Analyse von Langzeit-Elektrokardiographie-Aufnahmen zum Nachweis von Arrhythmien bei Mäusen

Summary

Hier präsentieren wir ein Schritt-für-Schritt-Protokoll für einen halbautomatischen Ansatz zur Analyse von Daten der murinen Langzeitelektrokardiographie (EKG) für grundlegende EKG-Parameter und häufige Arrhythmien. Die Daten werden von implantierbaren Telemetriesendern in lebenden und wachen Mäusen gewonnen und mit Ponemah und seinen Analysemodulen analysiert.

Abstract

Arrhythmien sind häufig und betreffen Millionen von Patienten weltweit. Aktuelle Behandlungsstrategien sind mit erheblichen Nebenwirkungen verbunden und bleiben bei vielen Patienten wirkungslos. Um die Patientenversorgung zu verbessern, sind neuartige und innovative Therapiekonzepte erforderlich, die ursächlich auf Arrhythmiemechanismen abzielen. Um die komplexe Pathophysiologie von Arrhythmien zu untersuchen, sind geeignete Tiermodelle notwendig, und Mäuse haben sich als ideale Modellspezies erwiesen, um den genetischen Einfluss auf Arrhythmien zu bewerten, grundlegende molekulare und zelluläre Mechanismen zu untersuchen und potenzielle therapeutische Ziele zu identifizieren.

Implantierbare Telemetriegeräte gehören zu den leistungsfähigsten Werkzeugen zur Untersuchung der Elektrophysiologie bei Mäusen und ermöglichen eine kontinuierliche EKG-Aufzeichnung über einen Zeitraum von mehreren Monaten bei frei beweglichen, wachen Mäusen. Aufgrund der großen Anzahl von Datenpunkten (>1 Million QRS-Komplexe pro Tag) bleibt die Analyse von Telemetriedaten jedoch eine Herausforderung. Dieser Artikel beschreibt einen schrittweisen Ansatz zur Analyse von EKGs und zur Erkennung von Arrhythmien in langfristigen Telemetrieaufzeichnungen mit der Software Ponemah mit ihren Analysemodulen ECG Pro und Data Insights, die von Data Sciences International (DSI) entwickelt wurde. Um grundlegende EKG-Parameter wie Herzfrequenz, P-Wellendauer, PR-Intervall, QRS-Intervall oder QT-Dauer zu analysieren, wurde eine automatisierte Attributanalyse mit Ponemah durchgeführt, um P-, Q- und T-Wellen innerhalb individuell angepasster Fenster um detektierte R-Wellen zu identifizieren.

Die Ergebnisse wurden dann manuell überprüft, so dass einzelne Anmerkungen angepasst werden konnten. Die Ergebnisse der attributbasierten Analyse und der Mustererkennungsanalyse wurden dann vom Data Insights-Modul verwendet, um Arrhythmien zu erkennen. Dieses Modul ermöglicht ein automatisches Screening auf individuell definierte Arrhythmien innerhalb der Aufzeichnung, gefolgt von einer manuellen Überprüfung von vermuteten Arrhythmie-Episoden. Der Artikel diskutiert kurz Herausforderungen bei der Aufzeichnung und Detektion von EKG-Signalen, schlägt Strategien zur Verbesserung der Datenqualität vor und bietet repräsentative Aufzeichnungen von Arrhythmien, die bei Mäusen mit dem oben beschriebenen Ansatz erkannt wurden.

Introduction

Herzrhythmusstörungen sind weit verbreitet und betreffen Millionen von Patienten weltweit¹. Die Alterung der Bevölkerung weist eine zunehmende Inzidenz und damit eine erhebliche Belastung für die öffentliche Gesundheit auf, die sich aus Herzrhythmusstörungen und deren Morbidität und Mortalität ergibt². Aktuelle Behandlungsstrategien sind begrenzt und oft mit erheblichen Nebenwirkungen verbunden und bleiben bei vielen Patienten unwirksam 3,4,5,6. Neue und innovative therapeutische Strategien, die ursächlich auf Arrhythmiemechanismen abzielen, sind dringend erforderlich. Um die komplexe Pathophysiologie von Arrhythmien zu untersuchen, sind geeignete Tiermodelle notwendig; Mäuse haben sich als ideale Modellspezies erwiesen, um den genetischen Einfluss auf Arrhythmien zu bewerten, grundlegende molekulare und zelluläre Mechanismen zu untersuchen und potenzielle therapeutische Ziele zu identifizieren ^7,8,9. Die kontinuierliche EKG-Aufzeichnung ist ein etabliertes Konzept in der klinischen Routine der Arrhythmieerkennung¹⁰.

Implantierbare Telemetriegeräte gehören zu den leistungsfähigsten verfügbaren Werkzeugen zur Untersuchung der Elektrophysiologie bei Mäusen, da sie eine kontinuierliche Aufzeichnung des EKGs (ein üblicher Ansatz besteht darin, die Elektroden in eine Blei-II-Position zu implantieren) über einen Zeitraum von mehreren Monaten in frei beweglichen, wachen Mäusen^{ermöglichen 11,12}. Aufgrund der großen Anzahl von Datenpunkten (bis zu mehr als 1 Million QRS-Komplexe pro Tag) und der begrenzten Kenntnis der murinen Standardwerte bleibt die Analyse von Telemetriedaten jedoch eine Herausforderung. Handelsübliche Telemetriesender für Mäuse halten bis zu 3 Monate, was zur Aufzeichnung von bis zu 100 Millionen QRS-Komplexen führt. Dies bedeutet, dass pragmatische Analyseprotokolle dringend benötigt werden, um die Zeit für jeden einzelnen Datensatz zu reduzieren und es den Forschern zu ermöglichen, diese riesige Datenmenge zu verarbeiten und zu interpretieren. Um bei der Aufzeichnung ein sauberes EKG-Signal zu erhalten, muss die Implantation des Senders optimal sein - die Leitungspositionen sollten so weit wie möglich voneinander entfernt sein, um höhere Signalamplituden zu ermöglichen.

Der interessierte Leser kann auf ein Protokoll von McCauley et ^al.12 verwiesen werden, um weitere Informationen zu erhalten. Um Lärm zu minimieren, müssen Käfige und Messumformer in einer stillen Umgebung aufgestellt werden, die nicht anfällig für Störungen ist, z. B. in einem belüfteten Schrank mit kontrollierten Umgebungsfaktoren (Temperatur, Licht und Feuchtigkeit). Während des Versuchszeitraums muss die Bleipositionierung regelmäßig überprüft werden, um einen Signalverlust aufgrund von Bleiperforation oder Wundheilungsproblemen zu vermeiden. Physiologisch gibt es eine zirkadiane Veränderung der EKG-Parameter bei Nagetieren wie beim Menschen, was die Notwendigkeit eines standardisierten Ansatzes zur Gewinnung von EKG-Basiswerten aus einer kontinuierlichen Aufzeichnung hervorruft. Anstatt Mittelwerte von EKG-Parametern über einen langen Zeitraum zu berechnen, sollte eine Analyse eines Ruhe-EKGs ähnlich dem beim Menschen durchgeführt werden, um grundlegende Parameter wie Ruheherzfrequenz, P-Wellendauer, PR-Intervall, QRS-Dauer oder QT / QTc-Intervall zu erhalten. Beim Menschen wird ein Ruhe-EKG über 10 s bei einer normalen Herzfrequenz von 50-100/min aufgezeichnet. Dieses EKG umfasst 8 bis 17 QRS-Komplexe. Eine Analyse von 20 aufeinanderfolgenden QRS-Komplexen wird in der Maus als "Ruhe-EKG-Äquivalent" empfohlen. Aufgrund der oben erwähnten circadianen Veränderung besteht ein einfacher Ansatz darin, zwei Ruhe-EKGs pro Tag zu analysieren, eines tagsüber und eines nachts. Abhängig vom Licht-Ein-/Ausschaltzyklus in der Tierhaltung werden geeignete Zeiten ausgewählt (z.B. 12:00 Uhr) und Eckwerte ermittelt.

Als nächstes wird ein Herzfrequenzdiagramm im Laufe der Zeit verwendet, um relevante Tachy- und Bradykardie zu erkennen, mit aufeinanderfolgender manueller Untersuchung dieser Episoden, um einen ersten Eindruck zu erhalten. Dieses Herzfrequenzdiagramm führt dann zu den wichtigen Parametern der maximalen und minimalen Herzfrequenz über den aufgezeichneten Zeitraum sowie der Herzfrequenzvariabilität über die Zeit. Danach wird der Datensatz auf Arrhythmien analysiert. Dieser Artikel beschreibt einen schrittweisen Ansatz, um diese Basis-EKG-Daten aus Langzeit-Telemetrieaufzeichnungen von wachen Mäusen über einen Aufzeichnungszeitraum von bis zu drei Monaten zu erhalten. Darüber hinaus wird beschrieben, wie Arrhythmien mit der von Data Sciences International (DSI) entwickelten Software Ponemah Version 6.42 mit ihren Analysemodulen EKG Pro und Data Insights erkannt werden können. Diese Version ist sowohl mit Windows 7 (SP1, 64 Bit) als auch mit Windows 10 (64 Bit) kompatibel.

Protocol

1. Vorabsprachen

1. Starten Sie die Ponemah 6.42-Software und bestätigen Sie den Benutzernamen und die Seriennummer der Softwarelizenz auf dem folgenden Bildschirm, indem Sie auf Weiter klicken.
2. Laden Sie das Experiment, das das EKG von Interesse enthält.
   1. Wenn Ponemah zum ersten Mal gestartet wird, beachten Sie, dass das Dialogfeld "Erste Schritte" von Ponemah geöffnet wird und drei Optionen bietet: 1) Test erstellen, 2) Test laden, 3) Test importieren.
      1. Wählen Sie Experiment laden aus, um eine Datei zu öffnen. Sobald das Dialogfeld Ordner suchen geöffnet wird, wählen Sie die Experimentdatei mit der Erweiterung (". PnmExp") und laden Sie die Datei, indem Sie auf Öffnen klicken.
      2. Um einen Datensatz zu öffnen, der in Ponemah 5.x oder Dataquest ART aufgezeichnet wurde, verwenden Sie die Funktion Experiment importieren .
         HINWEIS: Wenn die Software erneut geöffnet wird, wird das letzte Experiment automatisch im Hauptfenster zur weiteren Überprüfung geladen. Im Menü unter Experiment werden die gleichen drei Optionen wie im Ponemah Get Started-Dialog angeboten: 1) Experiment erstellen, 2) Test öffnen, 3) Experiment importieren.
3. Klicken Sie in der Symbolleiste auf Aktionen / Überprüfung starten und wechseln Sie zum Dialogfeld Load Review Data , das eine Übersicht über alle Mäuse und die jeweiligen Signale bietet, die innerhalb des geladenen Experiments aufgezeichnet wurden (Abbildung 1A).
   1. Wählen Sie die Aufzeichnung aus, die sich auf die Maus bezieht, die analysiert werden soll, indem Sie auf das Kontrollkästchen neben der Mausnummer im linken Bereich Themen klicken.
   2. Aktivieren Sie das Kontrollkästchen neben EKG im mittleren Bereich Signaltypen.
   3. Bestimmen Sie die Dauer des Signals, das analysiert wird, mit dem Zeitbereich ganz rechts. Beachten Sie die folgenden drei Optionen: Gesamtes Experiment, das alle EKG-Daten der ausgewählten Maus lädt; Parser-Segmente, die nur Daten laden, die in Parser-Segmenten enthalten sind, die während einer früheren Überprüfungssitzung hinzugefügt wurden; Zeitbereich, der das Laden eines bestimmten Zeitbereichs ermöglicht, entweder durch Eingabe eines bestimmten Start- und Enddatums oder durch Eingabe einer Zeitdauer.
   4. Um die Auswahl zu speichern, verwenden Sie den Dialog Definitionen laden in der oberen linken Ecke, der auch das Laden zuvor gespeicherter Auswahlen ermöglicht.
      HINWEIS: Die Größe der ausgewählten Daten wird entweder durch einen grünen oder roten Balken angezeigt, basierend auf der Dateigröße in der oberen rechten Ecke unter Datengröße. Derzeit ermöglicht die Software das Laden von bis zu 3 GB Daten für die Überprüfung. 3 GB Daten können einer kontinuierlichen 24-stündigen Aufzeichnung von 3-4 Tagen entsprechen.
   5. Klicken Sie auf OK , um den ausgewählten Datensatz in Review zu laden.
4. Nach dem Klicken auf OKAY, stellen Sie fest, dass die Ponemah Bewertung Das Fenster wird zusammen mit mehreren separaten Fenstern geöffnet. Obwohl die Ereignisse und Parameter Fenster werden standardmäßig geöffnet und angezeigt, wählen Sie manuell andere erforderliche Fenster basierend auf Diagrammen von Interesse unter dem Symbol Graphen/Graphen-Setup Symbolleiste.
   HINWEIS: Wenn Ereignisse und Parameter Öffnen Sie nicht standardmäßig, sie können aktiviert werden durch Fenster/Parameter und Fenster/Ereignisse.
   1. Beachten Sie das Dialogfeld Diagrammeinrichtung , in dem Sie bis zu 16 grafische Fenster einrichten können, die sowohl Rohdaten (z. B. EKG-Signale) als auch abgeleitete Parameter (z. B. XY-Schleife) bereitstellen (Abbildung 1B).
   2. Aktivieren Sie das Kontrollkästchen Seite aktivieren , um die EKG-Ablaufverfolgung anzuzeigen. Wählen Sie in der folgenden Liste die Zeile mit der gewünschten Maus (unter Betreff) und dem Datentyp (unter Präsentation) aus, indem Sie auf die entsprechende Checkbox links klicken. Verwenden Sie die folgenden Einstellungen: Typ, Primär; Beschriftung, bis zu 11 Zeichen werden in der Titelleiste des Fensters angezeigt; Zeit, 0:00:00:01 und gibt Sekunden als verwendete Einheit an.
      1. Geben Sie die entsprechenden Informationen in die Textfelder Beschriftung, Einheit, Niedrig und Hoch ein.
         HINWEIS: Aktivieren Sie zwei weitere Seiten, Herzfrequenztrend und Vorlage, die für die Analyse grundlegender EKG-Parameter und für die Arrhythmieerkennung hilfreich sind.
   3. Aktivieren Sie auf der Seite Herzfrequenztrend eine weitere Diagrammseite, und definieren Sie sie als Trend, um die Herzfrequenz (HR) im Zeitverlauf darzustellen. Verwenden Sie die folgenden Einstellungen, um die Personalabteilung für die gesamten Daten darzustellen, die in Überprüfungstyp, Trend geladen werden. Eingang, EKG; Präsentation, HR; Label, HR Trend; Einheit, bpm; Niedrig: 50; Hoch: 1000.
      HINWEIS: Vorlagen sind EKG-Zyklen mit genau platzierten Markierungen, die als repräsentative EKG-Zyklen für die Mustererkennungsanalyse verwendet werden können. Sie erlauben die Auswahl einer kleinen Anzahl repräsentativer Zyklen und den Abgleich dieser Vorlagen auf das gesamte EKG, wodurch alle anderen Zyklen entsprechend annotiert werden.
      1. Um die Vorlagenfunktion zu verwenden, erstellen Sie für jedes Thema eine Vorlagenbibliothek (eine Datei, in der die Vorlagen gespeichert sind). Wählen Sie dazu die Option Template Setup/Template Library (Vorlageneinrichtung/Vorlagenbibliothek) aus (Abbildung 2A).
      2. Wählen Sie Neu... aus dem Dropdown-Menü unter Vorlagenbibliothek, um eine neue Vorlagenbibliothek zu erstellen.
         HINWEIS: Es gibt einige weitere Optionen im Dropdown-Menü: Keine Bindung trennt alle zuvor konfigurierten Vorlagenbibliotheken vom Betreff. Durchsuchen ordnet eine vorhandene Vorlagenbibliothek zu, die während einer vorherigen Überprüfungssitzung konfiguriert wurde.
      3. Konfigurieren Sie als Nächstes ein Vorlagendiagramm, wählen Sie Setup/Experiment Setup/Graph Setup und wählen Sie eine Seite aus, die als Vorlagendiagrammseite verwendet werden soll. Aktivieren Sie das Kontrollkästchen Seite aktivieren, wählen Sie Vorlage als Typ aus, und stellen Sie sicher, dass Eingabe die Auswahl Betreff/Kanal des Benutzers widerspiegelt. Geben Sie die entsprechenden Informationen in die Textfelder Label, Unit, Low (Niedrig) und High (Hoch) ein, und klicken Sie auf die Schaltfläche OK, um ein Grafikfenster für jede Grafikseite anzuzeigen, die unter Graphic Setup konfiguriert wurde (siehe Abbildung 2B).
         HINWEIS: Eine Diagrammeinrichtungsseite für Vorlageneinstellungen wird angezeigt, wie in Abbildung 2B dargestellt. Entsprechend der im Diagrammeinrichtungsdialog ausgewählten Seite werden die Titelleisten der Fenster von den Seiten 1 bis 16 beschriftet, basierend auf der Anzahl der aktivierten Seiten (Beispiele für die Seiten 1, 2 und 3 sind in Abbildung 3A, Abbildung 3B bzw. Abbildung 3C dargestellt).
5. Nehmen Sie einige wichtige Anpassungen im EKG-Ablaufverfolgungsfenster vor (Abbildung 3A).
   1. Passen Sie die Y-Achse an, die die EKG-Amplitude darstellt, indem Sie im EKG-Ablaufverfolgungsfenster doppelklicken, um Skalierung auszuwählen. Wählen Sie hier Automatisch skalieren oder manuell anpassen, indem Sie "Hoher Achsenwert" und "Niedriger Achsenwert" verwenden.
   2. Um die X-Achse anzupassen, die die Zeit darstellt, klicken Sie auf die entsprechenden Symbolleistensymbole: Vergrößern, um die Zeitspanne zu erweitern (d.h. es werden weniger QRS-Komplexe angezeigt), Verkleinern, um die Zeitspanne zu komprimieren (d.h. es werden mehr QRS-Komplexe angezeigt).
   3. Um DT (Delta Time) und RT (Real Time) in der unteren linken Ecke anzuzeigen, klicken Sie mit der linken Maustaste auf die EKG-Spur mit dem Cursor (eine vertikale schwarze Linie), um Echtzeitinformationen an der Cursorposition unter RT zu positionieren und anzuzeigen.
   4. Da DT ein Zeitintervall der Wahl des Benutzers anzeigt, klicken Sie mit der rechten Maustaste auf das Fenster, um sowohl den Cursor zu positionieren als auch Delta-Zeit zurücksetzen im angezeigten Dialogfeld auszuwählen. Klicken Sie mit der linken Maustaste auf eine andere Position innerhalb der EKG-Ablaufverfolgung, um das Zeitintervall zwischen den ausgewählten Zeitintervallen zu messen, die als Deltazeit (DT) angezeigt werden.
6. Stellen Sie sicher, dass jedes Segment der Spur (P-, Q-, R-, T-Welle) erkannt und für die EKG-Analyse korrekt annotiert wird. Um dies zu erreichen, definieren und analysieren Attribute durch einen Rechtsklick innerhalb des EKG-Fensters und klicken Sie auf die Schaltfläche Analyse/Attribute Option.
   HINWEIS: Die Attribute der EKG-Analyse Dialogfeld öffnet sich wie in Abbildung 4A. Oben in diesem Dialogfeld werden mehrere Optionen (QRS, PT, Erweitert, Rauschen, Markierungen, Notizen, Präzision) ermöglichen die Anpassung an verschiedene Einstellungen (siehe unten).
   1. Klicken Sie auf die Registerkarte QRS, um die R- und QS-Identifikation anzupassen.
      1. QRS-Erkennungsschwelle: Wendet den eingegebenen Prozentsatz auf den größten abgeleiteten Peak an, der im Wellenformfenster dargestellt ist.
         HINWEIS: Definieren Sie einen optimalen Wert, um Untererfassung (d. h. einige R-Wellen werden möglicherweise nicht erkannt) und Übererfassung von Spitzen (d. H. Andere Peaks, wie T-Wellen, können als R-Wellen fehlinterpretiert werden) eliminieren. Der Schwellenwert (in Abbildung 4A rosa hervorgehobener Bereich) sollte sich mit der Ableitung des EKGs überschneiden. Idealerweise sollten die Attributwerte, die helfen, QRS-Komplexe zu identifizieren und zwischen klaren Zyklen und Geräuschereignissen zu unterscheiden, zwischen allen Aufnahmen eines Projekts konstant (oder nahezu konstant) gehalten werden, um eine Vergleichbarkeit über verschiedene Tiere pro Projekt zu ermöglichen. Nachdem Sie optimale Werte festgelegt haben, pflegen Sie die Attributeinstellungen für die gesamte Aufzeichnung.
      2. Min R Deflection: Stellen Sie sicher, dass die R-Amplitudenänderung (basierend auf minimalen/maximalen Signalwerten und nicht isoelektrischen Pegeln) diesen Wert überschreitet, bevor Sie sie als R-Welle annotieren.
         HINWEIS: Min R Die Ablenkung sollte idealerweise höher als das Rauschen und niedriger als die erwartete Ablenkung der R-Welle sein. Ein niedriger Wert kann zu einer Geräuscherfassung und damit zu einer Überempfindlichkeit führen, ein hoher Wert kann zu einer Unterempfindlichkeit führen.
      3. Maximale Herzfrequenz: Stellen Sie sicher, dass der hier eingegebene Wert höher als die erwartete maximale Herzfrequenz ist.
         HINWEIS: Ein niedriger Wert kann zu einer Untererfassung führen, ein hoher Wert kann zu einer Übererfassung führen, da verrauschte Zyklen eine größere Chance haben, als R-Wellen markiert zu werden.
      4. Minimale Herzfrequenz: Stellen Sie sicher, dass der hier eingegebene Wert nahe an der niedrigsten erwarteten Herzfrequenz liegt.
         HINWEIS: Passen Sie die Herzfrequenzgrenzen für jede Aufnahme individuell an, abhängig von der Signalamplitude und dem Grad des Rauschens. Forscher müssen sich bewusst sein, dass eine breite Palette von Herzfrequenzen dazu führen kann, dass Arrhythmien nicht erkannt werden. Ein enger Bereich der Herzfrequenz kann jedoch zu einer extremen Überempfindlichkeit führen (z. B. Tausende von Episoden, die als "Tachykardie" identifiziert werden und eine aussagekräftige Analyse nicht mehr zulassen).
      5. Passen Sie Peak Bias an, um positive und negative R-Wellen zu erkennen.
         HINWEIS: Eine positive Peak Bias begünstigt die Erkennung positiver R-Wellen; Ein negativer Peak Bias begünstigt die Detektion negativer R-Wellen.
      6. Intrakardial: Verwenden Sie diese Einstellung in Fällen, in denen sich die P-Welle schnell ändert und wenn ihre Ableitung die Ableitung der R-Welle überschreiten kann, was zu einer falschen Annotation der P-Welle als R-Welle führt.
      7. Baseline Recovery Threshold: Legen Sie diesen Wert fest, der eine "Leerperiode" um die R-Welle darstellt, um zu verhindern, dass die Software nach Q- oder S-Wellen sucht, da kleine Artefakte andernfalls zu einer falschen Annotation von Q- oder S-Wellen führen könnten.
         HINWEIS: Zum Beispiel führt ein Wert von 0 dazu, dass nach Q / S-Wellen vom Höhepunkt der R-Welle gesucht wird, ein Wert von 70 führt dazu, dass nach Q / S-Wellen erst nach 70% Wiederherstellung der R-Wellenhöhe gesucht wird.
   2. Klicken Sie auf die Registerkarte PT , um Einstellungen für die Erkennung von P- und T-Wellen anzuzeigen.
      1. Max. QT-Intervall: Passen Sie dieses Intervall an, um das Intervall zu definieren, in dem eine erkannte T-Welle akzeptiert wird.
      2. T-Fenster von S: Passen Sie diese Einstellung an, um das Suchintervall für eine T-Welle zu definieren, beginnend mit der S-Welle rechts.
      3. T-Fenster von R: Passen Sie diese Einstellung an, um das Suchintervall für eine T-Welle zu definieren, beginnend mit der R-Welle links.
      4. P-Fenster von R: Passen Sie diese Einstellung an, um das Suchintervall für eine P-Welle zu definieren, beginnend mit der R-Welle links.
      5. T-Richtung: Legen Sie Beide als Standard fest, um sowohl nach positiven als auch nach negativen T-Wellen zu suchen, da diese Einstellung definiert, ob nur positive, nur negative oder beide positive/negative T-Wellen durchsucht werden.
      6. P-Richtung: Legen Sie Beide als Standard fest, um sowohl nach positiven als auch nach negativen P-Wellen zu suchen, da diese Einstellung definiert, ob nur positive, nur negative oder beide positive/negative P-Wellen gesucht werden.
      7. P-Platzierung: Passen Sie diese Einstellung an, um die P-Markierung in Richtung (hoher Wert) oder weg (niedriger Wert) von der Spitze der P-Welle zu verschieben.
      8. T-Platzierung: Passen Sie diese Einstellung an, um die T-Markierung in Richtung (hoher Wert) oder weg (niedriger Wert) von der Spitze der P-Welle zu verschieben.
      9. Alternatives Ende von T: Passen Sie diese Einstellung an, um nach einer alternativen T-Welle jenseits der ersten potenziellen T-Welle zu suchen. Geben Sie einen niedrigeren Wert ein, um die erste T-Welle auszuwählen, und einen höheren Wert, um die alternative T-Welle auszuwählen.
      10. Peak-Empfindlichkeit: Passen Sie diesen Parameter an, um kleine Spitzen bei der Identifizierung von P- und T-Wellen zu eliminieren. Verwenden Sie dies in Verbindung mit Peak Identification.
          HINWEIS: Der Wert 0 definiert die maximale Empfindlichkeit. Ein Wert von 100 definiert die minimale Empfindlichkeit. Der minimale Spitzenempfindlichkeitswert hängt von der Qualität des Signals ab. Wenn der Rauschpegel niedrig ist und/oder die P- und T-Wellen klar unterscheidbar sind, werden diese Wellen gut ausgelöst, auch wenn die Spitzenempfindlichkeit 100 beträgt. Im Allgemeinen müssen die Spitzenempfindlichkeit und die Spitzenidentifikation nicht angepasst werden, es sei denn, das Signal ist verrauscht und der Analysealgorithmus stößt auf Probleme bei der Erkennung von P- und T-Wellen. Wenn ja, werden die besten Ergebnisse erzielt, indem der Parameter in Schritten von 25 angepasst wird.
      11. Peak-Identifikation: Verwenden Sie diesen Parameter in Verbindung mit der Peak-Empfindlichkeit, um den Schwellenwert für die Identifizierung von P- und T-Wellen zu definieren. Senken Sie die Spitzenempfindlichkeit auf bis zu 0, wenn keine kleinen P / T-Wellen identifiziert werden. Wenn P/T-Wellen nicht erkannt werden, auch wenn die Spitzenempfindlichkeit auf 0 eingestellt ist, verringern Sie die Spitzenidentifikation und passen Sie sie in Schritten von 25 an.
      12. Hohes ST-Segment: Verwenden Sie dieses Attribut, wenn die T-Welle sehr nahe am QRS-Komplex liegt, was zu einem hohen ST-Segment führt.
          HINWEIS: Da Mäusen ein ausgeprägtes ST-Segment fehlt und eine T-Welle direkt nach dem QRS-Komplex auftritt, sollte diese Einstellung bei Mäusen nicht verwendet werden.
   3. Klicken Sie auf die Registerkarte Erweiterte Attribute , um Tief-/Hochpassfilter festzulegen, den J-Punkt zur Bestimmung der ST-Höhe/-Depression zu definieren (bei Mäusen nicht nützlich), Korrekturfaktoren für die QT-Messung festzulegen und arrhythmische QRS-Komplexe durch die Höhe der R-Welle und die Dauer des QRS-Komplexes zu definieren.
      HINWEIS: Verwenden Sie die auf dieser Registerkarte vordefinierten Standardeinstellungen. Wenn das Signal z.B. durch elektromagnetische Störungen beeinflusst wird, passen Sie hier die Filtereinstellungen an, was zur Verbesserung der Signalqualität beitragen kann. Die Definition von "arrhythmischen QRS-Komplexen" verbessert nicht die Genauigkeit zur Erkennung vorzeitiger ventrikulärer Capture-Beats gegenüber der hier vorgeschlagenen Methode (jedes PVC führt auch zu einer Pause und wird daher durch diesen Ansatz erkannt). Die anderen Settings sind nur für sehr spezifische Forschungsfragen relevant und werden daher hier nicht detailliert beschrieben.
   4. Verwenden Sie die Registerkarte Rauschen, um Attribute anzupassen, um Rauschen zu identifizieren.
      1. Aktivieren Sie das Kontrollkästchen Rauscherkennung aktivieren, um Rauschen zu identifizieren, und legen Sie fehlerhafte Datenmarkierungen fest.
      2. Klicken Sie auf das Kontrollkästchen Dropout-Erkennung aktivieren , um fehlerhafte Datenmarkierungen für Daten festzulegen, die basierend auf dem maximalen/minimalen Signalwert als Dropout definiert sind. Passen Sie die Mindestdatenzeit an, die die Zeit zwischen zwei Dropout-Segmenten definiert, die auch als Dropout betrachtet werden, selbst wenn das Signal gut ist.
      3. Passen Sie den Schwellenwert für schlechte Daten an, um den Rauschpegel zu definieren, oberhalb dessen das EKG-Signal nicht richtig analysiert werden kann.
         HINWEIS: Dieses verrauschte Datensegment wird zwischen Bad Data Marks eingefügt und nicht analysiert. Für diese Segmente der "schlechten Daten" werden keine EKG-abgeleiteten Parameter gemeldet.
      4. Geben Sie die Herzfrequenz von Min . Lärm an, unterhalb derer die Herzfrequenz als Lärm betrachtet wird.
   5. Verwenden Sie die Registerkarte Markierungen , um Validierungsmarkierungen zu aktivieren und zu deaktivieren.
      HINWEIS: Es wird empfohlen, Zyklusnummern markieren immer zu aktivieren, wodurch jeder identifizierten R-Welle eine fortlaufende Zahl hinzugefügt wird. Dies hilft, durch die EKG-Aufzeichnung zu navigieren.
   6. Verwenden Sie die Registerkarte Notizen, um Notizen einzugeben, die in der experimentellen Protokolldatei angezeigt werden.
   7. Verwenden Sie die Registerkarte Präzision , um die Genauigkeit zu definieren, mit der Parameter gemeldet werden.
   8. Legen Sie Attribute fest und klicken Sie auf Neu berechnen , um die Auswirkungen der im Wellenformfenster vorgenommenen Anpassungen als Vorschau zu sehen.
   9. Wenn (im Idealfall) alle EKG-Wellen korrekt annotiert sind, klicken Sie auf OK, um die Attributeinstellungen zu bestätigen, wodurch der Dialog Effekte und Umfang der Änderungen geöffnet wird. Um das EKG zu analysieren, klicken Sie auf die Kontrollkästchen Kanal erneut analysieren und Der gesamte Kanal und bestätigen Sie mit OK.
7. Notieren Sie sich abhängig von den Eingabeeinstellungen im Dialog Attribute die Validierungsmarkierungen, die in der EKG-Ablaufverfolgung angezeigt werden. Gehen Sie die Aufzeichnung manuell durch und überprüfen Sie, ob Validierungsmarkierungen sowie fehlerhafte Datenmarkierungen korrekt gesetzt sind. Verwenden Sie Data Insights zur Überprüfung der R-Markierungen und EKG Pro zur Überprüfung von P- und T-Markierungen.
   1. Wenn viele Markierungen falsch sind, ändern Sie Attribute und analysieren Sie die Aufzeichnung erneut.
      HINWEIS: Bestimmte Einstellungen können auf bestimmte Datensegmente angewendet werden, wenn sich die EKG-Morphologie vom Rest der Aufzeichnung unterscheidet. Das Ponemah-Softwarehandbuch bietet Standardwerte für EKG-Analyseattribute für verschiedene Spezies unter Ponemah Software Manual / Analysis Modules / Electrocardiogram / Attributes Dialog. Zunächst können diese Werte verwendet und dann manuell angepasst werden, bis genügend oder (im Idealfall) alle EKG-Wellen markiert sind.
   2. Führen Sie eine manuelle Bereinigung durch, wenn nur wenige Markierungen falsch sind. Verschieben Sie jede Validierungsmarkierung (mit Ausnahme der R-Wellenmarkierungen) an die richtige Position, indem Sie mit der linken Maustaste klicken, halten und die entsprechende Markierung verschieben. Klicken Sie mit der rechten Maustaste in die EKG-Aufzeichnung, um zusätzliche Validierungsmarkierungen hinzuzufügen oder arrhythmische R-Wellen zu markieren. Klicken Sie mit der rechten Maustaste auf eine falsch gesetzte Markierung, um diese Markierung zu löschen.
8. Klicken Sie auf Aktionen/Protokollierungsrate (oder drücken Sie F8), um die Protokollierungsrate festzulegen, die definiert, wie oft abgeleitete Daten in der Listenansicht für abgeleitete Parameter protokolliert oder in Diagramme dargestellt werden, die die abgeleiteten Parameter verwenden. Für die Analyse grundlegender EKG-Parameter und Arrythmie verwenden Sie Epoche 1 als Standardeinstellung, die die Protokollierungsrate für jeden Zyklus festlegt.
   HINWEIS: Die Protokollierungsrate kann jederzeit während der Erfassung oder Überprüfung erhöht werden.

2. Analyse grundlegender EKG-Parameter

HINWEIS: Zusätzlich zu den Validierungs-/fehlerhaften Datenmarkierungen misst und berechnet die Software automatisch eine Vielzahl von abgeleiteten Parametern, die dann in der Liste der abgeleiteten Parameter gemeldet werden.

1. Klicken Sie auf Subject Setup/Channel Details , um einen der abgeleiteten Parameter auszuwählen.
   HINWEIS: In der Liste der abgeleiteten Parameter ist jeder Parameter mit der Nummer des jeweiligen QRS-Komplexes verknüpft.
   1. Doppelklicken Sie auf eine Zeile in der Parametertabelle , um die entsprechenden EKG-Zyklen in der Mitte des primären EKG-Grafikfensters anzuzeigen und die Morphologie der EKG-Zyklen, die den abgeleiteten Parametern in den ausgewählten Rohdaten entsprechen, leicht zu finden und zu visualisieren.
      HINWEIS: Es ist möglich, in beide Richtungen zu synchronisieren: von der Tabelle zur Grafik und auch von der Grafik zur Tabelle. Wenn die Protokollierungsrate 1 Epoche beträgt, wird die Synchronisation für jeden einzelnen Zyklus durchgeführt. Dies lässt sich leicht anhand der Zyklusnummer (NUM) in der Parametertabelle und in der Grafik überprüfen. Gerade bei langen Aufnahmen ist diese Synchronisationsfunktion zwischen den Tabellen und den Grafiken sehr nützlich.
2. Um die circadiane Veränderung der EKG-Parameter zu berücksichtigen, anstatt Mittelwerte von EKG-Parametern über einen langen Zeitraum zu berechnen, analysieren Sie ein Ruhe-EKG ähnlich dem beim Menschen, um grundlegende EKG-Parameter wie Ruheherzfrequenz, P-Wellendauer, PR-Intervall, QRS-Dauer oder QT / QTc-Intervall zu erhalten. Analysieren Sie 20 aufeinanderfolgende QRS-Komplexe in der Maus als "Ruhe-EKG-Äquivalent".
   HINWEIS: Beim Menschen wird ein Ruhe-EKG über 10 s bei einer normalen Herzfrequenz von 50-100 /min aufgezeichnet. Dieses EKG umfasst 8 bis 17 QRS-Komplexe.
   1. Wenn Mäuse einem circadianen Rhythmus folgen, analysieren Sie zwei Ruhe-EKGs pro Tag, eines bei Tag und eines in der Nacht, um die zirkadianen Effekte zu kontrollieren. Wählen Sie je nach Lichtein-/Ausschaltzyklus in der Tierhaltung geeignete Zeiten, z. B. 12:00 Uhr/PM.
   2. Wählen Sie einen Abschnitt des EKGs mit guter Signalqualität und stabiler Herzfrequenz im HR-Trenddiagramm innerhalb eines definierten angemessenen Zeitraums um diesen Zeitpunkt herum (z. B. ±30 Minuten).
   3. Bestätigen Sie die Genauigkeit der Validierungsmarkierungen oder passen Sie sie manuell in 20 aufeinanderfolgenden QRS-Komplexen an. Fügen Sie fehlende Validierungsmarkierungen hinzu.
   4. Für weitere Berechnungen und Visualisierungen markieren Sie die Zeilen mit den Werten dieser 20 aufeinanderfolgenden QRS-Komplexe in der Liste der abgeleiteten Parameter und kopieren Sie sie in eine Tabellenkalkulation oder Statistiksoftware.

3. Arrhythmieerkennung mittels Mustererkennung (EKG PRO Modul)

HINWEIS: Das EKG-PRO-Modul von Ponemah verwendet ausgewählte QRS-Komplexe als Vorlagen für die weitere Analyse. Die EKG-Muster der Vorlagen werden mit allen QRS-Komplexen innerhalb der Aufzeichnung verglichen, um den Prozentsatz der Ähnlichkeit ("Match") zu berechnen und Arrhythmien (z.B. atriale oder ventrikuläre vorzeitige Capture-Beats) zu erkennen. Die Anzahl der QRS-Komplexe, die markiert werden müssen, hängt von der Variabilität der QRS-Amplitude innerhalb der Aufzeichnung ab. In bestimmten Fällen ergibt die Auswahl und Markierung eines QRS-Komplexes eine Ähnlichkeit von 80 Prozent mit der jeweiligen Aufzeichnung, was die Mehrheit der QRS-Zyklen markiert. Dies ist jedoch ein Idealfall und während der Analyse ist die Anzahl der QRS-Komplexe, die als Vorlagen markiert werden müssen, in der Regel höher.

1. Markieren Sie QRS-Komplexe als Vorlagen, bis mindestens eine Übereinstimmung von 80 Prozent oder mehr erreicht ist. Verwenden Sie außerdem den Vorlagenabgleich, um P-, Q-, S- und T-Wellen zu markieren, wenn diese nach Attributeinstellungen nicht oder unzureichend erkannt werden (Abschnitt 1.7).
   HINWEIS: R-Markierungen müssen vor der Analyse mit EKG PRO für Zyklen identifiziert werden. Dies erfordert, dass entweder die R-Markierungen vor der Erfassung erhalten bleiben oder die attributbasierte Analyse vor der Durchführung der EKG-PRO-Analyse durchgeführt werden muss. Die anderen Markierungen (P, Q, S und T) müssen für die EKG-PRO-Analyse nicht vorhanden sein.
2. Wählen Sie nach Abschluss der Vorlageneinrichtung (wie in 1.4.4 beschrieben) eine gewünschte EKG-Welle (mit markiertem R) aus. Passen Sie die Validierungsmarkierungen bei Bedarf an, um die entsprechenden Positionen der interessierenden EKG-Markierungen genau widerzuspiegeln. Klicken Sie im Fenster EKG-Ablaufverfolgung im Anzeigebereich mit der rechten Maustaste auf den Zyklus, wählen Sie Zyklus hinzufügen und [Einzelne Vorlage] analysieren, und notieren Sie sich den Zyklus, der im Fenster Vorlage angezeigt wird.
   HINWEIS: Möglicherweise muss sowohl für die X- als auch für die Y-Achse eine automatische Skalierung durchgeführt werden, um den vollständigen Zyklus zu sehen. EKG-Markierungen können innerhalb der Seite Vorlagendiagramm verschoben werden.
3. Klicken Sie mit der rechten Maustaste auf den Anzeigebereich des Vorlagenfensters, und wählen Sie Zyklus hinzufügen und analysieren (einzelne Vorlage) aus, um das in Abbildung 4B dargestellte Dialogfeld Vorlagenanalyse zu öffnen. Wählen Sie die gewünschte Template Match Region aus, mit der alle anderen EKG-Zyklen verglichen werden sollen. Ändern Sie bei Bedarf die erweiterten Einstellungen für die gewünschte Übereinstimmungsregion.
   HINWEIS: Abhängig von der gewünschten Ausgabe der Analyse (den abgeleiteten Parametern von Interesse) können mehrere Übereinstimmungsbereiche ausgewählt werden.
4. Wählen Sie einen Datenbereich aus, für den die Analyse durchgeführt werden soll.
   HINWEIS: Der Datenbereich ermöglicht die erneute Analyse der im Diagramm sichtbaren Daten, der Daten vom linken Rand des sichtbaren Bereichs vom primären Diagramm bis zum Ende des geladenen Datensatzes, der Daten innerhalb der Parsersegmente oder des gesamten Kanals.
5. Wählen Sie den Typ der zu analysierenden Zyklen aus.
   1. Wählen Sie Alle aus, um die Vorlagenbibliothek mit Alle Zyklen mit einer gültigen R-Markierung zu vergleichen.
   2. Wählen Sie Nicht übereinstimmend aus, um zuvor übereinstimmende Zyklen zu überspringen und die Vorlagenbibliothek nur mit den nicht übereinstimmenden Zyklen zu vergleichen.
      HINWEIS: Dies ist nützlich, wenn Sie der Vorlagenbibliothek zusätzliche Vorlagen hinzufügen, um eine größere Übereinstimmungsabdeckung zu erzielen, da die Verarbeitungszeit kürzer ist.
6. Wählen Sie die gewünschte Abgleichsmethode aus. Wenn Sie mehrere Bereiche und Gesamtzyklus abgleichen auswählen, verwenden Sie die Vorlage, die im Durchschnitt am besten dem Zyklus entspricht, um die Markierungen zu platzieren. Wenn Region verwendet wird, platzieren Sie die Markierungen aus verschiedenen Vorlagen, um die beste Übereinstimmung für jede Abgleichsregion zu erzielen.
7. Wählen Sie OK , um die Analyse auszuführen.
   HINWEIS: Zusätzliche Vorlagenzyklen können zur Vorlagenbibliothek hinzugefügt werden, und die Vorlagenanalyse kann erneut ausgeführt werden, bis die gewünschte Dialogübereinstimmung % erreicht ist. Dadurch werden die Wellen in allen Zyklen, die der Vorlage entsprechen, neu angepasst.
8. Vorlagenbibliotheken über Vorlagen speichern/Speichern, wenn die Überprüfungssitzung geschlossen ist.
9. Um Arrhythmien mithilfe des Vorlagenabgleichs zu erkennen, markieren Sie Vorlagen, deren Morphologie sich von der der physiologischen Wellen unterscheidet, nachdem Sie den Vorlagenabgleich (wie in Abschnitt 3.1 beschrieben) durchgeführt haben, indem Sie mit der rechten Maustaste klicken und Vorlagen-Tag hinzufügen auswählen und einen Zyklustyp auswählen (z. B. Vorhofektopen, ventrikuläre Ektopen). Analysieren Sie diese Tags mithilfe von Data Insights.

4. Arrhythmie-Erkennung: ein vereinfachter manueller Ansatz mit Data Insights

HINWEIS: Für die Arrhythmieanalyse ist eine korrekte Annotation von P- und R-Wellen erforderlich. Doch selbst wenn innerhalb der EKG-Spur klare P-Wellen sichtbar sind, werden diese P-Wellen manchmal auch nach Anpassung der Attributeinstellungen nicht ausreichend identifiziert. Da R-Wellen in der Regel ausreichend erkannt und annotiert werden, wird im Folgenden ein praktischer Ansatz für die weitere Arrhythmieanalyse mit Data Insights vorgeschlagen. Für einen allgemeinen Überblick über die Arrhythmieerkennung mit Data Insights und seinen vordefinierten artspezifischen Suchen kann der interessierte Leser auf Mehendale et ^al.13 verwiesen werden.

1. Öffnen Sie Data Insights , indem Sie auf Experiment/Data Insights klicken.
   1. Beobachten Sie das Suchfenster oben im Dialogfeld "Dateneinblicke ".
      HINWEIS: Auf der linken Seite des Panels wird angezeigt, welche Suchregel auf welchen Kanal/Betreff angewendet wird und wie viele Treffer diese Suchregel verwenden. In der Mitte werden alle Suchregeln aufgelistet, und rechts wird die spezifische Definition einer ausgewählten Suchregel angezeigt.
   2. Beachten Sie das Ergebnisfenster , das im unteren Teil des Suchfensters angezeigt wird.
      HINWEIS: Für jeden Suchtreffer wird der entsprechende EKG-Ausschnitt angezeigt (oben) zusammen mit einer Tabelle, die die Zeit innerhalb der Aufzeichnung und die Ergebnisse jedes Suchparameters (Mitte) angibt.
   3. Beachten Sie die Anzahl der Suchtreffer, die als Histogramm am unteren Rand des Panels angezeigt werden.
2. Da die normale Herzfrequenz einer Maus 500-724/min¹⁴ beträgt, definieren Sie eine Suchregelbradykardie, um Bradykardie zu erkennen.
   1. Klicken Sie mit der rechten Maustaste in die Suchliste, und wählen Sie Neue Suche erstellen aus, um das Dialogfeld Sucheingabe zu öffnen.
   2. Klicken Sie mit der rechten Maustaste in das weiße Feld, und wählen Sie Neue Klausel hinzufügen aus.
   3. Definieren Sie über die Dropdown-Menüs und Textfelder die Suchregel Bradycardia-single als Wert(HR _cyc0) < 500. Klicken Sie auf OK , um diese Suchregel zur Liste hinzuzufügen. Wenden Sie diese Suchregel an, indem Sie darauf klicken und sie auf den gewünschten Kanal auf der linken Seite ziehen.
      HINWEIS: Die Suchregel Bradycardia-single identifiziert jedes einzelne RR-Intervall, das länger als 120 ms (= kleiner als 500/min.) ist.
   4. Da Bradykardie mehr als ein langes RR-Intervall erfordert, definieren Sie eine zusätzliche Suchregel Bradycardie als Series(Bradycardia-single, 1)>=20. Klicken Sie auf OK , um diese Suchregel zur Liste hinzuzufügen. Wenden Sie diese Suchregel an, indem Sie darauf klicken und sie auf den gewünschten Kanal auf der linken Seite ziehen.
      HINWEIS: Im Ergebnisbereich wird jeder Abschnitt innerhalb der EKG-Aufzeichnung angezeigt, der aus mindestens 20 QRS-Komplexen mit einer Herzfrequenz von weniger als 500/min besteht.
   5. Um Bradykardie zu bestätigen und falsche Ergebnisse abzulehnen (z. B. aufgrund von R-Wellen-Unterempfindlichkeit), überprüfen Sie jedes Ergebnis manuell. Klicken Sie mit der linken Maustaste auf die Wellenform und drücken Sie STRG+R, um das ausgewählte Ergebnis abzulehnen, das aus der Ergebnisliste verschwindet.
      HINWEIS: Die abgelehnten Ergebnisse werden unter Ergebnis/Ausschuss gespeichert.
3. Um Tachykardie zu erkennen, definieren Sie eine Suchregel Tachykardie.
   1. Klicken Sie mit der rechten Maustaste in die Suchliste, und wählen Sie Neue Suche erstellen aus, um das Dialogfeld Sucheingabe zu öffnen.
   2. Klicken Sie mit der rechten Maustaste in das weiße Feld, und wählen Sie Neue Klausel hinzufügen aus.
   3. Definieren Sie über die Dropdown-Menüs und Textfelder die Suchregel Tachycardia-single als Wert(HR _cyc0)>724. Klicken Sie auf OK , um diese Suchregel zur Liste hinzuzufügen. Wenden Sie diese Suchregel an, indem Sie darauf klicken und sie auf den gewünschten Kanal links ziehen.
      HINWEIS: Die Suchregel Tachycardia-single identifiziert jedes einzelne RR-Intervall, das kürzer als 82 ms (= mehr als 724 /min) ist.
   4. Da Tachykardie mehr als ein kurzes RR-Intervall erfordert, definieren Sie eine zusätzliche Suchregel Tachykardie als Series(Tachycardia-single, 1)>=20. Klicken Sie auf OK , um diese Suchregel zur Liste hinzuzufügen. Wenden Sie diese Suchregel an, indem Sie darauf klicken und sie auf den gewünschten Kanal auf der linken Seite ziehen.
      HINWEIS: Im Ergebnisbereich wird jeder Abschnitt innerhalb der EKG-Aufzeichnung angezeigt, der aus mindestens 20 QRS-Komplexen mit einer Herzfrequenz von mehr als 724/min besteht.
   5. Um Tachykardie zu bestätigen und falsche Ergebnisse abzulehnen (z. B. aufgrund von R-Wellen-Überempfindlichkeit), überprüfen Sie jedes Ergebnis manuell. Klicken Sie mit der linken Maustaste auf die Wellenform und verwenden Sie die Tastenkombination STRG+R, um das ausgewählte Ergebnis abzulehnen, das aus der Ergebnisliste verschwindet.
4. Um sinoatriale und atrioventrikuläre Blöcke zu erkennen, definieren Sie eine Suchregel Pause.
   1. Klicken Sie mit der rechten Maustaste in die Suchliste, und wählen Sie Neue Suche erstellen aus, um das Dialogfeld Sucheingabe zu öffnen.
   2. Klicken Sie mit der rechten Maustaste in den weißen Bereich, und wählen Sie Neue Klausel hinzufügen aus.
   3. Definieren Sie über die Dropdown-Menüs und Textfelder die Suchregel Pause als Wert(RR-I_cyc0)>300. Klicken Sie auf OK , um diese Suchregel zur Liste hinzuzufügen. Wenden Sie diese Suchregel an, indem Sie darauf klicken und sie auf den gewünschten Kanal links ziehen.
      HINWEIS: Im Ergebnisbereich wird jeder Abschnitt innerhalb der EKG-Aufzeichnung mit einer Pause von mindestens 300 ms angezeigt.
   4. Um eine Pause zu bestätigen, um zu entscheiden, ob es sich bei der Pause um einen sinoatrialen oder atrioventrikulären Block handelt, und um falsche Ergebnisse abzulehnen (z. B. aufgrund von R-Wellen-Untererfassung), überprüfen Sie jedes Ergebnis manuell. Klicken Sie mit der linken Maustaste auf die Wellenform und drücken Sie STRG+R, um das ausgewählte Ergebnis abzulehnen, das aus der Ergebnisliste verschwindet.
   5. Um den ektopischen Rhythmus zu erkennen, führen Sie zuerst die Vorlagenübereinstimmung zu diesen Rhythmen aus (z. B. ventrikuläres Ektopen), und suchen Sie dann in Data Insights nach allen mit dieser Vorlage übereinstimmenden Zyklen.
5. Klicken Sie mit der rechten Maustaste in die Suchliste, und wählen Sie Neue Suche erstellen aus, um das Dialogfeld Sucheingabe zu öffnen.
   1. Klicken Sie mit der rechten Maustaste in das weiße Feld, und wählen Sie Neue Klausel hinzufügen aus.
   2. Klicken Sie im Dropdown-Menü auf Wert und wählen Sie Vorlage. Wählen Sie auf der rechten Seite das Tag der zuvor erstellten Vorlage aus.
      HINWEIS: Im Ergebnisbereich wird jeder Abschnitt innerhalb der EKG-Aufzeichnung mit dem Zyklus angezeigt, der der Vorlage entspricht.
   3. Um die Ergebnisse zu bestätigen und falsche Ergebnisse abzulehnen (z. B. aufgrund von R-Wellen-Untererfassung), überprüfen Sie jedes Ergebnis manuell. Klicken Sie mit der linken Maustaste auf die Wellenform und drücken Sie STRG+R, um einen bestimmten Zyklus abzulehnen, der aus der Ergebnisliste verschwindet.
      HINWEIS: Alle erstellten Suchanweisungen können importiert und mit geeigneten Dateinamen gespeichert werden. Alle Ergebnistabellen können gespeichert und zur weiteren statistischen Analyse im Tabellen-/ASCII-Ausgabeformat exportiert werden.

Representative Results

Die Aufzeichnung von Langzeit-EKGs führt zu riesigen Datensätzen. Die Möglichkeiten für weitere Analysen sind vielfältig und hängen vom jeweiligen Forschungsprojekt ab. Dieses Protokoll bietet eine Beschreibung einiger sehr grundlegender Messwerte, die von den meisten Forschern verwendet werden können, insbesondere für Screening-Experimente, z. B. bei der Charakterisierung einer transgenen Mauslinie oder bei der Untersuchung der Auswirkungen einer bestimmten Behandlung in einem Krankheitsmodell. Ein früheres Projekt umfasste die Untersuchung eines neuartigen Medikamentenkandidaten, um festzustellen, ob er kardiotoxische Wirkungen besitzt, indem er EKG-Parameter im Laufe der Zeit analysiert. Telemetriesender wurden 20 Tage vor der Behandlung implantiert, und EKG-Aufzeichnungen wurden 10 Tage vor der Behandlung gestartet, um eine ausreichende Wundheilung und Akklimatisierung der Maus zu ermöglichen. Vor der Behandlung wurde das EKG alle drei Tage untersucht; Innerhalb der ersten Woche nach der Behandlung wurde das EKG täglich untersucht, danach wurde das EKG alle sieben Tage bis zum Ende der Aufzeichnung drei Wochen nach der Behandlung analysiert.

Dieser Ansatz ermöglichte den Nachweis von Perioden reduzierter Herzfrequenz, erhöhter atrioventrikulärer (PR-Intervall) und ventrikulärer (QRS-Dauer) Leitung sowie veränderter Repolarisation (QTc-Intervall) bei Mäusen, die mit dem neuen Medikament behandelt wurden, wie in Abbildung 5 gezeigt. Dieser erste Schritt diente als "Screening", das es ermöglichte, Zeiträume innerhalb der Aufzeichnung zu identifizieren, die möglicherweise Arrhythmien enthielten. Eine genauere Untersuchung des EKGs ergab Sinuspausen, die zwei Tage nach der Behandlung zu einer reduzierten Herzfrequenz führten, und verschiedene Grade von atrioventrikulären (AV) Blockaden, die sechs Tage nach der Behandlung eine reduzierte Herzfrequenz verursachten. Letzteres Ergebnis wurde durch die verlängerten PR-Intervalle zu diesem Zeitpunkt weiter unterstützt. Um diese EKG-Parameter zu erhalten, sollten 20 QRS-Komplexe pro Zeitpunkt analysiert werden und sind daher möglicherweise nicht in der Lage, paroxysmale Arrhythmie-Episoden zu anderen Zeitpunkten zu erkennen.

Um dieses Problem zu beheben, ist es ratsam, gezielt nach Bradykardie- und Tachykardie-Episoden sowie nach Pausen mit dem EKG-Pro-Modul zu suchen, gefolgt von einer manuellen Überprüfung der erkannten Episoden. Dieser Ansatz ermöglicht die Erkennung aller relevanten Arrhythmien und die Bestimmung der spezifischen Art von Arrhythmien innerhalb der gesamten Aufzeichnung. Zum Beispiel wurde in dieser Studie eine Tachykardie-Episode nachgewiesen, die als Vorhofflimmern identifiziert wurde.

Wie bereits gezeigt, ermöglicht dieser Ansatz weiterhin die Bestimmung des zeitlichen Verlaufs des Auftretens von Arrhythmien, z.B. der Zeit bis zum ersten AV-Block nach Makrophagendepletion¹⁴. Repräsentative Spuren, wie in Abbildung 6 dargestellt, werden wie oben beschrieben erhalten (Abbildung 6A: normaler Sinusrhythmus; Abbildung 6B: Sinuspause; Bild 6C: AV-Block I°, Abbildung 6D: AV-Block II° Typ Mobitz 1; Abbildung 6E: AV-Block II° Typ Mobitz 2; Abbildung 6F: AV-Block III°; Abbildung 6G: Vorhofflimmern).

Abbildung 1: Laden und Überprüfen von Daten in Ponemah. (A) Load Review Dat-Dialog , der einen Überblick über alle Mäuse und Signale bietet, die innerhalb des geladenen Experiments aufgezeichnet wurden. (B) Graph Setup Dialog zum Festlegen grafischer Fenster, die sowohl Rohdaten (z. B. EKG-Signale) als auch abgeleitete Parameter bereitstellen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Abbildung 2: Vorlageneinrichtung in Ponemah . (A) Fenster Template Setup zum Konfigurieren und Auswählen einer neuen oder bereits konfigurierten Vorlagenbibliothek. (B) Graph-Setup-Seite für Vorlageneinstellungen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Abbildung 3: EKG-Ablaufverfolgungen. (A) Screenshot der Fenster mit der EKG-Spur; (B) Herzfrequenzdiagramm; und (C) Vorlagenfenster. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Abbildung 4: Analyse der Attribute einer EKG-Verfolgung. (A) Ein Dialogfeld EKG-Analyseattribute. Am oberen Rand dieses Dialogs ermöglichen mehrere Registerkarten (QRS, PT, Erweitert, Rauschen, Markierungen, Notizen, Präzision) die Anpassung verschiedener Einstellungen. Die Einstellungen werden im mittleren Teil des Dialogs angezeigt. Am unteren Rand des Dialogfelds wird die EKG-Ablaufverfolgung im Wellenformfenster angezeigt. Am oberen Rand des Wellenformfensters wird die EKG-Ablaufverfolgung angezeigt. unten ist die Ableitung des EKG-Tracings inklusive einer Visualisierung der obigen Einstellschwellen dargestellt. Im hier vorgestellten Beispiel ist eine QRS-Erkennungsschwelle von 40% definiert, die durch den rosa Hintergrund unten angezeigt wird. (B) Vorlagenanalyse-Dialog: Wählen Sie die gewünschte Template-Match-Region aus, mit der alle anderen EKG-Zyklen verglichen werden sollen. In diesem Beispiel wird die T-Welle als Übereinstimmungsregion für die Analyse mit einer Mindestübereinstimmung von 85 % ausgewählt. Dies bedeutet, dass der Zyklus nicht als Übereinstimmung markiert wird, wenn die T-Region nicht mit einer Konfidenz von mindestens 85% übereinstimmt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Abbildung 5: Grundlegende EKG-Parameter im Zeitverlauf in einer Drogeninterventionskohorte. Blaues Feld: nachts, gelbes Feld: tagsüber. Von links nach rechts: Herzfrequenz, PR-Intervall, QRS-Dauer, QTc-Intervall. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Abbildung 6: Repräsentative EKG-Spuren. (A) Normaler Sinusrhythmus, (B) Sinuspause, (C) AV-Block I°, (D) AV-Block II° Typ Mobitz 1, (E) AV-Block II° Typ Mobitz 2, (F) AV-Block III°, (G) Vorhofflimmern. Maßstabsbalken = 100 ms. Abkürzung: AV = atrioventricular. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Abbildung 7: Flussdiagramm der Analyse. Abkürzung: HR = Herzfrequenz. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Discussion

Das Oberflächen-EKG ist das primäre Diagnoseinstrument für Patienten mit Herzrhythmusstörungen und gibt Einblicke in viele elektrophysiologische Phänomene. Dennoch erfordert eine ausreichende Analyse von Herzoberflächen-EKG-Pathologien die Kenntnis und Definition normaler physiologischer Parameter. Viele Jahre epidemiologischer Forschung haben zu einer breiten Übereinstimmung darüber geführt, was beim Menschen physiologisch ist, und es Ärzten weltweit ermöglicht, das Pathologische klar zu unterscheiden. Die Analyse von Oberflächen-EKG-Daten ist jedoch eine große Herausforderung in murinen Modellen; Die Unterscheidung zwischen physiologischen und pathologischen EKG-Ergebnissen kann aufgrund des unvollständigen Verständnisses und der Definition grundlegender EKG-Parameter schwierig sein^15,16. 1968 waren Goldbarg et al. die ersten, die EKG bei gesunden Mäusen beschrieben¹⁷. Neben Herzfrequenzen und grundlegenden EKG-Mustern wie PR-Intervall und QRS-Dauer beschrieben sie große Unterschiede zwischen anästhesierten und wachen Tieren und Unterschiede zwischen verschiedenen Anästhetika und verschiedenen murinen Rassen, was später von anderen Gruppen bestätigt wurde^16,17.

Diese frühen Daten unterstreichen, warum die Interpretation von murinen EKG-Daten heikel und kompliziert ist. Mit dem wachsenden Interesse an murinen Modellen für die Arrhythmieforschung in den letzten Jahrzehnten konzentrierte sich die Forschung mehr auf die Elektrophysiologie der Maus und hat Beweise für die Aktivierungs- und Repolarisationsmuster im Mausherzen erbracht. Der interessierte Leser kann auf einen kürzlich erschienenen Artikel von Boukens et al. verwiesen werden, um eine detaillierte Übersicht über das murine EKG und die zugrunde liegenden Ströme zu erhalten¹⁵. Kaese et al. gaben einen Überblick über die Standardwerte des murinen EKGs und die wichtigsten Unterschiede zwischen menschlichen und murinen EKG-Spuren¹⁸. Der erste große Unterschied ist die Herzfrequenz: Gesunde wache Mäuse haben eine Herzfrequenz von 550-725 Schlägen pro Minute, PR-Intervalle von 30-56 ms, eine QRS-Dauer von 9-30 ms und eine Repolarisationsphase, die sich stark von der beim Menschen beobachteten unterscheidet¹⁴. Darüber hinaus zeigt das murine EKG regelmäßig das Auftreten von J-Wellen und einer kleinen und weniger ausgeprägten T-Welle, was die Analyse des ST-Segments und des QT-Intervalls schwierig macht^18,19. Insgesamt sind murine Modelle zum am weitesten verbreiteten Modellorganismus für die kardiovaskuläre Forschung geworden, einschließlich Arrhythmien⁸.

Unter Berücksichtigung der oben beschriebenen Unterschiede zwischen den Spezies, die sehr wahrscheinlich auch die Arrhythmogenese beeinflussen, können diese Modelle wertvolle Erkenntnisse liefern. Die Analyse grundlegender EKG-Parameter wie Herzfrequenz und Dauer verschiedener Intervalle kann zuverlässig mit Software wie Ponemah, LabChart oder ECGAuto und vielen anderen mit ihren jeweiligen Analysealgorithmen durchgeführt werden. Beispiele für die Datenanzeige sind in Abbildung 5 dargestellt. Die Erkennung von Arrhythmien ist jedoch weitaus heikler, und es gibt keine weit verbreiteten Ansätze für die murine Langzeit-EKG-Analyse von Arrhythmien. Verschiedene Ansätze wurden verwendet, um die technischen und methodischen Schwierigkeiten zu überwinden, die mit der Arrhythmie-Erkennung von Langzeit-EKG-Aufzeichnungen bei Mäusen verbunden sind. Diese Ansätze reichen von der Verwendung von nur kurzen Aufzeichnungen für die manuelle Analyse auf Arrhythmien²⁰ bis hin zu einfachen Überlegungen, die Ungenauigkeiten akzeptieren, wie von Thireau et ^al.21 beschrieben. Diese Forscher führten eine Herzfrequenzvariabilitätsanalyse durch, indem sie einfach alle Abschnitte ihrer Aufzeichnung mit R-R-Intervallen ausschlossen, die nicht im Bereich des mittleren R-R-Intervalls ± 2 Standardabweichungen enthalten waren, um alle Arrhythmien, ektopischen Schläge und Artefakte ohne manuelle Überprüfung auszuschließen. Dies ist der Grund für diesen semimanuellen Ansatz mit Ponemah und seinen aufeinanderfolgenden Analysemodulen EKG Pro und Data Insights. Mit dieser Softwarelösung kann eine Vielzahl physiologischer Signale analysiert werden, die von EKG bei großen Säugetieren bis hin zu Blutdruck- oder Temperaturdaten bei sehr kleinen Arten reichen.

Die Software enthält viele Ressourcen zur Analyse verschiedener Datentypen. Obwohl sie mit EKG-Signalen von größeren Tieren recht gut funktionieren, kann die geringe Signalamplitude und damit das hohe Rauschen von Signalen, die von Arten wie lebenden und wachen Mäusen stammen, bei Verwendung eines gemeinsamen Analyseansatzes zu einer Reihe von Schwierigkeiten führen. Rauschen maskiert häufig P- oder T-Wellen und deaktiviert somit die Verwendung der meisten vordefinierten Suchregeln in Data Insights. Es muss darauf geachtet werden, optimale Werte der QRS-Erkennungsschwelle zu definieren und die Attributwerte beizubehalten, die zur Identifizierung von QRS-Komplexen und zur Unterscheidung zwischen klaren Zyklen und Rauschereignissen verwendet werden. Ein hoher Prozentsatz der QRS-Erkennungsschwelle kann zu einer Untererfassung führen (d. H. Einige R-Wellen werden möglicherweise nicht erkannt), während ein niedriger Prozentsatz zu einer Übererfassung führen kann (dh andere Spitzen, wie T-Wellen, können als R-Wellen fehlinterpretiert werden). Darüber hinaus sind spezifische Fragen in der Arrhythmieforschung an Mäusen verständlicherweise nicht das Hauptthema der von DSI bereitgestellten Materialien, und es kann schwierig sein, spezifische Informationen zu finden. Innerhalb dieses Protokolls wird ein einfacher und pragmatischer Ansatz verwendet, um verschiedene Arrhythmien zu definieren, die etablierte menschliche Definitionen extrapolieren.

Zum Beispiel wird in menschlichen Langzeit-EKG-Daten eine Pause länger als 3 s als signifikant angesehen²². Dies führt zu einer menschlichen Herzfrequenz von 20/min., was einem Drittel der physiologischen Mindestherzfrequenz von 60/min entspricht. Wie von Kaese et ^al.18 beschrieben, beträgt die minimale physiologische Herzfrequenz der Maus 550/min., was 200/min. etwa einem Drittel dieser Rate entspricht. Nach der menschlichen Definition können bei Mäusen Pausen von mehr als 0,3 s als signifikant angenommen werden. Darüber hinaus ist es ein einfacher und pragmatischer Ansatz, Unterschiede in den Baseline-Parametern als relative Änderungen des jeweiligen Steuerelements zu beschreiben. Dies berücksichtigt die Unterschiede zwischen einzelnen Mauslinien und ist eine elegante Möglichkeit, das wahrscheinliche Pathologische zu identifizieren, ohne sich auf (oft fehlende) etablierte Normalwerte zu verlassen. Dieser einfache Ansatz, der in Abbildung 7 zusammengefasst ist, eignet sich für alle Gruppen, die Herzrhythmusstörungen in Mausmodellen mit implantierbaren Telemetriegeräten untersuchen. Es führt zur Auswertung allgemeiner EKG-Parameter sowie Daten zur Herzfrequenz im Zeitverlauf und zur Erkennung verschiedenster Arrhythmien. Daher versucht dieser Artikel, einen schrittweisen Ansatz für die EKG- und Arrhythmieanalyse bereitzustellen und ergänzt die bereits veröffentlichten Anleitungen und Handbücher erheblich.

Materials

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