Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Logiciel d’analyse des données chronologiques de fréquence cardiaque et de pression artérielle de la manœuvre de Valsalva

1.7K vues

⸱

DOI :

10.3791/67222

⸱

27 juin 2025

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

Dans cet article

Résumé

Le logiciel ValsalvaAnalyzer comprend des fonctions permettant d’analyser en continu l’électrocardiogramme et les mesures de pression artérielle (PA) enregistrées pendant la manœuvre de Valsalva (VM). Les biomarqueurs cliniques calculés et les résultats estimés du modèle donnent un aperçu de la régulation sympathique et parasympathique de la fréquence cardiaque et de la pression artérielle pendant la MV.

Résumé

La manœuvre de Valsalva (VM) est un test à faible risque et très accessible qui mesure la réponse de la fréquence cardiaque (FC) et de la pression artérielle (PA) induites par le baroréflexe à la respiration forcée contre une pression intrathoracique de 40 mmHg pendant 15 s. Cette étude fait la démonstration du logiciel ValsalvaAnalyzer, qui combine modélisation et analyse de données pour extraire des biomarqueurs à partir de données chronologiques de TA et d’électrocardiogramme (ECG). Le logiciel, programmé dans MATLAB, intègre une interface utilisateur graphique, ce qui rend l’analyse des données et les prédictions de modélisation mathématique accessibles aux cliniciens. Le logiciel calibré pour les PC et les Mac lit les données ECG et BP mesurées pendant la VM. Il identifie automatiquement les pics R et S dans le signal ECG, avec vérification intégrée de l’utilisateur pour garantir la précision des signaux capturés. Les intervalles RR sont utilisés pour prédire la FC, et les changements d’amplitude du complexe QRS sont utilisés pour prédire la respiration. Les BP systolique et diastolique sont capturées, et l’utilisateur identifie le début et la durée de la VM à partir de la SBP. Le logiciel détecte automatiquement les quatre phases de la VM et la pression intrathoracique. Ce dernier est obtenu en fusionnant le signal respiratoire au repos avec la pression de 40 mmHg contre laquelle le sujet respire pendant la VM. Les marqueurs cliniques de MV les plus couramment rapportés, calculés à partir des données de HR et de TA, sont rapportés avec des estimations de paramètres spécifiques au patient obtenues à l’aide d’un modèle d’équations différentielles, qui prédit la dynamique sympathique et parasympathique. Le résultat final, sur plus de 35 mesures, comprend la tension artérielle et la FC, la FC maximale et minimale, le rapport de Valsalva et les mesures de la sensibilité baroréflexe, le tout enregistré dans une feuille de calcul. Le logiciel est destiné à analyser les données de la VM, mais la méthodologie peut être étendue à d’autres tests autonomes. Sa force réside dans la combinaison de quantités extraites de données brutes avec les résultats du modèle, en augmentant les données cliniques avec un modèle mathématique fournissant un aperçu de quantités autonomes incommensurables.

Introduction

La manœuvre de Valsalva est un test à faible risque, non invasif, peu coûteux et très accessible pour mesurer la fonction du système nerveux autonome par des exercices expiratoires forcés 1,2. La manœuvre est effectuée par les patients expirant dans un dispositif de pression expiratoire positive (PEP) connecté à un manomètre, maintenant une pression intrathoracique de 40 mmHg pendant 15 s, généralement en position couchée ou assise 2,3. Cette manœuvre met simultanément au défi les systèmes autonome et cardiovasculaire, imitant la réponse physiologique aux facteurs de stress tels que l’effort lors du levage d’objets lourds ou l’équilibrage de la pression en vol4. Ce test est fréquemment utilisé en milieu clinique 2,5, mais davantage d’outils sont nécessaires pour analyser les données quantifiant les mécanismes physiologiques sous-jacents. La modélisation neurologique appliquée à la VM peut faciliter l’identification de critères diagnostiques améliorés et de mécanismes causaux pour la dysfonction autonome5.

La VM comporte quatre phases6. Elle est facilitée par une apnée, qui augmente la pression intrathoracique, comprime les cavités cardiaques et l’aorte thoracique et vide le sang dans la circulation systématique, provoquant ainsi une augmentation transitoire de la pression artérielle. La phase I se caractérise par une augmentation continue de la pression intrathoracique, réduisant le flux sanguin veineux vers le cœur, le volume de l’AVC et la PA artérielle moyenne. En réponse, les barorécepteurs artériels à haute pression sont activés. La diminution de la PA au cours de la première partie de la phase II provoque un sevrage parasympathique, augmentant la FC. Au cours de la dernière partie de la phase II, l’excès sympathique médie la vasoconstriction, augmentant la PA et la HR. Chez les patients en bonne santé, la récupération de la tension artérielle est la valeur de repos avant de relâcher l’apnée. La phase III est réciproque à la phase I. Cette phase est initiée lorsque le patient relâche son apnée, ce qui provoque une forte diminution de la pression intrathoracique et de la pression artérielle, généralement suivie d’une augmentation de la FC. Dans la phase IV, l’augmentation du retour veineux vers le cœur et la vasoconstriction persistante à partir de la fin de la phase II entraînent une augmentation marquée de la PA appelée dépassement. La stimulation des barorécepteurs artériels à haute pression par le dépassement active le nerf vagal pour réduire la HR. On s’attend à ce que le patient récupère les valeurs pré-test environ 10 à 30 s après l’apparition de la MV 2,5.

Le VM est utilisé pour l’évaluation au chevet du patient des fonctions autonomes et cardiovasculaires7. Le biomarqueur le plus courant de la MV, le rapport de Valsalva (VR)8,9,10, mesure la fonction parasympathique comme le rapport entre l’intervalle RR le plus long après le début de l’apnée et l’intervalle RR le plus court. Il a déjà été établi que la tachycardie orthostatique posturale (POTS) est associée à une VR élevée et à un dépassement notable de la PA dans la phase IV11, égalementappelée réponse N 1. Une autre mesure est la sensibilité du baroréflexe vagal. Cette mesure est estimée dans la première partie des phases II et IV comme la pente de régression entre les intervalles RR et les variations caractéristiques de la PA 3,10,12,13,14. L’analyse qualitative des réponses de la PA à la VM peut identifier différents souffles cardiaques9, et une réponse distincte en ondes carrées est un indicateur au chevet de la fonction ventriculaire et de l’insuffisance cardiaque15,16. L’absence de dépassement de la PA et la présence d’une bradycardie après relâchement de l’apnée sont indicatives d’une dysautonomie13. La réponse en V avec baisse progressive de la pression artérielle à la fin de la phase II et récupération lente à la phase IV est caractéristique de l’hypotension orthostatique neurogène, indiquant une défaillance du baroréflexe alpha-adrénergique1. D’autres études ont démontré l’efficacité de l’utilisation du VM en complément du test d’inclinaison tête haute dans le dépistage des troubles orthostatiques 1,17,18.

De nombreuses études ont examiné la fonction autonome en analysant les réponses HR et BP au cours de la VM1, mais aucun système automatisé open source n’est disponible pour quantifier la fonction baroréflexe. De nombreuses études ont analysé les données des VM19, 20, 21, 22, et quelques logiciels se spécialisent dans la fonction autonome, notamment VitalScan de Medeia23 et Kubios24. VitalScan utilise les signaux ECG et BP, mais Kubios n’analyse que les signaux ECG. Le site Web VitalScan note que ce logiciel évalue la fonction autonome, mais qu’il manque une description détaillée des quantités calculées. Kubios détermine la variabilité de la FC (VFC) et le VR25. Pour combler ces lacunes, cette étude développe un nouveau logiciel open source qui calcule les indices VM les plus courants 1,25.

Le logiciel analyse les données ECG et BP mesurées lors d’une manœuvre VM en maintenant une pression intrathoracique de 40 mmHg pendant 15 s. Nous vous recommandons d’inclure au moins 30 s de données stables avant et après la machine virtuelle. Après avoir identifié la FC et la PA systolique, l’apparition et la libération de la VM, un ensemble de marqueurs cliniques est extrait. De plus, ce logiciel utilise le modèle mathématique de Randall et al.20 pour prédire la signalisation sympathique et parasympathique ainsi que les paramètres caractérisant la sensibilité baroréflexe. Deux caractéristiques essentielles sont la capacité de lire les données des signaux bruyants, d’identifier et de supprimer les artefacts, et la détection automatique avec correction manuelle des marqueurs VM. Ce dernier est vital pour les patients atteints de dysfonctionnement autonome, où la détection purement automatique échoue. Cette exposition comprend tous les résultats pour le sujet 1 et un protocole pour extraire les résultats pour les sujets 2 à 8. Les résultats pour le sujet 1 sont inclus dans le code, le texte et les figures, et les résultats pour tous les sujets sont présentés dans la figure supplémentaire 1, la figure supplémentaire 2, la figure supplémentaire 3, la figure supplémentaire 4, la figure supplémentaire 5, la figure supplémentaire 6, la figure supplémentaire 7 et la figure supplémentaire 8.

Le logiciel Valsalva Analyzer calcule les indices adrénergiques et vagals caractérisant la réponse à la manœuvre de Valsalva (VM) à partir de mesures ECG et BP continues. Pour faire la démonstration du logiciel, nous fournissons une brève description de la configuration expérimentale, suivie d’une description détaillée du logiciel. Le logiciel lit les données extraites des dossiers des patients stockés dans LabChart. L’analyse est démontrée sur un patient témoin en bonne santé, mais le logiciel comprend des données provenant de huit sujets présentant une gamme de réponses autonomes. Ci-dessous, nous abordons des exemples de patients et décrivons le protocole d’installation et d’exécution du logiciel. Le protocole inclut des références à des figures générées dans MATLAB. Pour les distinguer des chiffres inclus dans les résultats représentatifs, ceux-ci sont tous appelés MFigure #.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Trois exemples de données ont été sélectionnés parmi les donneurs de sang adultes de sexe masculin (âgés de 30 à 45 ans) éligibles au don de sang conformément à la législation danoise26, trois à partir d’une étude examinant les effets des opioïdes préopératoires sur des patients adultes (âgés de 40 à 61 ans) recevant des remplacements du genou et de la hanche27, et un d’un patient diagnostiqué avec un syndrome de tachycardie orthostatique posturale (POTS)28. Les études sur les BD et les opioïdes ont été approuvées par le comité d’éthique local au Danemark (H-19069845 et H-20071567, respectivement), enregistrées auprès de l’agence danoise de protection des données et enregistrées auprès de ClinicalTrials.gov (NCT04499664 et NCT04902222, respectivement). Le comité d’éthique des hôpitaux de Frederiksberg et de Bispebjerg, au Danemark, a approuvé l’utilisation des données pour diagnostiquer le POTS à des fins de recherche. Toutes les données ont été anonymisées avant d’être préparées à titre d’exemples pour ce logiciel, et tous les sujets pouvaient parler et comprendre le danois et ont donné leur consentement éclairé pour participer à leurs études respectives.

REMARQUE : Le logiciel fournit des outils permettant d’extraire des marqueurs à partir des mesures de l’ECG et de la tension artérielle du patient. Les utilisateurs peuvent entrer un numéro d’identification du sujet, l’âge, le sexe, le poids et la taille. Ces informations sont facultatives. Les utilisateurs sont encouragés à citer ce manuscrit. Le logiciel comprend des exemples de données provenant de mesures de l’ECG (canal 1), de la FC dérivée de l’ECG (canal 2) et de la TA (canal 3). Le tableau 1 comprend une description détaillée du patient et des notes du patient. Les huit exemples d’ensembles de données anonymisés fournis avec ce logiciel ont été extraits d’études publiées antérieurement 26,27,28. Les données ont été sélectionnées pour mettre en évidence les caractéristiques observées au cours de la VM. L’intention est de démontrer les fonctionnalités du logiciel, et non de mener une étude clinique spécifique. Les critères d’exclusion pour les études sur les donneurs de sang et les opioïdes comprennent l’abus d’alcool et de drogues, l’utilisation habituelle d’opioïdes, l’arythmie ou l’insuffisance cardiaque, les antécédents d’hypotension orthostatique. Les critères d’exclusion qui ne sont pas explicitement énumérés pour chaque étude sont énumérés auxparagraphes 26 et 27.

PatientÂge (années)Sexe (h/f)Hauteur (cm)Poids (kg)IMC (kg/m2)Notes
Sujet 135m1769229.7 (OB)Réponse normale
Sujet 231m1807021,6 (NW)Réponse normale
Sujet 330m1879326,6 (ow)Grand dépassement dans la phase IV. Artefacts FC dus au bruit du signal ECG
Sujet 442m1757624,5 (nord-ouest)Réponse en V typique de la dysfonction autonome. Effet chronotrope insuffisant en phase II. Pas de récupération de la PA à la fin de la phase II. Dépassement manquant dans la phase IV.  Long PRT
Sujet 537f1658531.2 (OB)Pas de dépassement dans la phase IV
Sujet 661f17010737,0 (ob)Récupération inadéquate de la PA à la fin de la phase II. La PA maximale n’est pas égale à la PA finale à la fin de la phase II
Sujet 742m1778426,8 (ow)Dépassement manqué dans la phase IV
Sujet 858f1667727,9 (ow)Baisse négligeable de la PA au début de la phase II. Artefacts HR dus au bruit du signal ECG. Artefacts BP dans la phase IV
nw : IMC de poids normal (18,5-25), ow : surpoids (IMC (25-30), obèse (IMC > 30)26

Tableau 1. Veuillez cliquer ici pour télécharger ce tableau.

1. Dispositif expérimental

  1. Recueillir des mesures continues de la tension artérielle à partir d’un brassard de tensiomètre placé sur l’index et le majeur de la main non dominante (figure 1A). Positionnez la main au niveau du cœur pour éliminer les effets de la gravité (Figure 1B).
  2. Mesurez l’ECG à l’aide d’un ECG standard à 3 électrodes avec des électrodes placées à égale distance du cœur au niveau de l’oreillette gauche et de l’oreillette droite et sur le bord inférieur gauche de la cage thoracique. Après l’instrumentation, effectuez la manœuvre de Valsalva en expirant le sujet dans un dispositif à pression positive en fin d’expiration (PEP) connecté à un manomètre (Figure 1C,D).
  3. Demandez au sujet de respirer normalement pendant 1 à 5 minutes jusqu’à ce qu’un signal stable soit généré. Pour disposer de suffisamment de données pour l’analyse, enregistrez des signaux stables pendant au moins 30 s avant et après la machine virtuelle. Effectuez la VM en demandant au sujet d’expirer pendant 15 s, en maintenant une pression de 40 mmHg (Figure 1D). Pendant l’enregistrement, si possible, désactivez l’étalonnage pour éviter les interruptions dans le signal BP.
  4. Le logiciel analyse les signaux exportés de LabChart vers MATLAB à 1 000 Hz. Dans le menu Exporter en tant que MATLAB, incluez les canaux avec les signaux ECG, HR et BP, ainsi que la pression intrathoracique si elle est enregistrée. Notez les numéros de canal pour chaque signal. Dans le menu, choisissez Pinte flottante 32 bits, Suréchantillonner au même taux, Décommenter les commentaires et Marqueurs d’événement. Cliquez sur OK pour exporter le fichier .mat et sur Annuler pour arrêter l’exportation.

figure-protocol-1
Figure 1 : Instrumentation, brassard de tension artérielle, placement de l’ECG, moniteur, équipement VM. (A) Montage du brassard BP sur l’index et le majeur de la main non dominante. (B) Les brassards BP des doigts sont fixés au niveau du cœur, à l’aide d’un bandage CoFlex cohésif pour éliminer les effets de la gravité. (C) dispositif PEP fixé à un manomètre. (D) Le sujet assis expire dans un appareil à pression expiratoire positive (PEP) relié à un manomètre, maintenant une pression intrathoracique de 40 mmHg pendant 15 secondes. (E) Le module CNAP mesure en permanence la tension artérielle et est connecté à un ordinateur qui traite et enregistre les données à l’aide de LabChart. Veuillez cliquer ici pour voir une version agrandie de cette figure.

2. Installation du logiciel, téléchargement des données et démarrage

REMARQUE : ce protocole décrit comment exporter des signaux de LabChart vers MATLAB, mais il ne dépend pas des enregistrements stockés dans ce logiciel. Nous nous référons à leurs manuels pour les signaux enregistrés par d’autres logiciels et notons qu’une conversion peut être nécessaire pour exporter les enregistrements dans le bon format. Les données doivent inclure des mesures continues de séries chronologiques de l’ECG et de la TA.

  1. Téléchargez le logiciel ValsalvaAnalyzer. Clonez le référentiel GitHub à l’https://github.com/msolufse/ValsalvaAnalyzer. Cliquez sur le bouton vert Code . Cliquez sur Télécharger le fichier ZIP.
  2. Naviguez jusqu’au dossier ValsalvaAnalyzer. Le script principal DriverBasic.m doit être remplacé par le dossier ValsalvaAnalyzer, et tous les autres scripts (fichiers .m) doivent être dans le dossier Core. Le logiciel comprend des sous-dossiers : Figures, Markers, Optimized, Sensibilités et WS.
    REMARQUE : Le dossier Figures stocke les figures générées. Ce dossier contient deux sous-dossiers (Données et Model_fits) : les magasins de données pour les figures générées à partir de l’analyse des données et les figures générées par le modèle d’équations différentielles. Le dossier Labchart comprend les fichiers .mat exportés, mais pas les fichiers LabChart d’origine. Le dossier Marqueurs contient les feuilles de calcul avec les ratios cliniques (un fichier par sujet). Les dossiers Sensibilités et Optimisé incluent des fichiers .mat avec les sensibilités et les valeurs de paramètres estimées. Le dossier WS contient les fichiers .mat générés lors du nettoyage des données. Le dossier principal ValsalvaAnalyzer comprend DriverBasic.m, le script de base nécessaire à l’exécution du programme. Lors du téléchargement du logiciel. Le dossier Labchart comprend des fichiers .mat pour chacun des huit sujets d’exemple, tandis que les dossiers contenant les résultats (Marqueurs, Sensibilités, Optimisé et WS) n’ont que des résultats pour le sujet 1. Au fur et à mesure que les exemples de jeux de données du dossier sont analysés, les fichiers de sortie sont stockés dans ces dossiers. Le fichier Patientinfo.xls (et le tableau 1) comprend des renseignements sur les patients (âge (années), sexe (h/f), taille (cm), poids (kg) et IMC (kg/m2)) pour chacun des huit exemples d’ensembles de données. Le poids est caractérisé comme normal (nw), surpoids (ow) ou obèse (ob)29, et il est noté si le sujet a une réponse MV normale ou pathologique.
  3. Pour exécuter le logiciel, allez dans le dossier ValsalvaAnalyzer et ouvrez le fichier DriverBasic.m dans MATLAB. Dans le panneau supérieur, cliquez sur Éditeur, puis sur le triangle vert intitulé Exécuter pour exécuter le programme.

3. Plate-forme logicielle

REMARQUE : le logiciel distribué par GitHub a été testé sur Windows (Windows 11 Education) et Mac (MacOS Sonoma, version 14.3) et utilise MATLAB (version R2023a). Les valeurs par défaut sont définies sur l’environnement MacOS avec des suggestions pour Windows.

  1. Dans le menu contextuel Sélectionner les paramètres de la figure, sélectionnez le type de plate-forme logicielle, la taille de la police de la figure, la taille du marqueur et la largeur de ligne.
  2. Cliquez sur OK pour accepter et passer à l’étape 4 ou cliquez sur Annuler pour mettre fin au programme.

4. Sélection des patients

REMARQUE : Cette étape implique la sélection et l’analyse des données. Le logiciel lira les fichiers .mat à partir du dossier Labchart.

  1. Sélectionnez n’importe quel nombre de patients dans la liste à l’aide de la souris. Le bouton Sélectionner tout marque tous les patients. Les étiquettes des patients sont déterminées à partir des noms de fichiers. Ceux-ci sont utilisés dans tous les fichiers exportés. Cliquez sur OK pour passer à l’étape 5 ou sur Annuler pour quitter le programme.

5. Sélection de l’opération

REMARQUE : Les méthodes d’analyse des données sont répertoriées dans un menu indiquant les opérations disponibles. Il s’agit notamment de méthodes de nettoyage des données ECG et BP, d’identification des phases de VM et de calcul des fonctionnalités de VM. La première est réalisée sur les données brutes en utilisant la fréquence d’échantillonnage intégrée dans les mesures (les exemples ci-joints sont échantillonnés à 1 000 Hz). Les caractéristiques d’identification VM utilisent des signaux HR nettoyés et SBP systoliques sous-échantillonnés à 10 Hz. Les données sous-échantillonnées sont également utilisées pour déterminer les signaux sympathiques et parasympathiques obtenus en résolvant le modèle d’équations différentielles par Randall et al.20 Les figures générées sont enregistrées sous forme de fichiers .png et stockées dans le dossier Figures et les nombres générés sont stockés dans une feuille de calcul (.xlsx) dans le dossier Markers. La figure 2 illustre la disposition des fonctions de ce logiciel.

figure-protocol-2
Figure 2 : Opérations logicielles. Après avoir sélectionné les patients, le logiciel offre la possibilité de corriger les signaux mesurés, y compris (1) l’ECG, à partir duquel la fréquence cardiaque et la respiration sont extraites, (2) le signal de pression artérielle (PA) battement à battement à partir duquel la TA systolique et diastolique est extraite. Après ces procédures, le logiciel identifie les phases de manœuvre de Valsalva et extrait des biomarqueurs cliniques. Enfin, nous offrons la possibilité d’exécuter un modèle computationnel prédisant la fonction baroréflexe. Veuillez cliquer ici pour voir une version agrandie de cette figure.

  1. Sélectionnez la ou les opérations à effectuer dans le menu de sélection des sous-ensembles. Effectuez les opérations par ordre décroissant, par exemple, les informations sur le patient doivent être saisies avant l’analyse de l’ECG. Si plus d’un sujet et d’une tâche sont sélectionnés dans le menu Sélection de l’opération à l’étape 4, le logiciel effectuera la première tâche pour tous les sujets avant de passer à la tâche suivante.
    1. Le logiciel comprend les opérations suivantes : Information du patient (Opération 1, Étape 6) ; L’électrocardiogramme (ECG ; Opération 2, étape 7) ; Fréquence cardiaque (FC ; Opération 3, étape 8) ; respiration (opération 4, étape 9) ; La pression artérielle (PA ; Opération 5, étape 10) ; Phases VM (Opération 6, Étape 11) ; rapports cliniques (opération 7, étape 12) ; Prédiction du modèle (nominale ; Opération 8, étape 13) ; l’analyse de sensibilité (opération 9, étape 14) ; optimisation (opération 10, étape 15) ; Tracer les prédictions du modèle (Opération 11, étape 16) ; Résumé (Opération 12, étape 17).
  2. Après avoir sélectionné les opérations, cliquez sur OK pour passer à l’opération ou cliquez sur Annuler pour revenir à l’étape 4.

6. Information du patient (Opération 1)

REMARQUE : La première opération consiste à saisir les caractéristiques du patient (ID, âge, sexe, taille et poids) les numéros de canal du fichier Labchart exporté (ECG, HR, BP, pression intrathoracique - si disponible) et à identifier la plage horaire pour l’analyse des données.

  1. Entrez l’identifiant du patient (entier), l’âge (entier, années), le sexe (h/f, homme/femme), la taille (nombre réel, cm) et le poids (nombre réel, kg). Cliquez sur OK pour continuer ou sur Annuler pour revenir à l’étape 5. Le logiciel s’exécutera sans sélections. Les valeurs caractéristiques pour les huit sujets sont énumérées dans le tableau 1. Ces valeurs ne sont pas utilisées dans l’analyse des données, mais peuvent être utiles pour les statistiques récapitulatives.
  2. Identifiez dans quel canal chaque signal est stocké, les valeurs par défaut sont : Canal 1 (ECG), canal 2 (HR), canal 3 (BP), canal 4 (pression intrathoracique - Pth) est réglé sur 0. Les exemples de jeux de données 1 à 8 n’incluent pas ce signal.
  3. La référence 1 (Figure 3) affiche l’ECG (mV) en haut, la FC (bpm) au centre et la PA (mmHg) en bas en fonction du temps (secondes). Sélectionnez les données à analyser. Incluez environ 20 s avant et après la machine virtuelle.
  4. En positionnant le réticule, cliquez une fois avec la souris au début (~20 s avant la VM) et une seconde fois à la fin (~20 s après la VM). Les données sélectionnées apparaîtront en rouge dans MFigure 1. Cliquez sur Enregistrer et quitter. MFigure 1, avec les données sélectionnées, sera enregistré dans le dossier Figures/Données sous le nom [nom du patient] + _dataAnalyzed.png.

figure-protocol-3
Figure 3 : Les graphiques illustrent les données ECG (mV, en haut), la fréquence cardiaque (FC bpm, au centre) et la pression artérielle (mmHg, en bas). La trace bleue montre toutes les données extraites de LabChart, et la trace rouge montre les données sélectionnées pour l’analyse dans cette étude. La région rouge contenant l’ECG, la FC et la PB commençant et se terminant ~20 secondes avant et après la manœuvre VM. Veuillez cliquer ici pour voir une version agrandie de cette figure.

7. Électrocardiogramme (Opération 2)

REMARQUE : L’opération 2 consiste à identifier les pics R et Q ou S dans le signal ECG (suppression et/ou ajout de pics manquants). Cette opération est effectuée sur les données brutes échantillonnées à 1 000 Hz. L’amplitude du complexe QRS (la distance absolue entre les pics R et Q ou S) est utilisée pour créer le signal respiratoire avant et après l’apnée.

  1. MFigure 1 affiche le signal ECG (ligne noire). Les pics R détectés automatiquement sont marqués en rouge et les pics Q ou S en cercles bleus. L’objectif est de corriger les pics mal placés. Le nombre total de pics R et Q ou S est imprimé à droite du graphique. Cette tâche ne peut être accomplie que si le nombre de pics R et S est le même. Pour corriger les pics mal placés, faites défiler avec la main vers la droite le signal et arrêtez-vous lorsque les pics à corriger sont dans la fenêtre. La figure 4 montre un exemple d’un pic S supplémentaire mal placé et du signal après la suppression du pic.
    REMARQUE : Les pics R et S sont identifiés à l’aide de la méthodologie décrite par Randall et al.20. Cet algorithme utilise findpeaks.m pour trouver des pics entre 25 % et 200 % du signal moyen. La fréquence d’échantillonnage est de 1 000 Hz (encodée dans les données) et la MinPeakDistance est réglée sur 1,5. Les pics R sont trouvés à partir du signal brut, et les pics S (ou Q) sont trouvés en analysant le négatif du signal. Il convient de noter que pour certains jeux de données, l’algorithme identifiera les pics S et pour certains pics Q. La figure 4A en montre des exemples. L’amplitude QRS est utilisée pour déterminer la respiration telle que décrite par Randell et al.20.
  2. Répétez la correction jusqu’à ce que le nombre de pics S et R soit le même en suivant les étapes décrites ci-dessous.
    1. Pour corriger les pics mal placés, faites défiler vers la droite et arrêtez-vous lorsque le(s) pic(s) à corriger se trouvent dans la fenêtre.
    2. Si un pic est manquant, mal placé ou si un pic supplémentaire est marqué, faites défiler jusqu’à l’emplacement du pic. Appuyez sur la touche Entrée du clavier et un réticule apparaît. Cliquez sur le point à corriger. La requête de menu suivante est la suivante : Ajouter ou supprimer un point ? Sélectionnez Ajouter (étape 7.2.3), Supprimer (étape 7.2.4) ou Annuler, en revenant à l’étape 7.2.1.
    3. Cliquez sur Ajouter, et le point marqué sera ajouté et apparaîtra en rouge (pic R) ou en bleu (Speak). Le programme utilisera l’emplacement exact du clic et classera automatiquement le point comme R ou S.
    4. Cliquez sur Supprimer et le point marqué sera supprimé. Répétez cette étape si le point ne disparaît pas, en revenant à la tâche 7.2.2.
  3. Répétez l’étape 7.2 jusqu’à ce que tous les pics R et S soient correctement identifiés et que le nombre de pics R et S (ou Q) soit le même. Appuyez ensuite sur la touche Entrée du clavier. À l’invite demandant de corriger des points, cliquez sur Non. Continuez avec l’opération 3 (HR). Si la série chronologique ne comporte pas d’erreurs, mais que le nombre de pics R et S (ou Q) n’est pas identique. Pour corriger cette erreur, revenez à l’étape 7.2. Notez que pour assurer la cohérence d’un signal, choisissez les crêtes S ou Q.
  4. Si l’utilisateur clique sur Non alors que le nombre de pics R et S n’est pas identique, un nouveau menu s’affiche, indiquant que le nombre de pics R et S doit être égal. Inspectez les données. Cliquez sur OK et le code revient à l’étape 7.2.

figure-protocol-4
Figure 4 : Graphiques utilisés pour guider la correction de l’ECG (mV). La figure montre le tracé de l’ECG (noir), les ondes R (cercles rouges) et les ondes S (cercles bleus). (A) Le graphique a une onde S mal placée. En (B), cette onde S a été supprimée. Un signal ECG propre aura le même nombre de pics R et S, comme indiqué sur le côté droit du graphique. Veuillez cliquer ici pour voir une version agrandie de cette figure.

8. RH (Opération 3)

REMARQUE : Cette étape consiste à convertir les intervalles RR en FC. Une fois que le signal ECG a été corrigé (comme décrit ci-dessus), pour la plupart des ensembles de données, le signal HR est lisse. Cependant, si le signal HR présente des artefacts (exemple illustré à la figure 5A). L’opération 3 offre la possibilité de corriger le signal (exemple illustré à la figure 5B).

figure-protocol-5
Figure 5 : Graphiques utilisés pour guider la correction de la fréquence cardiaque (FC, bpm). (A) Fréquence cardiaque (ligne bleue) générée à partir de l’ECG corrigé. Les petits cercles bleus marquent les moments où le cœur bat. (B) Exemple d’une spline reliant deux points (ligne verte), supprimant un artefact du signal de fréquence cardiaque. Veuillez cliquer ici pour voir une version agrandie de cette figure.

  1. Le MFigure 1 (Figure 5A) affiche la FC (bpm) dans le panneau supérieur et l’ECG (mV) dans le panneau inférieur. La FC (bpm) est calculée à partir des pics RR corrigés de l’ECG. Si le signal HR ne contient pas d’artefacts, cliquez sur Enregistrer et quitter, puis passez à l’opération 4 (Respiration). S’il y a des erreurs dans les données (comparez les deux panneaux de la figure 5), cliquez sur Corriger la fréquence cardiaque et passez à l’étape 8.2.
  2. Faites défiler le signal HR et localisez les artefacts. Appuyez sur la touche Entrée du clavier lorsque vous affichez une région à corriger. Passez à l’étape 8.3.
  3. Cliquez sur OK dans le menu Interrogation Cliquez sur les points pour vous connecter. Alignez le réticule sur le premier point avant l’artefact et cliquez une fois avec la souris. Ensuite, alignez le réticule sur le premier point après l’artefact et cliquez une deuxième fois avec la souris. Une spline linéaire (tracée en vert) relie les deux points. Un menu demande : Accepter la monnaie ? Réponses : Oui (passez à l’étape 8.3.1), Annuler (passez à l’étape 8.3.2) et Ajouter une modification (passez à l’étape 8.3.3).
    1. Sélectionnez Oui pour accepter la spline linéaire, quittez cette opération et revenez à l’étape 4. Sélectionnez Annuler pour supprimer la spline linéaire et revenir à l’étape 8.2. Sélectionnez Ajouter pour conserver la spline linéaire et revenir à l’étape 8.2 pour autoriser des corrections supplémentaires.
  4. MFigure 1 affiche la FC (bpm) et l’ECG (mV) dans les panneaux supérieur et inférieur. La figure est enregistrée dans le dossier Figures/Données sous le nom [nom du patient] + _HeartRateECG.png. Pour continuer, appuyez sur Enregistrer et quitter. Les signaux seront stockés à la fréquence d’échantillonnage (1 000 Hz pour les exemples de jeux de données) intégrée dans les mesures.

9. Respiration (Opération 4)

REMARQUE : Un signal de respiration est extrait du signal ECG corrigé en calculant l’amplitude du complexe QRS, en ajustant une spline polynomiale polynomiale d’Hermite cubique par morceaux (en utilisant interp1.m avec la méthode pchip) à travers cette différence, comme décrit dans l’étude de Randall et al.20.

  1. La figure 1 (figure 6) représente le signal respiratoire extrait de la différence entre les pics R et S corrigés. Inspectez le graphique, cliquez sur Enregistrer et quitter, puis passez à l’opération 5 (pression artérielle). MFigure 1 sera enregistré dans le dossier Figures/Données sous le nom [nom du patient] + _RespiratorySignal.png.

figure-protocol-6
Figure 6 : Signal respiratoire. Le signal respiratoire (ligne bleue) généré à partir de l’intervalle QRS change d’amplitude, comme décrit par Randall et al.20. Veuillez cliquer ici pour voir une version agrandie de cette figure.

10. Pression artérielle (Opération 5)

REMARQUE : Cette étape implique l’extraction de la pression artérielle systolique et diastolique. Deux courbes sont formées en générant une spline à travers des points de données sélectionnés. Pour cette opération, l’utilisateur peut corriger les courbes détectées automatiquement. Étant donné le changement significatif de la tension artérielle, une correction est probablement nécessaire immédiatement après le relâchement de l’apnée.

  1. Le MFigure 1 (illustré à la figure 7A) affiche une fenêtre zoomée avec les données de BP. Alignez le réticule avec un pic de BP et cliquez une fois avec la souris. Ensuite, alignez le réticule sur le pic suivant à droite et cliquez à nouveau. La distance entre les deux pics permet d’estimer la durée du cycle cardiaque. Cette distance est nécessaire pour identifier les pics systoliques et diastoliques. MFigure 2 (Figure 7B,C) s’affiche, affichant les signaux systoliques et diastoliques détectés automatiquement.
    REMARQUE : Les pics systolique et diastolique sont trouvés à l’aide de peaks2.m, qui saisit la durée du cycle cardiaque au repos pour définir la distance minimale de crête. Semblable à R. Les pics systoliques sont trouvés directement à partir du signal, et les pics diastoliques sont trouvés en analysant le signal négatif.
  2. Correction de la pression artérielle systolique : Un menu apparaît, demandant : Voulez-vous corriger les points systoliques ? Appuyez sur Oui (étape 10.4) pour lancer un protocole de correction de la tension artérielle systolique et sur Non (étape 10.3) pour procéder à la correction de la tension artérielle diastolique.
  3. La correction de la pression artérielle diastolique commence par un menu demandant : Voulez-vous corriger les points diastoliques ? Appuyez sur Oui (étape 10.4) pour lancer un protocole de correction de la tension artérielle diastolique et sur Non pour continuer. Appuyez sur Enregistrer et quitter et continuez avec l’opération 6 (phases de manœuvre de Valsalva).
    REMARQUE : Le protocole de correction de la pression artérielle diastolique est identique à celui de correction de la pression artérielle systolique ; les deux sont décrits à l’étape 10.4.
  4. MFigure 2 affiche un zoom des données des 40 premières secondes. Inspectez la région et continuez à faire défiler jusqu’à ce qu’un point incorrect apparaisse (trace corrigée illustrée à la Figure 7B,C). Appuyez sur la touche Entrée du clavier et placez le réticule sur le dernier pic correct avant le(s) point(s) égaré(s), cliquez sur ce point et continuez à déplacer le réticule, en cliquant sur tous les points à corriger, en terminant par un point correct. Appuyez sur Entrée lorsque vous avez terminé. Une ligne pointillée apparaît reliant les points corrigés (exemples illustrés aux figures 7B et C).
    REMARQUE : La correction peut être répétée jusqu’à ce qu’il ne soit plus nécessaire de modifier les segments. Pour chaque section, les points corrigés sont reliés par une ligne pointillée rouge (SBP) et verte (DBP) attachée à des points existants à chaque extrémité. Le signal BP continu, tracé en bleu, est utilisé comme guide. Le système enregistrera les pics cliqués même s’ils ne sont pas alignés avec le signal BP. Cette opération corrige les signaux systoliques et diastoliques. Dans chaque signal, seuls les points corrects associés au signal, c’est-à-dire n’essayez pas de corriger les points diastoliques lors de la correction de la TA systolique ou vice versa.

figure-protocol-7
Figure 7 : Correction de la pression artérielle. (A) Zoom du signal de la pression artérielle au repos. L’utilisateur est invité à cliquer sur deux pics consécutifs pour déterminer la durée moyenne du cycle cardiaque. (B) Un zoom de la pression systolique (rouge) et diastolique (verte) d’origine et corrigée. Dans ce panneau, les mesures continues de la pression artérielle (mmHg) sont indiquées en bleu. (C) Les signaux de pression artérielle systolique (rouge) et diastolique (vert) originaux et corrigés sur la plage temporelle analysée. Dans tous les panneaux, le signal BP continu battement à battement est représenté par une ligne bleue, le SBP par une ligne rouge et le DBP par une ligne verte. Pour les signaux SBP et DBP, chaque cycle cardiaque est marqué par de petites étoiles. Veuillez cliquer ici pour voir une version agrandie de cette figure.

11. Phases de manœuvre de Valsalva (VM) (Opération 6)

REMARQUE : L’opération 6 implique la détection de la machine virtuelle. Cette opération utilise les données HR, SBP, DBP et les données de pression intrathoracique (si disponibles) sous-échantillonnées à 10 Hz. L’utilisateur est invité à identifier le début et le relâchement de l’apnée. L’apnée commence à la valeur la plus basse de la PA avant le premier pic et est relâchée à la valeur de la PA avant la deuxième chute de la PA. Après avoir identifié ces points, le logiciel détermine les quatre phases de la VM à partir des caractéristiques des signaux. Ceux-ci peuvent être corrigés manuellement, ce qui est particulièrement important lors de l’analyse des données pour des réponses hémodynamiques anormales.

  1. MFigure 1 représente la PA continue (ligne fine) et systolique (TAS, ligne en gras) dans le panneau supérieur (mmHg), la FC (bpm) dans le 2epanneau , la respiration (Resp, mV) dans le 3epanneau et l’ECG (mV) dans le panneau inférieur Si la pression intrathoracique est disponible, ce signal sera affiché dans le 3e panneau (Pth, mmHg), et le signal respiratoire (Resp, mV) dans le 4ème panneau. Les phases de Valsalva sont automatiquement détectées et le logiciel passe à l’étape 1.3 pour les jeux de données sans mesures de Pth. Pour marquer le début de la VM, alignez le réticule avec le début de l’apnée (le minimum de la TAS immédiatement avant l’augmentation significative de la TAS et la diminution de la FC) et cliquez une fois avec la souris.
  2. Pour marquer la fin de la VM, alignez le réticule avec l’extrémité de l’apnée (la valeur de la tension artérielle immédiatement avant la 2ème chute de la pression rapide) et cliquez une fois avec la souris. Ces points sont utilisés pour déterminer les quatre phases VM dans MFigure 2, affichant la PA (mmHg) dans le panneau supérieur, la FC (bpm) dans le panneau central et la respiration (Resp, mV) dans le panneau inférieur. Si la pression intrathoracique (mmHg) est mesurée, elle est indiquée entre la fréquence cardiaque et les panneaux respiratoires.
  3. Un menu interroge : Accepter les indices ? Sélectionnez Oui pour terminer l’opération et passer à l’opération 7 (rapports cliniques). Sélectionnez Non pour inspecter la détection automatique des phases délimitées par des lignes verticales.
  4. Un menu interroge : Correction d’index. Sélectionnez une, plusieurs phases ou toutes les phases, puis cliquez sur OK pour passer à l’étape 10.4 pour la correction ou sur Annuler pour revenir à l’étape 11.1.
  5. Un réticule apparaît dans MFigure 2. La deuxième ligne du titre décrit la phase en cours de correction. Pour la phase sélectionnée, cliquez sur l’heure, en marquant le début de la phase. Répétez cette opération jusqu’à ce que toutes les phases sélectionnées aient été corrigées. Les temps corrigés sont indiqués par des lignes verticales rouges. Une fois que toutes les phases sélectionnées ont été corrigées, le menu réapparaît, demandant : Accepter les indices ? Cliquez sur Oui pour passer à l’étape 11.5 et sur Non , vous revenez à l’étape 11.1. Notez que les phases doivent être corrigées dans l’ordre séquentiel.
  6. MFigure 3 (Figure 8) affiche les phases finales de la machine virtuelle. La figure montre la pression artérielle (mmHg) dans le panneau supérieur, la fréquence cardiaque (bpm) dans le panneau central et la pression thoracique (Pth, mmHg) dans le panneau inférieur. Ce signal est obtenu en fusionnant le signal respiratoire extrait avec la pression intrathoracique mesurée ou calculée appliquée pendant l’apnée. Les quatre phases sont ombrées en gris. Cliquez sur Enregistrer et quitter et passez à l’opération 7 (Rapports cliniques). Cette figure sera enregistrée dans le dossier Figures/Données sous le nom de [nom du patient] + _VMphases.png.

figure-protocol-8
Figure 8 : Phases I à IV de Valsalva. Le graphique du haut montre la pression artérielle continue (bleu clair) et systolique (ligne bleue épaisse) ; Le deuxième panneau montre la fréquence cardiaque et le panneau inférieur montre la pression thoracique. Ce dernier est obtenu en fusionnant le signal respiratoire avec la pression pendant l’apnée (réglée à 40 mmHg). Les phases I et III de Valsalva sont marquées par des panneaux gris. Les valeurs de référence (SBP moyenne, FC avant et après la VM) sont indiquées par des lignes pointillées horizontales. Veuillez cliquer ici pour voir une version agrandie de cette figure.

12. Rapports cliniques (Opération 7)

REMARQUE : Cette étape calcule les rapports cliniques caractérisant la MV à l’aide de la FC, de la RR et de la TAS, données sous-échantillonnées à 10 Hz. Tous les facteurs sont énumérés dans le tableau 2. Il s’agit notamment des caractéristiques du patient (ID du patient, âge, sexe, taille et poids), de la durée des phases de VM, des intervalles minimaux et maximaux de BP, HR, RR au sein de chaque phase de VM30,31 et du temps de récupération de la pression32,33. La pente et la qualité de l’ajustement (valeur R2) des lignes de régression HR et RR au début de la phase II (ligne cyan) et IV (ligne brune), caractérisant la stimulation vagale et l’augmentation de la pression au début (ligne cyan) et tardive (ligne bleue) Phase II et au début de la phase IV (ligne brune). Ce dernier détermine la stimulation sympathique. De plus, le logiciel caractérise la modification des marqueurs SBP, vagal 1,32,34,35 et adrénergique (BRS)1,32,33,36. Là encore, les phases et les points détectés automatiquement peuvent être corrigés si nécessaire. Par exemple, la PA maximale et la FC minimale au début de la phase IV sont souvent mal alignées. La figure 9 illustre les rapports cliniques avant (tableau de la figure 9A) et après la correction (tableau de la figure 9B). La figure 9C illustre les rapports adaptés de Palamarchuk et al.1 et de Sandroni et al.31. Remarque : Les quantités affichées dans cette figure sont dérivées des valeurs extraites des données décrites aux étapes 12.1 à 12.4.

figure-protocol-9
Figure 9 : Rapports cliniques. (A, B) Rapports et lignes de régression pour la pression artérielle (BP, mmHg) dans le panneau supérieur, la fréquence cardiaque (FC, bpm) dans le panneau central et les intervalles RR (s) dans le panneau inférieur. (A) montre les ratios détectés automatiquement et le panel (B) la PA maximale corrigée et la FC minimale au début de la phase IV. (C) Ligne de régression par rapport aux ratios corrigés. Veuillez cliquer ici pour voir une version agrandie de cette figure.

  1. MFigure 1 (illustré à la figure 9) représente la PA systolique (TAS, mmHg) dans le panneau supérieur, la FC (bpm) dans le panneau central et l’intervalle RR (s) dans le panneau inférieur. Les valeurs caractéristiques de SBP, HR et RR sont annotées à l’aide de marqueurs circulaires. Un menu s’affiche, demandant : Voulez-vous accepter les marqueurs ? Inspectez les marqueurs. Cliquez sur Oui si tous les points sont corrects ; cette opération est terminée et revient à l’étape 4. Cliquez sur Non si un point doit être ajusté.
  2. Un menu demande : Sélectionnez les points à déplacer. Le menu permet de sélectionner un, plusieurs ou tous les points. Si des indices ont été sélectionnés, cliquez sur OK pour continuer (étape 12.3) ou sur Annuler pour continuer sans modifier les indices, en passant à l’étape 12.4.
  3. Pour chaque grandeur sélectionnée, un menu contextuel liste les points à corriger. Cliquez sur OK pour continuer. Alignez le réticule à l’endroit souhaité et cliquez une fois avec la souris. Lorsque tous les points sélectionnés ont été corrigés, MFigure 1 affiche BP (mmHg) dans le panneau supérieur, HR (bpm) dans le panneau central et les intervalles RR (s) dans le panneau inférieur. Il montre les points corrigés et les lignes de régression au début et à la fin de la phase II et au début de la phase IV. Appuyez sur Enregistrer et passez à l’opération 8 (Exécuter le modèle).
  4. MFigure 2 (illustré à la figure 9C) affiche les droites de régression reliant l’intervalle RR à la SBP et à la qualité de l’ajustement (la valeur R2 ). Appuyez sur Enregistrer et quitter, pour revenir à l’étape 4. Les images 1 et 2 seront enregistrées dans le dossier Figures/Données sous les noms [nom du patient] + ratios.png et [nom du patient] + _ratios_regression.png.

13. Modèle d’exécution (Opération 8)

REMARQUE : L’opération 8 consiste à résoudre le modèle d’équations différentielles baroréflexes de Randall et al.20, qui prédit la signalisation sympathique et parasympathique. Cette étape exécute le modèle avec des valeurs de paramètres définies à l’aide des informations sur les patients et des ratios cliniques identifiés dans l’opération 7. Cette opération est nécessaire pour tester les prédictions nominales ; si les ajustements nominaux comportent des erreurs significatives, les résultats de l’opération d’optimisation (étape 15) peuvent ne pas être positifs pour l’ensemble de données spécifique.

  1. Résout le modèle d’équations différentielles de Randell et al.20 à l’aide des valeurs nominales des paramètres spécifiques au patient extraites des données et des informations sur le patient saisies à l’étape 5. MFigure 1 représente la pression artérielle (mmHg) en haut à gauche, les données FC (bpm) (bleu) et le modèle (magenta) en haut à droite, la pression thoracique (Pth, mmHg) en bas à gauche et les prédictions parasympathiques (magenta) et sympathiques (violet foncé) en bas à droite. Les résultats sont représentés avec une résolution temporelle de 10 Hz, ce qui correspond à la résolution des données HR et SBP sous-échantillonnées. Cliquez sur Enregistrer et quitter et passez à l’opération 8 (Exécuter le modèle). Cette figure sera enregistrée dans le dossier Figures/Model_fits sous le nom de [nom du patient] + _nominal.png.

14. Analyse de sensibilité (Opération 9)

REMARQUE : L’analyse de sensibilité n’est pas nécessaire pour l’analyse des données. Cette analyse génère un graphique illustrant la sensibilité (ou l’importance) des paramètres du modèle pour une prédiction précise de la FC. Les sensibilités sont évaluées à une fréquence de 10 Hz, correspondant aux données de HR et de TAS sous-échantillonnées. L’opération utilise une analyse de sensibilité locale décrite en détail par Randall et al.20

  1. Cette opération calcule la sensibilité des paramètres du modèle à la FC. Les résultats (sur une échelle logarithmique) illustrant les sensibilités classées sont présentés dans MFigure 1 (Figure 10). Cliquez sur Enregistrer et quitter, puis passez à l’opération 10 (Optimisation). Notez que ce calcul prend quelques minutes. Le résultat affiché dans MFigure 1 est enregistré dans le dossier Figures/Model_fits sous le nom de [nom du patient] + _sensitivities.png.

figure-protocol-10
Figure 10 : Sensibilité des paramètres du modèle à la prédiction de la fréquence cardiaque. Le modèle et les paramètres sont discutés en détail dans l’étude de Randall et al.20, et les paramètres estimés sont expliqués dans le tableau 2. Veuillez cliquer ici pour voir une version agrandie de cette figure.

15. Optimisation (Opération 10)

REMARQUE : Cette opération estime un sous-ensemble de paramètres identifiables à partir du modèle d’équations différentielles mathématiques et de la disponibilité des données (HR). Le résultat est un modèle HR calibré sur des données sous-échantillonnées à 10 Hz. En plus d’un ensemble de paramètres estimés, le modèle optimisé prédit les signaux sympathiques et parasympathiques. Si la simulation ne s’adapte pas bien aux données, les signaux sympathiques et parasympathiques prédits ne peuvent pas être interprétés. L’optimisation est réalisée à l’aide de la méthode de Levenberg Marquardt telle que décrite par Randall et al.20.

  1. L’estimation des paramètres peut prendre 5 à 10 minutes. Pendant le calcul, la fenêtre de commande MATLAB imprime jusqu’à 30 lignes de cinq nombres indiquant (de gauche à droite) la norme de gradient, le coût des moindres carrés, le nombre d’itération et le nombre de condition de la matrice jacobienne. Une fois l’optimisation terminée, passez à l’opération 11 (Prédictions du modèle de tracé). Le paramètre estimé et un vecteur INDMAP sont enregistrés dans le dossier Optimized.

16. Prédictions du modèle de tracé (Opération 11)

REMARQUE : Les résultats des prédictions du modèle avec les valeurs nominales (étape 13, opération 8) et estimées (étape 15, opération 10) sont tracés à une résolution de 10 Hz correspondant aux données sous-échantillonnées. Si la prédiction de la FC affichée dans le panneau supérieur droit de MFigure 1 est raisonnable, le code prédit la signalisation sympathique et parasympathique (panneau inférieur droit de MFigure 1).

  1. Dans le menu, Sélectionnez les prédictions de modèle à afficher, cliquez sur Nominal pour tracer les prédictions de modèle de l’étape 13 et Optimisé pour afficher les prédictions de modèle optimisées de l’étape 15. MFigure 1 (paramètres nominaux de la figure 11A et paramètres optimisés de la figure 11B ) représente la pression artérielle (mmHg) dans le coin supérieur gauche, la FC (bpm) dans le coin supérieur droit (bleu) et le modèle (magenta), la pression thoracique (Pth, mmHg) est dans le coin inférieur gauche. La prédiction des signaux parasympathiques (magenta) et sympathiques (violet foncé) se trouve dans le coin inférieur droit. Cliquez sur Enregistrer et quitter, puis passez à l’opération 12 (Résumé). Cette figure sera enregistrée dans le dossier Figures/Model_fits sous le nom [nom du patient] + _[action].pn, où [action=nominale] ou [action=optimale] selon l’action choisie.

figure-protocol-11
Figure 11 : Prédiction du modèle. Le modèle a été prédit avec (A) des valeurs nominales et (B) des valeurs de paramètres optimisées. La figure montre en haut à gauche : la pression artérielle (ligne bleue épaisse de la TAS et ligne bleue claire continue de la pression artérielle, mmHg) ; en haut à droite : fréquence cardiaque (FC, bpm), prédiction du modèle (ligne rose) et données (ligne bleue) ; en bas à gauche : pression thoracique (Pth, mmHg) ligne bleu foncé ; Et en bas à droite : Prédictions de l’activité parasympathique (rose) et sympathique (violet). Les deux sont non dimensionnels. Veuillez cliquer ici pour voir une version agrandie de cette figure.

17. Résumé (Opération 12)

  1. Un résumé des résultats est stocké sous forme de feuille de calcul Excel (.xlsx) et de fichier séparé par des virgules (.csv). Le menu Enregistrer les requêtes de données : Entrez le nom du fichier récapitulatif des données (ex : FileName), entrez le nom préféré dans la zone de texte.
  2. Si les fichiers existent, un menu demande à l’utilisateur : Ajouter ou remplacer le fichier existant. Cette opération imprime également les sorties sur la ligne de commande MATLAB. Cliquez sur OK pour générer le fichier et sur Annuler pour afficher uniquement la ligne de commande. Le fichier enregistré (.xlxs et .cvs) contient des informations sur le patient (Opération 1, Étape 6), des marqueurs cliniques et des lignes de régression (Opération 7, Étape 12) et des valeurs de paramètres nominales (ou optimisées) (Opération 11, Étape 16). Pour chaque droite de régression, la valeur R2 indique la qualité de l’ajustement.
    REMARQUE : Cette opération (étape 17) peut être effectuée sans exécuter les étapes de modélisation, de sensibilité et d’optimisation (opérations 8-11).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Les huit exemples d’ensembles de données sont sélectionnés pour représenter un large éventail de réponses. Les figures 3, 4, 5, 6, 7, 8, 9, 10 et 11 présentent les résultats d’un sujet témoin sain représentatif pour chaque étape de l’algorithme.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Le logiciel ValsalvaAnalyzer présenté dans cette étude offre une fonctionnalité permettant d’analyser les données cliniques ECG et BP enregistrées pendant la manœuvre de Valsalva. Le logiciel offre la possibilité de nettoyer les signaux bruyants, ce qui permet d’obtenir des mesures cohérentes à l’échelle d’une population. À l’aide des données corrigées, le logiciel calcule plus de 35 marqueurs que l’utilisateur peut interpréter. Le logiciel vise à inclure toutes les grandeurs connues rap...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n’ont rien à divulguer.

Remerciements

Cette étude a été partiellement financée par les subventions de la National Science Foundation (DMS-2051010) et les subventions de la NSA (H98230-21-1-0014 et H98230-20-1-0259). Nous tenons à remercier Sanaa Elmajdoubi, Rigshospitalet, Danemark, Niloufar Mehrani et Jesper Mehlsen, Klinik Mehlsen, Danemark pour avoir testé le logiciel. Nous tenons à remercier E. Benjamin Randall, Applied Research Associates, Raleigh, NC, pour avoir discuté du modèle mathématique et Iryna Palamarchuk, Université de Toronto, Canada, pour la discussion des indices. Enfin, nous remercions Sophie Carlson, de l’Université de Californie à San Diego, pour la révision et l’édition du code de calcul. Le logiciel stocke les résultats localement sur l’ordinateur et ne partage aucune information avec des entités extérieures. Les développeurs du logiciel ValsalvaAnalyzer ne sont pas responsables de l’utilisation et de la protection des données des patients. Tout utilisateur de ValsalvaAnalyzer est responsable de la protection des données et de l’obtention des approbations appropriées avant de publier les résultats générés avec ce logiciel.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Logiciel LabChartADInstrumentsdont les données analysées sont exportées à partir du
MATLABMathworksutilisé pour le programme ValsalvaAnalyzer
logiciel

Références

  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).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Mots-clés

Analyse de la fr quence cardiaqueAnalyse de la pression art rielleSensibilit du baror flexeTraitement du signal ECGDysfonctionnement autonomeLogiciel MATLABDynamique sympathiqueDynamique parasympathique
Logiciel d’analyse des données chronologiques de fréquence cardiaque et de pression artérielle de la manœuvre de Valsalva
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d'utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.