Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Yöntem makalesi

Valsalva Manevrasından Kalp Atış Hızı ve Kan Basıncı Zaman Serisi Verilerinin Analizi için Yazılım

1.7K görüntüleme

⸱

DOI:

10.3791/67222

⸱

27 Haziran 2025

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

Bu makalede

Özet

ValsalvaAnalyzer yazılımı, Valsalva manevrası (VM) sırasında kaydedilen sürekli atımdan atıma elektrokardiyogram ve kan basıncı (BP) ölçümlerini analiz etmek için işlevler içerir. Hesaplanan klinik biyobelirteçler ve tahmini model çıktıları, VM sırasında kalp atış hızı ve kan basıncının sempatik ve parasempatik regülasyonu hakkında bilgi sağlar.

Özet

Valsalva Manevrası (VM), 15 saniye boyunca 40 mmHg intratorasik basınca karşı zorla nefes almaya karşı barorefleks kaynaklı kalp hızı (HR) ve kan basıncı (BP) yanıtını ölçen düşük riskli, yüksek erişilebilir bir testtir. Bu çalışma, zaman serisi BP ve elektrokardiyogram (EKG) verilerinden biyobelirteçleri çıkarmak için modelleme ve veri analizini birleştiren ValsalvaAnalyzer yazılımını göstermektedir. MATLAB'da programlanan yazılım, veri analizi ve matematiksel modelleme tahminlerini klinisyenler için erişilebilir hale getiren bir grafik kullanıcı arayüzü içerir. PC'ler ve Mac'ler için kalibre edilen yazılım, VM sırasında ölçülen EKG ve BP verilerini okur. Yakalanan sinyallerin doğruluğunu sağlamak için entegre kullanıcı doğrulaması ile EKG sinyalindeki R ve S tepe noktalarını otomatik olarak tanımlar. RR aralıkları HR'yi tahmin etmek için kullanılır ve QRS karmaşık büyüklük değişiklikleri solunumu tahmin etmek için kullanılır. Sistolik ve diyastolik kan basıncı yakalanır ve kullanıcı SBP'den başlangıç ve VM süresini tanımlar. Yazılım, dört VM fazını ve intratorasik basıncı otomatik olarak algılar. Sonuncusu, istirahatteki solunum sinyalinin, deneğin VM sırasında soluduğu 40 mmHg basınçla birleştirilmesiyle elde edilir. HR ve BP verilerinden hesaplanan en sık bildirilen klinik VM belirteçleri, sempatik ve parasempatik dinamikleri öngören bir diferansiyel denklem modeli kullanılarak elde edilen hastaya özgü parametrelerin tahminleri ile birlikte rapor edilir. 35'ten fazla metrikten oluşan nihai çıktı, tümü bir elektronik tabloya kaydedilen BP ve HR, maksimum ve minimum HR, Valsalva oranı ve baroreflex hassasiyet ölçümlerini içerir. Yazılım, VM verilerini analiz etmek için tasarlanmıştır, ancak metodoloji diğer otonomik testlere genişletilebilir. Gücü, ham verilerden çıkarılan miktarları model çıktılarıyla birleştirerek, klinik verileri otonomik ölçülemez miktarlar hakkında içgörü sağlayan matematiksel bir modelle artırmada yatmaktadır.

Giriş

Valsalva Manevrası, zorunlu ekspiratuar egzersizler 1,2 yoluyla otonom sinir sistemi işlevini ölçmek için düşük riskli, invaziv olmayan, ucuz ve oldukça erişilebilir bir testtir. Manevra, tipik olarak sırtüstü veya oturur pozisyonda, 15 saniye boyunca 40 mmHg'lik bir intratorasik basınç tutan, bir manometreye bağlı pozitif bir ekspiratuar basınç (PEP) cihazına nefes veren hastalar tarafından gerçekleştirilir 2,3. Bu manevra aynı anda otonomik ve kardiyovasküler sistemlere meydan okuyarak, ağır nesneleri kaldırırken zorlanma veya uçarken basıncı dengeleme gibi stres faktörlerine verilen fizyolojik tepkiyi taklit eder4. Bu test klinik ortamlardasıklıkla kullanılmaktadır 2,5, ancak altta yatan fizyolojik mekanizmaları ölçen verileri analiz etmek için daha fazla araca ihtiyaç vardır. VM'ye uygulanan nörolojik modelleme, otonomik disfonksiyon için gelişmiş tanı kriterlerinin ve nedensel mekanizmaların tanımlanmasını kolaylaştırabilir5.

VM'nin dört aşaması vardır6. İntratorasik basıncı artıran, kalp odalarını ve torasik aortu sıkıştıran ve sistematik dolaşımdaki kanı boşaltan, böylece BP'de geçici bir artışa neden olan bir nefes tutma ile kolaylaştırılır. Faz I, intratorasik basınçta sürekli bir artış, kalbe giden venöz kan akışını, strok hacmini ve ortalama arteriyel BP'yi azaltan bir artış ile karakterizedir. Yanıt olarak, yüksek basınçlı arteriyel baroreseptörler aktive edilir. Faz II'nin erken döneminde kan basıncındaki azalma, parasempatik bir geri çekilmeye neden olarak HR'yi arttırır. Faz II'nin geç kısmında, sempatik fazlalık vazokonstriksiyona aracılık ederek BP ve HR'yi arttırır. Sağlıklı hastalarda, BP iyileşmesi, nefes tutmayı serbest bırakmadan önceki dinlenme değeridir. Faz III, Faz I ile karşılıklıdır. Bu aşama, hasta nefes tutuşunu bıraktığında başlar, bu da intratorasik basınç ve arteriyel BP'de keskin düşüşlere neden olur ve bunu genellikle bir HR artışı izler. Faz IV'te, kalbe artan venöz dönüş ve geç Faz II'den itibaren devam eden vazokonstriksiyon, aşma adı verilen belirgin bir BP artışına neden olur. Yüksek basınçlı arteriyel baroreseptörlerin aşma ile uyarılması, HR'yi azaltmak için vagal siniri aktive eder. Hastanın VM başlangıcından yaklaşık 10-30 saniye sonra test öncesi değerlere iyileşmesi beklenir 2,5.

VM, otonomik ve kardiyovasküler fonksiyonun yatak başı değerlendirilmesi için kullanılır7. En yaygın VM biyobelirteç olan Valsalva oranı (VR)8,9,10, nefes tutma başlangıcından sonraki en uzun RR aralığı ile en kısa RR aralığı arasındaki oran olarak parasempatik fonksiyonu ölçer. Postural ortostatik taşikardinin (POTS) Faz IV11'de yüksek bir VR ve N-patern yanıtı1 olarak da adlandırılan kayda değer bir BP aşımı ile ilişkili olduğu daha önce tespit edilmiştir. Diğer bir metrik ise vagal barorefleks duyarlılığıdır. Bu metrik, Faz II ve IV'ün erken bölümünde, RR aralıkları ile karakteristik kan basıncı değişiklikleriarasındaki regresyon eğimi 3,10,12,13,14 olarak tahmin edilmektedir. VM'ye verilen BP yanıtlarının kalitatif analizi, farklı kalp üfürümlerini9 tanımlayabilir ve ayırt edici bir kare dalga yanıtı, bozulmuş ventriküler fonksiyon ve kalp yetmezliğininbaşucu göstergesidir 15,16. BP aşımının olmaması ve nefes tutma serbest bırakıldıktan sonra bradikardi varlığı disotonomi13'ün göstergesidir. Geç Faz II'de ilerleyici BP düşüşü ve Faz IV'te yavaş iyileşme ile V-paterni yanıtı, nörojenik ortostatik hipotansiyonun karakteristiğidir ve alfa-adrenerjik barorefleks yetmezliğinigösterir 1. Diğer çalışmalar, ortostatik bozuklukların taranmasında baş yukarı eğim testini desteklemek için VM'nin kullanılmasının etkinliğini göstermiştir 1,17,18.

Çok sayıda çalışma, VM1 sırasında HR ve BP yanıtlarını analiz ederek otonomik fonksiyonu incelemiştir, ancak baroreflex fonksiyonunu ölçmek için açık kaynaklı otomatik sistemler mevcut değildir. Birçok çalışma, VM 19,20,21,22'den gelen verileri analiz etti ve Medeia 23 ve Kubios 24 tarafından VitalScan dahil olmak üzere otonomik işlevde uzmanlaşmış birkaç yazılım. VitalScan, EKG ve kan basıncı sinyallerini kullanır, ancak Kubios yalnızca EKG sinyallerini analiz eder. VitalScan web sitesi, bu yazılımın otonomik işlevi değerlendirdiğini, ancak hesaplanan miktarların ayrıntılı bir açıklamasının bulunmadığını belirtmektedir. Kubios, HR değişkenliğini (HRV) ve VR25'i belirler. Bu boşlukları gidermek için bu çalışma, en yaygın VM endekslerini 1,25 hesaplayan yeni bir açık kaynaklı yazılım geliştirmektedir.

Yazılım, 15 saniye boyunca 40 mmHg'lik bir intratorasik basınç tutan bir VM manevrası sırasında ölçülen EKG ve BP verilerini analiz eder. VM'den önce ve sonra en az 30 sn kararlı veri eklemenizi öneririz. HR ve sistolik BP'yi tanımladıktan sonra, VM başlangıcı ve salınımı, bir dizi klinik belirteç çıkarılır. Ek olarak, bu yazılım, barorefleks duyarlılığını karakterize eden parametrelerle birlikte sempatik ve parasempatik sinyalleşmeyi tahmin etmek için Randall ve ark.20'nin matematiksel modelini kullanır. İki kritik özellik, gürültülü sinyallerden veri okuma, artefaktları tanımlama ve kaldırma ve VM işaretçilerinin manuel olarak düzeltilmesi ile otomatik algılama yeteneğidir. İkincisi, tamamen otomatik tespitin başarısız olduğu otonomik disfonksiyonu olan hastalar için hayati önem taşır. Bu açıklama, denek 1 için tüm sonuçları ve denek 2-8 için sonuçları çıkarmak için bir protokol içerir. Konu 1 için sonuçlar koda, metne ve şekillere dahil edilmiştir ve tüm konular için sonuçlar Ek Şekil 1, Ek Şekil 2, Ek Şekil 3, Ek Şekil 4, Ek Şekil 5, Ek Şekil 6, Ek Şekil 7 ve Ek Şekil 8'de gösterilmiştir.

Valsalva Analyzer yazılımı, sürekli EKG ve BP ölçümlerinden Valsalva manevrasına (VM) yanıtı karakterize eden adrenerjik ve vagal indeksleri hesaplar. Yazılımı göstermek için, deney düzeneğinin kısa bir açıklamasını ve ardından yazılımın ayrıntılı bir açıklamasını sunuyoruz. Yazılım, LabChart'ta depolanan hasta kayıtlarından çıkarılan verileri okur. Analiz, sağlıklı bir kontrol hastası üzerinde gösterilmiştir, ancak yazılım, bir dizi otonomik yanıta sahip sekiz denekten elde edilen verileri içerir. Aşağıda, hasta örneklerini tartışıyoruz ve yazılımı yüklemek ve çalıştırmak için protokolü açıklıyoruz. Protokol, MATLAB içinde oluşturulan şekillere referanslar içerir. Bunları temsili sonuçlarda yer alan rakamlardan ayırt etmek için, bunların tümüne MFigure # denir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

Danimarka mevzuatına26 göre kan bağışı için uygun olan yetişkin erkek (30-45 yaş) kan bağışçılarından üç örnek veri seti, üçü ameliyat öncesi opioidlerin diz ve kalça protezi alan yetişkin (40-61 yaş) hastalar üzerindeki etkilerini inceleyen bir çalışmadan27 ve biri postural ortostatik taşikardi sendromu (POTS) teşhisi konan bir hastadan28 seçilmiştir. Behçet hastalığı ve opioid çalışmaları Danimarka'daki yerel etik kurul tarafından onaylanmıştır (sırasıyla H-19069845 ve H-20071567), Danimarka veri koruma ajansına kayıtlı ve ClinicalTrials.gov'da tescil edilmiştir (sırasıyla NCT04499664 ve NCT04902222). Danimarka Frederiksberg ve Bispebjerg Hastaneleri etik komitesi, araştırma için POTS'u teşhis etmek için verilerin kullanılmasını onayladı. Bu yazılım için örnek olarak hazırlanmadan önce tüm veriler kimliksizleştirildi ve tüm denekler Danca konuşup anlayabildi ve kendi çalışmalarına katılmak için bilgilendirilmiş onam verdiler.

NOT: Yazılım, EKG ve kan basıncının hasta ölçümlerinden belirteçleri çıkarmak için araçlar sağlar. Kullanıcılar bir konu kimlik numarası, yaş, cinsiyet, kilo ve boy girebilir. Bu bilgiler isteğe bağlıdır. Kullanıcıların bu makaleden alıntı yapmaları teşvik edilir. Yazılım, EKG (kanal 1), EKG'den türetilen HR (kanal 2) ve BP (kanal 3) ölçümlerinden örnek veriler içerir. Tablo 1'de ayrıntılı bir hasta tanımı ve hasta notları yer almaktadır. Bu yazılımla sağlanan sekiz örnek kimliksizleştirilmiş veri seti, daha önce yayınlanmışçalışmalardan çıkarılmıştır 26,27,28. Veriler, VM sırasında gözlemlenen karakteristik özellikleri göstermek için seçildi. Amaç, belirli bir klinik çalışma yürütmek değil, yazılımın özelliklerini göstermektir. Kan bağışçısı ve opioid çalışmaları için dışlama kriterleri arasında alkol ve uyuşturucu kullanımı ve opioidlerin alışılmış kullanımı, aritmi veya kalp yetmezliği, ortostatik hipotansiyon öyküsü bulunur. Her bir çalışma için açıkça listelenmeyen dışlama kriterleri 26,27'de listelenmiştir.

SabırlıYaş (yıl)Cinsiyet (e/k)Yükseklik (cm)Ağırlık (kg)VKİ (kg/m2)Notlar
Konu 135m1769229,7 (ob)Normal yanıt
Konu 231m1807021,6 (KB)Normal yanıt
Konu 330m1879326,6 (ow)Faz IV'te büyük aşma. EKG sinyal gürültüsü nedeniyle HR artefaktları
Konu 442m1757624,5 (KB)Otonomik disfonksiyon için tipik V yanıtı. Faz II'de yetersiz kronotropik etki. Geç faz II'de kan basıncı iyileşmesi yok. Aşama IV'te eksik aşma.  Uzun PRT
Konu 537f1658531.2 (ob)Aşama IV'te aşma yok
Konu 661f17010737.0 (ob)Geç faz II'de yetersiz kan basıncı geri kazanımı. Maksimal BP, geç faz II'de son BP'ye eşit değildir
Konu 742m1778426,8 (ow)Aşama IV'te eksik aşma
Konu 858f1667727,9 (ow)Erken faz II'de ihmal edilebilir kan basıncı düşüşü. EKG sinyal gürültüsü nedeniyle HR artefaktları. Faz IV'teki BP eserleri
nw: normal kilolu BMI (18.5-25), ow: aşırı kilolu (BMI (25-30), ob: obez (BMI > 30)26

Tablo 1. Bu Tabloyu indirmek için lütfen buraya tıklayın.

1. Deney düzeneği

  1. Baskın olmayan elin işaret ve orta parmaklarına yerleştirilen bir parmak kan basıncı manşetinden sürekli kan basıncı ölçümlerini toplayın (Şekil 1A). Yerçekiminin etkilerini ortadan kaldırmak için elinizi kalbin hizasına getirin (Şekil 1B).
  2. EKG'yi, sol ve sağ kulakçıkta ve göğüs kafesinin sol tarafında, alt kenarında kalpten eşit uzaklıkta yerleştirilmiş elektrotlarla standart bir 3 elektrotlu EKG kullanarak ölçün. Enstrümantasyondan sonra, deneğin bir manometreye bağlı pozitif bir ekspirasyon sonu basınç (PEP) cihazına nefes vermesiyle Valsalva manevrasını gerçekleştirin (Şekil 1C,D).
  3. Sabit bir sinyal oluşana kadar denekten 1-5 dakika normal nefes almasını isteyin. Analiz için yeterli veriye sahip olmak için, VM'den önce ve sonra en az 30 saniye boyunca kararlı sinyaller kaydedin. Denekten 40 mmHg'lik bir basınç tutarak 15 saniye boyunca nefes vermesini isteyerek VM gerçekleştirin (Şekil 1D). Kayıt sırasında, mümkünse, BP sinyalindeki boşlukları önlemek için kalibrasyonu kapatın.
  4. Yazılım, LabChart'tan MATLAB'a 1.000 Hz'de aktarılan sinyalleri analiz eder. MATLAB Olarak Dışa Aktar menüsünde, EKG, HR ve BP sinyallerine sahip kanalları ve kaydedilmişse göğüs içi basıncı ekleyin. Her sinyal için kanal numaralarını not edin. Menüde, 32 bit kayan bira bardağı, Aynı hıza Yukarı Örnekle, Yorumlar ve Etkinlik işaretçilerinin yorumunu kaldır'ı seçin. .mat dosyasını dışa aktarmak için Tamam'a ve dışa aktarmayı durdurmak için İptal'e tıklayın.

figure-protocol-1
Şekil 1: Enstrümantasyon, BP manşeti, EKG yerleştirme, monitör, VM ekipmanı. (A) BP manşetinin baskın olmayan elin işaret ve orta parmağına takılması. (B) Parmak BP manşetleri, yerçekiminin etkilerini ortadan kaldırmak için yapışkan bir CoFlex bandaj kullanılarak kalp hizasında sabitlenir. (C) Bir manometreye bağlı PEP cihazı. (D) Oturan denek, 15 saniye boyunca 40 mmHg'lik bir intratorasik basınç tutarak bir manometreye bağlı pozitif bir ekspiratuar basınç (PEP) cihazına nefes verir. (E) CNAP modülü sürekli olarak BP'yi ölçer ve LabChart kullanarak verileri işleyen ve kaydeden bir bilgisayara bağlanır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

2. Yazılım yükleme, veri yükleme ve başlatma

NOT: Bu protokol, sinyallerin LabChart'tan MATLAB'a nasıl aktarılacağını açıklar, ancak protokol bu yazılımda depolanan kayıtlara bağlı değildir. Diğer yazılımlar tarafından kaydedilen sinyaller için kılavuzlarına başvuruyoruz ve kayıtları doğru formatta dışa aktarmak için dönüştürmenin gerekli olabileceğini not ediyoruz. Veriler, EKG ve BP'nin sürekli zaman serisi ölçümlerini içermelidir.

  1. ValsalvaAnalyzer yazılımını indirin. GitHub deposunu https://github.com/msolufse/ValsalvaAnalyzer'da kopyalayın. Yeşil Kod düğmesine tıklayın. ZIP dosyasını indir'i tıklayın.
  2. ValsalvaAnalyzer klasörüne gidin. Ana komut dosyası DriverBasic.m, ValsalvaAnalyzer klasörü ile değiştirilmeli ve diğer tüm komut dosyaları (.m dosyaları) Core klasöründe olmalıdır. Yazılım alt klasörler içerir: Şekiller, İşaretleyiciler, Optimize Edilmiş, Hassasiyetler, ve WS.
    NOT: Şekiller klasörü oluşturulan şekilleri saklar. Bu klasör iki alt klasör içerir (Veri ve Model_fits): Veri analizinden oluşturulan rakamlar ve diferansiyel denklem modeli tarafından oluşturulan rakamlar için veri depoları. Labchart klasörü dışa aktarılan .mat dosyalarını içerir, ancak orijinal LabChart dosyalarını içermez. Klasör İşaretleyicileri, klinik oranlarla (denek başına bir dosya) elektronik tabloları tutar. Hassasiyetler ve En İyileştirilmiş klasörleri, hassasiyetleri ve tahmini parametre değerlerini içeren .mat dosyalarını içerir. WS klasörü, veriler temizlenirken oluşturulan .mat dosyalarını içerir. ValsalvaAnalyzer ana klasörü, programı çalıştırmak için gereken temel komut dosyası olan DriverBasic.m'yi içerir. Yazılım indirildiğinde. Labchart klasörü, sekiz örnek konunun her biri için bir .mat dosyası içerirken, sonuçları içeren klasörler (İşaretleyiciler, Duyarlılıklar, Optimize Edilmiş ve WS) yalnızca Konu 1 için sonuçlara sahiptir. Klasördeki örnek veri kümeleri analiz edilirken, çıktı dosyaları bu klasörlerde saklanacaktır. Dosya Patientinfo.xls (ve Tablo 1), sekiz örnek veri kümesinin her biri için hasta bilgilerini (yaş (yıl), cinsiyet (e/k), boy (cm), kilo (kg) ve BMI (kg/m2)) içerir. Ağırlık normal (nw), aşırı kilolu (ow) veya obez (ob)29 olarak karakterize edilir ve deneğin normal veya patolojik bir VM yanıtı olup olmadığı not edilir.
  3. Yazılımı çalıştırmak için ValsalvaAnalyzer klasörüne gidin ve MATLAB'da DriverBasic.m dosyasını açın. Üst panelde, Düzenleyici'yi tıklatın ve ardından programı yürütmek için Çalıştır etiketli Yeşil üçgeni tıklatın.

3. Yazılım platformu

NOT: GitHub tarafından dağıtılan yazılım, Windows (Windows 11 Education) ve Mac'te (MacOS Sonoma, sürüm 14.3) test edilmiştir ve MATLAB (sürüm R2023a) kullanır. Varsayılanlar, Windows önerileriyle birlikte MacOS ortamına ayarlanır.

  1. Şekil Parametrelerini Seç açılır menüsünden yazılım platformu türünü, şekil yazı tipi boyutunu, işaretçi boyutunu ve satır genişliğini seçin.
  2. Kabul etmek ve Adım 4'e geçmek için Tamam'a tıklayın veya programı sonlandırmak için İptal'e tıklayın.

4. Hasta seçimi

NOT: Bu adım, verilerin seçimini ve analizini içerir. Yazılım, Labchart klasöründen .mat dosyalarını okuyacaktır.

  1. Fareyi kullanarak listeden herhangi bir sayıda hasta seçin. Tümünü seç düğmesi tüm hastaları işaretler. Hasta etiketleri dosya isimlerinden belirlenir. Bunlar, dışa aktarılan tüm dosyalarda kullanılır. Adım 5'e geçmek için Tamam'a veya programdan çıkmak için İptal'e tıklayın.

5. Operasyon seçimi

NOT: Veri analizi yöntemleri, mevcut işlemleri sağlayan bir menüde listelenmiştir. Bunlar, EKG ve BP verilerini temizleme, VM fazlarını tanımlama ve VM özelliklerini hesaplama yöntemlerini içerir. İlki, ölçümlere gömülü örnekleme hızı kullanılarak ham veriler üzerinde gerçekleştirilir (ekteki örnekler 1.000 Hz'de örneklenir). Tanımlama VM özellikleri, 10 Hz'de alt örneklenmiş temizlenmiş HR ve sistolik SBP sinyallerini kullanır. Alt örneklenmiş veriler, Randall ve ark.20 tarafından diferansiyel denklemler modelinin çözülmesinden elde edilen sempatik ve parasempatik sinyalleri belirlemek için de kullanılır.20 Oluşturulan rakamlar .png dosyaları olarak kaydedilir ve Şekiller klasöründe saklanır ve oluşturulan sayılar İşaretçiler klasöründeki bir elektronik tabloda (.xlsx) saklanır. Bu yazılım içindeki işlevlerin düzeni Şekil 2'de gösterilmiştir.

figure-protocol-2
Şekil 2: Yazılım işlemleri. Hastaları seçtikten sonra yazılım, (1) kalp atış hızı ve solunumun çıkarıldığı EKG, (2) sistolik ve diyastolik kan basıncının çıkarıldığı atımlar arası kan basıncı (BP) sinyali dahil olmak üzere ölçülen sinyalleri düzeltme seçeneği sunar. Bu prosedürlerden sonra, yazılım Valsalva manevra fazlarını tanımlar ve klinik biyobelirteçleri çıkarır. Son olarak, baroreflex fonksiyonunu tahmin eden bir hesaplama modeli çalıştırma seçeneği sunuyoruz. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

  1. Alt küme seçimi menüsünde gerçekleştirilecek işlemleri seçin. İşlemleri azalan sırada tamamlayın, örneğin EKG analiz edilmeden önce hasta bilgileri girilmelidir. 4. adımdaki İşlem Seçimi menüsünden birden fazla konu ve görev seçilirse, yazılım bir sonraki göreve geçmeden önce tüm konular için ilk görevi tamamlayacaktır.
    1. Yazılım aşağıdaki işlemleri içerir: Hasta Bilgileri (İşlem 1, Adım 6); Elektrokardiyogram (EKG; İşlem 2, Adım 7); Kalp Atış Hızı (HR; İşlem 3, Adım 8); Solunum (Operasyon 4, adım 9); Kan basıncı (BP; İşlem 5, Adım 10); VM Aşamaları (İşlem 6, Adım 11); klinik oranlar (operasyon 7, adım 12); Model Tahmini (Nominal; İşlem 8, Adım 13); Duyarlılık Analizi (İşlem 9, Adım 14); Optimizasyon (İşlem 10, Adım 15); Arsa Modeli Tahminleri (Operasyon 11, Adım 16); Özet (İşlem 12, Adım 17).
  2. İşlemleri seçtikten sonra, işleme devam etmek için Tamam'a tıklayın veya Adım 4'e dönmek için İptal'e tıklayın.

6. Hasta bilgilendirme (Operasyon 1)

NOT: İlk işlem, hasta özelliklerinin (ID, Yaş, Cinsiyet, Boy ve Kilo) dışa aktarılan Labchart dosyasından (EKG, HR, BP, intratorasik basınç - varsa) kanal numaralarının girilmesini ve veri analizi için zaman aralığının belirlenmesini içerir.

  1. Hasta Kimliği (tamsayı), Yaş (tamsayı, yıl), Cinsiyet (e/k, erkek/kadın), Boy (gerçek sayı, cm) ve Ağırlık (gerçek sayı, kg) girin. Devam etmek için Tamam'a veya Adım 5'e dönmek için İptal'e tıklayın. Yazılım seçim yapılmadan çalışacaktır. Sekiz denek için karakteristik değerler Tablo 1'de listelenmiştir. Bu değerler veri analizinde kullanılmaz, ancak özet istatistikler için yardımcı olabilir.
  2. Her sinyalin hangi kanalda saklandığını belirleyin, varsayılan değerler şunlardır: Kanal 1 (EKG), kanal 2 (HR), kanal 3 (BP), kanal 4 (intratorasik basınç - Pth) 0'a ayarlanmıştır. Örnek veri kümeleri 1-8 bu sinyali içermez.
  3. MFigure 1 (Şekil 3), EKG (mV) üst, HR (bpm) merkezi ve BP (mmHg) altını zaman (saniye) fonksiyonları olarak görüntüler. Analiz edilecek verileri seçin. VM'den önce ve sonra yaklaşık 20 saniye ekleyin.
  4. Artı işaretini yerleştirdikten sonra, fare ile başlangıçta bir kez (VM'den ~20 saniye önce) ve sonunda ikinci kez (VM'den ~20 saniye sonra) tıklayın. Seçilen veriler MFigure 1'de kırmızı renkte görünecektir. Kaydet ve Çık'ı tıklayın. MFigure 1, seçilen verilerle birlikte, [hasta adı] + _dataAnalyzed.png adı altında Şekiller/Veriler klasörüne kaydedilecektir.

figure-protocol-3
Şekil 3: Grafikler EKG (mV, üst), kalp atış hızı (HR bpm, merkez) ve kan basıncı (mmHg, alt) verilerini göstermektedir. Mavi iz, LabChart'tan çıkarılan tüm verileri gösterir ve kırmızı iz, bu çalışmada analiz için seçilen verileri gösterir. VM manevrasından ~20 saniye önce ve sonra başlayan ve biten EKG, HR ve BP'yi içeren kırmızı bölge. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

7. Elektrokardiyogram (İşlem 2)

NOT: İşlem 2, EKG sinyalindeki R ve Q veya S tepe noktalarının tanımlanmasını içerir (fazlalıkların çıkarılması ve/veya eksik tepe noktalarının eklenmesi). Bu işlem, 1.000 Hz'de örneklenen ham veriler üzerinde gerçekleştirilir. QRS kompleksinin büyüklüğü (R ve Q veya S zirveleri arasındaki mutlak mesafe), nefes tutmadan önce ve sonra solunum sinyalini oluşturmak için kullanılır.

  1. MFigure 1, EKG sinyalini (siyah çizgi) görüntüler. Otomatik olarak algılanan R tepe noktaları kırmızı ile ve Q veya S tepe noktaları mavi dairelerle işaretlenir. Amaç, yanlış yerleştirilmiş zirveleri düzeltmektir. R ve Q veya S tepe noktalarının toplam sayısı grafiğin sağına yazdırılır. Bu görev yalnızca R ve S tepe noktalarının sayısı aynıysa tamamlanabilir. Yanlış yerleştirilmiş tepe noktalarını düzeltmek için, elinizle sinyal boyunca sağa kaydırın ve düzeltilecek tepe noktaları penceredeyken durun. Fazladan yanlış yerleştirilmiş bir S tepe noktası ve tepe noktası kaldırıldıktan sonraki sinyalin bir örneği Şekil 4'te gösterilmektedir.
    NOT: R ve S tepe noktaları, Randall ve ark.20 tarafından açıklanan metodoloji kullanılarak tanımlanır. Bu algoritma, ortalama sinyalin % ila 0'ü arasındaki tepe noktalarını bulmak için findpeaks.m'yi kullanır. Örnekleme hızı 1.000 Hz'dir (verilerde kodlanmıştır) ve MinPeakDistance 1,5 olarak ayarlanmıştır. R tepe noktaları ham sinyalden bulunur ve S (veya Q) tepe noktaları, sinyalin negatifi analiz edilerek bulunur. Bazı veri kümeleri için algoritmanın S tepe noktalarını ve bazı Q tepe noktalarını tanımlayacağına dikkat edilmelidir. Örnekler Şekil 4A'da gösterilmiştir. QRS büyüklüğü, Randell ve ark.20 tarafından tanımlandığı gibi solunumu belirlemek için kullanılır.
  2. Aşağıda açıklanan adımları kullanarak S ve R tepe noktalarının sayısı aynı olana kadar düzeltmeyi tekrarlayın.
    1. Yanlış yerleştirilmiş tepe noktalarını düzeltmek için sağa kaydırın ve düzeltilecek tepe noktaları pencerede olduğunda durun.
    2. Bir tepe noktası eksikse, yanlış yerleştirilmişse veya fazladan bir tepe işaretlenmişse, tepe noktasının konumuna ilerleyin. Klavyede Enter tuşuna bastığınızda artı işareti belirir. Düzeltmek için noktaya tıklayın. Sonraki menü sorgusu şudur: Nokta ekle mi yoksa kaldır mı? Ekle (adım 7.2.3), Kaldır (adım 7.2.4) veya İptal'i seçerek Adım 7.2.1'e dönün.
    3. Ekle'ye tıkladığınızda işaretlenen nokta eklenir ve kırmızı (R tepe) veya mavi (Konuş) olarak görünür. Program, tıklamanın tam konumunu kullanacak ve noktayı otomatik olarak R veya S olarak sınıflandıracaktır.
    4. Kaldır'a tıklayın, işaretli nokta kaldırılacaktır. Nokta kaybolmazsa bu adımı tekrarlayın ve görev 7.2.2'ye geri dönün.
  3. Tüm R ve S tepe noktaları doğru bir şekilde tanımlanana ve R ve S (veya Q) tepe noktalarının sayısı aynı olana kadar adım 7.2'yi tekrarlayın. Ardından klavyede Enter tuşuna basın. Noktaların düzeltilmesini isteyen istemde Hayır'ı tıklatın. İşlem 3 (HR) ile devam edin. Zaman serisinde hata yoksa, ancak R ve S (veya Q) tepe noktalarının sayısı aynı değildir. Bu hatayı düzeltmek için Adım 7.2'ye geri dönün. Bir sinyaldeki tutarlılık için S veya Q tepe noktalarını seçin.
  4. Kullanıcı, R ve S tepe noktalarının sayısı aynı olmadığında Hayır'a tıklarsa, R ve S tepe noktalarının sayısının eşit olması gerektiğini belirten yeni bir menü açılır. Verileri inceleyin. Tamam'a tıkladığınızda kod Adım 7.2'ye döner.

figure-protocol-4
Şekil 4: EKG (mV) düzeltmesine rehberlik etmek için kullanılan grafikler. Şekilde EKG izi (siyah), R dalgaları (kırmızı daireler) ve S dalgaları (mavi daireler) gösterilmektedir. (A) Grafikte yanlış yerleştirilmiş bir S dalgası var. (B)'de bu S dalgası kaldırılmıştır. Temiz bir EKG sinyali, grafiğin sağ tarafında belirtildiği gibi aynı sayıda R ve S tepe noktasına sahip olacaktır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

8. İK (Operasyon 3)

NOT: Bu adım, RR aralıklarının HR'ye dönüştürülmesini içerir. EKG sinyali düzeltildikten sonra (yukarıda açıklandığı gibi), çoğu veri kümesi için HR sinyali düzgündür. Bununla birlikte, HR sinyalinde artefaktlar varsa (örnek Şekil 5A'da gösterilmiştir). İşlem 3, sinyali düzeltme fırsatı sağlar (örnek, Şekil 5B'de gösterilmiştir).

figure-protocol-5
Şekil 5: Kalp atış hızı (HR, bpm) düzeltmesine rehberlik etmek için kullanılan grafikler. (A) Düzeltilmiş EKG'den üretilen kalp atış hızı (mavi çizgi). Küçük mavi daireler kalbin attığı zamanları gösterir. (B) İki noktayı (yeşil çizgi) birbirine bağlayan, kalp atış hızı sinyalinden bir artefaktı kaldıran bir spline örneği. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

  1. Ölçüm 1 (Şekil 5A), üst panelde HR (bpm) ve alt panelde EKG'yi (mV) görüntüler. HR (bpm), düzeltilmiş EKG RR tepe noktalarından hesaplanır. HR sinyalinde artefakt yoksa, Kaydet ve Çık'a tıklayın ve İşlem 4'e (Solunum) devam edin. Verilerde hatalar varsa (Şekil 5'teki iki paneli karşılaştırın), Kalp Atış Hızını Düzelt'e tıklayın ve Adım 8.2'ye ilerleyin.
  2. HR sinyali boyunca kaydırın ve artefaktları bulun. Düzeltmek için bir bölgeyi görüntülerken klavyede Enter tuşuna basın. Adım 8.3'e ilerleyin.
  3. Menüde Tamam'a tıklayın, Bağlanmak için noktalara tıklayın. Artı işaretini yapıttan önceki ilk noktanın üzerine hizalayın ve fareyle bir kez tıklayın. Ardından, artı işaretini yapıttan sonraki ilk noktanın üzerine hizalayın ve fareyle ikinci kez tıklayın. Doğrusal bir eğri (yeşil renkle çizilmiştir) iki noktayı birbirine bağlar. Bir menü, Değişikliği kabul etmek mi? diye soruyor. Cevaplar: Evet (Adım 8.3.1'e ilerleyin), Geri Al (Adım 8.3.2'ye gidin) ve Değişiklik ekle (Adım 8.3.3'e gidin).
    1. Doğrusal spline'ı kabul etmek, bu işlemden çıkmak ve Adım 4'e dönmek için Evet'i seçin. Doğrusal eğriyi kaldırmak ve Adım 8.2'ye dönmek için Geri Al'ı seçin. Doğrusal eğriyi korumak için Ekle'yi seçin ve ek düzeltmelere izin vermek için Adım 8.2'ye dönün.
  4. MFigure 1, üst ve alt panellerde HR (bpm) ve EKG'yi (mV) görüntüler. Şekil, [hasta adı] + _HeartRateECG.png adı altında Şekiller/Veriler klasörüne kaydedilir. Devam etmek için Kaydet'e basın ve çıkın. Sinyaller, ölçümlere gömülü örnekleme hızında (örnek veri kümeleri için 1,000 Hz) saklanacaktır.

9. Solunum (Operasyon 4)

NOT: Düzeltilmiş EKG sinyalinden bir solunum sinyali, QRS karmaşık büyüklüğü hesaplanarak, Randall ve ark.20 tarafından yapılan çalışmada açıklandığı gibi, bu fark aracılığıyla parçalı kübik Hermite enterpolasyonlu bir polinom spline (pchip yöntemiyle interp1.m kullanılarak) uydurularak çıkarılır.

  1. MFigure 1 (Şekil 6), düzeltilmiş R ve S pikleri arasındaki farktan çıkarılan solunum sinyalini gösterir. Grafiği inceleyin, Kaydet ve çık'a tıklayın ve 5. işleme (kan basıncı) devam edin. Ölçüm 1, [hasta adı] + _RespiratorySignal.png adı altında Şekiller/Veriler klasörüne kaydedilecektir.

figure-protocol-6
Şekil 6: Solunum sinyali. Randall ve ark.20 tarafından tanımlandığı gibi, QRS aralığı genlik değişikliklerinden üretilen solunum sinyali (mavi çizgi). Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

10. Kan Basıncı (Operasyon 5)

NOT: Bu adım, sistolik ve diyastolik BP'nin çıkarılmasını içerir. Seçilen veri noktalarından bir eğri oluşturularak iki eğri oluşturulur. Bu işlem için kullanıcı otomatik olarak algılanan eğrileri düzeltebilir. Kan basıncındaki önemli değişiklik göz önüne alındığında, nefes tutmanın serbest bırakılmasının hemen ardından düzeltmeye ihtiyaç duyulması muhtemeldir.

  1. MFigure 1 (Şekil 7A'da gösterilmiştir), BP verilerini içeren yakınlaştırılmış bir pencere görüntüler. Artı işaretini bir BP tepe noktasıyla hizalayın ve fareyle bir kez tıklayın. Ardından, artı işaretini bir sonraki tepede sağa hizalayın ve tekrar tıklayın. İki tepe noktası arasındaki mesafe, kardiyak döngü uzunluğunu tahmin eder. Bu mesafe sistolik ve diyastolik zirveleri tanımlamak için gereklidir. Otomatik olarak algılanan sistolik ve diyastolik sinyalleri görüntüleyen MFigure 2 (Şekil 7B,C) görünür.
    NOT: Sistolik ve diyastolik tepe noktaları, minimum tepe mesafesini ayarlamak için dinlenme halindeki kardiyak döngünün uzunluğunu giren peaks2.m kullanılarak bulunur. R'ye benzer. Sistolik tepe noktaları doğrudan sinyalden bulunur ve diyastolik tepe noktaları negatif sinyal analiz edilerek bulunur.
  2. Sistolik kan basıncı düzeltmesi: Bir menü belirir ve şu soruyu sorar: Sistolik noktaları düzeltmek istiyor musunuz? Sistolik kan basıncını düzeltmek için bir protokol başlatmak için Evet'e (Adım 10.4) ve diyastolik kan basıncını düzeltmeye devam etmek için Hayır'a (Adım 10.3) basın.
  3. Diyastolik kan basıncı düzeltmesi, şu soruyu soran bir menü ile başlar: Diyastolik noktaları düzeltmek istiyor musunuz? Diyastolik kan basıncını düzeltmek için bir protokol başlatmak için Evet'e (Adım 10.4) ve devam etmek için Hayır'a basın. Kaydet'e basın ve çıkın ve işlem 6 (Valsalva manevra aşamaları) ile devam edin.
    NOT: Diyastolik BP'yi düzeltme protokolü, sistolik BP'yi düzelten protokolle aynıdır; her ikisi de Adım 10.4'te açıklanmıştır.
  4. MFigure 2, ilk 40 sn verilerinin yakınlaştırmasını gösterir. Bölgeyi inceleyin ve yanlış bir nokta görünene kadar kaydırmaya devam edin (Şekil 7B,C'de gösterilen düzeltilmiş iz). Klavyede Enter tuşuna basın ve artı işaretini yanlış yerleştirilmiş nokta(lar)dan önceki son doğru zirveye yerleştirin, bu noktaya tıklayın ve artı işaretini hareket ettirmeye devam edin, düzeltilecek tüm noktalara tıklayın ve doğru bir nokta ile bitirin. İşiniz bittiğinde Enter tuşuna basın. Düzeltilmiş noktaları birbirine bağlayan kesikli bir çizgi belirir (örnekler Şekil 7B,C'de gösterilmiştir).
    NOT: Düzeltme, daha fazla segmentin değiştirilmesi gerekmene kadar tekrarlanabilir. Her bölüm için, düzeltilen noktalar, her iki uçta mevcut noktalara bağlı kırmızı (SBP) ve yeşil (DBP) kesikli bir çizgi ile bağlanır. Mavi renkle çizilen sürekli BP sinyali kılavuz olarak kullanılır. Sistem, BP sinyaliyle hizalanmasalar bile tıklanan tepe noktalarını kaydedecektir. Bu işlem sistolik ve diyastolik sinyalleri düzeltir. Her sinyalin içinde, yalnızca sinyalle ilişkili noktaları düzeltin, yani sistolik BP'yi düzeltirken diyastolik noktaları düzeltmeye çalışmayın veya bunun tersi de geçerlidir.

figure-protocol-7
Şekil 7: Kan basıncı düzeltmesi. (A) Dinlenme durumunda BP sinyalinin yakınlaştırılması. Kullanıcıdan, kardiyak döngünün ortalama uzunluğunu belirlemek için ardışık iki tepe noktasına tıklaması istenir. (B) Orijinal ve düzeltilmiş sistolik (kırmızı) ve diyastolik (yeşil) basıncın yakınlaştırılması. Bu panelde, sürekli kan basıncı ölçümleri (mmHg) mavi ile gösterilmiştir. (C) Analiz edilen zaman aralığı boyunca orijinal ve düzeltilmiş sistolik (kırmızı) ve diyastolik (yeşil) kan basıncı sinyalleri. Tüm panellerde, sürekli atımdan atıma BP sinyali mavi bir çizgiyle, SBP kırmızı bir çizgiyle ve DBP yeşil bir çizgiyle gösterilir. SBP ve DBP sinyalleri için, her kardiyak döngü küçük yıldızlarla işaretlenir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

11. Valsalva Manevrası (VM) Aşamaları (Operasyon 6)

NOT: İşlem 6, VM'nin algılanmasını içerir. Bu işlem HR, SBP, DBP ve 10 Hz'e kadar alt örneklenmiş intratorasik basınç (varsa) verilerini kullanır. Kullanıcıdan nefes tutmanın başlangıcını ve serbest bırakılmasını tanımlaması istenir. Nefes tutma, ilk zirveden önceki en düşük BP değerinde başlar ve ikinci BP düşüşünden önceki BP değerinde serbest bırakılır. Bu noktaları belirledikten sonra, yazılım sinyallerin özelliklerinden dört VM fazını belirler. Bunlar manuel olarak düzeltilebilir, bu da anormal hemodinamik yanıtlar için verileri analiz ederken özellikle önemlidir.

  1. Ölçüm 1, üst panelde sürekli (ince çizgi) ve sistolik (SBP, kalın çizgi) BP'yi (mmHg), 2. panelde HR (bpm), 3. panelde solunumu (Resp, mV) ve alt panelde EKG'yi (mV) gösterir Torasik basınç içi basınç mevcutsa, bu sinyal 3. panelde (Pth, mmHg) gösterilecektir, ve 4. paneldeki solunum sinyali (Resp, mV). Valsalva fazları otomatik olarak algılanır ve yazılım, Pth ölçümleri olmayan veri kümeleri için adım 1.3'e devam eder. VM başlangıcını işaretlemek için, artı işaretini nefes tutma başlangıcıyla (önemli SBP yükselmesi ve HR düşüşünden hemen önceki minimum SBP) hizalayın ve fareyle bir kez tıklayın.
  2. VM ucunu işaretlemek için, artı işaretini nefes tutma ucuyla (2. SBP düşüşünden hemen önceki BP değeri) hizalayın ve fareyle bir kez tıklayın. Bu noktalar, MFigure 2'deki dört VM fazını belirlemek için kullanılır, üst panelde BP (mmHg), orta panelde HR (bpm) ve alt panelde solunum (Resp, mV) görüntülenir. Göğüs içi basınç (mmHg) ölçülürse, kalp hızı ve solunum panelleri arasında gösterilir.
  3. Bir menü sorguları: Endeksleri kabul ediyor musunuz? İşlemi tamamlamak ve İşlem 7'ye (klinik oranlar) devam etmek için Evet'i seçin. Dikey çizgilerle tanımlanan fazların otomatik olarak algılanmasını incelemek için Hayır'ı seçin.
  4. Bir menü sorguları: Dizin Düzeltme. Bir, birden fazla veya tüm aşamaları seçin, ardından düzeltme için Adım 10.4'e geçmek için Tamam'a veya Adım 11.1'e dönmek için İptal'e tıklayın.
  5. MFigure 2'de bir artı işareti belirir. Başlığın ikinci satırı, düzeltilmekte olan aşamayı açıklar. Seçilen aşama için, aşamanın başlangıcını işaretleyerek zamanı tıklayın. Seçilen tüm aşamalar düzeltilene kadar bu işlemi tekrarlayın. Düzeltilen süreler kırmızı dikey çizgilerle gösterilir. Seçilen tüm aşamalar düzeltildikten sonra, menü yeniden belirir ve şu soruyu sorar: Endeksler kabul edilsin mi? Evet'e tıklamak Adım 11.5'e devam eder ve Hayır , Adım 11.1'e geri döner. Aşamaların sırayla düzeltilmesi gerektiğini unutmayın.
  6. MFigure 3 (Şekil 8) son VM aşamalarını görüntüler. Şekilde BP (mmHg) üst panel, HR (bpm) orta panel ve torasik basınç (Pth, mmHg) alt panel gösterilmektedir. Bu sinyal, çıkarılan solunum sinyalinin, nefes tutma sırasında uygulanan ölçülen veya hesaplanan intratorasik basınç ile birleştirilmesiyle elde edilir. Dört faz gri renkle gölgelendirilmiştir. Kaydet ve çık'a tıklayın ve işlem 7'ye (Klinik oranlar) devam edin. Bu şekil, [hasta adı] + _VMphases.png adı altında Şekiller/Veriler klasörüne kaydedilecektir.

figure-protocol-8
Şekil 8: Valsalva evreleri I-IV. Üstteki grafik sürekli (açık mavi) ve sistolik (kalın mavi çizgi) kan basıncını gösterir; İkinci panel kalp atış hızını, alt panel ise göğüs basıncını gösterir. Sonuncusu, solunum sinyalinin nefes tutma sırasında basınçla birleştirilmesiyle elde edilir (40 mmHg'ye ayarlanmış). Valsalva Evre I ve III gri panellerle işaretlenmiştir. Temel değerler (ortalama SBP, VM'den önceki ve sonraki HR) yatay kesikli çizgilerle gösterilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

12. Klinik oranlar (Operasyon 7)

NOT: Bu adım, 10 Hz'e kadar alt örneklenmiş veriler olan HR, RR ve SBP'yi kullanarak VM'yi karakterize eden klinik oranları hesaplar. Tüm faktörler Tablo 2'de listelenmiştir. Bunlar arasında hasta özellikleri (hasta kimliği, yaş, cinsiyet, boy ve kilo), VM fazlarının süresi, her VM fazı30,31 içindeki minimum ve maksimum BP, HR, RR aralıkları ve basınç iyileşme süresi32,33 yer alır. Erken Faz II (camgöbeği çizgisi) ve IV'te (kahverengi çizgi) HR ve RR regresyon çizgilerinin eğimi ve uyum iyiliği (R2 değeri), erken (camgöbeği çizgisi) ve geç (mavi çizgi) Faz II ve erken Faz IV'te (kahverengi çizgi) vagal stimülasyonu ve basınç artışını karakterize eder. İkincisi sempatik stimülasyonu belirler. Ek olarak, yazılım SBP, vagal 1,32,34,35 ve adrenerjik (BRS)1,32,33,36 belirteçlerindeki değişikliği karakterize eder. Yine, otomatik olarak algılanan fazlar ve noktalar gerektiği gibi düzeltilebilir. Örneğin, erken Faz IV'teki maksimum kan basıncı ve minimum HR genellikle yanlış hizalanır. Şekil 9, düzeltmeden önceki (panel Şekil 9A) ve sonraki (panel Şekil 9B) klinik oranları göstermektedir. Şekil 9C, Palamarchuk ve ark.1 ve Sandroni ve ark.31'den uyarlanan oranları göstermektedir. Not: Bu şekilde görüntülenen miktarlar, Adım 12.1-12.4'te açıklanan verilerden çıkarılan değerlerden türetilmiştir.

figure-protocol-9
Şekil 9: Klinik oranlar. (A, B) Üst panelde kan basıncı (BP, mmHg), orta panelde kalp atış hızı (HR, bpm) ve alt panelde RR aralıkları (s) için oranlar ve regresyon çizgileri. (A) otomatik olarak algılanan oranları ve panel (B) erken Faz IV'te düzeltilmiş maksimum kan basıncı ve minimum HR'yi gösterir. (C) Düzeltilmiş oranlar aracılığıyla regresyon çizgisi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

  1. MFigure 1 ( Şekil 9'da gösterilmiştir), üst panelde sistolik BP'yi (SBP, mmHg), orta panelde HR'yi (bpm) ve alt panelde RR aralığını (s) gösterir. Karakteristik SBP, HR ve RR değerleri dairesel işaretlerle açıklanır. Sorgulayan bir menü görüntülenir: İşaretçileri kabul etmek istiyor musunuz? İşaretleyicileri inceleyin. Tüm noktalar doğruysa Evet'i tıklayın; bu işlem tamamlanır ve Adım 4'e geri dönülür. Bir noktanın ayarlanması gerekiyorsa Hayır'ı tıklatın.
  2. Bir menü sorguları: Taşınacak noktaları seçin. Menü, bir, çoklu veya tüm noktaların seçilmesini sağlar. Endeksler seçilmişse, devam etmek için Tamam'a (Adım 12.3) veya herhangi bir endeksi değiştirmeden devam etmek için İptal'e tıklayın ve Adım 12.4'e devam edin.
  3. Seçilen her miktar için, düzeltilmesi gereken noktaları bir açılır menü listeler. Devam etmek için Tamam'a tıklayın. Artı işaretini istediğiniz noktaya hizalayın ve fareyle bir kez tıklayın. Seçilen tüm noktalar düzeltildiğinde, MFigure 1 üst panelde BP (mmHg), orta panelde HR (bpm) ve alt panelde RR aralıklarını (s) görüntüler. Erken ve geç Faz II ve erken Faz IV sırasında düzeltilmiş noktaları ve regresyon çizgilerini gösterir. Kaydet'e basın ve 8 işlemine devam edin (Modeli çalıştır).
  4. MFigure 2 ( Şekil 9C'de gösterilmiştir), RR aralığını SBP ile ve uyum iyiliği ( R2 değeri) ile ilişkilendiren regresyon çizgilerini gösterir. Kaydet'e basın ve çıkın, Adım 4'e dönün. MFigures 1 ve 2, [hasta adı] + ratios.png ve [hasta adı] + _ratios_regression.png adları altında Şekiller/Veriler klasörüne kaydedilecektir.

13. Modeli çalıştırın (İşlem 8)

NOT: İşlem 8, sempatik ve parasempatik sinyallemeyi öngören Randall ve ark.20'den barorefleks diferansiyel denklemler modelinin çözülmesini içerir. Bu adım, Operasyon 7'de tanımlanan hasta bilgileri ve klinik oranlar kullanılarak ayarlanan parametre değerleriyle modeli çalıştırır. Bu işlem, nominal tahminleri test etmek için gereklidir; Nominal uyumlarda önemli hatalar varsa, optimizasyon işleminden elde edilen sonuçlar (Adım 15) belirli veri kümesi için başarılı olmayabilir.

  1. Randell ve ark.20 tarafından hazırlanan diferansiyel denklem modelini, verilerden çıkarılan nominal hastaya özgü parametre değerlerini ve Adım 5'te girilen hasta bilgilerini kullanarak çözer. MacOS 1, BP (mmHg) sol üst paneli, HR (bpm) verilerini (mavi) ve model (macenta) sağ üst paneli, torasik basınç (Pth, mmHg) sol alt paneli ve parasempatik (macenta) ve sempatik (koyu mor) tahminleri sağ alt paneli gösterir. Sonuçlar, alt örneklenmiş HR ve SBP verilerindeki çözünürlüğe karşılık gelen 10 Hz'lik bir zaman çözünürlüğü ile gösterilir. Kaydet ve çık'a tıklayın ve işlem 8'e devam edin (Modeli çalıştır). Bu şekil, Figures/Model_fits klasörüne [hasta adı] + _nominal.png olarak kaydedilecektir.

14. Duyarlılık analizi (Operasyon 9)

NOT: Veri analizi için duyarlılık analizi gerekli değildir. Bu analiz, doğru İK tahmini için model parametrelerinin hassasiyetini (veya önemini) gösteren bir grafik oluşturur. Hassasiyetler, alt örneklenmiş HR ve SBP verilerine karşılık gelen 10 Hz'lik bir frekansta değerlendirilir. Operasyon, Randall ve ark.20 tarafından ayrıntılı olarak açıklanan yerel duyarlılık analizini kullanır

  1. Bu işlem, model parametrelerinin HR'ye duyarlılığını hesaplar. Sıralanmış duyarlılıkları gösteren sonuçlar (günlük ölçeğinde) MFigure 1'de gösterilmiştir (Şekil 10). Kaydet ve çık'a tıklayın ve 10 işlemine (Optimizasyon) devam edin. Bu hesaplamanın birkaç dakika sürdüğünü unutmayın. MFigure 1'de gösterilen sonuç, Figures/Model_fits klasörüne [hasta adı] + _sensitivities.png olarak kaydedilir.

figure-protocol-10
Şekil 10: Model parametrelerinin kalp atış hızı tahminine duyarlılığı. Randall ve ark.20 tarafından yapılan çalışmada model ve parametreler detaylı olarak ele alınmış ve tahmin edilen parametreler Tablo 2'de açıklanmıştır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

15. Optimizasyon (İşlem 10)

NOT: Bu işlem, matematiksel diferansiyel denklemler modeli ve veri kullanılabilirliği (HR) göz önüne alındığında tanımlanabilir parametrelerin bir alt kümesini tahmin eder. Sonuç, 10 Hz'de alt örneklenen verilere göre kalibre edilmiş bir İK modelidir. Bir dizi tahmini parametreye ek olarak, optimize edilmiş model sempatik ve parasempatik sinyalleri tahmin eder. Simülasyon verilere iyi uymazsa, tahmin edilen sempatik ve parasempatik sinyaller yorumlanamaz. Optimizasyon, Randall ve ark.20 tarafından tarif edildiği gibi Levenberg Marquardt yöntemi kullanılarak gerçekleştirilir.

  1. Parametre tahmininin tamamlanması 5-10 dakika sürebilir. Hesaplama sırasında, MATLAB komut penceresi, gradyan normunu, en küçük kareler maliyetini, yineleme numarasını ve Jacobian matris koşul numarasını belirten (soldan sağa) beş sayıdan oluşan 30 satıra kadar yazdırır. Optimizasyon tamamlandığında İşlem 11'e (Çizim modeli tahminleri) devam edin. Tahmini parametre ve bir vektör INDMAP, Optimize edilmiş klasörüne kaydedilir.

16. Arsa modeli tahminleri (Operasyon 11)

NOT: Nominal (Adım 13, İşlem 8) ve tahmini (Adım 15, İşlem 10) parametre değerlerine sahip model tahminlerinin sonuçları, alt örneklenen verilere karşılık gelen 10 Hz'lik bir çözünürlükte çizilir. MFigure 1'in sağ üst panelinde gösterilen HR tahmini mantıklıysa, kod sempatik ve parasempatik sinyalleşmeyi öngörür (MFigure 1'in sağ alt paneli).

  1. Menüde, Görüntülenecek model tahminlerini seçin, Adım 13'teki model tahminlerini çizmek için Nominal'e ve Adım 15'teki optimize edilmiş model tahminlerini görüntülemek için En İyileştirilmiş'e tıklayın. MFigure 1 (Şekil 11A nominal parametreleri ve Şekil 11B optimize edilmiş parametreler) sol üst köşede BP'yi (mmHg), sağ üst köşedeki verilerde (mavi) HR'yi (bpm) ve modeli (macenta) gösterir, göğüs basıncı (Pth, mmHg) sol alt köşededir. Parasempatik (macenta) ve sempatik (koyu mor) sinyallerin tahmini sağ alt köşededir. Kaydet ve çık'a tıklayın ve İşlem 12'ye (Özet) devam edin. Bu şekil, seçilen eyleme bağlı olarak [eylem=nominal] veya [eylem=optimal] olmak üzere [hasta adı] + _[eylem].pn adı altında Figures/Model_fits klasörüne kaydedilecektir.

figure-protocol-11
Şekil 11: Model tahmini. Model, (A) nominal ve (B) optimize edilmiş parametre değerleri ile tahmin edilmiştir. Şekil sol üst kısmı göstermektedir: kan basıncı (SBP kalın mavi çizgi ve sürekli BP açık mavi çizgi, mmHg); sağ üst: kalp atış hızı (HR, bpm), model tahmini (pembe çizgi) ve veri (mavi çizgi); sol alt: torasik basınç (Pth, mmHg) koyu mavi çizgi; ve sağ alt: parasempatik (pembe) ve sempatik (mor) aktivite tahminleri. Her ikisi de boyutsuzdur. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

17. Özet (Operasyon 12)

  1. Bulguların bir özeti, Excel elektronik tablosu (.xlsx) ve virgülle ayrılmış dosya (.csv) olarak depolanır. Veri sorgularını kaydet menüsünde: Veri özet dosya adını girin (ör: DosyaAdı), metin kutusuna tercih edilen adı girin.
  2. Dosyalar varsa, bir menü kullanıcıyı sorgular: Mevcut dosyayı ekleyin veya üzerine yazın. Bu işlem aynı zamanda çıktıları MATLAB komut satırına da yazdırır. Dosyayı oluşturmak için Tamam'a tıklayın ve yalnızca komut satırına çıktı almak için İptal'e tıklayın. Kaydedilen dosya (.xlxs ve .cvs) hasta bilgilerini (Operasyon 1, Adım 6), Klinik Belirteçleri ve Regresyon Çizgilerini (Operasyon 7, Adım 12) ve Nominal (veya Optimize Edilmiş) parametre değerlerini (Operasyon 11, Adım 16) içerir. Her regresyon çizgisi için, R2 değeri uyumun iyiliğini gösterir.
    NOT: Bu işlem (Adım 17) modelleme, duyarlılık ve optimizasyon adımları (İşlem 8-11) çalıştırılmadan tamamlanabilir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

Sekiz örnek veri kümesi, çok çeşitli yanıtları temsil edecek şekilde seçilmiştir. Şekil 3, Şekil 4, Şekil 5, Şekil 6, Şekil 7, Şekil 8, Şekil 9, Şekil 10 ve Şekil 11 , algoritma içindeki her adım için temsili bir sağlıklı kontrol deneğinden elde edilen son...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Bu çalışmada gösterilen ValsalvaAnalyzer yazılımı, Valsalva manevrası sırasında kaydedilen klinik EKG ve kan basıncı verilerini analiz etmek için işlevsellik sağlar. Yazılım, gürültülü sinyalleri temizleme yeteneği sunarak bir popülasyon genelinde tutarlı ölçümler almayı mümkün kılar. Yazılım, düzeltilmiş verileri kullanarak kullanıcının yorumlayabileceği 35'ten fazla işaretçiyi hesaplar. Yazılım, çeşitli çalışmalarda bildirilen Valsalva manevrası sırasında bildirilen bilinen tüm miktarl...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarların ifşa edecek hiçbir şeyi yok.

Teşekkürler

Bu çalışma kısmen Ulusal Bilim Vakfı ödülleri (DMS-2051010) ve NSA ödülleri (H98230-21-1-0014 ve H98230-20-1-0259) tarafından finanse edilmiştir. Yazılımı test ettikleri için Sanaa Elmajdoubi, Rigshospitalet, Danimarka, Niloufar Mehrani ve Jesper Mehlsen, Klinik Mehlsen, Danimarka'ya teşekkür etmek istiyoruz. Matematiksel modeli tartıştığı için Raleigh, NC Uygulamalı Araştırma Görevlileri E. Benjamin Randall'a ve endekslerin tartışılması için Toronto Üniversitesi, Kanada'dan Iryna Palamarchuk'a teşekkür etmek istiyoruz. Son olarak, hesaplama kodunu gözden geçirdiği ve düzenlediği için California San Diego Üniversitesi'nden Sophie Carlson'a teşekkür ederiz. Yazılım, sonuçları bilgisayarda yerel olarak depolar ve dış kuruluşlarla hiçbir bilgi paylaşmaz. ValsalvaAnalyzer yazılımının geliştiricileri, hasta verilerini kullanmaktan ve korumaktan sorumlu değildir. ValsalvaAnalyzer'ın herhangi bir kullanıcısı, bu yazılımla oluşturulan sonuçları yayınlamadan önce verileri korumaktan ve uygun onayları almaktan sorumludur.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
LabChartADI Cihazları
Yazılımı'ndan
Analiz edilen verilerin elde edildiği Yazılımı, ValsalvaAnalyzer programı için kullanılan MATLAB Mathworks dışa aktarılmıştır.

Kaynaklar

  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).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Etiketler

Kalp At m H z AnaliziKan Bas nc AnaliziBarorefleks Duyarl lEKG Sinyal lemeOtonom DisfonksiyonMATLAB Yaz l mSempatik DinamiklerParasempatik Dinamikler
Valsalva Manevrasından Kalp Atış Hızı ve Kan Basıncı Zaman Serisi Verilerinin Analizi için Yazılım
Bize ulaşın
Kütüphaneye tavsiye et

Gizlilik

Kullanım Şartları

İlkeler

Telif hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.