Analyse van langdurige elektrocardiografie-opnames om aritmieën bij muizen te detecteren

Summary

Hier presenteren we een stapsgewijs protocol voor een semi-geautomatiseerde benadering om murine long-term elektrocardiografie (ECG) -gegevens te analyseren voor basis-ECG-parameters en veel voorkomende aritmieën. Gegevens worden verkregen door implanteerbare telemetrietransmitters in levende en wakkere muizen en geanalyseerd met behulp van Ponemah en zijn analysemodules.

Abstract

Aritmieën komen vaak voor en treffen miljoenen patiënten wereldwijd. De huidige behandelingsstrategieën worden geassocieerd met significante bijwerkingen en blijven bij veel patiënten ineffectief. Om de patiëntenzorg te verbeteren, zijn nieuwe en innovatieve therapeutische concepten nodig die zich causaal richten op aritmiemechanismen. Om de complexe pathofysiologie van aritmieën te bestuderen, zijn geschikte diermodellen nodig en het is bewezen dat muizen ideale modelsoorten zijn om de genetische impact op aritmieën te evalueren, fundamentele moleculaire en cellulaire mechanismen te onderzoeken en potentiële therapeutische doelen te identificeren.

Implanteerbare telemetrie-apparaten behoren tot de krachtigste hulpmiddelen die beschikbaar zijn om elektrofysiologie bij muizen te bestuderen, waardoor continue ECG-opname gedurende een periode van enkele maanden mogelijk is bij vrij bewegende, wakkere muizen. Vanwege het enorme aantal datapunten (>1 miljoen QRS-complexen per dag) blijft de analyse van telemetriegegevens echter een uitdaging. Dit artikel beschrijft een stapsgewijze aanpak om ECG's te analyseren en aritmieën te detecteren in telemetrie-opnames op lange termijn met behulp van de software Ponemah, met zijn analysemodules, ECG Pro en Data Insights, ontwikkeld door Data Sciences International (DSI). Om basis-ECG-parameters te analyseren, zoals hartslag, P-golfduur, PR-interval, QRS-interval of QT-duur, werd een geautomatiseerde attribuutanalyse uitgevoerd met Ponemah om P-, Q- en T-golven te identificeren binnen individueel aangepaste vensters rond gedetecteerde R-golven.

De resultaten werden vervolgens handmatig beoordeeld, waardoor individuele annotaties konden worden aangepast. De output van de attribuutgebaseerde analyse en de patroonherkenningsanalyse werd vervolgens door de Data Insights-module gebruikt om aritmieën te detecteren. Deze module maakt een automatische screening mogelijk voor individueel gedefinieerde aritmieën binnen de opname, gevolgd door een handmatige beoordeling van vermoedelijke aritmie-episodes. Het artikel bespreekt kort uitdagingen bij het registreren en detecteren van ECG-signalen, suggereert strategieën om de gegevenskwaliteit te verbeteren en biedt representatieve opnames van aritmieën gedetecteerd bij muizen met behulp van de hierboven beschreven aanpak.

Introduction

Hartritmestoornissen komen vaak voor en treffen miljoenen patiënten wereldwijd¹. De vergrijzing van de bevolking vertoont een toenemende incidentie en dus een grote belasting voor de volksgezondheid als gevolg van hartritmestoornissen en hun morbiditeit en mortaliteit². De huidige behandelingsstrategieën zijn beperkt en vaak geassocieerd met significante bijwerkingen en blijven bij veel patiënten niet effectief 3,4,5,6. Nieuwe en innovatieve therapeutische strategieën die zich causaal richten op aritmiemechanismen zijn dringend nodig. Om de complexe pathofysiologie van aritmieën te bestuderen, zijn geschikte diermodellen nodig; muizen zijn een ideale modelsoort gebleken om de genetische impact op aritmieën te evalueren, om fundamentele moleculaire en cellulaire mechanismen te onderzoeken en om potentiële therapeutische doelen te identificeren ^7,8,9. Continue ECG-registratie is een ingeburgerd concept in de klinische routine van aritmiedetectie¹⁰.

Implanteerbare telemetrie-apparaten behoren tot de krachtigste hulpmiddelen die beschikbaar zijn om elektrofysiologie bij muizen te bestuderen, omdat ze continue registratie van het ECG mogelijk maken (een veel voorkomende aanpak is om de leads in een lood-II-positie te implanteren) gedurende een periode van enkele maanden in vrij bewegende, wakkere muizen^11,12. Vanwege het enorme aantal datapunten (tot meer dan 1 miljoen QRS-complexen per dag) en de beperkte kennis van murine standaardwaarden, blijft de analyse van telemetriegegevens echter een uitdaging. Algemeen beschikbare telemetriezenders voor muizen gaan tot 3 maanden mee, wat leidt tot de opname van maximaal 100 miljoen QRS-complexen. Dit betekent dat pragmatische analyseprotocollen hard nodig zijn om de tijd die met elke individuele dataset wordt doorgebracht te verminderen en onderzoekers in staat stellen deze enorme hoeveelheid gegevens te verwerken en te interpreteren. Om een schoon ECG-signaal bij opname te verkrijgen, moet de implantatie van de zender optimaal zijn - de loodposities moeten zo ver mogelijk uit elkaar liggen om hogere signaalamplitudes mogelijk te maken.

De geïnteresseerde lezer kan worden verwezen naar een protocol van McCauley et ^al.12 voor meer informatie. Verder, om geluid te minimaliseren, moeten kooien en zenders in een stille omgeving worden geplaatst die niet gevoelig is voor enige verstoring, zoals een geventileerde kast met gecontroleerde omgevingsfactoren (temperatuur, licht en vochtigheid). Tijdens de experimentele periode moet de loodpositionering regelmatig worden gecontroleerd om signaalverlies als gevolg van loodperforatie of wondgenezingsproblemen te voorkomen. Fysiologisch gezien is er een circadiane verandering in ECG-parameters bij knaagdieren zoals bij mensen, waardoor de behoefte aan een gestandaardiseerde aanpak ontstaat voor het verkrijgen van baseline ECG-parameters uit een continue registratie. In plaats van de gemiddelde waarden van ECG-parameters over een lange periode te berekenen, moet een analyse van een rust-ECG worden uitgevoerd dat vergelijkbaar is met dat bij mensen om basisparameters te verkrijgen zoals rusthartslag, P-golfduur, PR-interval, QRS-duur of QT / QTc-interval. Bij mensen wordt een rust-ECG geregistreerd over 10 s, bij een normale hartslag van 50-100 / min. Dit ECG omvat 8 tot 17 QRS-complexen. Een analyse van 20 opeenvolgende QRS-complexen wordt aanbevolen in de muis als "rust-ECG-equivalent". Vanwege de bovengenoemde circadiane verandering is een eenvoudige aanpak om twee rustende ECG's per dag te analyseren, één overdag en één 's nachts. Afhankelijk van de licht aan/uit-cyclus in de dierfaciliteit worden geschikte tijden geselecteerd (bijv. 12.00 uur/PM) en worden basisparameters verkregen.

Vervolgens wordt een hartslagplot in de loop van de tijd gebruikt om relevante tachy- en bradycardie te detecteren, met opeenvolgende handmatige verkenning van deze afleveringen om een eerste indruk te krijgen. Deze hartslagplot leidt vervolgens tot de belangrijke parameters van maximale en minimale hartslag over de geregistreerde periode en hartslagvariabiliteit in de loop van de tijd. Daarna wordt de dataset geanalyseerd op aritmieën. Dit artikel beschrijft een stapsgewijze aanpak om deze baseline ECG-gegevens te verkrijgen uit telemetrie-opnames op lange termijn van wakkere muizen gedurende een opnameperiode van maximaal drie maanden. Verder beschrijft het hoe aritmieën te detecteren met behulp van de software Ponemah versie 6.42, met zijn analysemodules, ECG Pro en Data Insights, ontwikkeld door Data Sciences International (DSI). Deze versie is compatibel met zowel Windows 7 (SP1, 64 bit) als Windows 10 (64 bit).

Protocol

1. Voorafspraken

1. Start Ponemah 6.42 software en bevestig de gebruikersnaam en het serienummer van de softwarelicentie op het volgende scherm door op Doorgaan te klikken.
2. Laad het experiment met het ECG van belang
   1. Als Ponemah voor de eerste keer wordt gestart, moet u er rekening mee houden dat het dialoogvenster Aan de slag met Ponemah wordt geopend en drie opties biedt: 1) Experiment maken, 2) Experiment laden, 3) Experiment importeren.
      1. Selecteer Experiment laden om een bestand te openen. Zodra het dialoogvenster Bladeren naar map wordt geopend, selecteert u het experimentbestand met de extensie (". PnmExp"), en laad het bestand door op Openen te klikken.
      2. Als u een dataset wilt openen die is vastgelegd in Ponemah 5.x of Dataquest ART, gebruikt u de functie Experiment importeren .
         OPMERKING: Als de software opnieuw wordt geopend, wordt het laatste experiment automatisch in het hoofdvenster geladen voor verdere beoordeling. In het menu onder Experiment worden dezelfde drie opties aangeboden als in het dialoogvenster Aan de slag met Ponemah : 1) Experiment maken, 2) Experiment openen, 3) Experiment importeren.
3. Klik op Acties / Start Review op de werkbalk en ga naar het dialoogvenster Load Review Data , dat een overzicht biedt van alle muizenonderwerpen en de respectieve signalen die zijn geregistreerd in het geladen experiment (figuur 1A).
   1. Selecteer de opname die verwijst naar de muis die wordt geanalyseerd door op het selectievakje naast het muisnummer in het linkerdeelvenster Onderwerpen te klikken.
   2. Schakel het selectievakje naast ECG in het middenpaneel Signaaltypen in.
   3. Bepaal de duur van het signaal dat wordt geanalyseerd met het extreemrechtse paneel Tijdbereik. Let op de volgende drie opties: Volledig experiment, dat alle ECG-gegevens van de geselecteerde muis laadt; Parsersegmenten, die alleen gegevens laden die zijn opgenomen in Parsersegmenten die tijdens een eerdere beoordelingssessie zijn toegevoegd; Tijdbereik, waarmee een specifiek tijdsbereik kan worden geladen door een specifieke begin- en einddatum in te voeren of door een tijdsduur in te voeren.
   4. Als u de selectie wilt opslaan, gebruikt u het dialoogvenster Definities laden in de linkerbovenhoek, waarmee u ook eerder opgeslagen selecties kunt laden.
      OPMERKING: De grootte van de geselecteerde gegevens wordt aangegeven met een groene of rode balk op basis van de bestandsgrootte in de rechterbovenhoek onder Gegevensgrootte. Momenteel maakt de software het laden van maximaal 3 GB aan gegevens voor Review mogelijk; 3 GB gegevens kunnen gelijk zijn aan een continue 24 uur opname van 3-4 dagen.
   5. Klik op OK om de geselecteerde gegevensset in Rev iewte laden.
4. Na het klikken OK, constateren dat de Ponemah Beoordeling venster opent samen met verschillende afzonderlijke vensters. Hoewel de Gebeurtenissen en Parameters vensters worden geopend en standaard weergegeven, selecteer handmatig andere noodzakelijke vensters op basis van grafieken van belang onder de Grafieken/Grafiek instellen werkbalk.
   OPMERKING: Als Gebeurtenissen en Parameters niet standaard openen, ze kunnen worden geactiveerd door Venster/Parameters en Venster/Gebeurtenissen.
   1. Noteer het dialoogvenster Grafiekinstellingen , waarmee u maximaal 16 grafische vensters kunt instellen met zowel onbewerkte gegevens (bijv. ECG-signalen) als afgeleide parameters (bijv. XY-lus) (figuur 1B).
   2. Schakel het selectievakje Pagina inschakelen in om de ECG-tracering weer te geven. Kies in de onderstaande lijst de regel inclusief de gewenste muis (onder Onderwerp) en het gegevenstype (onder Presentatie) door op het betreffende selectievakje aan de linkerkant te klikken. Gebruik de volgende instellingen: Type, Primair; Label, maximaal 11 tekens weergegeven in de titelbalk van het venster; Tijd, 0:00:00:01 met seconden als de gebruikte eenheid.
      1. Voer de juiste informatie in de tekstvakken Label, Eenheid, Laag en Hoog in.
         OPMERKING: Schakel nog twee pagina's in, Hartslagtrend en Sjabloon, die nuttig zijn voor de analyse van basis-ECG-parameters en voor aritmiedetectie.
   3. Activeer op de pagina Hartslagtrend een andere grafiekpagina en definieer als een trend om de hartslag (HR) in de loop van de tijd te plotten. Gebruik de volgende instellingen om de HR te plotten voor de volledige gegevens die worden geladen in Beoordelingstype, Trend; Ingang, ECG; Presentatie, HR; Label, HR Trend; Eenheid, bpm; Laag: 50; Hoog: 1000.
      OPMERKING: Sjablonen zijn ECG-cycli met nauwkeurig geplaatste markeringen die kunnen worden gebruikt als representatieve ECG-cycli voor patroonherkenningsanalyse. Ze maken de selectie van een klein aantal representatieve cycli en de afstemming van deze sjablonen op het hele ECG mogelijk, waardoor alle andere cycli dienovereenkomstig worden geannoteerd.
      1. Als u de sjabloonfunctie wilt gebruiken, maakt u voor elk onderwerp een sjabloonbibliotheek (een bestand waarin de sjablonen zijn opgeslagen). Doe dit door de optie Sjablooninstellingen/Sjabloonbibliotheek te selecteren (Afbeelding 2A).
      2. Selecteer Nieuw... in het vervolgkeuzemenu onder Sjabloonbibliotheek om een nieuwe sjabloonbibliotheek te maken.
         OPMERKING: Er zijn nog een paar opties in het vervolgkeuzemenu: Geen binding ontkoppelt een eerder geconfigureerde sjabloonbibliotheek van het onderwerp. Bladeren koppelt een bestaande sjabloonbibliotheek die tijdens een eerdere revisiesessie is geconfigureerd.
      3. Configureer vervolgens een sjabloongrafiek, selecteer Setup/Experiment Setup/Graph Setup en selecteer een pagina die u als sjabloongrafiekpagina wilt gebruiken. Schakel het selectievakje Pagina inschakelen in, selecteer Sjabloon voor het type en zorg ervoor dat input de onderwerp-/kanaalselectie van de gebruiker weerspiegelt. Typ de juiste informatie in de tekstvakken Label, Eenheid, Laag en Hoog en klik op de knop OK om een grafisch venster weer te geven voor elke grafische pagina die is geconfigureerd onder Grafische instellingen zoals weergegeven in Figuur 2B.
         OPMERKING: Een grafiekopstellingspagina voor Sjablooninstellingen wordt weergegeven zoals weergegeven in Figuur 2B. Volgens de pagina die is geselecteerd in het dialoogvenster voor het instellen van de grafiek, worden de titelbalken van de vensters gelabeld van pagina's 1 tot en met 16, op basis van het aantal ingeschakelde pagina's (voorbeelden voor pagina's 1, 2, 3, 3 worden weergegeven in respectievelijk figuur 3A, figuur 3B en figuur 3C).
5. Breng enkele belangrijke aanpassingen aan in het ECG-traceringsvenster (figuur 3A).
   1. Pas de Y-as aan die de ECG-amplitude vertegenwoordigt door te dubbelklikken in het ECG-traceringsvenster om Schalen te selecteren. Selecteer hier Automatisch schalen of pas handmatig aan met behulp van Hoge aswaarde en Lage aswaarde.
   2. Om de X-as aan te passen die de tijd vertegenwoordigt, klikt u op de respectieve werkbalkpictogrammen: Zoom in om de tijdspanne uit te breiden (d.w.z. er worden minder QRS-complexen weergegeven), Zoom uit om de tijdspanne te comprimeren (d.w.z. er worden meer QRS-complexen weergegeven).
   3. Om DT (Delta Time) en RT (Real Time) in de linkerbenedenhoek weer te geven, klikt u met de linkermuisknop op de ECG-tracering met de cursor (een verticale zwarte lijn) om real-time informatie op de cursorlocatie onder RT te positioneren en te bekijken.
   4. Aangezien DT een tijdsinterval naar keuze van de gebruiker weergeeft, klikt u met de rechtermuisknop op het venster om zowel de cursor te positioneren als Deltatijd opnieuw instellen te selecteren in het dialoogvenster dat verschijnt. Klik met de linkermuisknop naar een andere positie binnen de ECG-tracering om het tijdsinterval te meten tussen de geselecteerde tijdsintervallen die worden weergegeven als Delta time (DT).
6. Zorg ervoor dat elk segment van de tracering (P, Q, R, T-golf) wordt herkend en correct wordt geannoteerd voor de ECG-analyse. Om dit te bereiken, definieert en analyseert u Kenmerken door met de rechtermuisknop in het ECG-venster te klikken en op de Analyseren/Kenmerken optie.
   OPMERKING: De ECG-analysekenmerken tweespraak opent zoals weergegeven in Figuur 4A. Bovenaan dit dialoogvenster staan verschillende opties (QRS, PT, Advanced, Ruis, Merken, Notities, Precisie) de aanpassing van verschillende instellingen mogelijk maken (hieronder uitgelegd).
   1. Klik op het tabblad QRS om de R- en QS-identificatie aan te passen.
      1. QRS-detectiedrempel: Pas het ingevoerde percentage toe op de grootste afgeleide piek die in het golfvormvenster wordt geïllustreerd.
         OPMERKING: Definieer een optimale waarde om onderdetectie (d.w.z. sommige R-golven kunnen niet worden gedetecteerd) en overdetectie van pieken te elimineren (d.w.z. andere pieken, zoals T-golven, kunnen verkeerd worden geïnterpreteerd als R-golven). De drempel (in figuur 4A roze gemarkeerde regio) moet de afgeleide van het ECG kruisen. Idealiter moeten de attribuutwaarden, die helpen om QRS-complexen te identificeren en onderscheid te maken tussen duidelijke cycli en ruisgebeurtenissen, op constante (of bijna constante) niveaus worden gehouden tussen alle opnames van één project om vergelijkbaarheid over verschillende dieren per project mogelijk te maken. Nadat u optimale waarden hebt vastgesteld, behoudt u de attribuutinstellingen voor de hele opname.
      2. Min R-afbuiging: Zorg ervoor dat de R-amplitudeverandering (gebaseerd op minimale / maximale signaalwaarden en niet op iso-elektrische niveaus) deze waarde overschrijdt voordat u deze als een R-golf annotiseert.
         OPMERKING: Min R-afbuiging moet idealiter hoger zijn dan ruis en lager dan de verwachte afbuiging van R-golf. Een lage waarde kan leiden tot ruisdetectie en dus overdetectie, een hoge waarde kan leiden tot onderdetectie.
      3. Maximale hartslag: Zorg ervoor dat de hier ingevoerde waarde hoger is dan de verwachte maximale hartslag.
         OPMERKING: Een lage waarde kan leiden tot onderdetectie, een hoge waarde kan overdetectie veroorzaken, omdat luidruchtige cycli een grotere kans hebben om als R-golven te worden gemarkeerd.
      4. Minimale hartslag: Zorg ervoor dat de hier ingevoerde waarde dicht bij de laagste verwachte hartslag ligt.
         OPMERKING: Pas de hartslaglimieten voor elke opname afzonderlijk aan, afhankelijk van de signaalamplitude en de mate van ruis. Onderzoekers moeten zich ervan bewust zijn dat een breed scala aan hartslagen kan leiden tot het niet detecteren van aritmieën; een smal bereik van de hartslag kan echter leiden tot extreme oversensing (bijvoorbeeld duizenden episodes geïdentificeerd als "tachycardie", die niet langer een zinvolle analyse mogelijk maken).
      5. Pas Peak Bias aan om positieve en negatieve R-golven te detecteren.
         OPMERKING: Een positieve Peak Bias bevordert de detectie van positieve R-golven; een negatieve Peak Bias bevordert de detectie van negatieve R-golven.
      6. Intra Cardiaal: Gebruik deze instelling in gevallen waarin de P-golf snel verandert en wanneer de afgeleide ervan de afgeleide van de R-golf kan overschrijden, wat resulteert in een valse annotatie van de P-golf als een R-golf.
      7. Baseline Recovery Threshold: Stel deze waarde in, die een "blanking-periode" rond de R-golf vertegenwoordigt, om te voorkomen dat de software naar Q- of S-golven zoekt, omdat kleine artefacten anders kunnen leiden tot een valse annotatie van Q- of S-golven.
         OPMERKING: Een waarde van 0 resulteert bijvoorbeeld in het zoeken naar Q / S-golven vanaf de piek van de R-golf, een waarde van 70 resulteert in het zoeken naar Q / S-golven pas na 70% herstel van de R-golfhoogte.
   2. Klik op het tabblad PT voor instellingen voor de detectie van P- en T-golven.
      1. Max QT-interval: Pas dit interval aan om het interval te definiëren waarmee een gedetecteerde T-golf wordt geaccepteerd.
      2. T-venster van S: Pas deze instelling aan om het zoekinterval te definiëren voor een T-golf die begint met S-golf naar rechts.
      3. T-venster van R: Pas deze instelling aan om het zoekinterval te definiëren voor een T-golf die begint met R-golf naar links.
      4. P-venster van R: Pas deze instelling aan om het zoekinterval te definiëren voor een P-golf die begint met R-golf naar links.
      5. T-richting: Stel Beide als standaard in om te zoeken naar zowel positieve als negatieve T-golven, zoals deze instelling definieert als alleen positieve, alleen negatieve of beide positieve/negatieve T-golven worden doorzocht.
      6. P-richting: Stel Beide als standaard in om te zoeken naar zowel positieve als negatieve P-golven, zoals deze instelling definieert als alleen positieve, alleen negatieve of beide positieve / negatieve P-golven worden doorzocht.
      7. P-plaatsing: pas deze instelling aan om de P-markering te verschuiven naar (hoge waarde) of weg (lage waarde) vanaf de piek van de P-golf.
      8. T-plaatsing: pas deze instelling aan om de T-markering te verschuiven naar (hoge waarde) of weg (lage waarde) vanaf de piek van de P-golf.
      9. Alternatief einde van T: Pas deze instelling aan om te zoeken naar een alternatieve T-golf die verder gaat dan de eerste potentiële T-golf. Voer een lagere waarde in om de eerste T-golf te selecteren en een hogere waarde om de alternatieve T-golf te selecteren.
      10. Piekgevoeligheid: Pas deze parameter aan om kleine pieken te elimineren bij het identificeren van P- en T-golven. Gebruik dit in combinatie met Peak Identification.
          OPMERKING: Een waarde van 0 definieert de maximale gevoeligheid; een waarde van 100 definieert minimale gevoeligheid. De minimale piekgevoeligheidswaarde is afhankelijk van de kwaliteit van het signaal. Als het geluidsniveau laag is en/of de P- en T-golven duidelijk te onderscheiden zijn, worden deze golven goed geactiveerd, zelfs wanneer de piekgevoeligheid 100 is. Over het algemeen hoeven de piekgevoeligheid en piekidentificatie niet te worden aangepast, tenzij het signaal luidruchtig is en het analysealgoritme problemen ondervindt bij de detectie van P- en T-golven. Als dat zo is, worden de beste resultaten bereikt door de parameter in stappen van 25 aan te passen.
      11. Piekidentificatie: Gebruik deze parameter in combinatie met Piekgevoeligheid om de drempel voor de identificatie van P- en T-golven te definiëren. Verlaag tot 0 piekgevoeligheid als kleine P/T-golven niet worden geïdentificeerd. Als P/T-golven niet worden geïdentificeerd, zelfs niet wanneer piekgevoeligheid is ingesteld op 0, verlaag dan de piekidentificatie, pas deze aan in stappen van 25.
      12. High ST Segment: Gebruik dit attribuut als de T-golf zeer dicht bij het QRS-complex ligt, wat resulteert in een hoog ST-segment.
          OPMERKING: Aangezien muizen geen duidelijk ST-segment hebben, met een T-golf die direct na het QRS-complex optreedt, mag deze instelling niet worden gebruikt bij muizen.
   3. Klik op het tabblad Geavanceerde kenmerken om laag-/hoogdoorlaatfilters in te stellen, om het J-punt te definiëren om ST-hoogte/depressie te bepalen (niet nuttig bij muizen), om correctiefactoren in te stellen voor QT-metingen en om aritmische QRS-complexen te definiëren op basis van de hoogte van de R-golf en de duur van het QRS-complex.
      OPMERKING: Gebruik de standaardinstellingen die op dit tabblad vooraf zijn gedefinieerd. Als het signaal wordt beïnvloed, bijvoorbeeld door elektromagnetische interferentie, pas dan hier de filterinstellingen aan, wat kan helpen om de signaalkwaliteit te verbeteren. Definitie van "aritmische QRS-complexen" verbetert niet de nauwkeurigheid om voortijdige ventriculaire opnameslagen te detecteren ten opzichte van de hier voorgestelde methode (elk PVC zal ook resulteren in een pauze en wordt daarom gedetecteerd door deze aanpak). De andere instellingen zijn alleen relevant voor zeer specifieke onderzoeksvragen en worden hier daarom niet in detail beschreven.
   4. Gebruik het tabblad Ruis om kenmerken aan te passen om ruis te identificeren.
      1. Klik op het selectievakje Ruisdetectie inschakelen om ruis te identificeren en slechte gegevensmarkeringen in te stellen.
      2. Klik op het selectievakje Dropout Detection inschakelen om Bad Data Marks in te stellen rond gegevens die zijn gedefinieerd als drop-out op basis van de maximale / minimale signaalwaarde. Pas Min Good Data Time aan, die de tijd tussen twee drop-outsegmenten definieert die ook als drop-out worden beschouwd, zelfs als het signaal goed is.
      3. Pas de drempel voor slechte gegevens aan om het ruisniveau te definiëren waarboven het ECG-signaal niet goed kan worden geanalyseerd.
         OPMERKING: Dit luidruchtige segment van gegevens wordt opgenomen tussen Bad Data Marks en wordt niet geanalyseerd. Er worden geen ecg-afgeleide parameters gerapporteerd voor deze segmenten van "slechte gegevens".
      4. Geef de Min Noise Heart Rate op waaronder hartslagen als ruis worden beschouwd.
   5. Gebruik het tabblad Markeringen om validatiemarkeringen in en uit te schakelen.
      OPMERKING: Het wordt aanbevolen om cyclusnummers altijd in te schakelen, waardoor een continu nummer wordt toegevoegd aan elke geïdentificeerde R-golf. Dit zal helpen om door de ECG-opname te navigeren.
   6. Gebruik het tabblad Notities om notities in te voeren die in het experimentele logboekbestand worden weergegeven.
   7. Gebruik het tabblad Precisie om de precisie te definiëren waarmee parameters worden gerapporteerd.
   8. Stel kenmerken in en klik op Opnieuw berekenen om de effecten van de aanpassingen in het waveform-venster als voorbeeld te bekijken.
   9. Als (in een ideale situatie) alle ECG-golven correct zijn geannoteerd, klikt u op OK om de attributeninstellingen te bevestigen, waardoor het dialoogvenster Effecten en reikwijdte van wijzigingen wordt geopend. Om het ECG te analyseren, klikt u op de selectievakjes Het kanaal en Het hele kanaal opnieuw analyseren en bevestigt u door op OK te klikken.
7. Afhankelijk van de invoerinstellingen in het dialoogvenster Kenmerken, noteert u de validatiemarkeringen die worden weergegeven in de ECG-tracering. Doorloop de opname handmatig en controleer of validatiemarkeringen en slechte gegevensmarkeringen correct zijn ingesteld. Gebruik Data Insights voor het controleren van de R-markeringen en ECG Pro voor het controleren van P- en T-markeringen.
   1. Als veel markeringen onjuist zijn, wijzigt u Kenmerken en analyseert u de opname opnieuw.
      OPMERKING: Specifieke instellingen kunnen worden toegepast op specifieke gegevenssegmenten wanneer de ECG-morfologie verschilt van de rest van de opname. De Ponemah software handleiding biedt standaardwaarden voor ECG Analyse Attributen voor verschillende soorten onder Ponemah Software Manual / Analyse Modules / Electrocardiogram / Attributen Dialog. Om te beginnen kunnen deze waarden worden gebruikt en vervolgens handmatig worden aangepast, totdat voldoende of (in een ideale situatie) alle ECG-golven zijn gemarkeerd.
   2. Voer handmatige opschoning uit als slechts een paar markeringen onjuist zijn. Verplaats elk validatiemerk (met uitzondering van R-golfmarkeringen) naar de juiste positie door met de linkermuisknop te klikken, het betreffende merk vast te houden en te verplaatsen. Klik met de rechtermuisknop in de ECG-opname om extra validatiemarkeringen toe te voegen of aritmische R-golven te markeren. Klik met de rechtermuisknop op een onjuist ingesteld merk om dit merk te verwijderen.
8. Klik op Actions/Logging Rate (of druk op F8) om de Logging Rate in te stellen, die definieert hoe vaak afgeleide gegevens worden vastgelegd in de Derived Parameter List View of worden uitgezet naar grafieken die de afgeleide parameters gebruiken. Voor de analyse van basis-ECG-parameters en Arrythmia gebruikt u Tijdperk 1 als standaardinstelling, die de logboeksnelheid instelt voor elke cyclus.
   OPMERKING: De logboekregistratiesnelheid kan op elk moment tijdens acquisitie of beoordeling worden verhoogd.

2. Analyse van fundamentele ECG-parameters

OPMERKING: Naast validatie / slechte gegevensmarkeringen meet en berekent de software ook automatisch een grote verscheidenheid aan afgeleide parameters die vervolgens worden gerapporteerd in de lijst met afgeleide parameters.

1. Klik op Onderwerpinstellingen/Kanaaldetails om een van de afgeleide parameters te selecteren.
   OPMERKING: In de lijst met afgeleide parameters is elke parameter gekoppeld aan het nummer van het respectieve QRS-complex.
   1. Dubbelklik op een rij in de tabel Parameter om de overeenkomstige ECG-cycli in het midden van het primaire ECG-grafische venster weer te geven en gemakkelijk de morfologie van de ECG-cycli te vinden en te visualiseren die overeenkomen met de afgeleide parameters in de geselecteerde onbewerkte gegevens.
      OPMERKING: Het is mogelijk om in beide richtingen te synchroniseren: van de tabel naar de afbeelding en ook van de afbeelding naar de tabel. Wanneer de logboeksnelheid 1 tijdperk is, wordt de synchronisatie voor elke afzonderlijke cyclus uitgevoerd. Dit is eenvoudig te controleren aan de hand van het cyclusnummer (NUM) in de tabel Parameters en in de afbeelding. Vooral bij lange opnames is deze synchronisatiefunctie tussen de tabellen en de graphics erg handig.
2. Om rekening te houden met de circadiane verandering in ECG-parameters, in plaats van gemiddelde waarden van ECG-parameters over een lange periode te berekenen, analyseert u een rust-ECG vergelijkbaar met dat bij mensen om basis-ECG-parameters te verkrijgen, zoals rusthartslag, P-golfduur, PR-interval, QRS-duur of QT / QTc-interval. Analyseer 20 opeenvolgende QRS-complexen in de muis als "rustend ECG-equivalent".
   OPMERKING: Bij mensen wordt een rustend ECG geregistreerd gedurende 10 s bij een normale hartslag van 50-100 / min. Dit ECG omvat 8 tot 17 QRS-complexen.
   1. Terwijl muizen een circadiaans ritme volgen, analyseert u twee rustende ECG's per dag, één overdag en één 's nachts om te controleren op circadiane effecten. Selecteer geschikte tijden afhankelijk van de licht aan/uit-cyclus in de dierenfaciliteit, bijvoorbeeld 12.00 uur/pm.
   2. Selecteer een gedeelte van het ECG met een goede signaalkwaliteit en een stabiele hartslag in de HR Trend-grafiek binnen een gedefinieerd redelijk tijdsbestek rond dit tijdstip (bijvoorbeeld ±30 min).
   3. Bevestig de nauwkeurigheid van de validatiemarkeringen of pas handmatig aan in 20 opeenvolgende QRS-complexen. Voeg ontbrekende validatiemarkeringen toe.
   4. Voor verdere berekeningen en visualisaties markeert u de regels met de waarden van deze 20 opeenvolgende QRS-complexen in de lijst met afgeleide parameters en kopieert u deze naar een spreadsheet of statistiekensoftware.

3. Aritmie detectie met behulp van patroonherkenning (ECG PRO module)

OPMERKING: Ponemah's ECG PRO-module gebruikt geselecteerde QRS-complexen als sjablonen voor verdere analyse. De ECG-patronen van de sjablonen worden vergeleken met alle QRS-complexen binnen de registratie om het percentage gelijkenis ("match") te berekenen en om aritmieën te herkennen (bijv. Atriale of ventriculaire voortijdige vangstslagen). Het aantal QRS-complexen dat moet worden gemarkeerd, hangt af van de variabiliteit van de QRS-amplitude binnen de opname. In bepaalde gevallen geeft het selecteren en markeren van één QRS-complex een gelijkenis van 80 procent met de respectieve opname, waardoor de meerderheid van de QRS-cycli wordt gemarkeerd. Dit is echter een ideaal geval en tijdens de analyse is het aantal QRS-complexen dat als sjablonen moet worden gemarkeerd meestal hoger.

1. Markeer QRS-complexen als sjablonen totdat ten minste een overeenkomst van 80 procent of hoger is bereikt. Gebruik bovendien sjabloonvergelijking om P-, Q-, S- en T-golven te markeren als deze niet of onvoldoende worden herkend na de instellingen van kenmerken (paragraaf 1.7).
   OPMERKING: R-markeringen moeten worden geïdentificeerd voor cycli voorafgaand aan de analyse met ECG PRO. Dit vereist dat de R-markeringen worden bewaard na verwerving of dat de op attribuut gebaseerde analyse moet worden uitgevoerd voordat de ECG PRO-analyse wordt uitgevoerd. De andere merken (P, Q, S en T) hoeven niet aanwezig te zijn voor ECG PRO-analyse.
2. Nadat u de sjabloonconfiguratie hebt voltooid (zoals beschreven in 1.4.4), selecteert u een gewenste ECG-golf (met gemarkeerde R). Pas indien nodig de validatiemerken aan om de juiste posities van de ECG-merken van belang nauwkeurig weer te geven. Klik met de rechtermuisknop op de cyclus in het weergavepaneel in het venster ECG-tracering , selecteer Cyclus toevoegen en analyseren [enkele sjabloon] en noteer de cyclus die in het sjabloonvenster wordt weergegeven.
   OPMERKING: Mogelijk moet een automatische schaal worden uitgevoerd voor zowel de X- als de Y-as om de volledige cyclus te zien. ECG-markeringen kunnen worden verplaatst binnen de pagina Sjabloongrafiek .
3. Klik met de rechtermuisknop op het weergavepaneel van het sjabloonvenster en selecteer Cyclus toevoegen en analyseren (enkele sjabloon) om het dialoogvenster Sjabloonanalyse in Afbeelding 4B te starten. Selecteer het gewenste template match-gebied waarmee alle andere ECG-cycli worden vergeleken. Wijzig indien nodig de geavanceerde instellingen voor de gewenste overeenkomstregio.
   OPMERKING: Er kunnen meerdere overeenkomende regio's worden geselecteerd, afhankelijk van de gewenste uitvoer van de analyse (de afgeleide parameters van belang).
4. Selecteer een gegevensbereik waarop u de analyse wilt uitvoeren.
   OPMERKING: Met het gegevensbereik kunt u de gegevens die zichtbaar zijn in de grafiek opnieuw analyseren, de gegevens vanaf de linkerrand van het zichtbare gebied van de primaire grafiek naar het einde van de geladen gegevensset, de gegevens binnen de parsersegmenten of het hele kanaal.
5. Selecteer het type cycli dat u wilt analyseren.
   1. Selecteer Alles om de sjabloonbibliotheek te vergelijken met Alle cycli met een geldig R-teken.
   2. Selecteer Niet-overeenkomend om eerder overeenkomende cycli over te slaan en de sjabloonbibliotheek te vergelijken met alleen de niet-overeenkomende cycli.
      OPMERKING: Dit is handig bij het toevoegen van extra sjablonen aan de sjabloonbibliotheek voor een betere dekking van de overeenkomst, omdat de verwerkingstijd korter is.
6. Selecteer de gewenste matchmethode. Wanneer u meerdere overeenkomende regio's en hele cyclus selecteert, gebruikt u de sjabloon die gemiddeld het beste overeenkomt met de cyclus om de markeringen te plaatsen. Wanneer Regio wordt gebruikt, plaatst u voor de beste overeenkomst voor elke overeenkomstregio de markeringen van verschillende sjablonen.
7. Selecteer OK om de analyse uit te voeren.
   OPMERKING: Extra sjablooncycli kunnen worden toegevoegd aan de sjabloonbibliotheek en de sjabloonanalyse kan opnieuw worden uitgevoerd totdat het gewenste dialoogvensterovereenkomstpercentage is bereikt. Als u dit doet, worden de golven aangepast in alle cycli die overeenkomen met de sjabloon.
8. Sjabloonbibliotheken opslaan via Sjablonen/Opslaan wanneer de beoordelingssessie is gesloten.
9. Om aritmie te detecteren met behulp van sjabloonovereenkomst, tagt u sjablonen met een morfologie die verschilt van die van de fysiologische golven na het uitvoeren van de sjabloonovereenkomst (zoals beschreven in sectie 3.1.) door met de rechtermuisknop te klikken en sjabloontag toevoegen te selecteren en selecteert u een type cyclus (bijvoorbeeld atriale ectopische, ventriculaire ectopische). Analyseer deze tags met behulp van Data Insights.

4. Aritmiedetectie: een vereenvoudigde handmatige aanpak met behulp van Data Insights

OPMERKING: Voor aritmieanalyse is een correcte annotatie van P- en R-golven noodzakelijk. Maar zelfs als er duidelijke P-golven zichtbaar zijn binnen de ECG-tracering, worden deze P-golven soms niet adequaat geïdentificeerd, zelfs niet na het aanpassen van de attribuutinstellingen . Omdat R-golven meestal voldoende worden herkend en geannoteerd, wordt hieronder een praktische aanpak voor verdere aritmieanalyse met behulp van Data Insights voorgesteld. Voor een algemeen overzicht van aritmiedetectie met behulp van Data Insights en de vooraf gedefinieerde soortspecifieke zoekopdrachten, kan de geïnteresseerde lezer worden verwezen naar Mehendale et ^al.13.

1. Open Data Insights door te klikken op Experiment/Data Insights.
   1. Bekijk het deelvenster Zoeken boven aan het dialoogvenster Gegevensinzichten .
      OPMERKING: Aan de linkerkant van het paneel wordt weergegeven welke zoekregel wordt toegepast op welk kanaal / onderwerp en het aantal hits met behulp van deze zoekregel. In het midden worden alle zoekregels weergegeven en aan de rechterkant wordt de specifieke definitie van een geselecteerde zoekregel weergegeven.
   2. Bekijk het deelvenster Resultaten dat wordt weergegeven in het onderste gedeelte van het deelvenster Zoeken .
      OPMERKING: Voor elke zoekhit wordt het bijbehorende ECG-gedeelte weergegeven (bovenaan) samen met een tabel die de tijd binnen de opname en de resultaten van elke zoekparameter (midden) aangeeft.
   3. Bekijk het aantal zoektreffers dat wordt weergegeven als een histogram onder aan het deelvenster.
2. Aangezien de normale hartslag van een muis 500-724/min¹⁴ is, definieert u een zoekregel bradycardie om bradycardie te detecteren.
   1. Klik met de rechtermuisknop in de zoeklijst en selecteer Nieuwe zoekopdracht maken om het dialoogvenster Zoekvermelding te openen.
   2. Klik met de rechtermuisknop in het witte vak en selecteer Nieuwe clausule toevoegen.
   3. Definieer met behulp van de vervolgkeuzemenu's en tekstvelden de zoekregel Bradycardia-single als Value(HR _cyc0) < 500. Klik op OK om deze zoekregel aan de lijst toe te voegen. Pas deze zoekregel toe door erop te klikken en deze naar het interessante kanaal aan de linkerkant te slepen.
      OPMERKING: De zoekregel Bradycardia-single identificeert elk individueel RR-interval dat langer is dan 120 ms (= minder dan 500/min.).
   4. Aangezien bradycardie meer dan één lang RR-interval vereist, definieert u een extra zoekregel Bradycardie als Series(Bradycardia-single, 1)>=20. Klik op OK om deze zoekregel aan de lijst toe te voegen. Pas deze zoekregel toe door erop te klikken en deze naar het interessante kanaal aan de linkerkant te slepen.
      OPMERKING: In het deelvenster Resultaten wordt elke sectie binnen de ECG-opname weergegeven die bestaat uit ten minste 20 QRS-complexen met een hartslag van minder dan 500/min.
   5. Om bradycardie te bevestigen en valse resultaten te weigeren (bijvoorbeeld als gevolg van R-golfonderdetectie), controleert u elk resultaat handmatig. Klik met de linkermuisknop op de golfvorm en druk op STRG + R om het geselecteerde resultaat te weigeren, dat uit de lijst met resultaten verdwijnt.
      OPMERKING: De afgewezen resultaten worden opgeslagen onder Resultaat/Afwijzingen.
3. Om tachycardie te detecteren, definieert u een zoekregel tachycardie.
   1. Klik met de rechtermuisknop in de zoeklijst en selecteer Nieuwe zoekopdracht maken om het dialoogvenster Zoekvermelding te openen.
   2. Klik met de rechtermuisknop in het witte vak en selecteer Nieuwe clausule toevoegen.
   3. Definieer met behulp van de vervolgkeuzemenu's en tekstvelden de zoekregel Tachycardia-single als Value(HR _cyc0)>724. Klik op OK om deze zoekregel aan de lijst toe te voegen. Pas deze zoekregel toe door erop te klikken en deze naar het interessante kanaal aan de linkerkant te slepen.
      OPMERKING: De zoekregel Tachycardia-single identificeert elk individueel RR-interval dat korter is dan 82 ms (= meer dan 724 /min).
   4. Aangezien tachycardie meer dan één kort RR-interval vereist, definieert u een aanvullende zoekregel Tachycardie als Series(Tachycardia-single, 1)>=20. Klik op OK om deze zoekregel aan de lijst toe te voegen. Pas deze zoekregel toe door erop te klikken en deze naar het interessante kanaal aan de linkerkant te slepen.
      OPMERKING: In het deelvenster Resultaten wordt elke sectie binnen de ECG-opname weergegeven die bestaat uit ten minste 20 QRS-complexen met een hartslag van meer dan 724/min.
   5. Om tachycardie te bevestigen en valse resultaten te weigeren (bijvoorbeeld als gevolg van R-golfoversensing), controleert u elk resultaat handmatig. Klik met de linkermuisknop op de golfvorm en gebruik de snelkoppeling STRG + R om het geselecteerde resultaat te weigeren, dat uit de lijst met resultaten verdwijnt.
4. Als u sinoatriale en atrioventriculaire blokken wilt detecteren, definieert u een zoekregel Pauze.
   1. Klik met de rechtermuisknop in de zoeklijst en selecteer Nieuwe zoekopdracht maken om het dialoogvenster Zoekvermelding te openen.
   2. Klik met de rechtermuisknop in het witte deelvenster en selecteer Nieuwe clausule toevoegen.
   3. Gebruik de vervolgkeuzemenu's en tekstvelden om de zoekregel Pauzeren te definiëren als Waarde(RR-I_cyc0)>300. Klik op OK om deze zoekregel aan de lijst toe te voegen. Pas deze zoekregel toe door erop te klikken en deze naar het interessante kanaal aan de linkerkant te slepen.
      OPMERKING: In het deelvenster Resultaten wordt elke sectie binnen de ECG-opname weergegeven met een pauze van ten minste 300 ms.
   4. Om een pauze te bevestigen, om te beslissen of de pauze een sinoatriaal of atrioventriculair blok is en om valse resultaten af te wijzen (bijvoorbeeld als gevolg van R-golfonderdetectie), controleert u elk resultaat handmatig. Klik met de linkermuisknop op de golfvorm en druk op STRG + R om het geselecteerde resultaat te weigeren, dat uit de lijst met resultaten verdwijnt.
   5. Als u ectopisch ritme wilt detecteren, voert u eerst de sjabloon uit die overeenkomt met deze ritmes (bijvoorbeeld ventriculaire ectopisch) en zoekt u vervolgens naar alle overeenkomende cycli voor deze sjabloon in Data Insights.
5. Klik met de rechtermuisknop in de zoeklijst en selecteer Nieuwe zoekopdracht maken om het dialoogvenster Zoekvermelding te openen.
   1. Klik met de rechtermuisknop in het witte vak en selecteer Nieuwe clausule toevoegen.
   2. Klik op Waarde in het vervolgkeuzemenu en selecteer Sjabloon. Selecteer aan de rechterkant de tag van de eerder gemaakte sjabloon.
      OPMERKING: In het deelvenster Resultaten wordt elke sectie binnen de ECG-opname weergegeven met de cyclus die overeenkomt met de sjabloon.
   3. Om de resultaten te bevestigen en valse resultaten te weigeren (bijvoorbeeld vanwege onderdetectie van de R-golf), controleert u elk resultaat handmatig. Klik met de linkermuisknop op de golfvorm en druk op STRG + R om een bepaalde cyclus te weigeren, die uit de lijst met resultaten verdwijnt.
      OPMERKING: Alle gemaakte zoekinstructies kunnen worden geïmporteerd en opgeslagen met geschikte bestandsnamen. Alle resultaattabellen kunnen worden opgeslagen en geëxporteerd in spreadsheet/ASCII-uitvoerformaat voor verdere statistische analyse.

Representative Results

Het registreren van ecg's op lange termijn resulteert in enorme datasets. De mogelijkheden voor verdere analyses zijn talrijk en afhankelijk van het individuele onderzoeksproject. Dit protocol geeft een beschrijving van enkele zeer basale uitlezingen die door de meeste onderzoekers kunnen worden gebruikt, vooral voor screeningsexperimenten, bijvoorbeeld bij het karakteriseren van een transgene muislijn of bij het onderzoeken van de effecten van een specifieke behandeling in een ziektemodel. Een eerder project omvatte de studie van een nieuw kandidaat-geneesmiddel om te bepalen of het cardiotoxische effecten bezat door ECG-parameters in de loop van de tijd te analyseren. Telemetrietransmitters werden 20 dagen voor de behandeling geïmplanteerd en ECG-opnames werden 10 dagen voor de behandeling gestart om voldoende wondgenezing en acclimatisatie van de muis mogelijk te maken. Vóór de behandeling werd het ECG om de drie dagen onderzocht; binnen de eerste week na de behandeling werd het ECG elke dag onderzocht, waarna het ECG om de zeven dagen werd geanalyseerd tot het einde van de registratie drie weken na de behandeling.

Deze aanpak maakte de detectie mogelijk van perioden van verminderde hartslag, verhoogde atrioventriculaire (PR-interval) en ventriculaire (QRS-duur) geleiding, evenals veranderde repolarisatie (QTc-interval) bij muizen die werden behandeld met het nieuwe geneesmiddel zoals weergegeven in figuur 5. Deze eerste stap diende als een "screening" die de identificatie van tijdsperioden binnen de opname mogelijk maakte die mogelijk aritmieën bevatten. Een meer gedetailleerd onderzoek van het ECG onthulde sinuspauzes die twee dagen na de behandeling een verminderde hartslag veroorzaakten en verschillende gradaties van atrioventriculaire (AV) blokkades die zes dagen na de behandeling een verminderde hartslag veroorzaakten. Deze laatste bevinding werd verder ondersteund door de verlengde PR-intervallen op dit tijdstip. Om deze ECG-parameters te verkrijgen, moeten 20 QRS-complexen per tijdstip worden geanalyseerd en kunnen daarom mogelijk geen paroxysmale aritmie-episodes op andere tijdstippen detecteren.

Om dit probleem aan te pakken, is het raadzaam om specifiek te zoeken naar bradycardie en tachycardie-episodes en naar pauzes met behulp van de ECG Pro-module, gevolgd door handmatige beoordeling van gedetecteerde episodes. Deze aanpak maakt de detectie van alle relevante aritmieën en de bepaling van het specifieke type aritmie binnen de hele registratie mogelijk. In deze studie werd bijvoorbeeld een tachycardie-episode gedetecteerd, die werd geïdentificeerd als een atriumfibrilleren.

Zoals eerder aangetoond, maakt deze benadering het verder mogelijk om het tijdsverloop van het optreden van aritmie te bepalen, bijvoorbeeld de tijd tot het eerste AV-blok na macrofaagdepletie¹⁴. Representatieve sporen, zoals weergegeven in figuur 6, worden verkregen zoals hierboven beschreven (figuur 6A: normaal sinusritme; Figuur 6B: sinuspauze; Figuur 6C: AV-blok I°, Figuur 6D: AV-blok II° type Mobitz 1; Figuur 6E: AV blok II° type Mobitz 2; Figuur 6F: AV-blok III°; Figuur 6G: boezemfibrilleren).

Figuur 1: Laden en beoordelen van gegevens in Ponemah. (A) Load Review Dat dialoogvenster met een overzicht van alle muizen en signalen die zijn opgenomen in het geladen experiment. (B) Graph Setup Dialog om grafische vensters in te stellen die zowel onbewerkte gegevens (bijv. ECG-signalen) als afgeleide parameters bieden. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2: Sjablooninstellingen in Ponemah. (A) Venster Sjablooninstellingen om een nieuwe te configureren en te selecteren of door reeds geconfigureerde sjabloonbibliotheek te bladeren. (B) Grafiek setup pagina voor Template instellingen. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3: ECG-traceringen. (A) Screenshot van de vensters met het ECG-spoor; B) waarnemingspunt voor de hartslag; en (C) Sjabloonvenster. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4: Analyse van attributen van een ECG tracing. (A) Een dialoogvenster ECG-analysekenmerken. Bovenaan dit dialoogvenster maken verschillende tabbladen (QRS, PT, Geavanceerd, Ruis, Markeringen, Notities, Precisie) de aanpassing van verschillende instellingen mogelijk. De instellingen worden weergegeven in het middelste deel van het dialoogvenster. Onderaan het dialoogvenster wordt de ECG-tracering weergegeven in het golfvormvenster. Bovenaan het golfvormvenster wordt de ECG-tracering weergegeven; onderaan wordt de afgeleide van de ECG-tracing getoond, inclusief een visualisatie van de insteldrempels hierboven. In het hier gepresenteerde voorbeeld wordt een QRS-detectiedrempel van 40% gedefinieerd, die wordt aangegeven door de roze achtergrond onderaan. B) Dialoogvenster Sjabloonanalyse: Selecteer het gewenste sjabloonovereenkomstgebied waarmee alle andere ECG-cycli worden vergeleken. In dit voorbeeld wordt de T-golf geselecteerd als de overeenkomstregio voor analyse met een minimale overeenkomst van 85%. Dit betekent dat als de T-regio niet overeenkomt met ten minste 85% betrouwbaarheid, de cyclus niet als een match wordt gemarkeerd. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5: Basis-ECG-parameters in de loop van de tijd in een cohort voor medicamenteuze interventie. Blauw paneel: 's nachts, geel paneel: overdag. Van links naar rechts: hartslag, PR-interval, QRS-duur, QTc-interval. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 6: Representatieve ECG-sporen. (A) Normaal sinusritme, (B) sinuspauze, (C) AV-blok I°, (D) AV-blok II° type Mobitz 1, (E) AV-blok II° type Mobitz 2, (F) AV-blok III°, (G) atriumfibrilleren. Schaalbalken = 100 ms. Afkorting: AV = atrioventriculaire. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 7: Analysestroomdiagram. Afkorting: HR = hartslag. Klik hier om een grotere versie van deze figuur te bekijken.

Discussion

Het oppervlakte-ECG is het primaire diagnostische hulpmiddel voor patiënten die lijden aan hartritmestoornissen en biedt inzicht in vele elektrofysiologische verschijnselen. Niettemin vereist voldoende analyse van ECG-pathologieën van het hartoppervlak kennis en definitie van normale fysiologische parameters. Vele jaren van epidemiologisch onderzoek hebben geleid tot brede instemming met wat fysiologisch is bij mensen en zo artsen wereldwijd in staat gesteld om het pathologische duidelijk te onderscheiden. De analyse van oppervlakte-ECG-gegevens is echter een grote uitdaging in muizenmodellen; het onderscheid tussen fysiologische en pathologische ECG-resultaten kan moeilijk zijn vanwege onvolledig begrip en definitie van basis-ECG-parameters^15,16. In 1968 waren Goldbarg et al. de eersten die ECG beschreven bij gezonde muizen¹⁷. Naast het tonen van hartslagen en basis-ECG-patronen, zoals PR-interval en QRS-duur, beschreven ze grote verschillen tussen verdoofde en wakkere dieren en verschillen tussen verschillende anesthetica en verschillende muizenrassen, wat later werd bevestigd door andere groepen^16,17.

Deze vroege gegevens benadrukken waarom de interpretatie van murine ECG-gegevens delicaat en ingewikkeld is. Met de groeiende belangstelling voor muizenmodellen voor aritmieonderzoek in de afgelopen decennia, is meer onderzoek gericht op de elektrofysiologie van muizen en heeft het bewijs gegenereerd over de patronen van activering en repolarisatie in het muizenhart. De geïnteresseerde lezer kan worden verwezen naar een recent artikel van Boukens et al. voor een gedetailleerd overzicht van het murine ECG en de onderliggende stromingen¹⁵. Kaese et al. gaven een overzicht van de standaardwaarden van het MURINE ECG en de grote verschillen tussen menselijke en murine ECG-sporen¹⁸. Het eerste grote verschil is de hartslag: gezonde wakkere muizen hebben een hartslag van 550-725 slagen per minuut, PR-intervallen van 30-56 ms, een QRS-duur van 9-30 ms en een repolarisatiefase die heel anders is dan die waargenomen bij mensen¹⁴. Verder toont het murine ECG regelmatig het voorkomen van J-golven en een kleine en minder onderscheidende T-golf, waardoor analyse van het ST-segment en QT-interval moeilijk^{is 18,19}. Over het algemeen zijn muizenmodellen het meest gebruikte modelorganisme geworden voor cardiovasculair onderzoek, waaronder aritmieën⁸.

Rekening houdend met de hierboven beschreven interspecies verschillen die zeer waarschijnlijk ook van invloed zijn op aritmogenese, kunnen deze modellen waardevolle inzichten opleveren. De analyse van basis-ECG-parameters, zoals hartslag en duur van verschillende intervallen, kan betrouwbaar worden uitgevoerd met behulp van software zoals Ponemah, LabChart of ECGAuto onder vele anderen met hun respectieve analysealgoritmen. Voorbeelden voor gegevensweergave zijn weergegeven in figuur 5. Aritmiedetectie is echter veel delicater en er zijn geen algemeen gevestigde benaderingen voor murine lange termijn ECG-analyse voor aritmieën. Verschillende benaderingen zijn gebruikt om de technische en methodologische problemen te overwinnen die gepaard gaan met aritmiedetectie van langdurige ECG-opnames bij muizen. Deze benaderingen variëren van alleen het gebruik van korte opnames voor de handmatige analyse voor aritmieën²⁰ tot eenvoudige overwegingen die onnauwkeurigheid accepteren zoals beschreven door Thireau et ^al.21. Deze onderzoekers voerden een analyse van de hartslagvariabiliteit uit door eenvoudigweg alle secties van hun opname uit te sluiten met R-R-intervallen die niet in het bereik van het gemiddelde R-R-interval ± 2 standaarddeviaties om alle aritmieën, ectopische slagen en artefacten uit te sluiten zonder enige handmatige beoordeling. Dit is de reden voor deze semimanuele aanpak met Ponemah en zijn opeenvolgende analysemodules, ECG Pro en Data Insights. Deze softwareoplossing kan worden gebruikt om een breed scala aan fysiologische signalen te analyseren, variërend van ECG bij grote zoogdieren tot bloeddruk- of temperatuurgegevens bij zeer kleine soorten.

De software wordt geleverd met veel bronnen over het analyseren van verschillende soorten gegevens. Niettemin, hoewel het vrij goed werkt met ECG-signalen van grotere dieren, kan de lage signaalamplitude en dus de hoge ruis van signalen afgeleid van soorten, zoals levende en wakkere muizen, leiden tot een aantal problemen met behulp van een gemeenschappelijke benadering van analyse. Ruis maskeert vaak P- of T-golven en schakelt zo het gebruik van de meeste vooraf gedefinieerde zoekregels binnen Data Insights uit. Er moet voor worden gezorgd dat optimale waarden van de QRS-detectiedrempel worden gedefinieerd en dat de attribuutwaarden behouden blijven die worden gebruikt om QRS-complexen te identificeren en onderscheid te maken tussen duidelijke cycli en ruisgebeurtenissen. Een hoog percentage van de QRS-detectiedrempel kan leiden tot onderdetectie (d.w.z. sommige R-golven kunnen niet worden gedetecteerd), terwijl een laag percentage kan leiden tot overdetectie (d.w.z. andere pieken, zoals T-golven, kunnen verkeerd worden geïnterpreteerd als R-golven). Verder zijn specifieke vragen in aritmieonderzoek bij muizen begrijpelijkerwijs niet het hoofdonderwerp van de materialen die door DSI worden geleverd, en het vinden van specifieke informatie kan moeilijk zijn. Binnen dit protocol wordt een eenvoudige en pragmatische aanpak gebruikt om verschillende aritmieën te definiëren die gevestigde menselijke definities extrapoleren.

In menselijke langetermijn-ECG-gegevens wordt bijvoorbeeld een pauze langer dan 3 s als significant^{beschouwd 22}. Dit resulteert in een menselijke hartslag van 20/min., wat neerkomt op een derde van de minimale fysiologische hartslag van 60/min. Zoals beschreven door Kaese et ^al.18, is de minimale fysiologische hartslag gelijk aan 550/min., waardoor 200/min. ongeveer een derde van die snelheid is. Volgens de menselijke definitie kunnen pauzes van meer dan 0,3 s worden verondersteld significant te zijn bij muizen. Verder is het een eenvoudige en pragmatische benadering om verschillen in basisparameters te beschrijven als relatieve veranderingen in de respectieve controle. Dit houdt rekening met de verschillen tussen individuele muislijnen en is een elegante manier om de waarschijnlijke pathologische te identificeren zonder te vertrouwen op (vaak ontbrekende) vastgestelde normale waarden. Deze eenvoudige aanpak, samengevat in figuur 7, is geschikt voor alle groepen die hartritmestoornissen bestuderen in muizenmodellen met behulp van implanteerbare telemetrie-apparaten. Het leidt tot de evaluatie van algemene ECG-parameters, evenals gegevens over de hartslag in de loop van de tijd en de detectie van een breed scala aan aritmieën. Daarom probeert dit artikel een stapsgewijze aanpak te bieden voor ECG- en aritmieanalyse en voegt het aanzienlijk toe aan de richtlijnen en handleidingen die al zijn gepubliceerd.

Materials

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