心率变异性(HRV)
產(chǎn)生因素:包括腦的高級神經(jīng)活動、中樞神經(jīng)系統(tǒng)的自發(fā)性節(jié)律活動、呼吸活動以及由壓力、化學感受器傳入的心血管反向活動等。
主要機理:HRV信號中蘊含了有關心血管調(diào)節(jié)的大量信息,對這些信息的提取和分析可以定量評估心臟交感神經(jīng)和迷走神經(jīng)活動的緊張性、均衡性及其對心血管系統(tǒng)活動的影響。HRV的檢測在國內(nèi)外已廣泛應用于臨床,在交感神經(jīng)活動增強時,HRV減小,副交感活動增強時,HRV增大。
(1)HRV指標可以作為預測心臟猝死可能性的一個獨立因素。如急性心肌梗塞、心衰患者交感神經(jīng)張力升高,迷走張力下降;甲亢患者交感張力明顯增高。由于交感張力的升高與迷走張力的降低,使室顫閾降低,心電不穩(wěn)定性增高,易引發(fā)室速(VT)、室顫(VF)和猝死。
(2)HRV指標可以預測冠心病、心肌梗死、高血壓、心功能不全等植物神經(jīng)功能障礙的疾病。
(3)HRV指標是判斷自主神經(jīng)活動的最好定量指標。
分析方法:
(1)??????線性分析方法
心臟系統(tǒng)是一個復雜的系統(tǒng),用線性的方法來進行分析,掩蓋了瞬時心搏的變化。
①時域分析
對采集到的RR間期的時間序列信號,按時間順序或心搏順序排列的RR間期數(shù)值,直接進行統(tǒng)計學或幾何學分析。時域分析的結果可對植物神經(jīng)系統(tǒng)對心率的調(diào)控作用做出總的概括性評價。
時域法以R-R間期的變異為基礎,
部分時域分析指標如下:
SDNN:全程記錄期間所有竇性心博R-R(NN)間期的標準差
RMSSD :相鄰?NN間期差值的均方根
SDNNindex :相鄰?NN間期差值的標準差
MEAN :全程記錄中相鄰?NN間期的平均值
STD :全程記錄中相鄰?NN間期的標準差
CV R-R :心率變異系數(shù)?,是標準差與均值之比
Variable? | Units | Description |
Statistical? measures | ||
SDNN | ms | Standard? deviation of all NN intervals. |
SDANN | ms | Standard? deviation of the averages of NN intervals in all 5 min segments of the entire? recording. |
RMSSD | ms | The? square root of the mean of the sum of the squares of differences between? adjacent NN intervals. |
SDNN? index | ms | Mean? of the standard deviations of all NN intervals for all 5 min segments of the? entire recording. |
SDSD | ms | Standard? deviation of difference between adjacent NN intervals. |
NN50? count | Number? of pairs of adjacent NN intervals difference 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 ?rst or the second | |
pNN50 | % | NN50? count divided by the total number of all NN intervals. |
Geometric? measures | ||
HRV? triangular index | Total? number of all NN intervals divided by the height of the histogram of all NN? intervals measured on a discrete scale with bins of 7·8125 ms (1/128 s). | |
TINN | ms | Baseline? width of the minimum square diVerence triangular interpolation of the highest? peak of the histogram of all NN intervals |
DiVerential? index | ms | DiVerence? between the widths of the histogram of diVerences between adjacent NN? intervals measured at selected heights (e.g. at the levels of 1000 and 10 000? samples) |
Logarithmic? index | ||
②頻域分析
將RR間期的時間序列信號采用數(shù)學變換的方法將其變換到頻率域上,形成頻譜曲線,并對頻譜曲線的形狀進行分析。從頻譜曲線上比較細微地分別觀察交感神經(jīng)與迷走神經(jīng)對心率的調(diào)控作用。
頻譜曲線的橫坐標是頻率(Hz),縱坐標是功率密度(單位頻率的功率)。將心律變化曲線轉變?yōu)轭l譜計算功率譜密度,常用的方法有自回歸法(AR)和快速Fourier轉換法(FFT)。經(jīng)典譜估計法的主要優(yōu)點是:1)使用的算法簡單(通過快速傅里葉變換實現(xiàn));2)運算速度快。主要缺點是:譜線不是很光滑。參數(shù)模型譜估計法的主要優(yōu)點是: 1)譜線光滑、易辨認;2)分辨率高。其主要缺點是:建模過程復雜,模型階數(shù)不容易確定?,要求數(shù)據(jù)是平穩(wěn)序列。
(2)???非線性分析方法
HRV的非線性參數(shù)有相圖(散點圖)及定量描述混沌的參數(shù):分維數(shù)、李雅普諾夫指數(shù)、測度熵、復雜度、預測度。
①散點圖,即HRV信號的相空間軌跡圖。以相鄰兩個竇性心動周期的前一個R-R間期長度RRi(ms)為橫坐標,以后一個心搏的R-R間期RRi+1(ms)為縱坐標,在圖上畫出一定時間段內(nèi)(24小時)所有心動周期的點。正常人如慧星狀,較密集的點主要分布于45°角直線附近,表示相鄰的R-R間期大致相等,反映交感神經(jīng)的活性。沿該直線方向上的長度代表24小時心率的總體變異度,垂直于該直線方向上的稀疏散點,表示相鄰R-R間距差異大,即竇性心律不齊,反映了迷走神經(jīng)活性,代表HRV的瞬時改變。病理狀態(tài)下,散點圖多為不規(guī)則型。
②分維數(shù)(Hausdorff維、信息維、相關維、容量維),是用來描述混沌系統(tǒng)自由度信息,表征HRV信號系統(tǒng)分形特征的參數(shù)。病理狀態(tài)下,HRV信號的混沌分形性質發(fā)生改變,向周期性、準周期性靠攏,分維數(shù)減小。分維數(shù)越大,HRV自相似復雜性越大。心血管動力系統(tǒng)的復雜性隨年齡增大而減小,在平臥自主呼吸情況下,老年人近似維為3141±0157,比年輕人(4120±0153)要低。
③李維普諾夫指數(shù)(Lyapunov?指數(shù)?, Lya) , Lya是反映非線性系統(tǒng)動力學穩(wěn)定性的參數(shù)。?Lya
越大,系統(tǒng)的混沌程度就越大?,?正常人Lya
為正值且顯著大于AMI病人的Lya。
④測度熵?,?熵是指復雜系統(tǒng)產(chǎn)生信息的速率。是動力系統(tǒng)復雜程度的度量。熵為零表示系統(tǒng)是有規(guī)則的?,熵無窮大?,?則是完全隨機的?,而混沌信號的測度熵是一個有限的正數(shù)。患病嬰兒的測度熵低于健康嬰兒。老人的測度熵(0179±?0112)?低于年輕人?(0190±0104)?。⑤復雜度?,復雜度反映了一個時間序列隨其長度的增加出現(xiàn)新模式的速率。在?HRV分析中可以表現(xiàn)?R - R序列接近隨機的程度。健康人的?HRV存在其固有的生理復雜性?,?而在AMI、心源性猝死、充血性心力衰竭等病理狀態(tài)下?,復雜度減小或消失。
⑥預測度?,?預測度可以用來分析R -R間期序列?,周期性、混沌性、隨機性的程度。
參考文獻:
[1]?郝明心率變異的分析及臨床意義醫(yī)療裝備2008第6期
[2]?孫京霞?,白延強心率變異分析方法的研究進展航天醫(yī)學與醫(yī)學工程?2001年第3
期
[3] A.John Camm, London, U.K,MarekMalik, London U.K. Heart rate variability--Standardsof measurement, physiological interpretation, and clinical use. European HeartJournal (1996) 17, 354–381
總結
以上是生活随笔為你收集整理的心率变异性(HRV)的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: python变异系数,Python Sc
- 下一篇: SRE Google运维解密——第二章G