Analyse af langsigtede elektrokardiografioptagelser for at detektere arytmier hos mus

Summary

Her præsenterer vi en trin-for-trin protokol til en semiautomatisk tilgang til analyse af murine langsigtet elektrokardiografi (EKG) data for grundlæggende EKG-parametre og almindelige arytmier. Data opnås ved implanterbare telemetrisendere i levende og vågne mus og analyseres ved hjælp af Ponemah og dets analysemoduler.

Abstract

Arytmier er almindelige og påvirker millioner af patienter over hele verden. Nuværende behandlingsstrategier er forbundet med betydelige bivirkninger og forbliver ineffektive hos mange patienter. For at forbedre patientplejen er der behov for nye og innovative terapeutiske koncepter, der kausalt er rettet mod arytmimekanismer. For at studere arytmiernes komplekse patofysiologi er egnede dyremodeller nødvendige, og mus har vist sig at være ideelle modelarter til at evaluere den genetiske indvirkning på arytmier, til at undersøge grundlæggende molekylære og cellulære mekanismer og til at identificere potentielle terapeutiske mål.

Implanterbare telemetrienheder er blandt de mest kraftfulde værktøjer, der er tilgængelige til at studere elektrofysiologi hos mus, hvilket muliggør kontinuerlig EKG-optagelse over en periode på flere måneder i frit bevægelige, vågne mus. På grund af det enorme antal datapunkter (>1 million QRS-komplekser om dagen) er analyse af telemetridata imidlertid stadig udfordrende. Denne artikel beskriver en trinvis tilgang til at analysere EKG'er og til at detektere arytmier i langsigtede telemetrioptagelser ved hjælp af softwaren, Ponemah, med sine analysemoduler, ECG Pro og Data Insights, udviklet af Data Sciences International (DSI). For at analysere grundlæggende EKG-parametre, såsom puls, P-bølgevarighed, PR-interval, QRS-interval eller QT-varighed, blev der udført en automatiseret attributanalyse ved hjælp af Ponemah til at identificere P-, Q- og T-bølger inden for individuelt justerede vinduer omkring detekterede R-bølger.

Resultaterne blev derefter gennemgået manuelt, hvilket gjorde det muligt at justere individuelle anmærkninger. Outputtet fra den attributbaserede analyse og mønstergenkendelsesanalysen blev derefter brugt af Data Insights-modulet til at detektere arytmier. Dette modul muliggør en automatisk screening for individuelt definerede arytmier i optagelsen efterfulgt af en manuel gennemgang af mistænkte arytmiepisoder. Artiklen diskuterer kort udfordringer ved optagelse og detektion af EKG-signaler, foreslår strategier til forbedring af datakvaliteten og giver repræsentative optagelser af arytmier detekteret hos mus ved hjælp af den ovenfor beskrevne tilgang.

Introduction

Hjertearytmier er almindelige og påvirker millioner af patienter over hele verden¹. Aldrende befolkninger udviser en stigende forekomst og dermed en stor folkesundhedsbyrde som følge af hjertearytmier og deres sygelighed og dødelighed². Nuværende behandlingsstrategier er begrænsede og ofte forbundet med betydelige bivirkninger og forbliver ineffektive hos mange patienter 3,4,5,6. Der er et presserende behov for nye og innovative terapeutiske strategier, der kausalt er rettet mod arytmimekanismer. For at studere arytmiernes komplekse patofysiologi er egnede dyremodeller nødvendige; Mus har vist sig at være en ideel modelart til at evaluere den genetiske indvirkning på arytmier, til at undersøge grundlæggende molekylære og cellulære mekanismer og til at identificere potentielle terapeutiske mål ^7,8,9. Kontinuerlig EKG-optagelse er et veletableret koncept i den kliniske rutine for arytmidetektion¹⁰.

Implanterbare telemetrienheder er blandt de mest kraftfulde værktøjer, der er tilgængelige til at studere elektrofysiologi hos mus, da de tillader kontinuerlig optagelse af EKG (en almindelig tilgang er at implantere ledningerne i en bly-II-position) over en periode på flere måneder i frit bevægelige, vågne mus^11,12. På grund af det enorme antal datapunkter (op til mere end 1 million QRS-komplekser om dagen) og begrænset viden om murinestandardværdier er analysen af telemetridata imidlertid stadig udfordrende. Almindeligt tilgængelige telemetrisendere til mus holder op til 3 måneder, hvilket fører til optagelse af op til 100 millioner QRS-komplekser. Det betyder, at pragmatiske analyseprotokoller er meget nødvendige for at reducere den tid, der bruges med hvert enkelt datasæt og vil give forskere mulighed for at håndtere og fortolke denne enorme mængde data. For at opnå et rent EKG-signal ved optagelse skal transmitterimplantation være optimal - føringspositionerne skal være så langt fra hinanden som muligt for at tillade højere signalamplituder.

Den interesserede læser kan henvises til en protokol af McCauley et ^al.12 for mere information. For at minimere støj skal bure og sendere placeres i et lydløst miljø, der ikke er udsat for forstyrrelser, såsom et ventileret skab med kontrollerede miljøfaktorer (temperatur, lys og fugtighed). I forsøgsperioden skal blypositionering kontrolleres regelmæssigt for at undgå tab af signal på grund af blyperforering eller sårhelingsproblemer. Fysiologisk er der en cirkadisk ændring i EKG-parametre hos gnavere som hos mennesker, hvilket skaber behovet for en standardiseret tilgang til opnåelse af baseline EKG-parametre fra en kontinuerlig registrering. I stedet for at beregne gennemsnitsværdier for EKG-parametre over en lang periode, bør analyse af et hvilende EKG svarende til det hos mennesker udføres for at opnå grundlæggende parametre såsom hvilepuls, P-bølgevarighed, PR-interval, QRS-varighed eller QT / QTc-interval. Hos mennesker registreres et hvilende EKG over 10 s ved en normal puls på 50-100 / min. Dette EKG inkluderer 8 til 17 QRS-komplekser. En analyse af 20 på hinanden følgende QRS-komplekser anbefales i musen som "hvilende EKG-ækvivalent". På grund af ovennævnte cirkadiske ændring er en simpel tilgang at analysere to hvilende EKG'er om dagen, en om dagen og en om natten. Afhængigt af tænd/sluk-cyklussen i dyreanlægget vælges passende tidspunkter (f.eks. kl. 12/PM), og der opnås grundlæggende parametre.

Dernæst bruges et pulsplot over tid til at opdage relevant taky- og bradykardi, med på hinanden følgende manuel udforskning af disse episoder for at få et første indtryk. Dette pulsplot fører derefter til de vigtige parametre for maksimal og minimal puls over den registrerede periode samt pulsvariation over tid. Derefter analyseres datasættet for arytmier. Denne artikel beskriver en trinvis tilgang til at opnå disse baseline EKG-data fra langsigtede telemetrioptagelser af vågne mus over en optagelsesperiode på op til tre måneder. Desuden beskriver den, hvordan man registrerer arytmier ved hjælp af softwaren, Ponemah version 6.42, med sine analysemoduler, ECG Pro og Data Insights, udviklet af Data Sciences International (DSI). Denne version er kompatibel med både Windows 7 (SP1, 64 bit) og Windows 10 (64 bit).

Protocol

1. Forudaftaler

1. Start Ponemah 6.42-softwaren, og bekræft brugernavnet og serienummeret på softwarelicensen på følgende skærmbillede ved at klikke på Fortsæt.
2. Indlæs eksperimentet, der indeholder det EKG af interesse
   1. Hvis Ponemah startes for første gang, skal du være opmærksom på, at dialogboksen Ponemah Kom i gang åbnes og tilbyder tre muligheder: 1) Opret eksperiment, 2) Indlæs eksperiment, 3) Importer eksperiment.
      1. Vælg Indlæs eksperiment for at åbne en fil. Når dialogboksen Søg efter mappe åbnes, skal du vælge eksperimentfilen med udvidelsen (". PnmExp"), og indlæs filen ved at klikke på Åbn.
      2. Hvis du vil åbne et datasæt, der er registreret i Ponemah 5.x eller Dataquest ART, skal du bruge funktionen Importeksperiment .
         BEMÆRK: Hvis softwaren åbnes igen, indlæses det sidste eksperiment automatisk i hovedvinduet til yderligere gennemgang. I menuen under Eksperiment tilbydes de samme tre muligheder som i dialogboksen Ponemah Kom i gang : 1) Opret eksperiment, 2) Åbn eksperiment, 3) Importer eksperiment.
3. Klik på Handlinger / Start gennemgang fra værktøjslinjen, og gå til dialogboksen Indlæs gennemgangsdata , som giver et overblik over alle musenes emner og de respektive signaler, der er registreret i det indlæste eksperiment (figur 1A).
   1. Vælg optagelsen med henvisning til musen, der vil blive analyseret ved at klikke på afkrydsningsfeltet ud for musenummeret i venstre panel Emner.
   2. Markér afkrydsningsfeltet ud for EKG i det midterste panel Signaltyper.
   3. Bestem varigheden af det signal, der skal analyseres med det ekstreme højre panel Tidsinterval. Overhold følgende tre muligheder: Hele eksperimentet, som indlæser alle EKG-data fra den valgte mus; Parsersegmenter, som kun indlæser data indeholdt i Parser-segmenter, der er tilføjet under en tidligere gennemgangssession; Tidsinterval, som tillader indlæsning af et bestemt tidsinterval enten ved at indtaste en bestemt start- og slutdato eller ved at indtaste en tidsvarighed.
   4. Hvis du vil gemme markeringen, skal du bruge dialogboksen Indlæsningsdefinitioner i øverste venstre hjørne, som også tillader indlæsning af tidligere gemte markeringer.
      BEMÆRK: Størrelsen på de valgte data angives med enten en grøn eller rød bjælke baseret på filstørrelsen i øverste højre hjørne under Datastørrelse. I øjeblikket tillader softwaren indlæsning af op til 3 GB data til gennemgang; 3 GB data kan svare til en kontinuerlig 24 timers optagelse på 3-4 dage.
   5. Klik på OK for at indlæse det valgte datasæt i Review.
4. Efter at have klikket OK, bemærker, at Ponemah anmeldelse vindue åbnes sammen med flere separate vinduer. Selvom Begivenheder og Parametre vinduer åbnes og vises som standard, vælg manuelt andre nødvendige vinduer baseret på grafer af interesse under Opsætning af grafer/grafer værktøjslinje.
   BEMÆRK: Hvis Begivenheder og Parametre Åbn ikke som standard, de kan aktiveres af Vindue/parametre og Vindue/Begivenheder.
   1. Bemærk dialogboksen Grafopsætning, som gør det muligt at konfigurere op til 16 grafiske vinduer, der giver både rådata (f.eks. EKG-signaler) og afledte parametre (f.eks. XY-loop) (figur 1B).
   2. Markér afkrydsningsfeltet Aktivér side for at få vist EKG-sporingen. På listen nedenfor skal du vælge linjen inklusive den ønskede mus (under Emne) og datatype (under Præsentation) ved at klikke på det respektive afkrydsningsfelt til venstre. Brug følgende indstillinger: Type, Primær; Etiket, op til 11 tegn, der vises i vinduets titellinje; Tid, 0:00:00:01, der angiver sekunder som den anvendte enhed.
      1. Angiv de relevante oplysninger i tekstfelterne Etiket, Enhed, Lav og Høj .
         BEMÆRK: Aktivér yderligere to sider, Pulstendens og Skabelon, som er nyttige til analyse af grundlæggende EKG-parametre og til detektion af arytmi.
   3. På siden Pulstendens skal du aktivere en anden grafside og definere som en tendens til at plotte pulsen (HR) over tid. Brug følgende indstillinger til at afbilde HR for alle de data, der indlæses i Anmeldelsestype, Tendens; Input, EKG; Præsentation, HR; Mærke, HR-trend; Enhed, bpm; Lav: 50; Høj: 1000.
      BEMÆRK: Skabeloner er EKG-cyklusser med nøjagtigt placerede mærker, der kan bruges som repræsentative EKG-cyklusser til mønstergenkendelsesanalyse. De gør det muligt at vælge et lille antal repræsentative cyklusser og matche disse skabeloner med hele EKG og derved kommentere alle andre cyklusser i overensstemmelse hermed.
      1. Hvis du vil bruge skabelonfunktionen, skal du oprette et skabelonbibliotek (en fil, hvor skabelonerne er gemt) for hvert emne. Gør det ved at vælge indstillingen Skabelonopsætning/Skabelonbibliotek (Figur 2A).
      2. Vælg Ny... i rullemenuen under Skabelonbibliotek for at oprette et nyt skabelonbibliotek.
         BEMÆRK: Der er et par flere muligheder i rullemenuen: Ingen binding adskiller ethvert tidligere konfigureret skabelonbibliotek fra emnet. Gennemse tilknytter et eksisterende skabelonbibliotek, der blev konfigureret under en tidligere gennemgangssession.
      3. Konfigurer derefter en skabelongraf, vælg Opsætning/Eksperimentopsætning/Grafopsætning, og vælg en side, der skal bruges som skabelongrafside. Markér afkrydsningsfeltet Aktivér side, vælg Skabelon for typen, og sørg for, at Input afspejler brugerens emne-/kanalvalg. Skriv de relevante oplysninger i tekstfelterne Etiket, Enhed, Lav og Høj, og klik på knappen OK for at få vist et grafikvindue for hver grafikside, der blev konfigureret under Grafisk opsætning som vist i figur 2B.
         BEMÆRK: En grafopsætningsside til skabelonindstillinger vises som vist i figur 2B. I henhold til den side, der er valgt i grafopsætningsdialogen, er titellinjerne i vinduerne mærket fra side 1 - 16 baseret på antallet af aktiverede sider (eksempler på side 1, 2, 3 er vist i henholdsvis figur 3A, figur 3B og figur 3C).
5. Foretag nogle vigtige justeringer i EKG-sporingsvinduet (figur 3A).
   1. Juster Y-aksen, der repræsenterer EKG-amplituden, ved at dobbeltklikke i EKG-sporingsvinduet for at vælge Skalering. Vælg her Autoskaler eller juster manuelt ved hjælp af Høj akseværdi og Lav akseværdi.
   2. For at justere X-aksen, der repræsenterer tiden, skal du klikke på de respektive værktøjslinjeikoner: Zoom ind for at udvide tidsrummet (dvs. færre QRS-komplekser vises), Zoom ud for at komprimere tidsrummet (dvs. flere QRS-komplekser vises).
   3. For at vise DT (Delta Time) og RT (Real Time) i nederste venstre hjørne skal du venstreklikke på EKG-sporing med markøren (en lodret sort linje) for at placere og se realtidsinformation på markørens placering under RT.
   4. Da DT viser et tidsinterval efter brugerens valg, skal du højreklikke på vinduet for både at placere markøren og vælge Nulstil deltatid i den dialogboks, der vises. Venstreklik til en anden position i EKG-sporingen for at måle tidsintervallet mellem de valgte tidsintervaller, der vises som Delta Time (DT).
6. Sørg for, at hvert segment af sporingen (P, Q, R, T-bølgen) genkendes og kommenteres korrekt til EKG-analysen. For at opnå dette skal du definere og analysere Attributter ved at højreklikke i EKG-vinduet, og klik på Analyser/attributter valgmulighed.
   BEMÆRK: Den EKG-analyseattributter dialog åbner som vist i Figur 4A. Øverst i denne dialog er der flere muligheder (QRS, PT, Avanceret, Støj, Mærker, Noter, Præcision) giver mulighed for justering af forskellige indstillinger (forklaret nedenfor).
   1. Klik på fanen QRS for at justere R- og QS-identifikation.
      1. QRS-detektionstærskel: Anvend den indtastede procentdel på den største afledte top, der er illustreret i bølgeformsvinduet.
         BEMÆRK: Definer en optimal værdi for at eliminere undersensing (dvs. nogle R-bølger kan muligvis ikke detekteres) og oversensing af toppe (dvs. andre toppe, såsom T-bølger, kan fejlfortolkes som R-bølger). Tærsklen (region fremhævet med lyserødt i figur 4A) skal krydse med derivatet af EKG. Ideelt set bør attributværdierne, som hjælper med at identificere QRS-komplekser og skelne mellem klare cyklusser og støjhændelser, opretholdes på konstante (eller næsten konstante) niveauer mellem alle optagelser fra et projekt for at muliggøre sammenlignelighed over forskellige dyr pr. projekt. Når du har etableret optimale værdier, skal du vedligeholde attributindstillingerne for hele optagelsen.
      2. Min R-afbøjning: Sørg for, at R-amplitudeændringen (baseret på minimum/maksimum signalværdier og ikke isoelektriske niveauer) overstiger denne værdi, før den kommenteres som en R-bølge.
         BEMÆRK: Min R-afbøjning bør ideelt set være højere end støj og lavere end den forventede afbøjning af R-bølge. En lav værdi kan resultere i støjsensor, og derfor kan en høj værdi resultere i underregistrering.
      3. Maksimal puls: Sørg for, at den værdi, der indtastes her, er højere end den maksimale forventede puls.
         BEMÆRK: En lav værdi kan resultere i undersensoring, en høj værdi kan resultere i oversensoring, da støjende cyklusser har større chance for at blive markeret som R-bølger.
      4. Minimumpuls: Sørg for, at den værdi, der indtastes her, er tæt på den forventede laveste puls.
         BEMÆRK: Juster pulsgrænserne for hver optagelse individuelt afhængigt af signalamplituden og støjgraden. Forskere skal være opmærksomme på, at en bred vifte af hjertefrekvenser kan resultere i manglende påvisning af arytmier; Et snævert hjertefrekvensområde kan dog resultere i ekstrem overfølsomhed (f.eks. Tusindvis af episoder identificeret som "takykardi", som ikke længere tillader en meningsfuld analyse).
      5. Juster Peak Bias for at registrere positive og negative R-bølger.
         BEMÆRK: En positiv Peak Bias favoriserer påvisning af positive R-bølger; en negativ Peak Bias favoriserer påvisning af negative R-bølger.
      6. Intra Cardiac: Brug denne indstilling i tilfælde, hvor P-bølgen hurtigt ændrer sig, og hvor dens derivat kan overstige derivatet af R-bølgen, hvilket resulterer i falsk annotation af P-bølgen som en R-bølge.
      7. Grænse for gendannelse af oprindelig linje: Angiv denne værdi, som repræsenterer en "blankperiode" omkring R-bølgen, for at forhindre softwaren i at søge efter Q- eller S-bølger, da små artefakter ellers kan resultere i falske anmærkninger af Q- eller S-bølger.
         BEMÆRK: For eksempel vil en værdi på 0 resultere i søgning efter Q / S-bølger fra toppen af R-bølgen, en værdi på 70 vil resultere i at søge efter Q / S-bølger først efter 70% genopretning af R-bølgehøjden.
   2. Klik på PT-fanen for indstillinger til påvisning af P- og T-bølger.
      1. Maks. QT-interval: Juster dette interval for at definere det interval, hvor en registreret T-bølge accepteres.
      2. T-vindue fra S: Juster denne indstilling for at definere søgeintervallet for en T-bølge, der starter fra S-bølge til højre.
      3. T-vindue fra R: Juster denne indstilling for at definere søgeintervallet for en T-bølge, der starter fra R-bølge til venstre.
      4. P-vindue fra R: Juster denne indstilling for at definere søgeintervallet for en P-bølge, der starter fra R-bølge til venstre.
      5. T-retning: Indstil begge som standard til at søge efter både positive og negative T-bølger, da denne indstilling definerer, om der kun søges efter positive, kun negative eller begge positive/negative T-bølger.
      6. P-retning: Indstil begge som standard for at søge efter både positive og negative P-bølger, da denne indstilling definerer, om der kun søges efter positive, kun negative eller begge positive/negative P-bølger.
      7. P-placering: Juster denne indstilling for at flytte P-mærket mod (høj værdi) eller væk (lav værdi) fra toppen af P-bølgen.
      8. T-placering: Juster denne indstilling for at flytte T-mærket mod (høj værdi) eller væk (lav værdi) fra toppen af P-bølgen.
      9. Alternativ ende af T: Juster denne indstilling for at søge efter en alternativ T-bølge ud over den første potentielle T-bølge. Angiv en lavere værdi for at vælge den første T-bølge og en højere værdi for at vælge den alternative T-bølge.
      10. Peak Sensitivity: Juster denne parameter for at eliminere små toppe, når du identificerer P- og T-bølger. Brug dette sammen med Peak Identification.
          BEMÆRK: En værdi på 0 definerer maksimal følsomhed; En værdi på 100 definerer minimal følsomhed. Den minimale maksimale følsomhedsværdi afhænger af signalets kvalitet. Hvis støjniveauet er lavt, og/eller P- og T-bølgerne klart kan skelnes, udløses disse bølger godt, selv når topfølsomheden er 100. Generelt behøver topfølsomheden og topidentifikationen ikke justering, medmindre signalet er støjende, og analysealgoritmen støder på problemer med detektion af P- og T-bølger. I så fald opnås de bedste resultater ved at justere parameteren i trin 25.
      11. Peak Identification: Brug denne parameter sammen med Peak Sensitivity til at definere tærsklen for identifikation af P- og T-bølger. Sænk op til 0 Peak Sensitivity hvis små P/T bølger ikke identificeres. Hvis P/T-bølger ikke identificeres, selv når Peak Sensitivity er indstillet til 0, skal du sænke Peak Identification og justere i trin 25.
      12. Højt ST-segment: Brug denne attribut, hvis T-bølgen er meget tæt på QRS-komplekset, hvilket resulterer i et højt ST-segment.
          BEMÆRK: Da mus mangler et særskilt ST-segment, med en T-bølge, der forekommer direkte efter QRS-komplekset, bør denne indstilling ikke bruges til mus.
   3. Klik på fanen Avancerede attributter for at indstille filtre med lavt / højt pas, for at definere J-punktet for at bestemme ST-højde / depression (ikke nyttigt hos mus), for at indstille korrektionsfaktorer til QT-måling og for at definere arytmiske QRS-komplekser efter højden af R-bølgen og varigheden af QRS-komplekset.
      BEMÆRK: Brug standardindstillingerne foruddefineret i denne fane. Hvis signalet f.eks. påvirkes af elektromagnetisk interferens, skal du justere filterindstillingerne her, hvilket kan bidrage til at forbedre signalkvaliteten. Definition af "arytmiske QRS-komplekser" forbedrer ikke nøjagtigheden til at detektere for tidlige ventrikulære indfangningsslag over den metode, der foreslås her (hver PVC vil også resultere i en pause og detekteres derfor ved denne tilgang). De øvrige indstillinger er kun relevante for meget specifikke forskningsspørgsmål og er derfor ikke beskrevet i detaljer her.
   4. Brug fanen Støj til at justere attributter for at identificere støj.
      1. Klik på afkrydsningsfeltet Aktivér støjdetektering for at identificere støj, og indstil dårlige datamærker.
      2. Klik på afkrydsningsfeltet Aktivér registrering af frafald for at indstille dårlige datamærker omkring data defineret som frafald baseret på den maksimale / minimale signalværdi. Juster Min Good Data Time, som definerer tiden mellem to frafaldssegmenter, der også betragtes som frafald, selvom signalet er godt.
      3. Juster den dårlige datatærskel for at definere støjniveauet, over hvilket EKG-signalet ikke kan analyseres korrekt.
         BEMÆRK: Dette støjende segment af data vil blive inkluderet mellem dårlige datamærker og vil ikke blive analyseret. Der rapporteres ingen EKG-afledte parametre for disse segmenter af "dårlige data".
      4. Angiv min støjpuls, under hvilken puls betragtes som støj.
   5. Brug fanen Mærker til at slå valideringsmærker til og fra.
      BEMÆRK: Det anbefales altid at aktivere Markér cyklusnumre, som tilføjer et fortløbende tal til hver identificeret R-bølge. Dette hjælper med at navigere gennem EKG-optagelsen.
   6. Brug fanen Noter til at angive noter, der vises i eksperimentel logfil.
   7. Brug fanen Præcision til at definere den præcision, hvormed parametre rapporteres.
   8. Indstil attributter, og klik på Genberegn for at se virkningerne af de justeringer, der er foretaget i Waveform-vinduet som en forhåndsvisning.
   9. Hvis (i en ideel situation) alle EKG-bølger er korrekt kommenteret, skal du klikke på OK for at bekræfte attributindstillingerne, som åbner dialogboksen Effekter og omfang af ændringer. For at analysere EKG skal du klikke på afkrydsningsfelterne Genanalyser kanalen og Hele kanalen og bekræft ved at klikke på OK.
7. Afhængigt af inputindstillingerne i dialogboksen Attributter skal du notere de valideringsmærker, der vises i EKG-sporingen. Gå gennem optagelsen manuelt, og kontroller, om valideringsmærker såvel som dårlige datamærker er indstillet korrekt. Brug Data Insights til at kontrollere R-mærkerne og EKG Pro til at kontrollere P- og T-mærker.
   1. Hvis mange mærker er forkerte, skal du ændre attributter og analysere optagelsen igen.
      BEMÆRK: Specifikke indstillinger kan anvendes på specifikke segmenter af data, når EKG-morfologien er forskellig fra resten af optagelsen. Ponemah-softwaremanualen indeholder standardværdier for EKG-analyseattributter for forskellige arter under Ponemah Software Manual / Analysis Modules / Electrocardiogram / Attributes Dialog. Til at begynde med kan disse værdier bruges og derefter justeres manuelt, indtil nok eller (i en ideel situation) alle EKG-bølger er markeret.
   2. Udfør manuel oprydning, hvis kun nogle få mærker er forkerte. Flyt hvert valideringsmærke (undtagen R-bølgemærker) til den korrekte position ved at venstreklikke, holde og flytte det respektive mærke. Højreklik i EKG-optagelsen for at tilføje yderligere valideringsmærker eller markere arytmiske R-bølger. Højreklik på et forkert indstillet mærke for at slette dette mærke.
8. Klik på Handlinger/Logningshastighed (eller tryk på F8) for at indstille logføringshastigheden, som definerer, hvor ofte afledte data logføres til visningen af listen Afledt parameter eller afbildes til grafer, der bruger de afledte parametre. Til analyse af grundlæggende EKG-parametre og arrytmi skal du bruge Epoke 1 som standardindstilling, der indstiller logningshastigheden til hver cyklus.
   BEMÆRK: Logningshastigheden kan øges når som helst under anskaffelsen eller gennemgangen.

2. Analyse af grundlæggende EKG-parametre

BEMÆRK: Ud over validerings-/dårlige datamærker måler og beregner softwaren også automatisk en lang række afledte parametre, som derefter rapporteres i listen over afledte parametre.

1. Klik på Emneopsætning / kanaldetaljer for at vælge en af de afledte parametre.
   BEMÆRK: I den afledte parameterliste er hver parameter knyttet til nummeret på det respektive QRS-kompleks.
   1. Dobbeltklik på en række i tabellen Parameter for at få vist de tilsvarende EKG-cyklusser i midten af det primære EKG-grafikvindue, og find og visualiser nemt morfologien for EKG-cyklusserne, der svarer til de afledte parametre i de valgte rådata.
      BEMÆRK: Det er muligt at synkronisere i begge retninger: fra tabellen til grafikken og også fra grafikken til tabellen. Når logningshastigheden er 1 epoke, udføres synkroniseringen for hver enkelt cyklus. Dette er let at kontrollere fra cyklusnummeret (NUM) i tabellen Parametre og i grafikken. Især i lange optagelser er denne synkroniseringsfunktion mellem tabellerne og grafikken meget nyttig.
2. For at tage højde for den cirkadiske ændring i EKG-parametre, snarere end at beregne gennemsnitsværdier for EKG-parametre over en lang periode, skal du analysere et hvile-EKG svarende til det hos mennesker for at opnå grundlæggende EKG-parametre såsom hvilepuls, P-bølgevarighed, PR-interval, QRS-varighed eller QT / QTc-interval. Analyser 20 på hinanden følgende QRS-komplekser i musen som "hvilende EKG-ækvivalent".
   BEMÆRK: Hos mennesker registreres et hvilende EKG over 10 s ved en normal puls på 50-100 / min. Dette EKG inkluderer 8 til 17 QRS-komplekser.
   1. Når mus følger en døgnrytme, skal du analysere to hvilende EKG'er om dagen, en om dagen og en om natten for at kontrollere for cirkadiske effekter. Vælg passende tidspunkter afhængigt af lysets tænd/sluk-cyklus i dyreanlægget, f.eks. kl. 12/PM.
   2. Vælg et afsnit af EKG med god signalkvalitet og stabil puls i HR Trend-grafen inden for en defineret rimelig tidsramme omkring dette tidspunkt (f.eks. ±30 min).
   3. Bekræft nøjagtigheden af valideringsmærkerne, eller juster manuelt i 20 på hinanden følgende QRS-komplekser. Tilføj manglende valideringsmærker.
   4. For yderligere beregninger og visualiseringer skal du markere linjerne, der indeholder værdierne for disse 20 på hinanden følgende QRS-komplekser på listen over afledte parametre, og kopiere til et regneark eller en statistiksoftware.

3. Arrytmidetektion ved hjælp af mønstergenkendelse (EKG PRO-modul)

BEMÆRK: Ponemahs EKG PRO-modul bruger udvalgte QRS-komplekser som skabeloner til yderligere analyse. EKG-mønstrene i skabelonerne sammenlignes med alle QRS-komplekser i optagelsen for at beregne procentdelen af lighed ("match") og for at genkende arytmier (f.eks. Atriale eller ventrikulære for tidlige optagelsesslag). Antallet af QRS-komplekser, der skal markeres, afhænger af variabiliteten af QRS-amplituden inden for optagelsen. I visse tilfælde giver valg og markering af et QRS-kompleks en lighed på 80 procent med den respektive optagelse, hvilket markerer størstedelen af QRS-cyklusser. Dette er dog et ideelt tilfælde, og under analysen er antallet af QRS-komplekser, der skal markeres som skabeloner, normalt højere.

1. Marker QRS-komplekser som skabeloner, indtil mindst et match på 80 procent eller højere er opnået. Brug desuden skabelonmatchning til at markere P-, Q-, S- og T-bølger, hvis disse ikke genkendes eller ikke genkendes tilstrækkeligt efter attributindstillinger (afsnit 1.7).
   BEMÆRK: R-mærker skal identificeres for cyklusser inden analyse med EKG PRO. Dette kræver, at enten R-mærkerne bevares fra erhvervelsen, eller at den attributbaserede analyse skal udføres, inden der udføres EKG PRO-analyse. De øvrige varemærker (P, Q, S og T) behøver ikke at være til stede ved EKG PRO-analysen.
2. Når du har fuldført opsætningen af skabelonen (som beskrevet i 1.4.4), skal du vælge en ønsket EKG-bølge (med mærket R). Juster om nødvendigt valideringsmærkerne , så de nøjagtigt afspejler de relevante positioner for de EKG-mærker , der er af interesse. Højreklik på cyklussen i panelet Display i vinduet EKG-sporing , vælg Tilføj cyklus og Analysér [Enkelt skabelon], og noter den cyklus, der vises i skabelonvinduet .
   BEMÆRK: Det kan være nødvendigt at udføre en autoskalering for både X- og Y-akserne for at se hele cyklussen. EKG-mærker kan flyttes på siden Skabelongraf .
3. Højreklik på skærmpanelet i skabelonvinduet , og vælg Tilføj cyklus og analyser (enkelt skabelon) for at starte dialogboksen Skabelonanalyse vist i figur 4B. Vælg det ønskede skabelonmatchområde , som alle andre EKG-cyklusser sammenlignes med. Hvis det er nødvendigt, skal du ændre de avancerede indstillinger for det ønskede Match Region.
   BEMÆRK: Flere matchregioner kan vælges afhængigt af det ønskede output fra analysen (de afledte parametre af interesse).
4. Vælg et dataområde , som analysen skal udføres på.
   BEMÆRK: Dataområdet tillader genanalyse af de data, der er synlige i grafen, dataene fra venstre kant af det synlige område fra den primære graf frem til slutningen af det indlæste datasæt, dataene i Parser-segmenterne eller hele kanalen.
5. Vælg den type cyklusser, der skal analyseres.
   1. Vælg Alle for at sammenligne skabelonbiblioteket med alle cyklusser med et gyldigt R-mærke.
   2. Vælg Umatchet for at springe tidligere matchede cyklusser over, og sammenlign skabelonbiblioteket med kun de umatchede cyklusser.
      BEMÆRK: Dette er nyttigt, når du tilføjer yderligere skabeloner til skabelonbiblioteket for større matchdækning, da behandlingstiden er kortere.
6. Vælg den ønskede matchmetode. Når du vælger flere matchregioner og hele cyklussen, skal du bruge den skabelon, der i gennemsnit matcher cyklussen bedst, til at placere mærkerne. Når Region bruges, skal du placere mærkerne fra forskellige skabeloner for at få det bedste match for hvert matchområde.
7. Vælg OK for at udføre analysen.
   BEMÆRK: Yderligere skabeloncyklusser kan føjes til skabelonbiblioteket, og skabelonanalysen kan køres igen, indtil den ønskede Dialog Match % er opnået. Hvis du gør dette, justeres bølgerne i alle de cyklusser, der matcher skabelonen.
8. Gem skabelonbiblioteker gennem skabeloner/gem, når gennemgangssessionen er lukket.
9. For at registrere arytmi ved hjælp af skabelonmatch skal du tagge skabeloner, der har morfologi, der adskiller sig fra de fysiologiske bølger efter at have udført skabelonmatchet (som beskrevet i afsnit 3.1.) ved at højreklikke og vælge Tilføj skabelontag og vælge en type cyklus (f.eks. atriel ektopisk, ventrikulær ektopisk). Analysér disse tags ved hjælp af Data Insights.

4. Registrering af arytmi: en forenklet manuel tilgang ved hjælp af Data Insights

BEMÆRK: Til arytmianalyse er en korrekt annotation af P- og R-bølger nødvendig. Men selvom klare P-bølger er synlige inden for EKG-sporingen, identificeres disse P-bølger undertiden ikke tilstrækkeligt, selv efter justering af attributindstillingerne . Da R-bølger normalt genkendes og kommenteres tilstrækkeligt, foreslås en praktisk tilgang til yderligere arytmianalyse ved hjælp af Data Insights nedenfor. For en generel oversigt over arytmidetektion ved hjælp af Data Insights og dens foruddefinerede artsspecifikke søgninger kan den interesserede læser henvises til Mehendale et ^al.13.

1. Åbn Data Insights ved at klikke på Eksperiment/Data Insights.
   1. Overhold panelet Søg øverst i dialogboksen Dataindsigt .
      BEMÆRK: Til venstre i panelet viser det, hvilken søgeregel der anvendes på hvilken kanal / emne og antallet af hits ved hjælp af denne søgeregel. I midten vises alle søgereglerne, og til højre vises den specifikke definition af en valgt søgeregel.
   2. Overhold panelet Resultater , der vises i den nederste del af søgepanelet .
      BEMÆRK: For hvert søgehit vises den tilsvarende EKG-sektion (øverst) sammen med en tabel, der angiver tiden inden for optagelsen og resultaterne af hver søgeparameter (midten).
   3. Overhold antallet af søgehits, der vises som et histogram nederst i panelet.
2. I betragtning af at den normale puls for en mus er 500-724 / min¹⁴, skal du definere en søgeregel bradykardi for at detektere bradykardi.
   1. Højreklik på søgelisten, og vælg Opret ny søgning for at åbne dialogboksen Søg indtastning .
   2. Højreklik i det hvide felt, og vælg Tilføj ny delsætning.
   3. Brug rullemenuerne og tekstfelterne til at definere søgereglen Bradycardia-single som Value(HR _cyc0) < 500. Klik på OK for at tilføje denne søgeregel til listen. Anvend denne søgeregel ved at klikke og trække den til den relevante kanal til venstre.
      BEMÆRK: Søgereglen Bradycardia-single identificerer hvert enkelt RR-interval, der er længere end 120 ms (= mindre end 500 / min.).
   4. Da bradykardi kræver mere end et langt RR-interval, skal du definere en yderligere søgeregel Bradykardi som serie (Bradykardi-single, 1)> = 20. Klik på OK for at tilføje denne søgeregel til listen. Anvend denne søgeregel ved at klikke og trække den til den relevante kanal til venstre.
      BEMÆRK: I panelet Resultater vises hvert afsnit i EKG-optagelsen, der består af mindst 20 QRS-komplekser med en puls på mindre end 500/min.
   5. For at bekræfte bradykardi og afvise falske resultater (f.eks. på grund af R-bølgeundersensing) skal du gennemgå hvert resultat manuelt. Venstreklik på bølgeformen, og tryk på STRAG + R for at afvise det valgte resultat, som forsvinder fra listen over resultater.
      BEMÆRK: De afviste resultater gemmes under Resultat/Afviser.
3. For at registrere takykardi skal du definere en søgeregel takykardi.
   1. Højreklik på søgelisten, og vælg Opret ny søgning for at åbne dialogboksen Søg indtastning .
   2. Højreklik i det hvide felt, og vælg Tilføj ny delsætning.
   3. Brug rullemenuerne og tekstfelterne til at definere søgereglen Takykardi-single som Value(HR _cyc0)>724. Klik på OK for at tilføje denne søgeregel til listen. Anvend denne søgeregel ved at klikke og trække den til den relevante kanal til venstre.
      BEMÆRK: Søgereglen Takykardi-single identificerer hvert enkelt RR-interval, der er kortere end 82 ms (= mere end 724 / min).
   4. Da takykardi kræver mere end et kort RR-interval, skal du definere en yderligere søgeregel Takykardi som serie (takykardi-enkelt, 1)> = 20. Klik på OK for at tilføje denne søgeregel til listen. Anvend denne søgeregel ved at klikke og trække den til den relevante kanal til venstre.
      BEMÆRK: Resultatpanelet viser hvert afsnit i EKG-optagelsen bestående af mindst 20 QRS-komplekser med en puls på mere end 724 / min.
   5. For at bekræfte takykardi og afvise falske resultater (f.eks. på grund af R-bølgeoversensing) skal du gennemgå hvert resultat manuelt. Venstreklik på bølgeformen og brug genvejen STRIG + R til at afvise det valgte resultat, som forsvinder fra listen over resultater.
4. Hvis du vil registrere sinoatriale og atrioventrikulære blokke, skal du definere en søgeregel Pause.
   1. Højreklik på søgelisten, og vælg Opret ny søgning for at åbne dialogboksen Søg indtastning .
   2. Højreklik i det hvide panel, og vælg Tilføj ny delsætning.
   3. Brug rullemenuerne og tekstfelterne til at definere søgereglen Pause som Value(RR-I_cyc0)>300. Klik på OK for at tilføje denne søgeregel til listen. Anvend denne søgeregel ved at klikke og trække den til den relevante kanal til venstre.
      BEMÆRK: Panelet Resultater viser hvert afsnit i EKG-optagelsen med en pause på mindst 300 ms.
   4. For at bekræfte en pause, for at afgøre, om pausen er en sinoatrial eller atrioventrikulær blok, og for at afvise falske resultater (f.eks. på grund af R-bølge undersensing), gennemgå hvert resultat manuelt. Venstreklik på bølgeformen, og tryk på STRAG + R for at afvise det valgte resultat, som forsvinder fra listen over resultater.
   5. Hvis du vil registrere ektopisk rytme, skal du først køre skabelonmatchet til disse rytmer (f.eks. ventrikulær ektopisk) og derefter søge efter alle de matchede cyklusser til denne skabelon i Data Insights.
5. Højreklik på søgelisten, og vælg Opret ny søgning for at åbne dialogboksen Søg indtastning .
   1. Højreklik i det hvide felt, og vælg Tilføj ny delsætning.
   2. Klik på Værdi ved hjælp af rullemenuen, og vælg Skabelon. På højre side skal du vælge tagget for den tidligere oprettede skabelon.
      BEMÆRK: Panelet Resultater viser hvert afsnit i EKG-optagelsen med den cyklus, der matcher skabelonen.
   3. For at bekræfte resultaterne og afvise falske resultater (f.eks. på grund af R-bølgeunderregistrering) skal du gennemgå hvert resultat manuelt. Venstreklik på bølgeformen, og tryk på STRIG + R for at afvise en bestemt cyklus, som forsvinder fra listen over resultater.
      BEMÆRK: Alle oprettede søgesætninger kan importeres og gemmes med passende filnavne. Alle resultattabeller kan gemmes og eksporteres i regnearks-/ASCII-outputformat til yderligere statistisk analyse.

Representative Results

Registrering af langsigtede EKG'er resulterer i enorme datasæt. Mulighederne for yderligere analyser er mangfoldige og afhænger af det enkelte forskningsprojekt. Denne protokol giver en beskrivelse af nogle meget grundlæggende aflæsninger, der kan bruges af de fleste forskere, især til screeningseksperimenter, f.eks. når man karakteriserer en transgen muselinje eller når man undersøger virkningerne af en bestemt behandling i en sygdomsmodel. Et tidligere projekt involverede undersøgelsen af en ny lægemiddelkandidat for at afgøre, om den havde kardiotoksiske virkninger ved at analysere EKG-parametre over tid. Telemetrisendere blev implanteret 20 dage før behandling, og EKG-optagelser blev startet 10 dage før behandling for at muliggøre tilstrækkelig sårheling og akklimatisering af musen. Før behandling blev EKG undersøgt hver tredje dag; inden for den første uge efter behandlingen blev EKG undersøgt hver dag, hvorefter EKG blev analyseret hver syvende dag indtil slutningen af optagelsen tre uger efter behandlingen.

Denne fremgangsmåde tillod påvisning af perioder med nedsat hjertefrekvens, øget atrioventrikulær (PR-interval) og ventrikulær (QRS-varighed) ledning samt ændret repolarisering (QTc-interval) hos mus behandlet med det nye lægemiddel som vist i figur 5. Dette første trin fungerede som en "screening", der tillod identifikation af tidsperioder inden for optagelsen, der potentielt indeholdt arytmier. En mere detaljeret undersøgelse af EKG afslørede sinuspauser, der forårsagede nedsat hjertefrekvens to dage efter behandlingen og forskellige grader af atrioventrikulære (AV) blokke, der forårsagede nedsat hjertefrekvens seks dage efter behandlingen. Sidstnævnte konklusion blev yderligere understøttet af de forlængede PR-intervaller på dette tidspunkt. For at opnå disse EKG-parametre skal 20 QRS-komplekser analyseres pr. Tidspunkt og kan derfor muligvis ikke detektere paroxysmale arytmiepisoder på andre tidspunkter.

For at løse dette problem anbefales det specifikt at søge efter bradykardi og takykardi episoder samt for pauser ved hjælp af EKG Pro-modulet efterfulgt af manuel gennemgang af detekterede episoder. Denne tilgang tillader påvisning af alle relevante arytmier og bestemmelse af den specifikke type arytmi inden for hele optagelsen. For eksempel blev en takykardiepisode påvist i denne undersøgelse, som blev identificeret som en atrieflimren.

Som tidligere påvist tillader denne tilgang yderligere bestemmelse af tidsforløbet for arytmiforekomst, f.eks. tiden til første AV-blok efter makrofagudtømning¹⁴. Repræsentative spor, som vist i figur 6, opnås som beskrevet ovenfor (figur 6A: normal sinusrytme; Figur 6B: sinus pause; Figur 6C: AV-blok I°, figur 6D: AV-blok II° type Mobitz 1; Figur 6E: AV-blok II° type Mobitz 2; Figur 6F: AV-blok III°; Figur 6G: atrieflimren).

Figur 1: Indlæsning og gennemgang af data i Ponemah. (A) Load Review Dat-dialog , der giver et overblik over alle mus og signaler, der er registreret i det indlæste eksperiment. (B) Dialogboksen til opsætning af grafer til indstilling af grafiske vinduer, der giver både rådata (f.eks. EKG-signaler) og afledte parametre. Klik her for at se en større version af denne figur.

Figur 2: Skabelonopsætning i Ponemah . (A) Skabelonopsætningsvindue til at konfigurere og vælge et nyt eller gennemse allerede konfigureret skabelonbibliotek. (B) Grafopsætningsside til skabelonindstillinger. Klik her for at se en større version af denne figur.

Figur 3: EKG-sporinger. (A) Skærmbillede af vinduerne, der indeholder EKG-sporet; (B) pulsplot; og (C) Skabelonvindue. Klik her for at se en større version af denne figur.

Figur 4: Analyse af attributter for en EKG-sporing. (A) En dialogboks med EKG-analyseattributter. Øverst i denne dialog tillader flere faner (QRS, PT, Avanceret, Støj, Mærker, Noter, Præcision) justering af forskellige indstillinger. Indstillingerne vises i den midterste del af dialogen. Nederst i dialogen vises EKG-sporingen i bølgeformsvinduet. Øverst i bølgeformsvinduet vises EKG-sporingen; nederst vises derivatet af EKG-sporingen, herunder en visualisering af indstillingstærsklerne ovenfor. I eksemplet her defineres en QRS-detektionstærskel på 40%, hvilket er angivet med den lyserøde baggrund nederst. B) Skabelonanalysedialog: Vælg det ønskede skabelonmatchområde, som alle andre EKG-cyklusser sammenlignes med. I dette eksempel vælges T-bølgen som matchområde til analyse med et minimumsmatch på 85 %. Dette betyder, at hvis T-regionen ikke matcher med mindst 85% tillid, vil cyklussen ikke blive markeret som et match. Klik her for at se en større version af denne figur.

Figur 5: Grundlæggende EKG-parametre over tid i en lægemiddelinterventionskohorte. Blåt panel: nat, gult panel: dagtimerne. Fra venstre mod højre: Puls, PR-interval, QRS-varighed, QTc-interval. Klik her for at se en større version af denne figur.

Figur 6: Repræsentative EKG-spor. (A) Normal sinusrytme, (B) sinuspause, (C) AV-blok I°, (D) AV-blok II° type Mobitz 1, (E) AV-blok II° type Mobitz 2, (F) AV-blok III°, (G) atrieflimren. Skala søjler = 100 ms. Forkortelse: AV = atrioventricular. Klik her for at se en større version af denne figur.

Figur 7: Analyseflowchart. Forkortelse: HR = puls. Klik her for at se en større version af denne figur.

Discussion

Overflade-EKG er det primære diagnostiske værktøj til patienter, der lider af hjerterytmeforstyrrelser, og giver indsigt i mange elektrofysiologiske fænomener. Ikke desto mindre kræver tilstrækkelig analyse af hjerteoverflade EKG-patologier viden og definition af normale fysiologiske parametre. Mange års epidemiologisk forskning har ført til bred enighed om, hvad der er fysiologisk hos mennesker og dermed gjort det muligt for læger over hele verden klart at skelne mellem patologien. Analysen af overflade-EKG-data er imidlertid en stor udfordring i murinemodeller; Det kan være vanskeligt at skelne mellem fysiologiske og patologiske EKG-resultater på grund af ufuldstændig forståelse og definition af grundlæggende EKG-parametre^15,16. I 1968 var Goldbarg et al. de første til at beskrive EKG hos raske mus¹⁷. Udover at vise hjertefrekvenser og grundlæggende EKG-mønstre, såsom PR-interval og QRS-varighed, beskrev de store forskelle mellem bedøvede og vågne dyr og forskelle mellem forskellige anæstetika og forskellige murinracer, hvilket senere blev bekræftet af andre grupper^16,17.

Disse tidlige data understreger, hvorfor fortolkning af murine EKG-data er delikat og kompliceret. Med stigende interesse for murinmodeller til arytmiforskning i de sidste årtier har mere forskning været fokuseret på museelektrofysiologi og har genereret beviser for mønstre for aktivering og repolarisering i musehjertet. Den interesserede læser kan henvises til en nylig artikel af Boukens et al. for en detaljeret gennemgang af murine EKG og dens underliggende strømme¹⁵. Kaese et al. gav et overblik over murine EKG-standardværdier og store forskelle mellem menneskelige og murine EKG-spor¹⁸. Den første store forskel er puls: sunde vågne mus har en puls på 550-725 slag i minuttet, PR-intervaller på 30-56 ms, en QRS-varighed på 9-30 ms og en repolariseringsfase, der er meget forskellig fra den, der observeres hos mennesker¹⁴. Endvidere viser murine EKG regelmæssigt forekomsten af J-bølger og en lille og mindre karakteristisk T-bølge, hvilket gør analyse af ST-segmentet og QT-intervallet vanskeligt^18,19. Samlet set er murinmodeller blevet den mest anvendte modelorganisme til kardiovaskulær forskning, herunder arytmier⁸.

Under hensyntagen til de ovenfor beskrevne forskelle mellem arter, der meget sandsynligt også påvirker arytmogenese, kan disse modeller give værdifuld indsigt. Analysen af grundlæggende EKG-parametre, såsom puls og varighed af forskellige intervaller, kan udføres pålideligt ved hjælp af software som Ponemah, LabChart eller ECGAuto blandt mange andre med deres respektive analysealgoritmer. Eksempler på datavisning er vist i figur 5. Arytmidetektion er imidlertid langt mere delikat, og der er ingen bredt etablerede tilgange til murin langsigtet EKG-analyse for arytmier. Forskellige tilgange er blevet brugt til at overvinde de tekniske og metodologiske vanskeligheder forbundet med arytmidetektion af langsigtede EKG-optagelser hos mus. Disse tilgange spænder fra kun at bruge korte optagelser til den manuelle analyse for arytmier²⁰ til enkle overvejelser, der accepterer unøjagtighed som beskrevet af Thireau et ^al.21. Disse forskere udførte pulsvariationsanalyse ved simpelthen at udelukke alle sektioner af deres optagelse med R-R-intervaller, der ikke var indeholdt i området for det gennemsnitlige R-R-interval ± 2 standardafvigelser for at udelukke alle arytmier, ektopiske slag og artefakter uden nogen manuel gennemgang. Dette er grunden til denne semimanuelle tilgang ved hjælp af Ponemah og dens på hinanden følgende analysemoduler, ECG Pro og Data Insights. Denne softwareløsning kan bruges til at analysere en lang række fysiologiske signaler, lige fra EKG hos store pattedyr til blodtryks- eller temperaturdata hos meget små arter.

Softwaren leveres med mange ressourcer til, hvordan man analyserer forskellige typer data. Ikke desto mindre, selvom det fungerer ganske godt med EKG-signaler fra større dyr, kan den lave signalamplitude og derfor høje støj fra signaler fra arter, såsom levende og vågne mus, føre til en række vanskeligheder ved hjælp af en fælles tilgang til analyse. Støj vil ofte maskere P- eller T-bølger og dermed deaktivere brugen af de fleste af de foruddefinerede søgeregler i Data Insights. Der skal udvises omhu for at definere optimale værdier for QRS-detektionstærsklen og bevare de attributværdier, der anvendes til at identificere QRS-komplekser og skelne mellem klare cyklusser og støjhændelser. En høj procentdel af QRS-detektionstærsklen kan resultere i undersensing (dvs. nogle R-bølger kan muligvis ikke detekteres), mens en lav procentdel kan resultere i oversensing (dvs. andre toppe, såsom T-bølger, kan fejlfortolkes som R-bølger). Desuden er specifikke spørgsmål i arytmiforskning hos mus forståeligt nok ikke hovedemnet for materialerne fra DSI, og det kan være svært at finde specifik information. Inden for denne protokol bruges en enkel og pragmatisk tilgang til at definere forskellige arytmier, der ekstrapolerer etablerede menneskelige definitioner.

For eksempel i menneskelige langsigtede EKG-data betragtes en pause længere end 3 s som signifikant²². Dette resulterer i en menneskelig puls på 20/min., hvilket svarer til en tredjedel af den mindste fysiologiske puls på 60/min. Som beskrevet af Kaese et ^al.18 svarer murine minimum fysiologiske puls til 550/min., hvilket gør 200/min. ca. en tredjedel af denne rate. Ifølge den menneskelige definition kan pauser på mere end 0,3 s antages at være signifikante hos mus. Desuden er det en enkel og pragmatisk tilgang at beskrive forskelle i baselineparametre som relative ændringer i den respektive kontrol. Dette tager højde for forskellene mellem individuelle muselinjer og er en elegant måde at identificere den sandsynlige patologiske uden at stole på (ofte mangler) etablerede normale værdier. Denne enkle tilgang, opsummeret i figur 7, er velegnet til alle grupper, der studerer hjertearytmier i murinmodeller ved hjælp af implanterbare telemetrianordninger. Det fører til evaluering af generelle EKG-parametre samt data om puls over tid og påvisning af en lang række arytmier. Derfor forsøger denne artikel at give en trinvis tilgang til EKG- og arytmianalyse og tilføjer væsentligt til de vejledninger og manualer, der allerede er offentliggjort.

Materials

Name	Company	Catalog Number	Comments
Ponemah Software	Data Science international		ECG Analysis Software