基于AR模型的过速型室性心律失常的短时心率变异性预测分析

目的:基于短时(5 min)心率变异信号的频域分析,探究过速型室性心律失常[包括室性心动过速(ventricular tachycardia,VT)和室颤(ventricular fibrillation,VF)]的发生机理及有效预测方法。方法:以78名患者体内心脏复律除颤器记录的VT/VF事件发生前5 min的RR间期序列(作为VT/VF样本组)和来自同一患者的正常窦性节律(作为正常对照组)构成的样本对为分析序列,对分析序列预处理后,基于AR模型方法计算其功率谱,提取相应的频谱能量特征,并进行统计分析。结果:与正常对照组序列相比较,VT/VF样本组的功率谱总功率、甚低频功率、低频功率、高频功率及低频功率峰值显著降低,统计检验概率分别为P<0.003、P<0.003、P<0.002、P<0.005、P<0.002。结论:研究表明VT/VF发生前患者的心率变异性明显降低,说明其自主神经系统调节功能受损和失衡,频谱能量特征的改变或许是VT/VF发生的某种生理预兆,对于短时预报恶性室性心律失常有重要意义。

基于短时心率变异性信号两种熵测度的过速型室性心律失常的预测分析

目的:过速型室性心律失常[持续性室性心动过速或心室纤颤(VT/VF)]是心脏猝死的主要诱因,测试VT/VF发生前心率变异性信号是否有明显改变可作为VT和VF发生的提前预报信号。方法:以78名患者体内心脏复律除颤器记录的VT/VF事件发生前心率变异性信号(VT/VF序列)和来自同一患者的正常窦性节律(CON序列)组成的135个样本对作为实验序列。通过预处理消除实验序列的伪差、异位心搏等干扰,采用两种基于熵的非线性复杂度测度——样本熵和逐点多尺度熵(PPMSE),分析VT和VF发生前十几分钟的VT/VF序列,以及心率增加和减小的VT/VF序列复杂性,并采用PPMSE方法讨论了接近VT/VF发生时VT/VF序列复杂性变化。结果:与正常对照组CON序列相比,在一定匹配容差内,VT/VF发生前心率变异性信号的样本熵明显减小(r<0.25×SD,P<0.0005),心率增加的VT/VF序列减小更显著(r<0.3×SD,P<0.0001);VT/VF序列的PPMSE在越接近VT/VF发生时刻减小越显著,提取的CI指数存在显著差异(如1~30尺度,N=986、500、250时,P=1.5×10^-2、P=4.3×10^-3、P=1.3×10^-5),心率增加的VT/VF序列区分性能更好。结论:过速型心律失常的自然发作并不是突发现象,在其发作前或许存在某种生理预兆,两种熵测度可能是短时预报恶性室性心律失常事件的有效非线性参数。