主动脉狭窄患者大腿部位心电图检查的临床相关性及术后结果
Aline dos Santos Silva,
Miguel Velhote Correia,
Andreia Gon?alves da Costa,
Rui J. Cerqueira,
Hugo Plácido da Silva
《Journal of Sensor and Actuator Networks》:Clinical Correlation and Postoperative Findings of Thigh-Based Electrocardiography in Aortic Stenosis
Aline dos Santos Silva,
Miguel Velhote Correia,
Andreia Gon?alves da Costa,
Rui J. Cerqueira and
Hugo Plácido da Silva
【字体:
大
中
小
】
时间:2026年04月29日
来源:Journal of Sensor and Actuator Networks 4.2
编辑推荐:
摘要:以往关于健康对照组的研究表明,基于大腿的心电图(ECG)具有附加价值,因为它使用嵌入在马桶座圈中的传感器来收集数据,从而实现无干扰的信号采集。然而,还需要进一步的证据来证明其在临床上的可行性。在这项研究中,我们调查了三个互补方面:信号质量、与标准心电图导联的形态学相关性,以
摘要:以往关于健康对照组的研究表明,基于大腿的心电图(ECG)具有附加价值,因为它使用嵌入在马桶座圈中的传感器来收集数据,从而实现无干扰的信号采集。然而,还需要进一步的证据来证明其在临床上的可行性。在这项研究中,我们调查了三个互补方面:信号质量、与标准心电图导联的形态学相关性,以及该系统在主动脉瓣置换患者中分析心率变异性(HRV)的潜力。这项工作分为两个主要阶段。在第一阶段,32名健康志愿者同时使用标准12导联心电图系统和基于大腿的系统进行了心电图记录。信号质量指数(SQI)分析显示,56.25%的实验信号被归类为优秀,超过62.5%的记录与临床心电图的I导联显示出强烈相关性。这些发现通过进一步描述捕获信号的质量和相关性,扩展了现有技术的水平。在第二阶段,对两名患有严重主动脉狭窄的患者在手术前后的情况进行了监测。从基于大腿的心电图中得出的HRV指标显示了不同的自主神经反应:一名患者在术后整体和副交感神经调节方面有显著改善(SDNN、RMSSD和样本熵增加),而另一名患者则表现出变异性和复杂性降低,可能表明自主神经恢复受损。这些结果突显了基于大腿的心电图数据采集在日常环境中进行被动、纵向心脏健康监测的可行性,以及其在术前和术后自主神经评估中的应用潜力。
1. 引言
远程监测对于降低医疗成本、改善患者护理和持续跟踪慢性疾病至关重要。心血管疾病(CVDs)仍然是全球主要的死亡原因,每年导致1790万人死亡[1],仅在欧洲就有390万人死亡[2]。许多CVDs,包括冠状动脉疾病、心力衰竭、心律失常和中风,都可以通过持续监测和心电图信号分析得到早期发现[3]。最近的研究探索了在大腿处采集心电图的新方法,旨在以最小的用户干预促进定期监测[4,5]。然而,来自这一非传统解剖位置的信号需要仔细评估其临床可解释性和诊断潜力。由于特定的心脏病理在某些导联中表现得更为明显,因此确定哪些标准心电图导联与基于大腿的信号最为相关至关重要。此外,必须使用已建立的信号质量指数(SQI)指标来量化信号可靠性,以确保用户和环境之间的一致性,并检测噪声、运动伪影或其他失真。最后,可以通过监测接受主动脉瓣置换的严重主动脉狭窄患者的心率变异性(HRV)来评估该系统的临床效用。HRV是自主神经调节和心血管健康的无创标志物,在心脏康复中广泛用于评估恢复情况、指导运动强度和检测随访期间的自主神经功能障碍。通过在术前和术后使用马桶座圈心电图系统评估HRV,可以了解其跟踪生理改善、检测恢复延迟的迹象和支持结构化康复计划的能力。这种方法通过实现被动、高频测量,有潜力减轻患者负担并提高依从性——这是术后和长期康复中的两个主要挑战。基于这些考虑,本研究解决了以下研究问题:(1)哪些标准心电图导联与基于大腿的心电图信号最为相关,这种相关性在不同心脏病理中如何变化?(2)使用SQI指标评估时,基于大腿的心电图信号有多可靠,特别是在容易受到噪声和运动伪影影响的条件下?(3)马桶座圈心电图系统能否有效监测主动脉狭窄患者的HRV,术前和术后的HRV模式与标准临床测量结果有何不同?本研究通过(1)量化基于大腿和标准心电图导联之间的相关性,(2)使用已建立的SQI指标评估信号质量,以及(3)探索该系统在瓣膜置换前后进行HRV分析的临床可行性,特别是其在远程心脏康复和术后恢复监测中的价值,为现有技术做出了贡献。本文的其余部分安排如下:第2节回顾了可穿戴心电图系统和HRV的相关背景;第3节描述了基于大腿的心电图采集实验设置;第4节详细介绍了用于评估信号相关性和质量的方法,并展示了在主动脉狭窄患者手术前后进行的心率变异性分析;最后,第5节总结了主要发现并指出了未来研究的方向。
2. 背景
我们的研究源于生物医学工程和数字健康两个日益增长的趋势的结合。首先,这种扩展反映了向无干扰和普遍生理监测的更广泛趋势。其次,卫生设施环境已成为连续健康监测的高度有前景的平台,因为它们在日常生活中不可或缺,并且具有潜在的被动用户参与性。事实上,Fadhil [6] 报告称,高达11%的心脏骤停事件发生在浴室中,这强调了在这些环境中进行心血管监测的重要性。集成在马桶中的心电图监测系统受到了越来越多的关注。Kim等人[7]进行了一项基础性研究,使用嵌入在马桶座圈中的电容耦合绝缘铜和PTFE电极。他们的结果显示可以可靠地检测到R波峰,并且还研究了身体接地对HRV测量的影响。尽管如此,基于电容的采集在诊断可靠性方面仍然有限,特别是对于全面的心血管疾病评估。Huang等人[8]开发了一种基于马桶的系统,能够采集多种生理参数,包括心电图、体重和生物阻抗。虽然他们的方法实现了先进的健康跟踪,但仍需要外部可穿戴电极来进行完整的身体阻抗分析,从而限制了其无干扰性。最近,Conn等人[5]引入了一种集成在马桶座圈中的多模式心血管监测系统,包括心电图、心搏描记(BCG)和光电容积描记(PPG)传感器。他们的系统成功测量了血压、每搏输出量和血氧饱和度,具有临床级别的准确性。他们依赖于使用放置在平坦表面上的不锈钢电极进行接触式心电图采集,证明了设计良好的基于马桶的传感平台可以产生具有临床意义的数据。尽管有这些有希望的进展,信号质量在非传统心电图系统中仍然是一个持续的挑战。大多数当前的马桶集成解决方案缺乏实时反馈机制来评估心电图的完整性。皮肤接触的变化、用户姿势、运动伪影和环境噪声都可能影响数据的可靠性。Clifford等人[9]和Tobón等人[10]强调了这些退化如何阻碍临床解释和准确的特征提取。最近的研究提出了自动信号质量评估算法来解决这些问题。值得注意的是,Zhao等人[11]引入了一种自主SQI算法,用于识别可用于诊断的目的的可用电图段。这种方法使得过滤低质量信号成为可能,从而促进了可穿戴和被动监测系统中的实时决策。与之前的马桶集成心电图系统相比,当前的方法的优势在于使用位于大腿上的干电极进行完全被动采集,这减少了用户负担,并可能便于在家庭环境中进行重复的长期监测。与电容耦合系统相比,接触式采集可能提供更好的波形保真度,特别是对于R波峰检测和HRV提取。然而,该方法仍然对姿势、接触压力、运动伪影和个体间差异敏感,目前还不能替代用于全面临床解释的多导联心电图。因此,它的优势主要在于无干扰的纵向监测,而不是完全的诊断替代。基于大腿的心电图采集相比传统的基于电极的系统具有关键优势,因为它实现了完全无干扰和被动的监测。与需要皮肤准备、凝胶电极和用户积极参与的标准心电图设置不同,所提出的方法允许在自然日常活动中(如使用马桶)进行信号采集,从而减少了用户负担并可能提高长期依从性。然而,在这种非传统环境中获取的心电图信号本质上更容易受到运动伪影、电极接触变化和环境噪声的影响。因此,客观的信号质量评估变得至关重要。信号质量指数(SQIs)提供了一个定量框架,用于在临床解释或特征提取之前识别可靠的部分并排除损坏的数据,它们已在心电图处理流程中得到广泛应用[11,12,13]。表1总结了相关工作的代表性内容,并强调了所提出方法的新颖性和综合性。
3. 实验程序
关于基于大腿的心电图的一个长期问题是,这种类型的传感器获得的信号与放置在人体上的临床级固定设备获得的信号进行比较。重要的是,将传感器放置在大腿上并使用非凝胶电极消除了标准方法中的许多既定限制[4,17]。因此,这种比较的目的不是证明或展示任何生理原理,而是通过实证分析我们的信号是否与所谓的金标准的某个(或多个)导联相关,从而为实际应用提供信息。
3.1. 数据采集
我们进行了一项涉及两个不同组的实验研究。第一组包括32名志愿者(12名女性),平均年龄为[年龄范围未提供]岁,平均体重为[体重范围未提供]公斤,平均身高为[身高范围未提供]厘米,且没有诊断出任何心脏病理。在这组中,同时使用临床级参考设备——GE HealthCare MAC 800(以下简称ECG_REF)和之前在[4,17]中描述过的基于大腿的心电图采集系统(以下简称ECG_EXP)进行了心电图记录。ECG_REF设备配置为标准12导联采集(导联I、II、III、aVR、aVL、aVF和V1–V6),使用根据临床指南放置的预凝胶Ag/AgCl电极。同时,参与者被指示正常坐在装有定制电极的马桶座圈上,以确保接触一致。第二组包括两名被诊断为严重主动脉瓣狭窄的男性患者,他们在手术前后进行了短暂的记录(大约2分钟)。每次记录会持续约2分钟,相当于预期使用马桶座圈的自然时间。由于采集遵循了模拟实际使用的机会主义范式,有效时间因参与者而异。记录被保留下来进行分析,前提是它们符合预定义的质量标准。最终数据集中的平均记录时间为70.35 ± 49.65秒。因此,图1中展示的系统是在现实的短时间记录条件下进行评估的。图1. 本研究中使用的实验设置。使用GE HealthCare MAC 800 12导联心电图系统(ECG_REF)与我们的基于大腿的系统(ECG_EXP)一起使用。图中的绘图不是按比例绘制的。MAC 800系统的电极显示为橙色,而基于大腿的干电极显示为黑色。一对心电图电极被定位以接触用户的大腿。改编自[4]。为了确保从非传统且容易受噪声影响的位置(如大腿)获取的心电图信号的可靠性,在分析之前应用了自动信号质量评估程序。该程序改编自我们之前发布的处理流程[4]和已建立的心电图信号质量评估方法[12,13]。鉴于运动伪影、电极接触不良和模拟-数字转换器(ADC)削波主要影响高幅度心电图成分,信号质量在心跳水平上进行了评估,特别关注QRS复合波。图1提供了实验设置的概述。所有程序均按照《赫尔辛基宣言》中描述的伦理原则进行。研究方案得到了葡萄牙波尔图S?o Jo?o医院电信研究所(IT)和心肺科伦理委员会的审查和批准,批准号为315/23。在本研究中,基于大腿的心电图系统作为单导联采集系统运行。尽管原型包括四对电极(A1–A4),但这些电极最初是在概念验证研究中用于评估不同的电极材料和表面纹理[4]。对于每次记录,选择用于分析的心电图信号对应于表现出最低饱和度和最佳整体信号质量的电极对。这种选择确保了使用最可靠的信号,同时保持了系统的无干扰特性。为了减少受试者特异性偏差,所有参与者都使用相同的硬件、相同的电极放置在马桶座圈上,以及相同的采集和预处理流程进行评估。没有对参与者进行特定的调整或手动调整传感配置。志愿者被简单地指示采取自然且舒适的坐姿,从而保持了系统所期望的不显眼和真实世界的特性。此外,参与者包括女性和男性,年龄范围广泛,人体测量特征各异,这允许在多样化的用户条件下进行评估。该设计旨在评估该方法在用户之间的鲁棒性,而不是为任何特定个体优化性能。
3.2. 非病理受试者的数据处理
为了确保ECG_EXP和ECG_REF之间的公平比较,并减少与采集相关的伪影的影响,进行了预处理。首先,将ECG_EXP信号的采样频率从1000 Hz降采样到500 Hz,以匹配ECG_REF的采样频率。接下来,使用零相位前向-后向滤波方法(filtfilt)应用三阶巴特沃斯带通滤波器(0.5–40 Hz),以减弱基线漂移、与运动相关的低频成分和高频噪声,同时保持信号的时间特性。由于两个系统是独立采集的,且没有硬件同步机制,因此通过最大化ECG_EXP与ECG_REF中导联I之间的互相关来进行时间对齐,之后进行幅度归一化。
对于逐搏形态学分析,对分割的心跳进一步筛选异常值。这一步是必要的,因为偶尔的心跳可能会因运动伪影、短暂接触丢失或分割错误而严重失真,导致波形模板不具代表性,相似性估计有偏差。异常值排除使用了基于QRS的分割方法,该方法源自Engelse & Zeelenberg [18]的研究,广泛用于鲁棒的心跳检测,并且在噪声较大的ECG条件下已被证明是有效的。这使得形态学指标能够反映主导的、生理上有意义的波形模式,而不是孤立的受损心跳。这种预处理流程并不是为了人为改善实验信号,而是为了确保系统之间的比较是在时间对齐、带宽一致且形态学上具有代表性的心动周期上进行的。
我们分析中的另一个核心方面是,有两个独立系统在采集数据。ECG_REF在硬件层面不提供直接的同步方法;为了解决这个问题,在后处理中,我们还对两个信号的RR间期序列进行了相关性分析,首先根据公式(1)对信号的直流偏移和幅度进行了归一化。然后,通过计算使它们之间的互相关最大的时间延迟来对齐ECG_EXP和ECG_REF的相应时间序列(公式(2)。
图2显示了一次采集运行中同步信号的示例,我们可以观察到两个信号之间的几乎完全的时间匹配。图3显示了即使在信号处理后存在显著噪声的情况下也能成功同步的信号示例。
3.3. 病理受试者的数据处理
提取了以下时域心率变异性(HRV)指标:MeanNN,表示平均RR间期;SDNN,RR间期的标准差;RMSSD,连续RR间期差异的均方根;pNN50,表示连续RR间期相差超过50 ms的百分比;以及从RR间期直方图中估计的压力指数(SI)。
使用基于Pan–Tompkins实现的算法检测R峰,该算法改编自开源框架。该过程包括信号微分、平方和移动窗口平均,积分窗口为(120 ms,采样频率为1000 Hz)。为了避免初始化伪影,首先排除了前200 ms的样本。然后通过连续R峰之间的时间差获得RR间期,接着去除伪影和生理上不可能的异常值(低于300 ms或高于2000 ms的值)。
此外,还考虑了非线性HRV指标,包括样本熵(SampEn)和近似熵(ApEn),这些指标是信号不规则性和复杂性的指标[19,20],以及去趋势波动分析(DFA-)[21]。
SampEn和ApEn用于量化信号复杂性。这两个指标是使用RR间期序列的嵌入维度、延迟和容忍度计算的,遵循HRV分析的标准做法。
通过将窗口对齐并平均以R波为中心,生成了心跳波形模板,从而可以直观比较术前和术后时期的波形(图4和图5)。此外,还构建了心动图(图6)和扩展的Poincaré图(图7),并计算了SD1和SD2参数[22]。
4. 结果
4.1. 分割性能
通过这项分析,我们试图表征使用ECG_REF和ECG_EXP收集的信号计算出的心率之间的潜在差异。R峰的失真可能会引入影响心率计算的延迟,而信号中的伪影可能导致峰值未被检测到或错误检测到。
表2总结了心率计算的比较分析。每一行对应于使用每种ECG采集系统收集的ECG_EXP通道和ECG_REF通道之间的心率差异,并显示了平均差异()和标准差()。这种心率差异是基于两个时间序列中R峰的对应关系显示的。最后,还展示了噪声段的百分比,即信号饱和(处于最大或最小值)或被噪声严重破坏的时期。信号检测误差(SDE,以%表示)由公式(3)给出,其中S代表总信号,N代表测量范围之外的信号(均以秒为单位)。表2总结了用于检测R峰的两种算法的结果,这些算法将在4.2节中使用。第一种算法来自BioSPPy库[23](算法1),它依赖于带通滤波(通常为0.5–45 Hz)来去除基线漂移和高频噪声,然后进行信号微分、平方和移动窗口积分以增强QRS复合波,峰值检测基于幅度和不应期约束。第二种算法(算法2)基于Gutiérrez-Rivas等人[24]提出的自适应阈值方法,对信号进行初步预处理,并根据局部信号幅度和噪声水平动态更新检测阈值,从而在不同信号条件下实现R峰的稳健识别。
4.2. 信号质量指数
如前所述,Zhao等人[11]提出的方法分为两个步骤:第一步基于简单的启发式融合。通过ECG波形特征和噪声源的时频特征,他们提出了质量评估参数来调整SQI的合理范围。
遵循Zhao和Zhang [11]的方法,使用从ECG波形中得到的形态学和噪声敏感指标的融合来评估信号质量。在当前实现中,计算了四个SQI:qSQI、pSQI、kSQI和basSQI。qSQI是根据两个独立的R峰检测器之间的一致性获得的,从而反映了心跳检测的一致性。pSQI是根据QRS相关频带中的相对谱功率计算的,表示信号能量集中在生理相关频率成分中的程度。kSQI对应于ECG信号的峰度,用作波形形状描述符。最后,basSQI量化了低频基线成分的相对贡献。对于qSQI,某些值被认为是最佳的;对于kSQI,某些值被认为是最佳的;对于basSQI,某些值被认为是最佳的。pSQI的阈值遵循Zhao和Zhang方法在BioSPPy实现中定义的依赖于心率的规则。根据Zhao和Zhang[11]的简单启发式融合方法,每个SQI被映射到一个局部质量类别:0(不合格)、1(可疑)或2(最佳)。最终信号质量类别是通过四个局部SQI类别的启发式融合得到的,结果分为三类:“优秀”、“勉强可接受”或“不可接受”。
本工作中使用的实现遵循BioSPPy库[25]中提供的开源版本,确保了信号质量评估程序的透明度和可重复性。
使用这种方法分析了EXP_ECG的完整ECG信号,并使用了两种不同类型的算法来检测R峰。在完整的ECG信号中,R波具有最大的幅度,是最明显的特征,因此通常通过检测R波来确认ECG信号的存在。因此,通过比较ECG_REF和ECG_EXP通过R峰计算出的心率,我们可以估计信号的质量。
根据这些结果,可以观察到SQI为“勉强可接受”的信号与SDE超过7%的信号之间存在相关性,这可以通过低SDE百分比的信号具有更高的稳定性来解释。此外,根据Zhao等人[11]建立的标准,56.25%的收集信号具有“优秀”的信号质量(表2)。
从ECG中提取的复合波形的特征在检测心脏病理学方面起着重要作用。例如,PR间期、QRS间期和QT间期的持续时间,以及P波和ST段的形态对于识别心脏电传导的异常至关重要。例如,PR间期延长可能表明房室阻滞,而QRS复合波形增宽可能提示室内传导障碍,如束支阻滞。ST段和T波的改变通常与心肌缺血或心肌梗死相关。此外,这些参数的变化有助于诊断心律失常,如心房颤动和室性心动过速。主动脉瓣狭窄等状况也可能导致ECG模式中的电学和血流动力学变化。
提取和分析这些特征可以实现更准确的诊断和持续的患者监测,有助于早期发现心脏病并实施适当的医疗干预。
4.3. 临床相关性
我们进行了更详细的评估,分割结果显示两个系统的性能相当。随后,我们分析了ECG_EXP信号的形态,并将其与使用临床级ECG_REF系统收集的信号进行了比较。为此,我们使用Engelse & Zeelenberg [18]算法方法对单个心跳波形进行了分割并去除了异常值,如图8所示。在去除异常值后,我们计算了几项指标,如余弦距离方法、动态时间规整(DTW)、归一化均方根误差(NRMSE)和皮尔逊相关系数(PCC),以评估两个信号源的形态相似性。这些值的分布被用来比较不同的导联。结果显示,总体而言,使用我们的方法在大腿处收集的数据与临床导联I的导出结果相关性更好(见图A1)。然而,为了深入分析并更详细地比较信号形态,我们对从EXP_ECG获得的每个心跳与从ECG_REF获得的相应心跳进行了统计分析,如图A2所示。本研究这部分的重点是确定使用ECG_EXP收集的各个心跳波形之间的形态相似性。如前所述,ECG_EXP获得的某些ECG波形特征不如ECG_REF明显。除了分析完整的PQRST复合波形外,我们还分别分析了PQ和ST复合波形,如图A3和图A4所示。图9、图10、图11、图12和图13展示了每个导联的PR间期(图9)、PR段(图10)、QRS复合波形(图11)、QT段(图12)和ST段(图13)的平均值和标准差,并与参考ECG(ECG_REF)获得的信号进行了比较。图14和图15展示了与导联I相似度最高和最低的个体的波形示例。对于整个信号(图A1),所有统计方法都指出导联I的导出具有最高的相关性。DTW和PCC在分析PQRST复合波形的相关性时显示出更高的相似性(见图A2),其中导联I是第二相似的;而对于余弦距离和NRMSE方法,导联I仍然是最相关的。由于导联I和V4导出在形态上更为相似,因此导联I仍然是最相关的。对于PQ复合波形的分析(见图A3),也倾向于导联I,除了PCC方法指出V6导出具有最高的相关性。然而,当分析ST复合波形(见图A4)时,没有任何方法指向导联I,这可能是因为大多数ECG_EXP记录没有显示出ST峰,这阻碍了其与导联I的识别和相关性。
4.4. 主动脉瓣置换术中的心率变异性(HRV)分析
主动脉瓣狭窄是老年人中最常见的结构性心脏病之一,通常需要手术治疗。除了由于心室射血受阻引起的血流动力学变化外,主动脉瓣狭窄还与心脏自主调节的改变有关,这些改变可能在瓣膜置换后持续或发生变化[26]。HRV分析已被证明是评估生理和病理情况下自主调节的敏感工具。在这个案例研究中,我们分析了两名接受主动脉瓣置换手术患者的自主反应。通过从ECG信号中提取线性、非线性和形态特征,我们旨在表征和比较术前和术后的状态,重点关注风险、恢复和生理复杂性的指标。表3展示了两名患者的HRV指标。这些值的比较揭示了手术后的生理相关变化[21,27]。在这种情况下,对手术的有利反应表现为全局和短期HRV指标的增加(例如SDNN、RMSSD、pNN50)、压力指数的降低以及更高的非线性复杂性(SampEn、ApEn、balanced DFA-)。这些变化表明迷走神经调节的改善、自主平衡的增强以及生理适应性的提高。相反,变异性指标的降低、交感神经优势的增加(例如SI的升高)和熵的减少可能表明反应不佳。患者0001的术后平均RR间期显著增加(从805.7毫秒增加到960.9毫秒),表明心率下降。全局HRV(SDNN:从15.0毫秒增加到42.4毫秒)和短期副交感神经调节(RMSSD:从7.4毫秒增加到27.2毫秒;pNN50:从0%增加到5.1%)都有所增加。压力指数略有下降,反映了自主神经张力的潜在重新平衡。非线性近端指标显示出有利趋势,SampEn增加(从1.31增加到1.44),DFA-减少(从1.34减少到1.26),表明生理复杂性和适应性的提高。相比之下,患者0002的反应不佳。尽管MeanNN增加(从868.8毫秒增加到1043.7毫秒),但变异性指标显著下降:SDNN从43.4毫秒减少到25.2毫秒,RMSSD从48.3毫秒减少到18.0毫秒,pNN50从31.9%减少到1.4%。SI增加(从49.3增加到59.1),表明交感神经优势。非线性近端指标也下降(SampEn从1.85减少到1.39),表明复杂性降低和可能的自主神经功能障碍或对手术的急性炎症反应。形态分析(图4和图5)显示了时间点之间QRS复合波形和T波的差异,表明手术引起的电生理变化。Tachograms(图6)进一步证实了这些发现,患者0001的术后变异性增加,而患者0002的变异性减少。Poincaré图(图7)进一步确认了这些趋势。患者0001的SD1(从5.2毫秒增加到19.2毫秒)和SD2(从20.4毫秒增加到56.3毫秒)增加,表明自主神经恢复。然而,患者0002的这两个参数显著减少(SD1从34.1毫秒减少到12.7毫秒;SD2从50.8毫秒减少到33.0毫秒),表明复杂性降低和自主控制受损。这些发现证明了HRV作为术后自主状态监测工具的实用性,具有识别并发症风险或恢复不完全的患者的潜力。正如这些案例所示的个性化分析揭示了在基于人群的分析中可能不明显的模式,这加强了个性化评估的价值[28,29,30]。需要注意的是,由于临床数据的敏感性和患者隐私限制,详细的临床信息(如合并症、用药或围手术期并发症)并未完全用于分析。然而,根据临床工作人员的说法,两名患者的情况具有可比性和代表性。手术在同一天进行,术前记录在手术前一天获得,术后记录在手术后五天收集。临床团队确认术前和术后状态之间的生理变化是预期的,HRV指标观察到的趋势与临床观察一致。因此,本研究中发现的差异应被视为个体化自主反应的探索性指标,而不是最终的临床结论。
5. 结论
这项工作通过验证一种集成在马桶座圈中的系统来捕捉大腿处的 cardiac 信号,推动了非侵入式ECG监测的发展。在之前可行性演示的基础上[4,31],我们探讨了三个关键方面:信号质量、与临床ECG的形态相关性以及通过HRV分析进行自主评估的适用性。首先,使用已建立的信号质量指数(SQI)指标定量评估了信号质量。在32名健康志愿者中,来自实验系统的56.25%的记录被归类为优秀。尽管运动伪影导致平均信号失真事件(SDE)率为7.06 ± 6.64%,但大多数信号被认为在临床上可用。这证实了该系统在现实使用条件下的稳健性。其次,我们通过将大腿处获得的信号与标准12导联ECG进行比较,评估了其形态保真度。相关性分析显示,导联I显示出最强的相似性,超过62.5%的测试确认了显著的一致性。这一发现支持了该系统用于在导联I向量中表现出来的临床特征(如心房颤动或ST段异常)的目标应用。第三,我们通过对两名接受主动脉瓣狭窄手术矫正的患者进行HRV分析,展示了该系统的临床实用性。患者0001的术后自主功能有所改善,RR间期增加,SDNN和RMSSD升高,熵增加,表明变异性和适应性增强。相比之下,患者0002表现出术后自主神经抑制,变异性和复杂性降低——可能预示着并发症或炎症应激。形态分析(QRS和T波变化)以及非线性指标(Poincaré图、DFA和SampEn)提供了关于不同恢复模式的进一步见解。重要的是,这些发现突显了基于马桶的被动ECG监测作为心脏康复强大工具的潜力。连续或高频HRV和ECG评估可以支持个性化康复计划、早期检测自主神经失衡、监测运动耐受性以及快速识别术后恶化。通过减少对可穿戴传感器的需求并通过完全非侵入式采集提高依从性,该系统符合现代以患者为中心的居家康复和慢性心血管疾病长期管理的范式。这项临床分析应被视为初步的可行性案例研究,因为仅包括了两名患有严重主动脉瓣狭窄的住院患者。由于患者的围手术期状况以及相关的临床和后勤限制,招募和数据收集特别具有挑战性。因此,观察到的术后HRV差异不能推广到更广泛的人群,可能反映了个体化的临床、手术或恢复相关因素。尽管如此,这些发现初步表明基于大腿的ECG可能在围手术期捕捉到有意义的自主神经变化。我们在最近的工作中[32]展示了更大范围的心脏病患者中基于大腿的ECG信号的更全面特征描述,而本研究特别探讨了围手术期的HRV行为和术后信号变化。未来的工作将解决信号去噪、自适应电极定位以及与机器学习算法的集成,以早期检测心律失常或慢性心脏病的失代偿。最终,该系统可以支持从数字治疗到自主分诊、远程术后护理和结构化心脏康复计划的广泛应用。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号