Введение
Одним из наиболее важных показателей здоровья человека является функциональное взаимодействие отдельных органов и систем его организма. Например, система регуляции кровообращения обладает механизмами координации функциональной активности своих компонентов, одним из которых является их синхронизация. В предшествующих работах было показано, что низкочастотные (НЧ) колебания в ритме сердца и периферическом кровотоке человека (с собственной частотой около 0,1 Гц) в норме находятся в состоянии высокой степени синхронизации [1, 2]. Информация о степени синхронизованности ритмов сердечно-сосудистой системы имеет потенциальное значение для клинической кардиологии [3, 4].
Целью данного исследования являлась оценка направления и силы взаимодействия между контурами НЧ-регуляции в сердечно-сосудистой системе по записям кардиоинтервалограмм (КИГ) и фотоплетизмограмм (ФПГ) у здоровых лиц и пациентов с артериальной гипертонией (АГ).
Материал и методы
В исследование включено 40 синхронных записей КИГ и ФПГ здоровых лиц (возраст 20–40 лет, 65% женщин и 127 записей пациентов (возраст 39–55 лет, 63% женщин) с нелеченой или неадекватно леченной ранее АГ без признаков поражения органов-мишеней и ассоциированных клинических состояний.
Синхронная запись КИГ и ФПГ (с дистальной фаланги указательного пальца) производилась прецизионными приборами с частотой 250 Гц при 12 разрядном разрешении. Вследствие непостоянства частоты сердцебиения, КИГ является неэквидистантным временным рядом. Для того чтобы из такого неэквидистантного ряда получить эквидистантный, проводится аппроксимация полученной зависимости кубическими сплайнами и выбираются из нее точки через равные промежутки времени, соответствующие частоте дискретизации 5 Гц. После чего записи КИГ и ФПГ были отфильтрованы полосовым фильтром с частотой пропускания от 0,05 до 0,15 Гц. Во время снятия все испытуемые находились в спокойном состоянии в положении лежа.
Для каждой записи была произведен расчёт 95% поточечного уровня значимости, полученного с помощью суррогатных данных, полученных из исходных рядов путём перемешивания данных различных испытуемых. Суррогатные данные приготовлены в соответствии с гипотезой об отсутствии связи между исходными временными рядами разных испытуемых. При этом основные свойства таких суррогатов (средний период, дисперсия, спектральные характеристики и фазовые спектры) очень близки к исходным данным [5].
Для диагностики связанности между контурами регуляции кровообращения пациентов использовался метод расчёта суммарного процента фазовой синхронизации - индекс S, т.е. суммарной длительности всех участков синхронизации, выраженной в процентах от длительности всей записи [2]. Работоспособность данного метода продемонстрирована в натурных экспериментах при обработке данных биологической природы.
Метод расчёта корреляции приращений фаз на заданном интервале заключался в расчете коэффициента Пирсона между двумя физиологическими показателями: мгновенной частотой сердечных сокращений и амплитудой пульсовых волн пальцевой ФПГ.
Также были применены методы, нацеленные на выявление задержки и направления связи, в которых учёт информационных характеристик одной системы помогает улучшить прогноз динамики второй системы [6]. Одним из таких методов можно считать меру средней взаимной информации, однако на практике более широко используется расчёт причинности по К. Грэнджеру, предложенный в работе [7]. Одна из вариаций этого метода заключается в переходе от анализа непосредственных временных рядов к анализу фаз рядов, являющихся более чувствительными характеристиками изменений систем [8]. Для оценки значимости могут использованы как традиционные варианты усреднений, так и аналитические оценки значимости и устранения ошибок, связанных со статистическими особенностями временных рядов. Одна из модификаций этой методики, использованную в данной работе, включает интервальную оценку ошибки прогноза [9]. Отдельно следует отметить, что чувствительность к высокочастотным шумам не является недостатком этого метода из-за того, что сигналы исследуемых систем приходится фильтровать полосовым фильтром [6].
Результаты и обсуждение
Для здоровых людей наличие значимого взаимодействия между системами наблюдалось в 75% случаев. Для пациентов, страдающих АГ, наличие значимого взаимодействия наблюдалось лишь в 41% случаев. При этом уровень связи, детектируемый методом, основанным на моделировании фазовой динамики исследуемых систем, находится на примерно равном уровне как для здоровых субъектов (0,020±0,013), так и для лиц, страдающих АГ (0,020±0,008). Средние значения задержек в связи между системами оказываются несколько ниже у здоровых лиц и составляют временное запаздывание около 2 секунд против 4 у пациентов с АГ. Результаты представлены на рисунках 1 и 2, направлению «1→2» соответствует связь «сосуды→сердце», «2→1» — «сердце→сосуды».
Полученные результаты имеют важное значение для совершенствования метематических моделей сердечно-сосудистой системы человека [10], на основе которых могут развиваться методы динамической реконструкции параметров уравнений таких моделей [11, 12].
Рисунок 1. Графики зависимости показателей оценок связанности между сигналами для здоровых испытуемых: (а) — моделирование фазовой динамики; (б) — ошибка прогноза; (в) — индекс фазовой когерентности; (г) — корреляция приращения фаз.
Рисунок 2. Графики зависимости показателей оценок связанности между сигналами для лиц, страдающих артериальной гипертонией: (а) — моделирование фазовой динамики; (б) — ошибка прогноза; (в) — индекс фазовой когерентности; (г) — корреляция приращения фаз.
Заключение
Пациенты с АГ характеризуются большей задержкой в связи между НЧ-колебаниями в регуляции рима сердца и периферического кровотока, относительно здоровых лиц.
Конфликт интересов: не заявляется.
- Kiselev AR, Bespyatov AB, Posnenkova OM, Gridnev VI, Ponomarenko VI, Prokhorov MD, Dovgalevskii PYa. Internal Synchronization of the Main 0.1-Hz Rhythms in the Autonomic Control of the Cardiovascular System. Human Physiology 2007; 33(2): 188–193. http://dx.doi.org/10.1134/S0362119707020089.
- Kiselev AR, Karavaev AS, Gridnev VI, et al. Method of estimation of synchronization strength between low-frequency oscillations in heart rate variability and photoplethysmographic waveform variability. Russ Open Med J 2016; 5: e0101. https://doi.org/10.15275/rusomj.2016.0101.
- Kiselev AR, Gridnev VI, Karavaev AS, et al. Evaluation of five-year risk of lethal outcome and development of cardiovascular disorders in patients with acute myocardial infarction on basis of 0.1-Hz rhythms synchronization in cardiovascular system. Saratov J Med Sci Res 2010; 6(2): 328-338. Russian. https://elibrary.ru/item.asp?id=15279658.
- Kiselev AR, Gridnev VI, Karavaev AS, et al. Individual approach to antihypertensive drug selection in hypertensive patients based on individual features of autonomic cardiovascular dysfunction. Arterial Hypertension 2011; 17(4): 354-360. Russian. https://elibrary.ru/item.asp?id=17023979.
- Toledo E, Rosenblum MG, Kurths J, Akselrod S. Cardiorespiratory synchronization: Is it a real phenomenon? In: Computers in cardiology. A. Murray and S. Swiryn, Eds. Hannover: IEEE Computer Society Press, 1999: 237–240. https://doi.org/10.1109/CIC.1999.825950.
- Khorev VS. Development of interaction analysis methods for the low frequency oscillations in cardiovascular system. Cardio-IT 2015; 2(4): e0401. Russian. https://dx.doi.org/10.15275/cardioit.2015.0401.
- Granger CWJ. Investigating causal relations by econometric models and crossspectral methods. Econometrica 1969; 37(3): 424-438. http://dx.doi.org/10.2307/1912791.
- Khorev VS, Kulminsky DD, Mironov SA. Estimation of delay and interaction between 0.1 Hz regulatory rhythms in cardiovascular system. Bulletin of Medical Internet Conferences 2014; 4(7): 958–961. Russian. https://elibrary.ru/item.asp?id=21778085.
- Smirnov DA, Sidak EV, Bezruchko BP. Interval estimates of coupling delay using time series of oscillators. Technical Physics Letters 2011; 37(1): 30-33. http://dx.doi.org/10.1134/S1063785011010147.
- Karavaev AS, Ishbulatov YM, Ponomarenko VI, et al. Model of human cardiovascular system with a loop of autonomic regulation of the mean arterial pressure. J Am Soc Hypertens 2016; 10(3): 235-243. https://doi.org/10.1016/j.jash.2015.12.014.
- Karavaev AS, Ponomarenko VI, Prokhorov MD. Reconstruction of scalar time-delay system models. Technical Physics Letters 2001; 27(5): 414-418. http://dx.doi.org/10.1134/1.1376769.
- Karavaev AS, Ponomarenko VI, Prokhorov MD, et al. Reconstruction of the system of baroreflex arterial pressure regulation from experimental data. Tekhnologii Zhivykh Sistem 2007; 4(4): 34-41. Russian. https://elibrary.ru/item.asp?id=9566349.
Received 12 March 2017. Accepted 10 April 2017.
© 2017, Kuznetsova Yu.S.
Corresponding author: Yulia S. Kuznetsova. Address: Department of Dynamic Modeling and Biomedical Engineering, Saratov State University n.a. N.G. Chernyshevsky, 83, Astrakhanskaya str., Saratov, 410012, Russia.