WO2010115217A2 - Способ оценки функционального состояния организма - Google Patents

Способ оценки функционального состояния организма Download PDF

Info

Publication number
WO2010115217A2
WO2010115217A2 PCT/UZ2010/000002 UZ2010000002W WO2010115217A2 WO 2010115217 A2 WO2010115217 A2 WO 2010115217A2 UZ 2010000002 W UZ2010000002 W UZ 2010000002W WO 2010115217 A2 WO2010115217 A2 WO 2010115217A2
Authority
WO
WIPO (PCT)
Prior art keywords
organism
spectrogram
heart
spectral density
heart rate
Prior art date
Application number
PCT/UZ2010/000002
Other languages
English (en)
French (fr)
Other versions
WO2010115217A3 (ru
Inventor
Евгений Рауфович БАХТИЯРОВ
Original Assignee
Baxtiyarov Evgeniy Raufovich
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baxtiyarov Evgeniy Raufovich filed Critical Baxtiyarov Evgeniy Raufovich
Publication of WO2010115217A2 publication Critical patent/WO2010115217A2/ru
Publication of WO2010115217A3 publication Critical patent/WO2010115217A3/ru

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/364Detecting abnormal ECG interval, e.g. extrasystoles, ectopic heartbeats
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7275Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Definitions

  • the invention relates to medicine and can be used in a comprehensive assessment of the functional state of the human body.
  • Known window (short-term) Fourier transform which consists in the fact that in the frequency (spectral) analysis using autoregressive analysis or a number of modifications of the fast Fourier transform, a series of R-R-intervals is divided into frequency spectra of different densities.
  • the spectral power parameters of the low-frequency (Lf) and ultra-low-frequency (VLF) ranges are determined, which characterize the effects of the sympathetic and high-frequency (Hf) ranges, which reflect parasympathetic influences on the BCP regulation, the Lf / ⁇ f ratio, as well as the total power of the vibration spectrum of RR-intervals (TF) ( N.M. Astafyeva, Advances in Physical Sciences, vol. 166, 1996, Sh 1, p. 145-1170, p. 150).
  • the main disadvantage of this method is the impossibility of its use in the analysis of non-stationary signals, i.e. most BCP patterns.
  • Window ⁇ the Fourier transform has the same time and frequency resolution for all points of the transformation plane, which ensures averaging of the analysis results within the window width, i.e. it does not allow to establish the time-frequency localization of a rapidly damping process.
  • this method of mathematical analysis uninformative for studying the temporal dynamics of BCP during transients and, therefore, for the subtle diagnosis of latent changes in autonomic homeostasis.
  • the closest in technical essence is a method for assessing the state of the regulatory systems of the body of a biological object by measuring the electrical activity of the heart with the allocation of an organic sequential sample of RR-intervals of the rhythm, spectral analysis to obtain the values of the spectral density of the heart rhythm (patent of the Russian Federation 2103911).
  • the objective of the present invention is to develop a universal easily accessible non-invasive method that allows for a short period of time to obtain sufficient diagnostic and prognostic information about the state of the body.
  • the method for assessing the functional state of the body includes measuring the electrical activity of the heart with the selection of an organic sequential sample of RR-intervals of the rhythm, performing spectral analysis to obtain the spectral density of the heart rhythm, while the spectrogram of the heart rhythm is divided into subbands within the classical ranges of ULF , VLF, LF and HF, carry out rank assessments of relative spectral density over 100 subbands and compare them with various qualitative and quantitative characteristics of the state of the body obtained on the basis of standard diagnostic and prediction methods.
  • the invention is based on the proposition that the heart activity is associated with one hand with the integration function (association) of all organs and systems of the whole organism, and with "the other - reflects their functional status and parameters of homeostatic indicators of feedback
  • This regulatory. (integration) function of the heart is carried out, in accordance with modern understanding and the basic principles of systemic medicine, using frequency-wave and resonance mechanisms of interaction, varying to all levels of the organization of the biosystem, even cellular and even subcellular.
  • the final application of this regulation is the genetic apparatus of cells, and tactics and management strategies are associated with the harmonization of functions and maintaining the integrity of the body as a whole.
  • any physiological and pre-pathological changes that have common formation mechanisms are reflected in the heart rhythm, and in particular its spectral characteristics.
  • the existing age-gender and individual characteristics of the spectral characteristics of the heart rhythm determine its unique character for each organism and are associated both with the geno- and phenotype and with the influence of external factors acting at birth (conception) in embryogenesis (prenatal period) and accompanying regular stages development, stable functioning and extinction (aging) of functions in the process of life (ontogenesis).
  • the implementation of the pathogenetic mechanism starts when there are both external and internal factors and conditions associated with the development processes (prenosological period), occurrence (nosological period) and pathology progression.
  • the first period is characterized by various variants of general regulatory disorders that provide the background for the onset and progression of pathology in the second and third periods, which are characterized by manifestations of both nonspecific and disease-specific functional and morphological disorders. All changes in the body associated with both physiological and pathological processes are reflected in the heart rhythm (spectrogram), expressed in its individual (unique), general and specific nature, which can be used to solve diagnostic and prognostic tasks.
  • the method is as follows:
  • the first stage the patient is recorded cardiac rhythm with an array of consecutive RR-intervals in digital form.
  • any electrocardiographic or other equipment can be used that provides digital recording of RR intervals, in accordance with applicable International Standards.
  • preference is given to short-term (for example, 5-minute) recording of the cardiac rhythm with an accuracy of measuring successive RR-intervals of at least ⁇ 0.005 seconds (preferably ⁇ 0.001 seconds). All “physiological” sequences are recorded without exception.
  • the second stage an analysis of the spectral density of the heart rhythm is carried out, for example, using the Fourier method (complete conversion of single series according to the “Hamming” option).
  • the method of obtaining the absolute values of the spectral density of the heart rhythm is not of fundamental importance. In this case, you can use the universally accepted system for determining the boundaries of frequency ranges, for example: ULF - ⁇ 0.015 Hz, VLF - 0.040-0.015 Hz, LF - 0.150-0.040 Hz, HF -> 0.150 Hz, (HF-I - 0.150-0.300 Hz, HF-2 - 0.300-0.450 Hz, HF-3 -> 0.450 Hz).
  • the separation of the heart rate spectrogram into the accepted frequency ranges is also not of fundamental importance, since it represents a single whole.
  • it is possible to propose an estimate of the heart rate spectrogram for example, over 100 subbands, when the results of spectral analysis are presented in steps of 0.005 Hz.
  • the spectral density of the heart rhythm can be represented in these subranges, both in the form of absolute (ms2), as well as in relative (%) indices.
  • the method of expressing the spectral density of the heart rhythm over 100 subbands is not of fundamental importance, although for us the expression in relative units is more preferable.
  • a spectrogram representing a relative density of the heart rhythm spectrum of 100 can be either reduced or increased, which is also not important, but we consider all cases of applying this a method based on analysis of 100 subbands tied to traditional frequency domains.
  • the third stage conduct rank assessments of relative spectral density over 100 subbands. Given that there is a close functional relationship between all frequency subbands, which has the greatest expression between neighboring (bordering) sections, we suggest conditionally dividing them into separate, approximately equal sections, in which to perform ranking indicators. In this case, the first ranking assessments are carried out for the main ranges of heart rhythm - ULF, VLF, LF, HF, HF-I, HF-2 and HF-3 (a total of seven indicators - ranking estimates from 1 to 7).
  • ULF - 3 indicators (rankings from 1 to 3), for VLF - 5 indicators (rankings from 1 to 5), for LF - in five groups (LF 1-5-5 ratings with ranks from 1 to 5 ; LF 6-10 - 5 ratings with ranks from 1 to 5; LF 11-15 - 5 ratings with ranks from 1 to 5; LF 16-21
  • HF-I - for six groups (HF-I 1-5-5 ratings with ranks from 1 to 5; HF-I 6-10-5 ratings with ranks from 1 to 5 ; HF-I 11-15-5 ratings with ranks from 1 to 5; HF-
  • HF-2 - 5 ratings with ranks from 1 to 5
  • HF-2 - for six groups (HF-2 1-5-5 ratings with ranks from 1 to 5; HF-2 6-10-5 ratings with ranks from 1 to 5 ; HF-2 11-15-5 ratings with ranks from 1 to 5; HF-
  • rank estimates were obtained: 7 for the main ranges and 100 for the sub-ranges of the heart rate spectrogram.
  • the number of rank assessments in accordance with the groups of indicators of the relative spectral density of the heart rhythm was chosen so that they are tied to the traditionally determined areas of the spectrogram and this leads to their certain “research”. “Natural”, in accordance with the nature of “Voice of the Voice”, a partition means the allocation of groups with 3-4 subranges on the heart rate spectrogram and obtaining the corresponding rank estimates.
  • the fourth stage they find diagnostically and prognostically important signs based on an analysis of the frequency of occurrence of various rank estimates for almost any conditions and indicators of the human body.
  • standard classical estimates and methods for determining qualitative (clinical signs), quantitative (parametric), for example, laboratory, indicators, as well as instrumental research data serve as reference and verification features.
  • Algorithms are constructed using formal logic elements (AND, OR, NOT, IF, FALSE, TRUE operators) and their connectives. Moreover, a rational number of indicators that provide a high level of statistical reliability, sensitivity and specificity can be selected from an excess of absolute or relative signs. This applies to alternative and qualitative estimates, and for parametric indicators any acceptable mathematical method can be used, for example, linear or nonlinear regression formulas, as well as various models. Variables in the equations can be represented by the sum of the points of a different number of spectral characteristics of the heart rhythm.
  • Child N ° 1 (a boy aged 3.7 years) - 44 points (the result of a laboratory test was 2.240 mmol / l; the calculation by the heart rate spectrogram was 2.237 mmol / l).
  • Child N ° 15 (boy at the age of 0.6 years) - 23 points (laboratory test result - 4.400 mmol / l; calculation by heart rate spectrogram - 4.407 mmol / l).
  • Child N ° 52 (girl aged 0.3 years) - 30 points (laboratory test result - 4.900 mmol / l; calculation by heart rate spectrogram-4.804 mmol / l).
  • Child N ° 195 (girl aged 1.6 years) - 24 points (laboratory test result - 4.400 mmol / l; calculation by heart rate spectrogram - 4.468 mmol / l).
  • Child N ° 5 (girl aged 6.8 years - 65 points): the result of the orientation test - 14 points; evaluation by the proposed method - 15 points.
  • SDNN cardiovascular system function
  • SI stress index
  • EB energy balance
  • CT vascular tone
  • Child N ° 156 (boy at the age of 5.7 years - 62 points): the result of the orientation test - 14 points; evaluation by the proposed method - 11 points.
  • SDNN function of the cardiovascular system
  • SI stress index
  • EB energy balance
  • CT vascular tone
  • Child N ° 439 (girl aged 5.4 years - 58 points): the result of the orientation test - 15 points; evaluation by the proposed method - 15 points.
  • the above examples demonstrate the versatility of the proposed method.
  • the claimed method allows to assess the state of the organism as a whole, increases the reliability and accuracy of the assessment of the current state of the organism, and also makes it possible to predict the dynamics of various states.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

Использование: медицина, а именно: для комплексной оценки функционального состояния организма человека. Задача: разработка универсального легкодоступного неинвазивного способа, позволяющего за короткий интервал времени получить достаточную диагностическую и прогностическую информацию о состоянии организма. Сущность изобретения: способ включает в себя измерение электроактивности сердца с выделением органической последовательной выборки RR-интервалов ритма, проведение спектрального анализа с получением значений спектральной плотности сердечного ритма. При этом спектрограмму сердечного ритма разбивают на поддиапазоны в границах классических диапазонов ULF, VLF, LF и HF, проводят ранговые оценки относительной спектральной плотности по 100 поддиапазонам и сопоставляют их с различными качественными и количественными характеристиками состояния организма, полученных на основе стандартных методов диагностики и прогнозирования.

Description

Способ оценки функционального состояния организма
Изобретение относится к медицине и может быть использовано в комплексной оценке функционального состояния организма человека.
Известен способ оценки состояния организма путем изучения вариабельности сердечного ритма (BCP), осуществляемый с помощью методик, использующих режимы временного и частотного анализа (Л.И.Макаров. Холтеровское мониторирование. - 2000 - M.: Медпрактика - c.51-62). Временной анализ основан на вычислении ряда статистических параметров серии R-R-интервалов различной продолжительности (mеап, SDNN, SDNN-i, SDАNN-i, rМSSD, pNN50, SDSD, Соuпts).
Известны так называемые геометрические методы анализа BCP - построение интервальной гистограммы, дифференциальной гистограммы различий, корреляционной ритмограммы. Оценка результатов геометрических методов осуществляется с помощью измерения параметров построенных геометрических фигур, апроксимации паттерна сердечного ритма через построение фигур и математическое преобразование, с последующей интерпретацией и непосредственное описание и интерпретация формы геометрических фигур сердечного ритма (Сrаwfоrd MH, Bernstein SJ, Dееdwапiа PC еt аl. AHA guidеliпеs fоr аmbulаtоrу еlесtrосаrdiоgrарhу: а rероrt оf thе Аmеriсап Соllеgе оf Саrdiоlоgу/ Аmеriсап Неаrt Аssосiаtiоп Таsk Fоrсе оf Рrасtiсе Guidеliпеs (Соmmitее tо Rеvisе thе Guidеliпеs fоr Аmbulаtоrу Еlесtrосаrdiоgrарhу). J. Am. CoIl Саrdiоl., 1999; 34:912-48).
Общими недостатками вышеперечисленных методик является необходимость в длительной записи сигнала, усреднение результатов анализа, что не позволяет использовать их для определения локализации и характеристик локальных всплесков и отсутствие определения частотных характеристик BCP.
Известно оконное (коротковременое) преобразование Фурье, заключающийся в том, что при частотном (спектральном) анализе с помощью авторегрессионного анализа или ряда модификаций быстрого преобразования Фурье производится разделение серии R-R- интервалов на частотные спектры различной плотности. Определяются показатели спектральной мощности низкочастотного (Lf) и сверхнизкочастотного (VLF) диапазонов, характеризующие влияния симпатического и высокочастотного (Hf) диапазона, отражающего парасимпатические влияния на регуляцию BCP, соотношение Lf/Нf, а также общая мощность спектра колебаний R-R-интервалов (TF) (Н.М.Астафьева. Успехи физических наук, т. 166, 1996 г., Ш 1, с.l 145-1170, с.l 150).
Главным недостатком этого метода является невозможность его использования при анализе нестационарных сигналов, т.е. большинства паттернов BCP. Оконное ι преобразование Фурье имеет одно и то же разрешение по времени и частоте для всех точек плоскости преобразования, что обеспечивает усреднение результатов анализа в пределах ширины окна, т.е. он не позволяет установить частотно-временную локализацию быстро затухающего процесса. Кроме того, что делает этот метод математического анализа малоинформативным для изучения временной динамики BCP при переходных процессах и, следовательно, и при тонкой диагностике скрытых изменений вегетативного гомеостаза.
Известен способ исследования вариабельности сердечного ритма у детей, согласно которому изучение вариабельности сердечного ритма включает регистрацию R-R- интервалограммы и дальнейший ее спектральный анализ осуществляется методом непрерывного вейвлетного преобразования, на основе которого строятся скейлограммы, заданные как среднее квадратов вейвлетных коэффициентов на заданном масштабе (патент Российской федерации 2241374).
Недостатком данного способа является то, что данный способ не может обеспечить необходимый для диагностики уровень специфичности и чувствительности, и используется только для оценки тонуса вегетативной нервной системы.
Наиболее близким по технической сущности является способ оценки состояния регуляторной систем организма биологического объекта путем измерения электроактивности сердца с выделением органической последовательной выборки RR- интервалов ритма, проведения спектрального анализа с получением значений спектральной плотности сердечного ритма (патент Российской федерации 2103911).
Недостатком данного способа заключается в отсутствии ранговых оценок, что не позволяет достичь универсальности диагностики, ограничивает применение этого способа. При этом, данный подход не может обеспечить необходимый для диагностики уровень специфичности и чувствительности. Получаемые обобщенные (интегральные), дифференциально-диагностические и синдромальные оценки не выводят на уровень точной параметрической, этиологической и качественной диагностики и прогнозирования.
Задачей настоящего изобретения является разработка универсального легкодоступного неинвазивного способа, позволяющего за короткий интервал времени получить достаточную диагностическую и прогностическую информацию о состоянии организма.
Поставленная задача решается тем, что способ оценки функционального состояния организма включает измерение электроактивности сердца с выделением органической последовательной выборки RR-интервалов ритма, проведение спектрального анализа с получением значений спектральной плотности сердечного ритма, при этом, спектрограмму сердечного ритма разбивают на поддиапазоны в границах классических диапазонов ULF, VLF, LF и HF, проводят ранговые оценки относительной спектральной плотности по 100 поддиапазонам и сопоставляют их с различными качественными и количественными характеристиками состояния организма, полученных на основе стандартных методов диагностики и прогнозирования.
В основе изобретения лежит положение о том, что сердечная деятельность связана с одной стороны с функцией интеграции (объединения) работы всех органов и систем целостного организма, а с "другой - отражает их функциональное состояние и параметры гомеостатических показателей по принципу обратной связи. При этом регуляторная (интеграционная) функция сердца осуществляется, в соответствии с современным пониманием и основными принципами системной медицины, при помощи частотно- волнового и резонансного механизмов взаимодействия, распространяясь на все уровни организации биосистемы, вплоть до клеточного и даже субклеточного. Конечным приложением такой регуляции является генетический аппарат клеток, а тактика и стратегия управления связаны с гармонизацией функций и сохранением целостности организма как единого целого.
Любые физиологические и предпатологические изменения, имеющие общие механизмы формирования находят отражение в сердечном ритме, и в частности его спектральных характеристиках. Имеющиеся возрастно-половые и индивидуальные особенности спектральных характеристик сердечного ритма определяют его уникальный характер для каждого организма и связаны как с гено- и фенотипом, так и с влиянием внешних факторов, действующих при рождении (зачатии) в эмбриогенезе (внутриутробный период) и сопровождающих закономерные стадии развития, стабильного функционирования и угасания (старение) функций в процессе жизнедеятельности (онтогенез).
Реализация патогенетического механизма запускается при наличии как внешних, так и внутренних факторов и условий, связанных с процессами развития (донозологический период), возникновения (нозологический период) и прогрессирования патологии. При этом для первого периода характерны различные варианты общих регуляторных нарушений, обеспечивающих фон для возникновения и прогрессирования патологии во втором и третьем периодах, для которых характерны проявления как неспецифических, так и специфических для отдельных заболеваний функциональных и морфологических нарушений. Все изменения, происходящие в организме, связанные как с физиологическими, так и патологическими процессами, находят отражение в сердечном ритме (спектрограмме), выражаясь в его индивидуальном (уникальном), общем и специфичном характере, что может быть использовано для решения диагностических и прогностических задач.
Наиболее полная информация о состоянии организма содержится в характеристиках сердечного ритма и в полной мере раскрывается в его спектрограмме.
Для расшифровки этой информации необходимо понимание соблюдения как минимум двух основных условий, определяющих механизм сердечной регуляции. Во- первых, это связано с использованием в «гoлoce cepдцa» универсального языка, использующего алфавит аналогичный генетическому коду, а во-вторых - со «cлoвooбpaзoвaниeм» и «кapдиoлингвиcтикoй», которые напрямую связаны с функциональной спецификой спектрограммы сердечного ритма.
По своей сути мы говорим о новом направлении системной медицины, условно называемом «кapдиoлингвиcтикoй», занимающейся изучением «гoлoca cepдцa» в связи с его структурой, функционированием, изменениями при различных состояниях и заболеваниях.
Способ осуществляется следующим образом:
Первый этап: больному проводят регистрацию кардиоритма с получением массива последовательных RR-интервалов в цифровом виде. Для этой цели может быть использована любая электрокардиографическая или другая аппаратура, обеспечивающая цифровую регистрацию RR-интервалов, в соответствии с действующими Международными стандартами. При этом предпочтение отдается кратковременной (например, 5-ти минутной) регистрации кардиоритма с точностью измерения последовательных RR-интервалов не менее ±0.005 секунд (желательно ±0.001 секунд). Регистрируются все «физиoлoгичecкиe» последовательности без исключения.
Второй этап: проводят анализ спектральной плотности сердечного ритма, например при помощи метода Фурье (полное преобразование одиночных серий по варианту «Hamming»). Метод, получения абсолютных значений спектральной плотности сердечного ритма, принципиального значения не имеет. При этом можно использовать повсеместно принятую систему определения границ частотных диапазонов, например: ULF - <0.015 Гц, VLF - 0.040-0.015 Гц, LF - 0.150-0.040 Гц, HF - >0.150 Гц, (HF-I - 0.150-0.300 Гц, HF-2 - 0.300-0.450 Гц, HF-3 - >0.450 Гц). Следует отметить, что разделение спектрограммы сердечного ритма на принятые частотные диапазоны также принципиального значения не имеет, так как она представляет единое целое. В этой связи можно предложить оценку спектрограммы сердечного ритма, например, по 100 поддиапазонам, когда результаты спектрального анализа представлены с шагом в 0.005 Гц. Тогда, соответственно в традиционных частотных диапазонах ULF будет 3 поддиапазона (ULF 1-3), для VLF - 5 поддиапазонов (VLF 1-5), LF - 21 поддиапазон (LF 1-21), а для HF - 71 поддиапазон (HF-I - 30, HF-2 - 30, HF-3 - 11). Спектральная плотность сердечного ритма может быть представлена в этих поддиапазонах, как в виде абсолютных (мc2), как и в относительных (%) показателях. Для дальнейшего анализа способ выражения спектральной плотности сердечного ритма по 100 поддиапазонам принципиального значения не имеет, хотя для нас более предпочтительным является выражение в относительных единицах. Таким образом, мы получаем спектрограмму, представляющую относительную плотность спектра сердечного ритма по 100. Количество поддиапазонов, в соответствии с выбранным шагом ' (интервалом) может быть, как уменьшено, так и увеличено, что также не принципиально, но мы рассматриваем все случаи применения этого способа на основе анализа по 100 поддиапазонов, привязанных к традиционным частотным областям.
Третий этап: проводят ранговые оценки относительной спектральной плотности по 100 поддиапазонам. Учитывая, что между всеми частотными поддиапазонами существует тесная функциональная связь, имеющая наибольшее выражение между соседними (граничащими) участками, мы предлагает условно разделить их на отдельные, примерно равные участки, в которых и осуществлять ранжирование показателей. При этом первые ранговые оценки проводятся для основных диапазонов сердечного ритма - ULF, VLF, LF, HF, HF-I, HF-2 и HF-3 (всего семь показателей - ранговые оценки от 1 до 7). Для поддиапазонов: ULF - 3 показателя (ранговые оценки от 1 до 3), для VLF - 5 показателей (ранговые оценки от 1 до 5), для LF - по пяти группам (LF 1-5-5 оценок с рангами от 1 до 5; LF 6-10 - 5 оценок с рангами от 1 до 5; LF 11-15 - 5 оценок с рангами от 1 до 5; LF 16-21
- 6 оценок с рангами от 1 до 6), HF-I - по шести группам (HF-I 1-5-5 оценок с рангами от 1 до 5; HF-I 6-10-5 оценок с рангами от 1 до 5; HF-I 11-15-5 оценок с рангами от 1 до 5; HF-
1 16-20 - 5 оценок с рангами от 1 до 5; HF-I 21-25-5 оценок с рангами от 1 до 5; HF-I 26-30
- 5 оценок с рангами от 1 до 5), HF-2 - по шести группам (HF-2 1-5-5 оценок с рангами от 1 до 5; HF-2 6-10-5 оценок с рангами от 1 до 5; HF-2 11-15-5 оценок с рангами от 1 до 5; HF-
2 16-20 - 5 оценок с рангами от 1 до 5; HF-2 21-25-5 оценок с рангами от 1 до 5; HF-2 26-30
- 5 оценок с рангами от 1 до 5), а для HF-3 - по двум группам (HF-3 1-5-5 оценок с рангами от 1 до 5; HF-3 6-11 - 6 оценок с рангами от 1 до 6). Таким образом, было получено 107 ранговых оценок: 7 - для основных диапазонов и 100 - для поддиапазонов спектрограммы сердечного ритма. Количество ранговых оценок в соответствии с группами показателей относительной спектральной плотности сердечного ритма было выбрано так, чтобы их привязать к традиционно определяемым областям спектрограммы и это обуславливает их некоторую «иcкyccтвeннocть». «Ecтecтвeннoe», в соответствии с природой «гoлoca cepдцa» разбиение подразумевает выделение на спектрограмме сердечного ритма групп с 3-4 поддиапазонами в каждой и получение соответствующих ранговых оценок. В рассматриваемых примерах ранговые оценки были получены на 107 показателей. Таким образом, используя адаптированный к традиционной системе интерпретации спектрограммы сердечного ритма, способ получения ранговых оценок для частотных поддиапазонов, было получено 555 вариантов, что дает практически неограниченное количество параметров (более 10150). Такая «бeзpaзмepнocть» с одной стороны показывает неисчерпаемый диагностико-прогностический потенциал способа, а с другой - еще раз подчеркивает индивидуальность (уникальность) спектрограмм сердечного ритма у каждого человека.
Четвертый этап: находят диагностически и прогностически важные признаки, основанные на анализе частоты встречаемости различных ранговых оценок, для практически любых состояний и показателей организма человека. При этом, эталонными и верификационными признаками служат общепринятые классические оценки и методы определения качественных (клинические признаки), количественных (параметрических), например лабораторных, показателей, а также данных инструментального исследования.
Для выделения диагностически и прогностически значимых спектральных признаков, при параллельном использовании анализа вариабельности сердечного ритма и различных эталонных или стандартных способов, используется оценка частоты встречаемости, сила взаимосвязи (ассоциации, корреляции, сопряженности), применительно как к одному признаку, так и к их различным сочетаниям и перестановкам, с определением приемлемого уровня статистической достоверности.
Пятый этап: проводят построение и проверку диагностико-прогностических алгоритмов. Алгоритмы строятся с использованием элементов формальной логики (операторы И, ИЛИ, НЕ, ЕСЛИ, ЛОЖЬ, ИСТИНА) и их связок. При этом, может быть выбрано из избыточного количества абсолютных или относительных признаков рациональное количество показателей, которые обеспечивают высокий уровень статистической достоверности, чувствительности и специфичности. Это относится к альтернативным и качественным оценкам, а для параметрических показателей может быть использован любой приемлемый математический способ, например, формулы линейной или нелинейной регрессии, а также различные модели. Переменные в уравнениях могут быть представлены суммой баллов различного количества спектральных характеристик сердечного ритма.
Примеры конкретного выполнения способа
Пример Ne I .
Определение содержания кальция (Ca++) в сыворотке крови (мммоль/л).
Обследовано методом случайной выборки 254 детей в возрасте от 0.1 до 4.5 года (менее 1 года - 89 чел. - 35.0%; от 1 года до 3 лет - 124 чел. - 48.8%; более 3 лет - 41 чел. - 16.2%). Среди обследованных было 146 мальчиков (57.5%) и 108 девочек (42.5%). Для всех детей лабораторным методом определялось содержание Ca++ в сыворотке крови. Для нахождения диагностически значимых признаков было сформировано три группы сравнения: А - Ca<2.0 (54 чел. - 21.3%); В - Ca 2.0-2.2 (140 чел. - 55.1%); С- Ca>2.2 (60 чел. - 23.6%) (рис. 1).
В качестве наиболее информативных признаков, отражающих уровень кальция в сыворотке крови, было выбрано 75 показателей ранговых оценок спектрограммы сердечного ритма. На каждого ребенка была рассчитана сумма баллов по ранговым оценкам, которая варьировала в пределах от 23 до 49. Для перевода баллов в значения содержания кальция в сыворотке крови использовалось уравнение нелинейной регрессии y=c+exp(bθ+b 1 *x).
Примеры оценок:
1. Ребенок N° 1 (мальчик в возрасте 3.7 лет) - 44 балла (результат лабораторного исследования - 2.240 мммоль/л; расчет по спектрограмме сердечного ритма - 2.237 мммоль/л).
2. Ребенок N° 4 (девочка в возрасте 0.9 лет) - 29 баллов (результат лабораторного исследования - 1.980 мммоль/л; расчет по спектрограмме сердечного ритма — 1.982 мммоль/л).
3. Ребенок JVs 249 (мальчик в возрасте 1.2 года) - 42 балла (результат лабораторного исследования - 2.210 мммоль/л; расчет по спектрограмме сердечного ритма - 2.203 мммоль/л).
Пример N° 2.
Определение содержания неорганического фосфора (PO4+++) в сыворотке крови (мммоль/л).
Обследовано методом случайной выборки 254 детей в возрасте от 0.1 до 4.5 года (менее 1 года - 89 чел. - 35.0%; от 1 года до 3 лет - 124 чел. - 48.8%; более 3 лет - 41 чел. - 16.2%). Среди обследованных было 146 мальчиков (57.5%) и 108 девочек (42.5%). Для всех детей лабораторным методом определялось содержание PO4+++ в сыворотке крови. Для нахождения диагностически значимых признаков было сформировано три группы сравнения: А - PO<4.5 (98 чел. - 38.6%); В - PO 4.5-5.0 (96 чел. - 37.8%); С- PO5.0 (60 чел. - 23.6%) (рис. 2).
В качестве наиболее информативных признаков, отражающих уровень кальция в сыворотке крови, было выбрано 49 показателей ранговых оценок спектрограммы сердечного ритма. На каждого ребенка была рассчитана сумма баллов по ранговым оценкам, которая варьировала в пределах от 15 до 39. Для перевода баллов в значения содержания кальция в сыворотке крови использовалось уравнение нелинейной регрессии y=c+exp(bθ+bl*x).
Примеры оценок:
1. Ребенок N° 15 (мальчик в возрасте 0.6 лет) - 23 балла (результат лабораторного исследования - 4.400 мммоль/л; расчет по спектрограмме сердечного ритма - 4.407 мммоль/л).
2. Ребенок N° 52 (девочка в возрасте 0.3 года) - 30 баллов (результат лабораторного исследования - 4.900 мммоль/л; расчет по спектрограмме сердечного pитмa-4.804 мммоль/л).
3. Ребенок N° 195 (девочка в возрасте 1.6 года) - 24 балла (результат лабораторного исследования - 4.400 мммоль/л; расчет по спектрограмме сердечного ритма - 4.468 мммоль/л).
Примечание: Для получения расчетных показателей применялись и более сложные уравнения, которые позволяют получать более точные результаты, практически совпадающие с данными референс- метода. Метод апробирован для определения уровня гемоглобина и Fe+++, а также активности трансаминаз (АлАТ, AcAT) и некоторых показателей свертывающей системы крови.
Пример N° 3
Диагностика ВИЧ-инфекции.
Обследовано 46 человек, из которых у 4 была установлена ВИЧ-инфекция (СПИД), остальные были практически здоровы (К). В качестве наиболее информативных признаков, отражающих наличие ВИЧ- инфекции, было выбрано 19 показателей ранговых оценок спектрограммы сердечного ритма (от 0 до 14 баллов).
Примеры оценок:
Примечание: Диагнозы верифицированы подтверждающими лабораторными методами и клиническими данными.
Пример использования способа для определения интегральных и синдромальных психофизиологических параметров.
Обследовано 780 практически здоровых лиц мужского пола. В качестве референс- метода данные полученные при помощи прграммно-аппаратного комплекса «CMS» (ПАК «CMS», Анком, Санкт-Петербург, Российская Федерация).
В качестве наиболее информативных признаков для определения адаптивности (Ad) было выбрано 29 показателей ранговых оценок спектрограммы сердечного ритма (от 3 до 24 баллов), а для депрессивности (D) - 4 признака (от 15 до 46 баллов). Для расчета показателей были использованы формулы, с учетом пороговых значений параметров: y=c+exp(Ъ0+bl*xl+b2*x2 ....), yl=c+bθ*x, y2=c+Ъ0*x.
Примеры оценок: Адаптивность.
Пробанд JVb 126-133 (20 лет) - 6 баллов: данные ПАК «CMS» - Ad=32%; данные применения метода -Ad=32%.
Пробанд JVb 456-795 (19 лет) - 9 баллов: данные ПАК «CMS» - Ad=75%; данные применения метода -Ad=70%.
3. Пробанд JVb 670-1220 (20 лет) - 18 баллов: данные ПАК «CMS» - Ad=82%; данные применения метода- Ad=78%.
Депрессивность. робанд JVb 134-141 (20 лет) - 35 баллов: данные ПАК «CMS» - D=60%; данные применения метода -D=57%. робанд JVb 421-699 (19 лет) - 33 баллов: данные ПАК «CMS» - D=36%; данные применения метода -D=31%. робанд JVb 692-1256 (38 лет) - 35 баллов: данные ПАК «CMS» - D-34%; данные применения метода -D=32%.
Примечание: Опыт применения ПАК «CMS» указывает на невысокую стабильность получаемых характеристик, что позволило нам при анализе этих и других недостатков найти более совершенные алгоритмы расчета психофизиологических показателей.
Пример JVb 4
Определение онкологического риска, возникновения метастазов и определения первичной локализации опухоли.
Обследовано 95 онкологических больных: в том числе 43 лиц мужского пола (45.3%) и 52 человек женского (54.7%). Средний возраст обследованных составлял 42.5±2.9 лет (М±DI [95%], SD=±14.6): в том числе 27 человек в возрасте до 35 лет (28.4%), 46 чел. (48.4%) - от 36 до 55 лет, 22 чел. (23.2%) - старше 55 лет. У 83 (87.4%) больных в клиническом диагнозе было установлено МО или MX и 12 (12.6%) пациентов имели отметку Ml. В качестве контроля использованы данные на 780 практически здоровых лиц.
Для верификации диагноза использованы лаборатоно-аппрататные и клинические методы. В качестве наиболее информативных признаков для определения онкологического риска и возникновения метастазов было выбрано 233 показателей ранговых оценок спектрограммы сердечного ритма, из которых в алгоритме было применено только 125 признаков.
Примеры оценок:
Оценка онкологического риска и возникновения метастазов. Пример N° 5
Комплексное определение функциональной готовности детей к систематическому обучению в школе (определение «шкoльнoй зрелости))).
Комплексно обследовано 473 детей дошкольного возраста, посещающих подготовительные группы ДДУ. По анализу спектральных характеристик сердечного ритма и их сопоставления с классическими методами определения «шкoльнoй зрелости)) (тест Керна-Ирасέка), физического развития и функциональной готовности (тесты на физическую работоспособность, асимметрию парных органов и т. д.) было вы выделено 125 признаков.
Примеры оценок:
1. Ребенок N° 5 (девочка в возрасте 6.8 лет - 65 баллов): результат ориентировочного теста - 14 баллов; оценка по предлагаемому методу - 15 баллов. Общее заключение: «Шкoльнaя зрелость)) (ШЗ) - среднего уровня, физическая работоспобность (PC) - среднего уровня; показатель физического развития (ПФР) - гипетрофия; функция сердечнососудистой системы (SDNN) - норма, стресс-индекс (SI) - норма, энергетический баланс (ЭБ) - норма, сосудистый тонус (CT) - норма.
2. Ребенок N° 156 (мальчик в возрасте 5.7 лет - 62 баллов): результат ориентировочного теста - 14 баллов; оценка по предлагаемому методу - 11 баллов. Общее заключение: «Шкoльнaя зрелость)) (ШЗ) -среднего уровня, физическая работоспобность (PC) - высокого уровня; показатель физического развития (ПФР) - гипотрофия; функция сердечно-сосудистой системы (SDNN) - норма, стресс-индекс (SI) - норма, энергетический баланс (ЭБ) - энергодефицитное состояние, сосудистый тонус (CT) - патология.
3. Ребенок N° 439 (девочка в возрасте 5.4 лет - 58 баллов): результат ориентировочного теста - 15 баллов; оценка по предлагаемому методу - 15 баллов. Общее заключение: «Шкoльнaя зрелость)) (ШЗ) - среднего уровня, физическая работоспобность (PC) - очень высокого уровня; показатель физического развития (ПФР) - гармоничное; функция сердечно-сосудистой системы (SDNN) - снижение функции, стресс-индекс (SI) - хроническое напряжение, энергетический баланс (ЭБ) - энердефицитное состояние, сосудистый тонус (CT) - патология.
Примеры использования способа дифференциальной диагностики бронхитов (рецидивирующий - РБ, обструктивный - ОБ) и бронхиальной астмы (БА) у детей.
Обследовано 94 детей дошкольного возраста с предварительным диагнозом острый бронхит (Б). При анализе спектральных характеристик сердечного ритма и их сопоставлении с результатами клинического обследования и наблюдения возникла необходимость в проведении дифференциальной диагностике, для чего и были разработаны алгоритмы. Так для дифференциации Б и БА было выделено 49 спектральных характеристик, для Б и РБ - 39 признаков, Б и ОБ - 40, РБ и ОБ - 63.
Изложенные выше примеры демонстрируют универсальность предлагаемого способа. Заявленный способ позволяет оценить состояние организма в целом, повышает достоверность и точность оценки текущего состояния организма, а также дает возможность прогнозировать динамику различных состояний.

Claims

ФОРМУЛА ИЗОБРЕТЕНИЯ
Способ оценки функционального состояния организма включающий измерение электроактивности сердца с выделением органической последовательной выборки RR- интервалов ритма, проведение спектрального анализа с получением значений спектральной плотности сердечного ритма, отличающийся тем, что спектрограмму сердечного ритма разбивают на поддиапазоны в границах классических диапазонов ULF, VLF, LF и HF, проводят ранговые оценки относительной спектральной плотности по 100 поддиапазонам и сопоставляют их с различными качественными и количественными характеристиками состояния организма, полученных на основе стандартных методов диагностики и прогнозирования.
PCT/UZ2010/000002 2009-04-02 2010-03-18 Способ оценки функционального состояния организма WO2010115217A2 (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
UZ0900088 2009-04-02
UZ20090088 2009-04-02

Publications (2)

Publication Number Publication Date
WO2010115217A2 true WO2010115217A2 (ru) 2010-10-07
WO2010115217A3 WO2010115217A3 (ru) 2010-11-25

Family

ID=42828988

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/UZ2010/000002 WO2010115217A2 (ru) 2009-04-02 2010-03-18 Способ оценки функционального состояния организма

Country Status (1)

Country Link
WO (1) WO2010115217A2 (ru)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2211658C1 (ru) * 2002-02-11 2003-09-10 Успенский Вячеслав Максимилианович Способ суточного кардиомониторирования для определения наличия и активности заболеваний человека неинфекционной природы
RU2258455C2 (ru) * 2003-11-05 2005-08-20 ЗАО "Транзас" Способ мониторинга функционального состояния человека
WO2009005580A1 (en) * 2007-06-29 2009-01-08 Alexander Riftine Method for quantitative assessment of the autonomic nervous system based on heart rate variability analysis

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2211658C1 (ru) * 2002-02-11 2003-09-10 Успенский Вячеслав Максимилианович Способ суточного кардиомониторирования для определения наличия и активности заболеваний человека неинфекционной природы
RU2258455C2 (ru) * 2003-11-05 2005-08-20 ЗАО "Транзас" Способ мониторинга функционального состояния человека
WO2009005580A1 (en) * 2007-06-29 2009-01-08 Alexander Riftine Method for quantitative assessment of the autonomic nervous system based on heart rate variability analysis

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BAEVSKII R.M. ET AL.: 'Analiz variabelnosti serdechnogo ritma priispolzovanii razlichnykh eletrokardiograficheskikh sistem (metodologicheskie rekomendatsii)' URALSKII KARDIOLOGICHESKII ZHURNAL no. 1, 2002, pages 1,19 - 22,25-27,29 *
F NG ET AL.: 'Heart rate recovery in the diagnosis of diabetic cardiovascular autonomic neuropathy' COMPUTERS IN CARDIOLOGY vol. 34, 2007, pages 681 - 684 *

Also Published As

Publication number Publication date
WO2010115217A3 (ru) 2010-11-25

Similar Documents

Publication Publication Date Title
Keenan et al. Absolute pitch and planum temporale
Strand et al. Gender differences in psychopathy in a Swedish offender sample
Dietrich et al. Externalizing and internalizing problems in relation to autonomic function: A population-based study in preadolescents
Wang et al. Ethnic differences and heritability of heart rate variability in African-and European American youth
Reuben et al. Hippocampal atrophy relates to fluid intelligence decline in the elderly
US8852116B2 (en) Psychiatric symptom and psychiatric disorder onset risk evaluation method and evaluator using heart rate variability index
Cleutjens et al. The relationship between cerebral small vessel disease, hippocampal volume and cognitive functioning in patients with COPD: An MRI study
Muralikrishnan et al. Heart rate variability in normotensive subjects with family history of hypertension
JP2004283523A (ja) 自律神経リズム解析装置
Nicolini et al. Autonomic function predicts cognitive decline in mild cognitive impairment: Evidence from power spectral analysis of heart rate variability in a longitudinal study
WO2010115216A2 (ru) Способ диагностики психологического состояния
KR102152957B1 (ko) 심박 변이도(hrv)에 기초한 기타 불안장애로부터 공황장애 감별 방법 및 그 장치
Bundzen et al. Psychophysiological correlates of athletic success in athletes training for the Olympics
Nakari et al. Personalized Non-contact Sleep Stage Estimation with Weighted Probability Estimation by Ultradian Rhythm
Weaver et al. 0612 Using Multiple Anchor-based And Distribution-based Estimates To Determine The Minimal Important Difference (MID) For The FOSQ-10
WO2010115217A2 (ru) Способ оценки функционального состояния организма
Gonçalves et al. Fetal behavioral dynamics in cephalic versus breech presentations
Tlish et al. Personal and psychological characteristics of adolescents with acne
RU2503404C1 (ru) Способ определения биологического возраста человека
RU2776233C1 (ru) Способ донозологической диагностики состояния вегетативной нервной системы человека
Guo Multi-Parameter Physiological Tracking System for Diagnosis of Sepsis
Kovrov et al. Heart Rate Variability as a Predictor of Daytime Sleepiness during Prolonged Isolation
RU2687580C1 (ru) Способ диагностики расстройств аутистического спектра
RU2283029C2 (ru) Способ диагностики нарушений сексуальных предпочтений
RU2266044C2 (ru) Способ определения психосоматического состояния человека

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10759559

Country of ref document: EP

Kind code of ref document: A2

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 10759559

Country of ref document: EP

Kind code of ref document: A2