. évf. 15 , sz. 5 . - P. 778-786 . - doi : 10.1109/TITB.2011.2128337 . — PMID 21421447 .
  10. Citi L. , Brown EN , Barbieri R. Valós idejű automatizált pontfolyamat-módszer hibás és ektópiás szívverések kimutatására és korrekciójára  //  IEEE Transactions on Bio-Medical Engineering : folyóirat. - 2012. - Kt. 59 , sz. 10 . - P. 2828-37 . - doi : 10.1109/TBME.2012.2211356 . — PMID 3523127 .
  11. Malik M. , Farrell T. , Cripps T. , Camm AJ A szívfrekvencia variabilitása a myocardialis infarktus utáni prognózissal kapcsolatban: optimális feldolgozási technikák kiválasztása   // Eur . Szív J.: folyóirat. - 1989. - Nem. 12 . - P. 1060-1074 . doi : 10.1093 / oxfordjournals.eurheartj.a059428 . — PMID 2606116 .
  12. 1 2 Bailly F. , Longo G. , Montevil M. A 2-dimenziós geometria a biológiai időhöz  //  Progress in Biophysics and Molecular Biology : Journal. - 2011. - 20. évf. 106 , sz. 3 . - P. 474-484 . - doi : 10.1016/j.pbiomolbio.2011.02.001 . — PMID 21316386 .
  13. Shirazi AH , Raoufy MR , Ebadi H. et al. A memória mennyiségi meghatározása összetett fiziológiai idősorokban  (angol)  // PLOS ONE : Journal. - 2013. - Kt. 8 , sz. 9 . — P.e72854 . - doi : 10.1371/journal.pone.0072854 . — PMID 24039811 .
  14. Bunde A. , Havlin S. , Kantelhardt J. , Penzel T. , Peter J. , Voigt K. Korrelált és nem korrelált régiók a szívfrekvencia fluktuációjában alvás közben  //  Physical Review Letters: Journal. - 2000. - Vol. 85 , sz. 17 . - P. 3736-9 . - doi : 10.1103/PhysRevLett.85.3736 . — PMID 11030994 .
  15. Sayers BM A szívritmus-variabilitás elemzése  //  Ergonómia: folyóirat. - 1973. - 1. évf. 16 , sz. 1 . - P. 17-32 . - doi : 10.1080/00140137308924479 . — PMID 4702060 .
  16. Bashan A. , Bartsch RP , Kantelhardt JW , Havlin S. , Ivanov PC A hálózati fiziológia összefüggéseket tár fel a hálózati topológia és a fiziológiai funkció között  //  Nature Communications : Journal. - 2012. - Kt. 3 . - 702. o . - doi : 10.1038/ncomms1705 .
  17. Nagyobb JT, Fleiss JL A szívperiódusok variabilitásának és a  szívinfarktus utáni mortalitásnak a frekvenciatartomány  mérései // Keringés : folyóirat. Lippincott Williams & Wilkins, 1992. - 1. évf. 85 , sz. 1 . - 164-171 . o . - doi : 10.1161/01.CIR.85.1.164 .
  18. Kleiger RE , Miller JP . Csökkent szívfrekvencia-variabilitás és összefüggése az akut szívinfarktus utáni megnövekedett mortalitással   // Am J Cardiol : folyóirat. - 1987. - 1. évf. 59 , sz. 4 . - P. 256-262 . - doi : 10.1016/0002-9149(87)90795-8 .
  19. Abildstrom SZ , Jensen BT A szívfrekvencia és a szívfrekvencia variabilitása a szívinfarktus utáni kockázati előrejelzésben  //  Journal of Cardiovascular Electrophysiolog: folyóirat. - 2003. - 1. évf. 14 , sz. 2 . - 168-173 . o . - doi : 10.1046/j.1540-8167.2003.02367.x .
  20. Mølgaard H. , Sørensen KE , Bjerregaard P. Csillapított 24 órás szívfrekvencia-variabilitás látszólag egészséges alanyoknál, akik ezt követően hirtelen szívhalált szenvedtek  //  Clinical Autonomic Research : Journal. - 1991. - 1. évf. 1 , sz. 3 . - P. 233-7 . - doi : 10.1007/BF01824992 . — PMID 1822256 .
  21. Kloter E. , Barrueto K. , Klein SD , ​​Scholkmann F. , Wolf U. Heart Rate Variability as a Prognostic Factor for Cancer Survival - A Systematic Review // Frontiers in Physiology : Journal. - 2018. - 9. sz . - S. 623 . - doi : 10.3389/fphys.2018.00623 . — PMID 29896113 .
  22. Polevaya S.A. , Eremin E.V. , Bulanov  N. .___Bahchina A.,А. - 2019. - T. 11 , 1. sz . - S. 109-115 . — ISSN 2076-4243 . - doi : 10.17691/stm2019.11.1.13 .
  23. Shapiro, MS , Rylant, R. , de Lima, A. , Vidaurri , A. , van de Werfhorst, H. Playing a rigged game: Inequality's effect on physiological stress responses  //  Physiology & Behavior : Journal. - 2017. - Nem. 180 . - 60-69 . o . — ISSN 0031-9384 . - doi : 10.1016/j.physbeh.2017.08.006 .

Normatív dokumentumok

  1. GOST 17562-72 Funkcionális diagnosztikai mérőműszerek. Kifejezések és meghatározások . docs.cntd.ru. Letöltve: 2020. április 29. Az eredetiből archiválva : 2019. április 20.

Linkek