文摘
心率波动是一个典型的发现在阻塞性睡眠呼吸暂停,特点是在apnoeic阶段心动过缓、心动过速恢复通风。在这项研究中,夜间的时频域分析心率变异性(HRV)评估作为单一诊断标记阻塞性睡眠呼吸暂停综合征(群)。
时频HRV变量的预测精度(从2级小波(西弗吉尼亚州)分解参数(Wv2) 256级(Wv256))获得夜间心电图霍尔特监测分析在147年连续病人年龄在53.8±11.2年可能的群。
群被诊断出66例(44.9%)显示呼吸暂停/ hypopnoea指数≥10。使用接受者操作特性曲线分析,最有力的预测变量是Wv32 (0.758 W, p < 0.0001),其次是Wv16 (W 0.729, p < 0.0001)和Wv64 (W 0.700, p < 0.0001)。分类和回归树方法生成一个决策树群预测包括各级Wv系数,从Wv2 Wv256敏感度达到92.4%,特异性为90.1%(91.2%)比例的协议与非参数分析。
使用小波变换时频参数计算和提取夜间心时期分析出现强大的工具为阻塞性睡眠呼吸暂停综合征的诊断。
阻塞性睡眠呼吸暂停综合征(群)是一种常见的普遍问题1(中年男性患病率4%)从交通事故主要的健康影响2严重的心律失常。群与风险增加有关的高血压、心肌梗塞和中风,增加死亡率3,4。
群的诊断通常是由多导睡眠图在睡眠实验室组成的几个信号的测量和记录用于分析睡眠和呼吸。而多导睡眠图代表诊断的“金标准”,这是一个昂贵和耗时的过程和重要的资源投资住院病人有轻度到中度的疾病。此外,实验室环境经常干扰或干扰病人的睡眠。因此,一些策略也已经被开发出来,以减少睡眠录音,包括睡眠问卷调查、动态录音,简化的多通道系统和夜间血氧定量法,所有显示高特异性,但灵敏度较低5- - - - - -7。
众所周知,整个夜晚,再次发生呼吸暂停引起典型的心率和循环模式组成的周期性布雷迪/心动过速8,对比改变昼夜窦房结的控制,并与迷走神经和交感神经活动的周期变化。量化的心跳节奏连续alternance迷走神经刺激和引起交感神经放电9,10光谱分析的心率变异性(HRV)已经应用使用短期夜间录音。然而,这种技术遇到重大困难的不稳定模式数据,复杂的定义适当的光谱带捕捉病理节律,和之前的要求插值和重采样信号处理。为了避免固定要求,小波的时频方法(西弗吉尼亚州)变换提出了11。从生理的角度来看,这种方法,应用于RR间隔时间序列,表明更准确适应自主封锁,允许时间适应的本地化。使用古典HRV时域分析,作者最近表明,24 h应承担的监测可能是一个有用的工具来诊断群和鉴别阻塞性睡眠呼吸暂停在非快速眼动(NREM)12。
本研究的目的是评估Wv变换的时频方法是否可能产生群的重要诊断信息。为此,这种方法的敏感性和特异性HRV分析评估在一整夜的心电图(ECG)录音,在一大群未经选择的病人检查可能的睡眠呼吸障碍。
对象和方法
研究小组
人口研究包括147名患者(101男性和46名女性)平均数±标准差年龄为53.8±11.2岁,被称为大学医院的临床怀疑群。排除标准永久或阵发性心房纤颤,糖尿病,Shy-Drager综合症,永久心室和心房踱步;没有人收到抗心律失常的药物或洋地黄。HRV分析和多种波动描记得分是由两个独立的得分手,器的每一个失明的结果。
睡眠研究和多导睡眠图得分
群被诊断为临床标准的基础上进行多导睡眠描记术,之后美国睡眠障碍协会的建议13。的存在和阶段睡眠监测使用两对脑电图仪的领导(C4高A1在O2必经A1),两对electro-oculographic领导和下巴肌线索。由口鼻气流测量热电偶。呼吸努力使用电感体积描记法监测,传感器放置在胸部和腹部。动脉氧饱和度(年代啊,一个2)连续记录脉搏血氧仪(Criticare系统公司沃基肖,WI,美国)在整个晚上。手动polysomnogram得分是根据标准标准14,15。
呼吸事件中使用美国睡眠医学学会提出的标准。Hypopnoeas被定义为≥50%减少气流从基线值持续≥10年代和3%稀释或兴奋。呼吸暂停被定义为缺乏口鼻气流持续> 10年代。阻塞性呼吸暂停被定义为没有气流> 10年代的持久的呼吸努力。呼吸暂停/ hypopnoea指数(AHI)成立的比例数量的呼吸暂停和hypopnoeas每小时的睡眠。为夜间低氧血指数,总时间年代啊,一个2被认为是< 90%。你好≥10被选为阈值确定群的存在。
同步心电图霍尔特监测和心率变异性分析
夜间录音(时间7.3±1.1 h)分析了Novacor系统(Rueil-Malmaison、法国)模式,配备了HRV模块。执行分析,每个QRS波群验证和每个QRS (RR间隔)之间的长度计算。只有normal-to-normal节拍被认为与区间分析排除由于异位或文物被控股取代之前的耦合间隔级别在整个时间间隔到下一个有效耦合间隔。心电图霍尔特系统允许提取的RR间隔1/200年代的精度。这时,一个2.4赫兹重采样过程应用。
小波分析
西弗吉尼亚州与傅里叶变换的非平稳信号的分析16,17。因此,没有先决条件对于沿信号频率含量的稳定性分析。这个分析允许提取的特征频率包含一个信号,连续的,在这种情况下,由间隔RR间隔系列。西弗吉尼亚州的信号变换的分解需要一个适当的正则函数和局部的母亲。从这个初始函数,函数的一个家庭是由膨胀和易位,构成所谓的西弗吉尼亚州。不同权重的分析包括滑动窗口包含Wv(对应不同级别)功能,所有的信号。系数的计算给出了串行列表命名Wv系数,代表信号之间的相关性f的进化和选择各级西弗吉尼亚州的分析(或不同的频率范围)的信号。在这个分析中,四Daubechies Wv变换使用18。对于每个记录,西弗吉尼亚州系数计算套512 RR间隔,给八个单独命名Wv2水平的分析,Wv4, Wv8, Wv16, Wv32, Wv64, Wv128 Wv256。可变性的权力,一级一级,计算系数的平方和。因此,对于每个记录,每个级别的可变性权力。西弗吉尼亚州功率系数的总和水平2,4,8,大约相当于傅里叶高频率(副交感神经活动的索引),西弗吉尼亚州功率系数水平16和32大致对应于傅里叶频率低,和西弗吉尼亚州权力系数在64年和128年的水平的傅里叶频率很低。
统计分析
差异被视为显著p < 0.05。值表示为平均数±标准差。统计分析进行评估的能力变量来区分影响(群+)和nonaffected(群−)状态。因此,因变量是患病的状态(群+)。独立变量分析是西弗吉尼亚州从Wv2 Wv256水平。接受者操作特性曲线(ROC)分析使用19,20.曲线下面积,由字母W W值为0.5时表示,变量的分布是相似的人群。相反,W值为1.0时表示变量的分布的两个人口不重叠。逐步回归分析是用来证实先前ROC曲线进行分析。因变量是由AHI和独立变量包括Wv水平,表现出显著的W值与ROC曲线。
一个分类树然后使用判别变量表示的ROC曲线。第一个变量是确定最佳分离病变和nondiseased科目。其他变量被引入按照降序排列的区别的能力。对于每一个连续变量,截止值作为分隔符决定被选为误分类提供最小的数,即。最小化的假阳性和假阴性结果的总和。敏感性,特异性和比例的协议计算这最后的学习样本分析。的原则分类和回归树(CART)方法是查看所有可能的分裂对所有变量纳入分析即。西弗吉尼亚州的水平。结果是一个倒置的树的形式。车从根节点开始,通过一个过程是/否的问题,产生后代节点。一些节点终端,这意味着最后一个决心达到分类而其他节点继续分裂,直到终端节点。第一个主题地址方法购物车使用选择分裂节点的问题。接下来的活动是每个分割排序规则的基础上goodness-of-split标准。一旦找到最好的分裂,购物车重复搜索过程对于每个子节点,继续递归直到进一步分裂或停止是不可能的。然后,车收入通过植树,直到它是不可能的进一步增长。它生成一个最大的树和一组子树。交叉验证之后,将学习样本划分为10个大约相等的部分包含类似的分布为因变量。 The results of the 10 minitest samples were finally combined to form an error rate for trees of any possible size; these error rates are applied to the tree based on the entire learning sample. The outcome of this complex process is a set of fairly reliable estimates of the independent predictive accuracy of the tree.
结果
表1⇓总结了临床病人的变量组。群被诊断出66例(44.9%)使用多导睡眠图记录。在临床特征没有显著差异,年龄和身体质量指数之间被发现群+和群−病人。
夜里Wv分解HRV分析在一个典型的群病人(AHI 40)如图1所示⇓。主观的,首先,视觉方法,增强系数的水平Wv8, 16岁,32岁,64年和128年可以指出,相比之下,nonapnoeic病人。
ROC曲线(连续数据)建立单独为每个HRV变量(如表2⇓)。所有时间频率域变量(Wv2 Wv256)计算整晚的记录能够独立的群+群−地位有统计学意义(p < 0.05)。三个变量是杰出的分隔符:Wv32 (0.758 W, p < 0.0001), Wv16 (W 0.729, p < 0.0001)和Wv64 (0.700 W, p < 0.0001)。
最佳使用购物车方法构建的树的结果展示在表3⇓。图2⇓包含车分类分析的要点。分类树图提出了20个终端区域和19个节点的信息。Wv32级代表最重要的变量(第一个节点)其次是Wv16 Wv8 Wv64。表4⇓显示错误分类的数量很低的学习样本总数的8 5假阳性和假阴性(图2所示⇓)。敏感度达到92.4%,特异性90.1%,协议是91.2%在这个人口的百分比。
讨论
本研究最重要的发现是,阻塞性呼吸暂停的复发决定大幅提高时频HRV的组件。功率系数的改变水平8,16和32高度预测的敏感性和特异性高的睡眠呼吸障碍。群的高预测基于心率时期这些人群的分析表明,这种方法可能是一个潜在的简单和健壮的动态群患者的筛查方法诊断21。
基于心率的典型的振荡,首先由Guilleminault描述et al。8,一些设备已经被用于诊断群,包括短期、时频光谱分析显示HRV的诊断检测的准确方法群。目前集团公布的最近的数据在时域测量的分析清楚地表明,时域HRV变量在群的筛选是一个有用的工具12。本方法的准确性是很高超过15分钟选择时间的非快速眼动睡眠。此外,特异性和灵敏度是大大增强与公布的数据使用血氧定量法。有趣的是,Shiomiet al。9证明这种方法不仅对筛查是一个简单的工具,也为后续评估,显示显著减少HRV下颌进步治疗后的低频分量。尽管其有效性,标准HRV频域分析没有一个适当的工具来量化变化非常低频振荡,一个更强大的阻塞性呼吸暂停的标志。出于这个原因,它是假设,重复的低频振荡,频域分析心脏的时期可能是一个更好的预测群22。与功率谱密度非常低的频率成分(interbeat间隔增加),西弗吉尼亚州分析给出了一个更高的特异性和灵敏度更高,没有从用户更多的政府干预。应用时频分析的一大群未经选择的病人,这种方法被发现,允许更好的量化与阻塞性呼吸暂停事件相关的频率成分,与一个高度三个新变量的判别能力歧视患者群。三个水平,“全球价值调查”主要根据、Wv8 Wv16 Wv32,显然是预测的振荡产生的阻塞性呼吸事件。虽然Wv8水平通常被视为parasympathetically介导的频率18,Wv16 Wv32对应于经典的傅里叶变换的低频分量。如果Wv32代表的回归树的第一个节点群定义的AHI > 10, Wv16和Wv8水平出现在ROC曲线分析进一步强劲预测变量来预测群。它可能看起来奇怪,低频组件(Wv64 Wv128)并不代表最合适的光谱带捕捉布雷迪/心动过速的节奏。这些结果可以解释的不调和希尔顿的观察et al。11低频(0.01875 - -0.07383 Hz)对应于作者的Wv32和Wv64水平。从实用的角度,评估基于这三个参数相结合,至少,应该提出在未来的前瞻性群组的病人。
从文学,年代啊,一个2熊一样的特异性灵敏度但低于目前的西弗吉尼亚州分析。特异性使用年代啊,一个246 - 80%不等5,6。此外,作者并没有打算比较西弗吉尼亚州的敏感性和年代啊,一个2在这项研究中,因为夜间的成本效益年代啊,一个2睡眠呼吸暂停综合征中描述分析已经很大程度上检测。
确定本研究的局限性,需要考虑可能影响结果。首先要考虑的是,自主障碍或心律失常患者被排除在外,限制假阴性结果。然而,完成polygraphy也可以误导携带一些限制和血氧定量法无法识别nonapnoeic夜间肺换气不足,以及低估睡眠呼吸障碍的严重程度。其次,疑似病人群主要是研究尽管他们属于异质群体而言,你好。因此,样本可能不完全代表患者的一般人群临床医生,和那些有打鼾或上呼吸道阻力综合症。然而,斯特拉德林et al。23,强调自主微觉醒相关群更好的量化使用血压变异性24,25。此外,奥唐纳et al。26证明数字血管张力,测量了外周动脉张力测定法,提供了一种可靠的方法来检测气道阻塞和唤醒,反映血压和心率的变化发生在上呼吸道阻塞。
尽管本研究中使用的方法可能人为地增加群患者HRV分析的力量,更广泛的研究包括一系列睡眠呼吸障碍患者评估的有效性和HRV的诊断预测分析。最后,这些群中观察到的增强HRV病人反映了三个因素的作用,即。-食管压力增加、缺氧和兴奋在结束时发生呼吸暂停,所有这些引起副交感神经系统的强劲增长,随后突然连续交感激活由于缺氧27,28。这些周期性和持续反应可能与主心率缓慢振荡产生的中枢神经系统在潮式或周期性呼吸模式29日,可能反映了循环的反应,心肺化疗和/或压力感受器。这些考虑,这将是有趣的检查中央呼吸暂停的患者为了确定是否同样的西弗吉尼亚州变量可以预测的存在改变了睡眠时呼吸。
总之,时频域分析的夜间心率变异性使用小波分解可以代表一个有效的标志阻塞性睡眠呼吸暂停综合症。其易于使用和解释的兴趣考虑睡眠呼吸障碍的高患病率一般中年,高危人群。进一步,研究考虑更大的人群,广泛的睡眠呼吸障碍,为了确定是否需要执行这个方法可能是一个简单的工具用于整个光谱的诊断睡眠呼吸障碍门诊基础上。
脚注
↵社论评论见870页。
- 收到了2002年11月17日。
- 接受2003年7月1日。
- ©人期刊有限公司