需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

用于分析瓦尔萨尔瓦动作心率与血压时间序列数据的软件

1.7K 次观看

⸱

DOI：

10.3791/67222

⸱

2025年6月27日

 ,  , 
1Department of Mathematics, North Carolina State University, 2Department of Anesthesiology & Intensive Care Medicine, Copenhagen University Hospital - Hvidovre

本文内容

摘要

ValsalvaAnalyzer 软件包含用于分析在瓦尔萨尔瓦动作（VM）期间记录的连续逐搏心电图和血压（BP）测量值的功能。所计算的临床生物标志物和估计的模型输出可揭示在 VM 期间心率和血压的交感神经与副交感神经调节机制。

摘要

Valsalva 动作（VM）是一种低风险且易于实施的检测方法，通过测量在15秒内对抗40 mmHg胸内压的强制呼吸所引发的压力感受器介导的心率（HR）和血压（BP）反应。本研究展示了 ValsalvaAnalyzer 软件，该软件结合建模与数据分析，从时间序列的血压和心电图（ECG）数据中提取生物标志物。该软件使用 MATLAB 编程，配备图形用户界面，使临床医生能够方便地进行数据分析和数学模型预测。该软件 已针对 PC 和 Mac 进行校准，可读取在 Valsalva 动作期间测得的心电图和血压数据。软件可自动识别心电信号中的 R 波和 S 波峰值，并集成用户验证功能，以确保捕获信号的准确性。RR 间期用于预测心率，QRS 波群幅度的变化用于预测呼吸。系统捕获收缩压和舒张压，用户根据收缩压（SBP）确定动作的起始时间和持续时间。软件可自动识别 Valsalva 动作的四个阶段以及胸内压。后者通过将静息状态下的呼吸信号与受试者在 Valsalva 动作期间对抗的 40 mmHg 压力信号融合而获得。软件报告最常用的临床 Valsalva 指标，包括从心率和血压数据计算得出的参数，以及通过微分方程模型估算的个体化患者参数，该模型可预测交感和副交感神经的动态变化。最终输出包含35项以上指标，包括血压和心率、最大与最小心率、Valsalva 比值以及压力感受器敏感性等测量值，所有数据均保存至电子表格中。该软件旨在用于分析 Valsalva 动作数据，但其方法也可扩展至其他自主神经功能检测。其优势在于将从原始数据中提取的参数与模型输出相结合，利用数学模型补充临床数据，从而揭示无法直接测量的自主神经活动信息。

引言

Valsalva 动作是一种低风险、非侵入性、低成本且高度可及的检测方法，通过强制呼气运动来评估自主神经系统的功能1,2。该动作由患者向连接压力计的正压呼气末压力（PEP）装置进行呼气完成，期间需在仰卧位或坐位 维持胸内压达 40 mmHg，持续 15 秒2,3。该动作可同时对自主神经系统和心血管系统构成挑战，模拟举重物时用力或飞行过程中调节压力等应激状态下的生理反应4。该检测在临床实践中应用广泛2,5，但仍需更多工具来定量分析其背后的生理机制数据。将神经建模方法应用于 Valsalva 动作，可能有助于识别自主神经功能障碍的改进诊断标准及其因果机制5。

Valsalva 动作（VM）包含四个时相6。该过程通过屏气实现，屏气可增加胸内压，压迫心腔和胸主动脉，使血液排入体循环，从而引起血压（BP）短暂升高。第 I 时相的特征是胸内压持续升高，导致静脉回心血量、每搏输出量和平均动脉血压下降。作为代偿，高压动脉压力感受器被激活。在第 II 时相早期，血压下降引起副交感神经张力减弱，使心率（HR）上升。在第 II 时相晚期，交感神经活动增强介导血管收缩，使血压和心率进一步升高。在健康个体中，血压在屏气结束前可恢复至静息水平。第 III 时相与第 I 时相相反，始于受试者停止屏气，此时胸内压急剧下降，动脉血压随之骤降，通常伴随心率上升。在第 IV 时相，由于静脉回流增加以及第 II 时相晚期持续存在的血管收缩，血压显著升高，称为反跳性升高（overshoot）。血压反跳刺激高压动脉压力感受器，激活迷走神经，从而使心率下降。受试者通常在 Valsalva 动作开始后约 10–30 秒恢复至测试前水平2,5。

Valsalva动作（VM）用于床旁评估自主神经和心血管功能7。最常见的VM生物标志物是Valsalva比值（VR）8,9,10，其通过屏气开始后最长RR间期与最短RR间期的比值来衡量副交感神经功能。先前研究已证实，直立性心动过速综合征（POTS）与较高的VR值以及第IV期明显的血压反跳升高相关11，后者也称为N型反应1。另一项指标是迷走神经性压力感受性反射敏感性，该指标通过第II期和第IV期早期RR间期与特征性血压变化之间的回归斜率进行估算3,10,12,13,14。对VM过程中血压反应的定性分析可识别不同类型的心脏杂音9，而特有的方波样反应则是心室功能受损和心力衰竭的床旁指标15,16。屏气结束后缺乏血压反跳升高并出现心动过缓，提示存在自主神经功能障碍13。第II期末期血压进行性下降且第IV期恢复缓慢的V型反应，是神经源性直立性低血压的典型表现，提示α-肾上腺素能压力感受性反射功能衰竭1。其他研究已证明，将VM用于补充直立倾斜试验在筛查直立性功能障碍中的有效性1,17,18。

许多研究通过分析瓦尔萨尔瓦动作（VM）期间的心率（HR）和血压（BP）反应来考察自主神经功能1，但目前尚无可用的开源自动化系统来量化压力感受性反射功能。已有大量研究对瓦尔萨尔瓦动作的数据进行了分析19,20,21,22，少数软件专注于自主神经功能评估，包括 Medeia 公司开发的 VitalScan23 和 Kubios24。VitalScan 利用心电图（ECG）和血压信号，而 Kubios 仅分析心电图信号。VitalScan 官网指出该软件可评估自主神经功能，但未详细说明所计算的具体参数。Kubios 可测定心率变异性（HRV）和呼吸变异率（VR）25。为弥补上述不足，本研究开发了一种新的开源软件，用于计算最常用的瓦尔萨尔瓦动作指数1,25。

该软件分析在进行瓦尔萨尔瓦动作（VM）期间测量的心电图（ECG）和血压（BP）数据，其中胸内压维持在40 mmHg，持续15秒。我们建议在VM前后各包含至少30秒的稳定数据。在识别出心率（HR）和收缩压、VM起始与释放时间点后，系统将提取一组临床指标。此外，该软件采用Randall等人提出的数学模型20，用于预测交感神经和副交感神经信号活动，并提取表征压力感受器反射敏感性的参数。该软件的两个关键特性是：能够从噪声较大的信号中读取数据，识别并去除伪迹；以及实现VM标志点的自动检测并支持人工校正。后者对于自主神经功能障碍患者尤为重要，因为在这些患者中纯自动检测往往失败。本说明包含了受试者1的全部结果，以及提取受试者2至8结果的操作流程。受试者1的结果已包含在代码、文本和图示中，所有受试者的结果均展示于补充图 1、补充图2、 补充图3、 补充图4、 补充图5、 补充图6、 补充图7和 补充图8中。

Valsalva Analyzer 软件通过连续的 ECG 和 BP 测量数据，计算表征 Valsalva 动作（VM）反应的交感和迷走神经指数。为演示该软件，我们首先简要介绍实验设置，随后详细描述软件功能。该软件读取存储在 LabChart 中的患者记录所提取的数据。分析过程以一名健康对照患者为例进行演示，但软件中包含了八名受试者的数据，涵盖多种自主神经反应类型。下文将讨论患者示例，并描述软件的安装与运行步骤。该操作流程中涉及 MATLAB 生成的图像，为区别于代表性结果中的图示，这些图像均称为 MFigure #。

访问受限。请登录或开始试用以查看此内容。

方案

根据丹麦法律规定26，从符合条件的成年男性（年龄30-45岁）献血者中选取了三个示例数据集；从一项研究术前阿片类药物对接受膝关节和髋关节置换术的成年患者（年龄40-61岁）影响的研究中选取了三个数据集27；另有一个数据集来自一名被诊断为直立性心动过速综合征（POTS）的患者28。献血者（BD）研究和阿片类药物研究均已获得丹麦当地伦理委员会批准（编号分别为H-19069845和H-20071567），并在丹麦数据保护机构注册，同时在ClinicalTrials.gov注册（编号分别为NCT04499664和NCT04902222）。丹麦弗雷德里克斯堡和比斯佩比耶格医院伦理委员会批准将数据用于POTS诊断相关的研究。所有数据在被制作为本软件的示例之前均已去标识化，所有受试者均能说并理解丹麦语，并在各自研究中签署了知情同意书。

注意：该软件提供从患者的 ECG 和 BP 测量数据中提取标记的工具。用户可输入受试者编号、年龄、性别、体重和身高，这些信息为可选项。建议用户引用本文献。软件包含来自 ECG（通道 1）、由 ECG 推导出的心率 HR（通道 2）和 BP（通道 3）测量的示例数据。表 1 包含详细的患者描述和患者备注。本软件提供的八个示例去标识化数据集源自先前已发表的研究26,27,28。所选数据旨在展示在瓦尔萨尔瓦动作（VM）期间观察到的典型特征。其目的在于演示软件功能，而非开展特定的临床研究。献血者和阿片类药物研究的排除标准包括酗酒和药物滥用、阿片类药物的习惯性使用、心律失常或心力衰竭，以及直立性低血压病史。各研究未明确列出的排除标准见文献26,27。

受试者年龄（岁）性别（男/女）身高（cm）体重（kg）BMI（kg/m2）备注
受试者 135男1769229.7 (ob)正常反应
受试者 231男1807021.6 (nw)正常反应
受试者 330男1879326.6 (ow)第 IV 相出现显著超调。心率伪影由 ECG 信号噪声引起
受试者 442男1757624.5 (nw)V 反应符合自主神经功能障碍特征。第 II 相变时性反应不足。第 II 相后期血压未恢复。第 IV 相无超调。PRT 延长
受试者 537女1658531.2 (ob)第 IV 相无超调
受试者 661女17010737.0 (ob)第 II 相后期血压恢复不足。第 II 相末期最大血压不等于终末血压
受试者 742男1778426.8 (ow)第 IV 相无超调
受试者 858女1667727.9 (ow)第 II 相早期血压下降不明显。心率伪影由 ECG 信号噪声引起。第 IV 相出现血压伪影
nw：正常体重 BMI（18.5–25），ow：超重（BMI 25–30），ob：肥胖（BMI > 30）26

表1. 请点击此处下载该表格。

1. 实验设置

  1. 使用放置在非优势手食指和中指上的指套式血压计连续采集血压（BP）数据（图1A）。将手置于心脏水平位置，以消除重力影响（图1B）。
  2. 采用标准三电极心电图系统记录心电图（ECG），电极分别等距离置于左、右心房以及左侧肋笼下缘。安装设备后，让受试者向连接压力计的呼气末正压（PEP）装置呼气，完成乏氏动作（Valsalva maneuver）（图1C，D）。
  3. 让受试者正常呼吸1–5分钟，直至信号稳定。为确保分析所需的数据量，需在乏氏动作（VM）前后至少记录30秒的稳定信号。进行乏氏动作时，要求受试者持续呼气15秒，并维持40 mmHg的压力（图1D）。记录过程中，如有可能，关闭校准功能，以避免血压信号出现间断。
  4. 软件将LabChart导出至MATLAB的信号以1,000 Hz采样率进行分析。在“导出为MATLAB”菜单中，包含ECG、HR和BP信号通道，若已记录，还需包含胸内压通道。记录每个信号对应的通道编号。在菜单中选择32位浮点数，上采样至相同速率，并取消勾选注释和事件标记。点击确定导出.mat文件，或点击取消终止导出操作。

使用袖带和压力表、电子诊断设备、无创技术进行血压监测的装置示意图
图1：仪器装置、血压袖带、心电图电极放置位置、监护仪、瓦尔萨尔瓦动作（VM）设备。（A）将血压袖带安装于非优势手的示指和中指上。（B）使用自粘性CoFlex绷带将手指血压袖带固定于心脏水平，以消除重力影响。（C）呼气末正压（PEP）装置连接至压力计。（D）受试者坐位状态下向连接压力计的呼气末正压（PEP）装置呼气，维持胸内压达40 mmHg，持续15秒。（E）CNAP模块持续测量血压，并连接至计算机，通过LabChart软件对数据进行处理和存储。请点击此处查看该图的放大版本。

2. 软件安装、数据上传与启动

注意：本方案描述了如何将 LabChart 中的信号导出至 MATLAB，但该方案并不依赖于此软件中存储的记录。对于其他软件记录的信号，我们建议参考其使用手册，并注意可能需要进行格式转换，以将记录导出为正确的格式。数据必须包含连续的时间序列测量值，如心电图（ECG）和血压（BP）。

  1. 下载 ValsalvaAnalyzer 软件。克隆 GitHub 仓库 https://github.com/msolufse/ValsalvaAnalyzer。点击绿色的Code按钮，然后点击Download ZIP。
  2. 进入 ValsalvaAnalyzer 文件夹。主脚本 DriverBasic.m 应位于 ValsalvaAnalyzer 文件夹中，所有其他脚本（.m 文件）应位于 Core 文件夹中。该软件包含以下子文件夹：Figures、Markers、Optimized、Sensitivities 和 WS。
    注意：Figures 文件夹用于存储生成的图像，其下包含两个子文件夹（Data 和 Model_fits）：Data 子文件夹用于存储来自数据分析的图像以及由微分方程模型生成的图像。Labchart 文件夹包含导出的 .mat 文件，但不包含原始的 LabChart 文件。Markers 文件夹包含含有临床比值的电子表格（每个受试者一个文件）。Sensitivities 和 Optimized 文件夹包含含有敏感性数据和估计参数值的 .mat 文件。WS 文件夹包含数据清洗过程中生成的 .mat 文件。主文件夹 ValsalvaAnalyzer 包含运行程序所需的核心脚本 DriverBasic.m。软件下载后，Labchart 文件夹包含八个示例受试者的每个对应的 .mat 文件，而结果文件夹（Markers、Sensitivities、Optimized 和 WS）仅包含受试者 1 的结果。当分析文件夹中的示例数据集时，输出文件将被存储到这些文件夹中。文件 Patientinfo.xls（以及表 1）包含八个示例数据集的受试者信息（年龄（岁）、性别（m/f）、身高（cm）、体重（kg）和 BMI（kg/m2））。体重状态被标记为正常（nw）、超重（ow）或肥胖（ob）29，并注明受试者是否具有正常的或病理性的 Valsalva 动作（VM）反应。
  3. 要运行该软件，请进入 ValsalvaAnalyzer 文件夹，并在 MATLAB 中打开文件DriverBasic.m。在顶部面板中，点击Editor，然后点击标有Run 的绿色三角形以执行程序。

3. 软件平台

注意：GitHub 分发的软件已在 Windows（Windows 11 教育版）和 Mac（MacOS Sonoma，版本 14.3）上进行测试，并使用 MATLAB（版本 R2023a）。默认设置针对 MacOS 环境，并提供适用于 Windows 的建议。

  1. 在弹出菜单选择图形参数中，选择软件平台类型、图形字体大小、标记大小和线宽。
  2. 单击确定以确认并进入步骤4，或单击取消以结束程序。

4. 患者选择

注意：此步骤涉及数据的选择与分析。软件将读取 Labchart 文件夹中的 .mat 文件。

  1. 使用鼠标从列表中选择任意数量的患者。全选按钮可标记所有患者。患者标签由文件名确定，并将用于所有导出的文件。点击确定进入步骤5，或点击取消退出程序。

5. 手术方式的选择

注意：数据分析方法列于一个提供可用操作的菜单中。这些方法包括用于清理心电图（ECG）和血压（BP）数据、识别VM阶段以及计算VM特征的方法。前者在原始数据上进行，使用嵌入测量中的采样率（所附示例的采样率为1,000 Hz）。识别VM特征使用经过清理并以10 Hz进行降采样的心率（HR）和收缩期SBP信号。降采样后的数据还用于确定通过求解Randall等人提出的微分方程模型得到的交感神经和副交感神经信号20。生成的图像以.png文件格式保存并存储在“Figure”文件夹中，生成的数值数据则存储在“Markers”文件夹中的电子表格（.xlsx）中。该软件中各功能的布局如图2所示。

ECG与血压分析方法流程图；显示时间序列、临床参数和模型预测。
图2：软件操作。在选定患者后，软件提供校正测量信号的选项，包括（1）心电图（ECG），从中提取心率和呼吸信号；（2）逐搏血压（BP）信号，从中提取收缩压和舒张压。完成这些步骤后，软件将识别瓦尔萨尔瓦动作（Valsalva maneuver）的各个阶段，并提取临床生物标志物。最后，我们提供运行计算模型以预测压力感受器反射（baroreflex）功能的选项。请点击此处查看此图的放大版本。

  1. 在子集选择菜单中选择要执行的操作。按降序完成操作，例如，应在分析心电图之前先输入患者信息。如果在第4步的操作选择菜单中选择了多个受试者和任务，软件将先为所有受试者完成第一个任务，再进入下一个任务。
    1. 软件包含以下操作：患者信息（操作1，第6步）；心电图（ECG；操作2，第7步）；心率（HR；操作3，第8步）；呼吸（操作4，第9步）；血压（BP；操作5，第10步）；VM相位（操作6，第11步）；临床比值（操作7，第12步）；模型预测（名义值；操作8，第13步）；敏感性分析（操作9，第14步）；优化（操作10，第15步）；绘制模型预测图（操作11，第16步）；汇总（操作12，第17步）。
  2. 选择操作后，单击确定继续执行操作，或单击取消返回第4步。

6. 患者信息（操作 1）

注意：第一步操作包括输入患者特征（ID、年龄、性别、身高和体重）、导出的 Labchart 文件中的通道编号（ECG、HR、BP、胸内压——如可用），并确定数据分析的时间范围。

  1. 输入患者编号（整数）、年龄（整数，年）、性别（m/f，男性/女性）、身高（实数，cm）和体重（实数，kg）。点击 确定 继续，或点击 取消 返回步骤 5。软件可在无选择的情况下运行。八名受试者的特征值列于 表 1 中。这些数值不用于数据分析，但可能对汇总统计有帮助。
  2. 确认每个信号存储在哪个通道中，默认值为：通道 1（ECG），通道 2（HR），通道 3（BP），通道 4（胸内压 - Pth）设为 0。示例数据集 1-8 不包含此信号。
  3. MFigure 1（图 3）显示了随时间（秒）变化的 ECG（mV）顶部、HR（bpm）中部和 BP（mmHg）底部。选择要分析的数据。应包含 Valsalva 动作（VM）前后约 20 秒的数据。
  4. 使用十字光标，在起始位置（VM 前约 20 秒）单击鼠标一次，在结束位置（VM 后约 20 秒）再单击一次。所选数据将在 MFigure 1 中以红色显示。点击 保存并退出。包含所选数据的 MFigure 1 将保存在 Figures/Data 文件夹下，文件名为 [患者姓名] + _dataAnalyzed.png。

ECG、HR、BP 时间序列图；生理反应分析；LabChart 数据可视化。
图 3：图示 ECG（mV，顶部）、心率（HR，bpm，中部）和血压（mmHg，底部）数据。 蓝色轨迹表示从 LabChart 中提取的全部数据，红色轨迹表示本研究中选定用于分析的数据。红色区域包含 ECG、HR 和 BP，其起止时间分别在 Valsalva 动作（VM）前后约 20 秒。 请点击此处查看此图的放大版本。

7. 心电图（操作 2）

注意：操作 2 包括识别 ECG 信号中的 R 波以及 Q 或 S 波（去除多余的波或补充缺失的波）。该操作在以 1,000 Hz 采样的原始数据上进行。QRS 波群的幅度（R 波与 Q 或 S 波之间的绝对距离）用于在屏气前后生成呼吸信号。

  1. 图1显示了心电图信号（黑线）。自动检测到的R波峰值用红色标记，Q波或S波峰值用蓝色圆圈标记。目标是校正位置错误的波峰。R波与Q波或S波的总数显示在图形右侧。只有当R波与S波的数量相同时，该任务才能完成。为校正位置错误的波峰，用手向右滚动信号，当需要校正的波峰出现在窗口中时停止。图中示例展示了一个额外的错误放置的S波峰，以及该波峰被移除后的信号。 图 4.
    注意：R波和S波的识别采用Randall等人所述的方法进行。20该算法使用 findpeaks.m 在信号均值的 25% 至 200% 范围内寻找峰。采样率为 1,000 Hz（编码于数据中），MinPeakDistance 设置为 1.5。R 波从原始信号中检测，S 波（或 Q 波）则通过分析信号的负值部分获得。需注意，对于某些数据集，算法会识别出 S 波，而对于另一些数据集则识别出 Q 波。示例如下所示： 图 4AQRS 波幅度用于确定呼吸，具体方法如 Randell 等人所述。20.
  2. 重复校正，直至S峰和R峰的数量相同，具体步骤如下所述。
    1. 为校正错位的峰，向右滚动，当需要校正的峰出现在窗口中时停止。
    2. 如果某个峰缺失、位置错误或标记了多余的峰，请滚动至该峰的位置。按 进入 在键盘上，会出现一个十字光标。单击需要修正的点。下一个菜单提示为：添加或删除点？请选择其中一项 添加 （步骤 7.2.3）， 移除 （步骤 7.2.4），或 取消，返回步骤 7.2.1。
    3. 点击 添加标记的点将被添加，并以红色（R峰）或蓝色（S峰）显示。程序将使用点击的精确位置，并自动将该点分类为R或S。
    4. 点击 移除，标记的点将被移除。如果该点未消失，请重复此步骤，并返回至任务 7.2.2。
  3. 重复步骤 7.2，直至所有 R 波和 S 波均被正确识别，且 R 波与 S 波（或 Q 波）的数量相同，然后按下 输入 在键盘上。当出现提示要求校正点时，点击 无. 继续进行操作3（HR）。如果时间序列无错误，但R峰与S峰（或Q峰）的数量不相等，则返回步骤7.2以纠正此错误。注意，在同一信号中为保持一致性，应选择S峰或Q峰中的一种。
  4. 如果用户点击 无 当 R 峰和 S 峰的数量不相同时，会弹出一个新菜单，提示该情况 R峰和S峰的数量必须相等. 检查数据。点击 好的 代码返回到步骤 7.2。

心电图导联错位分析，示意图，校正前后S波峰值误差；标注数据点。
图4：用于指导心电图（mV）校正的图表。 该图显示了心电图波形（黑色）、R波（红色圆圈）和S波（蓝色圆圈）。(A) 图中存在一个位置错误的S波。在(B)中，该S波已被移除。一个干净的心电图信号应具有相同数量的R波和S波峰值，如图右侧所示。请点击此处查看此图的放大版本。

8. HR（操作 3）

注意：此步骤涉及将RR间期转换为心率（HR）。在心电图信号校正后（如上所述），大多数数据集的心率信号较为平滑。然而，若心率信号存在伪迹（示例见图5A），操作3可提供校正该信号的机会（示例见图5B）。

校正前后的心率和心电图；实验数据；心脏功能分析。
图 5：用于指导心率（HR，bpm）校正的图表。（A）由校正后心电图生成的心率（蓝色线条）。小蓝圆圈标记了心跳发生的时刻。（B）连接两个点的样条曲线示例（绿色线条），用于去除心率信号中的伪迹。请点击此处查看该图的放大版本。

  1. 图 1 (图 5A）上方面板显示心率（bpm），下方面板显示心电图（mV）。心率（bpm）由校正后的心电图RR间期峰值计算得出。若心率信号无伪影，点击 保存并退出, 并继续进行操作4（呼吸作用）。如果数据存在错误（比较两个面板中的内容） 图5），点击 正确的心率 并继续进行第 8.2 步。
  2. 沿 HR 信号滚动并定位伪影。按下 输入 在查看需校正的区域时，按键盘上的相应键。继续执行步骤 8.3。
  3. 点击 好的 在菜单上查询 点击各点进行连接将十字准线对准伪影前的第一个点，然后用鼠标单击一次。接着，将十字准线对准伪影后的第一个点，再次用鼠标单击。两个点之间将连接一条线性样条曲线（以绿色绘制）。此时会弹出一个菜单询问， 接受更改？ 答案： 是 （继续执行步骤 8.3.1） 撤销 （转至步骤 8.3.2），并 添加 改变（转至步骤 8.3.3）。
    1. 选择 是 接受线性样条，退出此操作，然后返回步骤4。选择 撤销 移除线性样条，然后返回步骤 8.2。选择 添加 保留线性样条，并返回至步骤 8.2 以进行额外校正。
  4. 图1 显示了上方面板中的心率（bpm）和下方面板中的心电图（mV）。该图保存在 Figures/Data 文件夹中，文件名为 [患者姓名] + _HeartRateECG.png。如需继续，请按 保存并退出信号将按照测量中嵌入的采样率（示例数据集为 1,000 Hz）进行存储。

9. 呼吸作用（操作 4）

注意：通过计算校正后 ECG 信号的 QRS 波群幅度，并采用分段三次 Hermite 插值多项式样条（使用 interp1.m 函数中的 pchip 方法）对该差值进行拟合，从而提取呼吸信号，具体方法如 Randall 等人的研究中所述20。

  1. 图1（图6）显示了从校正后的R波与S波差值中提取的呼吸信号。请检查该图像，点击保存并退出，然后继续进行步骤5（血压测量）。图1将被保存在“图表/数据”文件夹中，文件名为[患者姓名] + _RespiratorySignal.png。

呼吸频率随时间变化的曲线图；生理数据分析示意图；实验结果。
图6：呼吸信号。呼吸信号（蓝线）由QRS间期幅度变化生成，方法如Randall等20所述。请点击此处查看本图的放大版本。

10. 血压（操作 5）

注意：此步骤涉及提取收缩压和舒张压。通过在选定的数据点上生成样条曲线可形成两条曲线。在此操作中，用户可校正系统自动检测到的曲线。鉴于血压变化显著，在呼气保持结束后立即进行校正通常是必要的。

  1. 图1（见图7A）显示一个包含血压（BP）数据的放大窗口。将十字光标对准一个BP峰值并单击鼠标一次，然后将十字光标对准右侧下一个峰值并再次单击。两个峰值之间的距离用于估算心动周期长度，该距离可用于识别收缩期和舒张期峰值。随后出现图2（图7B、C），显示系统自动检测到的收缩期和舒张期信号。
    注意：收缩期和舒张期峰值通过 peaks2.m 程序确定，该程序输入静息状态下的心动周期长度以设定最小峰值间距，类似于R波间距。收缩期峰值直接从信号中提取，而舒张期峰值则通过分析负向信号获得。
  2. 收缩压（BP）校正：弹出菜单提示“是否需要校正收缩期点？”，选择是（进入步骤10.4）以启动校正收缩压的流程，或选择否（进入步骤10.3）以继续进行舒张压校正。
  3. 舒张压（BP）校正开始时，弹出菜单询问“是否需要校正舒张期点？”，选择是（进入步骤10.4）以启动校正舒张压的流程，选择否则继续下一步。点击保存并退出，随后继续执行操作6（Valsalva动作各阶段分析）。
    注意：校正舒张压的流程与校正收缩压的流程相同，两者均在步骤10.4中描述。
  4. 图2显示前40秒数据的放大视图。检查该区域并持续滚动，直到发现错误的点（校正后的轨迹见图7B、C）。按下键盘上的回车键，将十字光标移至错误点之前最后一个正确的峰值上并单击，随后继续移动十字光标，依次单击所有需要校正的点，最后以一个正确点结束，完成后再次按下回车键。此时会出现一条虚线连接所有已校正的点（示例见图7B、C）。
    注意：可重复校正过程，直至无需进一步修改任何片段。对于每一校正段，已校正的点通过红色（SBP）和绿色（DBP）虚线与两端原有正确点相连。连续的血压信号以蓝色绘制，作为参考指引。系统将记录所有被点击的峰值，即使其未与血压信号完全对齐。此操作用于校正收缩期和舒张期信号。在每种信号内部仅校正与该信号相关的正确点，即在校正收缩压时不应尝试校正舒张期点，反之亦然。

血压图分析；显示随时间变化的收缩压/舒张压。心脏周期分析。
图7：血压校正。（A）静息状态下血压信号的放大图。要求用户点击两个连续的峰值，以确定心脏周期的平均长度。（B）原始和校正后的收缩压（红色）与舒张压（绿色）的放大图。在此图中，连续的血压测量值（mmHg）以蓝色显示。（C）在所分析的时间范围内，原始和校正后的收缩压（红色）与舒张压（绿色）信号。在所有子图中，连续的逐搏血压信号以蓝线表示，收缩压（SBP）以红线表示，舒张压（DBP）以绿线表示。对于SBP和DBP信号，每个心脏周期均由小星号标记。请点击此处查看该图的放大版本。

11. 瓦尔萨尔瓦动作（VM）各阶段（操作 6）

注意：操作 6 涉及瓦尔萨尔瓦动作（VM）的检测。该操作使用以 10 Hz 采样率下采样的心率（HR）、收缩压（SBP）、舒张压（DBP）以及胸内压（如可获取）数据。用户需识别屏气的开始和释放时刻。屏气起始点为首次血压峰值前的最低血压值，释放点为第二次血压下降前的血压值。在确定这两个时间点后，软件将根据信号特征自动划分 VM 的四个时相。这些时相可手动校正，尤其在分析异常血流动力学反应数据时尤为重要。

  1. 图1上方图示连续血压（细线）和收缩压（SBP，粗线，mmHg），心率（HR，bpm）在第二行nd 面板，3组中的呼吸（Resp，mV）rd 上方面板显示心电图（ECG，mV），若可获取胸内压信号，则第三个面板显示胸内压（Pth，mmHg），第四个面板显示呼吸信号（Resp，mV）。Valsalva各时相将被自动识别；对于无Pth测量的数据集，软件将继续进入步骤1.3。标记Valsalva动作（VM）起始时，将十字光标对准屏气开始点（即显著收缩压升高和心率下降前的收缩压最低点），然后单击鼠标一次。
  2. 为标记VM结束点，将十字线与屏气结束点对齐（即紧接在2之前的BP值）nd SBP下降）并用鼠标单击一次。这些点用于确定图2中VM的四个时相，上图显示血压（mmHg），中图显示心率（bpm），下图显示呼吸（Resp，mV）。若测量了胸腔内压（mmHg），则显示在心率与呼吸图之间。
  3. 菜单查询：接受指数？ 选择 是 完成操作并继续至操作 7（临床比值）。选择 无 检查由垂直线标示的各阶段的自动检测结果。
  4. 菜单查询： 索引校正选择一个、多个或所有阶段，然后单击 好的 进入第10.4步进行校正或 取消 返回步骤 11.1。
  5. 图2中会出现一个十字准线。标题的第二行描述了正在校正的相位。对于所选相位，单击对应的时间点，标记该相位的起始时刻。重复此操作，直至所有选定的相位均完成校正。校正后的时间点以红色垂直线显示。当所有选定相位均校正完毕后，菜单将重新出现，提示： 接受索引？ 点击 是 继续至步骤11.5，并 无 返回步骤 11.1。请注意，各相位必须按顺序依次校正。
  6. M图3 (图8) 显示最终的VM相位。图中上半部分为血压（BP，mmHg），中间部分为心率（HR，bpm），下半部分为胸内压（Pth，mmHg）。该信号通过将提取的呼吸信号与屏气期间测得或计算的施加胸内压合并而获得。四个相位以灰色区域标示。点击 保存并退出 并继续进行步骤7（临床比值）。该图像将保存在 Figures/Data 文件夹中，文件名为 [患者姓名] + _VMphases.png。

显示基线趋势和随时间波动的血压、心率、胸内压图表
图8：瓦尔萨尔瓦动作的I-IV期。上方图表显示连续血压（浅蓝色）和收缩压（粗蓝线）；第二幅图显示心率，底部图表显示胸内压。后者通过将呼吸信号与屏气期间的压力（设定为40 mmHg）合并获得。瓦尔萨尔瓦动作的I期和III期以灰色区域标示。基线值（瓦尔萨尔瓦动作前后的平均收缩压SBP和心率HR）用水平虚线表示。请点击此处查看该图的放大版本

12. 临床比率（操作 7）

注意：此步骤通过以 10 Hz 重采样的心率（HR）、呼吸频率（RR）和收缩压（SBP）数据，计算表征瓦尔萨尔瓦动作（VM）的临床比值。所有参数列于表 2 中，包括患者特征（患者编号、年龄、性别、身高和体重）、VM 各时相的持续时间、每个 VM 时相内的最低和最高血压（BP）、心率（HR）、呼吸频率（RR）间期30,31，以及压力恢复时间32,33。还包括早期 II 相（青色线）和 IV 相（棕色线）中心率与呼吸频率回归线的斜率及其拟合优度（R2 值），用于表征早期（青色线）和晚期（蓝色线）II 相以及早期 IV 相（棕色线）的迷走神经刺激。后者用于判定交感神经刺激。此外，软件还分析收缩压（SBP）的变化，以及迷走神经1,32,34,35和肾上腺能（BRS）1,32,33,36相关指标。同样，可按需对手动校正软件自动识别的时相和关键点。例如，早期 IV 相的最高血压和最低心率常出现错位。图 9展示了校正前（图 9A）和校正后（图 9B）的临床比值。图 9C展示了改编自 Palamarchuk 等人1 和 Sandroni 等人31的比值。本图中显示的数值均来源于第 12.1–12.4 步所提取的数据。

血压和心率分析；基线调整影响；回归结果；数据图表。
图9：临床比值。(A, B) 上方图显示血压（BP，mmHg）的比值与回归线，中间图为心率（HR，bpm），下方图为RR间期（s）。(A) 显示自动检测的比值，(B) 显示早期IV相校正后的最大血压和最小心率。(C) 通过校正后比值的回归线。请点击此处查看该图的放大版本。

  1. 上图1（见图9）上部图示显示收缩压（SBP，mmHg），中部图示显示心率（HR，bpm），下部图示显示RR间期（s）。特征性的SBP、HR和RR值以圆形标记标注。随后弹出菜单提示：是否接受这些标记？请检查标记位置是否正确。若所有标记均正确，点击是，操作完成并返回至步骤4；若某一点需要调整，则点击否。
  2. 系统弹出菜单提示：选择要移动的点。该菜单允许选择一个、多个或全部标记点。若已选定需要调整的点，请点击确定继续（进入步骤12.3）；若不作任何修改，点击取消，直接进入步骤12.4。
  3. 对于每个选定的参数，系统将弹出菜单列出需修正的点。点击确定继续。将十字光标对准目标位置，单击鼠标完成调整。当所有选定的点均修正完毕后，上图1将在上部图示显示血压（BP，mmHg），中部图示显示心率（HR，bpm），下部图示显示RR间期（s），并展示在II期早期与晚期以及IV期早期的修正点及回归直线。点击保存并继续，进入操作8（运行模型）。
  4. 上图2（见图9C）显示RR间期与SBP之间的回归直线及其拟合优度（R2 值）。点击保存并退出，返回至步骤4。上图1和上图2将保存在“Figures/Data”文件夹中，文件名分别为[患者姓名] + ratios.png 和 [患者姓名] + _ratios_regression.png。

13. 运行模型（操作 8）

注意：操作 8 涉及求解 Randall 等人提出的压力感受性反射微分方程模型20，该模型用于预测交感神经和副交感神经信号活动。此步骤运行模型时，参数值由患者信息及操作 7 中确定的临床比值设定。该操作用于检验标称预测结果；若标称拟合存在显著误差，则后续优化操作（步骤 15）的结果可能无法适用于特定数据集。

  1. 利用从数据中提取的患者特异性参数标称值及步骤5中输入的患者信息，求解Randell等人提出的微分方程模型20。M图1左上角显示血压（mmHg），右上角为心率（bpm）数据（蓝色）与模型结果（品红色），左下角为胸内压（Pth，mmHg），右下角为副交感（品红色）与交感（深紫色）神经活性的预测结果。结果以10 Hz的时间分辨率展示，对应于重采样后的心率与收缩压数据的分辨率。点击保存并退出，继续执行操作8（运行模型）。该图将保存在 Figures/Model_fits 文件夹中，文件名为 [患者姓名] + _nominal.png。

14. 敏感性分析（操作 9）

注意：数据处理无需进行敏感性分析。该分析生成一幅图表，用于描述模型参数在准确预测心率（HR）时的敏感性（或重要性）。敏感性评估的频率为 10 Hz，对应于经下采样处理后的心率和收缩压（SBP）数据。该操作采用 Randall 等人详细描述的局部敏感性分析方法20

  1. 该操作计算模型参数对心率（HR）的敏感性。以对数尺度显示的排序敏感性结果见 M图1（图10）。点击保存并退出，然后继续进行操作10（优化）。请注意，此计算需要几分钟时间。M图1所示结果保存在 Figures/Model_fits 文件夹中，文件名为[患者姓名] + _sensitivities.png。

参数敏感性图表；对数尺度；敏感性分析结果；科学数据分析。
图10：模型参数对心率预测的敏感性。该模型及参数在Randall等人的研究中有详细讨论20，估计的参数在表2中进行了解释。请点击此处查看此图的放大版本。

15. 优化（操作 10）

注意：此操作根据数学微分方程模型和数据可用性（HR）估计一组可识别的参数。结果是一个针对以10 Hz频率下采样的数据校准的HR模型。除了一组估计参数外，优化后的模型还可预测交感神经和副交感神经信号。如果模拟结果与数据拟合不佳，则无法对预测的交感神经和副交感神经信号进行解释。优化过程采用Randall等人所述的Levenberg-Marquardt方法20。

  1. 参数估计可能需要 5-10 分钟才能完成。在计算过程中，MATLAB 命令窗口会输出最多 30 行，每行包含五个数字，从左到右依次表示梯度范数、最小二乘代价、迭代次数以及雅可比矩阵的条件数。当优化完成后，请继续执行操作 11（绘制模型预测结果）。估计得到的参数和向量 INDMAP 将保存在 Optimized 文件夹中。

16. 绘制模型预测结果（操作 11）

注意：模型预测结果使用标称参数值（第13步，操作8）和估计参数值（第15步，操作10）绘制，分辨率为10 Hz，对应于子采样数据。如果图M1右上方面板中显示的心率（HR）预测结果合理，则该代码可预测交感神经和副交感神经信号（图M1右下面板）。

  1. 在菜单中，选择要查看的模型预测，点击 标称 以绘制第13步的模型预测结果，或点击 优化 以查看第15步的优化模型预测结果。MFigure 1（图11A 为标称参数，图11B 为优化参数）显示：左上角为血压（BP，mmHg），右上角为心率（HR，bpm）数据（蓝色）和模型结果（品红色）；左下角为胸内压（Pth，mmHg）；右下角为副交感神经（品红色）和交感神经（深紫色）信号的预测结果。点击 保存并退出，然后继续进行操作12（总结）。该图将保存在 Figures/Model_fits 文件夹下，文件名为 [患者姓名] + _[操作].pn，其中 [操作=nominal] 或 [操作=optimal]，取决于所选操作。

显示名义参数与优化参数下心血管反应的图表；BP、HR、压力感受器数据分析。
图11：模型预测。模型分别使用（A）名义参数值和（B）优化参数值进行预测。图中左上：血压（SBP为粗蓝线，连续血压为浅蓝线，mmHg）；右上：心率（HR，bpm），模型预测（粉线）与实测数据（蓝线）；左下：胸内压（Pth，mmHg，深蓝线）；右下：副交感（粉线）与交感（紫色）神经活动的预测结果，二者均为无量纲数值。请点击此处查看该图的放大版本。

17. 总结（操作 12）

  1. 研究结果摘要将保存为 Excel 电子表格（.xlsx）和逗号分隔文件（.csv）。菜单 保存数据 将提示：输入数据摘要文件名（例如：FileName），请在文本框中输入首选的文件名。
  2. 如果文件已存在，系统将弹出菜单询问用户：添加或覆盖现有文件。此操作同时会将输出内容打印到 MATLAB 命令行窗口。点击 确定 以生成文件，或点击 取消 仅将结果输出至命令行。所保存的文件（.xlsx 和 .csv）包含患者信息（操作 1，步骤 6）、临床标志物与回归曲线（操作 7，步骤 12）以及标称（或优化后）参数值（操作 11，步骤 16）。对于每条回归曲线，R2 值表示拟合优度。
    注意：此操作（步骤 17）可在未执行建模、敏感性分析和优化步骤（操作 8–11）的情况下完成。

访问受限。请登录或开始试用以查看此内容。

结果

八个示例数据集被选用来代表多种多样的响应类型。 图3, 图4, 图5, 图6, 图7, 图8, 图9, 图10，以及 图11 展示算法每一步中一位代表性健康对照受试者的结果。 补充图 1, 补充图2, 补充图3,

访问受限。请登录或开始试用以查看此内容。

讨论

本研究中展示的 ValsalvaAnalyzer 软件具备分析 Valsalva 动作期间记录的临床心电图（ECG）和血压（BP）数据的功能。该软件能够清理噪声信号，从而在人群研究中获得一致的测量结果。基于校正后的数据，软件可计算出35个以上可供用户解读的指标。该软件旨在涵盖多项研究中报道的 Valsalva 动作期间涉及的所有已知参数。1,8,9,31,32,34,36,38,40。一个例外是HRV；由于数据通常未在足够长的时间间隔内记录...

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

本研究部分由美国国家科学基金会资助项目（DMS-2051010）和美国国家安全局资助项目（H98230-21-1-0014 和 H98230-20-1-0259）支持。我们感谢丹麦哥本哈根大学医院的 Sanaa Elmajdoubi、丹麦 Klinik Mehlsen 的 Niloufar Mehrani 和 Jesper Mehlsen 对软件的测试工作。我们感谢美国北卡罗来纳州应用研究协会的 E. Benjamin Randall 就数学模型进行的讨论，以及加拿大多伦多大学的 Iryna Palamarchuk 就指数问题进行的讨论。最后，我们感谢加州大学圣地亚哥分校的 Sophie Carlson 对计算代码的修订与编辑。该软件将结果本地存储于计算机中，不会与任何外部机构共享信息。ValsalvaAnalyzer 软件的开发人员不承担使用和保护患者数据的责任。任何 ValsalvaAnalyzer 软件的使用者均有责任在发布使用该软件生成的结果之前，保护数据安全并获得适当的审批许可。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
LabChartADInstruments用于导出分析数据的软件
MATLABMathworks用于 ValsalvaAnalyzer 程序的软件

参考文献

  1. Palamarchuk, I., Baker, J., Kimpinski, K. The utility of Valsalva maneuver in the diagnoses of orthostatic disorders. Am J Physiol. 310 (3), R243-R252 (2016).
  2. Pstras, L., Thomaseth, K., Waniewski, K., Balzani, I., Bellavere, F. The Valsalva manoeuvre: physiology and clinical examples. Acta Physiologica. 217 (2), 103-119 (2016).
  3. Singer, W., OpferGgehrking, T., McPhee, B., Hilz, M., Low, P. Influence of posture on the Valsalva manoeuvre. Clin Sci (London). 100 (4), 433-440 (2001).
  4. Groth, P., Tjernström, O. Pressure chamber tests for selection of aircrew. ORL J Otorhinolaryngol Relat Spec. 46 (5), 264-269 (1984).
  5. Gelfman, D. The Valsalva maneuver, set in stone. Am J Med. 134 (6), 823-824 (2021).
  6. Pstras, L., Thomaseth, K., Waniewski, J., Baizani, I., Bellavere, F. Mathematical modelling of cardiovascular response to the Valsalva manoeuvre. Math Med Biol. 34 (2), 261-292 (2017).
  7. Barbato, A. Chapter 78 - The History, Physical, and Laboratory Examinations. , Butterworths. (1990).
  8. Low, P., et al. Effect of age and gender on sudomotor and cardiovagal function and blood pressure response to tilt in normal subjects. Muscle Nerve. 20 (12), 1561-1568 (1997).
  9. Ewing, D., Martyn, C., Young, R., Clarkea, B. The value of cardiovascular autonomic function tests: 10 years experience in diabetes. Diabetes Care. 8 (5), 491-498 (1985).
  10. Nagar, A., Dhingra, N. Valsalva retinopathy. Postgrad Med J. 93 (1097), 174(2017).
  11. Sandroni, P., Novak, V., Opfer-Gehrking, T., Huck, C., Low, P. Mechanisms of blood pressure alterations in response to the Valsalva maneuver in postural tachycardia syndrome. Clin Auton Res. 10 (1), 1-5 (2000).
  12. El-Khayat, A. Valsalva haemorrhagic retinopathy in pregnancy after yoga. BMJ Case Rep. 2017, bcr2017221099(2017).
  13. Low, P. Testing the autonomic nervous system. Semin Neurol. 23 (4), 407-421 (2003).
  14. Won, H., Kim, P., Lee, J. Changes in echogenicity of hepatic hemangiomas during the Valsalva maneuver. J Clin Ultrasound. 45 (6), 328-331 (2017).
  15. Ricci, S., Moro, L., Minotti, G., Incalzi, R., De Maeseneer, M. Valsalva maneuver in phlebologic practice. Phlebology. 33 (2), 75-83 (2018).
  16. Felker, G., Cuculich, P., Gheorghiade, M. The Valsalva maneuver: a bedside "biomarker" for heart failure. Am J Med. 119 (2), 117-122 (2006).
  17. Kim, J., et al. Utility of corrected QT interval in orthostatic intolerance. PLoS One. 9 (9), e106417(2014).
  18. Kim, H., Yi, H., Hong, J., Lee, H. Detailed relationship between the pattern of blood pressure change during the Valsalva maneuver and the degree of orthostatic hypotension during the head-up tilt test in patients with orthostatic intolerance: a retrospective case-control study. Medicine (Baltimore). 95 (19), e3608(2016).
  19. Bingger, W., Mitchell, R., Harron, D., McKaigue, J., McAloney, R. Real time analysis of Valsalva maneuver. Comput BIol Med. 19 (5), 319-329 (1989).
  20. Randall, E., Billeschou, A., Brinth, L., Mehlsen, J., Olufsen, M. A model-based analysis of autonomic nervous function in response to the Valsalva maneuver. J Appl Physiol. 127 (5), 1386-1402 (2019).
  21. Motamedi, M., Akbarzadeh, M., Safari, S., Shahhoseini, M. Valsalva maneuver using a Handmade Device in Supraventricular Tachycardia Reversion; a quasi experimental study. Emerg (Tehran). 5 (1), e81(2017).
  22. Abdulhamid, A., et al. Modified Valsalva versus standard Valsalva for cardioversion of supraventricular tachycardia: systematic review and meta-analysis. Int J Arrhythmia. 22, 2(2021).
  23. VitalScan. The future of health care autonomic nervous system testing. , (2023).
  24. Heart rate variability (HRV) software. , Kubios. (2023).
  25. Robertson, D., Biaggioni, I., Burnstock, G., Low, P. A., Paton, J. Primer on the autonomic nervous system. , Elsevier. (2012).
  26. Hristovska, A., et al. Orthostatic intolerance after acute mild hypovolemia: incidence, pathophysiologic hemodynamics, and heart-rate variability analysis-a prospective observational cohort study. Can J Anaesth. 70 (10), 1587-1599 (2023).
  27. Hristovska, A., Uldall-Hansen, B., Mehlsen, J., Kehlet, H., Foss, N. Orthostatic intolerance after intravenous administration of morphine: incidence, haemodynamics and heart rate variability analysis. Anesthesia. 78 (4), 526-528 (2022).
  28. Geddes, J., Ottesen, J., Mehlsen, J., Olufsen, M. Postural orthostatic tachycardia syndrome explained using a baroreflex response model. JR Soc Interface. 19 (193), 20220220(2022).
  29. Overweight and obesity. , Centers for Disease Control and Prevention. https://www.cdc.gov/obesity/index.html (2022).
  30. Denq, J., O'Brian, P., Low, P. Normative data on phases of the Valsalva maneuver. J Clini Neurophysiol. 15 (6), 535-540 (1998).
  31. Sandroni, P., Benarroch, E., Low, P. Pharmacological dissection of components of the Valsalva maneuver in adrenergic failure. J Appl Physiol. 71 (4), 1563-1567 (1985).
  32. Huang, C., Sandroni, P., Sletten, D., Weigand, S., Low, P. Effect of age on adrenergic and vagal baroreflex sensitivity in normal subjects. Muscle Nerve. 36 (5), 637-642 (2007).
  33. Novak, P. Assessment of sympathetic index from the Valsalva maneuver. Neurology. 76 (23), 2010-2016 (2011).
  34. Wada, N., et al. Determination of vagal baroreflex sensitivity in normal subjects. Muscle Nerve. 50 (4), 535-540 (2014).
  35. Wada, N., et al. Comparison of baroreflex sensitivity with a fall and rise in blood pressure induced by the Valsalva manoeuvre. Clin Sci (London). 127 (5), 307-313 (2014).
  36. Schrezenmaier, C., et al. Adrenergic and vagal baroreflex sensitivity in autonomic failure. Arch Neurol. 64 (3), 381-386 (2007).
  37. Trefethen, L. Spectral methods in Matlab. , SIAM. (2000).
  38. Moštak, I., Višnjić, N., Junaković, A., Skorić, M. Comparison of baroreflex sensitivity indices with standard tests of autonomic system function. J Neurol Sci. 426, 117473(2021).
  39. García, J., López, A., Stefan, M., Milner, D. Influence of repetitions on the Valsalva maneuver. Neurophysiol Prac. 5, 104-111 (2020).
  40. Vogel, E., Sandroni, P., Low, P. Blood pressure recovery from Valsalva maneuver in patients with autonomic failure. Neurology. 65 (10), 1533-1537 (2005).
  41. Kobayashi, H. Normalization of respiratory sinus arrhythmia by factoring in tidal volume. Appl Human Sci. 17 (5), 207-213 (1998).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

心率分析血压分析压力感受性反射敏感性心电图信号处理自主神经功能障碍MATLAB软件交感神经动态副交感神经动态
用于分析瓦尔萨尔瓦动作心率与血压时间序列数据的软件
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。