Waiting
Procesando inicio de sesión ...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Engineering
Click here for the English version

Engineering

Udformning af klumpede parametre og finite elementer af hjertesvigt med bevaret udslyngningsfraktion

Published: February 13, 2021 doi: 10.3791/62167
Automatic Translation
*1,2, *1, 1,2,3
1Institute for Medical Engineering and Science, Massachusetts Institute of Technology, 2Health Science and Technology Program, Harvard/Massachusetts Institute of Technology, 3Department of Mechanical Engineering, Massachusetts Institute of Technology
* These authors contributed equally

Summary

Dette arbejde introducerer to beregningsmæssige modeller af hjertesvigt med bevaret udslyngning fraktion baseret på en klumpet-parameter tilgang og finite element analyse. Disse modeller bruges til at evaluere ændringerne i hæmodynamikken i venstre ventrikel og relaterede vaskulatur induceret af tryk overbelastning og formindsket ventrikulær overholdelse.

Abstract

Videnskabelige bestræbelser inden for beregningsmæssige modellering af hjerte-kar-sygdomme har i vid udstrækning fokuseret på hjertesvigt med reduceret udslyngning fraktion (HFrEF), stort set med udsigt over hjertesvigt med bevaret udslyngning fraktion (HFpEF), som for nylig er blevet en dominerende form for hjertesvigt på verdensplan. Motiveret af manglen på HFpEF i silico repræsentationer, to forskellige beregningsmæssige modeller er præsenteret i dette papir for at simulere hæmodynamik af HFpEF som følge af venstre ventrikeltryk overbelastning. For det første blev en objektorienteret engangsparametermodel udviklet ved hjælp af en numerisk problemløser. Denne model er baseret på et nuldimensionelt (0D) Windkessel-lignende netværk, som afhænger af de geometriske og mekaniske egenskaber ved de konstituerende elementer og giver fordelen ved lave beregningsomkostninger. For det andet blev en FEA-softwarepakke (Finite Element Analysis) brugt til implementering af en flerdimensional simulering. FEA-modellen kombinerer tredimensionelle (3D) multifysikmodeller af den elektromekaniske hjerterespons, strukturelle deformationer og væskehulrumsbaseret hæmodynamik og bruger en forenklet klumpet parametermodel til at definere flowudvekslingsprofilerne blandt forskellige væskehulrum. Gennem hver tilgang blev både de akutte og kroniske hæmodynamiske ændringer i venstre ventrikel og proksimale vaskulatur som følge af trykoverbelastning med succes simuleret. Specifikt blev trykoverbelastning modelleret ved at reducere åbningsområdet for aortaklappen, mens kronisk ombygning blev simuleret ved at reducere overholdelsen af venstre ventrikelvæg. I overensstemmelse med HFpEF's videnskabelige og kliniske litteratur viser resultaterne fra begge modeller (i) en akut højde af transaortisk trykgradient mellem venstre ventrikel og aorta og en reduktion i slagtilfældevolumen og (ii) et kronisk fald i det end-diastoliske venstre ventrikulære volumen, der indikerer diastolisk dysfunktion. Endelig viser FEA-modellen, at stress i HFpEF myocardium er bemærkelsesværdigt højere end i det sunde hjertevæv gennem hele hjertecyklussen.

Introduction

Hjertesvigt er en førende dødsårsag på verdensplan, som opstår, når hjertet ikke er i stand til at pumpe eller fylde tilstrækkeligt til at holde trit med de metaboliske krav i kroppen. Udslyngningsfraktionen, dvs. den relative mængde blod, der opbevares i venstre hjertekammer, der skubbes ud med hver sammentrækning, bruges klinisk til at klassificere hjertesvigt i (i) hjertesvigt med reduceret udslyngningsfraktion (HFrEF) og (ii) hjertesvigt med bevaret udslyngningsfraktion (HFpEF) for udslyngningsfraktioner mindre end eller større end 45%, henholdsvis1,2,3. Symptomer på HFpEF udvikler sig ofte som reaktion på venstre ventrikeltryk overbelastning, som kan være forårsaget af flere forhold, herunder aorta stenose, hypertension og venstre ventrikulær udstrømningskanalobstruktion3,4,5,6,7. Trykoverbelastning driver en kaskade af molekylære og cellulære afvigelser, hvilket fører til fortykkelse af venstre ventrikelvæg (koncentrisk remodeling) og i sidste ende til vægstivning eller tab af overholdelse8,9,10. Disse biomekaniske ændringer påvirker hjerte-kar-hæmodynamik dybt, da de resulterer i et forhøjet end-diastolisk trykvolumenforhold og i en reduktion af det end-diastoliske volumen11.

Beregningsmæssige modellering af det kardiovaskulære system har fremmet forståelsen af blodtryk og strømme i både fysiologi og sygdom og har fremmet udviklingen af diagnostiske og terapeutiske strategier12. I silico modeller er klassificeret i lav-eller høj-dimensionelle modeller, med den tidligere udnytte analytiske metoder til at evaluere globale hæmodynamiske egenskaber med lav beregningsmæssige efterspørgsel, og sidstnævnte giver en mere omfattende multiskala og multifysik beskrivelse af hjerte-kar-mekanik og hæmodynamik i 2D eller 3D domæne13. Windkessel-repræsentationen med klumpet parameter er den mest almindelige blandt de lave dimensionelle beskrivelser. Baseret på den elektriske kredsløbsanalogi (Ohms lov) efterligner dette det kardiovaskulære systems samlede hæmodynamiske adfærd gennem en kombination af resistive, kapacitive og induktive elementer14. En nylig undersøgelse fra denne gruppe har foreslået en alternativ Windkessel model i det hydrauliske domæne, der gør det muligt modellering af ændringer i geometri og mekanik af store fartøjer-hjertekamre og ventiler-i en mere intuitiv måde end traditionelle elektriske analoge modeller. Denne simulering er udviklet på en objektorienteret numerisk problemløser (se materialetabellen)og kan fange den normale hæmodynamik, fysiologiske virkninger af kardiorespiratorisk kobling, åndedrætsdrevet blodgennemstrømning i enkelthjertet fysiologi og hæmodynamiske ændringer på grund af aortasnæmning. Denne beskrivelse udvider mulighederne i klumpede parametermodeller ved at tilbyde en fysisk intuitiv tilgang til model af et spektrum af patologiske tilstande, herunder hjertesvigt15.

Højdimensionelle modeller er baseret på FEA til beregning af spatiotemporal hæmodynamik og væskestrukturinteraktioner. Disse repræsentationer kan give detaljerede og nøjagtige beskrivelser af det lokale blodgennemstrømningsfelt; på grund af deres lave beregningsmæssige effektivitet er de dog ikke egnede til undersøgelser af hele hjerte-kar-træet16,17. En softwarepakke (se materialetabellen)blev anvendt som en anatomisk nøjagtig FEA-platform af det 4-kammer voksne menneskelige hjerte, som integrerer den elektromekaniske respons, strukturelle deformationer og væskehulrumsbaseret hæmodynamik. Den tilpassede menneskelige hjertemodel omfatter også en simpel klumpet parametermodel, der definerer flowudvekslingen mellem de forskellige væskehulrum samt en komplet mekanisk karakterisering af hjertevævet18,19.

Flere klumpede parameter - og FEA-modeller for hjertesvigt er blevet formuleret til at fange hæmodynamiske abnormiteter og evaluere terapeutiske strategier, især i forbindelse med mekaniske kredsløbsassistenter til HFrEF20,21,22,23,24. En bred vifte af 0D-modeller med klumpede parametre med forskellig kompleksitet har derfor med succes fanget hæmodynamikken i det menneskelige hjerte under fysiologiske og HFrEF-forhold via optimering af to eller tre-elements elektrisk analog Windkessel-systemer20,21,23,24. De fleste af disse fremstillinger er uni- eller biventricular modeller baseret på den tid, varierende elastance formulering til at reproducere den kontraktile virkning af hjertet og bruge en ikke-lineær ende-diastolisk tryk-volumen forhold til at beskrive ventrikulær påfyldning25,26,27. Omfattende modeller, der fanger det komplekse kardiovaskulære netværk og efterligner både atrie- og ventrikulær pumpehandling, er blevet brugt som platforme til enhedstest. Selv om der findes en betydelig mængde litteratur inden for HFrEF , er der dog kun foreslået meget få i silicomodeller af HFpEF20,22,28,29,30,31.

En lavdimensionel model af HFpEF hæmodynamik, der for nylig blev udviklet af Burkhoff et al.32 og Granegger et al.28, kan fange trykvolumensløjferne (PV) i 4-kammerhjertet og fuldt ud opsummere hæmodynamikken af forskellige fænotyper af HFpEF. Desuden bruger de deres in silico-platform til at evaluere gennemførligheden af en mekanisk kredsløbsenhed til HFpEF, banebrydende beregningsforskning af HFpEF til fysiologiundersøgelser samt enhedsudvikling. Disse modeller er dog stadig ude af stand til at fange de dynamiske ændringer i blodstrømme og tryk, der observeres under sygdomsprogression. En nylig undersøgelse af Kadry et al.30 indfanger de forskellige fænotyper af diastolisk dysfunktion ved at justere den aktive afslapning af myokardiet og den passive stivhed i venstre ventrikel på en lavdimensionel model. Deres arbejde giver en omfattende hæmodynamisk analyse af diastolisk dysfunktion baseret på både myocardiumets aktive og passive egenskaber. Tilsvarende har litteraturen om højdimensionelle modeller primært fokuseret på HFrEF19,33,34,35,36,37. Bakir et al.33 foreslog en fuldt koblet hjertevæske-elektromekanik FEA model til at forudsige HFrEF hæmodynamiske profil og effekten af en venstre ventrikulær hjælpeanordning (LVAD). Denne biventricular (eller to-kammer) model udnyttet en koblet Windkessel kredsløb til at simulere hæmodynamik af det sunde hjerte, HFrEF og HFrEF med LVAD støtte33,37.

På samme måde udviklede Sack et al.35 en biventricular model til at undersøge højre ventrikel dysfunktion. Deres biventricular geometri blev opnået fra en patients magnetiske resonans imaging (MRI) data, og modellens finite-element mesh blev konstrueret ved hjælp af billedsegmentering til at analysere hæmodynamik af en VAD-støttede svigtende højre hjertekammer35. Fire-kammer FEA hjerte tilgange er blevet udviklet for at øge nøjagtigheden af modeller af den elektromekaniske adfærd i hjertet19,34. I modsætning til biventricular beskrivelser giver MR-afledte firekammermodeller af det menneskelige hjerte en bedre repræsentation af den kardiovaskulære anatomi18. Hjertet model ansat i dette arbejde er et etableret eksempel på en fire-kammer FEA model. I modsætning til klumpede parameter- og biventricular FEA-modeller fanger denne repræsentation hæmodynamiske ændringer, da de opstår under sygdomsprogression34,37. Genet et al.34, for eksempel, brugte den samme platform til at implementere en numerisk vækstmodel for remodellering observeret i HFrEF og HFpEF. Disse modeller evaluerer imidlertid kun virkningerne af hjertehypertrofi på strukturelle mekanikker og giver ikke en omfattende beskrivelse af den tilknyttede hæmodynamik.

For at afhjælpe manglen på HFpEF i silicomodeller i dette arbejde blev den engangsparametermodel, der tidligere blev udviklet af denne gruppe15 og FEA-modellen, afmonteret for at simulere HFpEF's hæmodynamiske profil. Til dette formål vil hver models evne til at simulere kardiovaskulær hæmodynamik ved baseline først blive demonstreret. Virkningerne af stenose-induceret venstre ventrikulær tryk overbelastning og mindsket venstre ventrikulær overholdelse på grund af hjerte remodeling-et typisk kendetegn for HFpEF-vil derefter blive evalueret.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. 0D-model med klumpede parametre

  1. Opsætning af simulering
    BEMÆRK: I det numeriske problemløsermiljø (se materialetabellen) konstrueres domænet som vist i figur 1. Dette er sammensat af 4-kammer hjerte, overkroppen, abdominal, underkrop, og brystkasse rum, samt den proksimale vaskulatur, herunder aorta, lungepulsåren, og den overlegne og ringere venae cavae. De standardelementer, der bruges i denne simulering, er en del af standardhydraulikbiblioteket. Nærmere oplysninger kan findes i de supplerende filer.
    1. Naviger i hydraulikbiblioteket for at finde de nødvendige elementer: hydraulisk rørledning, hydraulisk kammer med konstant volumen, lineær modstand, centrifugalpumpe, kontrolventil, variabel områdeåbning og den brugerdefinerede hydrauliske væske.
      1. Smid de hydrauliske rørledningselementer ind i arbejdsområdet.
        BEMÆRK: Disse tegner sig for friktionstab samt vægoverholdelse og væskekomprimering i blodkar og hjertekamre. Gennem denne blok beregnes tryktabet ved hjælp af Darcy-Weisbach-loven, mens ændringen i diameter på grund af vægoverholdelse afhænger af overholdelsesproportionalitetskonstanten, det luminale tryk og tidskonstanten. Endelig defineres væskekomprimerbarhed af mediets bulkmoduler.
      2. Sæt de hydrauliske kammerelementer i konstant volumen ind for at definere vægoverensstemmelse og væskekomprimerbarhed.
        BEMÆRK: Denne blok tager ikke højde for tryktab på grund af friktion.
      3. Tilføj de lineære modstandselementer for at definere modstand mod flow.
        BEMÆRK: Dette er uafhængigt af vaskulaturens geometriske egenskaber, svarende til det resistive element, der anvendes i elektriske analoge Windkessel-modeller. Andre blokke, såsom centrifugalpumpen, kontrolventilen, åbningsåbningen i variabelt område og de brugerdefinerede hydrauliske væskeelementer skal indsættes for at generere det ønskede trykindgang til systemet, modellere hjerteklappernes virkninger på blodgennemstrømningen og definere blodets mekaniske egenskaber. Gennem disse elementer kan adfærden af det kardiovaskulære system i både fysiologi og sygdom fanges fuldt ud. Indgangssignalet til centrifugalpumpen findes i figur S1A.
      4. Model kontraktiliteten af hvert hjertekammer gennem det brugerdefinerede kammerelement til overholdelse af variabler.
        BEMÆRK: Dette accepterer overholdelse som et tidsbestemt brugerdefineret inputsignal og er baseret på den tidsafhærdende elastancemodel (Figur S1B-D).
    2. Angiv parametrene i forhold til hvert element, som vist i tabel S1, som også findes i Rosalia et al.15
    3. Indsæt et PS-element (Physical Signal Repeating Sequence) for hver af de blokke, der kræver et tidsvarierende brugerdefineret indgangssignal: LV-pumpen, elementerne til overholdelse af variable overholdelse og åbningsblokkene for variabelt område.
      BEMÆRK: Inputsignaler, der anvendes til denne simulering, findes i figur S1.
    4. Vælg standard-ODE 23t implicitte problemløser, og kør simuleringen for 100 s for at opnå en stabil tilstand.

2. FEA-modellen

  1. Opsætning af simulering
    BEMÆRK: FEA-modellen anvender en koblet elektrisk-mekanisk analyse i rækkefølge. I denne model udføres den elektriske analyse først; derefter anvendes de resulterende elektriske potentialer som excitationskilde i følgende mekaniske analyse. Derfor indeholder simuleringsopsætningen to arbejdsdomæner: de elektriske (ELEC) og de mekaniske (MECH) domæner, der er foruddefineret i FEA-simuleringssoftwaren (Table of Materials)18. Derfor beskriver følgende afsnit kun analysearbejdsgangen. FEA-modellen bruger følgende brugerunderrutiner HETVAL, VUANISOHYPERog UAMP til den elektriske og mekaniske materialemodellering18.
    1. Naviger i ELEC-domænet for at udføre elektrisk analyse ved hjælp af den foruddefinerede temperaturprocedure i standardmodulet.
      1. Brug et trin med enkelt analyse med navnet BEAT. Angiv varigheden af hjertecyklussen til 500 ms, og anvend en elektrisk potentiel puls på et nodesæt, der repræsenterer den sinoatriale node(NODEsæt: R_Atrium-1.SA_NODE).
      2. Gennemgå standard elektriske bølgeform, som spænder fra -80 mV til 20 mV over 200 ms med den glatte trin amplitude definition, som beskrevet imodelguiden 18. Brug standardværdierne for materialekonstanter i den elektriske analyse til at justere AV-forsinkelsen.
      3. Start jobmodulet, og opret et job med navnet hjerte-elec.
    2. Når opsætningen af den elektriske analyse er afsluttet, skal du navigere i MECH-domænet for at udføre den væskehulrumsbaserede mekaniske analyse.
      BEMÆRK: Den mekaniske simulering udføres efter den elektriske analyse, og de resulterende elektriske potentialer bruges som excitationskilde til den mekaniske analyse. Den mekaniske analyse indeholder flere trin.
      1. Brug de tre hovedtrin med navnet FORINDLÆSNING, BEAT1OG GENOPRETTELSE1. I PRE-LOAD-trinnet skal du gennemgå grænsebetingelserne for hjertets præ-stressede tilstand. Brug 0,3 s som skridt tid til lineært rampe op trykket i væskekamrene.
        BEMÆRK: De foruddefinerede trykværdier for væskehulrum er vist i tabel S3. Hjertets præ-stressede tilstand var allerede defineret i den normale hjertesimuleringsopsætning, og de indledende nodebetingelser leveres i de eksterne simuleringsfiler, som anført i tabel S5. Genberegning af nulspændingstilstanden ved hjælp af den inverse mekaniske simulering er påkrævet, når grænsetilstanden ændres, som forklaret i trin 3.2.2-3.2.4.
      2. I BEAT1-trinnet skal du bruge 0,5 s som trintid for at simulere sammentrækning.
      3. I RECOVERY1-trinnet skal du vælge 0,5 s for hjerteafslapning og ventrikulær påfyldning for en puls på 60 bpm.
      4. Aktiver de efterfølgende trin, BEATX og RECOVERYX, for at simulere mere end én hjertecyklus for at opnå en stabil tilstand.
        BEMÆRK: Tre hjertecyklusser vil være tilstrækkelige til at nå stabil tilstand. En cyklus af simuleringen er afsluttet i ~ 8 timer på en 24-core processor (3,2 GHz x 24).
      5. Start jobmodulet, og opret et job med navnet hjerte-mech, der muliggør dobbeltpræcisionsindstillingen.
  2. Gennemgå windkessel-modellen med forenklet klumpet parameter
    BEMÆRK: FEA-modellens mekaniske domæne har en blodgennemstrømningsmodel, der er baseret på et forenklet kredsløb med klumpede parametre og er skabt som en kombination af overfladebaserede væskehulrum og væskeudvekslinger som vist i figur 218.
    1. Brug Windkessel-gengivelsen, der er nævnt i ovenstående note, til at køre simuleringen. Gennemgå blodgennemstrømningsmodelrepræsentationen for at justere værdierne af de resistive og kapacitive elementer for henholdsvis flowmodstand og strukturelle overholdelser.
    2. Gennemgå 3D-finite element repræsentation af fire hjertekamre, og sikre, at deres geometriske positioner er korrekte.
    3. Kontroller hjertesamlingen, og skift til interaktionsmodulet for at justere overholdelses- og kontraktilitetsværdierne for hvert af de fire hjertekamre.
      BEMÆRK: Standardværdierne i interaktionsmodulet er konfigureret til at simulere en idealiseret sund hjerterytmecyklus18.
    4. Gennemgå følgende hydrostatiske væskehulrum i interaktionsmodulet, CAV-AORTA, CAV-LA, CAV-LV, CAV-PULMONARY_TRUNK, CAV-RA, CAV-RV, CAV-SVC, CAV-ARTERIAL-COMP, CAV-PULMONARY-COMP og CAV-VENOUS-COMP (Tabel S3).
    5. Brug overholdelseskamrene (CAV-ARTERIAL-COMP, CAV-PULMONARY-COMP og CAV-VENOUS-COMP) som kubiske mængder, da de repræsenterer overensstemmelsen af arteriel, venøs og lungecirkulation.
    6. Vedhæft tre overholdelsesvolumener til en jordet fjeder, og gennemgå stivhedsværdien for at modellere trykvolumenresponsen i arteriel, venøs og lungecirkulation.
    7. Kontroller følgende væskeudvekslingsdefinitioner mellem hydrostatiske væskehulrum: arterielt venøst, venøst-højre atrium, højre atrium-højre ventrikel, højre ventrikel-lungesystem, lungesystem-venstre atrium, venstre atrium-venstre ventrikel og venstre ventrikel-aorta (tabel S4).
    8. Juster den viskøse modstandskoefficient for at ændre blodgennemstrømningsmodellen i hvert væskeudvekslingslink (se Supplerende filer for at få flere oplysninger om den viskøse modstandseffekt).
  3. Multifysiksimulering
    1. Find CAE-databasefilen i arbejdsmappen.
      BEMÆRK: FEA-modellen i denne protokol leveres i databasen og navngives som LH-Human-Model-Beta-V2_1.cae.
    2. Indsæt input-, objekt- og biblioteksfilerne i arbejdsmappen for at køre simuleringen. Se tabel S5 for at få en komplet liste over input- og biblioteksfiler.
    3. Start FEA-modelsimuleringssoftwaren (se materialeoversigten).
      BEMÆRK: Kontakt softwareudbyderen for at få oplysninger om kompatibilitet med nyere versioner18.
    4. Gennemgå delene, samlingen og grænsebetingelserne i både ELEC- og MECH-domæner som beskrevet i afsnit 2.2 og 2.3.
    5. Kør først det elektriske simulationsjob med navnet hjerte-elec, som beskrevet i punkt 2.1.1.3. Visuelt inspicere de elektriske potentielle resultater for at kontrollere, at hjerte-elec simulering løb som forventet. Sørg derefter for, at resultatfilen heart-elec.odb er i arbejdsmappen.
    6. Gå til den anden simuleringsfase ved at skifte til MECH-domænet. Gennemgå værdierne af de materialekonstanter, der bruges i den mekaniske simulering til at modellere det ønskede passive og aktive hjerterespons.
    7. Kontroller, at materialebiblioteksfilerne til den mekaniske analyse bruger HYBRID-strengnavnet. Hvis du vil ændre hjertekamrenes materielle respons, skal du justere den relevante hybridmaterialefil eller erstatte hele materialeresponset ved at definere en ny materialeadfærd i materialesektionen i CAE-modulet.
      BEMÆRK: Detaljerede oplysninger om de indbyggede konstituerende love findes ibrugervejledningen 18.
    8. I PRE-LOAD-trinnet skal du indstille tryk fra de hydrostatiske hulrum for at opnå den ønskede fysiologiske adfærd. Brug den indbyggede mulighed for glat amplitude til at rampe op fra nul til det ønskede trykniveau som beskrevet i trin 2.1.2.1.
    9. Trykgrænsebetingelserne i punkt 2.1.2.1 deaktiveres for at køre blodgennemstrømningsmodellen med en konstant samlet blodvolumen i blodcirkulationssystemet. Kør simuleringsjobbet med navnet hjerte-mech, som beskrevet i afsnit 2.1.2.5.

3. Aortaklappen stenose

BEMÆRK: Aorta stenose er ofte en drivkraft for HFpEF, da det fører til tryk overbelastning og i sidste ende, til koncentrisk remodeling og overholdelse tab af venstre ventrikel væg. Hæmodynamikken observeret i aorta stenose ofte fremskridt til dem, der ses i HFpEF.

  1. Modellen med klumpede parametre
    1. Ændre indgangssignalet i PS-gentagelsessekvenselementet i forhold til aortaklappen, der er placeret i venstre ventrikelrum. Simulere en reduktion af åbningsområdet svarende til 70 % sammenlignet med basislinjen (tabel S6).
      BEMÆRK: Inputværdierne repræsenterer stenotisk ventils åbningsområde under hvert hjerteslag. Åbningsområdeværdien kan let justeres ved at gange startoutputværdierne for det aortaklappen PS-element med en decimalværdi, der svarer til det endelige åbningsområde med hensyn til dets oprindelige værdi. I dette arbejde blev der anvendt en faktor på 0,3 for at opnå 70% indsnævring.
  2. FEA-modellen
    1. Rediger definitionen af væskeudveksling af parameteren LINK-LV-ARTERIAL.
      BEMÆRK: Denne parameter har en viskøs modstandskoefficient, der er indstillet til blodgennemstrømningen mellem venstre hjertekammer og aorta. Det effektive udvekslingsområde kan ændres for at justere blodgennemstrømningen og skabe den relevante aorta stenosemodel (tabel S7).
    2. Find værktøjskassemappen, og kopier filerne i mappen til hovedarbejdsmappen.
    3. Udfør en omvendt mekanisk simulering ved at udføre værktøjskassefilerne18. Til dette formål skal du ændre sugetrykket i venstre ventrikel og venstre atrium til 6 mmHg i væskehulen for at justere deres oprindelige volumetriske tilstand for aorta stenosemodellen. Udfør funktionen inversePreliminary.py.
      BEMÆRK: Genberegning af nulspændingstilstanden ved hjælp af den omvendte mekaniske simulering er påkrævet, når grænsetilstanden ændres.
    4. Når den omvendte mekaniske simulering er afsluttet, skal du køre efterbehandlingsfunktionerne: calcNodeCoords.py og straight_mv_chordae.py. Brug standardværdierne for de andre flowparametre, og kør en ny mekanisk simulering som beskrevet i punkt 2.1.2.5.

4. HFpEF hæmodynamik

BEMÆRK: For at simulere virkningerne af kronisk ombygning blev venstre hjertes mekaniske egenskaber ændret.

  1. Modellen med klumpede parametre
    1. Den venstre ventrikel diastoliske overensstemmelse af LV-overholdelseselementet ændres for at efterligne vægstivning på grund af trykoverbelastning ved hjælp af værdien af end-diastolisk overholdelse i tabel S8.
      BEMÆRK: Antag overholdelse for at falde lineært fra end-systole til end-diastole.
    2. LV-pumpens lækagemodstand øges til 18 × 106 Pa s m-3 (tabel S8)for at opfange det forhøjede venstre ventrikulære tryk, der observeres i HFpEF.
  2. FEA-modellen
    1. Rediger de aktive materialeegenskaber for venstre hjertekammergeometri. Forøg stivhedskomponenten for at indstille den aktive vævsrespons, der påvirker stresskomponenterne i fiber- og arkretningerne i den konstituerende model.
      1. Rediger materialeresponset på venstre hjertekammer i mech-mat-LV_ACTIVE-filen.
        BEMÆRK: Stivhedens størrelse for venstre ventrikelkammer kan indstilles, så det giver de relevante diastoliske overensstemmelseseffekter.
      2. Forøg stivhedsparametrene a og b i den anisotrope hyperelastiske formulering for at fange den øgede stivhedsrespons for HFpEF-fysiologien.
      3. I PRE-LOAD-trinnet skal du indstille væskehuletrykket i venstre ventrikel og efterlade atrium til 20 mmHg.
      4. Udfør en omvendt mekanisk simulering for at opnå den volumetriske tilstand af venstre ventrikel og atrium. Eksporter nodal koordinaterne fra hjerte-mech-inverse.odb-filen 18.
      5. Udfør efterbehandlingsfunktionerne: calcNodeCoords.py og straight_mv_chordae.py, som beskrevet i trin 3.2.4. Find de nye knudepunktsinputfiler i arbejdsmappen, og udfør en ny mekanisk simulering som beskrevet i afsnit 2.1.2.5.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Resultaterne fra basissimuleringerne er illustreret i figur 3. Dette viser tryk- og volumenbølgeformerne i venstre hjertekammer og aorta (Figur 3A) samt venstre ventrikulære PV-løkke (Figur 3B). De to i silico modeller viser lignende aorta og venstre ventrikulær hæmodynamik, som er inden for det fysiologiske område. Mindre forskelle i reaktionen forudsagt af de to platforme kan bemærkes under ventrikulær tømning og påfyldning faser, hvor ikke-linearities er bedre fanget af FEA model i forhold til den klumpede-parameter platform. I fysiologi opstår sådanne ikke-lineære virkninger hovedsageligt som følge af hjertevævets hyperelastiske respons og reproduceres derfor mere præcist af multidomain og højordreberegningsmodeller18.

Ventrikulær og aorta hæmodynamik blev opnået for aorta stenose, da dette ofte fører til venstre ventrikeltryk overbelastning og i sidste ende til udviklingen af HFpEF. Tryk- og volumenbølgeformer ved en reduktion på 70 % af åbningsområdet for aortaklappen er vist for begge modeller i figur 4. Stenose resulterede i en forhøjet trykgradient på tværs af aortaklappen. For de 70% stenose, der blev taget i betragtning i dette arbejde, blev der opnået toptransaortiske trykgradienter på henholdsvis 41 mmHg og 54 mmHg med modellerne lumped parameter (Figur 4A) og FEA (Figur 4B). Denne moderate variation opstår sandsynligvis som en anden konsekvens af manglen på en konstituerende ligning, der definerer hjertevævets materielle egenskaber i modellen med klumpede parametre, hvor overholdelse simpelthen defineres af en række numeriske værdier. Denne model opfanger derfor ikke væskestrukturinteraktioner, som i stedet repræsenteres nøjagtigt af FEA-modellen. Ikke desto mindre er resultaterne fra begge modeller i overensstemmelse med American Society of Echocardiography (ASE) og European Association of Echocardiography (EAE) klassifikationer af moderat aortaklap stenose, som betegner peak transaortiske gradienter på 40-65 mmHg for aorta snæreringer på ca. 60-75%38,39,40.

Venstre ventrikulære PV-sløjfer ved baseline, 70% aorta stenose og HFpEF efter stivhed af ventrikelvæggen er sammenfattet i figur 5. Lignende mønstre kan iagttages i figur 5A, der viser resultaterne fra modellen med klumpede parametre, og i figur 5B, som viser hæmodynamikken opnået via FEA. Disse PV-sløjfer er i overensstemmelse med dem i den videnskabelige og kliniske litteratur i HFpEF1,11,28,32. Især er begge modeller i stand til at fange stigningen i det systoliske venstre ventrikulære tryk på grund af stigningen i efterbelastning forårsaget af aorta stenose. Desuden øges slutsystolisk volumen i stenose-PV-løkken, hvilket fører til et fald i slagvolumen. Ved ombygning og tab af venstre ventrikulær overholdelse bliver forholdet mellem end-diastolisk trykvolumen (EDPVR) forhøjet, hvilket resulterer i højere end-diastolisk tryk og lavere end-diastoliske mængder. Disse fænomener, som skyldes venstre hjertekammers manglende evne til at slappe af og fylde tilstrækkeligt, fanges med succes af HFpEF PV-sløjferne i både de lave og høje dimensionelle modeller.

Som en anden indikation for formindsket diastolisk funktion vises strømmen gennem mitralventilen i figur S2, som fremhæver både de tidlige afslapningsfaser (E) og atriesammentrækningsfasen (A). Sammenlignet med de normale og stenoseprofiler er HFpEF-flowet kendetegnet ved en lidt højere top E-fase mitralstrøm og signifikant formindsket top A-fase flow, hvilket fremhæver, at passiv stivhed af venstre ventrikel resulterer i et forhøjet E / A-forhold, hvilket er i overensstemmelse med den videnskabelige litteratur30. Endelig viser figur 6 ændringer i myokardiestresskortet i de normale hjerter og HFpEF-hjerter under både systole og diastole. Den lange aksevisning af venstre hjertekammer illustrerer de volumetriske gennemsnitlige stressfordelinger og viser forhøjede belastninger i HFpEF-hjertet på grund af det karakteristiske tab af ventrikulær overholdelse. Fra basisværdier på (61,1 ± 49,8) kPa og (0,51 ± 7,35) kPa for det sunde hjerte under henholdsvis peak-systole (t = 0,2 s) og end-diastole (t = 1,0 s) den gennemsnitlige stress tilsvarende steg til (97,2 ± 205,7) kPa og (2,69 ± 16,34) kPa i HFpEF, hvilket tyder på, at de hæmodynamiske ændringer observeret i HFpEF er rodfæstet i dybtgående strukturelle ændringer, der påvirker det svigtende hjerte.

Figure 1
Figur 1: Domæne af anatomisk afledt klumpet parametermodel i den objektorienterede numeriske problemløser (se materialetabellen), der viser firekammerhjertet, aortaen og overkroppen, abdominal, underkrop og lungecirkulationer. Forkortelser: LV = venstre hjertekammer; RV = højre hjertekammer; LA = venstre atrium; RA = højre atrium; R1 = arteriel modstand; R2 = venøs modstand; C = overholdelse; IVC: ringere vena cava; SVC: overlegen vena cava. Klik her for at se en større version af dette tal.

Figure 2
Figur 2: Finite elementanalysemodel af det menneskelige hjerte. b) Forenklet klumpet parameterrepræsentation af blodgennemstrømningsmodellen i modellen kombineret med modellerne for strukturel væskeudveksling18. Forkortelser: LV = venstre hjertekammer; RV = højre hjertekammer; LA = venstre atrium; RA = højre atrium; Raorta = aortaklappens modstand; Rmitral = mitralklapmodstand; Rpulmonal = pulmonal ventilmodstand; Rtricuspid = tricuspid ventilmodstand; Carteriel = systemisk arteriel overholdelse; Rsystem = systemisk arteriel modstand; Cvenøs = systemisk venøs overensstemmelse, Rvenøs = systemisk venøs resistens; Cpulmonal = lungeoverensstemmelse; Rlungesystem = lungemodstand. Klik her for at se en større version af dette tal.

Figure 3
Figur 3: Basissimuleringer og bølgeformer med trykvolumen for analysemodellerne for det menneskelige hjerte med klumpede og finite elementer. (A) Venstre ventrikeltryk og volumenbølgeformer og aortatryk beregnet ved hvæssede parameter- og FEA-modeller ved baseline. (B) Venstre ventrikulær PV-sløjfe opnået gennem begge platforme ved baseline. Forkortelser: FEA = finite elementanalyse; LV = venstre ventrikel; PV = trykvolumen. Klik her for at se en større version af dette tal.

Figure 4
Figur 4: Venstre ventrikulær tryk og volumenbølgeformer og aortatryk beregnet ved 70% reduktion af aortaklappens åbningsområde. Forkortelser: FEA = finite elementanalyse; LV = venstre ventrikel. Klik her for at se en større version af dette tal.

Figure 5
Figur 5: Venstre ventrikulære PV-sløjfer i det sunde hjerte under akut stenoseinduceret trykoverbelastning og HFpEF-hjertet efter kronisk ombygning og stivhed. Forkortelser: EDPVRH = end-diastolisk trykvolumenforhold i det simulerede sunde hjerte; EDPVRHFpEF:end-diastolisk trykvolumenforhold i den simulerede HFpEF-fysiologi PV - trykvolumen; FEA = analyse af begrænsede elementer. Klik her for at se en større version af dette tal.

Figure 6
Figur 6: von Mises stress (gennemsnit: 75%) under fysiologiske forhold og af HFpEF-hjertet under top-systole og diastol, som forudsagt af FEA-modellen. Farvekortene angiver stressniveauer i MPa. Højere belastninger kan ses i HFpEF (92,7-2,7 kPa) sammenlignet med det sunde hjerte (61,1-0,5 kPa) under peak-systole (t = 0,2 s) og end-diastole (t = 1,0 s). Klik her for at se en større version af dette tal.

Figur S1: Indgangssignaler for (A) centrifugalpumpe, (B) venstre hjertekammer, (C) højre hjertekammer, (D) venstre og højre atria for den klumpede parametersimulering. Klik her for at hente denne fil.

Figur S2: (A) Aorta- og (B) mitralstrømssignaler for basis-, stenose- og HFpEF-profilerne, opnået af FEA. Forkortelser: E = tidlig afslapningsfase; A = atriesammentrækning; FEA = analyse af det begrænsede element; HFpEF = hjertesvigt med bevaret udslyngningsfraktion. Klik her for at hente denne fil.

Tabel S1. Geometriske og mekaniske parametre for baseline lumped-parameter simulering. Klik her for at hente denne tabel.

Tabel S2. Omfattende sæt parametre for baseline lumped-parameter simulering. Klik her for at hente denne tabel.

Tabel S3. Væskehulrumsværdier i FEA-model18(Mechanical Finite Element Analysis). Klik her for at hente denne tabel.

Tabel S4. Grænsebetingelser for væskeudvekslingsforbindelser til FEA-model (Finite Element Analysis)model 18. Klik her for at hente denne tabel.

Tabel S5. De nødvendige simuleringsfiler til FEA-model18(Finite Element Analysis). Klik her for at hente denne tabel.

Tabel S6. Parametre for simulering af aorta-stenose med klumpede parametre. Klik her for at hente denne tabel.

Tabel S7. Tabel S7: Rådets forordning (EØF) nr Definitioner af væskeudvekslingslinks i FEA-model18(Finite Element Analysis). Klik her for at hente denne tabel.

Tabel S8. Parametre for HFpEF-simulering af klumpede parametre. Klik her for at hente denne tabel.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

De klumpede parameter- og FEA-platforme, der blev foreslået i dette arbejde, opsummerede hjerte-kar-hæmodynamikken under fysiologiske tilstande, både i den akutte fase af stenoseinduceret trykoverbelastning og i kronisk HFpEF. Ved at indfange den rolle, som trykoverbelastning spiller i de akutte og kroniske faser af HFpEF-udvikling, er resultaterne fra disse modeller i overensstemmelse med HFpEF's kliniske litteratur, herunder starten på en transaortisk trykgradient på grund af aorta stenose, en stigning i venstre ventrikulære tryk og reduktionen i det end-diastoliske volumen på grund af vægstivning41. Desuden var denne FEA-model i stand til at fange højder i myokardiebelastning i HFpEF gennem hele hjertecyklussen. For at sikre en korrekt opsætning af disse simuleringer skal de trin, der er skitseret i protokolafsnittet ovenfor, følges nøje. For modellen med klumpede parametre er det vigtigt, at nettet af hydrauliske elementer genskabes korrekt som vist i figur 1, og at de foreskrevne værdier angives som inputparametre (tabel S1 og tabel S2). Derudover skal problemløserblokken defineres og tilsluttes netværket ved enhver node.

Funktionen af FEA-modellen kræver alle de simuleringsfiler, der er pakket med problemløseren18, der er angivet i tabel S5. Udeladelse af nogen af de nødvendige komponenter kan medføre tidlig afslutning af simuleringen. For begge platforme er det afgørende at opnå baseline-simuleringen med standardinputparametrene, før stenose- og HFpEF-hæmodynamiske profiler genskabes. Den oprindelige forskningsartikel, der skitserer basissimuleringen15 og den dokumentation, der er knyttet til simuleringen i de supplerende filer, kan konsulteres for fejlfinding af den klumpede parametermodel. På samme måde indeholder denne FEA-struktur softwaredokumentationen og værktøjskassemappen til fejlfinding18. I tilfælde af en simuleringsfejl kan brugeren aktivere simuleringsdiagnosticeringen ved at udføre de relative plug-ins i værktøjskassemappen18. Hæmodynamiske resultater fra modellen med klumpede parametre svarede til dem, der blev beregnet via FEA under hver af de simulerede forhold og i overensstemmelse med HFpEF's kliniske litteratur. Den høje dimensionelle FEA-platform gør det muligt at fange hjertets komplekse biomekaniske adfærd og giver en nøjagtig beskrivelse af kardiovaskulær hæmodynamik, omend på bekostning af den forhøjede beregningsmæssige efterspørgsel. I den klumpede parametermodel reduceres kørslen imidlertid fra flere timer til få minutter, hvilket udgør en betydelig fordel i forhold til højere orden i silicomodeller.

Derudover tillader denne lumped-parameter simulering ved at modellere et større antal kardiovaskulære rum undersøgelse af blodstrømme og tryk på forskellige steder i det kardiovaskulære træ og er derfor velegnet til undersøgelser, der strækker sig ud over hjertekamrene og den proksimale vaskulatur. Men selv om denne beskrivelse er i stand til at opsummere global hæmodynamik, opfanger den ikke nogle mindre virkninger af strukturelle interaktioner og mangler derfor den nøjagtighed, der er typisk for FEA-repræsentationer. Analyse af hjertemekanikken opnået i denne undersøgelse gennem den begrænsede elementtilgang bekræftede dem fra tidligere undersøgelser. Specifikt er disse gennemsnitlige stressværdier i samme interval som dem, der forudsiges af vækstmodeller af det delvist understøttede hjerte under kronisk svigt34,37. Sammenlignet med disse modeller var de stressværdier, der blev fundet i disse undersøgelser, der er beskrevet heri, moderat højere på grund af det forhøjede niveau af aorta stenose simuleret for at fremkalde trykoverbelastning. Desuden blev det konstateret, at tab af venstre ventrikulær overholdelse i HFpEF har en stor indvirkning på endocardial stress.

Diastolisk stivhed og dens følsomhed blev imidlertid ikke parametrisk undersøgt i denne undersøgelse. Faktisk var denne parameter indstillet til at fange den fysiologisk relevante hæmodynamiske profil af kronisk venstre ventrikeltryk overbelastning. Der bør udføres en omfattende følsomhedsanalyse for fuldt ud at karakterisere virkningerne af formindsket diastolisk overholdelse. Denne beregningsmodel tyder endvidere på, at biomekaniske ændringer i hjertestrukturen i HFpEF kan være en vigtig drivkraft for ombygning og dermed kan have betydelige konsekvenser for HFpEF-hæmodynamikken og sygdomsprogressionen. Integration af en dynamisk vækstmodel med fea-simuleringens væskestrukturinteraktion kan overvejes i det fremtidige arbejde for mere omfattende at indfange dynamikken i hjerteombygning og hæmodynamiske afvigelser forårsaget af trykoverbelastning. Desuden kan der være behov for yderligere undersøgelser af virkningerne af aktiv afslapning svarende til Kadry et al.30 og elektrisk ledning og sammentrækning for at simulere forskellige fænotyper af diastolisk dysfunktion.

Udviklingen af simuleringsplatforme, der er egnede til undersøgelser af HFpEF, er stort set underrapporteret i litteraturen. I denne sammenhæng giver dette arbejde et unikt miljø for undersøgelser af HFpEF-patofysiologien. Den anatomisk afledte lumped-parameter model vil muliggøre hurtig simulering af den effekt, som varierende patientspecifikke hæmodynamiske parametre (f.eks. vaskulært luminalt område og overholdelse) spiller i den globale hæmodynamik for sunde og HFpEF-forhold. Derudover giver FEA-modellering mulighed for en detaljeret undersøgelse af virkningerne af tidsmæssige ændringer i hjertevævets mekaniske egenskaber og excitabilitet, efterhånden som de ændres gradvist under HFpEF. Desuden har de foreslåede modeller mulighed for simulering af nye behandlingsformer for HFpEF, dels ved at afhjælpe manglen på pålidelig in vivo, in vitro og i silicomodeller af HFpEF, som kan være ansvarlige for suspension af kliniske forsøg på grund af utilstrækkelig optimering afudstyr 42. Endelig kan det fremtidige arbejde indebære integration af disse modeller i en enkelt simulering ved at erstatte den forenklede skema med klumpede parametre, der ligger til grund for FEA-tilgangen, med den numeriske problemløsermodel. Dette kan yderligere forbedre nøjagtigheden af disse modeller og yderligere støtte beregningsmæssige undersøgelser af HFpEF og andre hjerte-kar-tilstande.

Sammenfattende blev to forskellige beregningsmodeller af HFpEF beskrevet i denne undersøgelse. De udviklede platformes evne til at beskrive baseline hæmodynamik under fysiologiske forhold blev først påvist. Derefter blev de ændringer, der opstod som følge af aorta stenose og i sidste ende fra HFpEF på grund af venstre ventrikelombygning, undersøgt, hvilket viser, at resultaterne var i overensstemmelse med dem, der blev rapporteret i litteraturen. Endelig viste de simulerede hæmodynamiske forhold stigninger i hjertevægsstress i HFpEF-hjertet sammenlignet med fysiologiske tilstande. I forbindelse med den utroligt presserende sundhedsudfordring, som HFpEF repræsenterer, er disse foreslåede platforme blandt de første i silicobeskrivelser, der kan give indsigt i HFpEF's hæmodynamik og biomekanik. Disse beregningsmodeller kan yderligere anvendes som et redskab til udvikling af behandlinger for HFpEF, hvilket i sidste ende understøtter translationel forskning på området.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Der er ingen interessekonflikter forbundet med dette arbejde.

Acknowledgments

Vi anerkender finansiering fra Harvard-Massachusetts Institute of Technology Health Sciences and Technology program, og SITA Foundation Award fra Institute for Medical Engineering and Science.

Materials

Name Company Catalog Number Comments
Abaqus Software Dassault Systèmes Simulia Corp. Version used: 2018; FEA simulation software
HETVAL Dassault Systèmes Simulia Corp. Version used: 2018
Hydraulic (Isothermal) library MathWorks Version used: 2020a
Living Heart Human Model Dassault Systèmes Simulia Corp. Version used: V2_1, anatomically accurate FEA platform of 4-chamber adult human heart
MATLAB MathWorks Version used: 2020a, object-oriented numerical solver
SIMSCAPE FLUIDS MathWorks
UAMP Dassault Systèmes Simulia Corp. Version used: 2018
VUANISOHYPER Dassault Systèmes Simulia Corp. Version used: 2018

DOWNLOAD MATERIALS LIST

References

  1. Borlaug, B. A., Paulus, W. J. Heart failure with preserved ejection fraction: Pathophysiology, diagnosis, and treatment. European Heart Journal. 32 (6), 670-679 (2011).
  2. Borlaug, B. A., Kane, G. C., Melenovsky, V., Olson, T. P. Abnormal right ventricular-pulmonary artery coupling with exercise in heart failure with preserved ejection fraction. European Heart Journal. 37 (43), 3293-3302 (2016).
  3. Borlaug, B. A. Evaluation and management of heart failure with preserved ejection fraction. Nature Reviews Cardiology. 17 (9), 1-15 (2020).
  4. Carabello, B. A., Paulus, W. J. Aortic stenosis. The Lancet. 373 (9667), 956-966 (2009).
  5. Lam, C. S. P., Donal, E., Kraigher-Krainer, E., Vasan, R. S. Epidemiology and clinical course of heart failure with preserved ejection fraction. European Journal of Heart Failure. 13 (1), 18-28 (2011).
  6. Omote, K., et al. Left ventricular outflow tract velocity time integral in hospitalized heart failure with preserved ejection fraction. ESC Heart Failure. 7 (1), 167-175 (2020).
  7. Samson, R., Jaiswal, A., Ennezat, P. V., Cassidy, M., Jemtel, T. H. L. Clinical phenotypes in heart failure with preserved ejection fraction. Journal of the American Heart Association. 5 (1), (2016).
  8. Weber, K. T., Brilla, C. G., Janicki, J. S. Myocardial fibrosis: Functional significance and regulatory factors. Cardiovascular Research. 27 (3), 341-348 (1993).
  9. Borbély, A., et al. Cardiomyocyte stiffness in diastolic heart failure. Circulation. 111 (6), 774-781 (2005).
  10. Borlaug, B. A., Lam, C. S. P., Roger, V. L., Rodeheffer, R. J., Redfield, M. M. Contractility and Ventricular Systolic Stiffening in Hypertensive Heart Disease. Insights Into the Pathogenesis of Heart Failure With Preserved Ejection Fraction. Journal of the American College of Cardiology. 54 (5), 410-418 (2009).
  11. Penicka, M., et al. Heart Failure With Preserved Ejection Fraction in Outpatients With Unexplained Dyspnea. A Pressure-Volume Loop Analysis. Journal of the American College of Cardiology. 55 (16), 1701-1710 (2010).
  12. Owen, B., Bojdo, N., Jivkov, A., Keavney, B., Revell, A. Structural modelling of the cardiovascular system. Biomechanics and Modeling in Mechanobiology. 17 (5), 1217-1242 (2018).
  13. Zhou, S., et al. A review on low-dimensional physics-based models of systemic arteries: Application to estimation of central aortic pressure. BioMedical Engineering Online. 18 (1), 41 (2019).
  14. Sagawa, K., Lie, R. K., Schaefer, J. Translation of Otto frank's paper "Die Grundform des arteriellen Pulses" zeitschrift für biologie 37. Journal of Molecular and Cellular Cardiology. 22 (1899), 253-254 (1990).
  15. Rosalia, L., Ozturk, C., Van Story, D., Horvath, M., Roche, E. T. Object-oriented lumped-parameter modeling of the cardiovascular system for physiological and pathophysiological conditions. Advanced theory and simulations. , (2021).
  16. Lopez-Perez, A., Sebastian, R., Ferrero, J. M. Three-dimensional cardiac computational modelling: METHODS, features and applications. BioMedical Engineering Online. 14, 35 (2015).
  17. Xie, X., Zheng, M., Wen, D., Li, Y., Xie, S. A new CFD based non-invasive method for functional diagnosis of coronary stenosis. BioMedical Engineering Online. 17 (1), 36 (2018).
  18. Abaqus Dassault, S. SIMULIA living heart human model user documentation. , (2017).
  19. Baillargeon, B., Rebelo, N., Fox, D. D., Taylor, R. L., Kuhl, E. The living heart project: A robust and integrative simulator for human heart function. European Journal of Mechanics, A/Solids. 48, 38-47 (2014).
  20. Moscato, F., et al. Use of continuous flow ventricular assist devices in patients with heart failure and a normal ejection fraction: a computer-simulation study. The Journal of Thoracic and Cardiovascular Surgery. 145 (5), 1352-1358 (2013).
  21. Fresiello, L., Meyns, B., Di Molfetta, A., Ferrari, G. A Model of the Cardiorespiratory Response to Aerobic Exercise in Healthy and Heart Failure Conditions. Frontiers in Physiology. 7 (189), (2016).
  22. Moscato, F., et al. Left ventricle afterload impedance control by an axial flow ventricular assist device: a potential tool for ventricular recovery. Artificial Organs. 34 (9), 736-744 (2010).
  23. Colacino, F. M., Moscato, F., Piedimonte, F., Arabia, M., Danieli, G. A. Left ventricle load impedance control by apical VAD can help heart recovery and patient perfusion: a numerical study. Asaio Journal. 53 (3), 263-277 (2007).
  24. Gu, K., et al. Lumped parameter model for heart failure with novel regulating mechanisms of peripheral resistance and vascular compliance. Asaio Journal. 58 (3), 223-231 (2012).
  25. Suga, H., Sagawa, K., Kostiuk, D. P. Controls of ventricular contractility assessed by pressure-volume ratio, Emax. Cardiovascular Research. 10 (5), 582-592 (1976).
  26. Fernandez de Canete, J., Saz-Orozco, P. d, Moreno-Boza, D., Duran-Venegas, E. Object-oriented modeling and simulation of the closed loop cardiovascular system by using SIMSCAPE. Computers in Biology and Medicine. 43 (4), 323-333 (2013).
  27. Heldt, T., Shim, E. B., Kamm, R. D., Mark, R. G., et al. Computational modeling of cardiovascular response to orthostatic stress. Journal of Applied Physiology. 92 (3), 1239-1254 (2002).
  28. Granegger, M., et al. A Valveless Pulsatile Pump for the Treatment of Heart Failure with Preserved Ejection Fraction: A Simulation Study. Cardiovascular Engineering and Technology. 10 (1), 69-79 (2019).
  29. Hay, I., Rich, J., Ferber, P., Burkhoff, D., Maurer, M. S. Role of impaired myocardial relaxation in the production of elevated left ventricular filling pressure. American Journal of Physiology-Heart and Circulatory Physiology. 288 (3), 1203-1208 (2005).
  30. Kadry, K., et al. Biomechanics of diastolic dysfunction: a one-dimensional computational modeling approach. American Journal of Physiology-Heart and Circulatory Physiology. 319 (4), 882-892 (2020).
  31. Luo, C., Ramachandran, D., Ware, D. L., Ma, T. S., Clark, J. W. Modeling left ventricular diastolic dysfunction: classification and key indicators. Theoretical Biology & Medical Modelling. 8, 14 (2011).
  32. Burkhoff, D., et al. Left atrial decompression pump for severe heart failure with preserved ejection fraction: theoretical and clinical considerations. JACC: Heart Failure. 3 (4), 275-282 (2015).
  33. Ahmad Bakir, A., Al Abed, A., Stevens, M. C., Lovell, N. H., Dokos, S. A Multiphysics Biventricular Cardiac Model: Simulations With a Left-Ventricular Assist Device. Frontiers in Physiology. 9 (1259), (2018).
  34. Genet, M., Lee, L. C., Baillargeon, B., Guccione, J. M., Kuhl, E. Modeling pathologies of diastolic and systolic heart failure. Annals of Biomedical Engineering. 44 (1), 112-127 (2016).
  35. Sack, K. L., et al. Investigating the Role of Interventricular Interdependence in Development of Right Heart Dysfunction During LVAD Support: A Patient-Specific Methods-Based Approach. Frontiers in Physiology. 9 (520), (2018).
  36. Baillargeon, B., et al. Human cardiac function simulator for the optimal design of a novel annuloplasty ring with a sub-valvular element for correction of ischemic mitral regurgitation. Cardiovascular Engineering and Technology. 6 (2), 105-116 (2015).
  37. Sack, K. L., et al. Partial LVAD Restores Ventricular Outputs and Normalizes LV but not RV Stress Distributions in the Acutely Failing Heart in Silico. The International Journal of Artificial Organs. 39 (8), 421-430 (2016).
  38. Baumgartner, H., et al. Echocardiographic assessment of valve stenosis: EAE/ASE recommendations for clinical practice. Journal of the American Society of Echocardiography. 22 (1), 1-23 (2009).
  39. Rajani, R., Hancock, J., Chambers, J. The art of assessing aortic stenosis. Heart. 98, 14 (2012).
  40. Vahanian, A., et al. Guidelines on the management of valvular heart disease: The Task Force on the Management of Valvular Heart Disease of the European Society of Cardiology. European Heart Journal. 28 (2), 230-268 (2007).
  41. Matiwala, S., Margulies, K. B. Mechanical approaches to alter remodeling. Current Heart Failure Reports. 1 (1), 14-18 (2004).
  42. NIH Clinical Trials Registry. ImCardia for DHF to Treat Diastolic Heart Failure (DHF) Patient a Pilot Study (ImCardia). , (2011).

Tags

Engineering Lumped-parameter model Windkessel model finite element model levende hjerte model hjerte-kar-system aorta stenose hjertesvigt hjertesvigt med bevaret udslyngning fraktion HFpEF
Udformning af klumpede parametre og finite elementer af hjertesvigt med bevaret udslyngningsfraktion
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Rosalia, L., Ozturk, C., Roche, E.… More

Rosalia, L., Ozturk, C., Roche, E. T. Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction. J. Vis. Exp. (168), e62167, doi:10.3791/62167 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter