ЭНТРОПИЯ И DFA ВАРИАБЕЛЬНОСТИ РИТМА СЕРДЦА ПРИ ДИСТАНТНОМ ПРЕКОНДИЦИОНИРОВАНИИ, ОРТОСТАЗЕ У ЗДОРОВЫХ МОЛОДЫХ ЛЮДЕЙ И У ЛИЦ С ИЗМЕНЕНИЯМИ НЕЙРОВЕГЕТАТИВНОЙ РЕГУЛЯЦИИ КАРДИОДИНАМИКИ

Проведены исследования сравнительной физиологической оценки нелинейных методов анализа вариабельности ритма сердца: аппроксимированной энтропии, энтропии образца, многомасштабной энтропии и детрентного флуктуационного анализа при дистантном ишемическом прекондиционировании и ортостазе у здоровых молодых людей и у лиц с нарушениями вегетативной регуляции. Цель: повышение информативности исследований и раскрытие механизмов нефармакологических методов защиты сердца и сосудов мозга от повреждений и стрессов.

Основные задачи работы включали:

1. Модельные исследования связей амплитудных и структурных особенностей вариабельности ритма сердца с показателями энтропии и детрентного флуктуационного анализа.

2. Сравнительные исследования свойств аппроксимированной энтропии, энтропии образца, многомасштабной энтропии вариабельности ритма сердца.

3. Исследования особенностей энтропийных показателей и детрентного флуктуационного анализа вариабельности ритма сердца в условиях дистантного ишемического прекондиционирования, ортостаза и при изменениях нейровегетативной регуляции.

В модельных исследованиях искусственно генерируемых волновых сигналов найдено, что изменения амплитуды и мощности колебательных процессов не связаны с показателями энтропии. Результаты модельных исследований экстраполировались на реальные данные вариабельности ритма сердца и частоты сердечных сокращений.

При сравнительных исследованиях аппроксимированной энтропии, энтропии образца, многомасштабной энтропии определены оптимальные показатели длины выборки сравниваемых последовательностей исследуемых временных рядов, допустимые отклонения получаемых результатов для аппроксимированной энтропии, энтропии образца, многомасштабной энтропии, масштабирующий коэффициент для многомасштабной энтропии, а также достоинства и недостатки различных методов анализа энтропии вариабельности ритма сердца.

Физиологические приложения разработанных методов были изучены нами у 34 испытуемых молодого возраста (19–25 лет) в динамике нагрузочных тестов, при дистантном ишемическом прекондиционировании и у 75 человек с измененной вегетативной регуляцией. Оценивалось влияние прекондиционирования на ортостатическую нагрузку. Показатели функционального состояния были представлены десятью показателями спектров вариабельности ритма сердца, частоты сердечных сокращений, артериального давления и нелинейной динамики – аппроксимированной энтропии, энтропии образца, многомасштабной энтропии, детрентного флуктуационного анализа. Полученные результаты сравнивались с динамикой спектральных показателей при проведении ложного прекондиционирования. Достоверность различий оценивалась на основе парного t-критерия Стьюдента.

В динамике нагрузочных тестов при анализе вариабельности ритма сердца, а также при ортостазе реактивные изменения структуры кардиодинамики наилучшим образом отражались в показателях энтропии образца и многомасштабной энтропии и в меньшей степени – в показателях аппроксимированной энтропии. При этом изменения показателей энтропии и детрентного флуктуационного анализа имели противоположную направленность при ортостазе.

Установлено, что энтропии – аппроксимированная, энтропия образца и многомасштабная – обладают свойствами подавления случайных воздействий и шумов. Эти свойства проявились в повышении информативности прогностических критериев изменений нейровегетативного профиля, то есть в случаях изолированного снижения HF и LF и увеличения частоты сердечных сокращений, которые ранее рассматривались как противоречивые критерии энергодефицитных состояний. Выраженное снижение энтропий вариабельности ритма сердца повышало достоверность отрицательного прогноза состояния пациентов у больных с сахарным диабетом, полинейропатиями.

Отсутствие прямой зависимости показателей энтропии от мощности колебательных процессов вариабельности ритма сердца снижает информативность показателей энтропии в оценке кардиодинамики при прекондиционировании, так как усиление мощности вариабельности ритма сердца при этом является одним из ведущих признаков положительной динамики при дистантном ишемическом прекондиционировании.

Интерпретация результатов исследования основана на возможностях современных методов исследования и новых теоретических взглядах на функционирование организма и переходных процессах от здоровья к болезни.

 

DOI: 10.18500/0869-6632-2016-24-5-37-61

 

Ссылка на статью: Флейшман А.Н., Кораблина Т.В., Смагина Е.С., Петровский С.А., Иовин Д.Е., Неретин А.А. Энтропия и DFA вариабельности ритма сердца при дистантном прекондиционировании, ортостазе у здоровых молодых людей и у лиц с изменениями нейровегетативной регуляции кардиодинамики // Известия вузов. Прикладная нелинейная динамика. 2016. Т. 24, No 5. С. 37–61.

 

 
Литература

1. Флейшман А. Н., Сулейман М.С., Шумейко Н.И., Халиулин И.Г. и др. Нейрогенные механизмы дистантного ишемического прекондиционирования у молодых здоровых людей // Сборник научных трудов VII Всероссийского симпозиума и V Школы-семинара с международным участием. Новокузнецк, 2015. С. 24–40.

2. Флейшман А.Н. и др. Ортостатическая тахикардия: диагностическое и прогностическое значение Very Low Frequency вариабельности ритма сердца //Бюллетень сибирской медицины. 2014. Т. 13, No 4.

3. Task Force of the European Society of Cardiology et al. Heart rate variability standards of measurement, physiological interpretation, and clinical use //Eur Heart J. 1996. Vol. 17. P. 354–381.

4. Sassi R. et al. Advances in heart rate variability signal analysis: joint position statement by the e-Cardiology ESC Working Group and the European Heart Rhythm Association co-endorsed by the Asia Pacific Heart Rhythm Society // Europace. 2015. euv015.

5. Lipsitz L.A., Goldberger A.L. Loss of’complexity’and aging: potential applications of fractals and chaos theory to senescence //Jama. 1992. Vol. 267, N 13. P. 1806– 1809.

6. Hardstone R. et al. Detrended fluctuation analysis: A scale-free view on neuronal oscillations //Scale-free Dynamics and Critical Phenomena in Cortical Activity. 2012. P. 75.

7. Mandelbrot B.B., Wallis J.R. Computer experiments with fractional Gaussian noises: Part 2, rescaled ranges and spectra // Water resources research. 1969. Vol. 5, N 1. P. 242–259.

8. Peng C.-K., Hausdorff J.M., Goldberger A.L. Fractal mechanisms in neural control: Human heartbeat and gait dynamics in health and disease // In: Self-Organized Biological Dynamics and Nonlinear Control / Ed. J. Walleczek. Cambridge: Cambridge University Press, 2000.

9. https://www.physionet.org/tutorials/fmnc/node3.html

10. Fang Wang, Qingju Fan, and H. Eugene Stanley. Multiscale multifractal detrended-fluctuation analysis of two-dimensional surfaces // Phys. Rev. E. 2016. Vol. 93. 042213.

11. Goldberger A.L. et al. Fractal dynamics in physiology: alterations with disease and aging //Proceedings of the National Academy of Sciences. 2002. Vol. 99, suppl 1. P. 2466–2472.

12. Francis Darrel P., Willson K., Georgiadou P. et al. Physiological basis of fractal complexity properties of heart rate variability in man// J. Physiol. 2002. Vol. 542, N 2. P. 619–629.

13. Rojo-Alvarez J.L. et al.  ́ Analysis of physiological meaning of detrended fluctuation analysis in heart rate variability using a lumped parameter model // Computers in Cardiology. IEEE. 2007. P. 25–28.

14. West B.J. Fractal physiology and the fractional calculus: a perspective //Frontiers in physiology. 2010. Vol. 1. P. 12.

15. Ihlen E.A.F. Introduction to multifractal detrended fluctuation analysis in Matlab //Fractal Analyses: Statistical And Methodological Innovations And Best Practices. 2012. P. 97.

16. Eke A. et al. Fractal characterization of complexity in temporal physiological signals //Physiological measurement. 2002. Vol. 23, N 1. P. R1.

17. Pincus S. Approximate entropy (ApEn) as a complexity measure //Chaos: An Inter- disciplinary Journal of Nonlinear Science. 1995. Vol. 5, N 1. P. 110–117.

18. Richman J.S., Moorman J.R. Physiological time-series analysis using approximate entropy and sample entropy //American Journal of Physiology-Heart and Circulatory Physiology. 2000. Vol. 278, N 6. H2039-H2049.

19. Costa M., Goldberger A.L., Peng C.K. Multiscale entropy analysis of complex physiologic time series //Physical review letters. 2002. Vol. 89, N 6. 068102.

20. Costa M., Goldberger A. L., Peng C. K. Multiscale entropy analysis of biological signals //Physical review E. 2005. Vol. 71. N 2. P. 021906.

21. Costa M.D., Goldberger A.L. Generalized multiscale entropy analysis: application to quantifying the complex volatility of human heartbeat time series //Entropy. 2015. Vol. 17, N 3. P. 1197–1203.

22. Singh B., Bharti N. Software tools for heart rate variability analysis //International Journal of Recent Scientific Research. 2015. Vol. 6, N 4. P. 3501–3506.

23. Aktaruzzaman M., Sassi R. Parametric estimation of sample entropy in heart rate variability analysis //Biomedical Signal Processing and Control. 2014. Vol. 14. P. 141–147.

24. Zhang Y.C. Complexity and 1/f noise. A phase space approach //Journal de Physique I. 1991. Vol. 1, N 7. P. 971–977.

25. Gorban A.N. Basic types of coarse-graining //Model Reduction and Coarse-Graining Approaches for Multiscale Phenomena. Springer Berlin Heidelberg, 2006. P. 117–176.

26. Gorban A.N. et al. Ehrenfest’s argument extended to a formalism of nonequilibrium thermodynamics //Physical Review E. 2001. Vol. 63, N 6. 066124.

27. Ehrenfest P., Ehrenfest T. The conceptual foundations of the statistical approach in mechanics. Courier Corporation, 2002.

28. Ji L. et al. Analysis of short-term heart rate and diastolic period variability using a refined fuzzy entropy method //Biomedical engineering online. 2015. Vol. 14, N 1. P. 1.

29. Ho Y.L. et al. The prognostic value of non-linear analysis of heart rate variability in patients with congestive heart failure-a pilot study of multiscale entropy //PloS one. 2011. Vol. 6, N 4. e18699.

30. Norris P.R., Stein P.K., Morris J.A. Reduced heart rate multiscale entropy predicts death in critical illness: a study of physiologic complexity in 285 trauma patients //Journal of critical care. 2008. Vol. 23, N 3. P. 399–405.

31. Tarvainen M.P. et al. Complexity of heart rate variability in type 2 diabetes-effect of hyperglycemia // 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). IEEE, 2013. P. 5558–5561.

32. Minassian A. et al. Heart rate variability characteristics in a large group of activeduty marines and relationship to posttraumatic stress //Psychosomatic medicine. 2014. Vol. 76, N 4. P. 292.

33. Cancio L.C. et al. Combat casualties undergoing lifesaving interventions have decreased heart rate complexity at multiple time scales // Journal of critical care. 2013. Vol. 28, N 6. P. 1093–1098.

34. Young H., Benton D. We should be using nonlinear indices when relating heart-rate dynamics to cognition and mood // Scientific reports. 2015. Vol. 5.

35. Гончар И.А. и др. Энтропия сердечного ритма – предиктор функционального исхода парциального инфаркта мозга в бассейне сонных артерий у пациентов с фибрилляцией предсердий // Медицинские новости. 2015. No1. С.41–46.

36. Wessel N. et al. Entropy measures in heart rate variability data //International Sym- posium on Medical Data Analysis // Springer Berlin Heidelberg. 2000. Pp. 78–87.

37. Bienertova-Va  ́ sku J. et al. ˇ Calculating Stress: From Entropy to a Thermodynamic Concept of Health and Disease //PloS one. 2016. Vol. 11, N 1. e0146667.

38. McEwen B.S. Stress, adaptation, and disease: Allostasis and allostatic load //Annals of the New York Academy of Sciences. 1998. Vol. 840, N 1. P. 33–44.

39. Ganzel B.L., Morris P.A., Wethington E. Allostasis and the human brain: Integrating models of stress from the social and life sciences //Psychological review. 2010. Vol. 117, N 1. P. 134.

40. Куприянов Р.В., Жданов Р.И. Стресс и аллостаз: проблемы, перспективы и взаимосвязь //Журнал Высшей нервной деятельности им. И.П.Павлова. 2014. Вып. 64, No 1. С. 21–31.

41. Sterling P. Allostasis: a model of predictive regulation //Physiology & behavior. 2012. Vol. 106, N 1. P. 5–15.

42. Флейшман А.Н. Вариабельность ритма сердца и медленные колебания гемодинамики: Нелинейные феномены в клинической практике. Новосибирск: Изд-во СО РАН, 2009.

43. Флейшман А.Н. Медленные колебания гемодинамики: Теория, практическое применение в клинической медицине и профилактике. Новосибирск: Сиб. предприятие РАН, 1999. 264 с.

44. Anishchenko V.S. et al. Comparative analysis of methods for classifying the cardio-vascular system’s states under stress //Critical ReviewsTM in Biomedical Engineering. 2001. Vol. 29, N 3.

45. McEwen B.S., Gianaros P.J. Central role of the brain in stress and adaptation: links to socioeconomic status, health, and disease //Annals of the New York Academy of Sciences. 2010. Vol. 1186, N 1. P. 190–222.

46. Долецкий А.Н. Выраженность взаимосвязей сверхмедленных колебательных процессов в организме в качестве интегральной характеристики адаптации человека // Вестник Волгоградского государственного университета. Серия 11: Естественные науки. 2014. No 4.

47. Rebeca Goya Esteban. Heart rate variability characterization using entropy measures. Dissertation submitted to the FEUP, Universidade do Porto in Partial Fulfillment of the Requirements for the Degree of Master of Science in Biomedical Engineering. 2008.

48. Манило Л.А., Зозуля Е.П. Исследование возможности применения аппроксимированной энтропии для анализа биосигналов // Известия СПбГЭТУ «ЛЭТИ». 2007. С. 3–9.

49. Silva L.E.V. et al. Multiscale entropy analysis of heart rate variability in heart failure, hypertensive and sinoaortic-denervated rats: Classical and refined approaches// American Journal of Physiology – Regulatory, Integrative and Comparative Physiology. 2016. С. ajpregu. 00076.

50. Weippert M. et al. Sample entropy and traditional measures of heart rate dynamics reveal different modes of cardiovascular control during low intensity exercise // Entropy. 2014. Vol. 16, N 11. P. 5698–5711.

51. Al-Angari H.M., Sahakian A.V. Use of sample entropy approach to study heart rate variability in obstructive sleep apnea syndrome //IEEE Transactions on Biomedical Engineering. 2007. Vol. 54, N 10. P. 1900–1904.

52. Thayer J.F., Lane R.D. Claude Bernard and the heart-brain connection: Further elaboration of a model of neurovisceral integration //Neuroscience & Biobehavioral Reviews. 2009. Vol. 33, N 2. P. 81–88.

53. Vargas B. et al. What Can Biosignal Entropy Tell Us About Health and Disease? Applications in Some Clinical Fields //Nonlinear dynamics, psychology, and life sciences. 2015. Vol. 19, N 4. P. 419–436.

54. Иваницкий Г.Р. XXI век: что такое жизнь с точки зрения физики // Успехи физических наук. 2010. Т. 180, No. 4. С. 337–369.

Статус: 
одобрено к публикации
Краткое содержание (PDF):