使用运动诱导的心率变异性指标量化心脏死亡风险的方法

专利名称：使用运动诱导的心率变异性指标量化心脏死亡风险的方法
技术领域：
本发明是关于使用来自心脏负荷测试期间所实施心率测量的心率变异性频谱和 暂时特征来评估因心血管原因而死亡风险的方法和装置。
背景技水
心脏猝死(SCD)是美国每年大约300,000 - 400,000例死亡的原因。尽管当应用于 大群体基数时在美国成年群体中SCD的个体风险仅为约0.1 - 0.2 %/年，但在大部分 心血管相关死亡中SCD通常是心血管疾病存在的首要且唯一表现。与大面积心肌梗 塞恢复相关的死亡实际上仅占每年总心血管相关死亡的少数。因此，提供处于SCD 风险的患者早期检测的低成本筛选工具对于早期治疗和干预将极有价值。
然而，由于有许多潜在病理而非任何单一状况支持或触发导致SCD的事件，所 以可能难以精确预测或评估SCD风险。在这些不同状况中，大多数数据表明，通过 自主神经系统的交感神经和副交感神经(迷走神经)支调节心脏在维持稳定节奏方面 极为重要。特别是，在各种实验性研究中迷走神经刺激似乎延缓室性心律失常的发展。
与SCD相关的一种约定标志是在不同条件下心率的变异性。例如，使用赫尔特 记录(Holter record)的研究己展示低心率变异性(HRV)是SCD的标志。赫尔特研究主 要跟踪平均每日过程中的个体，其中大多数反映低运动状态。
1993年，van Ravenswaaji等人的研究评论了四年前出版的心率变异性(HRV)论 文并总结了用于计算HRV的各种时间和频域方法，时至今日所述方法仍保持大部分 相同。此研究得出结论HRV是用于梗塞后和糖尿病患者预防SCD的重要监视工具。 尽管HRV以具有比通过赫尔特监测所获得的其它变量高的死亡风险相关性而著称， 但此研究亦推断HRV在大量筛选中具有相当低的阳性预测值(小于20%)。但是， 其它研究确立自24小时赫尔特记录所获得的降低HRV是慢性心力衰竭患者死亡的独 立预报因子。
阿若拉(Arai)等人的另一研究分析了一群进行运动测试患者的HRV且发现低频 带
功率随运动增加有系统地降低且在运动后的恢复期间回弹。低频带可由与压力感受器反射活动、温度调节和体内稳态维持有关的交感神经和副交感神经 系统二者来调节。已发现，对运动测试的低频响应在患有严重的充血性心力衰竭的患 者中减弱。相反，此研究发现高频带
功率随运动而增加，通过恢复而 降低且与呼吸(呼吸性窦性心律失常影响)高度相关。
许多HRV研究已根据自主神经系统的副交感神经(迷走神经)和交感神经支运 作之间的平衡控制心率的假设来预测。例如，当心率增加时，其假定交感神经控制增 加且迷走神经影响降低。另外，假定低和高频带分别与交感神经和迷走神经影响有关。 基于这些假设，采用这两个频带的频谱比(表示此暗含平衡)的概念作为风险分层的 潜在有用指标。由于比例的低预测值，维里尔(Verrier)等人在美国专利第5,437,285号 中的教示是根据低频和高频分量的此比值结合用于评估心肌不稳定性的其它指标来 预测。
尽管自主系统的两个分量之间的平衡的概念巳被广泛接受，且假定通过HRV频 谱比量化，但一些研究展示此一控制平衡的计算可能无用武之地。例如，艾克堡 (Eckberg)的一个研究(1997)发现迷走神经对基线低频RR-间隔波动的贡献极大，且不 存在基线低频RR-间隔频谱功率与交感神经-心脏神经交通定量相关的证据。此同一 研究得出结论，交感神经迷走神经平衡的计算可模糊而非阐明人类生理学和病理生理 学。
如卡纳克尔(Kannankeril)等人(2002)所论述，在运动期间或刚运动后SCD风险比 静止时高大约17倍。卡纳克尔等人还发现，心率的迷走神经影响随运动而降低，且 似乎很可能在运动后恢复时期迷走神经控制的不良返回可为从不稳定发展成致命性 心律失常的极为重要的因素。
尽管以上所述用于测量心率变异性的方法已为熟悉该项技术者习知且也认识到 可基本显露剧烈运动和恢复期间患者风险曲线，但业内没有从在运动和恢复期间所收 集的心率数据基于HRV量化患者风险的有效方法。因此，基于HRV量化SCD风险 的现有方法和装置不能提供用于大量筛选的精确低成本筛选工具。

发明内容
本发明是关于使用基于患者心率变异性的信息评估因心血管原因而死亡的风险 的方法和装置。尽管在使用心率变异性工具来表征从赫尔特记录所获得的记录己取得 大量进展，但在其中自主神经系统的作用最为明显的运动测试方面所做的工作很少。 研究展示，迷走神经刺激对心脏有强抗心律失常作用，且相反心脏的不良迷走神经调 节、尤其在运动后恢复时期期间是重要的患者风险因素。据估计，SCD风险在运动期 间比主导赫尔特记录的静止期高17-20倍，此表明心血管死亡风险的特征在运动测试 期间得到良好显露。本发明的许多实例提供新的方法和装置，所述方法和装置用于(a) 表征心率变异性的暂时和频谱特征、和(b)积分或者使用独特指标进行风险分层。本发明基于心率变异性评估特定患者心脏风险的方法的一个实例包含提供特定 患者的心脏活动数据，其包括在心率测试期间与心率变异性有关的时间系列窗口。所 述时间系列窗口包括异位搏动。所述方法可进一步包括基于所述时间系列窗口中心率 变异性选定频率范围内的频带相对能量值或频谱斜率确定频域值，和基于所述频域值 评估心脏事件风险。
本发明评估心脏风险的方法的另一实例包含提供特定患者的心脏活动数据，其包 括在心率测试期间与心率变异性有关的时间系列窗口，其中所述时间系列窗口包括异 位搏动。所述方法进一步包括确定所述时间系列窗口的频带总功率，和基于所述总功 率评估心脏事件风险。总功率可通过计算所述的时间系列窗口的均方根值来确定。在 另一实施例中，总功率可通过实施时间系列窗口至频谱的傅里叶变换(Fourier transform)以用于频域分析且然后对选定频带内的频谱分量功率求和来确定。
本发明用于评估特定患者心脏风险的又一方法包含提供心率活动性，其包括在心 率测试期间与心率变异性有关的时间系列窗口。所述方法进一步包括基于所述时间系 列窗口中心率变异性选定频率范围内的频带的相对能量值或频谱斜率确定频域值，并 确定所述时间系列窗口的频带总功率。所述方法进一步包括基于频率值和总功率评估 心脏事件风险。
本发明装置可包括计算机及/或包含若干指令的计算机可运行媒体，所述指令使 计算机接收特定患者的心脏活动数据，其包括在心率测试期间与心率变异性有关的时 间系列窗口。所述时间系列窗口可包括异位搏动。所述计算机还确定(a)基于所述时间 系列窗口中心率变异性选定频率范围内的频带的相对能量值或频谱斜率的频域值、及 /或(b)所述时间系列窗口的频带总功率。在此装置中，所述计算机可运行媒体可进一 步使所述计算机基于频率值及/或总功率评估心脏事件风险并输出所评估风险。


图1是绘示根据本发明一个实施例从心率变异性分析确定心血管死亡风险的方 法的流程图。
图2是绘示心电图(ECG)和对应于以下时期的参考点的曲线图心房活动和恢复 (P);心室活动期Q、 R和S (形成QRS波群)；心室的恢复或复极化期T;和在R 期高峰之间所测量连续搏动之间的R-R时间间隔。
图3是绘示处理阶段的流程图从在运动负荷测试过程中所确定的原始瞬时心率 (A)开始，通过重新取样至均匀时间基准(B)，随后选定带通过滤或消解趋势(C)，获得 用于心率变异性分析的最终时间系列(D)。
图4A和4B绘示在针对两个群体的运动测试过程中三个频带(低、中和高)的 频谱趋势的两个实例图4A -负荷测试5年后以后仍活着的患者；和图4B -负荷测 试5年内因心血管原因死亡的患者。图5A和5B绘示存活群组(图5A)和CV死亡群组(图5B)与运动高峰和恢复中期 相关联的频谱斜率。图5C绘示两个实例频谱和在选定频带内确定频谱斜率的替代方 法。
图6绘示存活和CV两个群组在整个运动测试中经处理心率时间系列的均方根 (RMS)幅值(表示为搏动次数/分钟)。
图7绘示对于达科踏车分值(Duke Treadmill Score)和HRV斜率(MR-PE)指标具有 异常值的患者的卡卜兰-迈尔(Kaplan-Meier)存活评估。
图8绘示对于达科踏车分值和HRV RMS指标皆具有异常值的患者的卡卜兰-迈 尔存活评估。
图9绘示在HRV斜率(MR-PE)和HRV RMS指标二者中对于达科踏车分值皆具 有异常值的患者的卡卜兰-迈尔存活评估。
具体实施例方式
提供以下讨论以使熟悉该项技术者能够实践本发明。所揭示实施例的各种修改对 于熟悉此项技术者显而易见，且本文的一般原理可应用于其它实施例和应用而不背离 本发明由随附权利要求书所界定的精神和范畴。因此，本发明并非意欲限于所示实施 例，而是欲赋予其与本文所揭示原理和特征一致的最广范畴。
a. MM
图i是使用运动诱导的心率变异性指标量化心血管死亡风险的方法ioo的流程
图。所述方法100包括包含使患者心率增加的阶段102。此可通过运动和药理学两种 方案实施。方法IOO延续至包含数字化并记录心电图(ECG)信号(代表跳动心脏的电 信号)的阶段104和包含分析所述数字化ECG信号以辨别每次心脏搏动的阶段106。 心室去极化的时间记录为每次搏动并计算心率。所得心率时间系列是由无规律间隔的 心率测量值(其对应于搏动间隔时间的无规律性)组成。阶段108包含将此无规律时 间系列平滑地内插于均匀取样率中，且阶段IIO包含通过高通过滤或基于多项式的消 解趋势来去除长时期(低频)分量。然后分析对应于运动测试不同时期的若干时间时 期内的经高通过滤的心率时间系列。此可由阶段112支援，所述阶段从测试期间的不 同时间(包括运动期和恢复期二者)选择经过滤轨迹区段。
方法IOO包括心率变异性的频域分析阶段114及/或时域分析阶段122。频率分析 阶段114包含实施轨迹窗口至频域的傅里叶变换(阶段116)，通过将最小平方拟合 至频谱功率的对数确定所得频谱的斜率(阶段118)，和将来自运动测试不同时间窗 口的频谱斜率组合(阶段120)。阶段122中的时域分析包含计算轨迹窗口平方和的 平均值的平方根的对数(均方根的对数-LogRMS)。
心率变异性的时域(RMS)和频域估计二者必然具有不同手段和标准偏差。这些是 心率变异性的独立指标且任一个皆可用于评估患者风险。然而，在风险的综合估计中使用两个指标是有利的。阶段130包括基于一个或两个指标评估患者风险的方法。
B. 刺激心脏并测量心率
方法IOO的阶段102用于刺激心脏以较快速率搏动且在心脏负荷测试领域中已得 知。可通过在踏车、测力计、或其它运动器件上运动或通过投与使心率升高的药物使 心率升高至最大容量。心脏负荷测试通常使用IO个放置于胸膛两端的电极实施以获 得ECG波形独特方面的空间分辨率。然而，测量ECG电压的单一轨迹可用于确定每 次搏动的时间。心脏搏动的时间分辨率很重要且在阶段104中ECG电压应以500或 更多个样本/秒的诊断分辨率数字化。阶段102和104通常在心脏负荷测试的临床环 境中实施。
图2绘示具有经辨别关键期的实例ECG。正常心脏搏动于心脏上室(心房)中 开始且记录此活动的初始ECG期称为ECG信号的P-波部分。心房活动之后，血液流 入心脏的下室(心室)且心室肌活动将血液泵送至全身并产生ECG期Q、 R和S (通 常称为QRS波群)。最后，心室肌肉在预期的下一个搏动中恢复(去极化)，此产 生ECG信号的T-波部分。阶段106可包括确定相邻搏动间的时间间隔以辨别心脏搏 动并计算心率。例如，相邻搏动间的时间间隔可通过测量R波峰之间的时间(R-R间 隔)来测量。R-R间隔的更健全测量、尤其当R波峰不尖锐时可通过将来自平均或中 值搏动的QRS波群与各自随后搏动交叉相关并标记具有最大相关性的时间来获得。 阶段106可使用确定R-R间隔的任一途径实施。
对于所检测的每次搏动，用于HRV分析的瞬时心率(以搏动次数/分钟测量)是 根据当前和后序搏动之间的R-R间隔通过简单等式/Z/ = 60/T/ -W〗来计算，其中R-R 间隔以秒测量。图3A是阶段106输出的图解表示的实例，其展示负荷测试期间连续 心率的典型曲线。在此实例中，心率在时间0时以约90次搏动/秒开始并在运动开始 期间(SE)保持较低，在整个运动中间时期(ME)增加直至其在运动高峰(PE)升至超过 160次搏动/秒的峰值，且然后当患者恢复时在开始恢复期间(SR)迅速下降直至其在恢 复结束(ER)时返回至低范围。
C. 信号调整和窗口化
由于搏动在时间上无规律地出现，所以所得瞬时心率时间系列并非均匀取样。由 于大多数信号处理技术当均匀取样时更有效，所以阶段108有用是因为其将所述心率 数据内插于均匀取样系列上或变换成所述均匀取样系列。图3B是绘示阶段108处理 的图解表示实例。竖条代表每次搏动R波的时间位置且各条的高度代表从一次搏动与 其后序搏动之间的R-R间隔所计算的瞬时心率。在一个实例中，阶段108包括使用张 力曲线下的三次样条将瞬时心率序列内插于均匀取样时间系列(由平滑曲线上的小圆 圈表示)。尽管内插样本率并不关键，但其应高于对应于最高心率的尼奎斯特频率 (Nyquestfrequency)或高于所述数据中的最短R-R间隔。例如，预计10个样本/秒的取 样率应足够且方便。用于HRV分析的时间系列可从所测量心率或从所测量R-R间隔 来计算。当对HRV使用R-R间隔时，图3B中的竖条代表R-R间隔时间而非折返心率指标。
传统HRV分析着重于正常搏动之间的R-R间隔，其中"正常"是所述系列中的 主要搏动。在传统HRV分析中的无规律时间系列和任何随后内插系列及分析中不包 括异位搏动和邻近R-R间隔。然而，异位可通过可持续长达约IO秒的压力感受器机 构引入心率反馈。因此，仅去除异位搏动的传统HRV分析在留下响应的同时去除了 刺激。此可损害频谱分析的值。而且， 一些去除异位的方法通过忽略间隔而有效地使 随后搏动图形发生时间位移，此可破坏分段时期信息并以不可预测的方式改变频谱幅 值信息。尽管获得没有异位的完美记录可能是最理想的，但根据本发明许多实例的方 法包括异位搏动和随后搏动的暂时位置和响应的保真度。因此，此可避免排除这些数 据产生的骤降。
阶段110补偿这些无规律情况以使得所述数据可包括异位搏动。在许多实例中， 阶段110包括通过使用选定频带过滤器过滤选定时期内(例如，运动高峰(PE)和开始 恢复(SR))的心率时间系列来减少心率数据。经过滤的心率时间系列可包含极长的信 号时期，其代表心率行进至在体育运动(PE)极限的峰值且当患者恢复时(SR)迅速返回 至基线。心率间隔的较短频率是HRV分析主要关注的频率，且因此可使用高通过滤 器来选择所述时间系列窗口的较短频率。可使用单极或多极无限或有限脉冲响应过滤 器实施所述过滤。己发现，角频率为0.015 Hz的双极巴特沃斯(Butterworth)高通过滤 器极为有效。
心率信号并不能反映平稳过程。运动高峰(PE)附近的时间系列对于HRV分析尤 为重要，且将过滤器脉冲响应从运动期延伸至尖锐对比的恢复期的过滤器将扭曲恢复 期的真实频率特性。由于幅值特征在频谱分析中很重要，且分段时期信息较不重要， 因此将高通过滤器从时间系列开始至运动高峰(PE)正向应用且从记录结束至相同样 本的高峰处反向应用是有用的。图3D是展示两个区段的图解表示实例，所述两个区 段代表出于显示目的而连接的经过滤运动期和恢复期，但HRV分析不应延伸越过此 不连续性。此程序可分离所述测试的运动期和恢复期的明显不稳定方面并保留心率数 据中的暂时幅值信息。
阶段112包括设定经过滤心率时间系列的区段的窗口。所述经过滤时间系列的任 何区段皆可用于阶段112的HRV分析。然而，HRV信号改变的代表性特征可通过分 析六个对应于以下时期的区段获得运动的开始(SE)、中间(ME)和高峰(PE)、和恢复 的开始(SR)、中间(MR)和结束(ER)，在图3A和3D中由框区域展示。框区域的窗口 长度可视若干考虑因素来调节。对于频谱分析来说，期望选择为2的乘方的窗口长度 (例如512、 1024等)。由于所关注的最长时期为大约25秒(其相当于0.04Hz的 频率)，所以将所述窗口延伸至长度为所关注最长时期的一倍或更多倍通常是有用的。 相反，迷走神经变化的暂时分辨率会因窗口长度延伸而减小。在实践中，已证明102.4 秒的窗口长度(相当于1024个样本)是有效的。
或者，在阶段110中减少心率数据的程序可包括通过将低阶多项式曲线拟合至选定窗口区段内的心率数据并减去从所述心率数据所得的曲线来消解趋势。此通过使心 率数据消解趋势的替代减少程序可使用原始心率搏动数据(阶段106的结果)、或阶 段108的均匀内插数据。在实践中，已经发现二阶多项式能够极好的使102.4秒窗口 长度内的负荷测试心率数据消解趋势，但在本发明额外实施例中可使用更高或更低阶 的多项式来使其它窗口长度内的负荷测试心率数据消解趋势。 D.频域分析(阶段114)
将来自方法112的时间系列窗口乘以汉宁窗口(Hanning window)并使用熟悉信号 处理技术者熟悉的标准方法实施傅里叶变换(方法116)。以下阐述许多特定频带以 提供有用频率的实例，但可使用其它频率。所述频域分析提供可用于评估SCD风险 的频率值。本发明一个独特发现在于不同频谱中平均功率的频谱斜率是用于CV死亡 风险分层的诊断依据。
尽管所得频谱可作为整体来分析，但己发现明显不同的物理过程与信号中截然不 同的频带相关(参见范vanRavenswaaji等人，1993)。已发现高频频谱带
捕获呼吸诱导的HRV。在低频端，已发现频谱带
是由与压力感受器反 射活动、温度调节和体内稳态维持有关的交感神经和副交感神经系统二者来调节。剩 余中间频带
提供低频带与高频带之间的过渡。各频带中的功率(以分贝 (db)表示)可通过将频谱的对数在各频带的界定频率范围内积分来计算，方法118。图4A展示来自1,783例患者的运动测试的六个分段时期窗口的三个频谱带的平 均功率，所述患者是1,959例患者总群组在5年随访期后仍活着的患者。高频带展示 至运动高峰的递增，此对应于呼吸诱导的窦性心律失常的增加，而其在恢复过程中衰 减。相反，较长时期频带展示随运动进行HRV功率明显衰减，在运动高峰达到最小 值且在恢复中明显回弹。对低频带恢复(SR)的初步分析(对应于前102.4秒恢复)是 以HRV功率大于运动初始阶段(SE)所记录的功率为特征。中频带紧挨着低频带，但 总响应稍微减弱。对此信号波形实施内插以呈现心率和心率变异性的迷走神经调节随 运动进行减少、随后在恢复的早期阶段迷走神经控制快速返回的过程。
图4B展示类似曲线图，但是针对来自1，959例患者群组中5年时期后死于心血 管(CV)原因的55例患者的平均功率。重要的是，应注意在图4A中这些患者相对于 频谱的总频谱响应减弱。
活着的群体(图4A)和那些死于CV原因的群体(图4B)之间的频谱差可以许多方 式量化。例如，在运动开始时，低频带相对于中或高频带展示明显增加。在CV群体 中低和高频带之间的间隔差异大为降低。在运动高峰时，此关系逆转，同时对于两个 群体，高频带比较低频带包含更多能量，但再次在CV群体中减弱。恢复期是以低频 带回弹和高频带减退为特征，但对于CV群体而言再次减弱。当相对于所述运动测试 中的不同点检査频谱时易于看出这些趋势。图5展示运动高峰和恢复中期频谱带的功 率；针对每一时间间隔将直线的斜率拟合至所述频带内的三个点提供在整个测试中频 谱变化的有效特征。已证明，运动高峰与其它时间之间的斜率差异提供风险分层的有效指标。己发现在恢复和运动高峰之间存在预测最佳差异斜率(MR)-斜率(PE)，方
法122。
重要的是，应注意斜率可通过各种方法计算。在图5A和5B中，斜率是通过将 直线最小平方拟合至三个频谱带中的平均功率来计算。此对于Log (功率)和Log(频率) 区间中的直线拟合很有效。相反，可将直线拟合至较宽频率范围(例如0.04-1.0 Hz) 内的原始频谱。另一方法可包括在获得功率对数之前将来自两个时间间隔的频谱分开 并将直线拟合至所得log(频谱)。
图5C绘示频谱斜率心率变异性分析的替代程序，其通过将直线拟合至选定频率 范围内的Log (功率)对Log(频率)来实施。来自所述负荷测试的不同时间窗口的频谱 斜率估计值也可经组合以提高信噪比。在此替代程序的一个实例中，在运动中期与开 始恢复的时间间隔及0.04 - 0.4 Hz频率范围内的频谱斜率估计值已证明可为CV死亡 风险分层提供有效预测分值。由于异位趋向于将高频能量引入心率变异性频谱中，故 将分析中所用最高频谱自1Hz降至0.4Hz趋向于降低与异位相关联的潜在噪声。
E, 时域分析(阶段116)
在检査图4A和4B时，亦看出活着的群体中的总功率或位准比CV群体低。例 如，活着的群体的低频带频谱值为约1.85而对于CV群体接近2.1。对于为何频谱趋 势的波形与功率(例如，总功率)的绝对位准有关并无先验或身体原因，且本发明的 另一独特发现在于功率位准是用于CV死亡风险分层的诊断依据。任何时间窗口数据 的频谱中所含的总(total或aggregate)功率可通过将功率在整个频谱上积分获得。相反， 如帕赛伐尔(Parseval)在1799年所注释，频谱中所含的功率正好等于初始时间系列的 平方和的平方根(RMS)，其是时间或频谱表示法中等效能量基本原则中的简单变量。 各个已窗口化和已高通过滤或消解趋势系列的频谱功率的RMS计算是用以执行的低 成本方法且已证明有效用于风险分层，方法124。图6展示在用于所有六个运动测试 窗口的研究群组中活着的和CV死亡患者的RMS值(以搏动次数/分钟为单位)。应 注意，活着患者的RMS值系统地低于CV死亡患者；已发现运动高峰时的差异是影 响预测的重要因素。
对于统计分析，作为高通过滤的必然结果时间系列窗口具有零平均值，且由于 RMS分布的低侧上零的硬限制RMS值将不为正态分布。当频谱估计值使用分贝(log 频谱)时，使用logRMS进行分析在统计上很有用，其将此能量指标转换成更正态分布。
F. 风险评估
基于频谱斜率(HRV斜率)的频率值和基于RMS计算的总功率可提供HRV估计 值，其在以上所讨论且描绘于图4A和4B中的群组中均对CV死亡具有高预测性。 对于此大群组这两个参数之间的相关系数相当低(t0.2)，此表明其彼此独立。为改良 风险分层，将这些参数组合成单一统一指标很有用，方法130。
使用Cox比例危险和卡卜兰-迈尔存活分析的风险评估方法已为医疗工业中熟悉 预测统计分析的技术人员习知。方法114和122中所讨论的HRV斜率和总功率参数已相对于现有达科踏车分值(TMS)(其係目前业内基于"金"标准运动的风险分层预 测指标)进行评估。图7展示达科TMS和HRV斜率指标的正常和异常测量值的四种 组合的存活分析。异常HRV斜率指标使患者的CV死亡风险增加至超过正常分值约 2.6倍。异常达科TMS分值使患者风险增加至高于正常值约3.9倍。Cox比例危险分 析展示达科TMS指标是不同于HRV斜率的独立参数，且当两个指标都异常时组合卡 卜兰-迈尔危险比增高约10.8倍，与基于目前金标准达科TMS的估计值相比风险明显 增加。
图8展示运动高峰时HRV总功率的类似分析，其再次与达科TMS组合用于比 较。HRV总功率指标与达科TMS和HRV斜率指标无关。HRV总功率指标使患者的 CV死亡风险增加至超过正常约1.8倍。在此组合中，异常达科TMS分值使患者风险 增加至比正常大约3.6倍。当两个指标都异常时组合卡卜兰-迈尔危险比例增高约8.9 倍，与仅基于任一参数的估计值相比风险明显增加。
最后，两种HRV指标的组合连同达科TMS展示于图9中。HRV斜率和总功率 二者的异常分值使患者的CV死亡风险增加至比正常值高大约3倍，与当仅达科TMS 异常时风险增加约3.2倍相当。当HRV指标和达科TMS指标二者皆异常时，CV死 亡的风险增加至约13.4-与目前金标准达科TMS相比极剧增加。因此，新的HRV指 标是对所述达科TMS的补充且当一起使用时提供风险评估的明显改进。
依据前文所述，将了解，本文已出于图解阐释目的阐释了本发明的具体实施例， 但可作出各种修改而不背离本发明精神和范围。因此，本发明不受除随附权利要求书 外的任何限制。
权利要求
1、一种基于心率变异性评估特定患者中的心脏风险的方法，其包含提供特定患者的心脏活动数据，其包括在心率测试期间与心率变异性有关的时间系列窗口；基于所述时间系列窗口中所述心脏活动数据的选定频率范围内的频带的能量值和频谱斜率中的至少一者确定频域值；和基于所述频域值评估心脏事件的风险。
2、 如权利要求l所述的方法，其中提供心脏活动数据包含来自心率增加的运动 时期和心率降低的恢复时期期间所获得的ECG波形的瞬时心率序列，提供所述瞬时 心率序列的均匀样本系列，并通过过滤及/或经由将多项式函数拟合至选定时间窗口 内的心脏活动数据消解趋势来减少所述均匀样本系列以获得在期望频带中的搏动之 间与心率变化相关联的心率变异性波形。
3、 如权利要求2所述的方法，其中确定瞬时心率序列包含断定所述ECG波形的R-R间隔；且减少所述均匀样本系列包含以下至少一者通过高通过滤器处理所述均匀样本系 列和通过减去所述心脏活动数据的拟合多项式函数来消解趋势以提供较短频率的心 率变异性波形。
4、 如权利要求2所述的方法，其中确定瞬时心率序列包含断定所述ECG波形的R-R间隔并将所述瞬时心率序列表 示为搏动次数/分钟；提供所述瞬时心率序列的均匀样本系列包含在相邻搏动之间以均匀样本率内插；且减少所述均匀样本系列包含以下至少一者通过高通过滤器处理所述均匀样本系 列和通过减去所述心脏活动数据的拟合多项式函数来消解趋势以提供较短频率的心 率变异性波形。
5、 如权利要求2所述的方法，其中减少所述均匀样本系列包含自所述心率测试 的所述运动时期的至少一部分至运动高峰期近似结束时正向过滤和自所述恢复时期 的至少一部分至所述运动高峰期近似结束时反向过滤。
6、 如权利要求2所述的方法，其中消解趋势包含在对所述时间系列窗口内插之前或之后将多项式函数拟合至所述心脏活动数据并减去自所述心脏活动数据得到的函数。
7、 如权利要求2所述的方法，其进一步包含实施所述时间系列窗口至频谱的傅 里叶变换以用于频域分析。
8、 如权利要求l所述的方法，其中所述能量值包含所述时间系列窗口的低频平均功率、中频平均功率及高频平均功率，且其中确定所述频域值包含(a)将直线拟合至 所述低频平均功率、所述中频平均功率和所述高频平均功率，和(b)确定所述直线的斜 率以获得频谱斜率，其中所述频域值包含所述频谱斜率。
9、 如权利要求l所述的方法，其中所述能量值包含(a)将直线拟合至选定频率范 围内的频谱功率，和(b)确定所述直线的斜率以获得频谱斜率，其中所述频域值包含所 述频谱斜率。
10、 如权利要求1所述的方法，其中评估心脏事件的风险包含将所述确定频域值 和与已经历所述心脏事件的群体相关联的参考频域值范围相比较。
11、 如权利要求l所述的方法，其中提供所述心脏活动数据包含-辨别所述心率测试的运动高峰期和恢复中期；通过断定所述运动高峰期和所述恢复中期的ECG波形的R-R间隔来确定所述运 动高峰期和所述恢复中期的瞬时心率序列；通过在相邻搏动之间以均匀样本率内插提供所述瞬时心率序列的均匀样本系列；和通过将所述均匀样本系列自所述运动时期的至少一部分正向高通过滤且自所述 恢复时期的至少一部分反向高通过滤来过滤所述均匀样本系列以提供在所述运动高 峰期和所述恢复中期期间较短频率的心率变异性波形。
12、 如权利要求ll所述的方法，其中对于所述运动高峰期，所述能量值包含所述时间系列窗口的运动高峰低频平均功 率、运动高峰中频平均功率和运动高峰高频平均功率，且其中确定所述频域值包含通过以下方式确定运动高峰频域值(a)将运动高峰线拟合至所述运动高峰低频平均功 率、所述运动高峰中频平均功率和所述运动高峰高频平均功率，和(b)确定所述运动高峰线的斜率以获得运动高峰频谱斜率，其中所述运动高峰频域值包含所述运动高峰频谱斜率且对于所述恢复中期，所述能量值进一步包含所述时间系列窗口的恢复中期低频平 均功率、恢复中期中频平均功率和恢复中期高频平均功率，且其中所述方法进一步包 含通过以下方式确定恢复中期频域值(a)将恢复中期线拟合至所述恢复中期低频平均 功率、所述恢复中期中频平均功率和所述恢复中期高频平均功率，和(b)确定所述恢复中期线的斜率以获得恢复中期频谱斜率，其中所述恢复中期频域值包含所述恢复中期 频谱斜率。
13、 如权利要求l所述的方法，其中对于所述运动高峰期，所述能量值包含所述时间系列窗口的运动高峰低频平均功 率、运动高峰中频平均功率和运动高峰高频平均功率，且其中确定所述频域值包含通过以下方式确定运动高峰频域值(a)将运动高峰线拟合至所述运动高峰低频平均功 率、所述运动高峰中频平均功率和所述运动高峰高频平均功率，和(b)确定所述运动高峰线的斜率以获得运动高峰频谱斜率，其中所述运动高峰频域值包含所述运动高峰频谱斜率；且对于所述恢复中期，所述能量值进一步包含所述时间系列窗口的恢复中期低频平 均功率、恢复中期中频平均功率和恢复中期高频平均功率，且其中所述方法进一步包 含通过以下方式确定恢复中期频域值(a)将恢复中期线拟合至所述恢复中期低频平均 功率、所述恢复中期中频平均功率和所述恢复中期高频平均功率，和(b)确定所述恢复 中期线的斜率以获得恢复中期频谱斜率，其中所述恢复中期频域值包含所述恢复中期 频谱斜率，且所述方法进一步包含在运动中期和开始恢复期的选定频率范围内拟合直线，并将所述两个所确定斜率组合。
14、 如权利要求13所述的方法，其中将所述两个所确定斜率组合包含对所述斜 率求减。
15、 如权利要求13所述的方法，其中将所述两个所确定斜率组合包含对所述斜 率求平均。
16、 如权利要求13所述的方法，其中评估心脏事件的风险包含以下至少一者 (a)将所述所确定运动高峰频域值与所述所确定恢复中期运动频率值之间的差和与已 经历所述心脏事件的群体相关联的参考运动高峰频域值和与已经历所述心脏事件的 所述群体相关联的参考恢复中期频域值之间的差相比较，和(b)在选定频率范围内将直 线拟合至Log(功率)对Log(频率)，确定负荷测试的不同时间窗口的频谱斜率估计值， 并将所述频谱斜率估计值组合以提供良好的信噪比。
17、 一种基于心率变异性评估特定患者中的心脏风险的方法，其包含 提供特定患者的心脏活动数据，其包括在心率测试期间与心率变异性有关的时间系列窗口，所述时间系列窗口包括异位搏动；确定所述时间系列窗口的频带的总功率；和 基于所述总功率评估心脏事件的风险。
18、 如权利要求17所述的方法，其中提供心脏活动数据包含来自在心率增加的运动时期和心率降低的恢复时期期间 所获得的ECG波形的瞬时心率序列，提供所述瞬时心率序列的均匀样本系列，及经 由以下方式减少所述均匀样本系列过滤所述心脏活动数据及/或通过减去所述心率 变异性数据的拟合多项式函数来消解趋势，以获得与在期望频带中的搏动之间与心率 变化相关联的心率变异性波形；且确定所述总功率包含实施(a)所述时间系列窗口至频谱的傅里叶变换以用于频域 分析及域(b)所述已过滤或已消解趋势的时间系列的均方根计算。
19、 如权利要求18所述的方法，其中 确定瞬时心率序列包含断定所述ECG波形的R-R间隔；减少所述均匀样本系列包含以下至少一者通过选定频带过滤器处理所述均匀样本系列和通过减去心率变异性数据的拟合多项式函数消解趋势以提供选定频率的心率变异性波形；和将所述瞬时心率序列表示为搏动次数/分钟。
20、 如权利要求19所述的方法，其中 确定瞬时心率序列包含断定所述ECG波形的R-R间隔；提供所述瞬时心率序列的均匀样本系列包含在相邻搏动之间以均匀样本率内插；且减少所述均匀样本系列包含以下至少一者通过选定频带过滤器处理所述均匀样本系列和通过减去心率变异性数据的拟合多项式函数消解趋势以提供选定频率的心 率变异性波形。
21、 如权利要求17所述的方法，其中评估心脏事件的风险包含将所述所确定总功率和与已经历所述心脏事件的群体相关联的参考总功率范围相比较。
22、 如权利要求17所述的方法，其中提供所述心脏活动数据包含 辨别所述心率测试的运动高峰期和恢复中期；通过断定所述运动高峰期和所述恢复中期的ECG波形的R-R间隔确定所述运动高峰期和所述恢复中期的瞬时心率序列；通过在相邻搏动之间以均匀样本率内插提供所述瞬时心率序列的均匀样本系列； 减少所述均匀样本系列包含通过选定频带过滤器自所述运动时期的至少一部分正向过滤所述均匀样本系列和自所述恢复时期的至少一部分反向过滤以提供在所述运动高峰期和所述恢复中期期间选定频带的心率变异性波形，及/或确定所述运动中期和开始恢复期的斜率平均值。
23、 如权利要求22所述的方法，其中所述总功率包含所述选定频带内的频谱分 量的功率的和。
24、 如权利要求17所述的方法，其中确定总功率包含实施相应经过滤时间系列 的均方根计算。
25、 如权利要求24所述的方法，其中评估心脏事件的风险包含将运动高峰低频、 运动高峰中频、运动高峰高频、恢复中期低频、恢复中期中频和恢复中期高频的相应 总功率和与巳经历所述心脏事件的群体相关联的相应参考总功率相比较。
26、 一种基于心率变异性评估特定患者中的心脏风险的方法，其包含 提供特定患者的心脏活动数据，其包括在心率测试期间与心率变异性有关的时间系列窗口；基于所述时间系列窗口中所述心率变异性的频带能量值确定频域值； 确定所述时间系列窗口的频带总功率；和 基于所述频率值和所述总功率评估心脏事件的风险。
27、 如权利要求26所述的方法，其中提供心脏活动数据包含来自在心率增加的 运动时期和心率降低的恢复时期期间所获得的ECG波形的瞬时心率序列，提供所述 瞬时心率序列的均匀样本系列，及减少所述均匀样本系列以获得在期望频带中的搏动 之间与心率变化相关联的心率变异性波形。
28、 如权利要求27所述的方法，其中确定瞬时心率序列包含断定所述ECG波形的R-R间隔并将所述瞬时心率序列表 示为搏动次数/分钟；减少所述均匀样本系列包含通过针对选定频率提供所述心率变异性波形的选定 频带过滤器处理所述均匀样本系列；实施所述时间系列窗口至频谱的傅里叶变换以用于频域分析；和 使用均方根计算来计算所述时间系列窗口的总功率。
29、 如权利要求27所述的方法，其中 确定瞬时心率序列包含断定所述ECG波形的R-R间隔；提供所述瞬时心率序列的均匀样本系列包含在相邻搏动之间以均匀样本率内插；且减少所述均匀样本系列包含通过针对选定频率提供所述心率变异性波形的选定 频带过滤器处理所述均匀样本系列。
30、 如权利要求27所述的方法，其中减少所述均匀样本系列包含自所述心率测 试的所述运动时期的至少一部分至运动高峰期近似结束时正向过滤和自所述心率测 试的所述恢复时期的至少一部分至所述运动高峰期近似结束时反向过滤。
31、 如权利要求26所述的方法，其中所述能量值包含所述时间系列窗口的低频 平均功率、中频平均功率和高频平均功率，且其中确定所述频域值包含(a)将直线拟合 至所述低频平均功率、所述中频平均功率和所述高频平均功率，和(b)确定所述直线的 斜率以获得频谱斜率，其中所述频域值包含所述频谱斜率。
32、 如权利要求26所述的方法，其中评估心脏事件的风险包含将所述所确定频 域值和与已经历所述心脏事件的群体相关联的参考频域值范围相比较。
33、 如权利要求26所述的方法，其中提供所述心脏活动数据包含 辨别所述心率测试的运动高峰期和恢复中期；通过断定所述运动高峰期和所述恢复中期的ECG波形的R-R间隔确定所述运动 高峰期和所述恢复中期的瞬时心率序列；通过在相邻搏动之间以均匀样本率内插提供所述瞬时心率序列的均匀样本系列；和通过选定频带过滤器自至少所述运动时期正向过滤且自所述恢复时期的至少一 部分反向过滤来过滤所述均匀样本系列以减少所述均匀样本系列，以提供在所述运动 高峰期和所述恢复中期期间选定频率的所述心率变异性波形。
34、 如权利要求33所述的方法，其中所述总功率包含所述选定频带内的频谱分 量的功率的和。
35、 如权利要求34所述的方法，其中评估心脏事件的风险包含将以下各项进行 比较(a)所述所确定运动高峰频域值和所述所确定恢复运动中期频率值之间的差，和 (b)与已经历所述心脏事件的群体相关联的参考运动高峰频域值范围和与已经历所述心脏事件的所述群体相关联的参考恢复中期频域值范围之间的差。
36、 如权利要求26所述的方法，其中评估心脏事件的风险包含将所述所确定总功率和与巳经历所述心脏事件的群体相关联的参考总功率范围相比较。
37、 如权利要求26所述的方法，其中确定总功率包含实施相应时间系列窗口的 均方根计算。
38、 如权利要求26所述的方法，其中评估心脏事件的风险包含(a)将所述所确定 频域值和与已经历所述心脏事件的群体相关联的参考频域值范围相比较，和(b)将所述 所确定总功率和与已经历所述心脏事件的所述群体相关联的参考总功率范围相比较。
39、 一种基于心率变异性评估特定患者中的心脏风险的装置，其包含 至少一个经配置以获得来自特定患者的心脏信号的传感器；和经配置以自所述传感器接收所述心脏信号的计算机，且所述计算机包括具有若干 指令的计算机可运行媒体，所述指令使所述计算机(a)提供特定患者的心脏活动数据， 其包括在心率测试期间与心率变异性有关的时间系列窗口 ， (b)确定所述时间系列窗口 的频带总功率，和(c)基于所述总功率评估心脏事件的风险。
40、 一种基于心率变异性评估特定患者中的心脏风险的装置，其包含 至少一个经配置以获得来自特定患者的心脏信号的传感器；和经配置以自所述传感器接收所述心脏信号的计算机，且所述计算机包括具有若干 指令的计算机可运行媒体，所述指令使所述计算机(a)提供所述特定患者的心脏活动数据，其包括在心率测试期间与心率变异性有关的时间系列窗口， (b)基于所述时间系列 窗口中所述心脏活动数据的选定频率范围内的频带能量值和频谱斜率中的至少一者 确定频域值，和(c)基于所述频域值评估心脏事件的风险。
41、 如权利要求41所述的装置，其中所述心脏活动数据包含来自在心率增加的 运动时期和心率降低的恢复时期期间所获得的ECG波形的瞬时心率序列，且所述指 令使得所述计算机提供所述瞬时心率序列的均匀样本系列，并通过过滤及/或经由将 多项式函数拟合至在选定时间窗口内的所述心脏活动数据消解趋势来减少所述均匀 样本系列以获得在期望频带中的搏动之间与所述心率变化相关联的心率变异性波形。
全文摘要
本发明涉及用于评估特定患者中的心脏风险的方法和装置。根据本发明的方法的一个实施例包含提供特定患者的心率活动性，其包括在心率测试期间与心率变异性有关的时间系列窗口。所述方法进一步包括基于所述时间系列窗口中的所述心率变异性的频带的能量值确定频域值，及/或确定所述时间系列窗口的频带的总功率。所述方法进一步包括基于所述频率值及/或所述总功率评估心脏事件的风险。
文档编号A61B5/04GK101420904SQ200780013499
公开日2009年4月29日 申请日期2007年3月1日 优先权日2006年3月3日
发明者戴维·米尔顿·哈德利 申请人:心脏科学公司