Predikce vzniku fibrilace síní a její úspěšné terminace na základě nelineární analýzy EKG

Abstract

Fibrilace síní je jednou z nejčastějších poruch srdečního rytmu v dospělosti. Zdá se, že ke vzniku této arytmie přispívá i dysfunkce autonomního nervového systému. V součas- nosti však existuje málo metod, které jsou k diagnostice a včasnému odhalení autonomní dysfunkce vhodné. Nejčastěji se k tomu využívá analýza variability srdeční frekvence (VSF), která vychází z pozorování, že autonomní dysfunkce se projeví sníženou VSF. Tu je možné detekovat pomocí EKG záznamu (tzv. R-R intervaly) a dále analyzovat růz- nými metodami. Standardem se staly lineární metody založené na časové a frekvenční doméně. Protože chování autonomního nervového systému není deterministické, zaměřuje se čím dál víc prací na využití nelineárních metod, jako jsou rekurentní analýza a frak- tální dimenze. Pro klinickou praxi by bylo vhodné zjistit, jestli je možné za pomoci těchto metod stanovit riziko návratu fibrilace síní v určitém časovém horizontu. Cílem práce proto bylo analyzovat R-R intervaly z hlediska VSF pomocí uvedených nelineárních me- tod a vybrat parametry, které by mohly predikovat návrat fibrilace síní po její úspěšné terminaci. Byli studováni pacienti s fibrilací síní, kteří podstupili kardioverzi, po které byl všem nemocným proveden ortostatický test sestávající z fáze klidu na lůžku, vertikali- zace do sedu a stoje. V průběhu testu bylo kontinuálně zaznamenáváno EKG, ze kterého byla stanovena sekvence R-R intervalů pro následnou analýzu. Každý pacient podstu- pil 24-hodinovou EKG monitoraci v odstupu 5 a 30 dní od provedené kardioverze, jejíž cílem bylo zjistit, zda ve sledovaném období došlo k návratu arytmie. Na základě toho byli následně pacienti rozděleni do 2 skupin: první skupině se vrátila fibrilace do 5 dnů (13 pacientů) od kardioverze a druhé skupině se arytmie ve sledovaném období 30 dnů od kardioverze nevrátila (16 pacientů). K analýze R-R intervalů bylo využito parame- trů časové domény, frekvenční domény, rekurentní analýzy a fraktální dimenze. Následně byla provedena shluková analýza pomocí k-means. Statisticky významný rozdíl ( p <0, 05)mezi oběma skupinami byl prokázán u parametru frekvenční analýzy LF/HF. U rekurentní analýzy to byly parametry: Lmax, Entropie, AVDL, Divergence. Pomocí shlukové analýzy(k-means) bylo dosaženo 61,3 % úspěšnosti klasifikace. Zdá se, že parametry nalezené v diplomové práci by mohly být použitelné v predikci návratu fibrilace síní po úspěšné kardioverzi. Tyto závěry však bude nutné ověřit na větším počtu pacientů.

An atrial fibrillation is one of the most common heart rhythm disorders in adulthood. It se- ems that dysfunction of the autonomic neural system contribute to the onset of this arrhy- thmia. There are few methods appropriate for diagnose and early detection of the auto- nomic dysfunction. The most common method is analysis of heart rate variability (HRV). It is based on observation that autonomic dysfunction decreases HRV. It can be detected by ECG (R-R intervals) and further analyzed by different methods. Standard in this field have become straight-line methods based on the time and frequency domain. Because the behavior of the autonomic nervous system is not deterministic, more and more stu- dies are currently focused on the use of non-linear methods, such as the recurrent analysis and fractal dimension. It would be useful for clinical practice to find out if it is possible use these methods to determine the risk of return of the atrial fibrillation within a cer- tain timeframe. The aim of this work is to analyze R?R intervals in terms of HRV using non-linear methods and choose the parameters that could predict a return of the atrial fibrillation after its successful termination. Pacients with atrial fibrillation (after cardiover- sion) underwent orthostatic test consisting of rest position and verticalization into a sitting position and standing. ECG was recorded continuously and the sequence of R-R intervals was determined for subsequent analysis. Each patient underwent 24-hour ECG monito- ring after 5 and 30 from cardioversion. The aim was to determine if there was the return of the arrythmia. From the previous results, the patients were then divided into 2 groups: the first group had the fibrillation return within 5 days (13 patients) from cardioversion and the second group did not return of fibrillation in the period of 30 days from cardiover- sion (16 patients). Parameters of time domain, frequency domain, recurrent analysis and fractal dimension were used to analyze of R-R intervals. Subsequently, k-means algorithm was used. Statistically significant difference (p <0, 05) was demonstrated in the frequencyanalysis parameter LF/HF. Parameters Lmax, Entropy, AVDL, Divergence for recurrenceanalysis. It was achieved 61,3 % classification accuracy by using of cluster analysis (k- means). It seems that the parameters found in the thesis could be useful in predicting the return of atrial fibrillation after successful cardioversion. However these conclusions should be verified in the study with a greater number of patients.