このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

バルサルバマヌーバからの心拍数と血圧の時系列データを分析するためのソフトウェア

1.7K 閲覧数

⸱

DOI：

10.3791/67222

⸱

2025年6月27日

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

この記事について

サマリー

ValsalvaAnalyzerソフトウェアには、Valsalvaマニューバ(VM)中に記録された連続的な心電図と血圧(BP)測定値を分析する機能が含まれています。計算された臨床バイオマーカーと推定されたモデル出力は、VM 中の心拍数と血圧の交感神経および副交感神経の調節に関する洞察を提供します。

要約

バルサルバ・マニューバ(VM)は、40mmHgの胸腔内圧を15秒間の強制呼吸に対して圧反射誘発性心拍数(HR)と血圧(BP)の反応を測定する、低リスクでアクセスしやすい検査です。この研究では、モデリングとデータ分析を組み合わせて、時系列の血圧と心電図(ECG)データからバイオマーカーを抽出するValsalvaAnalyzerソフトウェアを実証しています。MATLAB でプログラムされたこのソフトウェアには、グラフィック ユーザー インターフェイスが組み込まれているため、臨床医はデータ分析と数学的モデリング予測にアクセスできます。PCおよびMac用にキャリブレーションされたソフトウェアは、VM中に測定されたECGおよびBPデータを読み取ります。ECG信号のRピークとSピークを自動的に識別し、キャプチャされた信号の精度を確保するための統合されたユーザー検証を備えています。RR間隔はHRの予測に使用され、QRS複素数の変化は呼吸の予測に使用されます。収縮期血圧と拡張期血圧が取得され、ユーザーはSBPから発症とVM期間を特定します。このソフトウェアは、4つのVMフェーズと胸腔内圧を自動的に検出します。後者は、安静時の呼吸信号と、VM中に被験者が呼吸する40mmHgの圧力をマージすることによって得られます。HRおよびBPデータから計算された最も一般的に報告されている臨床VMマーカーは、交感神経および副交感神経のダイナミクスを予測する微分方程式モデルを使用して得られた患者固有のパラメーターの推定値とともに報告されます。最終的な出力は35以上の指標で、血圧とHR、最大HRと最小HR、バルサルバ比、圧反射感度の測定値が含まれ、すべてスプレッドシートに保存されます。このソフトウェアはVMデータの分析を目的としていますが、この方法論は他のオートノミックテストに拡張できます。その強みは、生データから抽出された量とモデル出力を組み合わせ、自律神経の計り知れない量についての洞察を提供する数学的モデルで臨床データを補強することにあります。

概要

バルサルバ・マニューバは、低リスク、非侵襲的、安価で、非常にアクセスしやすい検査で、強制呼気運動1,2を通じて自律神経系の機能を測定することができます。この操作は、患者が圧力計に接続された呼気終末陽圧(PEP)装置に息を吐き出し、胸腔内圧40mmHgを15秒間保持することによって行われ、通常は仰臥位または座位で2,3。この操作は、自律神経系と心血管系に同時に挑戦し、重いものを持ち上げるときの緊張や飛行時の圧力の平衡化などのストレッサーに対する生理学的反応を模倣します4。この検査は臨床現場で頻繁に使用されます2,5が、基礎となる生理学的メカニズムを定量化するデータを分析するためには、さらに多くのツールが必要です。VMに適用される神経学的モデリングは、自律神経機能障害の改善された診断基準と因果メカニズムの特定を促進する可能性があります5。

VMには4つのフェーズがあります6。これは、胸腔内圧を上昇させ、心腔と胸部大動脈を圧迫し、系統循環中の血液を空にすることで、血圧の一時的な増加を引き起こす息止めによって促進されます。フェーズIは、胸腔内圧の継続的な上昇を特徴とし、心臓への静脈血流、一回換気量、および平均動脈血圧を減少させます。これに応答して、高圧動脈圧受容器が活性化されます。フェーズIIの初期の部分での血圧の低下は、副交感神経の離脱を引き起こし、HRを増加させます。フェーズIIの後半では、交感神経の過剰が血管収縮を媒介し、血圧とHRを増加させます。健康な患者では、血圧回復は息止めを解除する前の安静時値です。フェーズIIIはフェーズIと相互的です。このフェーズは、患者が息止めを解除すると開始され、胸腔内圧と動脈血圧が急激に低下し、通常はHRが増加します。フェーズIVでは、心臓への静脈還流の増加とフェーズII後期からの持続的な血管収縮により、オーバーシュートと呼ばれる顕著なBP増加が生じます。オーバーシュートによる高圧動脈圧受容器の刺激により、迷走神経が活性化され、心拍が低下します。患者は、VM発症から約10〜30秒後にプレテスト値に回復することが期待されます2,5。

VMは、自律神経および心血管機能のベッドサイド評価に使用されます7。最も一般的なVMバイオマーカーであるバルサルバ比(VR)8,9,10は、息止め開始後の最長RR間隔と最短RR間隔の比として副交感神経機能を測定します。姿勢性起立性頻拍 (POTS) は、フェーズ IV11 で高い VR と顕著な BP オーバーシュートと関連していることが以前に確立されています (N パターン応答1 とも呼ばれます)。もう一つの指標は、迷走神経圧反射の感度です。このメトリックは、フェーズ II とフェーズ IV の前半で、RR 間隔と特性 BP の間の回帰勾配が変化する 3,10,12,13,14 として推定されます。VMに対する血圧応答の定性的分析は、さまざまな心雑音9を特定することができ、特徴的な矩形波応答は、心室機能障害と心不全15,16のベッドサイド指標である。BPオーバーシュートの欠如と息止め解除後の徐脈の存在は、自律神経失調症を示しています13。フェーズII後期に進行性の血圧低下とフェーズIVの回復が遅いVパターン応答は、神経原性起立性低血圧の特徴であり、α-アドレナリン作動性圧反射障害を示しています1。他の研究では、起立性障害のスクリーニングにおけるヘッドアップチルトテストを補完するためにVMを使用することの有効性が実証されています1,17,18。

VM1 中の HR と BP の応答を分析することにより、自律神経機能について多くの研究が検討されていますが、バロアフレックス機能を定量化するためのオープンソースの自動化システムは利用できません。多くの研究がVM19、20、21、22からのデータを分析しており、VitalScan by Medeia23やKubios24など、自律神経機能に特化したソフトウェアもいくつかあります。VitalScanはECG信号とBP信号を利用しますが、KubiosはECG信号のみを解析します。VitalScan の Web サイトでは、このソフトウェアは自律神経機能を評価するが、計算された量の詳細な説明が不足していると記載されています。KubiosはHR変動性(HRV)とVR25を決定します。これらのギャップに対処するために、この研究では、最も一般的なVMインデックス1,25を計算する新しいオープンソースソフトウェアを開発します。

このソフトウェアは、40mmHgの胸腔内圧を15秒間保持するVM操作中に測定されたECGおよびBPデータを分析します。VM の前後に少なくとも 30 秒の安定したデータを含めることをお勧めします。HRと収縮期血圧、VMの発症と解放を特定した後、一連の臨床マーカーが抽出されます。さらに、このソフトウェアは、Randall et al.20 による数学的モデルを使用して、交感神経および副交感神経のシグナル伝達と、圧反射感度を特徴付けるパラメーターを予測します。2つの重要な機能は、ノイズの多い信号からデータを読み取る機能、アーティファクトを特定して削除する機能、およびVMマーカーの手動補正による自動検出です。後者は、純粋に自動検出ができない自律神経機能障害の患者にとって不可欠です。この説明には、被験者1のすべての結果と、被験者2〜8の結果を抽出するためのプロトコルが含まれています。課題1の結果は、コード、本文、図に含まれており、すべての課題の結果は 、補足図1、 補足図2、補足図3、補足図4、補足図5、補足図6、補足図7、および補足図8に示されている。

Valsalva Analyzerソフトウェアは、連続的なECGおよびBP測定からValsalva操作(VM)への反応を特徴付けるアドレナリン作動性および迷走神経指数を計算します。ソフトウェアのデモを行うために、実験セットアップの簡単な説明と、ソフトウェアの詳細な説明を提供します。このソフトウェアは、LabChartに保存された患者記録から抽出されたデータを読み取ります。この分析は健康な対照患者で実証されていますが、ソフトウェアには、さまざまな自律神経反応を示す8人の被験者からのデータが含まれています。以下では、患者の例について説明し、ソフトウェアをインストールして実行するためのプロトコルについて説明します。このプロトコルには、MATLAB 内で生成された数値への参照が含まれています。代表的な結果に含まれる数値と区別するために、これらはすべてMFigure#と呼ばれます。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

デンマークの法律26に従って献血の対象となる成人男性(30-45歳)の献血者から3つのデータセットの例を選択し、膝関節および股関節置換術を受ける成人(40-61歳)患者27に対する術前オピオイドの効果を調べた研究から3つのデータセットを選択し、姿勢性起立性頻脈症候群(POTS)と診断された患者から1つのデータセットを選択しました28.BDおよびオピオイド研究は、デンマークの現地倫理委員会(それぞれH-19069845およびH-20071567)によって承認され、デンマークのデータ保護機関に登録され、ClinicalTrials.gov(それぞれNCT04499664およびNCT04902222)に登録されました。デンマークのフレデリクスベルク病院とビスペビヤー病院の倫理委員会は、データを使用して研究用のPOTSを診断することを承認しました。すべてのデータは、このソフトウェアの例として準備される前に匿名化され、すべての被験者はデンマーク語を話し、理解することができ、それぞれの研究に参加するためのインフォームドコンセントを与えました。

注:このソフトウェアは、ECGおよびBPの患者測定値からマーカーを抽出するツールを提供します。この情報はオプションです。この原稿を引用することをお勧めします。このソフトウェアには、ECG(チャネル1)、ECG(チャネル2)、およびBP(チャネル3)の測定からのサンプルデータが含まれています。表1には、詳細な患者説明と患者ノートが含まれています。このソフトウェアで提供された8つの例の匿名化されたデータセットは、以前に発表された研究26,27,28から抽出された。VM中に観察された特徴的な特徴を示すために、データが選択されました。その意図は、ソフトウェアの特徴を実証することであり、特定の臨床研究を実施することではありません。献血者およびオピオイド研究の除外基準には、アルコールおよび薬物乱用、オピオイドの常用、不整脈または心不全、起立性低血圧の病歴が含まれます。各研究について明示的に記載されていない除外基準は、26,27に記載されています。

患者年齢(年)性別 (m/f)高さ(cm)重量(kg)BMI (kg/m2)筆記
課題135m1769229.7 (OB)正常な応答
課題231m1807021.6 (北西)正常な応答
課題330m1879326.6 (オウ)フェーズIVでの大規模なオーバーシュート。ECG信号ノイズによるHRアーティファクト
課題442m1757624.5 (北西)自律神経失調症に典型的なVレスポンス。フェーズIIでの不適切なクロノトロピック効果。後期フェーズIIで血圧の回復はありません。フェーズIVでオーバーシュートが欠落しています。 ロングPRT
課題537f1658531.2 (OB)フェーズIVでオーバーシュートなし
課題661f17010737.0 (OB)後期II期の不十分な血圧回復。最大血圧は後期IIで終了血圧と等しくない
課題742m1778426.8 (オウ)フェーズIVでのオーバーシュートの欠落
課題858f1667727.9 (オウ)初期フェーズIIでの血圧低下はごくわずかです。心電図信号のノイズによるHRアーティファクト。フェーズIVのBPアーティファクト
nw:正常体重BMI(18.5-25)、ow:太りすぎ(BMI(25-30)、ob:肥満(BMI>30)26

テーブル 1.この表をダウンロードするには、ここをクリックしてください。

1. 実験セットアップ

  1. 利き手でない手の人差し指と中指に装着した指の血圧カフからBPの連続測定値を収集します(図1A)。重力の影響を排除するために、手を心臓の高さに置きます(図1B)。
  2. 心臓から等距離に電極を配置した標準的な3電極心電図を用いて、左右の心房と胸郭の左側下端に電極を配置して心電図を測定します。器具使用後、被験者が圧力計に接続された呼気終末陽圧(PEP)装置に息を吐き出すことにより、バルサルバ法を実行します(図1C、D)。
  3. 安定した信号が生成されるまで、被験者に1〜5分間正常に呼吸するように依頼します。解析に十分なデータを得るには、VM の前後少なくとも 30 秒間、安定したシグナルを記録します。被験者に40mmHgの圧力を維持しながら15秒間息を吐くように頼んでVMを実行します(図1D)。録音中は、可能であれば、BP信号のギャップを避けるためにキャリブレーションをオフにしてください。
  4. このソフトウェアは、LabChartからMATLABにエクスポートされた信号を1,000Hzで解析します。[MATLAB としてエクスポート] メニューに、ECG、HR、BP 信号、および胸腔内圧 (記録されている場合) を含むチャネルを含めます。各信号のチャンネル番号をメモします。メニューで、[32-bit floating pint] (32 ビット フローティング パイント)、[Upsample to same rate] (同じレートにアップサンプル)、コメント解除、および [Event markers] (イベント マーカー) を選択します。[OK] をクリックして .mat ファイルをエクスポートし、[キャンセル] をクリックしてエクスポートを停止します。

figure-protocol-1
図1:計装、血圧カフ、ECG留置、モニター、VM機器。 (A)BPカフを人差し指と中指に非利き手に取り付ける。(B)フィンガーBPカフは、重力の影響を排除するために凝集性のCoFlex包帯を使用して、心臓の高さで固定されます。(C)圧力計に取り付けられたPEPデバイス。(D)着座した被験者は、圧力計に接続された呼気終末陽圧(PEP)装置に息を吐き出し、胸腔内圧40mmHgを15秒間保持します。(E)CNAPモジュールはBPを継続的に測定し、LabChartを使用してデータを処理および保存するコンピューターに接続されています。 この図の拡大版を表示するには、ここをクリックしてください。

2. ソフトウェアのインストール、データのアップロード、起動

注:このプロトコルは、LabChartからMATLABに信号をエクスポートする方法を説明していますが、このソフトウェアは保存された記録に依存しません。他のソフトウェアで録音された信号については、彼らのマニュアルを参照し、録音を正しい形式でエクスポートするには変換が必要な場合があることに注意してください。データには、ECG と BP の連続的な時系列測定が含まれている必要があります。

  1. ValsalvaAnalyzer ソフトウェアをダウンロードします。https://github.com/msolufse/ValsalvaAnalyzer で GitHub リポジトリをクローンします。緑色の[コード ]ボタンをクリックします。 [ZIP のダウンロード ] をクリックします。
  2. ValsalvaAnalyzer フォルダに移動します。メイン スクリプト DriverBasic.m は ValsalvaAnalyzer フォルダに置き換え、他のすべてのスクリプト (.m ファイル) は Core フォルダに置き換えてください。このソフトウェアには、Figures、Markers、Optimized、Sensitivities、WSのサブフォルダが含まれています。
    注:Figuresフォルダには、生成されたフィギュアが格納されています。このフォルダには、データ解析から生成された数値と微分方程式モデルによって生成された数値の 2 つのサブフォルダ (Data と Model_fits) が含まれています。Labchartフォルダには、エクスポートされた.matファイルが含まれますが、元のLabChartファイルは含まれません。Markersフォルダには、臨床比率(被験者ごとに1つのファイル)が記載されたスプレッドシートが格納されています。Sensitivityitivities フォルダと Optimized フォルダには、感度と推定パラメータ値を含む .mat ファイルが含まれています。フォルダ WS には、データのクリーニング時に生成された .mat ファイルが含まれています。メインフォルダValsalvaAnalyzerには、プログラムの実行に必要なコアスクリプトであるDriverBasic.mが含まれています。ソフトウェアがダウンロードされたとき。Labchartフォルダには、8つのサンプル被験者のそれぞれに.matファイルが含まれていますが、結果を含むフォルダ(Markers、Sensitivities、Optimized、WS)には、Subject 1の結果のみが含まれています。フォルダー内のサンプル データセットが解析されると、出力ファイルはこれらのフォルダーに格納されます。ファイルPatientinfo.xls(および表1)には、8つのサンプルデータセットのそれぞれの患者情報(年齢(年)、性別(m/f)、身長(cm)、体重(kg)、BMI(kg/m2))が含まれています。体重は、正常 (nw)、太りすぎ (ow)、または肥満 (ob)29 として特徴付けられ、被験者が正常または病理学的な VM 反応を示すかどうかが注目されます。
  3. ソフトウェアを実行するには、ValsalvaAnalyzerフォルダに移動し、MATLABで DriverBasic.m ファイルを開きます。上部のパネルで [エディター] をクリックし、[ 実行] というラベルの付いた緑色の三角形 をクリックしてプログラムを実行します。

3. ソフトウェアプラットフォーム

注: GitHub によって配布されるソフトウェアは、Windows (Windows 11 Education) と Mac (MacOS Sonoma、バージョン 14.3) でテストされており、MATLAB (バージョン R2023a) を使用しています。デフォルトはMacOS環境に設定されており、Windowsの提案があります。

  1. ポップアップメニュー の「Figure パラメータを選択」から、ソフトウェアプラットフォームの種類、Figure のフォントサイズ、マーカーサイズ、線幅を選択します。
  2. [OK]をクリックして同意し、手順4に進むか、[キャンセル]をクリックしてプログラムを終了します。

4. 患者様の選択

注: この手順には、データの選択と分析が含まれます。ソフトウェアは、Labchartフォルダから.matファイルを読み取ります。

  1. マウスを使用して、リストから任意の数の患者を選択します。「 すべて選択 」ボタンは、すべての患者をマークします。患者ラベルはファイル名から決定されます。これらは、エクスポートされたすべてのファイルで使用されます。 [OK ]をクリックして手順5に進むか、[ キャンセル] をクリックしてプログラムを終了します。

5. 操作の選択

注:データ分析方法は、使用可能な操作を提供するメニューにリストされています。これには、ECG および BP データのクリーニング方法、VM フェーズの特定方法、VM 機能の計算方法が含まれます。前者は、測定値に埋め込まれたサンプリングレートを使用して生データに対して実行されます(添付の例は1,000Hzでサンプリングされています)。識別 VM 機能は、10 Hz でサブサンプリングされたクリーンな HR 信号と収縮期 SBP 信号を使用します。サブサンプリングされたデータは、Randallらによる微分方程式モデルを解くことから得られる交感神経および副交感神経シグナル伝達を決定するためにも使用されます.20 生成された数値は.pngファイルとして保存され、Figuresフォルダに保存され、生成された数値はMarkersフォルダのスプレッドシート(.xlsx)に保存されます。このソフトウェア内の機能のレイアウトを 図 2 に示します。

figure-protocol-2
図2:ソフトウェア操作。 患者を選択した後、ソフトウェアは、(1)心拍数と呼吸が抽出されるECG、(2)収縮期および拡張期血圧が抽出される心拍間血圧(BP)信号を含む測定信号を補正するオプションを提供します。これらの手順の後、ソフトウェアはバルサルバマニューバのフェーズを特定し、臨床バイオマーカーを抽出します。最後に、圧反射関数を予測する計算モデルを実行するオプションを提供します。 この図の拡大版を表示するには、ここをクリックしてください。

  1. サブセット選択メニューで実行する操作を選択します。降順で完了した操作、例えば、患者情報は、ECGが分析される前に入力されるべきです。ステップ4の「操作選択」メニューから複数のサブジェクトとタスクを選択した場合、ソフトウェアはすべてのサブジェクトの最初のタスクを完了してから、次のタスクに進みます。
    1. このソフトウェアには、次の操作が含まれています:患者情報(操作1、ステップ6)。心電図(ECG;操作2、ステップ7)。心拍数(HR;操作3、ステップ8)。呼吸(操作4、ステップ9);血圧(BP;操作5、ステップ10)。VMフェーズ(操作6、ステップ11)。臨床比率(オペレーション7、ステップ12);モデル予測 (名義;操作8、ステップ13)。感度分析(操作9、ステップ14);最適化(操作10、ステップ15);モデル予測のプロット(操作11、ステップ16)サマリー (操作 12、ステップ 17)。
  2. 操作を選択したら、[ OK ]をクリックして操作に進むか、[ キャンセル ]をクリックして手順4に戻ります。

6. 患者様情報(操作1)

注:最初の操作では、患者の特性(ID、年齢、性別、身長、体重)をエクスポートされたLabchartファイルからチャネル番号(ECG、HR、BP、胸腔内圧-利用可能な場合)を入力し、データ分析の時間範囲を特定します。

  1. 患者ID(整数)、年齢(整数、年)、性別(m / f、男性/女性)、身長(実数、cm)、体重(実数、kg)を入力します。 [OK ] をクリックして続行するか 、[キャンセル] をクリックしてステップ 5 に戻ります。ソフトウェアは選択なしで実行されます。8つの被験者の特性値を 表1に示します。これらの値はデータ分析では使用されませんが、要約統計量に役立つ場合があります。
  2. 各信号が保存されているチャネルを識別し、デフォルト値は、チャネル1(ECG)、チャネル2(HR)、チャネル3(BP)、チャネル4(胸腔内圧-Pth)が0に設定されています。サンプル データセット 1 から 8 には、この信号は含まれていません。
  3. MFigure 1(図3)は、時間(秒)の関数としてECG(mV)上、HR(bpm)中心、およびBP(mmHg)下を表示します。分析するデータを選択します。VM の前後約 20 秒を含めます。
  4. 十字線を配置し、マウスで開始位置 (VM の ~20 秒前) を 1 回クリックし、終了位置 (VM の ~20 秒後) で 2 回目をクリックします。選択したデータは、MFigure 1に赤く表示されます。 [Save and Exit] をクリックします。MFigure 1は、選択したデータとともに、Figures/Dataフォルダに[患者名]+_dataAnalyzed.pngという名前で保存されます。

figure-protocol-3
図3:グラフは、ECG(mV、上)、心拍数(HR bpm、中央)、および血圧(mmHg、下)のデータを示しています。 青色のトレースはLabChartから抽出されたすべてのデータを示し、赤色のトレースはこのスタディで分析用に選択されたデータを示しています。VM 操作の前後 ~20 秒で開始および終了する心電図、HR、および BP を含む赤い領域。 この図の拡大版を表示するには、ここをクリックしてください。

7. 心電図(操作2)

注:操作2では、ECG信号のRおよびQまたはSピークを特定します(余分なピークを削除および/または欠落しているピークを追加します)。この操作は、1,000 Hz でサンプリングされた生データに対して実行されます。QRS群の大きさ(RとQまたはSのピーク間の絶対距離)は、息止めの前後の呼吸信号を作成するために使用されます。

  1. MFigure 1はECG信号(黒線)を表示します。自動的に検出されたRピークは赤でマークされ、QまたはSピークは青い円でマークされます。目的は、誤って配置されたピークを補正することです。RとQまたはSのピークの総数は、グラフの右側に印刷されています。このタスクは、RピークとSピークの数が同じ場合にのみ完了できます。ずれたピークを修正するには、信号を右に手でスクロールし、修正するピークがウィンドウに入ったら停止します。余分なSピークが誤って配置され、ピークが除去された後の信号の例を 図4に示します。
    注:RおよびSピークは、Randallら20によって記述された方法論を使用して同定されます。このアルゴリズムは、findpeaks.m を使用して、平均信号の 25% から 200% の間のピークを検出します。サンプリング レートは 1,000 Hz (データにエンコード) で、MinPeakDistance は 1.5 に設定されています。Rピークは生の信号から求められ、S(またはQ)のピークは信号のネガティブを解析することで求められます。一部のデータセットでは、アルゴリズムはSピークを識別し、一部のQピークでは識別することに注意してください。例を 図 4A に示します。QRS 等級は、Randell et al.20 によって記述されているように、呼吸を決定するために使用されます。
  2. SピークとRピークの数が同じになるまで、以下で説明する手順で補正を繰り返します。
    1. ずれたピークを修正するには、右にスクロールし、修正するピークがウィンドウ内にあるときに停止します。
    2. ピークが欠落している、誤って配置されている、または余分なピークがマークされている場合は、ピークの位置までスクロールします。キーボードの Enter キーを押すと、十字線が表示されます。修正するポイントをクリックします。次のメニュークエリは、ポイントを追加または削除しますか? 「追加 」(ステップ7.2.3)、「 削除 」(ステップ7.2.4)、または 「キャンセル」を選択して、ステップ7.2.1に戻ります。
    3. [追加]をクリックすると、マークされたポイントが追加され、赤(Rピーク)または青(スピーク)で表示されます。プログラムはクリックの正確な位置を使用し、ポイントをRまたはSとして自動的に分類します。
    4. [削除] をクリックすると、マークされたポイントが削除されます。ポイントが消えない場合はこの手順を繰り返し、タスク7.2.2に戻ります。
  3. すべてのRとSのピークが正しく識別され、RとS(またはQ)のピークの数が同じになるまで、手順7.2を繰り返します。次に、キーボードの Enter キーを押します。ポイントの修正を求めるプロンプトで、[ いいえ]をクリックします。操作 3 (HR) を続行します。時系列にエラーはないが、RピークとS(またはQ)ピークの数が同じでない場合。このエラーを修正するには、手順7.2に戻ります。信号内の一貫性を保つには、SピークまたはQピークのいずれかを選択します。
  4. R と S のピークの数が同じでないときに ユーザーが [いいえ ] をクリックすると、新しいメニューがポップアップ表示され、 R と S のピークの数が等しくなければならないことが示されます。データを検査します。 [OK] をクリックすると、コードはステップ 7.2 に戻ります。

figure-protocol-4
図4:ECG(mV)補正をガイドするために使用されるグラフ。 図はECGトレース(黒)、R波(赤丸)、S波(青丸)を示しています。(A)グラフのS波の位置が間違っています。(B)では、このS波が取り除かれています。クリーンなECG信号は、グラフの右側に示されているように、RピークとSピークの数が同じになります。 この図の拡大版を表示するには、ここをクリックしてください。

8. 人事(オペレーション3)

注: この手順では、RR 間隔を HR に変換します。ECG信号が補正された後(上記のように)、ほとんどのデータセットでは、HR信号は滑らかになります。ただし、HR 信号にアーティファクトがある場合 ( 例: 図 5A を参照)。操作3では、信号を補正する機会を提供します( 例を図5Bに示します)。

figure-protocol-5
図5:心拍数(HR、bpm)補正のガイドとして使用されるグラフ。 (A)補正されたECGから生成された心拍数(青い線)。小さな青い円は、心臓が鼓動する時間を示しています。(B)2点を結ぶスプライン(緑の線)の例で、心拍信号からアーチファクトを除去します。 この図の拡大版を表示するには、ここをクリックしてください。

  1. MFigure 1(図5A)は、上部パネルにHR(bpm)を表示し、下部パネルにECG(mV)を表示します。HR (bpm) は、補正された ECG RR ピークから計算されます。HR 信号にアーティファクトがない場合は、[保存して終了] をクリックし、操作 4 (呼吸) に進みます。データにエラーがある場合(図5の2つのパネルを比較)は、Correct Heart Rate(心拍数の修正)をクリックしてステップ8.2に進みます。
  2. HR信号に沿ってスクロールし、アーティファクトを見つけます。修正する領域を表示するときにキーボードの Enter キーを押します。ステップ 8.3 に進みます。
  3. メニューのクエリで [接続するポイントをクリック] で [OK] をクリックします。アーティファクトの前の 1 点目に十字線を合わせ、マウスで 1 回クリックします。次に、アーティファクトの後の最初の点に十字線を合わせ、マウスで 2 回目をクリックします。線形スプライン (緑色でプロット) が 2 つの点を接続します。メニューが尋ねる、「変更を受け入れますか?」回答:はい(ステップ8.3.1に進む)、元に戻す(ステップ8.3.2に進む)、および変更の追加(ステップ8.3.3に進む)です。
    1. [はい]を選択して線形スプラインを受け入れ、この操作を終了して、手順 4 に戻ります。[元に戻す]を選択して線形スプラインを削除し、手順 8.2 に戻ります。[追加]を選択して線形スプラインを保持し、手順 8.2 に戻って追加の修正を許可します。
  4. MFigure 1は、上部パネルと下部パネルにHR(bpm)とECG(mV)を表示します。図は、Figures/Dataフォルダに[患者名]+_HeartRateECG.pngという名前で保存されます。続行するには、[ 保存して終了]を押します。信号は、測定値に埋め込まれたサンプルレート(サンプルデータセットでは1,000 Hz)で保存されます。

9.呼吸(オペレーション4)

注:Randallらの研究で説明されているように、呼吸信号は、QRS複素数を計算することにより、補正されたECG信号から抽出され、区分的3次エルミート補間多項式スプライン(interp1.mとpchip法を使用)を適合させます。

  1. MFigure 1(図6)は、補正されたRピークとSピークの差から抽出された呼吸信号を示しています。グラフを調べて [保存して終了] をクリックし、操作 5 (血圧) に進みます。MFigure 1は、Figures/Dataフォルダに[患者名]+_RespiratorySignal.pngという名前で保存されます。

figure-protocol-6
図6:呼吸信号。 QRS間隔の振幅変化から生成される呼吸信号(青線)は、Randallら20によって説明されています。 この図の拡大版を表示するには、ここをクリックしてください。

10.血圧(操作5)

注:この手順には、収縮期および拡張期のBPの抽出が含まれます。2 つの曲線は、選択したデータ点を通るスプラインを生成することによって形成されます。この操作では、ユーザーは自動的に検出された曲線を修正できます。血圧の大幅な変化を考えると、息止め解除の直後に修正が必要になる可能性があります。

  1. MFigure 1 ( 図 7A を参照) は、BP データを含むズーム ウィンドウを表示します。十字線をBPピークに合わせ、マウスで1回クリックします。次に、次のピークの十字線を右に合わせ、もう一度クリックします。2つのピーク間の距離は、心周期の長さを推定します。この距離は、収縮期ピークと拡張期ピークを特定するために必要です。MFigure 2(図7B、C)が表示され、自動的に検出された収縮期および拡張期の信号が表示されます。
    注:収縮期と拡張期のピークは、安静時の心周期の長さを入力して最小ピーク距離を設定するpeaks2.mを使用して求められます。Rに似ています。収縮期のピークはシグナルから直接求められ、拡張期のピークは負のシグナルを分析することで求められます。
  2. 収縮期血圧矯正:メニューが表示され、「 収縮期ポイントを矯正しますか?」 と表示されます。 [はい ](ステップ10.4)を押して収縮期血圧を固定するためのプロトコルを開始し、[ いいえ ](ステップ10.3)を押して拡張期血圧の修正に進みます。
  3. 拡張期血圧の矯正は、「 拡張期のポイントを矯正しますか?」 というメニューから始まります。拡張期血圧を固定するためのプロトコルを開始するには 「はい 」(ステップ10.4)を押し、「 いいえ」を押して続行します。 [保存して終了 ]を押し、操作6(バルサルバ操作フェーズ)を続行します。
    注: 拡張期血圧を矯正するためのプロトコルは、収縮期血圧を矯正するプロトコルと同じです。両方については、ステップ10.4で説明します。
  4. MFigure 2 は、最初の 40 秒のデータのズームを示しています。領域を検査し、間違ったポイントが表示されるまでスクロールを続けます( 図7B、Cに示す修正トレース)。キーボードの Enter キーを押し、誤って配置されたポイントの前の正しいピークに十字線を置き、このポイントをクリックして、十字線の移動を続け、修正するすべてのポイントをクリックして、正しいポイントで終了します。終了したら Enter キーを押します。補正された点を結ぶ破線が表示されます( 例を図7B、Cに示します)。
    注:修正は、セグメントを変更する必要がなくなるまで繰り返すことができます。各セクションで、修正されたポイントは、両端の既存のポイントに接続された赤 (SBP) と緑 (DBP) の破線で接続されます。青色でプロットされた連続 BP 信号は、ガイドとして使用されます。システムは、BP信号と一致しない場合でも、クリックされたピークを記録します。この操作は、収縮期および拡張期の信号を補正します。各信号内では、信号に関連付けられた正しいポイントのみ、つまり、収縮期血圧を矯正するときに拡張期ポイントを修正しようとしたり、その逆を行ったりしないでください。

figure-protocol-7
図7:血圧補正 (A)安静時の血圧信号のズーム。ユーザーは、心周期の平均の長さを決定するために、2つの連続するピークをクリックするように求められます。(B)元の収縮期(赤)および拡張期(緑)の圧力のズーム。このパネルでは、連続血圧測定値(mmHg)が青色で示されています。(C)分析された時間範囲にわたる元の修正された収縮期血圧(赤)および拡張期血圧(緑)。すべてのパネルで、連続的な beat-to-beat BP 信号は青い線で、SBP は赤い線で、DBP は緑の線で示されています。SBP信号とDBP信号の場合、各心周期は小さな星でマークされます。 この図の拡大版を表示するには、ここをクリックしてください。

11. バルサルバ・マニューバ(VM)フェーズ(オペレーション6)

注: 操作 6 には VM の検出が含まれます。この操作では、HR、SBP、DBP、および胸腔内圧 (利用可能な場合) データを 10 Hz にサブサンプリングします。ユーザーは、息止めの開始と解放を特定するよう求められます。息止めは、最初のピークの前の最低血圧値から始まり、2番目の血圧低下の前の血圧値で解放されます。これらのポイントを特定した後、ソフトウェアは信号の特性から4つのVMフェーズを決定します。これらは手動で修正できるため、異常な血行動態反応のデータを分析する場合に特に重要です。

  1. M指標1は、上部パネル(mmHg)、第2パネルに HR(bpm)、第3パネルに 呼吸(Resp、mV)、下部パネルにECG(mV)の連続(細い線)と収縮期(SBP、太線)のBPを示しています胸腔内圧が利用可能な場合、この信号は第3パネル(Pth、mmHg)に表示されます。 4番目のパネルの呼吸信号(Resp、mV)。バルサルバ相は自動的に検出され、ソフトウェアはPth測定のないデータセットに対してステップ1.3を続けます。VM の開始をマークするには、十字線を息止めの開始 (SBP の大幅な上昇と HR の減少の直前の SBP の最小値) に合わせ、マウスで 1 回クリックします。
  2. VM の端をマークするには、十字線を息止めの端 (2番目の SBP ドロップの直前の血圧値) に合わせ、マウスで 1 回クリックします。これらのポイントは、MFigure 2の4つのVMフェーズを決定するために使用され、上部パネルにBP(mmHg)、中央パネルにHR(bpm)、下部パネルに呼吸(Resp、mV)が表示されます。胸腔内圧(mmHg)を測定すると、心拍数パネルと呼吸パネルの間に表示されます。
  3. メニューのクエリ:インデックスを受け入れますか?[はい] を選択して操作を完了し、操作 7 (臨床比率) に進みます。垂直線で示されたフェーズの自動検出を検査するには、[いいえ]を選択します。
  4. メニュークエリ: インデックス修正。1 つのフェーズ、複数のフェーズ、またはすべてのフェーズを選択し、[ OK ] をクリックしてステップ 10.4 に進んで修正するか、[ キャンセル] をクリックしてステップ 11.1 に戻ります。
  5. MFigure 2に十字線が表示されます。タイトルの 2 行目は、修正されるフェーズを示しています。選択したフェーズで、フェーズの開始を示す時間をクリックします。選択したすべてのフェーズが修正されるまで、この操作を繰り返します。修正された時刻は赤い縦線で示されます。選択したすべてのフェーズが修正されると、メニューが再び表示され、次のようにクエリされます。「はい」をクリックすると、ステップ11.5に進み、「No」をクリックするとステップ11.1に戻ります。フェーズは順番に修正する必要があることに注意してください。
  6. MFigure 3 (図 8) には、VM の最終フェーズが表示されます。図は、BP(mmHg)トップパネル、HR(bpm)センターパネル、胸圧(Pth、mmHg)ボトムパネルを示しています。この信号は、抽出された呼吸信号と、息止め中に加えられる測定または計算された胸腔内圧をマージすることによって得られます。4 つのフェーズは灰色で網掛けされています。 「保存して終了 」をクリックし、操作7(臨床比率)に進みます。この図は、Figures/Data フォルダに [患者名] + _VMphases.png という名前で保存されます。

figure-protocol-8
図8:バルサルバフェーズI-IV。 上のグラフは、連続血圧(水色)と収縮期血圧(太い青の線)を示しています。2番目のパネルは心拍数を示し、下部のパネルは胸圧を示します。後者は、息止め中(40 mmHgに設定)に呼吸信号と圧力を併合することによって得られます。バルサルバフェーズIおよびIIIは灰色のパネルでマークされています。ベースライン値(平均SBP、VM前後のHR)は、水平の破線で示されます。 この図の拡大版を表示するには、ここをクリックしてください。

12. 臨床比率(オペレーション7)

注:このステップでは、HR、RR、およびSBP、10Hzにサブサンプリングされたデータを使用して、VMを特徴付ける臨床比率を計算します。すべての要因を表 2 に示します。これらには、患者の特性(患者ID、年齢、性別、身長、および体重)、VMフェーズの期間、各VMフェーズ内の最小および最大のBP、HR、RR間隔30、31、および圧力回復時間32、33が含まれます。初期のフェーズII(シアンライン)およびIV(茶色の線)におけるHRおよびRR回帰線の傾きと適合度(R2値)は、初期(シアンライン)および後期(青線)フェーズIIおよび初期フェーズIV(茶色の線)における迷走神経刺激と圧力上昇を特徴付けています。後者は交感神経刺激を決定します。さらに、このソフトウェアは、SBP、迷走神経1,32,34,35、およびアドレナリン作動性(BRS)1,32,33,36マーカーの変化を特徴付けます。この場合も、自動的に検出された位相とポイントは、必要に応じて修正できます。たとえば、初期のフェーズIVの最大血圧と最小HRは、しばしばずれています。図9は、矯正前(パネル図9A)および矯正後(パネル図9B)の臨床比率を示しています。図9Cは、Palamarchuk et al.1およびSandroni et al.31から適応された比率を示しています。この図に示されている数量は、ステップ 12.1 から 12.4 で説明したデータから抽出された値から導き出されます。

figure-protocol-9
図9:臨床比率。(A、B) 上部パネルに血圧(BP、mmHg)、中央パネルに心拍数(HR、bpm)、下部パネルにRR間隔(s)の比率と回帰直線。(A)は自動検出された比率を示し、パネル(B)は初期のフェーズIVで補正された最大BPと最小HRを示しています。(C)補正された比率による回帰直線。 この図の拡大版を表示するには、ここをクリックしてください。

  1. MFigure 1( 図9)は、上部パネルに収縮期血圧(SBP、mmHg)、中央パネルにHR(bpm)、下部パネルにRR間隔(s)を示しています。特性 SBP、HR、および RR 値には、円形のマーカーで注釈が付けられます。メニューが表示され、「 マーカーを受け入れますか?」 と問いかけます。マーカーを点検します。すべてのポイントが正しい場合は、[ はい ]をクリックします。この操作は完了し、ステップ 4 に戻ります。ポイントを調整する必要がある場合は、[ いいえ ]をクリックします。
  2. A メニュー クエリ: 移動するポイントを選択します。このメニューでは、1 つ、複数、またはすべてのポイントを選択できます。インデックスが選択されている場合は、[ OK ]をクリックして続行するか(ステップ12.3)、インデックスを変更せずに続行する[ キャンセル] をクリックしてステップ12.4に進みます。
  3. 選択した数量ごとに、修正するポイントがポップアップメニューにリストされます。 [OK ] をクリックして続行します。十字線を目的のポイントに合わせ、マウスで一度クリックします。選択した点をすべて補正すると、MFigure 1は上部パネルにBP(mmHg)、中央パネルにHR(bpm)、下部パネルにRR間隔(s)を表示します。これは、フェーズ II の初期と後期、およびフェーズ IV の初期に修正されたポイントと回帰直線を示しています。 [保存 ]を押して、操作8(モデルの実行)に進みます。
  4. MFigure 2 ( 図 9C を参照) は、RR 間隔と SBP および適合度 ( R2 値) に関連する回帰直線を表示します。 [保存して終了]を押し、ステップ4に戻ります。MFigures 1と2は、Figures/Dataフォルダに[患者名]+ratios.pngおよび[患者名]+_ratios_regression.pngという名前で保存されます。

13. モデルの実行 (操作 8)

注:操作8には、交感神経および副交感神経シグナル伝達を予測するRandallらの圧反射微分方程式モデルを解くことが含まれます20。このステップでは、操作 7 で特定された患者情報と臨床比率を使用して設定されたパラメーター値を使用してモデルを実行します。この操作は、名義予測をテストするために必要です。名義適合値に重大な誤差がある場合、最適化操作(ステップ15)の結果は、特定のデータセットで成功しない可能性があります。

  1. Randell et al.20 による微分方程式モデルを、ステップ 5 で入力したデータと患者情報から抽出された名義患者固有のパラメータ値を使用して解きます。MFigure 1は、左上のパネルにBP(mmHg)、右上のパネルにHR(bpm)データ(青)とモデル(マゼンタ)、左下のパネルに胸圧(Pth、mmHg)、右下のパネルに副交感神経(マゼンタ)と交感神経(濃い紫)の予測を示しています。結果は、サブサンプリングされた HR データと SBP データの解像度に対応する 10 Hz の時間分解能で表されています。 [保存して終了 ]をクリックし、操作 8(モデルの実行)に進みます。この図は、Figures/Model_fitsフォルダに[患者名]+_nominal.pngとして保存されます。

14. 感度分析(操作9)

注:データ分析には感度分析は必要ありません。この分析により、正確なHR予測のためのモデルパラメータの感度(または重要度)を示すグラフが生成されます。感度は、サブサンプリングされたHRおよびSBPデータに対応する10Hzの周波数で評価されます。この操作では、Randall et al.20 によって詳細に記述されている局所感度分析を使用します。

  1. この操作では、HR に対するモデル パラメーターの感度が計算され、ランク付けされた感度を示す結果 (対数スケール) が MFigure 1 に示されます (図 10)。 [保存して終了] をクリックし、操作 10 (最適化) に進みます。この計算には数分かかることに注意してください。MFigure 1に表示された結果は、Figures/Model_fitsフォルダに[患者名]+_sensitivities.pngとして保存されます。

figure-protocol-10
図10:心拍数の予測に対するモデルパラメータの感度。 モデルとパラメータは、Randallらの研究で詳細に説明されており20、推定されたパラメータは 表2で説明されています。 この図の拡大版を表示するには、ここをクリックしてください。

15. 最適化(操作10)

注:この操作は、数学的微分方程式モデルとデータの可用性(HR)を考慮して、識別可能なパラメータのサブセットを推定します。結果は、10 Hz でサブサンプリングされたデータにキャリブレーションされた HR モデルです。一連の推定パラメーターに加えて、最適化されたモデルは交感神経信号と副交感神経信号を予測します。シミュレーションがデータにうまく適合しない場合、予測された交感神経信号と副交感神経信号は解釈できません。最適化は、Randall et al.20で説明されているように、Levenberg Marquardt法を使用して行われます。

  1. パラメータの推定は、完了するまでに5〜10分かかる場合があります。計算中、MATLAB コマンド ウィンドウは、勾配ノルム、最小二乗コスト、反復回数、およびヤコビ行列条件数を (左から右に) 示す 5 つの数値を最大 30 行出力します。最適化が完了したら、操作 11 (モデル予測のプロット) に進みます。推定されたパラメータとベクトルINDMAPは、Optimizedフォルダに保存されます。

16. モデル予測のプロット (操作 11)

注: 名義値 (ステップ 13、操作 8) と推定値 (ステップ 15、操作 10) のパラメータ値を使用したモデル予測の結果は、サブサンプリングされたデータに対応する 10 Hz の解像度でプロットされます。MFigure 1 の右上のパネルに示されている HR 予測が妥当な場合、コードは交感神経シグナル伝達と副交感神経シグナル伝達を予測します (MFigure 1 の右下のパネル)。

  1. メニューの [表示するモデル予測の選択] で、[ 名義尺度 ] をクリックしてステップ 13 のモデル予測をプロットし、[ 最適化 ] をクリックしてステップ 15 の最適化されたモデル予測を表示します。MFigure 1 (図 11A の公称パラメータ、 図 11B の最適化パラメータ) は、左上隅に BP (mmHg)、右上隅のデータ (青) に HR (bpm)、左下隅に胸圧 (Pth、mmHg) のモデル (マゼンタ) を示しています。副交感神経(マゼンタ)と交感神経(濃い紫)の信号の予測は、右下隅にあります。 「保存して終了」をクリックし、「操作 12 (サマリー)」に進みます。この図は、選択したアクションに応じて[action=nominal]または[action=optimal]]という名前でFigures/Model_fitsフォルダに保存されます。

figure-protocol-11
図 11: モデル予測。 モデルは、(A)名義値と(B)最適化されたパラメータ値で予測されました。図は左上を示しています:血圧(SBP太い青い線と連続的なBP水色の線、mmHg)。右上:心拍数(HR、bpm)、モデル予測(ピンクの線)、データ(青い線)。左下:胸圧(Pth、mmHg)の濃い青色の線。右下:副交感神経(ピンク)と交感神経(紫)の活動の予測。どちらも無次元です。 この図の拡大版を表示するには、ここをクリックしてください。

17. サマリー(オペレーション12)

  1. 結果のサマリーは、Excel スプレッドシート (.xlsx) とカンマ区切りファイル (.csv) として保存されます。メニューの データ保存 クエリ: データサマリーファイル名(例:ファイル名)を入力し、テキストボックスに希望の名前を入力します。
  2. ファイルが存在する場合は、メニューがユーザーにクエリを実行します ( 既存のファイルを追加または上書きします)。この操作では、MATLAB コマンド ラインにも出力が出力されます。 [OK ]をクリックしてファイルを生成し、[ キャンセル] をクリックしてコマンドラインのみに出力します。保存されたファイル (.xlxs と .cvs) には、患者情報 (操作 1、ステップ 6)、臨床マーカーと回帰直線 (操作 7、ステップ 12)、および名義 (または最適化) パラメーター値 (操作 11、ステップ 16) が含まれています。各回帰直線について、 R2 値は適合度を示します。
    注:この操作(ステップ17)は、モデリング、感度、および最適化のステップ(操作8〜11)を実行せずに完了できます。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

8 つのサンプル データセットは、さまざまな回答を表すために選択されています。 図3、 図4、 図5、 図6、 図7、 図8、 図9、 図10、 および図11 は、アルゴリズム内の各ステップについて、代表的な健康な対照被験者からの結果を示している。 補足図1、補足図2、補足図3...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

この研究で実証された ValsalvaAnalyzer ソフトウェアは、Valsalva マニューバ中に記録された臨床 ECG および BP データを分析する機能を提供します。このソフトウェアには、ノイズの多い信号をクリーニングする機能があり、母集団全体で一貫した測定を行うことができます。修正されたデータを使用して、ソフトウェアはユーザーが解釈できる35を超えるマーカーを計算します。このソフトウェアは、いくつかの研究1,8,9,31,32,34,36,38,40で報告されたバルサルバマヌーバ中に報告されたすべての既知の量を含めることを目指しています。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者は何も開示していません。

謝辞

この研究は、全米科学財団賞(DMS-2051010)およびNSA賞(H98230-21-1-0014およびH98230-20-1-0259)によって部分的に資金提供されました。ソフトウェアをテストしてくださった Sanaa Elmajdoubi 氏 (Rigshospitalet、デンマーク)、Niloufar Mehrani 氏、Jesper Mehlsen 氏 (Klinik Mehlsen、デンマーク) に感謝します。数理モデルについて議論していただいたE. Benjamin Randall氏(ノースカロライナ州ローリーのApplied Research Associates)と、インデックスの議論についてカナダのトロント大学のIryna Palamarchuk氏に感謝いたします。最後に、計算コードの改訂と編集にご協力いただいたカリフォルニア大学サンディエゴ校のSophie Carlson氏に感謝します。このソフトウェアは、結果をコンピューターにローカルに保存し、外部のエンティティと情報を共有することはありません。ValsalvaAnalyzerソフトウェアの開発者は、患者データの使用および保護について責任を負いません。ValsalvaAnalyzerのユーザーは、このソフトウェアで生成された結果を公開する前に、データを保護し、適切な承認を取得する責任があります。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
LabChartADされたデータを
ValsalvaAnalyzer プログラムに使用するMATLABMathworks
分析 ソフトウェアからエクスポートするソフトウェア

参考文献

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

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

ECG MATLAB
バルサルバマヌーバからの心拍数と血圧の時系列データを分析するためのソフトウェア
お問い合わせ
図書館への推薦

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。