Waiting
Login processing...

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

Engineering

Lumped-Parameter och finite Element Modellering av hjärtsvikt med bevarad utmatningsfraktion

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

Summary

Detta arbete introducerar två beräkningsmodeller av hjärtsvikt med bevarad utmatningsfraktion baserad på en klumpad parametermetod och finita elementanalys. Dessa modeller används för att utvärdera förändringarna i hemodynamiken i den vänstra ventrikeln och relaterade vaskulatur framkallas av tryck överbelastning och minskad Ventrikulärt överensstämmelse.

Abstract

Vetenskapliga insatser inom beräkningsmodellering av hjärt-kärlsjukdomar har till stor del fokuserat på hjärtsvikt med minskad utstötningsfraktion (HFrEF), som i stort sett förbiser hjärtsvikt med bevarad utstötningsfraktion (HFpEF), som på senare tid har blivit en dominerande form av hjärtsvikt över hela världen. Motiverade av bristen på HFpEF i silico representationer, presenteras två distinkt beräkningsmodeller i detta dokument för att simulera hemodynamics av HFpEF som härrör från vänster Ventrikulärt tryck överbelastning. Först utvecklades en objektorienterad lumped-parameter modell med hjälp av en numerisk problemlösare. Denna modell är baserad på ett nolldimensionellt (0D) Windkessel-liknande nätverk, vilket beror på de geometriska och mekaniska egenskaperna hos de konstituerande elementen och erbjuder fördelen med låga beräkningskostnader. För det andra användes ett fea-programvarupaket (finite element analysis) för implementering av en flerdimensionell simulering. FEA-modellen kombinerar tredimensionella (3D) multifysikmodeller av det elektromekaniska hjärtsvaret, strukturella deformationer och vätskehålabaserad hemodynamik och använder en förenklad lumped-parametermodell för att definiera flödesutbytesprofilerna mellan olika vätskehålor. Genom varje tillvägagångssätt simulerades både de akuta och kroniska hemodynamic förändringarna i den vänstra ventrikel och proximala vaskulatur som härrör från tryck överbelastning framgångsrikt. Specifikt modellerades trycköverbelastning genom att minska öppningen av aortaventilen, medan kronisk ombyggnad simulerades genom att minska överensstämmelsen hos den vänstra ventrikulära väggen. Överensstämmer med den vetenskapliga och kliniska litteraturen i HFpEF, resultat från båda modellerna visar (i) en akut höjning av transaortic tryck gradient mellan den vänstra ventrikel och stora och en minskning av stroke volym och (ii) en kronisk minskning av slutet-diastolic vänstra Ventrikulärt volym, vägledande för diastolisk dysfunktion. Slutligen visar FEA-modellen att stress i HFpEF-hjärtmuskeln är anmärkningsvärt högre än i den friska hjärtvävnaden under hela hjärtcykeln.

Introduction

Hjärtsvikt är en ledande dödsorsak över hela världen, som uppstår när hjärtat inte kan pumpa eller fylla tillräckligt för att hålla jämna steg med kroppens metaboliska krav. Utmatningsfraktionen, dvs. den relativa mängden blod som lagras i den vänstra ventrikeln som matas ut med varje sammandragning, används kliniskt för att klassificera hjärtsvikt till (i) hjärtsvikt med minskad utstötningsfraktion (HFrEF) och ii) hjärtsvikt med konserverad utstötningsfraktion (HFpEF), för utmatningsfraktioner mindre än eller större än 45%,respektive 1,2,3. Symtom på HFpEF utvecklas ofta som svar på vänster ventrikulär tryck överbelastning, som kan orsakas av flera villkor inklusive kolorektal stenos, högt blodtryck och vänster Ventrikulärt utflöde tarminnehållobstruktion 3,4,5,6,7. Trycköverbelastning driver en kaskad av molekylära och cellulära avvikelser, vilket leder till förtjockning av vänster ventrikulär vägg (koncentrisk ombyggnad) och slutligen till väggstyvhet eller förlust avöverensstämmelse 8,9,10. Dessa biomekaniska förändringar påverkar djupt kardiovaskulär hemodynamik eftersom de resulterar i ett förhöjt slutdiastoliskt tryck-volymförhållande och i en minskning av den enddiastoliska volymen11.

Beräkningsmodellering av hjärt-kärlsystemet har främjat förståelsen av blodtryck och flöden i både fysiologi och sjukdom och har främjat utvecklingen av diagnostiska och terapeutiska strategier12. I silico modeller klassificeras i låg- eller högdimensionella modeller, med de tidigare använda analytiska metoder för att utvärdera globala hemodynamic egenskaper med låg beräkningsbehov och den senare ger en mer omfattande multiskala och multifysik beskrivning av kardiovaskulär mekanik och hemodynamics i 2D eller 3D domän13. Den klumpade parametern Windkessel representation är den vanligaste bland de lågdimensionella beskrivningarna. Baserat på den elektriska kretsanalogin (Ohms lag) efterliknar detta det kardiovaskulära systemets övergripande hemodynamiska beteende genom en kombination av resistiva, kapacitiva och induktiva element14. En ny studie av denna grupp har föreslagit en alternativ Windkessel-modell i det hydrauliska området som möjliggör modellering av förändringar i geometrin och mekaniken hos stora kärl-hjärtkammare och ventiler - på ett mer intuitivt sätt än traditionella elektriska analoga modeller. Denna simulering är utvecklad på en objektorienterad numerisk problemlösare (se materialtabellen)och kan fånga den normala hemodynamiken, fysiologiska effekter av kardiorespiratorisk koppling, andningsdrivet blodflöde i enhjärtad fysiologi och hemodynamiska förändringar på grund av aortaförträngning. Denna beskrivning utökar kapaciteten hos lumped-parameter modeller genom att erbjuda en fysiskt intuitiv strategi för att modellera ett spektrum av patologiska tillstånd inklusive hjärtsvikt15.

Högdimensionella modeller är baserade på FEA för att beräkna spatiotemporal hemodynamik och vätskestrukturinteraktioner. Dessa framställningar kan ge detaljerade och exakta beskrivningar av det lokala blodflödesfältet; Men på grund av deras låga beräkningseffektivitet är de inte lämpliga för studier av hela kardiovaskuläraträdet 16,17. Ett mjukvarupaket (se tabell över material)användes som en anatomiskt exakt FEA-plattform i det 4-kammar vuxna mänskliga hjärtat, som integrerar det elektromekaniska svaret, strukturella deformationer och vätskehålabaserad hemodynamik. Den anpassade mänskliga hjärtmodellen består också av en enkel lumped-parameter modell som definierar flödesutbytet mellan de olika vätskehålorna, liksom en fullständig mekanisk karakterisering avhjärtvävnaden 18,19.

Flera klumpade parameter- och FEA-modeller av hjärtsvikt har formulerats för att fånga hemodynamiska avvikelser och utvärdera terapeutiska strategier, särskilt i samband med mekaniska cirkulationshjälpmedel för HFrEF20,21,22,23,24. Ett brett utbud av 0D-klumpade parametermodeller av olika komplexiteter har därför framgångsrikt fångat det mänskliga hjärtats hemodynamik i fysiologiska och HFrEF-förhållanden via optimering av två eller tre-element elektriska analoga Windkessel-system20,21,23,24. Majoriteten av dessa representationer är uni- eller biventricular modeller baserat på tiden varierande-elastans formuleringen för att reproducera hjärtats kontraktila verkan och använda en icke-linjär end-diastolic tryck-volym relation för att beskriva Ventrikulärtfyllning 25,26,27. Omfattande modeller, som fångar det komplexa kardiovaskulära nätverket och efterliknar både förmaks- och ventrikulär pumpning, har använts som plattformar för enhetstestning. Trots detta, även om det finns en betydande litteraturkropp runt HFrEF-området, har mycket få i silico-modeller av HFpEFföreslagits 20,22,28,29,30,31.

En lågdimensionell modell av HFpEF hemodynamics, nyligen utvecklad av Burkhoff et al.32 och Granegger et al.28, kan fånga tryck-volym (PV) slingor i 4-kammarhjärtat, helt rekapitulera hemodynamiken hos olika fenotyper av HFpEF. Dessutom använder de sin i silico-plattform för att utvärdera genomförbarheten av en mekanisk cirkulationsanordning för HFpEF, banbrytande beräkningsforskning av HFpEF för fysiologistudier samt enhetsutveckling. Dessa modeller är dock fortfarande oförmögna att fånga de dynamiska förändringar i blodflöden och tryck som observerats under sjukdomsprogression. En ny studie av Kadry et al.30 fångar de olika fenotyperna av diastolisk dysfunktion genom att justera den aktiva avslappningen av hjärtmuskeln och den passiva styvheten i vänster ventrikel på en lågdimensionell modell. Deras arbete ger en omfattande hemodynamic analys av diastolic dysfunktion baserat på både de aktiva och passiva egenskaperna hos hjärtmuskeln. På samma sätt har litteraturen om högdimensionella modeller främst fokuserat på HFrEF19,33,34,35,36,37. Bakir et al.33 föreslog en helt kopplade hjärtvätska-elektromekanik FEA-modell för att förutsäga HFrEF hemodynamic profil och effekten av en vänster ventrikulär hjälp enhet (LVAD). Denna biventricular (eller två-kammare) modell använde en kopplade Windkessel krets för att simulera hemodynamics av friska hjärtat, HFrEF och HFrEF med LVAD stöd33,37.

På samma sätt utvecklade Sack et al.35 en biventricular modell för att undersöka rätt Ventrikulärt dysfunktion. Deras biventricular geometri erhölls från en patients magnetic resonance imaging (MRI) data, och modellens finita-element mesh konstruerades med hjälp av bild segmentering för att analysera hemodynamics av en VAD-stödda misslyckas rätt ventrikel35. Fyra-kammare FEA hjärtmetoder har utvecklats för att förbättra noggrannheten hos modeller av hjärtats elektromekaniska beteende19,34. I motsats till biventricular beskrivningar, MRI-härledda fyra-kammare modeller av det mänskliga hjärtat ger en bättre representation av kardiovaskulär anatomi18. Den hjärtmodell som används i detta arbete är ett etablerat exempel på en FEA-modell med fyra kammare. Till skillnad från lumped-parameter och biventricular FEA-modeller fångar denna representation hemodynamiska förändringar när de uppstår under sjukdomsprogression34,37. Genet et al.34, till exempel, använde samma plattform för att implementera en numerisk tillväxtmodell av ombyggnaden som observerats i HFrEF och HFpEF. Dessa modeller utvärderar dock effekterna av hjärthypertrofi endast på strukturell mekanik och ger inte en omfattande beskrivning av tillhörande hemodynamik.

För att ta itu med bristen på HFpEF i silico modeller i detta arbete, den klumpade parameter modell som tidigare utvecklats av denna grupp15 och FEA-modellen var readapted för att simulera den hemodynamic profilen för HFpEF. För detta ändamål kommer varje modells förmåga att simulera kardiovaskulär hemodynamik vid baslinjen först att påvisas. Effekterna av stenos-inducerad vänster Ventrikulärt tryck överbelastning och minskad vänster Ventrikulärt överensstämmelse på grund av att hjärt ombyggnad-ett typiskt kännetecken för HFpEF-kommer sedan att utvärderas.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. 0D-modell med klumpad parameter

  1. Inställningar för simulering
    OBS: I den numeriska problemlösarmiljön (se materialförteckningen)konstruerar du domänen enligt figur 1. Detta består av 4-kammarhjärtat, överkroppen, buken, underkroppen och bröstfacken, liksom den proximala vaskulaturen, inklusive aortan, lungartären och den överlägsna och sämre venae cavae. Standardelementen som används i den här simuleringen ingår i standardhydraulikbiblioteket. Detaljer finns i tilläggsfilerna.
    1. Navigera i hydraulikbiblioteket för att hitta de nödvändiga elementen: hydraulisk rörledning, hydraulisk kammare med konstant volym, linjär resistans, centrifugalpump, backventil, variabel områdesöppning och anpassad hydraulvätska.
      1. Släpp in de hydrauliska rörledningselementen i arbetsytan.
        OBS: Dessa står för friktionsförluster samt väggefterlevnad och vätskekompression i blodkärl och hjärtkammare. Genom detta block beräknas tryckförlusten med Darcy-Weisbach-lagen, medan förändringen i diameter på grund av väggefterlevnad beror på överensstämmelseproportionelliteten konstant, luminaltrycket och tidskonstanten. Slutligen definieras vätskekomprimerbarheten av mediets bulkmodul.
      2. Sätt in hydrauliska kammareelement med konstant volym för att definiera väggefterlevnad och vätskekomprimerbarhet.
        OBS: Detta block tar inte hänsyn till tryckförluster på grund av friktion.
      3. Lägg till de linjära motståndselementen för att definiera flödesbeständighet.
        OBS: Detta är oberoende av vaskulaturens geometriska egenskaper, analogt med det resistiva element som används i elektriska analoga Windkessel-modeller. Andra block, såsom centrifugalpumpen, backventilen, öppningen med variabelt område och de anpassade hydrauliska vätskeelementen bör sättas in för att generera önskad trycktillförsel till systemet, modellera effekterna av hjärtklaffar på blodflödet och definiera blodets mekaniska egenskaper. Genom dessa element kan hjärt-kärlsystemets beteende i både fysiologi och sjukdom fångas helt. Ingångssignalen för centrifugalpumpen finns i figur S1A.
      4. Modellera varje hjärtkammares kontraktilitet genom det anpassade kammaren för överensstämmelse med variabel överensstämmelse.
        OBS: Detta accepterar överensstämmelse som en tidsvarierande användardefinierad ingångssignal och baseras på den tidsvarierande elastansmodellen (figur S1B-D).
    2. Ange parametrarna för varje element, som visas i tabell S1,som också finns i Rosalia et al.15
    3. Sätt in ett PS-element (Physical Signal) Repeating Sequence för vart och ett av blocken som kräver en tidsvarierande användardefinierad ingångssignal: LV-pumpen, elementen för överensstämmelse med variabel överensstämmelse och öppningsblocken med variabelt område.
      OBS: Ingångssignaler som används för denna simulering finns i figur S1.
    4. Välj standard ODE 23t implicit problemlösare och kör simuleringen i 100 s för att nå ett stabilt tillstånd.

2. FEA-modellen

  1. Inställningar för simulering
    FEA-modellen använder en kopplade elektrisk-mekanisk analys i följd. I denna modell utförs den elektriska analysen först; därefter används de resulterande elektriska potentialerna som excitationskälla i följande mekaniska analys. Därför innehåller simuleringsinställningarna två arbetsdomäner:de elektriska (ELEC)och de mekaniska(MECH)domänerna, som är fördefinierade i FEA-simuleringsprogramvaran(Table of Materials)18. Därför beskriver följande avsnitt bara analysarbetsflödet. FEA-modellen använder följande användarunderrutiner HETVAL, VUANISOHYPERoch UAMP för den elektriska och mekaniska materialmodellering18.
    1. Navigera i ELEC-domänen för att utföra elektrisk analys med hjälp av den fördefinierade temperaturproceduren i standardmodulen.
      1. Använd ett steg med en analys med namnet BEAT. Ställ in hjärtcykelns längd på 500 ms och applicera en elektrisk potentiell puls på en noduppsättning som representerar noden (SA)(noduppsättning: R_Atrium-1.SA_NODE).
      2. Granska standard elektrisk vågform, som sträcker sig från -80 mV till 20 mV över 200 ms med den smidiga stegamlituddefinitionen, enligt beskrivningen i modellguiden18. Använd standardvärdena för materialkonstanter i den elektriska analysen för att justera AV-fördröjningen.
      3. Starta jobbmodulen och skapa ett jobb med namnet heart-elec.
    2. När den elektriska analysinställningen är klar navigerar du i MECH-domänen för att utföra den vätskehålabaserade mekaniska analysen.
      OBS: Den mekaniska simuleringen utförs efter den elektriska analysen, och de resulterande elektriska potentialerna används som excitationskälla för den mekaniska analysen. Den mekaniska analysen innehåller flera steg.
      1. Använd de tre huvudstegen pre-load, BEAT1och recovery1. I steget PRE-LOAD, granska gränsförhållandena för hjärtats förstressade tillstånd. Använd 0,3 s som stegtid för att linjärt öka trycket i vätskekamrarna.
        OBS: De fördefinierade vätskehålans tryckvärden visas i tabell S3. Hjärtats förstressade tillstånd definierades redan i den normala hjärtsimuleringsinställningen, och de första nodförhållandena tillhandahålls i de externa simuleringsfilerna, enligt tabell S5. Omberäkning av nollspänningstillståndet med hjälp av den omvända mekaniska simuleringen krävs när gränsförhållandet ändras, vilket förklaras i steg 3.2.2-3.2.4.
      2. I BEAT1-steget använder du 0,5 s som stegtid för att simulera sammandragning.
      3. I RECOVERY1-steget väljer du 0,5 s för hjärtavslappning och ventrikulär fyllning för en puls på 60 timmar per minut.
      4. Aktivera följande steg, BEATX och RECOVERYX, för att simulera mer än en hjärtcykel för att nå ett stabilt tillstånd.
        OBS: Tre hjärtcykler kommer att vara tillräckliga för att nå stabilt tillstånd. En cykel av simuleringen slutförs i ~8 h på en 24-kärnig processor (3,2 GHz x 24).
      5. Starta jobbmodulen och skapa ett jobb med namnet hjärt-mech, vilket möjliggör alternativet dubbel precision.
  2. Granska den förenklade lumpade parametern Windkessel-modellen
    OBS: Fea-modellens mekaniska domän har en blodflödesmodell, som bygger på en förenklad krets med klumpade parametrar och skapas som en kombination av ytbaserade vätskehålor och vätskeutbyten enligt figur 218.
    1. Använd Windkessel-representationen som nämns i ovanstående anteckning för att köra simuleringen. Granska blodflödesmodellens representation för att justera värdena för resistiva och kapacitiva element för flödesresistens respektive strukturella överensstämmelser.
    2. Granska 3D-ändlig elementrepresentation av fyra hjärtkammare och se till att deras geometriska positioner är korrekta.
    3. Kontrollera hjärtenheten och byt till interaktionsmodulen för att justera efterlevnads- och kontraktilitetsvärdena för var och en av de fyra hjärtkamrarna.
      Standardvärdena i interaktionsmodulen är konfigurerade för att simulera en idealiserad hälsosam mänsklig hjärtrytmcykel18.
    4. Granska följande hydrostatiska vätskehåligheter i interaktionsmodulen, CAV-AORTA, CAV-LA, CAV-LV, CAV-PULMONARY_TRUNK, CAV-RA, CAV-RV, CAV-SVC, CAV-ARTERIAL-COMP, CAV-PULMONARY-COMP och CAV-VENOUS-COMP (Tabell S3).
    5. Använd överensstämmelsekamrarna (CAV-ARTERIAL-COMP, CAV-PULMONARY-COMP och CAV-VENOUS-COMP) som kubikvolymer eftersom de representerar överensstämmelsen hos artär-, ven- och lungcirkulationerna.
    6. Fäst tre överensstämmelse kubikvolymer på en jordad fjäder och granska styvhetsvärdet för att modellera tryckvolymresponsen i artär-, ven- och lungcirkulationerna.
    7. Kontrollera följande definitioner för vätskeutbyte mellan hydrostatiska vätskehålor: arteriell-venös, venös-höger atrium, höger atrium-höger ventrikel, höger ventrikel-lungsystem, lungsystem-vänster atrium, vänster atrium-vänster ventrikel och vänster ventrikel-aorta (Tabell S4).
    8. Justera den viskösa resistenskoefficienten för att modifiera blodflödesmodellen i varje vätskeutbyteslänk (se Kompletterande filer för mer information om viskös resistenseffekt).
  3. Simulering av multifysik
    1. Leta reda på CAE-databasfilen i arbetskatalogen.
      FEA-modellen i det här protokollet levereras i databasen och heter LH-Human-Model-Beta-V2_1.cae.
    2. Infoga indata-, objekt- och biblioteksfilerna i arbetskatalogen för att köra simuleringen. Se Tabell S5 för den fullständiga listan över indata- och biblioteksfiler.
    3. Starta FEA-modellsimuleringsprogramvaran (se materialförteckningen).
      Obs: Kontakta programvaruleverantören för kompatibilitet med senare versioner18.
    4. Granska delarna, monteringen och gränsvillkoren i både ELEC- och MECH-domänerna enligt beskrivningen i avsnitten 2.2 och 2.3.
    5. Kör först det elektriska simuleringsjobbet med namnet heart-elec, enligt beskrivningen i avsnitt 2.1.1.3. Inspektera visuellt de elektriska potentiella resultaten för att verifiera att hjärtelektroendesimuleringen kördes som förväntat. Kontrollera sedan att resultatfilen heart-elec.odb finns i arbetskatalogen.
    6. Gå till den andra simuleringsfasen genom att växla till MECH-domänen. Granska värdena för de materialkonstanter som används i den mekaniska simuleringen för att modellera önskat passivt och aktivt hjärtsvar.
    7. Se till att materialbiblioteksfilerna för den mekaniska analysen använder HYBRID-strängnamnet. Om du vill ändra materialsvaret i hjärtkamrarna justerar du lämplig hybridmaterialfil eller ersätter hela materialsvaret genom att definiera ett nytt materialbeteende i avsnittet Material i CAE-modulen.
      OBS: Detaljerad information om de inbyggda konstituerande lagarna finns i användarhandboken18.
    8. I PRE-LOAD-steget ställer du trycket på de hydrostatiska hålrummen för att få önskat fysiologiskt beteende. Använd det inbyggda smidiga amplitudalternativet för att öka från noll till önskad trycknivå enligt beskrivningen i steg 2.1.2.1.
    9. Inaktivera de tryckgränsförhållanden som definieras i 2.1.2.1 för att köra blodflödesmodellen med en konstant total blodvolym i cirkulationssystemet. Kör simuleringsjobbet med namnet heart-mech, enligt beskrivningen i avsnitt 2.1.2.5.

3. Aortaventil stenos

OBS: Kolorektal stenos är ofta en drivkraft för HFpEF eftersom det leder till trycköverbelastning och i slutändan till koncentrisk ombyggnad och efterlevnad förlust av den vänstra Ventrikulärt väggen. Hemodynamics observeras i kolorektal pylorusstenos utvecklas ofta till de som ses i HFpEF.

  1. Modellen med klumpade parametrar
    1. Modifiera ingångssignalen i PS-upprepande sekvenselement i förhållande till aortaventilen, som finns i det vänstra ventrikulära facket. Simulera en minskning av öppningsområdet som är lika med 70 % jämfört med baslinjen (tabell S6).
      OBS: Ingångsvärdena representerar stenotiska ventilens öppningsområde under varje hjärtslag. Öppningens områdesvärde kan enkelt justeras genom att aortaventilens PS-elements startutgångsvärden multipliceras med ett decimalvärde som motsvarar det slutliga öppningen med avseende på dess ursprungliga värde. I detta arbete användes en faktor på 0,3 för att uppnå 70% förträngning.
  2. FEA-modellen
    1. Ändra vätskeutbytesdefinitionen för parametern LINK-LV-ARTERIell.
      OBS: Denna parameter har en trögflytande resistenskoefficient inställd på blodflödet mellan vänster ventrikel och aortan. Det effektiva utbytesområdet kan ändras för att justera blodflödet och skapa lämplig aortastenosmodell (tabell S7).
    2. Leta reda på verktygslådemappen och kopiera filerna i mappen till arbetskatalogen.
    3. Utför en omvänd mekanisk simulering genom att köra verktygslådefilerna18. För detta ändamål, ändra sugtrycket i vänster ventrikel och vänster atrium till 6 mmHg i vätskehålan för att justera deras ursprungliga volymetriska tillstånd för aortastenosmodellen. Kör inversePreliminary.py funktionen.
      OBS: Omberäkning av nollspänningstillståndet med hjälp av den omvända mekaniska simuleringen krävs när gränsförhållandet ändras.
    4. När den omvända mekaniska simuleringen är klar kör du efterbehandlingsfunktionerna: calcNodeCoords.py och straight_mv_chordae.py. Använd standardvärdena för de andra flödesparametrarna och kör en ny mekanisk simulering enligt beskrivningen i avsnitt 2.1.2.5.

4. HFpEF hemodynamik

OBS: För att simulera effekterna av kronisk ombyggnad ändrades de mekaniska egenskaperna hos det vänstra hjärtat.

  1. Modellen med klumpade parametrar
    1. Ändra den vänstra ventrikulära diastoliska överensstämmelsen hos LV-överensstämmelseelementet för att efterlikna väggstyvhet på grund av trycköverbelastning, med hjälp av värdet av end-diastolisk överensstämmelse i tabell S8.
      Anse att efterlevnaden ska minska linjärt från ändsystole till end-diastole.
    2. Öka läckagemotståndet hos LV-pumpen till 18 × 106 Pa s m-3 (tabell S8)för att fånga de förhöjda vänstra ventrikulära trycket som observerats i HFpEF.
  2. FEA-modellen
    1. Redigera de aktiva materialegenskaperna hos vänster ventrikelgeometri. Öka styvhetskomponenten för att justera det aktiva vävnadssvaret som påverkar spänningskomponenterna i fiber- och plåtriktningar i den konstituerande modellen.
      1. Ändra materialsvaret på den vänstra ventrikeln i LV_ACTIVE filen.
        OBS: Styvhetens storlek för den vänstra ventrikulära kammaren kan justeras för att ge lämpliga diastoliska överensstämmelseeffekter.
      2. Öka stelhetsparametrarna a och b i den anisotropa hyperelastiska formuleringen för att fånga det ökade styvhetssvaret för HFpEF-fysiologin.
      3. I förbelastningssteget ställer du in vätskehålan på vänster ventrikel och lämnade atriumet på 20 mmHg.
      4. Utför en omvänd mekanisk simulering för att erhålla det volymetriska tillståndet hos vänster ventrikel och atrium. Exportera nodalkoordinaterna från filen heart-mech-inverse.odb 18.
      5. Kör efterbehandlingsfunktionerna: calcNodeCoords.py och straight_mv_chordae.py, enligt beskrivningen i steg 3.2.4. Leta reda på de nya nodalinmatningsfilerna i arbetskatalogen och utför en ny mekanisk simulering enligt beskrivningen i avsnitt 2.1.2.5.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Resultaten från baslinjesimuleringarna illustreras i figur 3. Detta visar tryck- och volymvågformerna för vänster ventrikel och aortan (figur 3A) samt den vänstra ventrikulära solcellsslingan (figur 3B). De två i silico modeller visar liknande aorta och vänster Ventrikulärt hemodynamics, som ligger inom det fysiologiska intervallet. Mindre skillnader i det svar som förutses av de två plattformarna kan märkas under ventrikulär tömnings- och påfyllningsfaser, där icke-linjäriteter fångas bättre av FEA-modellen jämfört med plattformen med klumpade parametrar. I fysiologi uppstår sådana icke-linjära effekter främst som ett resultat av hjärtvävnadens hyperelastiska svar och reproduceras därför mer exakt av multidomän- och högordningsberäkningsmodeller18.

Ventrikulära och kolorektal hemodynamics erhölls för kolorektal pylorusstenos, eftersom detta ofta leder till vänster Ventrikulärt tryck överbelastning och slutligen till utvecklingen av HFpEF. Tryck- och volymvågformer med en 70- procentig minskning av kolorektalventilens öppningsområde visas för båda modellerna i figur 4. Stenos resulterade i en förhöjd tryckgradient över aortaventilen. För de 70% stenos som beaktas i detta arbete erhölls topptransaortiska tryckgradienter på 41 mmHg respektive 54 mmHg med modellerna lumped-parameter (Figur 4A) respektive FEA (Figur 4B). Denna måttliga variation uppstår sannolikt som en annan följd av bristen på en konstituerande ekvation som definierar hjärtvävnadens materialegenskaper i den klumpade parametermodellen, där överensstämmelse helt enkelt definieras av en rad numeriska värden. Denna modell fångar därför inte vätskestrukturinteraktioner, som istället representeras korrekt av FEA-modellen. Resultaten från båda modellerna överensstämmer dock med American Society of Echocardiography (ASE) och European Association of Echocardiography (EAE) klassificeringar av måttliga aortaklaffstenos, som betecknar topptransaortiska gradienter på 40-65 mmHg för aortaförträngningar på cirka 60-75%38,39,40.

Vänster ventrikulära PV-slingor vid baslinjen, 70% kolorektalstenos och HFpEF efter förstyvning av ventrikulära väggen sammanfattas i figur 5. Liknande mönster kan observeras i figur 5A, som visar resultaten från den klumpade parametermodellen, och i figur 5B, som visar hemodynamiken som erhålls via FEA. Dessa PV-slingor överensstämmer med dem i den vetenskapliga och kliniska litteraturen i HFpEF1,11,28,32. I synnerhet kan båda modellerna fånga ökningen av det systoliska vänstra ventrikulära trycket på grund av ökningen av efterbelastning inducerad av aortastenos. Dessutom ökas den end-systoliska volymen i stenos PV-slingan, vilket leder till en minskning av slagvolymen. Vid ombyggnad och förlust av vänster Ventrikulärt överensstämmelse blir förhållandet mellan slutdiastoliskt tryck-volym (EDPVR) förhöjt, vilket resulterar i högre end-diastolic tryck och lägre end-diastolic volymer. Dessa fenomen, som beror på den vänstra ventrikelns oförmåga att slappna av och fylla tillräckligt, fångas framgångsrikt av HFpEF PV-slingorna i både låg- och högdimensionella modeller.

Som en annan indikation för minskad diastolisk funktion visas flödet genom mitralventilen i figur S2, som belyser både de tidiga avslappningsfaserna (E) och förmaksflimmer (A). Jämfört med de normala och stenosprofilerna kännetecknas HFpEF-flödet av ett något högre topp-mitralflöde i E-fasen och avsevärt minskat topp A-fasflöde, vilket belyser att passiv förstyvning av vänster ventrikel resulterar i ett förhöjt E/A-förhållande, vilket överensstämmer med den vetenskapliga litteraturen30. Slutligen visar figur 6 förändringar i myokardiumstresskartan i normala och HFpEF-hjärtan under både systole och diastole. Den långa axelns vy av den vänstra ventrikeln illustrerar de volymetriska genomsnittliga stressfördelningarna och visar förhöjda påfrestningar i HFpEF hjärtat på grund av den karakteristiska förlusten av Ventrikulärt överensstämmelse. Från utgångsvärdena (61,1 ± 49,8) kPa och (0,51 ± 7,35) kPa för det friska hjärtat under topp-systole (t = 0,2 s) respektive end-diastole (t = 1,0 s), den genomsnittliga stressen ökade på motsvarande sätt till (97,2 ± 205,7) kPa och (2,69 ± 16,34) kPa i HFpEF, vilket tyder på att de hemodynamiska förändringar som observerats i HFpEF är rotade i djupgående strukturella förändringar som påverkar det sviktande hjärtat.

Figure 1
Figur 1: Domänen för anatomiskt härledd lumped-parameter modell i den objektorienterade numeriska problemlösaren (se materialförteckningen),som visar fyrakammarhjärtat, aortan och överkroppen, buken, underkroppen och lungcirkulationerna. Förkortningar: LV = vänster ventrikel; RV = höger ventrikel; LA = vänster atrium; RA = höger atrium; R1 = artärbeständighet; R2 = venöst motstånd; C = överensstämmelse; IVC: sämre vena cava; SVC: överlägsen vena cava. Klicka här om du vill visa en större version av den här figuren.

Figure 2
Figur 2:Finita elementanalys modell av det mänskliga hjärtat. (A) 3D representation av det finita element analysmodellen av det mänskliga hjärtat. B)Förenklad klumpparameterrepresentation av blodflödesmodellen i modellen i kombination med modellerna för strukturellt vätskeutbyte18. Förkortningar: LV = vänster ventrikel; RV = höger ventrikel; LA = vänster atrium; RA = höger atrium; Raorta = aortaventilmotstånd; Rmitral = mitralventilmotstånd; RLung- = lungventilmotstånd; Rtricuspid = tricuspid ventil motstånd; Carteriell = systemisk arteriell överensstämmelse; R-system = systemisk arteriell resistens; Cvenös = systemisk venös överensstämmelse, Rvenous = systemisk venös resistens; Cpulmonell = lungefterlevnad; Rlungsystem = lungresistens. Klicka här om du vill visa en större version av den här figuren.

Figure 3
Figur 3:Baslinjesimuleringar och vågformer med tryckvolym för de klumpade parameter- och ändliga elementanalysmodellerna i det mänskliga hjärtat. A)Vänster ventrikulärt tryck och volymvågformer och kolorektaltryck beräknat av modellerna lumped-parameter och FEA vid baslinjen. B)Vänster ventrikulär solcellsslinga som erhålls via båda plattformarna vid baslinjen. Förkortningar: FEA = finita elementanalys; LV = vänster ventrikulär; PV = tryckvolym. Klicka här om du vill visa en större version av den här figuren.

Figure 4
Figur 4:Vänster ventrikulärt tryck och volymvågformer och kolorektaltryck beräknat vid 70 % minskning av kolorektalventilens öppningsområde. Förkortningar: FEA = finita elementanalys; LV = vänster ventrikulär. Klicka här om du vill visa en större version av den här figuren.

Figure 5
Figur 5: Vänster ventrikulära solcellsslingor i det friska hjärtat, under akut stenosinducerad trycköverbelastning, och av HFpEF-hjärtat efter kronisk ombyggnad och förstyvning. (A) Lumped-parameter, (B) FEA-modeller. Förkortningar: EDPVRH = end-diastolic pressure-volume relation i det simulerade friska hjärtat; EDPVRHFpEF:förhållandet mellan slutdiastoliskt tryck och volym i den simulerade HFpEF-fysiologin. PV - tryckvolym; FEA = finita elementanalys. Klicka här om du vill visa en större version av den här figuren.

Figure 6
Figur 6: von Mises stress (genomsnittlig: 75%) under fysiologiska förhållanden och av HFpEF hjärtat under topp-systole och diastole, som förutspås av FEA-modellen. Färgkartorna anger stressnivåer i MPa. Högre påfrestningar kan ses i HFpEF (92,7-2,7 kPa) jämfört med det friska hjärtat (61,1-0,5 kPa) under topp-systole (t = 0, 2 s) och end-diastole (t = 1,0 s). Klicka här om du vill visa en större version av den här figuren.

Figur S1:Ingångssignalerför ( A)centrifugalpump, (B) vänster ventrikel,( C) höger ventrikel, (D) vänster och höger atria för simuleringen av klumpade parametrar. Klicka här för att ladda ner den här filen.

Figur S2: (A) Kolorektal- och( B)mitralflödessignaler för baslinjen, stenos och HFpEF-profiler, erhållna av FEA. Förkortningar: E = tidig avslappningsfas; A = förmaksflimmer; FEA = finita elementanalys; HFpEF = hjärtsvikt med konserverad utmatningsfraktion. Klicka här för att ladda ner den här filen.

Bord S1. Geometriska och mekaniska parametrar för simulering av klumpparameter vid baslinjen. Klicka här för att ladda ner den här tabellen.

Tabell S2. Omfattande uppsättning parametrar för simulering av klumpparameter vid baslinjen. Klicka här för att ladda ner den här tabellen.

Bord S3. Vätskehålighetsvärden i fea-modell18(Mechanical Finite Element Analysis) . Klicka här för att ladda ner den här tabellen.

Bord S4. Gränsförhållanden för vätskeutbyteslänkar för FEA-modellen (Finite Element Analysis)18. Klicka här för att ladda ner den här tabellen.

Bord S5. De nödvändiga simuleringsfilerna för FEA-modellen (Finite Element Analysis)18. Klicka här för att ladda ner den här tabellen.

Bord S6. Parametrar för simulering av kolorektal-stenosklumpparameter. Klicka här för att ladda ner den här tabellen.

Bord S7. Definitioner av vätskeutbyteslänkar i FEA-modellen (Finite Element Analysis)18. Klicka här för att ladda ner den här tabellen.

Bord S8. Parametrar för HFpEF-simuleringen av klumpade parametrar. Klicka här för att ladda ner den här tabellen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

De klumpade parameter- och FEA-plattformarna som föreslås i detta arbete rekapitulerade kardiovaskulär hemodynamik under fysiologiska förhållanden, både i den akuta fasen av stenos-inducerad trycköverbelastning och i kronisk HFpEF. Genom att fånga den roll som trycköverbelastning spelar i de akuta och kroniska faserna av HFpEF-utvecklingen, är resultaten från dessa modeller i överenskommelsen med den kliniska litteraturen i HFpEF, inklusive uppkomsten av en transaortisk tryckgradient på grund av kolorektal stenos, en ökning av det vänstra ventrikulära trycket och minskningen av den enddiastoliska volymen på grund av väggstyvhet41. Dessutom kunde denna FEA-modell fånga höjder i hjärtinfarkt stress i HFpEF under hela hjärtcykeln. För att säkerställa en korrekt inställning av dessa simuleringar måste stegen som beskrivs i protokollavsnittet ovan följas noggrant. För modellen med klumpade parametrar är det viktigt att nätverket av hydrauliska element återskapas korrekt enligt figur 1 och att de föreskrivna värdena anges som ingångsparametrar (tabell S1 och tabell S2). Dessutom måste problemlösarblocket definieras och anslutas till nätverket vid vilken nod som helst.

Fea-modellens funktion kräver alla simuleringsfiler som är paketerade med problemlösaren18 som visas i tabell S5. Utelämnande av någon av de nödvändiga komponenterna kan orsaka tidig avslutning av simuleringen. För båda plattformarna är det viktigt att erhålla baslinjesimuleringen med standardinmatningsparametrarna innan stenosen och HFpEF-hemodynamiska profiler återskapas. Den ursprungliga forskningsartikeln som beskriverbaslinjesimuleringen 15 och dokumentationen kopplad till simuleringen i tilläggsfilerna kan konsulteras för felsökning av den klumpade parametermodellen. På samma sätt innehåller detta FEA-ramverk programvarudokumentation och verktygslådemapp för felsökning18. I händelse av ett simuleringsfel kan användaren anropa simuleringsdiagnostiken genom att köra de relativa plugin-programen i verktygslådemappen18. Hemodynamic resultat från lumped-parameter modellen var analoga med de beräknas via FEA i var och en av de simulerade villkoren och överensstämmer med den kliniska litteraturen i HFpEF. Den högdimensionella FEA-plattformen tillåter fångst av hjärtats komplexa biomekaniska beteende och ger en korrekt beskrivning av kardiovaskulär hemodynamik, om än på bekostnad av den förhöjda beräkningsefterfrågan. Men i den klumpade parametermodellen reduceras körningstiden från flera timmar till några minuter, vilket utgör en betydande fördel jämfört med högre ordning i silico-modeller.

Genom att modellera ett större antal kardiovaskulära fack möjliggör denna simulering av klumpade parametrar dessutom undersökning av blodflöden och tryck på olika platser i det kardiovaskulära trädet och är därför lämplig för studier som sträcker sig bortom hjärtkamrarna och den proximala vaskulaturen. Men även om kunna rekapitulera global hemodynamik, misslyckas denna beskrivning med att fånga några mindre effekter av strukturella interaktioner och saknar därför den noggrannhet som är typisk för FEA-representationer. Analys av hjärtmekanik som erhållits i denna studie genom det finita elementet tillvägagångssätt bekräftade de från tidigare undersökningar. Specifikt är dessa genomsnittliga stressvärden i samma intervall som de som förutspås av tillväxtmodeller av det delvis stödda hjärtat under kronisk misslyckande34,37. Jämfört med dessa modeller var stressvärdena som finns i dessa studier som beskrivs häri måttligt högre på grund av den förhöjda nivån av aortastenos simulerad för att inducera trycköverbelastning. Dessutom konstaterades det att förlust av vänster ventrikulär överensstämmelse i HFpEF har en stor inverkan på endokardisk stress.

Diastolic styvhet och dess känslighet undersöktes dock inte parametriskt i denna studie. I själva verket var denna parameter inställd för att fånga den fysiologiskt relevanta hemodynamic profilen av kronisk vänster Ventrikulärt tryck överbelastning. Omfattande känslighet analys bör utföras för att fullt ut karakterisera effekterna av minskad diastolisk överensstämmelse. Denna beräkningsmodell tyder vidare på att biomekaniska förändringar av hjärtstrukturen i HFpEF kan vara en viktig drivkraft för ombyggnad och kan därmed ha betydande konsekvenser i HFpEF hemodynamics och sjukdom progression. Integration av en dynamisk tillväxtmodell med vätskestrukturinteraktion av FEA-simuleringen kan övervägas i framtida arbete för att mer omfattande fånga dynamiken i hjärtrenovering och hemodynamiska avvikelser som induceras av trycköverbelastning. Dessutom kan ytterligare studier av effekterna av aktiv avslappning som liknar Kadry et al.30 och elektrisk ledning och kontraktilitet behövas för att simulera olika fenotyper av diastolisk dysfunktion.

Utvecklingen av simuleringsplattformar som är lämpliga för studier av HFpEF är till stor del underrapporterad i litteraturen. I detta sammanhang ger detta arbete en unik miljö för studier av HFpEF patofysiologi. Den anatomiskt härledda lumped-parameter modellen kommer att möjliggöra snabb simulering av effekten som varierande patientspecifika hemodynamic parametrar (t.ex. vaskulär luminal område och efterlevnad) spelar i den globala hemodynamiken för friska och HFpEF villkor. Dessutom tillåter FEA-modellering detaljerad undersökning av effekterna av temporala förändringar i mekaniska egenskaper och excitabilitet av hjärtvävnaden när de ändras gradvis under HFpEF. Dessutom har de föreslagna modellerna potentiell nytta för simulering av nya terapier för HFpEF, delvis för att ta itu med bristen på tillförlitlig invivo, in vitro och i silico-modeller av HFpEF, som kan vara ansvariga för att kliniska prövningar skjuts upp på grund av otillräckligenhetsoptimering 42. Slutligen kan framtida arbete innebära att dessa modeller integreras i en enda simulering genom att ersätta den förenklade klumpparameterbeskrivningen som ligger till grund för FEA-metoden med den numeriska problemlösarmodellen. Detta kan ytterligare förbättra noggrannheten hos dessa modeller och ytterligare stödja beräkningsstudier av HFpEF och andra kardiovaskulära tillstånd.

Sammanfattningsvis beskrevs två distinkta beräkningsmodeller av HFpEF i denna studie. De utvecklade plattformarnas förmåga att beskriva baslinjen hemodynamics under fysiologiska förhållanden visades först. Sedan undersöktes de förändringar som härrör från kolorektal pylorusstenos och slutligen från HFpEF på grund av att vänster Ventrikulärt ombyggnad, visar att resultaten var förenligt med de som rapporteras i litteraturen. Slutligen visade de simulerade hemodynamic förhållandena höjder i hjärtväggsstressen i HFpEF hjärtat jämfört med fysiologiska förhållanden. Mot bakgrund av den otroligt akuta hälso- och sjukvårdsutmaning som HFpEF står för är dessa föreslagna plattformar bland de första i silicobeskrivningar som kan ge insikter om HFpEF:s hemodynamik och biomekanik. Dessa beräkningsmodeller kan användas ytterligare som ett verktyg för utveckling av behandlingar för HFpEF, vilket i slutändan stöder translationell forskning på området.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Det finns inga intressekonflikter i samband med detta arbete.

Acknowledgments

Vi bekräftar finansiering från Harvard-Massachusetts Institute of Technology Health Sciences and Technology program, och SITA Foundation Award från Institute for Medical Engineering and Science.

Materials

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

DOWNLOAD MATERIALS LIST

References

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

Tags

Teknik Problem 168 Lumped-parameter modell Windkessel modell finita element modell levande hjärt modell kardiovaskulärt system kolorektal stenos hjärtsvikt hjärtsvikt med bevarad utmatning fraktion HFpEF
Lumped-Parameter och finite Element Modellering av hjärtsvikt med bevarad utmatningsfraktion
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

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

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

Less
Copy Citation Download Citation Reprints and Permissions
View Video

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

Waiting X
Simple Hit Counter