充血性心力衰竭和心率变异性

心率变异性(Heart rate variability,HRV)是指逐个心动周期心率的细微时间变化,反映交感-副交感神经张力及其平衡的重要标志,其发生的基础是自主神经对心率的调节作用。 1 HRV的分析方法、指标及正常参考值分析方法有线性及非线性分析方法,其中非线性分析方法在临床应用不多,常用的为线性分析方法,它包括时域分析方法及频域分析方法。时域指标一般用24小时的长程检测,短     

心率变异性分析评价疼痛对自主神经活动的影响

本研究旨在探讨辣椒素疼痛模型建立的可行性和心率变异性(HRV)分析用于疼痛评价的可能性,并对辣椒素致痛过程中志愿者的自主神经活动性的变化进行研究。本研究对30名健康志愿者进行辣椒素刺激,记录刺激后的视觉模拟量表(VAS)评分及其刺激前后的心电信号及HRV分析指标,包括时域分析指标、频域分析指标、非线性分析指标。实验结果表明辣椒素导致人体疼痛的过程中,志愿者的自主神经活性升高,其中交感神经活性升高明显,在HRV上有明显变化。由此可见,辣椒素疼痛模型的建立是可行的。在进一步的实验中HRV分析有望作为定量评价疼痛的参考指标之一。     

心率变异性分析方法的研究进展

首先介绍了心率变异性(HRV)的基于线性的时域和频域的分析方法,然后结合实例介绍了心率变异性(HRV)的一些非线性的特征量及分析方法.最后指出线性分析和非线性分析相结合,将会从更深的层次上挖掘HRV中的信息,因而会成为未来HRV研究的发展重点和方向.     

基于HRV信号分析的人工神经网络用于CHF的诊断研究

建立了基于心率变异性(heart rate variability,HRV)信号分析的人工神经网络(artificial neural network,ANN)模型,以寻求用于充血性心衰(congestive heart failure,CHF)诊断的最佳向量-网络组合.结果表明,将经过改进的BP算法和小波分析所抽取的特征向量相结合所获得的神经网络在诊断敏感性和特异性上有着均衡且优良的表现,并且经由AR模型谱估计获取的向量价值也不亚于小波分析所提取的特征向量.因此,基于HRV信号分析的人工神经网络用于诊断CHF可作为临床诊断的一种重要参考方法.     

基于极短时心率变异性分析的充血性心力衰竭诊断可行性探讨

表征极短时(1min)心率变异性(HRV)的分析参数通常随时间呈现出复杂的变化模式,这种随时间变化的波动很容易干扰对心血管状态的正确判断。本文将年龄匹配的41例健康人(对照组)和25例充血性心力衰竭(CHF)患者(实验组)的长时HRV序列划分成多段极短时序列,计算同一HRV参数在多段极短时序列中的变异系数以及多次组间t检验中差异有统计学意义的检验比例,以此探讨部分极短时HRV分析参数在揭示不同状态下心血管系统功能差异时的稳定性;此外,通过对受试者工作特征(ROC)曲线的分析以及人工神经网络的建模,评估了这些参数对对照组和实验组进行分类的效果。本文结果表明:1基于复杂网络分析的度分布熵指标有着最小的变异系数且对病理状态敏感(79.75%情况下对照组和实验组的差异有统计学意义),可为临床医生提供一个诊断CHF患者的辅助指标;2将庞加莱散点图进行椭圆拟合后,对照组和实验组的椭圆短长轴之比(SDratio)在98.5%的情况下差异有统计学意义;在人工神经网络建模时,仅使用SDratio对对照组和实验组进行分类的正确率为71.87%,表明SDratio或可作为CHF患者的智能诊断指标;3仍需寻找可用于极短时HRV分析研究且对CHF患者更加敏感特异的稳定指标。     

大鼠阿霉素慢性心衰模型的制备与心衰指标的判定

目的探讨大鼠阿霉素(adrinmycin,ADR)慢性心衰(chronicheartfailure,CHF)模型的制备与心衰指标的判定。方法采用ADR给大鼠隔日腹腔注射制作慢性心衰模型,并通过行为体征观察、初体重和终体重、心重及心体比、心功能测定、心、肝和肺病理学光镜以及心肌病理学电镜观察进行心衰指标的判定。结果模型组大鼠萎靡不振、活动、进食减少、呼吸加快、体温下降、体重明显减轻,且左室内压、压力升高最大速率(±dp/dtmax)、心率明显降低,心脏病理学改变明显,基本符合Bishop关于慢性心衰CHF动物模型制作的标准,说明用ADR方法复制CHF模型是成功的。更贴近临床心肌病性CHF的病理生理过程。结论用阿霉素制作CHF模型技术方法容易控制,心衰指标符合标准。     

心率变异性的线性参数和非线性图形特征在自主神经功能评价中的应用研究

分析心率变异性(HRV)信号的传统方法是通过计算其线性参数,包括时域和频域参数来评价自主神经功能。HRV信号的本质是非线性的,并具有非线性动力学特性。Poincaré图是一种非线性图形法,能够揭示信号中隐藏的现象。本研究分别利用HRV的线性参数和Poincaré图参数在文字输入实验中进行自主神经功能评价。结果表明Poincaré图是评价HRV水平的一种简单且有效的非线性图形法。     

短时心率变异性非线性分析方法及其在临床医学中的应用

目前关于心率变异性(HRV)的时域、频域及时频分析等线性分析方法已经取得很多共识,而针对HRV的非线性分析方法也在生物医学和临床医学上有不少的研究报道,尤其是短时HRV分析,但目前仍然存在很多争议,尚未形成统一的标准和结论。本文就短时HRV非线性分析常用的三种方法(分形维、熵及复杂度)的原理、临床应用进展及存在问题进行详细的综述和讨论,以期为准确地将其应用于临床医学提供参考。     

以短时心率变异性反映充血性心力衰竭患者自主神经活动的改变

基于短时心率变异性（HRV）分析,探讨充血性心力衰竭（CHF）患者自主神经活动的变化和影响。选用THEW数据库中正常人子数据库作为正常对照组（n=189）,对于PhysioNet中两个CHF子数据库的样本（n=44）,按照NYHA等级,将NYHA I-II级划分轻度CHF 组（n=12）,NYHA III-IV级为重度CHF组（n=32）。对每一个Holter记录选取日间和夜间安静态各5 min的RR间期（RRI）序列,分别进行时域、基于AR模型的频域和去趋势波动（DFA）分析。在正常组、轻度CHF组和重度CHF组等三组中,CHF患者日间的短时分形尺度指数（(α₁)_d）两两比较均有显著性差异,并存在下降趋势（依次分别为1.35±0.21、1.03±0.29和0.81±0.29）,反映心率动力学从分形特性转向更随机化的结构。同时,日间HFn((HFn)_d)在三组间的两两比较中均存在显著性差异,并存在上升趋势（依次分别为23.89%±12.78%、37.22%±11.24%和56.30%±15.28%）, 表明CHF导致交感神经和迷走神经交互作用趋于消失。利用夜间RRI（RRI_n）,(HFn)_d 和 (α₁)_d等3个指标进行Fisher线性判别,区分正常人和CHF患者的灵敏性和特异性分别为90.91%和92.06%,而区分轻度和重度CHF患者的灵敏性和特异性分别为84.38%和100%。所进行的研究将HRV非线性方法与传统方法相结合评估自主神经状态, 为监测CHF病情或观察治疗效果等潜在的临床应用提供了依据。     

以线性参数模型和信息分解方法评价QT变异性对心率变异性的响应

自主神经系统(ANS)的平衡对于规避与心脏相关的疾病风险具有重要意义。本课题运用频域的线性参数模型和非线性信息分解方法,分析QT变异性(QTV)对于心率变异性(HRV)的响应,揭示心脏自主神经的调节状态。使用来自THEW数据库的Holter数据,选用其中的正常组(Normal,n=186)和高心律失常和心源性猝死风险组(ESRD,n=41)进行对比。提取昼夜安静态各5 min RR间期(RRI)和相对应的QT间期(QTI)序列,计算频域参数QTV与HRV相关的百分占比(LR)和信息分解的RRI对于QTI的可预测性(PI),并结合RRI序列的时域、频域和符号动力学分析,探讨QTV对于HRV的响应在两组人群中可能的差异和发生机制。对于LR和PI,Normal组均表现出显著的昼夜差异,而ESRD组则均不存在,反映出ESRD组ANS交互作用的缺失。两组间同时段同指标对比时,低频段LR无显著差异,而在高频段,Normal组的LR值均显著小于同时段ESRD组的LR值(白天:18.36%±17.38% vs 39.37%±23.80%, P<0.05;夜晚: 28.63%±18.77% vs 42.31%±21.97%, P<0.05);Normal组夜晚的PI显著大于ESRD组夜晚的PI(0.310±0.155 vs 0.236±0.131, P<0.05),而在白天无显著差异。研究表明,线性参数模型和基于信息分解的非线性预测对自主神经活动的敏感性不同;高心律失常和心源性猝死风险人群中HRV对QTV的调控呈复杂度降低的特点。     

以基于基本尺度熵的心率变异性指标表征生理和病理原因引起的自主神经活动变化

心率变异性（HRV）体现了自主神经对心脏节律的调节,其动力学特征能够反映心脏的生理功能和健康状态,从短时HRV信号中探测其生理和病理状态的变化具有重要的临床应用价值。本研究采用基本尺度熵中的m-words组合和forbidden words作为特征指标,研究健康年轻人和健康老年人之间以及各自昼夜间对比,以及健康老年人与充血性心力衰竭患者间的对比。首先将m-words组合、forbidden words分别应用于正弦周期信号、白噪声以及1/f 噪声,以证明方法的有效性。25名健康年轻人和25健康老年人的数据分别选自PhysioBank中的Normal Sinus Rhythm RR Interval Database数据库和MIT-BIH Normal Sinus Rhythm数据库,20名充血性心力衰竭（CHF）患者选自PhysioBank中Congestive Heart Failure RR Interval Database。结果表明：m-words组合几率分布可以反映自主神经调控的变化;健康年轻人和健康老年人各自昼夜间的forbidden words存在显著差异（P<0.05）, 并且健康年轻人和健康老年人对应的时间段forbidden words也存在显著差异（P<0.05）;相比于健康老年人,CHF患者的forbidden words显著降低（219.2±6.9 vs 147.5±12.1,P<0.05）。相对于传统的非线性方法,所提出方法的计算只需500个心跳间隔的时间序列,为HRV的研究和应用提供了一种简便和有效的方法。     

基于多分辨率分析的心率变异性分析

目的：心率变异性蕴藏了大量有关心血管调节的信息,可作为定量反映自主神经功能及其对心血管的调控作用和反映心脏活动正常与否的重要指标之一。因此,主要研究了几种常用的心率变异性分析方法。方法：本论文应用多分辨率分析方法对HRV信号进行6尺度分解,计算小波系数的能量及其在各频段的分布,对cd3-cd6频段的能量进行分析比较。结果：充血性心衰患者各频段能量均值比正常人都要低,能量分别主要集中在高频段和低频段的偏低频部分,且两组的能量差异更为明显,与频域分析结果相比更为精确。结论：要得到带有普遍规律的实验结果,需要对不同的分析方法进行不断地改进和优化,并进行大量的研究工作。     

A new approach to detect congestive heart failure using Teager energy nonlinear scatter plot of R-R interval series

A novel approach to distinguish congestive heart failure (CHF) subjects from healthy subjects is proposed. Heart rate variability (HRV) is impaired in CHF subjects. In this work hypothesizing that capturing moment to moment nonlinear dynamics of HRV will reveal cardiac patterning, we construct the nonlinear scatter plot for Teager energy of R-R interval series. The key feature of Teager energy is that it models the energy of the source that generated the signal rather than the energy of the signal itself. Hence, any deviations in the genesis of HRV, by complex interactions of hemodynamic, electrophysiological, and humoral variables, as well as by the autonomic and central nervous regulations, get manifested in the Teager energy function. Comparison of the Teager energy scatter plot with the second-order difference plot (SODP) for normal and CHF subjects reveals significant differences qualitatively and quantitatively. We introduce the concept of curvilinearity for central tendency measures of the plots and define a radial distance index that reveals the efficacy of the Teager energy scatter plot over SODP in separating CHF subjects from healthy subjects. The k-nearest neighbor classifier with RDI as feature showed almost 100% classification rate.     

Heart rate increment analysis is not effective for sleep-disordered breathing screening in patients with chronic heart failure

Frequency domain analysis of heart rate variation has been suggested as an effective screening tool for sleep-disordered breathing (SDB) in the general population. The aim of this study was to assess this method in patients with chronic congestive heart failure (CHF). We included prospectively 84 patients with stable CHF, left ventricular ejection fraction (LVEF) <45% and sinus rhythm. The patients underwent polygraphy to measure the apnoea/hypopnoea index (AHI) and simultaneous Holter electrocardiogram monitoring to measure the power spectral density of the very low frequency component of the heart rate increment, expressed as the percentage of total power spectral density [% very low frequency increment (%VLFI)]. %VLFI could be determined in 54 patients (mean age, 52.8 ± 12.3 years; LVEF, 33.5 ± 9.8%). SDB defined as AHI ≥15 h⁻¹ was diagnosed in 57.4% of patients. Percent VLFI was not correlated with AHI ( r  =   0.12). Receiver-operating characteristic curves constructed using various AHI cut-offs (5–30 h⁻¹) failed to identify a %VLFI cut-off associated with SDB. The 2.4% VLFI cut-off recommended for the general population of patients with suspected SDB had low specificity (35%) and low positive and negative predictive values (35% and 54%, respectively). Heart rate increment analysis has several limitations in CHF patients and cannot be recommended as an SDB screening tool in the CHF population.     

Multiscale Analysis of Heart Rate Variability: A Comparison of Different Complexity Measures

Heart rate variability (HRV) is an important dynamical variable of the cardiovascular function. There have been numerous efforts to determine whether HRV dynamics are chaotic or random, and whether certain complexity measures are capable of distinguishing healthy subjects from patients with certain cardiac disease. In this study, we employ a new multiscale complexity measure, the scale-dependent Lyapunov exponent (SDLE), to characterize the relative importance of nonlinear, chaotic, and stochastic dynamics in HRV of healthy, congestive heart failure (CHF), and atrial fibrillation subjects. We show that while HRV data of all these three types are mostly stochastic, the stochasticity is different among the three groups. Furthermore, we show that for the purpose of distinguishing healthy subjects from patients with CHF, features derived from SDLE are more effective than other complexity measures such as the Hurst parameter, the sample entropy, and the multiscale entropy.     

心衰患者血浆脑钠肽水平的变化及其临床意义探讨

目的探讨慢性心衰患者血浆脑钠肽（BNP）变化的临床意义。方法采用荧光免疫分析法对328例慢性心衰患者及50例健康对照者进行血浆BNP水平的测定,同时以彩色多普勒超声心电动仪测定慢性心衰患者左心室舒张末期内径（LVEDD）、左心室收缩末期内径（LVESD）、左心室射血分数（LVEF）,并与血浆BNP含量作相关性分析。结果慢性心衰组患者血浆BNP水平明显高于健康对照者（P〈0．01）,且不同心功能患者之间的血浆BNP含量亦存在显著差异（P〈0．01）：慢性心衰组患者血浆BNP水平与LVEF、LVESD、LVEDD呈现良好的相关性（r分别为-0．61、0．55和0．59,P均〈0．01）。结论BNP是反映慢性心衰患者心室功能的灵敏指标。     

Combining classical HRV indices with wavelet entropy measures improves to performance in diagnosing congestive heart failure

In this study, best combination of short-term heart rate variability (HRV) measures are sought for to distinguish 29 patients with congestive heart failure (CHF) from 54 healthy subjects in the control group. In the analysis performed, in addition to the standard HRV measures, wavelet entropy measures are also used. A genetic algorithm is used to select the best ones from among all possible combinations of these measures. A k-nearest neighbor classifier is used to evaluate the performance of the feature combinations in classifying these two groups. The results imply that two combinations of all HRV measures, both of which include wavelet entropy measures, have the highest discrimination power in terms of sensitivity and specificity values.     

心率变异性的检测与分析

心率变异性(HRV)是逐次心跳R-R间期之间存在的微小差异,其蕴涵着心血管神经及体液调节的大量信息,心率变异性的检测与分析是近年来心电信号处理领域的研究热点,其对于心血管系统疾病的无创检测具有重要的临床意义。本文介绍了心率变异性的原理、研究现状与临床意义,描述了用于计算心率变异性的各种QRS复合波检测方法,综述了心率变异性的时域分析、频域分析、时频分析和非线性动力学分析方法,并总结展望了今后的研究方向。