Экг расшифровка у взрослых в таблице: сделать ЭКГ в сети клиник ЦМРТ в Санкт-Петербурге

Содержание

Расшифровка ЭКГ у взрослых и детей онлайн

 

ЭКГ – не инвазивное диагностическое обследование, которое выявляет любую патологию сердца и крупных сосудов у детей и взрослых.

Суть метода

Техника проведения манипуляции проста. В определенные точки накладываются электроды, которые фиксируют сердечные сокращения и передают их в виде кривой на экран монитора или бумажную ленту. Эта кривая называется электрокардиограмма.

По ней видно сердечный ритм, силу и частоту сокращений. Все нарушения в работе сердечной мышцы, клапанов и коронарных сосудов, а также воспалительные и дистрофические изменения видны на кардиограмме.

Процедура не требует предварительной специфической подготовки. Если позволяет состояние больного, то проводится в поликлинике или в домашних условиях.

Кто делает расшифровку ЭКГ

Назначить исследование может доктор, к которому обратился пациент с жалобами: семейный врач, терапевт, педиатр, кардиолог, кардиохирург.

Расшифровку ЭКГ у взрослых и детей делает врач функциональной диагностики. Он описывает зубцы ЭКГ, расшифровка которых проводится измерением их высоты и длины, делает заключение и передает лечащему врачу.

Расшифровка ЭКГ онлайн

На сегодняшний день доступна такая услуга, как расшифровка ЭКГ онлайн по фото. Для этого достаточно иметь планшет или смартфон, доступ в интернет и фото снятой ЭКГ.

Существуют специальные интернет-сервисы дистанционной ЭКГ-диагностики. Расшифровку кардиограммы проводят опытные квалифицированные специалисты, которые занимаются описанием ЭКГ в стандартных отведениях, легко разбираются в сложных диагностических ситуациях, при необходимости создают консилиум из нескольких врачей для избегания ошибок.

Подобный сервис обеспечивает постоянную техническую поддержку и консультации, обучение персонала на начальном этапе.

Преимущества удаленной расшифровки ЭКГ сердца:
  • нет необходимости стоять в очереди за результатом;

  • круглосуточный доступ без выходных и праздников;

  • ответ в течении часа после запроса;

  • расшифровку проводят квалифицированные специалисты с многолетним опытом работы.

 

Расшифровка ЭКГ по фото позволяет сэкономить время и своевременно получить медицинскую помощь.

Спектр услуг:

  • расшифровка ЭКГ с нагрузкой;

  • расшифровка ЭКГ: синусовый ритм в покое, вольтаж зубцов, продолжительность интервалов;

  • норма и патология ЭКГ, расшифровка: ишемические изменения миокарда, инфаркт, утолщение сердечной мышцы (гипертрофия), рубцы;

  • выявление нарушений ритма и проводимости: аритмии, экстрасистолии, блокады на ЭКГ, расшифровка;

  • воспалительные изменения: пери-, мио-, эндокардит;

  • последствия врожденных и приобретенных пороков сердца: утолщение и/или истончение стенок сердца, сужение просвета аорты, легочных вен, верхней и нижней полых вен;

  • описание и анализ ЭКГ расшифровка сложных диагностических случаев;

  • ЭКГ расшифровка у детей разных возрастов, в том числе новорожденных.

Сколько делается расшифровка ЭКГ

Расшифровка ЭКГ проводится в течении часа, зависит от сложности конкретной кардиограммы. Результат можно получить на планшет или смартфон. Доступ к результатам на сервисе постоянный.

Дистанционная расшифровка ЭКГ позволяет получить своевременную качественную диагностическую медицинскую помощь, при этом потратив минимум усилий и времени.

Электрокардиография (ЭКГ) с расшифровкой в Москве,цены,запись на прием

  • при ишемической болезни;
  • инфаркте миокарда;
  • серьезных нарушениях сердечного ритма;
  • тяжелой сердечной недостаточности;
  • гипертонии;
  • обострении имеющихся заболеваний;
  • острых инфекциях.

Нельзя делать чреспищеводную ЭКГ при патологиях пищевода.

Подготовка

Сделать ЭКГ можно без предварительной подготовки. Рекомендуется только за несколько часов до процедуры отказаться от курения, употребления кофе, энергетических и алкогольных напитков, чтобы не исказить результат.

Как проходит процедура

Пациент удобно ложится на кушетку. Чтобы улучшить электропроводимость кожи, грудь, кисти и щиколотки протирают влажной губкой. Затем в области сердца закрепляют присоски, а на руках и ногах фиксируют электроды, которые регистрируют биоэлектрические потенциалы, возникающие при сокращении сердечной мышцы. В связи с тем, что в разный период времени в различных отделах миокарда возникает электрическое возбуждение, электродам удается зафиксировать разность потенциалов между возбужденным и невозбужденным отделом.

Результат диагностики фиксируется в виде графической кривой либо передается на монитор компьютера. В связи с тем, что разные отделы сердца различаются размерами полостей и толщиной стенок, то импульсы проходят по ним с разной скоростью и отображаются на графике в виде разных зубцов.

Длительность стандартной электрокардиографии – не более 10 минут. Использование физической нагрузки потребует больше времени. Холтеровское мониторирование занимает от 1 до 7 суток.

Сделать ЭКГ с расшифровкой в Москве

Приблизительно оценить соответствие отдельных параметров нормам, указанным в специальных таблицах, можно самостоятельно. Но произвести точную расшифровку результата и поставить правильный диагноз, а при необходимости назначить лечение сможет только специалист (кардиолог или врач функциональной диагностики). Он оценивает форму, размеры и направленность зубцов, измеряет протяженность интервалов, а также учитывает возраст пациента и индивидуальные особенности его организма.

С помощью электрокардиографии (обычной, холтеровской, с физической нагрузкой) удается определить расположение сердца, структуру и толщину стенок желудочков и предсердий, проводимость миокарда и частоту его сокращений, характер кровообращения, выявить рубцы и гипертрофические изменения, регулярность возникновения импульсов и наличие препятствий на их пути.

С помощью ЭКГ диагностируют различные типы аритмии, сбои внутрисердечной проводимости, изменения размеров желудочков и предсердий, воспалительные и дистрофические процессы в миокарде, генетические болезни, ишемию, а также некоторые легочные патологии.

Если ЭКГ (стандартная, холтеровская или с применением физической нагрузки) обнаружит болезни, требующие срочной медицинской помощи, то больного направят в стационар. В остальных случаях пациент может возвращаться домой. Цена ЭКГ в Москве может варьировать в зависимости от медицинского центра и типа диагностики.

Электрокардиография в «Медлайн-Сервис»

Где можно платно сделать ЭКГ? Клиника «Медлайн-Сервис» предлагает сделать стандартную ЭКГ, с нагрузкой, холтеровскую, а также чреспищеводную ЭКГ в Москве по доступной цене. У нас есть кабинеты диагностики, оборудованные современными приборами, что позволяет осуществлять все виды электрографии с высокой точностью. Исследования в клинике «Медлайн-Сервис» проводят высококвалифицированные специалисты, обладающие многолетним опытом, что исключает возможность ошибок.

Записаться на прием и узнать стоимость платного стандартного ЭКГ или с нагрузкой (медикаментозной или физической) Вы можете на сайте, либо позвонив по контактному телефону. Если у Вас возникнут вопросы, то наши менеджеры предоставят подробные ответы.

Врачи кардиологи

 

Электрокардиограмма (ЭКГ) — Kids’ Med

Общая информация

Электрокардиография позволяет зарегистрировать и исследовать электрические поля, которые образуются во время сердечных сокращений малыша. Данный вид исследования назначают малышу для профилактических целей, а также при наличии определенных симптомов и показаний.

Стоит отметить, что расшифровка самих показателей электрокардиографии сложнее, чем у взрослых. Чтобы получить все необходимые данные и для диагностирования заболеваний, специалист должен четко придерживаться основных правил исследования.

Как же проходит процедура ЭКГ?

ЭКГ является диагностическим методом, во время проведения которого, к телу малыша крепят специальные датчики, с их помощью регистрируются основные показатели, которые возникают при работе сердца малыша. Импульсы, проходящие от датчиков, электрокардиограф записывает в виде графических колебаний — кардиограмму. Во время процедуры малыша раздевают до нижнего белья и укладывают в горизонтальном положении. Сразу отметим, что во время проведения исследования, малыш может находиться с мамой (или иным родственником). Специалист крепит датчики на запястье малыша, ножки и на грудной клетке. По длительности процедура проходит быстро, от 5 до 15 минут.

Кроме особенностей сердечных сокращений ЭКГ позволяет определить у малыша увеличение участков сердечной мышцы, заболеваний, снижение обменов веществ, сердечные пороки, нарушение ритма и снижение проводимости сердечка и т.д.

Какие же преимущества ЭКГ?

  • Во-первых, относительная низкая стоимость процедуры.

  • Во-вторых, данная процедура не требует каких-либо специальных подготовок.

  • А самое главное — ЭКГ не приносит никаких негативных последствий, даже при многократном повторе.

Без ЭКГ не обходится работа детского кардиолога. Иногда, прислушиваясь к сердцебиению малыша, родители паникуют, обнаружив, что сердце стучит чаще, чем у себя. Ни в коем случае этого не стоит пугаться, ведь работа сердца малышей имеет свои особенности, поэтому лучше не ставить самостоятельные диагнозы и довериться детским специализированным врачам. Стоит отметить, что и показатели новорожденного малыша, грудного или подростка могут немного отклоняться от нормы. Повторимся, что для постановки диагноза стоит довериться профессионалам.

В связи с частыми случаями врожденных пороков сердца у малышей, ЭКГ проводят перед выпиской из родильного дома, а также, если у малыша наблюдаются: головокружение или головные боли, потеря сознания, быстрая утомляемость, появление болевого синдрома в грудной области, частые инфекционные заболевания, шумы в сердце или отечность конечностей. Подобные симптомы могут говорить о нарушении работы сердечной мышцы или других внутренних органов. Чтобы исследование прошло без спорных ситуаций, следует позаботиться о моральном состоянии малыша и исключить любые переживания и стрессы.

Кстати, перед проведением ЭКГ можно поиграть «в доктора» дома и попытаться объяснить малышу, как пройдет процедура. Для совсем маленьких детей, просто возьмите с собой отвлекающие игрушки, увлекаясь, малыш и не заметит процедуры. Кстати, иногда можно провести процедуру, когда малыш спит, но мы-то знаешь, что уловить сон малыша, чтобы его не потревожить — крайне сложно. В любом случае, наши советы помогут малышу не испугаться врача и довериться для проведения диагностики, ведь достоверность ЭКГ зависит от морального состояния малыша. Чем спокойнее будет малыш, тем точнее будут результаты, а тем спокойнее будут родители.

Расшифровку кардиограммы следует доверить специалисту, а не пытаться узнать что-то самому, читая сомнительные форумы в интернете.

👆 Норма ЭКГ у взрослых и детей, расшифровка кардиограммы показатели нормы в таблице

Электрокардиограмма – это очень простой и информативный метод, который позволяет изучить работу сердца человека и определить причины боли в сердце. С помощью ЭКГ можно оценить сердечный ритм и состояние самой мышцы сердца. Результат электрокардиографического исследования выглядит как непонятные, на первый взгляд, линии на листке бумаги. При этом они содержат в себе информацию о состоянии и функционировании сердца. Расшифровка показателей ЭКГ должна проводиться опытным врачом, но если вы знаете, как расшифровать ЭКГ, вы можете самостоятельно оценить работу своего сердца.

Данные ЭКГ о работе сердца выглядят как чередующиеся зубцы, плоские интервалы и сегменты. Находятся эти элементы на изолинии. Необходимо разобраться с тем, что обозначают данные элементы:

  • Зубцы на ЭКГ – это выпуклости, которые направлены вниз (отрицательные) или вверх (положительные). Зубец Р на ЭКГ означает работу сердечный предсердий, а зубец Т на ЭКГ отражает восстановительные возможности миокарда;
  • Сегменты на ЭКГ – это расстояние между несколькими зубцами, которые находятся рядом. Самые важные показатели сегментов на ЭКГ это ST и PQ. На длительность сегмента ST на ЭКГ влияет частота пульса. Сегмент PQ на ЭКГ отражает проникновение к желудочкам биопотенциала через желудочковый узел напрямую к предсердию;
  • Интервал на ЭКГ – это промежуток, который включает и сегмент, и зубец. Грубо говоря, это 1 зубец с кусочком изолинии. Для диагностики большое значение имеют интервалы PQ и QT.

Всего на кардиограмме записывается 12 кривых. При расшифровке ЭКГ обязательно нужно обращать внимание на сердечный ритм, электрическую ось, проводимость интервалов, комплексы QRS, сегменты ST и зубцы.

Чтобы расшифровать ЭКГ, нужно знать, какой промежуток времени укладывается в одну клеточки. Стандартные показатели такие: клетка в 1 мм равно 0,04 секунды при скорости 25мм/с.

Интервалы между зубцами R должны быть равными, это определяет ритм сердца человека. Посчитав количество клеток между зубцами R и зная скорость записи показателей, можно также определить частоту сердечных сокращений (ЧСС). Норма ЧСС при расшифровке ЭКГ составляет от 60 до 90 ударов сердца в минуту. Посчитать ЧСС на ЭКГ очень просто. Если скорость ленты 50мм/с, то ЧСС = 600/ на количество больших квадратов.

Оценив зубец P, можно определить источник возбуждения в сердечной мышце. Показывает ЭКГ расшифровка синусовый ритм – норма для здорового человека.

Стоит также обратить внимание на смещение электрической оси сердца. Если смещение резкое, то это говорит о проблемах с сердечно сосудистой системой.

На ЭКГ расшифровка норма должна выглядеть следующим образом:

  • Сердечный ритм должен быть синусовый;
  • Нормальный показатель частоты сердечных сокращений – 60-90 уд/мин;
  • Интервалы QT – 390-450 мс.
  • ЭОС – ее всегда рассчитывают по изолинии. За основу берут высоту зубцов. Норма предполагает то, что R превосходит S по своей высоте. Если соотношение обратное, высока вероятность болезней желудочков;
  • QRS – при изучении этого комплекса обращают внимание на его ширину. В норме она может достигать 120 мс. Также не должно быть патологического Q;
  • ST – норма предполагает нахождение на изолинии. Зубец Т направляется вверх, характеризуется асимметричностью.

Удлинение интервалов может говорить об атеросклерозе, инфаркте миокарда и т.д. А при укороченных интервалах можно предположить наличие гиперкальциемии.

Чтение зубцов ЭКГ.

  • Р – отражает возбуждение правого и левого предсердия, этот зубец должен быть положительным. Он состоит наполовину из возбуждения правого предсердия и наполовину из возбуждения левого предсердия;
  • Q – отвечает за возбуждение межжелудочковой перегородки. Он всегда отрицательный. Нормальным показателем его считается ¼ R при 0,3 с. Повышение нормального показателя свидетельствует про патологию миокарда;
  • R – вектор возбуждения верхушки сердца. По нему определяется активность стенок желудочков. Должен определяться на каждом отведении. В противном случае предполагается гипертрофия желудочков;
  • S – зубец отрицательный, его высота должна составлять 20 мм. Также стоит уделить внимание сегменту ST. Его отклонения говорят об ишемии миокарда;
  • Т – обычно в первом-втором отведении направлен вверх, на VR имеет отрицательное значение. Изменение показателя свидетельствует про наличие гипер- или гипокалемии.

Зубцы нормальной ЭКГ человека: показатели в таблице

Обозначения зубцов Характеристика зубцов Диапазон длительности, с Диапазон амплитуды в 1,2 и 3 отведениях, мм
P Отражает возбуждение (деполяризацию) обоих предсердий, в норме зубец положительный 0,07 — 0,11 0,5 — 2,0
Q Отражает начало деполяризации желудочков, отрицательный зубец направлен вниз 0,03 0.36 — 0,61
R Главный зубец деполяризации желудочков, положительный (направлен вверх) см. QRS 5,5 — 11,5
S Отражает окончание деполяризации обоих желудочков, отрицательный 1,5 — 1,7
QRS Совокупность зубцов, отражающих возбуждение желудочков 0,06 — 0,10 0 — 3
T Отражает реполяризацию (угасание) обоих желудочков 0,12 — 0,28 1,2 — 3,0

Видео

Расшифровка ЭКГ – ритмы.

Читайте также

Ритм при расшифровке ЭКГ имеют большое значение. Нормальный ритм при расшифровке ЭКГ является синусовым. А все остальные является патологическими.

При синусовом ритме на электрокардиограмме во II отведении зубец Р имеется перед каждым QRS-комплексом, и он всегда положительный. На одном отведении все зубцы Р должны иметь одинаковые форму, длину и ширину.

При предсердном ритме зубец Р во II-ом и III-ем отведениях — отрицательный, но имеется перед каждым QRS-комплексом.

Атриовентрикулярные ритмы характеризуются отсутствием зубцов Р на кардиограммах, или же появлением этого зубца после QRS-комплекса, а не перед ним, как в норме. При таком типе ритма частота сердечных сокращений — низкая, и составляет от 40 до 60 ударов в минуту.

Желудочковый ритм характеризуется увеличением ширины QRS-комплекса, который становится большим и довольно пугающим. Зубцы Р и QRS-комплекс совершенно не связаны друг с другом. То есть отсутствует строгая правильная нормальная последовательность – зубец Р, и следом за ним QRS-комплекс. Желудочковый ритм характеризуется снижением частоты сердечных сокращений – менее 40 ударов в минуту.

Расшифровка ЭКГ у взрослых: норма в таблице

Анализ положения зубцов на ЭКГ и измерение расстояния между высокими зубцами R и R – показатели кардиограммы, которые могут свидетельствовать о норме ЭКГ у взрослых.

Максимальная разница между высокими зубцами R и R может составлять 10%, в идеале они должны быть равны. Если синусовый ритм замедлен, то это указывает на брадикардию, а если частый, то у пациента тахикардия.

Таблица показателей нормы кардиограммы у взрослых

PQ 0,12 — 0,2 с
QRS 0,06 — 0,1 с
QT до 0,4 с
RR 0,62 — 0,66 — 0,6
ЧСС 60-90 ударов в минуту
Ритм Синусовый
P не более 0,1 с

В кардиограмме могут быть указаны отдельно отклонения от нормы и конкретные синдромы. Это указывается в том случае, если кардиограмма патологическая. Отдельно также отмечаются нарушения и изменения параметров сегментов, интервалов и зубцов.

Норма ЭКГ у детей.

Норма ЭКГ у ребенка довольно сильно отличается от показания взрослого человека и выглядит следующим образом:

  • Частота сердечных сокращений у ребенка довольно высокая. До 110 ударов у детей до 3-х лет, до 100 ударов у детей с 3 до 5 лет. От 60 до 90 ударов для подростков;
  • Ритм должен быть синусовый;
  • Нормальный показатель зубца Р у детей – до 0,1 с;
  • комплекс QRS может иметь значения 0,6-0,1 с;
  • PQ – может колебаться в пределах 0,2 с;
  • QT до 0,4 с;

Электрокардиография (ЭКГ)

Что такое электрокардиограмма?

Еще в XIX в. ученые пришли к выводу о том, что человеческое сердце вырабатывает некоторое количество электроэнергии. Электрокардиограф представляет собой аппарат, который, с помощью усилителя, улавливает слабые токи и гальванометром измеряет напряжение с электродов, прикрепленных к телу обследуемого. Полученная информация выводится на бумажную ленту или монитор в виде кривой – электрокардиограммы (ЭКГ), форма которой позволяет врачам диагностировать большинство заболеваний сердечно-сосудистой системы.

Кому показана ЭКГ? Существуют ли противопоказания?

Электрокардиографическое обследование назначается в следующих случаях:

  • сердечные боли и дискомфорт;
  • аритмия;
  • одышка;
  • повышенный уровень липидов;
  • подозрение на гипертонию и другие сердечно-сосудистые заболевания;
  • пациент относится к группе риска: профессиональный и возрастной факторы, перенесенное инфекционное заболевание, повышенная масса тела, наличие вредных привычек, интенсивные занятия спортом, перманентный стресс;
  • профилактический осмотр, в т. ч. при беременности и подготовке к хирургическому вмешательству.

Данный метод скрининга является абсолютно безопасным, поэтому не имеет никаких противопоказаний.

К какому врачу обращаться, чтобы сделать ЭКГ в СПб?

Электрокардиография – весьма распространенный метод диагностики. Сегодня врачи любых специальностей и даже медсестры в состоянии провести подобное обследование. Все бригады скорой помощи снабжены портативными электрокардиографами, позволяющими вовремя выявить и купировать острые сердечные заболевания. Однако наиболее точную и подробную расшифровку ЭКГ смогут сделать лишь профильные специалисты – врачи функциональной диагностики, кардиологи, кардиохирурги, аритмологи.

Нужно ли готовиться к электрокардиографическому исследованию?

Стандартная электрокардиография предназначена для изучения работы сердечной мышцы в спокойных условиях. Для того, чтобы скрининг был максимально объективным, следует придерживаться следующих простых правил:

  • с вечера ограничить прием жидкостей, в особенности тех, которые содержат кофеин, и других, стимулирующих активную работу сердца;
  • отказаться от физических нагрузок, обеспечить полноценный сон;
  • не принимать пищу за 2 часа до обследования;
  • не опаздывать на процедуру для того, чтобы было время расслабиться;
  • одежда и обувь должны быть удобными, легко сниматься.

Как происходит снятие ЭКГ? Сколько длится эта процедура?

Диагностика проводится лежа на кушетке, пациент раздевается до пояса и освобождает ноги. Участки кожи смазываются электропроводящим гелем, после чего на них крепятся электроды, связанные проводами с электрокардиографом. Полученная информация отображается на мониторе и/или на бумажной ленте и впоследствии расшифровывается.

Сама процедура длится не дольше 10 минут и не приносит никакого дискомфорта.

Как производится расшифровка ЭКГ?

Расшифровка ЭКГ представляет собой анализ полученной в результате скрининга кривой, которая отражает процессы сокращения и расслабления сердечной мышцы. Порядок расположения зубцов, интервалы между ними, форма и величина зубцов в различных отведениях позволяют оценить электрическую активность миокарда и по ней выявить или исключить наличие патологических измененеий.

Какие заболевания можно диагностировать с помощью ЭКГ?

Главное предназначение электрокардиографии – выявление ишемических изменений, в частности, инфаркта миокарда. Кроме того, по ЭКГ можно определить:

  • гипертрофию желудочков сердца, отклонения в его проводимости;
  • нарушения электролитного обмена;
  • аритмии различного происхождения;
  • иные сердечные патологии.

В течение какого срока результаты ЭКГ можно считать объективными?

В стандартных ситуациях (например, в рамках предоперационного комплексного обследования, систематического наблюдения) ЭКГ считается актуальной на протяжении одного месяца. При заболеваниях, характеризующихся стремительной динамикой, а также острых состояниях, может потребоваться проведение внеплановой электрокардиографической диагностики.

С какой периодичностью рекомендуется проходить ЭКГ?

Людям, у которых не выявлены заболевания сердечно-сосудистой системы, достаточно делать ЭКГ один раз в год. После 40 лет ежегодная диагностика обязательна. Пациенты, наблюдающиеся у кардиолога, должны согласовывать периодичность электрокардиографии с лечащим врачом.

возможности в амбулаторной практике и стационаре.

Аксельрод А.С., заведующая отделением функциональной диагностики

Клиники кардиологии ММА им. И.М. Сеченова

На сегодняшний день трудно представить себе работу практического кардиолога без холтеровского мониторирования ЭКГ. Это исследование по праву считается одним из базовых исследований в практической кардиологии, поэтому совершенно очевидна неизбежность усовершенствования как регистраторов,так и программного обеспечения.

Регистраторы (мониторы) ЭКГ

Современные регистраторы (мониторы) ЭКГ небольшого размера и веса (90-300 г). Они устанавливаются в специальную многоразовую (или одноразовую) сумочку с регулируемыми лямками. Большинство существующих фирм-производителей старается уменьшить их размер до минимально возможного, поскольку для этого есть вполне очевидная причина. Очень часто пациенты не хотят, чтобы окружающие их люди знали об  их  обследовании,  —     такая  ситуация  встречается  наиболее  часто  у  работающих молодых пациентов. При этом наиболее востребованными являются регистраторы, для начала работы которых не требуется специальный кабель, соединяющий этот регистратор с рабочей станцией: в таком случае возможен выезд медицинской сестры к пациенту на дом, что значительно расширяет возможности амбулаторной практики врача.

Все современные регистраторы предполагают использование одноразовых электродов, предназначенных для длительной записи ЭКГ.  При  этом  для  детей  и взрослых электроды выпускаются различных размеров.

Продолжительность мониторирования ЭКГ в зависимости от поставленной задачи может быть различной. Наиболее часто регистрация сигнала осуществляется в течение 24  часов,  —  именно  такая  регистрация  считается  стандартной,  поскольку  за  этот период можно увидеть смену периодов сна и бодрствования и, следовательно, иметь наиболее  полное  представление  о  пациенте.  Тем  не  менее,  нередко  в  клинической практике используются также регистрации ЭКГ- сигнала в течение 6, 12, 48 и 72 часов.

6-часовая и 12-часовая регистрация ЭКГ используется у пациентов с четко выраженным преобладанием патологических событий в определенный период времени суток, — например, если нарушения ритма или проводимости регистрируются только в ночное или только в дневное время, или провоцируются определенным вариантом физической активности. Такое исследование обычно производится при динамическом наблюдении пациентов с ранее диагностированными изменениями.

Длительная (48- и 72 часовая) регистрация ЭКГ также является одной из наиболее важных функций  для определенной  категории  пациентов.    На    первый    взгляд, многосуточные регистраторы могут быть заменены стандартными 24-часовыми: пациент возвращается в клинику (поликлинику) через 24 часа, информация переносится на рабочую станцию и повторно инициируется регистрация. Тем не менее, возможность длительной многосуточной регистрации может быть крайне удобной как для врача, так и для пациента (в выходные дни никому не нужно приезжать к рабочей станции для переноса информации, пациент может вести более естественный образ жизни). Многосуточные регистраторы более удобны также для оценки профессиональной пригодности к работе в экстремальных условиях.

Каждый   производитель, как правило, предлагает пользователю 3 варианта регистраторов: двухканальные, трехканальные и двенадцатиканальные. Такое разнообразие вызывает естественный вопрос: какой из регистраторов предпочтительнее?

 Двухканальные мониторы в большинстве случаев дают достаточную информацию о количестве и качестве нарушений ритма и проводимости. Эти мониторы абсолютно достаточны для скрининговых (первичных) исследований и для наблюдения одного и того же пациента в динамике. Их преимуществом также является и цена: они, естественно, самые дешевые. Минимальное количество наложенных электродов делает ношение такого регистратора для пациента наиболее комфортным.

Тем не менее, при некоторых нарушениях ритма (дифференциальный диагноз желудочковых и аберрантных суправентрикулярных нарушений    ритма)    наличие третьего канала позволяет провести более качественный морфологический анализ. При выявлении нарушений проводимости (например, наличие значимой паузы при остановке синусового узла) возможен также вопрос – не артефакт ли зарегистрирован во время исследования? В такой ситуации трехканальный монитор помог бы внести большую ясность. Такой регистратор несколько дороже, при его установке имеются два дополнительных контакта и электрода.

На рисунке 1 приведены два основных варианта длительной регистрации ЭКГ – в двух и трех мониторных отведениях.

 Рис. 1.   Варианты расположения электродов при двух- и трехканальном суточном мониторировании ЭКГ.

Предложение двенадцатиканального мониторирования встречается у многих фирм — производителей.  Такие  регистраторы  дороже  двух  и  трехканальных,  их  ношение гораздо менее комфортно для пациента в связи с большим количеством электродов. Тем не менее, такие мониторы по-прежнему востребованы. Так ли они необходимы в повседневной практике и для чего?

В любом стационаре имеется категория пациентов, которым показано проведение нагрузочного теста   (тредмила    или   велоэргометрии),    но    невозможно   в   связи    с имеющимися абсолютными противопоказаниями. Безусловным преимуществом этого вида монитора является наличие всех двенадцати отведений. При этом отличием от стандартной ЭКГ покоя будет лишь наложение «красного», «желтого», «зеленого» и «черного» не на конечности, а в специальные точки грудной клетки, что позволяет достоверно оценить у таких пациентов динамику сегмента ST. Конечно, такой вариант суточной регистрации ЭКГ будет выбран как для выявления скрытой ишемии миокарда в раннем постинфарктном периоде, так и для дифференциальной  диагностики болей в области  сердца  у  пациентов  очень  пожилого  возраста,  а  также  у  пациентов  с тяжелыми заболеваниями суставов.

Если мы попробуем оценить частоту встречаемости такой ситуации, то, пожалуй, у одного из десяти пациентов специализированного стационара двенадцатиканальный монитор будет востребован как минимум один раз в неделю. В амбулаторной практике востребованность  двенадцатиканального монитора  будет определяться, по   всей видимости, финансовыми возможностями лечебно-профилактического учреждения.

Таким образом, при выборе холтеровского регистратора наиболее рациональной тактикой приобретения является реальная оценка  той категории пациентов, которая обращается за лечебно-диагностической помощью в данный стационар или поликлинику. Как   правило,   на   каждые    10   регистраторов необходим  1 двенадцатиканальный. Остальные регистраторы могут быть двух- и трехканальными примерно в равном соотношении.

Возможности программного обеспечения

     По  окончании мониторирования непрерывный ЭКГ-сигнал переносят    с регистратора в персональный    компьютер     с   инсталлированным     программным обеспечением для анализа данных. Независимо от фирмы-производителя, этот этап практически         у          всех     регистраторов   происходит принципиально одинаково. Продолжительность переноса данных зависит от степени     «зашумленности»        и количества событий получившейся регистрации: чем больше событий, артефактов и шумов получено, тем дольше происходит перенос. В этом смысле то же самое можно сказать и о следующем этапе – процессе автоматического анализа, когда программное обеспечение     предлагает       пользователю      свою             версию   «расшифровки» холтеровской регистрации.

 По сути анализ холтеровского мониторирования – это диалог между программным обеспечением и врачом, составляющим окончательное заключение. Уровень программы можно оценить по количеству ошибок, исправленных врачом — пользователем.

 В  зависимости  от  фирмы  производителя    программного  обеспечения  «иконки»  и опции программ будут называться и выглядеть, разумеется, по-разному.  Тем не менее, практически во всех программах заложены одни и те же принципы. 

Рис. 2. Основные этапы анализа.

Каждый     пользователь     может     использовать     представленные     «иконки»     в произвольном, удобном для себя порядке. Чаще всего врач начинает с «очистки» регистрации от артефактов при анализе шаблонов записи.

 При автоматическом анализе программа сопоставляет все полученные комплексы с имеющимися в ее памяти эталонами. При выявлении соответствия происходит формирование и сортировка эпизодов в соответствующую группу с пометкой их количества. По сути, врачу остается лишь согласиться или не согласиться с результатами автоматического анализа. На рисунке 3 показаны шаблоны регистрации пациента с полиморфными желудочковыми экстрасистолами с указанием в правом нижнем углу каждого шаблона их количества.

Рис. 3. Сформированные шаблоны желудочковых нарушений ритма.

 Врач    имеет    возможность    войти    в   каждый    шаблон    и    в    ручном    режиме отредактировать    предложенные    при    компьютерном    анализе    эктопические    или нормальные сокращения.

  Воспользовавшись   функцией   просмотра   событий,   можно   проанализировать поочередно  каждый  образец  всех  выявленных  при  регистрации  нарушений  ритма  и проводимости, обращая внимание на их распределение в течение суток. 

 Функция просмотра всех событий за сутки является одной из наиболее удобных при  оценке нарушений ритма и выявлении пауз, поскольку позволяет наглядно оценить тип распределения всех представленных в окне слева изменений за сутки.

Рис. 4. Окно просмотра всех событий за сутки 

Одной из наиболее удобных и значимых опций программного обеспечения является тренд ST. «Блуждание» по тренду позволяет выбрать достоверную и диагностически значимую динамику сегмента ST, отбросив артефактный дрейф изолинии.

Программа  также позволяет произвести  автоматический анализ времени начала и окончания ST эпизода, продолжительность такой динамики, максимальное значение элевации или депрессии сегмента ST .

Рис. 5. Окно анализа ST эпизодов.

Совершенно незаменимой является опция «обзор ЭКГ», позволяющая врачу просмотреть всю полученную запись ЭКГ. Эта опция в обязательном порядке должна использоваться при анализе каждой регистрации. Каждая регистрация должна быть просмотрена целиком в реальном времени, при этом ЭКГ сигнал сопоставляется с информацией об активности пациента и приеме лекарственных препаратов из его дневника.

Возможность анализа вариабельности сердечного ритма (ВСР) встречается у многих фирм-производителей. Эта опция может использоваться как в практической медицине, так и при формировании исследовательских групп при научных изысканиях. В различных  программах могут быть  представлены как  показатели только временного анализа ВСР, так и показатели и временного, и частотного анализа. Показатели временного анализа позволяют оценить степень выраженности синусовой аритмии и ригидности сердечного ритма (как известно, ригидность сердечного ритма отражает высокий риск внезапной сердечной смерти). Показатели частотного анализа (HF, LF, VLF, Total power) менее изучены и используются для оценки преобладания влияний парасимпатического или симпатического отделов вегетативной нервной системы, т.е. позволяют оценить вегетативный статус пациента. При использовании этой опции программы  необходимо  четко  понимать,  что  достоверная  картина  может  быть получена только при тщательной «очистке» регистрации от шумов и артефактов. Кроме того, каждый исследователь сталкивается с необходимостью формирования собственной базы данных как для клинического, так и для научного использования.

  Экран тренда и крайних значений ЧСС также является одной из наиболее удобныхопций (Рис. 6).

При построении такого тренда ЧСС усредняется за 1, 2, 5 или 10 минут (в зависимости  от  установок).  При  этом  один  цвет  показывает  максимальную  ЧСС, другой — усредненную ЧСС, а третий — минимальную ЧСС. Экран показывает тренд ЧСС за выбранный временной отрезок. Когда нажата клавиша мыши (в экране трендов) визуализируются текущие значения ЧСС и сегмент ЭКГ с указанной ЧСС в окне масштабирования. Максимальное и минимальное значение ЧСС и интервала NN могут быть определены вручную.

Рис. 6. Экран тренда и крайних значений ЧСС 

Одна из последних опций, предлагаемых современными программами, – оценка турбулентности сердечного ритма. Поскольку речь идет об относительно новом понятии, мы несколько подробнее остановимся на нем.

В 1999 году исследовательской группой под руководством G.Schmidt было замечено, что за желудочковой  экстрасистолой (ЖЭ) следуют короткие колебания продолжительности  RR  интервалов  синусового  цикла.  Этот  феномен  впервые  был описан и послужил основой понятия «турбулентность сердечного ритма» (ТСР): обычно сразу после ЖЭ синусовый ритм учащается и затем вновь замедляется, приходя к исходным значениям. Такое учащение синусового ритма, следующее за его кратковременным урежением, считается физиологичным ответом на ЖЭ. Группой G.Schmidt были предложены  два  показателя  ТСР:  это  начало  турбулентности  — (turbulence  onset)  (TO)  и  наклон  турбулентности —  (turbulence  slope)  (TS).  TO  —  это величина учащения синусового ритма вслед за ЖЭ, а TS — это интенсивность замедления синусового ритма, следующего за его учащением. Показатель TO рассчитывается, как отношение разницы между суммами значений первых двух синусовых RR интервалов, следующих за ЖЭ, и последних двух синусовых RR интервалов перед ЖЭ к сумме двух синусовых RR интервалов до ЖЭ, выраженное в процентах. Для определения TS (мс/RR) рассчитывается наклон изменений RR интервалов с помощью прямых линий регрессии для каждых 5 RR интервалов из 20 следующих за компенсаторной паузой (RR[1]~RR[5], RR[2]~RR[6] … RR[16]~RR[20]). За значение TS принимается максимальный положительный регрессионный наклон Значения ТО<0% и TS>2,5 мс/RR считаются нормальными, а ТО>0% и TS<2,5 мс/RR — патологическими. В то же время единых стандартов измерения показателей ТСР нет, поэтому в настоящее время эта опция является исследовательской.

 После окончания работы во всех «иконках» можно просмотреть сводную итоговую таблицу. 

Рис. 7. Итоговая таблица холтеровской регистрации.

В этой таблице представлена информация о продолжительности мониторирования, разбросе ЧСС за сутки, дисперсии интервала RR и наличии пауз, нарушениях сердечного ритма. Это та основная таблица, которая в обязательном порядке должна войти в распечатку  отчета и которая помогает врачу сформулировать окончательное заключение.

Представленный обзор написан на основе алгоритма и возможностей программного обеспечения фирмы SCHILLER (Швейцария). Опции и «иконки» в других программах, как уже говорилось, иначе называются, однако по сути это одни и те же функционирующие этапы анализа. Чем большее количество опций имеется в представленной программе, тем больше возможностей для удачной и комфортной работы врача и меньше вероятность ошибочного анализа.

Москва, 17.02.09

Электрокардиография с нагрузкой | Детский медицинский центр «ЧудоДети»

Что такое электрокардиограмма (ЭКГ)?

Электрокардиограмма регистрирует электрическую активность сердца ребенка. Иногда это исследование называют ЭКГ. Диагностическую процедуру используют, чтобы проверить, в норме ли пульс и ритм работы сердца. ЭКГ также помогает врачам определить, есть ли у ребенка определенные проблемы с сердцем, в том числе:

  • Сердце больше обычного (увеличение сердца)
  • Электролитный дисбаланс
  • Перикардит  и другие заболевания сердца
  • Электрические аномалии, такие как  синдром Вольфа-Паркинсона-Уайта  или  синдром удлиненного интервала QT.

Кроме того, ЭКГ используется для проверки сердца до и после операции на сердце или   процедуры катетеризации сердца. Также ЭКГ можно использовать для проверки  кардиостимулятора  или воздействия некоторых сердечных лекарств.


Как работает ЭКГ?

Кардиограмма — это  неинвазивный  тест. Врач прикрепит к рукам, ногам и груди ребенка до 13 проводов (электродов) с наклейками. Электроды улавливают крошечные электрические сигналы от сердца и отправляют их на компьютер, который распечатывает информацию на листе бумаги, чтобы врач мог ее интерпретировать.

ЭКГ позволяет врачу «видеть» электрическую активность сердца одновременно с разных точек зрения. Результат выглядит как группа волнистых линий. Каждая из волн на ЭКГ сообщает врачу об электрической активности в разных частях сердца и может помочь диагностировать различные пороки и аномалии сердца. Врач будет использовать ЭКГ для поиска любых нарушений сердечного ритма, которые могут повлиять на вашего ребенка.

У детей, как правило, частота сердечных сокращений в состоянии покоя выше, чем у взрослых — до 180 ударов в минуту у младенца. Частота сердечных сокращений взрослого человека в состоянии покоя обычно составляет от 60 до 100 ударов в минуту.


Что происходит во время ЭКГ?

Ребенок ложится на кушетку. Медсестра прикрепит к  груди ребенка до 13  электродов с наклейками. Эти электроды будут записывать электрические сигналы от сердца. ЭКГ занимает от 5 до 10 минут. Если ЭКГ делается во время посещения клиники, результаты будут предоставлены во время этого визита.


Что такое ЭКГ с нагрузкой?

Тест с физической нагрузкой, также называемый сердечным стресс-тестом или ЭКГ с нагрузкой, используется для оценки диапазона возможностей сердца у ребенка. Когда ребенок сидит или лежит, сердце не очень сильно работает. Когда ребенок идет быстрым шагом, плывет или бежит, сердцу приходится трудиться больше. Идея теста с физической нагрузкой состоит в том, чтобы объективно оценить, насколько хорошо работает сердце при повышенной активности. Это очень хороший способ оценить здоровье сердца. Сердечное стресс-тестирование работает по принципу демонстрации индуцируемой ишемии по мере увеличения рабочей нагрузки (либо из-за физических упражнений, либо из-за фармакологического стресса). Снижение артериального давления при физической нагрузке — один из наиболее значимых признаков ишемии.

Исследование обычно выполняется, когда сердце вначале работает в покое, а затем —  после физической нагрузки. При этом исследовании ребенка просят бежать на беговой дорожке с увеличением ее уклона, или крутить педали на велотренажере, чтобы увеличить частоту сердечных сокращений.  Для маленьких детей вместо физической нагрузки может использоваться лекарство добутамин для увеличения частоты сердечных сокращений. Этот тип стресс-теста также можно комбинировать с визуализацией сердца с помощью УЗИ, чтобы физически увидеть, насколько хорошо сердце работает.

Во время исследования за состоянием ребенка внимательно следят, чтобы узнать, какая у него частота пульса и кровяное давление. Также производится запись электрической активности сердца с помощью ЭКГ. Тест на беговой дорожке с физической нагрузкой обычно длится не более 12 минут и не представляет значительного риска, так как он будет проводиться в контролируемых условиях. Исследование будет остановлен задолго до того, как ребенок достигнет уровня нагрузки, при котором сердце будет очень быстро. Ребенку может потребоваться 10-15 минут, прежде он вернется к нормальной жизни, но это всего лишь обычный период отдыха как после любого типа физических упражнений.


Потребуются ли дополнительные исследования после стресс-теста?

Конечно, возможно, потребуются и дополнительные исследования. ЭКГ с нагрузкой часто используется в качестве скринингового теста. Если результат нормальный, то дальнейшие тесты обычно не требуются. Если это не так, ребенку могут потребоваться дополнительные исследования, в зависимости от типа выявленной проблемы. Стресс-ЭКГ и стресс-эхокардиография являются функциональными тестами, они не могут определить процент коронарного стеноза. В то время как стресс-эхокардиография может определить, какая артерия может быть стенозирована, стресс-ЭКГ не указывает, какая коронарная артерия является причиной ишемии. Для выявления проблемного сосуда используется коронарная ангиограмма — один из самых распространенных типов исследований, которое проводится по результатам стресс-теста.


Есть ли противопоказания к исследованию?

Абсолютные противопоказания к кардиологическому стресс-тестированию включают острый инфаркт миокарда (включая наличие новой блокады левой ножки пучка Гиса, нестабильная стенокардия высокого риска, симптоматический тяжелый стеноз аорты, неконтролируемая аритмия, вызывающая симптомы или гемодинамическую нестабильность, нестабильная сердечная недостаточность, острая тромбоэмболия легочной артерии и острое расслоение аорты.

Относительные противопоказания включают стеноз левой коронарной артерии, тяжелую артериальную гипертензию, электролитные нарушения, гипертрофическую обструктивную кардиомиопатию и неконтролируемую аритмию. При наличии относительных противопоказаний исследование может проводиться, если польза от выявления ишемии превышает риск проведения теста.


Расшифровка результатов

Результаты исследования результаты содержат заключение о наличии либо отсутствии признаков нарушения кровоснабжения сердечной мышцы при физической нагрузке, о реакции на нагрузку уровня артериального давления и скорость восстановления исходных показателей после нагрузки. На основании исследования могут даваться рекомендации о допустимом уровне физических нагрузок для Вашего ребенка. В некоторых случаях может потребоваться повторное электрокардиографическое исследование или специальный вид ЭКГ, сопровождаемый другими видами исследований (УЗИ сердца, допплерография сосудов).


Электрокардиография с нагрузкой является специальным видом исследования особенностей работы сердца ребенка при физической нагрузке, которое позволяет выявить скрытые заболевания, точно установить диагноз и провести требуемое лечение с максимальной эффективностью,  либо избавиться от тревог  и сомнений по поводу состояния здоровья Вашего малыша.

Получить дополнительную информацию об электрокардиографии с нагрузкой для ребенка записаться на диагностику в медицинском центре «ЧудоДети» можно по телефону +7 (812) 331-24-22.

Обнаружение увеличения левого предсердия с помощью электрокардиограммы с использованием сверточной нейронной сети

Резюме

Справочная информация: Увеличение левого предсердия (ЛАЭ) может независимо прогнозировать развитие различных сердечно-сосудистых заболеваний.

Цели: Это исследование было направлено на разработку подхода искусственного интеллекта для обнаружения LAE на основе электрокардиографии (ЭКГ) в 12 отведениях.

Методы: Исследуемая популяция была получена в ходе эпидемиологического исследования сердечно-сосудистых заболеваний в Гуанчжоу.В это исследование были включены пожилые люди (3391 человек) старше 65 лет, которым была проведена ЭКГ в 10 с 12 отведениях и эхокардиография. Переднезадний диаметр левого предсердия (ЛП) >40 мм при эхокардиографии был диагностирован как LAE, а переднезадний диаметр левого предсердия индексировался по площади поверхности тела (BSA), чтобы классифицировать LAE по разным степеням. Сверточная нейронная сеть (CNN) была обучена и проверена для обнаружения LAE на обычных ЭКГ. Эффективность модели оценивали путем расчета площади под кривой (AUC), точности, чувствительности, специфичности и балла F1.

Результаты: В этом исследовании пол, ожирение, гипертензия и пороки клапанов сердца связаны с увеличением левого предсердия. ЭКГ с поддержкой ИИ идентифицировала LAE с AUC 0,949 (95% ДИ: 0,911–0,987). Чувствительность, специфичность, точность, прецизионность и балл F1 составили 84,0%, 92,0%, 88,0%, 91,3% и 0,875 соответственно. Врачи определили LAE с чувствительностью, специфичностью, точностью, прецизионностью и баллами F1 38,0%, 84,0%, 61,0%, 70,4% и 0,494 соответственно.При классификации LAE различной степени AUC для выявления нормальной, легкой LAE и умеренно-тяжелой LAE на ЭКГ составляли 0,942 (95% ДИ: 0,903–0,981), 0,951 (95% ДИ: 0,917–0,987) и 0,998 (95% ДИ: 0,917–0,987). ДИ: 0,996–1,00) соответственно. Чувствительность, специфичность, точность, положительная прогностическая ценность и баллы F1 диагностики легкого ЛАЭ составили 82,0%, 92,0%, 88,7%, 89,1% и 0,854, в то время как чувствительность, специфичность, точность, положительная прогностическая ценность и баллы F1 диагноз умеренно-тяжелой ЛАЭ составил 98,0%, 84.0%, 88,7%, 96,1% и 0,969 соответственно.

Выводы: ЭКГ с поддержкой ИИ, полученная во время синусового ритма, позволяет идентифицировать лиц с высокой вероятностью LAE. Эта модель требует дальнейшего уточнения и внешней проверки, но она может быть многообещающей для скрининга LAE.

Ключевые слова: увеличение левого предсердия (ЛАЭ), сверточная нейронная сеть (CNN), электрокардиограмма (ЭКГ), эхокардиография, искусственный интеллект (ИИ)

Введение

Левое предсердие (ЛП) является важнейшим компонентом физиологии сердца , который участвует в сборе крови из легочных вен, возвращающейся к сердцу, и регулировании наполнения левого желудочка во время систолы и диастолы (1).Увеличение левого предсердия (LAE) может быть вызвано перегрузкой давлением и/или перегрузкой объемом, что может привести к структурному ремоделированию левого предсердия. Макрофаги и нейтрофилы, как ключевые клеточные медиаторы воспаления, также могут реконструировать предсердия путем инфильтрации, высвобождения активных форм кислорода (АФК) и продукции воспалительных цитокинов и миелопероксидаз (2). LAE обычно возникает в сочетании с диастолической дисфункцией, гипертрофией левого желудочка, пороком митрального клапана и системной гипертензией (3, 4).Сама по себе ЛАЭ не имеет признаков и симптомов, и это патофизиологическая реакция на другие потенциальные сердечно-сосудистые заболевания. Доказано, что ЛАЭ может независимо прогнозировать развитие различных сердечно-сосудистых заболеваний (5, 6). Хотя LAE может привести к изменению зубца P, низкая чувствительность ЭКГ при диагностике LAE ограничивает ее клиническое применение (7). Эхокардиография, компьютерная томография сердца (CCT) и магнитно-резонансная томография сердца (CMR) являются основными методами диагностики LAE, а эхокардиография является наиболее распространенным методом выбора из-за ее доступности и безопасности (8, 9).

С развитием моделей глубоких нейронных сетей (DNN) искусственный интеллект (ИИ) добился больших успехов и постепенно стал применяться для диагностики с помощью эхокардиографии и ЭКГ (10, 11). Поскольку DNN могут распознавать шаблоны и изучать полезные функции из необработанных входных данных, не требуя обширной предварительной обработки данных, разработки функций или правил, созданных вручную, а производительность DNN имеет тенденцию к увеличению по мере увеличения объема обучающих данных, этот подход подходит для анализа ЭКГ (12). .Алгоритм ЭКГ с поддержкой ИИ добился удовлетворительных результатов в диагностике фибрилляции предсердий (ФП), инфаркта миокарда (ИМ) и сердечной недостаточности (13–15), также ожидается его применение в диагностике ЛАЭ.

Мы предположили, что при отсутствии какого-либо тяжелого сердечного заболевания выявление LAE может быть полезным для принятия клинического решения. На ЭКГ могут быть тонкие изменения из-за структурных изменений LAE, и мы можем обучить DNNS идентифицировать и диагностировать LAE. Диагностируя LAE с помощью этого недорогого, удобного и широко доступного метода, мы можем на раннем этапе выявить потенциальные сердечно-сосудистые заболевания или группы высокого риска конкретных сердечно-сосудистых заболеваний.

Методы

Сбор данных

Исследуемая популяция была получена в ходе эпидемиологического исследования заболеваний сердца в Гуанчжоу, Южный Китай. Этот опрос проводился с июля 2015 года по август 2017 года. Для набора постоянных жителей в возрасте 35 лет и старше из города Гуанчжоу использовалась рандомизированная многоэтапная кластерная выборка. В этом исследовании приняли участие более 12 000 взрослых, и лицам старше 65 лет или с диагнозом ФП ( N = 3585) была проведена как стандартная ЭКГ в 10 с, в 12 отведениях, 500 Гц, так и эхокардиография.Интервалы между ЭКГ и эхокардиографией были в пределах 2 недель, а результаты диагностировались и верифицировались двумя специалистами. Из исследования были исключены пациенты (180) с фибрилляцией предсердий в анамнезе или в настоящее время, а также девять пациентов с кардиостимуляторами. ЭКГ пяти пациентов отсутствовали, а остальные 3391 пациент были включены в это исследование. Переднезадний диаметр левого предсердия >40 мм по данным эхокардиографии был диагностирован как LAE. ЭКГ были разделены на группу LAE и нормальную группу. Было 286 ЭКГ в группе LAE и 3105 ЭКГ в нормальной группе ().

Предварительная обработка данных

Каждая ЭКГ представляла собой матрицу 12 × 5000 (12 отведений по 10 секунд с частотой дискретизации 500 Гц), где первое измерение представляло пространственное измерение, а второе — временное. Необработанные данные ЭКГ содержали большое количество шума и имели дрейф базовой линии (). Поэтому все необработанные данные ЭКГ перед обучением подвергались предварительной обработке. Чтобы устранить дрейф базовой линии и маломощный шум необработанных данных ЭКГ, мы сначала отфильтровали необработанные данные с помощью фильтра нижних частот, чтобы получить базовую линию, и сгладили базовую линию, обнулив среднее значение (), а затем мы добились устранения шума путем фильтрации. из высокочастотного сигнала ().

Предварительная обработка данных. (A) Показывает репрезентативную ЭКГ с интерференцией и дрейфом базовой линии. (B) Показывает репрезентативную ЭКГ без дрейфа базовой линии после предварительной обработки. (C) Демонстрирует репрезентативную ЭКГ без интерференции и дрейфа базовой линии после предварительной обработки.

ЭКГ в 12 отведениях записывается с использованием восьми физических отведений и четырех дополнительных отведений, созданных как линейная функция отведений I и II, которые не содержат дополнительной информации. Чтобы оптимизировать работу, мы выбрали только восемь независимых отведений (отведения I, II и V1–6), потому что любая линейная функция отведений может быть изучена моделями.Мы использовали 8-секундные данные ЭКГ, исключив первый и последний 1-секундные периоды, поскольку в этих диапазонах содержалось больше артефактов. Следовательно, мы создали двумерные (2D) данные 8 × 4000 из каждой ЭКГ для разработки и проверки алгоритма.

Разделение данных

Мы случайным образом выбрали 50 ЭКГ из 3105 нормальных ЭКГ и 50 ЭКГ из 286 ЭКГ LAE в качестве тестового набора, а затем разделили оставшиеся 3291 ЭКГ на обучающий набор и проверочный набор в пропорциях 7:3, соответственно ( ).Чтобы получить больше данных, мы расширили набор для обучения и проверки, сдвинув начальную точку и выбрав непрерывные 3950 точек для каждого отведения, что в сумме содержит 4000 точек, поэтому его можно расширить до 50 образцов для каждой выборки, сдвинув начальную точку. точка 50 раз. После расширения данных расширенный обучающий набор содержал 8 250 образцов LAE и 106 950 нормальных образцов, а проверочный набор содержал 3 550 образцов LAE и 45 800 нормальных образцов. Чтобы избежать систематической ошибки обучения, вызванной дисбалансом данных обучения и проверки, мы случайным образом отобрали то же количество нормальных ЭКГ, что и ЭКГ LAE для обучения.Обучающий набор использовался для обучения нейронной сети, проверочный набор использовался для оптимизации сети и выбора параметров, а тестовый набор использовался для оценки производительности нейронной сети. ЭКГ в разных наборах данных не повторялись.

Обучение и разработка моделей

Сверточные нейронные сети (CNN) были построены с использованием Keras Framework с бэкендом TensorFlow и Python. CNN извлекли тонкие изменения в ЭКГ путем свертки. В качестве функции потерь использовалась категориальная кросс-энтропийная потеря и применялся метод оптимизации Адама.Если процесс обучения не улучшался в течение 10 последовательных эпох, обучение прекращалось. Обучение можно было проводить не более чем за 100 эпох, а минимальный размер партии составлял 64. Кривая рабочих характеристик приемника (ROC) была создана для тестовых и проверочных наборов для оценки площади под кривой (AUC) AI- включил ЭКГ, чтобы определить, присутствует ли LAE. Показатели диагностической эффективности включали AUC, правильность, прецизионность, чувствительность, специфичность и показатель F1. Было протестировано несколько сетей, и была выбрана самая простая (с меньшим количеством параметров или слоев), давшая наибольший показатель AUC.Выбранная сеть состояла из семи слоев свертки. Первые шесть слоев были разработаны для изучения признаков в каждом отведении, количество фильтров в первом слое свертки составляло 32, а количество фильтров удваивалось через каждые два слоя. Формы фильтров были составлены из 5 * 1 и 3 * 1 попеременно. После каждого слоя свертки был слой активации «Relu», слой пакетной нормализации и слой максимального объединения (4 * 1 после первого и четвертого слоев и 2 * 1 после остальных).В последнем слое свертки форма фильтра была 8 * 1, что позволяло объединять данные из разных отведений. После этого данные передавались в отсеваемый слой и полносвязную сеть с двумя скрытыми слоями, чтобы избежать переобучения. Выходной слой имел два класса и активировался с помощью функции «Softmax».

Классификация увеличения левого предсердия

Переднезадний диаметр ЛП индексировали по площади поверхности тела (ППТ) для количественной оценки увеличения левого предсердия.По результатам данные были разделены на три группы: нормальное (<2,4 см/м 2 ), легкое увеличение (≥2,4 и <2,7 см/м 2 ) и умеренно-выраженное увеличение (≥2,7 см /м 2 ). 2664, 550 и 177 пациентов в нормальных, легких и среднетяжелых группах соответственно. В качестве тестовой выборки из каждой группы случайным образом отобрали 50 ЭКГ, а затем левые ЭКГ разделили на обучающую и проверочную выборки в соотношении 7:3 соответственно.Затем ту же модель обучили для проверки ее способности обнаруживать LAE в разной степени.

Результаты

Исходные характеристики

Различия клинических характеристик между группой LAE и нормальной группой показаны на . В группе LAE 139 мужчин и 147 женщин со средним возрастом 72,6 года, тогда как в нормальной группе было 1135 мужчин и 1970 женщин со средним возрастом 71,8 года. В группе LAE было больше мужчин ( P < 0.0001), и между двумя группами не было выявлено возрастных различий ( P = 0,0651). Кроме того, в группе LAE чаще встречались артериальная гипертензия, диабет, инфаркт миокарда, пороки клапанов сердца, сердечная недостаточность, ожирение и хроническая болезнь почек ( P < 0,05). Многофакторный анализ также показал, что пол, ожирение, гипертония и пороки клапанов сердца могут быть связаны с LAE. Хотя показатели распространенности инфаркта миокарда ( P = 0.0545) и сердечной недостаточности ( P = 0,0596) в группе ЛАЭ оказались выше, статистических различий по-прежнему не достигалось.

Таблица 1

Клиническая характеристика больных.

0,0001 881
Lae Normal P -Value -Value
Универсальный анализ Многомерный анализ
Возраст (средний) 72.6 71,8 0,0651 0,3670
Пол Мужской 139 1135 <0,0001 <0,0001
Женский 147 +1970
ИМТ <18,5 2 182 <0,0001 <
18.5-25 92 1914
25-30 147
≥87 45 45 128 128
Гипертония Да 206 206 1 539 <0.001 <0,0001
Нет 80 1566
Диабет Да 54 436 0,0266 0,6911
Нет 232 2669
Гиперлипидемия Да 76 781 0,5969
Нет 210 2324
инфаркт миокарда Да 24 117 0.0003 0.0545
Нет 262 2988
Stroke Да 14 109 0,2330
Нет 272 2996
Хроническая почечная <60 86 726 0,0115 0,8321
болезнь ≥32 200 2379
клапанной сердце Нет 180 2 555 <0.0001 <0,0001
заболеванием АВД 39 386
Ми-ВД 40 111
Му-ВД 27 53
EF (%) <50 5 6 <0,0001 0,0596
≥96 281 3099

Производительность Алгоритм ИИ

После обучения и проверки были построены ROC-кривые обнаружения LAE ().AUC проверочного набора составила 0,973 (95% ДИ: 0,969–0,976). 3318 из 3550 нормальных ЭКГ и 3116 из 3550 ЭКГ LAE были правильно диагностированы с помощью модели ИИ с чувствительностью, специфичностью, правильностью, прецизионностью и показателями F1 87,8%, 93,5%, 90,6%, 93,1% и 0,903 соответственно () . AUC тестового набора составила 0,949 (95% ДИ: 0,911–0,987) с чувствительностью, специфичностью, правильностью, прецизионностью и оценкой F1 84,0%, 92,0%, 88,0%, 91,3% и 0,875 соответственно. Результаты показали, что модель ИИ обладает удовлетворительной способностью диагностировать LAE.По сравнению с моделью ИИ только 42 нормальные ЭКГ и 19 ЭКГ LAE из набора для тестирования были правильно диагностированы врачами с чувствительностью, специфичностью, правильностью, прецизионностью и баллами F1 38,0%, 84,0%, 61,0%, 70,4% и 0,494 соответственно ().

Выполнение диагностики увеличения левого предсердия (LAE).

Таблица 2

Матрица путаницы для диагностики увеличения левого предсердия (LAE).

1 11 Точность (%)
Специфичность (%) 1 Точность (%) F1 оценки
Нормальный Lae
Набор валидации Нормальный 3,318 232 87.8 93,5 90,6 93,1 0,903
LAE 434 3116
Тестирование Набор А.И. Нормальная 46 4 84,0 92,0 88,0 91,3 0,875
LAE 8 42
Врачи Нормальная 42 8 38 .0 84.0 61.0 61.0 704 0.494
Lae 31 9 19

Возможность классификации Lae также было проверено, ROCS были нанесены на все классификации ЛАЭ (нормальная, легкая ЛАЭ и умеренно-тяжелая ЛАЭ) (). В контрольной выборке AUC нормальной, легкой ЛАЭ и умеренно-тяжелой ЛАЭ составляли 0,962 (95% ДИ: 0,957–0,967), 0,953 (95% ДИ: 0,947–0,959) и 0.999 (95% ДИ: 0,999–1,00), в то время как AUC в тестовой выборке составляли 0,942 (95% ДИ: 0,903–0,981), 0,951 (95% ДИ: 0,917–0,987) и 0,998 (95% ДИ: 0,996–0,996–0,981). 1,00) соответственно. Матрица путаницы классификации LAE показана на рис. Чувствительность, специфичность, точность, положительная прогностическая ценность и баллы F1 диагностики легкого ЛАЭ составили 82,0%, 92,0%, 88,7%, 89,1% и 0,854, в то время как чувствительность, специфичность, точность, положительная прогностическая ценность и баллы F1 диагноз умеренно-тяжелой ЛАЭ составил 98,0%, 84.0%, 88,7%, 96,1% и 0,969 соответственно. Модель CNN достигла удовлетворительных результатов в классификации различных степеней LAE, особенно в диагностике умеренно-тяжелой LAE.

Классификация ЛАЭ. (A–C) Продемонстрируйте эффективность алгоритма ИИ при классификации нормальных ЭКГ, ЭКГ с легкой ЛАЭ и ЭКГ с ЛАЭ средней и тяжелой степени.

Таблица 3

Матрица путаницы классификации LAE с помощью модели искусственного интеллекта (ИИ).

1 11 Специфичность (%) 265 0,886 88,6 98,7 0,990 Испытание установлено 0,854
Точность (%) Прецизионные (%) F1 Scores
Нормальный 1 Умеренный
Набор валидации Normal 1,739 144 17 91.5 92,6 92,2 86,4 0,889
Мягкий +1628 7 85,7 95,5 92,2 91,7
умеренно- тяжелая 8 3 +1889 99,4 92,2
Нормальный 43 5 2 86.0 90,0 88,7 81,1 0,835
Мягкая 9 41 0 82,0 92,0 88,7 89,1
умеренно- Severe 1 0 49 49 98.0 84.0 84.0 88,7 96,1 961 0.969 0.969

Обсуждение

В этом исследовании мы обнаружили, что ECG с поддержкой AI хорошо выступил в диагностике Lae ( АУК 0.95), особенно при диагностике умеренной и тяжелой ЛАЭ. По сравнению с другими медицинскими скрининговыми тестами, такими как натрийуретический пептид типа В для выявления сердечной недостаточности (AUC 0,60–0,70) (16), мазок Папаниколау для выявления рака шейки матки (AUC 0,70) (17) и шкала CHA2DS2-VASc для оценки риска инсульта ( AUC 0,57–0,72) (18), диагностическая эффективность была лучше.

Размер левого предсердия является показателем для оценки риска сердечно-сосудистых заболеваний (19–21). Клиническое исследование с участием 1160 пожилых пациентов показало, что размер левого предсердия может независимо предсказывать сердечно-сосудистые события (22).Хотя большинство клинических исследований размера левого предсердия были сосредоточены на пожилых людях, Leung et al. (23) обнаружили, что LAE также является предиктором множественных сердечно-сосудистых заболеваний при длительном наблюдении за неотобранными молодыми (средний возраст 47 лет) пациентами с синусовым ритмом ( n = 483) (медиана наблюдения 6,8 года). . Кроме того, размер ЛП также является важным прогностическим показателем при различных сердечно-сосудистых заболеваниях. У пациентов с ФП размер ЛП имеет прогностическое значение для риска инсульта, бессобытийной выживаемости и рецидивов после кардиоверсии (8).Также было показано, что LAE предсказывает прогноз инфаркта миокарда (24–26). В клиническом исследовании 314 пациентов с ОИМ, наблюдаемых в течение 15 месяцев, LAE был мощным предиктором смертности от всех причин (24). Кроме того, LAE является не только предиктором прогноза у пациентов с дилатационной кардиомиопатией (DM) (27) и гипертрофической кардиомиопатией (HCM) (28, 29), но также имеет прогностическое значение для прогноза митральной регургитации или стеноза (8). Поэтому очень важно идентифицировать LAE дешевым, широко используемым и удобным способом.Проводя скрининг популяции пациентов с ЛАЭ, мы можем определить основное сердечно-сосудистое заболевание, вызывающее ЛАЭ, или выявить группу высокого риска определенных сердечно-сосудистых заболеваний на раннем этапе и предоставить клиническое руководство.

Эхокардиография, как эффективное средство выявления LAE, дешевле и доступнее, чем компьютерная томография сердца (CCT) и магнитно-резонансная томография сердца (CMR), но она по-прежнему остается дорогостоящим методом скрининга для людей с риском сердечно-сосудистых заболеваний. Таким образом, безопасный, удобный, недорогой и эффективный метод обнаружения будет полезен в качестве нового инструмента скрининга, особенно в развивающихся странах, таких как Китай, где уровень первичной медико-санитарной помощи относительно низок.Наши данные свидетельствуют о том, что простая, недорогая, неинвазивная 10-секундная стандартная ЭКГ в 12 отведениях может идентифицировать пациентов с LAE с помощью алгоритма ИИ.

Хотя переднезадний диаметр может не точно отражать размер ЛП, особенно в случае асимметричного увеличения ЛП, и объем ЛП был описан как более точная мера размера ЛП (30), переднезадний диаметр по-прежнему является простым и приемлемый показатель размера левого предсердия, который использовался в клинических исследованиях (31, 32). LAE диагностировали по переднезаднему диаметру ЛП в этом исследовании, потому что у большинства участников был доступен только переднезадний диаметр.Поскольку размер левого предсердия увеличивается с увеличением размера тела (5), переднезадний диаметр левого предсердия был проиндексирован по площади поверхности тела (ППТ) для количественной оценки LAE. Выявление потенциальных пациентов с ЛАЭ по ЭКГ с включенным ИИ показало, что, хотя явных отклонений на ЭКГ не наблюдалось, фактически изменения электрофизиологических сигналов сердца, вызванные патофизиологическими изменениями самого заболевания, уже существовали. Более того, чем выше степень ЛАЭ, тем лучше работают алгоритмы искусственного интеллекта, поскольку с увеличением степени ЛАЭ модель легче распознает изменения электрофизиологических сигналов сердца.Однако ключевым ограничением существующих нейронных сетей является интерпретируемость. Расшифровка «черного ящика» позволит нам идентифицировать больше аномальных электрофизиологических сигналов на ЭКГ и даст врачам более точное и всестороннее представление о физиологических и патологических сигналах ЭКГ.

В этом исследовании у 286 из 3991 пациента был диагностирован LAE. Уровень распространенности составил 7,2%, а пол, ожирение, артериальная гипертензия и пороки клапанов сердца были связаны с LAE. Хотя точная распространенность LAE недоступна, исследование, проведенное Bombelli et al.выявили, что после более чем 10 лет наблюдения у 123 из 1045 пациентов (11,8%) с нормальным исходным размером левого предсердия развился ЛАЭ, а пол, ожирение, артериальная гипертензия могут быть связаны с ЛАЭ (33). У мужчин и людей с ожирением ЛП больше, вероятно, потому, что они имеют больший размер тела. У пациентов с инфарктом миокарда и/или систолической сердечной недостаточностью часто встречается LAE. Однако инфаркт миокарда и сердечная недостаточность не были связаны с LAE в этом исследовании. Возможно, это связано с тем, что распространенность этих двух заболеваний в исследуемой популяции была слишком низкой.LAE обычно возникает в сочетании с пороком митрального клапана и системной гипертензией, что может привести к структурному ремоделированию левого предсердия за счет перегрузки давлением и перегрузкой объемом. Стоит отметить, что у больных АГ ЛАЭ, вероятно, в значительной степени связана с наличием и степенью гипертрофии левого желудочка, а также с риском развития гипертонической сердечной недостаточности. Таким образом, обнаружение LAE с помощью ЭКГ с поддержкой ИИ будет иметь большое значение для стратифицированного ведения и лечения пациентов с артериальной гипертензией.Кроме того, чувствительность, специфичность, точность, прецизионность и балл F1 врачей при диагностике LAE по ЭКГ составили 38,0%, 84,0%, 60,0%, 70,4% и 0,494 соответственно. Подобно этому исследованию, предыдущие исследования показали, что обнаружение LAE с помощью ЭКГ имело низкую чувствительность 30–60% и высокую специфичность около 90% (7). Население, включенное в это исследование, было ≥65 лет. Хотя алгоритм ИИ хорошо показал себя в этой популяции, его диагностическую эффективность в более молодой популяции еще предстоит проверить.

Хотя производительность DNN имеет тенденцию к увеличению по мере увеличения объема обучающих данных, в большинстве случаев трудно получить такие большие объемы размеченных данных. На самом деле DNN применимы и к небольшим наборам данных. Макимото и др. (11) использовали базу данных ЭКГ PTB, состоящую из 289 ЭКГ, включая 148 случаев инфаркта миокарда (ИМ), для разработки CNN для распознавания ИМ на ЭКГ. Глубокое обучение с помощью простой CNN для анализа изображений может обеспечить возможности, сопоставимые с врачами, в распознавании инфаркта миокарда на ЭКГ.Используя дерматоскопические изображения выбранных поражений 514 пациентов, Phillips et al. разработали алгоритм искусственного интеллекта для выявления меланомы с точностью, близкой к точности специалистов (34). Перемещение начальной точки каждого отведения для получения большего количества образцов может быть полезным для разработки приложений ИИ для диагностики ЭКГ с небольшими наборами данных (35).

В заключение, ЭКГ с поддержкой ИИ, полученная во время синусового ритма, позволяет идентифицировать людей с высокой вероятностью LAE.Этот результат может иметь важное значение для скрининга потенциальных сердечно-сосудистых заболеваний, которые вызывают LAE, или для групп высокого риска конкретных сердечно-сосудистых заболеваний. Эта модель требует дальнейшего уточнения и внешней проверки, но она может быть многообещающей для скрининга LAE.

Алгоритм ЭКГ с поддержкой искусственного интеллекта для всесторонней интерпретации ЭКГ: может ли он пройти «тест Тьюринга»?

https://doi.org/10.1016/j.cvdhj.2021.04.002 Получить права и контент сравнить его диагностические характеристики с традиционными методами интерпретации ЭКГ.

Методы

Мы разработали новый алгоритм ЭКГ с поддержкой ИИ (ИИ-ЭКГ), способный выполнять полную интерпретацию ЭКГ в 12 отведениях. Он был обучен на почти 2,5 миллионах стандартных ЭКГ в 12 отведениях от более чем 720 000 взрослых пациентов, полученных в лаборатории ЭКГ клиники Майо в период с 2007 по 2017 год. Затем мы сравнили необходимость редактирования человеком отчетов, созданных автоматизированным компьютером Marquette 12SL. программа, алгоритм AI-ЭКГ и окончательные клинические интерпретации 500 случайно выбранных ЭКГ от 500 пациентов.Вслепую 3 кардиолога-электрофизиолога оценили каждую интерпретацию как (1) идеальную (т. е. не требуется изменений), (2) приемлемую (т. е. требуется незначительных правок) или (3) неприемлемую (т. е. существенных изменений). Требуется правок).

Результаты

Кардиологи установили, что в среднем 202 (13,5%), 123 (8,2%) и 90 (6,0%) интерпретаций требовали серьезного редактирования компьютерной программы, алгоритма AI-ЭКГ и окончательных клинических интерпретаций соответственно. .Они рассматривали 958 (63,9%), 1058 (70,5%) и 1118 (74,5%) интерпретаций как идеальную из компьютерной программы, алгоритма ИИ-ЭКГ и окончательные клинические интерпретации соответственно. Они сочли 340 (22,7%), 319 (21,3%) и 292 (19,5%) интерпретации приемлемыми компьютерной программой, алгоритмом ИИ-ЭКГ и окончательными клиническими интерпретациями соответственно.

Заключение

Алгоритм AI-ЭКГ превосходит существующие стандартные автоматизированные компьютерные программы и лучше приближается к экспертному чтению для комплексной интерпретации ЭКГ в 12 отведениях.

Ключевые слова

Искусственный интеллект

Сверточная нейронная сеть

ЭКГ

Интерпретация ЭКГ

Электрокардиограмма

Электрокардиография

Сердце 200047

Датчики | Бесплатный полнотекстовый | Вычислительные диагностические методы для анализа сигналов электрокардиограммы

Наличие различных шумов, отклонение от априорных знаний, методы выделения признаков и выбор методов уменьшения размерности влияют на качество признаков.Поэтому необходимо оптимизировать параметры каждого шага для получения отличной производительности. В настоящее время, хотя для конкретной задачи разработано много моделей с хорошей производительностью, производительность вычислительных алгоритмов по обобщению все еще неудовлетворительна, и большинство алгоритмов необходимо перепроектировать под конкретную задачу, устройства и даже сценарии приложений. Постоянное увеличение вычислительной мощности и доступность больших объемов данных привели к значительному развитию машинного обучения.Сквозные модели, основанные на DNN, в настоящее время являются наиболее важными решениями для проектирования искусственного интеллекта. Необработанные данные напрямую загружаются в модель DNN без создания каких-либо специальных функций для сквозного анализа. С несколькими слоями нейронов DNN автоматически генерирует соответствующие функции и обеспечивает хорошую производительность с большим объемом данных. Он переносит бремя разработки признаков на сам обучающийся орган и предоставляет возможности для повышения точности и масштабируемости анализа ЭКГ.DNN также превратилась во множество различных сетевых топологий, таких как сверточная нейронная сеть (CNN), рекурсивная нейронная сеть (RNN) и долговременная кратковременная память (LSTM).

Сквозная модель обеспечивает возможность полного анализа ЭКГ, который по своей сути объединяет извлечение признаков и классификацию в обучающую часть и выводит решения для принятия решений. На основе 91 432 ЭКГ в одном отведении от 53 549 пациентов команда Ханнуна разработала DNN для различения 12 различных сердечных ритмов [14].Они сравнили чувствительность классификации модели DNN со средней специфичностью, достигнутой кардиологами. Результаты показали, что площадь под кривой рабочей характеристики приемника (ROC) модели составила 0,97. Значение F1 модели составило 0,837, что выше среднего значения кардиолога 0,780. Эти результаты показали, что предлагаемый сквозной подход к глубокому обучению может классифицировать широкий спектр различных аритмий с высокой диагностической эффективностью, аналогичной эффективности кардиологов [123].Улучшение можно отнести к способности DNN к изучению признаков, которая может реализовать функцию извлечения и классификации признаков. CNN, состоящие из иерархических нейронных сетей, используются как для извлечения признаков, так и для классификации. Его сверточные слои чередуются со слоями субдискретизации, которые могут научиться извлекать особенности, характерные для пациента. Полностью связанные слои, следующие за сверточными слоями, идентичны MLP. Эти слои выполняют задачу классификации для принятия окончательного решения.Недавние исследования, посвященные анализу ЭКГ с использованием сквозного подхода, перечислены в таблице 2. Kiranyaz et al. предложил адаптивную 1D CNN с тремя слоями CNN и двумя слоями MLP для классификации ЭКГ отдельного пациента в реальном времени [124], что позволяет избежать необходимости какого-либо ручного извлечения признаков и постобработки, поэтому он демонстрирует большой потенциал для внедрение для мониторинга сердца из-за его относительной вычислительной сложности. Чжай и др. предложил 2D сеть CNN для классификации аритмий [125].По сравнению с 1D-CNN, предложенной Kiranyaz et al., эта модель улучшает чувствительность наджелудочковых экстрасистол (SVEB) более чем на 12,2%. Матрица фиксирует морфологию одного сердечного сокращения и временную зависимость соседних сердечных сокращений путем преобразования трех соседних сердечных сокращений на ЭКГ в двумерную матрицу связи. Следовательно, по сравнению с 1D CNN, этот метод может более эффективно исследовать взаимосвязь между различными компонентами ЭКГ в соседних сердечных сокращениях, тем самым повышая производительность классификатора.В дополнение к CNN рекуррентная нейронная сеть (RNN) может в полной мере использовать информацию во временной области, поэтому она широко используется для изучения естественного языка и анализа сигналов. Долгосрочная кратковременная память (LSTM) как популярный тип RNN, который сохраняет информацию во временной области, которая важна при обработке последовательных данных. Тан и др. применил CNN для извлечения признаков ЭКГ и LSTM в качестве классификатора для автоматической диагностики сердечно-сосудистых заболеваний [126]. Благодаря использованию трехуровневой LTSM вместо CNN в качестве выходного уровня модель имеет лучшую диагностическую эффективность, чем 11-уровневая модель CNN, предложенная Acharya et al.[127]. Йилдирим предложил модель с хорошей эффективностью и низкими вычислительными затратами для распознавания ЭКГ-сигналов аритмии [128]. Модель сжатия на основе глубокого сверточного автокодировщика (CAE) в сочетании с сетями LSTM для распознавания ударов ЭКГ, что значительно сократило время обучения с 4,5 до 0,6 часа. По сравнению с классической технологией машинного обучения обучение с подкреплением обеспечивает более быстрый механизм обучения и лучше адаптируется к изменениям в окружающей среде. Андерсен и др. предоставили надежную сквозную модель в реальном времени, включая CNN и LSTM, для автоматического обнаружения фибрилляции предсердий в долговременных записях ЭКГ [129].Модель состояла из многослойной сети глубокого обучения со сверточными и рекуррентными слоями (LTSM, рис. 5), которая была вычислительно эффективной. Он мог анализировать 24-часовые записи ЭКГ за 0,92 с. Модель достигла чувствительности 98,98% и специфичности 96,95%. Модель, обученная с помощью базы данных MIT-BIH AF, выполняла обнаружение AF в базе данных MIT-BIH по аритмиям и базе данных MIT-BIH NSR для оценки надежности модели. Экспериментальные результаты показали, что точность модели почти не уменьшилась по чувствительности, а точность снизилась только на 10% по специфичности, что указывает на хорошую надежность модели на разных наборах данных.Надежность модели отражает способность противодействия помехам данных и шуму. В разработке функций разработка функций обычно соответствует наборам данных и конкретным задачам. Неправильная обработка шумов и других помех серьезно повлияет на качество признаков и точность модели. Сквозная нейронная сеть принимает в качестве входных данных необработанные данные, что намного надежнее, чем проектирование признаков. Ачарья и др. предложил 11-слойную глубокую CNN для диагностики инфаркта миокарда на основе данных ЭКГ с шумом и без него и достиг точности 93.53% и 95,22% соответственно [130]. Эксперимент показал, что наличие или отсутствие шума почти не повлияло на точность сквозной нейронной сети, с разницей менее 2%, что отражает удивительную надежность сквозной нейронной сети. Кроме того, сквозная модель также решает некоторые проблемы, которые трудно решить традиционными методами анализа. Традиционные методы анализа обычно анализируют данные определенной длины, такие как данные ЭКГ с одним сокращением, что приводит к потере информации во временной области и не способствует корректировке и модификации.По сравнению с традиционными методами анализа сквозная модель может вводить долгосрочные данные за один раз, а алгоритм почти не меняется, что выгодно для расширения и модификации. Ачарья и др. разработал нейронную сеть на основе CNN для обнаружения аритмии. Сеть поддерживала ввод 2-секундных или 5-секундных данных ЭКГ, достигая точности 92,50% и 94,90% соответственно [131]. Это показало, что долгосрочные данные ЭКГ могут в определенной степени повысить эффективность классификатора. Сквозную модель также можно использовать для решения отдельных задач автоматической оптимизации.В методе, основанном на инженерии признаков, автоматическая оптимизация лиц является одной из самых сложных задач, поскольку распределение обучающих данных и сильное смещение между пациентами приводит к плохой работе модели на практике [86,132,133].

Сквозные нейронные сети также имеют некоторые недостатки. Во-первых, из-за отсутствия предварительных знаний для поддержки сквозные нейронные сети полагаются на высококачественные наборы данных по сравнению с классическими методами машинного обучения. Более крупный и полный набор данных поможет нейронной сети хорошо вписаться.Кроме того, нейронные сети с глубокой архитектурой, включающие большое количество параметров, легко переобучают обучающие данные. Следовательно, в тренировочном процессе необходимы определенные тренировочные навыки. В-третьих, модель становится черным ящиком, что снижает интерпретируемость нейронной сети. Дизайн модели может быть изменен только структурой модели и методами обучения для получения лучших результатов. Однако из-за своих мощных функций сквозные нейронные сети по-прежнему будут одним из основных направлений исследований в области анализа ЭКГ.

Диагностика | Бесплатный полнотекстовый | ЭКГ Smartwatch с улучшенным искусственным интеллектом для определения фракции выброса со сниженной сердечной недостаточностью путем генерации ЭКГ в 12 отведениях

1. Введение

Сердечная недостаточность (СН) является серьезной проблемой для здравоохранения во всем мире: по оценкам, 64,3 миллиона человек живут с СН [1, 2]. Несмотря на достижения в лечении, СН остается фактором высокого риска заболеваемости и смертности и является наиболее частым диагнозом у госпитализированных пациентов старше 65 лет с 5-летней выживаемостью всего 57% [3,4,5].В Соединенных Штатах на HF приходится около 30,7 миллиардов долларов общих ежегодных затрат, и прогноз предполагает, что к 2030 году общая стоимость HF увеличится на 127% до 69,8 миллиардов долларов [3,6]. Пациенты, страдающие СН со сниженной фракцией выброса (HFrEF), становятся менее активными, что приводит к повторным госпитализациям, что приводит к ухудшению качества жизни, в том числе к высоким медицинским расходам [7]. Несмотря на плохой прогноз и высокую экономическую нагрузку, осведомленность о СНнФВ остается относительно низкой из-за ее коварного начала, разнообразной клинической картины и синдромальной природы [8].Ранняя диагностика и своевременное вмешательство могут предотвратить необратимое прогрессирование СНнФВ и смертность [9]. Электрокардиография (ЭКГ) является недорогим тестом, часто выполняемым для различных целей, особенно для базового обследования и скрининга сердечно-сосудистых заболеваний [10]. Мы разработали алгоритм ЭКГ с поддержкой искусственного интеллекта (ИИ), который может улучшить диагностику СНнФВ [11,12]. Однако посещение больницы для ЭКГ в 12 отведениях также неудобно. Умные часы

обладают высокой вычислительной мощностью и сложными датчиками, которые могут предоставлять новые данные о состоянии здоровья, включая ЭКГ.В этом исследовании мы разработали и проверили ЭКГ умных часов с искусственным интеллектом для обнаружения HFrEF. Поскольку смарт-часы могут получать ЭКГ в одном отведении, мы также разработали основанную на глубоком обучении модель (DLM) для создания ЭКГ в 12 отведениях на основе ЭКГ смарт-часов (отведения I и II) для повышения производительности искусственного интеллекта и обнаружения СНнФВ с использованием сгенерированных 12 отведений. -ЭКГ отведения. Кроме того, в этом многоцентровом исследовании мы провели внутреннюю и внешнюю проверку разработанного ИИ. Насколько нам известно, это первое исследование, в котором создается ЭКГ в 12 отведениях на основе ЭКГ смарт-часов и обнаруживается сердечная недостаточность.Основываясь на этой модели глубокого обучения, сердечная недостаточность со сниженной фракцией выброса может быть обнаружена в повседневной жизни с помощью асинхронных ЭКГ с двумя отведениями от устройств ЭКГ образа жизни, таких как смарт-часы.

3. Результаты

Мы определили 137 835 пациентов из больницы А и после применения критериев исключения, включая 137 673 пациентов с 458 745 ЭКГ для разработки набора данных для разработки ЭКГТ2Т. Среди 137 673 пациентов из больницы А 38 643 взрослых пациента, которым в течение 14 дней в больнице А выполняли 10-секундную ЭКГ в 12 отведениях и эхокардиографию, были включены в разработку модели для выявления СНнФВ с использованием 10-секундной ЭКГ в 12 отведениях.Для внешнего тестирования для подтверждения эффективности выявления СН-нФВ с помощью ЭКГ смарт-часов был идентифицирован 761 пациент из больницы B, а 6 пациентов были исключены из-за отсутствующих значений ЭКГ и эхокардиографии. Наконец, 755 пациентов с набором данных 1510 ЭКГ (ЭКГ в 2 отведениях от умных часов A и B) были включены во внешний тест производительности. Как показано в таблице 1, пациенты с СНнФВ были старше, чем пациенты без СНнФВ. А у пациентов с СНнФВ был более удлиненный интервал QRS и фибрилляция или трепетание предсердий, чем у пациентов без СНнФВ.Во время внутренней проверки ЭКГ (больница А) AUC модели ИИ для выявления СНнФВ и СНмрФВ до СНнФВ с использованием 10-секундной ЭКГ в 12 отведениях составила 0,934 (0,929–0,938) и 0,909 (0,904–0,914) соответственно. Как показано на рис. 3, ECGT2T генерировал 10-секундную ЭКГ в 12 отведениях с использованием смарт-часов в 2 отведениях (отведения I и II). Мы вводим сгенерированную 10-секундную ЭКГ в 12 отведениях для разработки модели ИИ, которая обнаруживает HFrEF с использованием ЭКГ в 12 отведениях. Во время внешней проверки (больница B) AUC ИИ для выявления СНнФВ с использованием ЭКГ смарт-часов A и B была равна 0.946 (0,925–0,968) и 0,925 (0,888–0,963) соответственно. Общая производительность 1510 наборов данных ЭКГ (755 умных часов A и 755 умных часов B) составила 0,934 (0,913–0,955), как показано на рис. составил 0,954 (0,935–0,972). Чувствительность, специфичность, PPV и NPV модели ИИ в умных часах A составляли 0,974 (0,925–1,000), 0,821 (0,793–0,849), 0,229 (0,165–0,293) и 0,998 (0,995–1,000) соответственно. Чувствительность, специфичность, PPV и NPV модели ИИ в умных часах B были равны 0.949 (0,879–1,000), 0,820 (0,792–0,848), 0,223 (0,160–0,286) и 0,997 (0,992–1,000) соответственно. Во время внешней проверки (больница B) вторичных выходных данных AUC ИИ для выявления HFmrEF до HFnEF с использованием ЭКГ смарт-часов A и B составляла 0,847 (0,795–0,898) и 0,845 (0,793–0,896) соответственно.

4. Обсуждение

В этом исследовании мы предложили ЭКГ умных часов с поддержкой ИИ для обнаружения СН-нФВ, и она показала приемлемую эффективность в качестве инструмента скрининга. Эти результаты превзошли другие инструменты скрининга, такие как натрийуретический пептид B-типа для HFrEF (AUC 0.871) [17]. Это исследование показало возможность использования умных часов для диагностики различных заболеваний, кроме аритмии. Поскольку эти умные часы уже используются в нашей повседневной жизни, мы могли бы отслеживать и выявлять пациентов с СНнФВ, используя предложенную нами модель искусственного интеллекта.

ЭКГ каждого отведения является сигналом для измерения электрического потока сердца в каждом векторе отведения. Электрический вектор сердца можно оценить путем синтеза данных ЭКГ двух отведений. ЭКГ в 12 отведениях может быть сгенерирована путем реконструкции ЭКГ, соответствующей вектору каждого отведения, определенному на основе предполагаемого электрического тока сердца.ECGT2T — это модель глубокого обучения, основанная на этой концепции и генерирующая ЭКГ с использованием генеративно-состязательной сети.

ЭКГ в двенадцати отведениях требовалась для оценки состояния сердечно-сосудистых заболеваний с использованием разнообразной векторной информации о сердце. Однако в повседневной жизни ЭКГ в 12 отведениях не всегда практична или выполнима, потому что трудно разместить отведение от груди и конечностей в точном месте. В этом исследовании мы сгенерировали ЭКГ в 12 отведениях и выявили сердечную недостаточность со сниженной фракцией выброса, используя только отведения I и II, которые могли быть зафиксированы смарт-часами, используемыми в повседневной жизни.Таким образом, это исследование является важной вехой в использовании ЭКГ для выявления сердечно-сосудистых заболеваний в повседневной жизни. Хотя предыдущие исследования выявляли заболевания с помощью ЭКГ, исследования с использованием ЭКГ в 12 отведениях и других устройств проводились только в условиях стационара. Здесь мы разработали методологию глубокого обучения, которая генерирует ЭКГ с устройств образа жизни и умных часов. Поэтому нашу методику можно использовать в повседневной жизни. Основным вкладом этого исследования является предоставление методологии выявления заболеваний в повседневной жизни, основанной на модели глубокого обучения с использованием одного устройства для ведения образа жизни, такого как умные часы.

Растущая распространенность СН делает ее одной из самых дорогостоящих болезней для Medicare [18]. Более 30% пациентов с СН наблюдаются в условиях клиники, и более 40% недавно поступивших с декомпенсацией требуют повторной госпитализации в течение года [19]. Раннее выявление СН-нФВ дает возможность протестировать и разработать эффективный образ жизни и жизненно важную медикаментозную терапию [9]. Эволюция и внедрение цифровых медицинских технологий и мобильных медицинских устройств могут решить эту проблему.На нашу повседневную жизнь влияют технологические инновации, а недавняя тенденция коммерческих умных носимых устройств направлена ​​​​на улучшение нашего здоровья [20]. Умные носимые устройства — это подключенные электронные устройства, предназначенные для повседневного использования, которые можно носить на теле в качестве аксессуара или интегрировать в одежду. Умные часы и браслеты обладают высокой вычислительной мощностью и сложными датчиками, которые могут предоставлять новую информацию о состоянии здоровья [20]. Носимые медицинские устройства — это аспект медицинского здравоохранения, который может улучшить оказание помощи при СН, позволяя собирать медицинские данные за пределами кабинета врача или больницы.Носимые устройства применяются снаружи и собирают функциональные или физиологические данные для мониторинга и улучшения здоровья пациентов. Это может быть экономически эффективным методом обнаружения СН до того, как она станет смертельной. Персонализированный уход за пациентами стал дистанционным и децентрализованным из-за пандемии COVID-19 [21]. Сообщество сердечно-сосудистых заболеваний должно использовать коммерчески доступные носимые технологии, а также широкий спектр клинических приложений, которые они могут использовать. Однако интеграция этой технологии в клиническое рабочее место все еще находится на ранней стадии.Согласно предыдущим медицинским знаниям, ЭКГ можно было использовать для выявления заболеваний с небольшим охватом, таких как аритмия и инфаркт миокарда с подъемом сегмента ST. Мы не могли разработать диагностические критерии и инструменты, используя нелинейные корреляции между различными заболеваниями и малозаметными изменениями на основе обычных статистических методов, таких как логистическая регрессия [22]. Недавно ИИ был принят для диагностики многих заболеваний и состояний и для прогнозирования развития болезни [23]. Большинство ИИ для выявления заболеваний с помощью ЭКГ основано на глубоком обучении.Наиболее важной силой глубокого обучения является автоматическое извлечение признаков [24]. В частности, глубокое обучение автоматически извлекает особенности ЭКГ для выявления заболеваний без каких-либо человеческих инженерных ресурсов, необходимых для определения характеристик для использования модели. Это сократило время и стоимость разработки ИИ. Важность автоматического выделения признаков заключается в том, что мы можем извлекать признаки и разрабатывать модель без ущерба для человека. ИИ, основанный на глубоком обучении, основан только на информации из данных, а не на медицинских знаниях.Этот аспект показал возможность улучшения модели для выявления различных заболеваний и отображения новых медицинских данных по сравнению с предыдущими медицинскими знаниями. Важным недостатком глубокого обучения является переобучение [23]. В частности, глубокое обучение может быть подчинено среде, в которой получают данные разработки. Поэтому мы должны проверить разработанный ИИ в других больницах и средах. Важным моментом этого исследования была внешняя валидация. Мы подтвердили эффективность модели ИИ, используя данные из других больниц и других устройств в этом исследовании.Другими словами, мы разработали ИИ, используя данные ЭКГ в 12 отведениях из больницы А и подтвержденный внешними организациями ИИ с использованием ЭКГ умных часов из больницы Б.

Преимущество ИИ заключается в том, что он экономит расходы на здравоохранение. Используя этот ИИ, HFrEF можно было бы проверять с помощью носимых часов без врача, и он мог бы направлять пациентов из группы риска к кардиологам для подтверждающих диагностических тестов. Таким образом, эта процедура выгодна для стран с низким уровнем дохода, чтобы спасти пациентов от необратимого прогрессирования заболевания и смерти. Этот ИИ можно было бы использовать в носимых часах в повседневной жизни, а HFrEF можно было бы обнаруживать и отслеживать на ранних стадиях без осложнений.Это решение для профилактического ухода необходимо для снижения затрат на здравоохранение.

Это исследование имело несколько ограничений. Во-первых, мы проверили ЭКГ умных часов с поддержкой ИИ для обнаружения СН-нФВ в условиях больницы. Поскольку существует вероятность снижения производительности в повседневной жизни дома, нам нужно было проверить этот ИИ в домашних условиях [25]. Во-вторых, это исследование проводилось в Южной Корее, и необходимо валидировать ИИ в других странах. Мы проверим производительность и значимость предложенной модели с помощью предполагаемого удаленного домашнего ухода в многонациональном исследовании.

Расшифровка сердца: что такое ЭКГ?

Если вы изучили наше новейшее приложение «Физиология и патология», вы могли заметить, что одним из инструментов, который вы можете использовать наряду с бьющимся сердцем, является отслеживание ЭКГ. Выглядит это примерно так:

Итак, что кучка закорючек может рассказать врачам о том, как работает чье-то сердце? На самом деле довольно много. Сегодня мы поговорим о том, что такое ЭКГ, как она работает и что именно она показывает врачам о сердце человека.

 

Что такое ЭКГ?

Давайте начнем с самого основного вопроса: что такое ЭКГ? Самый простой ответ заключается в том, что это неинвазивный метод измерения электрической активности сердца во время сердечного цикла. Врачи могут видеть, сколько времени требуется электрическому сигналу, чтобы пройти через сердце, и насколько велики изменения напряжения при этом. Это может помочь им выяснить, является ли частота сердечных сокращений пациента нормальной или ненормальной, и не перегружаются ли определенные части сердца.

Лучше всего то, что ЭКГ не причиняет пациенту никакой боли (хотя снятие электродов после процедуры похоже на снятие пластыря).

Забавный факт: вы, возможно, слышали, что ЭКГ называется ЭКГ. Это связано с тем, что Вильгельм Эйнтховен, человек, впервые назвавший этот метод и получивший Нобелевскую премию за его открытие в 1924 году, работал в Нидерландах, поэтому он использовал голландский термин «электрокардиограмма» — отсюда и аббревиатура ЭКГ.

 

Как проводится ЭКГ?

Как измерить, что происходит в сердце, не копаясь в теле человека? Вы используете электроды, которые могут улавливать внутреннюю электрическую активность с поверхности кожи.Эти электроды подключены через провода к машине, которая отображает записанное напряжение в зависимости от времени.

Изображение из журнала «Физиология и патология».

ЭКГ, представленные сегодня, называются ЭКГ с 12 отведениями, потому что они используют 10 электродов для отображения 12 различных электрических «проекций» сердца. (Примечание. «Отведение» может относиться либо к самому электроду/проводу, либо к изображению сердца, полученному с помощью комбинации электродов.) Шесть электродов размещаются на груди пациента, и по одному электроду размещается на каждой конечности.

 

Что измеряет ЭКГ?

Один цикл сердечного цикла проявляется тремя основными «зубцами» на ЭКГ — зубцом P, комплексом QRS и зубцом T. Эти волны отражают деятельность системы электропроводности сердца, состоящей из специализированных мышечных волокон.

Зубец P
Сердцебиение начинается с генерации электрического сигнала в синоатриальном узле (СА-узле) — естественном кардиостимуляторе сердца — и этот сигнал впоследствии передается в атриовентрикулярный узел (АВ-узел).На ЭКГ это то, что представляет зубец P, этот первый маленький импульс.

Кадры из физиологии и патологии.

Электрический сигнал, который начинается в СА-узле и проходит к АВ-узлу, стимулирует сокращение предсердий сердца, выталкивая кровь в желудочки. Помните — электрический сигнал возникает немного раньше, чем настоящие движения мышц!

Интервал PR
Интервал PR — это время между началом зубца P и началом (первое отклонение) комплекса QRS.

Комплекс QRS
Большой пик в середине ЭКГ представляет собой комплекс QRS, который отражает электрические сигналы, приводящие к сокращению желудочков. Он состоит из нескольких волн, но обычно они группируются для анализа.

Как только электрический сигнал достигает АВ-узла, он проходит по атриовентрикулярному пучку (пучок Гиса), а затем по волокнам пучка идет к волокнам Пуркинье. Это стимулирует сокращение желудочков, выталкивая кровь из сердца через легочную артерию и аорту.

Кадры из физиологии и патологии.

Интервал ST
Интервал ST или сегмент ST — это время между окончанием комплекса QRS и началом зубца T. Это означает, что он представляет собой «период нулевого потенциала между желудочковой деполяризацией и реполяризацией» — другими словами, паузу между сокращением и восстановлением.

Зубец Т
Зубец Т отражает электрическую активность сердца, возвращающуюся к исходному уровню — реполяризацию желудочков.(Реполяризация предсердий происходит во время комплекса QRS, поэтому на ЭКГ она не видна четко.) После реполяризации желудочков мышцы желудочков расслабляются.

Кадры из физиологии и патологии.

 

Как ЭКГ помогают диагностировать болезни сердца?

ЭКГ

могут помочь медицинским работникам выявлять и/или контролировать несколько типов сердечных заболеваний, включая аритмии, закупорку артерий, сердечную недостаточность, сердечные приступы и повреждения сердца.Обычно ЭКГ используется, когда у кого-то проявляются симптомы проблемы с сердцем, такие как боль в груди, головокружение, усталость или одышка.

ЭКГ

также помогают врачам измерять эффективность таких видов лечения, как кардиостимуляторы и лекарства. Современные технологии могут вскоре позволить ЭКГ выявлять эпизоды гипогликемии (низкий уровень сахара в крови) неинвазивным способом, что будет отличной новостью для людей с диабетом.

Показатели ЭКГ для определенных сердечных заболеваний часто имеют определенные идентифицируемые характеристики в отношении различных волн и интервалов.Вот несколько примеров.

Мерцательная аритмия — это аритмия, при которой предсердия сердца не сокращаются нормально — хаотические электрические сигналы заставляют их дрожать, а не сокращаться в регулярном ритме. Без лечения мерцательная аритмия может привести к тому, что у человека в два раза больше шансов умереть от причины, связанной с сердцем, и в пять раз больше шансов страдать от инсульта.

На ЭКГ ФП можно определить по отсутствию нормального зубца P. Зубец QRS все еще присутствует, но происходит с нерегулярными интервалами.

«Пилообразный» зубец P характерен для трепетания предсердий, которое не то же самое, что мерцательная аритмия, но тесно связано с ним.

Аномалии сегмента ST могут означать несколько вещей, в зависимости от их характера и того, на каких отведениях/электродах они видны. Депрессия сегмента ST в определенных отведениях может указывать на ишемию, что означает, что нарушенный приток крови к сердечной ткани лишает эту ткань кислорода. Повышение ST в определенных отведениях может быть признаком инфаркта миокарда (ИМ), также известного как сердечный приступ.ИМ возникает, когда происходит отмирание тканей в результате закупорки коронарных артерий, препятствующей поступлению достаточного количества крови к сердечным мышцам.

По сути, ЭКГ является важным инструментом в кардиологии, поскольку медицинские работники должны иметь возможность оценивать работу проводящей системы сердца, чтобы диагностировать и отслеживать такие состояния сердца, как аритмии и повреждения миокарда.

Если вы хотите узнать больше о сердечном цикле и сердечно-сосудистых патологиях, откройте раздел «Физиология и патология» и понаблюдайте за бьющимся сердцем в действии!

Чтобы узнать больше о структурах, из которых состоит сердце, ознакомьтесь с нашей электронной книгой Build a Heart!


Не забудьте подписаться на  Visible Body  Blog, чтобы узнать больше об анатомии!

Вы инструктор? У нас есть отмеченные наградами 3D-продукты и ресурсы для вашего курса анатомии и физиологии! Узнайте больше здесь.


Дополнительные источники:

Что такое дефибриллятор? Как работает дефибрилляция для оживления пациентов?

Прежде чем мы начнем, посмотрите эту сцену из фильма Человек-паук 3 .

Ближе к концу сцены вы видите, что Гарри (друг Питера Паркера, он же Человек-Паук) лежит на операционном столе в больничной палате. Доктор трет лопасти друг о друга и кричит: « Чисто!» », и доктор бьет его веслами.

Возможно, вы видели эти весла во многих фильмах или телевизионных шоу, где кого-то воскрешают из мертвых, ударяя по ним электрическим током. Держу пари, из всех, кто видел, как это устройство используется в фильмах и телешоу, более 70% людей не знают, что на самом деле делает эта машина.

Дефибриллятор, используемый на главном герое в фильме Доктор Стрэндж (Фото: Доктор Стрэндж (фильм, 2016 г.) / Marvel Studios Production)

Многие просто скажут, что устройство перезапускает сердце пациента (которое, возможно, перестало биться из-за какой-то травмы или травмы), тем самым возвращая пациента из мертвых.Это то, во что вас внушает популярная культура, но у меня есть для вас новости… это не то, что на самом деле делают эти устройства, известные как дефибрилляторы.


Рекомендуемое видео для вас:


Что такое дефибрилляция?

Человеческое сердце использует слабый электрический ток, чтобы сокращаться и перекачивать кровь в артерии. Вы когда-нибудь видели отчет об электрокардиограмме (ЭКГ)? Он в основном измеряет электрические токи, проходящие через ваше сердце.

Типовой отчет ЭКГ.(Фото: Олагоке Акинванде, Ясмин Хамирани и Ашок Чопра / Wikimedia Commons) В результате сердцебиение становится неустойчивым или нерегулярным. В этом случае используется метод, называемый дефибрилляцией.

Другими словами, дефибрилляция — это лечение опасного для жизни состояния, когда сердцебиение становится нерегулярным — либо слишком медленным, либо слишком быстрым (эти состояния называются сердечной аритмией).Два распространенных состояния, при которых обычно требуется/используется дефибрилляция, включают фибрилляцию желудочков (ФЖ) и неперфузионную желудочковую тахикардию (ЖТ).

ЭКГ, показывающая фибрилляцию желудочков – состояние, при котором сердце дрожит, а не качается, из-за неорганизованной электрической активности в желудочках сердца. (Фото: Jer5150/Wikimedia Commons)

Дефибрилляция проводится с помощью устройства, называемого дефибриллятором.

Дефибриллятор

Дефибриллятор — это устройство, которое подает контролируемое количество электрического тока (на медицинском языке называется «контршок») к сердцу.Дефибриллятор используется, когда сердцебиение пациента неустойчиво или, если угодно, вне ритма.

Когда человек страдает остановкой сердца, с его сердцем потенциально может произойти ряд вещей: у него может быть учащенный сердечный ритм (тахикардия), неорганизованный электрический ритм, который не позволяет сердечным мышцам сокращаться ( фибрилляции), или у них может отсутствовать электрический ток через сердце (асистолия). В некоторых из этих ситуаций для помощи пациенту может быть использован дефибриллятор.

Автоматический внешний дефибриллятор, готовый к использованию. Колодки предварительно подключены. Данная модель является полуавтоматической из-за наличия ударной кнопки. (Фото: Creative Commons Attribution 3.0 Unported / Wikimedia Commons)

Как работают дефибрилляторы?

Лопасти/наклейки дефибриллятора при прикреплении к телу пациента пропускают ограниченное количество электрического тока и деполяризуют большую часть сердечной мышцы, что впоследствии прекращает аритмию. Проще говоря, дефибриллятор полностью останавливает сердце , вопреки распространенному мнению, что он перезапускает сердце.

Дефибрилляторы бывают нескольких типов, в том числе ручной внешний дефибриллятор (для этого требуется опыт медицинского работника), ручной внутренний дефибриллятор (в основном используется в операционной), автоматический внешний дефибриллятор или АНД (чаще всего можно увидеть в фильмах и может использовать неопытный человек) и имплантируемый кардиовертер-дефибриллятор.

Все версии дефибрилляторов обычно состоят из двух электродов или наклеек , которые размещаются на теле пациента в очень определенном положении, чтобы пропустить через сердце пациента желаемое количество тока.

Положение электродов во время дефибрилляции/кардиоверсии, положение сердца, поток внутрисуставной энергии во время разряда. (Фото: PhilippN / Wikimedia Commons)

В общем, дефибриллятор не оживляет пациента, перезапуская сердце; на самом деле, он полностью останавливает сердце, тем самым в некотором роде «перезапуская» сердцебиение. Затем сердце возобновляет свое биение, на этот раз следуя ритмичному образцу, при условии, что все идет хорошо.

Почему врачи говорят «

Ясно!» перед использованием дефибриллятора?

Врачи всегда громко произносят «Чисто!» перед тем, как положить разрядные электроды на тело пациента и пропустить через него электрический ток.Почему?

Это связано с тем, что дефибрилляторы пропускают электрический ток через тело пациента. Таким образом, если кто-либо еще прикасается или имеет какой-либо физический контакт с пациентом в то время, когда врач применяет разряд, он также может получить удар током. Вот почему врач кричит: « ясно!» » непосредственно перед нанесением разряда пациенту, чтобы любой, кто прикасается к пациенту, знал, что нужно «убираться».

Рекомендуемая литература

Набор данных МРТ, ЭЭГ, когнитивных функций, эмоций и периферической физиологии мозга и тела у молодых и пожилых людей

Участники

Общая выборка включала 227 участников в двух возрастных группах.Младшая возрастная группа составляла от 20 до 35 лет (N = 153, 45 женщин, средний возраст = 24 года, средний возраст = 25,1 года, стандартное отклонение (SD) = 3,1), а старшая возрастная группа — от 59 до 77 лет. старые (N = 74, 37 женщин, средний возраст = 67 лет, средний возраст = 67,6 года, SD = 4,7). Все участники были протестированы в Дневной клинике когнитивной неврологии Университетской клиники Лейпцига и Институте Макса Планка по изучению человека, когнитивных наук и мозга (MPI CBS) в Лейпциге, Германия. Исследование проводилось в соответствии с Хельсинкской декларацией, и протокол исследования был одобрен комитетом по этике медицинского факультета Лейпцигского университета (номер ссылки 154/13-ff).

Критерии набора и исключения

Участники были набраны с помощью публичной рекламы, листовок, онлайн-рекламы и информационных мероприятий в Лейпцигском университете. Право на участие в исследовании было определено в два этапа, которые обозначены как день 0 на рис. 1. Во-первых, мы предварительно проверили потенциальных участников по телефону с помощью полуструктурированного интервью на предмет приемлемости для исследования (N = 695). Лица, которые не соответствовали каким-либо критериям исключения при предварительном отборе (таблица 1), были приглашены в MPI CBS для получения подробной информации об исследовании на групповом брифинге.Там они были проинформированы о процедуре исследования и ее мерах с особым акцентом на получение МРТ и безопасность. После группового брифинга врач-исследователь провел второй индивидуальный скрининг каждого участника, чтобы убедиться, что ни один из критериев исключения не был выполнен. Участники, которые были включены в исследование, предоставили письменное информированное согласие до получения каких-либо данных для исследования (включая согласие на анонимное предоставление их данных). Участники получили денежную компенсацию за волонтерство в исследовании после завершения всех дней оценки.Участник был исключен из-за патологии головного мозга после завершения исследования, таким образом, общее число включенных участников составило 227.

Рисунок 1: Обзор сбора данных.

Меры перечислены в порядке их приобретения и продолжительности по времени в каждый день оценки.

Таблица 1 Критерии исключения.

Процедура

Сбор данных проводился с сентября 2013 г. по сентябрь 2015 г. и был разделен на четыре «раунда» (подвыборки) с различными временными интервалами между каждым раундом.Раунд 1 был получен с 09/2013 по 12/2013 и включал 53 (34 женщины, молодые N = 31, 17 женщин, средний возраст = 24,0, SD = 2,8, старше N = 22, 17 женщин, средний возраст = 67,4, SD =4,1, 23,3% от общей выборки) участников.

Набор 2-го тура длился с 02/2014 по 06/2014 и включал 59 (25 самок, молодые N=36, 14 самок, средний возраст=25,3, SD=3,3, старше N=23, 11 самок, средний возраст= 68,9, SD = 5,2, 26% от общего числа участников).

В раунде 3, 58 (23 женщины, молодые N=29, 14 женщин, средний возраст=25, SD=3.7, старше N = 29, 9 женщин, средний возраст = 66,6, стандартное отклонение = 4,6, 25,6% от общей выборки) участники были протестированы между 10/2014 и 03/2015.

Раунд 4 состоял только из 57 молодых мужчин (средний возраст = 25,6, SD = 2,6, 25,1% от общей выборки) и был получен с 03/2015 по 09/2015. В раунде 4 мы ограничили выборку только участниками мужского пола, поскольку эти участники были включены в последующий стрессовый эксперимент (не описанный здесь), в котором участвовали только мужчины (это было связано с попыткой воспроизвести предыдущее исследование, проведенное на солдатах-мужчинах). .

Была установлена ​​следующая общая процедура исследования. В процессе исследования некоторые показатели были адаптированы и поэтому недоступны для всей выборки. В Таблице 2 и Таблице 3 представлен подробный обзор всех мер и их доступности для дня оценки 1 и дня 2, а в Таблице 4 представлен подробный обзор всех мер и их доступности для дней последующей оценки.

Таблица 2. Обзор показателей и доступности данных для дня 0 и дня 1. Таблица 3. Обзор показателей и доступности данных для дня 2. Таблица 4 Последующие дни оценки.

Участники прошли два дня оценки продолжительностью около 4 часов каждый (рис. 1). Первый день оценки (день 1) включал серию когнитивных тестов, МРТ, измерение артериального давления и антропометрические измерения, а также получение образца крови. На второй день оценки (день 2) мы получили данные электроэнцефалограммы (ЭЭГ) в состоянии покоя, и участники прошли психологическую оценку, включая батарею тестов на эмоции и личность, а также психиатрическое интервью.Участников также приглашали для последующих экспериментов, некоторые из которых включены сюда (третье измерение артериального давления, анкета «Перспектива будущего времени», «Многомерная анкета состояния настроения»).

Дополнительный проект Mendes et al . 21 включал 194 участника, из которых 109 участников заполнили оба протокола, что позволяет проводить повторные измерения (например, тест-повторный анализ). Некоторые данные Mendes et al . будет выпущен в рамках исследования, описанного здесь (например,грамм. непрерывные периферические физиологические записи во время фМРТ в состоянии покоя (rs).

Психологическая оценка

Батарея когнитивных тестов

Когнитивные тесты проводились студентами-психологами, специально обученными нейропсихологической оценке, в соответствии со стандартным протоколом. В первый день участники прошли сеанс когнитивного тестирования из шести когнитивных тестов в фиксированном порядке (см. Таблицу 5). Подтесты («Бдительность», «Несовместимость» и «Рабочая память») «Теста работоспособности внимания» (TAP) проводились в электронном виде через компьютер.Обзор этого сеанса когнитивного тестирования показан в таблице 5, а подробная информация обо всех показателях представлена ​​в следующем разделе.

Таблица 5 Батарея когнитивных тестов.
Калифорнийское задание по вербальному обучению (CVLT)

Калифорнийское задание по вербальному обучению (CVLT) 22 оценивает словесное обучение и объем памяти. Участникам акустически предъявляются 16 слов, которые нужно запомнить и вспомнить или распознать несколько раз. Путем количественной оценки CVLT показывает, сколько информации было получено за раунды, и, генерируя множество показателей, может предоставить информацию о различных стратегиях обучения.Задание состоит из двух основных частей (CVLT-часть 1 и CVLT-часть 2), а во второй части через 20 минут происходит еще один свободный отзыв. В промежутке между отзывом 1 и 2 обычно выполняется другая невербальная задача, например, другие когнитивные задачи. В настоящем исследовании применялся ТАР-тест (см. ниже), поскольку задания не должны мешать вербальному обучению.

Тест производительности внимания (TAP)

Тест производительности внимания (TAP) 23 измеряет различные аспекты обработки внимания.Здесь использовалась версия TAP 2.3.1. Три подтеста оценивали способность участника к устойчивому вниманию («TAP Alertness» и «TAP Incompatibility» — т. е. эффект Саймона) и рабочую память («TAP Working Memory» — т. е. задание 2-back) 23 . Ошибки, упущения и время реакции в этих подтестах регистрировались как показатели эффективности.

Тест следования (TMT)

Тест следования (TMT) измеряет когнитивную гибкость и состоит из подтеста A (TMT-A) и подтеста B (TMT-B) 24 .Участников просят быстро и правильно соединить круги, которые случайным образом распределены на листе бумаги. В TMT-A эти кружки содержат числа от 1 до 25. В TMT-B цифры и буквы должны соединяться в чередующемся и возрастающем порядке. Время реакции количественно определяет зрительное внимание и исполнительные функции.

Wortschatztest (WST)

Словарный тест (Wortschatztest, WST) 25 предназначен для измерения уровня вербального интеллекта и оценки понимания языка.Определяя словарный запас человека, WST позволяет оценить его кристаллизованный интеллект. Он состоит из 43 строк по 6 слов в каждой. В каждой строке участники должны определить одно слово, которое на самом деле существует в немецком языке.

Подтест 3 системы Leistungsprüfsystem 2 (LPS-2)

Подтест 3 системы тестирования производительности (Leistungsprüfsystem 2, LPS-2) 26 измеряет логическое или умозаключительное мышление и количественно определяет подвижный интеллект. В подтесте 3 участников просят определить один элемент в ряду символов, который не соответствует логическому правилу этого ряда.Цель состоит в том, чтобы найти как можно больше предметов в течение трех минут.

Regensburger Wortflüssigkeitstest (RWT)

Регенсбургский тест на беглость слов (Regensburger Wortflüssigkeitstest, RWT) 27 определяет беглость речи человека. В разделе «S-Words» у участников есть две минуты, чтобы назвать как можно больше допустимых немецких слов, начинающихся с буквы «S». В разделе «Животные» в течение двух минут нужно назвать как можно больше животных. Правильное количество слов определяет формальную лексическую («S-слова») или категориально-семантическое беглость («Животные»).

Батарея тестов на эмоции и личность

На 2-й день участников попросили ответить на электронные версии 18 анкет, связанных с эмоциями ( см. первые 18 разделов ниже) в произвольной последовательности на компьютере (LimeSurvey, версия 2.0) 28 . Заполнение всей анкеты занимало в среднем от 1,5 до 2,5 часов с небольшим перерывом через 45 мин.

Помимо электронной тестовой сессии из 18 анкет, ответы на которые были даны на компьютере с помощью LimeSurvey, были бумажные версии трех других анкет, связанных с эмоциями ( ср.последние 3 раздела ниже) , которые были заполнены в разные моменты времени. Ответы на Многомерный опросник состояния настроения ( немецкий MDBF) давались в каждый из двух дней оценки. После сеанса МРТ участники заполнили нью-йоркский опросник познания (NYC-Q). Опросник Future Time Perspective (FTP) оценивался во время раундов LEMON 1–3 только в начале последующего эксперимента. Обзор отдельных вопросников можно найти в Таблице 6 (доступна только в Интернете), а более подробное описание приведено в разделе ниже.

Таблица 6. Набор тестов эмоций и личности с показателями их надежности.
Большая пятерка личности (NEO-FFI)

Мы использовали немецкую адаптацию NEO-Five-Factor Inventory 29 для оценки Большой пятерки личности Коста и МакКрэя (NEO-FFI) 30 . 60 пунктов можно разделить на пять факторов: «невротизм», «экстраверсия», «открытость опыту», «приятность» и «сознательность». Ответы даются по 5-балльной шкале Лайкерта от 0 (категорическое отрицание) до 4 (полное одобрение).

Шкала импульсивного поведения (UPPS)

Мы применили немецкую адаптацию (UPPS) 31 Шкалы импульсивного поведения (UPPS) 32 для оценки четырех подпараметров импульсивности: «Срочность», «Преднамеренность», «Настойчивость». » и «Поиск сенсаций». 45 вопросов оцениваются по 4-балльной шкале Лайкерта от 1 (полностью согласен) до 4 (полностью не согласен).

Система поведенческого торможения и приближения (BIS/BAS)

Немецкая версия 33 Системы поведенческого торможения и приближения (BIS/BAS) 34 применялась для измерения реактивности аверсивного «Поведенческого торможения» и аппетитивного Мотивационные системы «поведенческого подхода» в ответ на наказание или вознаграждение.Этот показатель состоит из подшкалы BIS и трех подшкал BAS «Стремление», «Отзывчивость к вознаграждению» и «Поиск развлечений», каждая из которых состоит из 7 пунктов. В общей сложности 24 пункта оцениваются по 4-бальному формату ответа типа Лайкерта в диапазоне от 1 (совсем не относится ко мне) до 4 (полностью относится ко мне).

Опросник регуляции эмоций (ERQ)

Для измерения индивидуальных различий в регуляции привычных эмоций участники заполнили немецкую версию 35 опросника регуляции эмоций (ERQ) 36 , который состоит из 10 пунктов, на которые нужно ответить в 7-балльная шкала Лайкерта от 1 (полностью не согласен) до 7 (полностью согласен).Шесть из 10 пунктов измеряют тенденцию к использованию переоценки для регуляции эмоций, а остальные 4 пункта оценивают привычное подавление экспрессии.

Опросник когнитивной регуляции эмоций (CERQ)

Опросник когнитивной регуляции эмоций (CERQ) оценивает когнитивные аспекты регуляции эмоций 37,38 . Он содержит девять шкал, измеряющих пять адаптивных (принятие, позитивное перефокусирование, переориентация на планирование, позитивная переоценка, рассмотрение в перспективе) и четыре неадекватных стратегии регуляции эмоций (самобвинение, размышления, катастрофизация, обвинение других) по 5-балльной шкале Лайкерта. от 0 (почти никогда) до 4 (почти всегда).

Стиль регуляции аффекта (MARS)

Мы использовали немецкую версию (внешний официальный перевод, еще не проверенный) стиля регуляции меры аффекта (MARS) 39 для оценки когнитивных и поведенческих аспектов регуляции эмоций. Шкала состоит из шести подшкал: «Поведенческое отвлечение», «Когнитивное отвлечение», «Стратегии, ориентированные на ситуацию», «Стратегии, ориентированные на эмоции», «Отстранение» и «Избегание». Оценки выставляются по 7-балльной шкале Лайкерта от 0 (никогда) до 6 (почти всегда).Поскольку эти данные относятся к первой версии немецкой проверки — процесс, который все еще продолжается, — данные следует использовать с осторожностью.

Анкета социальной поддержки (F-SozU K-22)

Воспринимаемая социальная поддержка оценивалась с использованием немецкого Fragebogen zur Sozialen Unterstützung 40 , короткой версии Анкеты социальной поддержки из 22 пунктов (F-SozU K-22) 41 . Шкала включает подшкалы «Эмоциональная поддержка», «Практическая поддержка», «Социальная интеграция», «Наличие доверенного лица» и «Удовлетворенность социальной поддержкой».На 22 пункта даны ответы по 5-балльной шкале Лайкерта от 1 (совсем не применимо) до 5 (полностью применимо).

Многомерная шкала воспринимаемой социальной поддержки (MSPSS)

Немецкая версия Многомерной шкалы воспринимаемой социальной поддержки (MSPSS) 42 использовалась для оценки воспринимаемой доступности социальных ресурсов в кругу друзей, семьи и других значимых людей. . В дополнение к трем субшкалам источников социальной поддержки можно рассчитать суммарный балл.Оценки могут быть предоставлены по 7-балльной шкале Лайкерта от 1 (совершенно неверно) до 7 (совершенно верно).

Ориентированность на преодоление пережитых проблем (Brief COPE)

Мы использовали немецкую адаптацию версии краткого опросника COPE из 28 пунктов 43 для оценки ориентации участников на преодоление пережитых проблем (Brief COPE) 44 . Измерение состоит из четырех субшкал: «Положительное преодоление», «Активное преодоление», «Поддерживающее преодоление» и «Уклонительное преодоление». Ответы оцениваются по 4-балльной шкале Лайкерта от 1 (совсем нет) до 4 (очень сильно).

Пересмотренный вопросник оптимизма и пессимизма (LOT-R)

Немецкая версия 45 пересмотренного теста жизненной ориентации (LOT-R) использовалась для оценки индивидуальных различий в общем оптимизме по сравнению с пессимизмом 46 . 10 пунктов добавляются к общему баллу оптимизма в диапазоне от 0 до 24, при этом более высокие баллы представляют большее положительное ожидание. Ответы оцениваются по 5-балльной шкале Лайкерта от 0 (совсем не применимо) до 4 (полностью применимо).

Опросник воспринимаемого стресса (PSQ)

Мы использовали немецкую версию 47 короткой версии из 20 пунктов Опросника воспринимаемого стресса (PSQ) 48 , чтобы оценить восприятие, оценку и обработку стрессоров во время стресса. последние два года.Шкала содержит четыре подшкалы «Беспокойство», «Напряжение», «Радость» и «Требования». Ответы оцениваются по 4-балльной шкале Лайкерта от 1 (почти никогда) до 4 (обычно).

Трирский реестр хронического стресса (TICS)

Для оценки аспектов хронического стресса мы использовали немецкую версию 49 Трирского реестра хронического стресса (TICS) 50 . Шкала из 57 пунктов включает девять факторов хронического стресса: «Рабочая перегрузка», «Социальная перегрузка», «Необходимость выполнения», «Недовольство работой», «Чрезмерные требования на работе», «Отсутствие социального признания», «Социальная напряженность». », «Социальная изоляция» и «Хроническое беспокойство».Ответы оцениваются по 5-балльной шкале Лайкерта от 0 (никогда) до 4 (очень часто).

Пищевое поведение (ОФВ)

Трехфакторный опросник о пищевом поведении (TFEQ) 51 , немецкая версия Fragebogen zum Essverhalten (ОФВ) 52 был использован для оценки трех аспектов пищевого поведения. «Когнитивное ограничение приема пищи» измеряет, находится ли пищевое поведение под когнитивным, а не физиологическим контролем, «Растормаживание еды» измеряет отсутствие контроля над едой, особенно в присутствии заманчивых внешних сигналов или ситуаций, а «Подверженность голоду» измеряет. переживание выраженного и беспокоящего субъективного чувства голода.На 60 пунктов даны ответы в различных форматах ответов, начиная от дихотомических шкал (применяется, не применяется) до 4-балльной шкалы Лайкерта от 1 (всегда) до 4 (никогда) или от 1 (очень сильно) до 4 (нет). Элементы 58-60 оцениваются путем выбора из списка описаний поведения.

Пищевая зависимость (YFAS)

Мы использовали немецкую версию 53 Йельской шкалы пищевой зависимости (YFAS) 54 , чтобы классифицировать пищевое поведение, зависимое от пищи. Двадцать из 27 пунктов оценивают семь критериев зависимости DSM-IV-TR 55 , два пункта оценивают, вызывает ли пищевое поведение клинически значимое нарушение, три пункта требуют определенных продуктов, связанных с проблемным пищевым поведением, и три пункта выступать в качестве учебника для других вопросов.Элементы оцениваются либо по 5-балльной шкале Лайкерта от 0 (никогда) до 4 (четыре раза в неделю или ежедневно), либо по дихотомии 0 (никогда) или 1 (да).

Опросник эмоционального интеллекта (TEIQue-SF)

Краткая версия опросника эмоционального интеллекта (TEIQue-SF) из 30 пунктов 56 немецкой адаптации 57 использовалась для измерения склонностей, связанных с эмоциями, и самовосприятия. способности. Шкала содержит четыре подшкалы «Благополучие», «Самоконтроль», «Эмоциональность» и «Общественность», которые можно усреднить до одного балла «Глобальная черта эмоционального интеллекта».Ответы оцениваются по 7-балльной шкале Лайкерта от 1 (совсем не согласен) до 7 (полностью согласен).

Опросник тревожных состояний (STAI-G-X2)

Мы использовали немецкую версию 58 Шкалы тревожных состояний (STAI-G-X2), короткую версию 59 для оценки ситуационно-независимого общего состояния тревоги. Эта подшкала состоит из 20 пунктов, оцениваемых по 4-балльной шкале Лайкерта от 1 (почти никогда) до 4 (почти всегда).

Опросник выражения гнева (STAXI)

Мы использовали немецкую версию 60 Опросника выражения гнева (STAXI) из 44 пунктов для измерения привычного опыта, выражения и контроля гнева. . Применялись четыре шкалы черт «Черта-гнев», индивидуальная гнев-диспозиция, «Гнев-внутри», склонность к подавлению и невербализации гневных чувств, «Гнев-вне», вербальное или физическое выражение гнева по отношению к другие или себя, и «контроль гнева», который измеряет попытку контролировать выражения гнева.Все оценки ранжировались по 4-балльной шкале Лайкерта от 1 (совсем или почти никогда) до 4 (очень часто или почти всегда).

Шкала алекситимии Торонто (TAS)

Немецкая версия 62 шкалы алекситимии Торонто (TAS) 63 из 26 пунктов использовалась для измерения алекситимии, трудностей с переживанием и выражением эмоциональных состояний. Мы применяли все три субшкалы: «трудность с идентификацией чувств», «трудность с выражением и описанием чувств» и «внешнеориентированное мышление».Ответы оцениваются по 5-балльной шкале Лайкерта от 1 (совсем не относится) до 5 (полностью относится).

Многомерный опросник состояния настроения (MDBF)

Немецкая версия многомерного опросника состояния настроения (немецкий MDBF) 64 , состоящая из 24 пунктов, заполнялась участниками в каждый день оценки. Оценки настроения («счастливое», «нервное» и т. д.) ранжируются по 5-балльной шкале Лайкерта от 1 (совсем нет) до 5 (очень). Три субшкалы могут быть рассчитаны по измерениям «хорошо-плохо», «бодрствует-усталость», «спокойствие-нервность».

Опросник перспективы во времени (FTP)

Мы применили Опросник перспективы во времени 65 для оценки индивидуальных ожиданий времени, оставшегося жить. Согласие с утверждениями оценивается по 7-балльной шкале Лайкерта от 1 (совершенно неверно) до 7 (совершенно верно). Среднее значение указывает ожидаемый временной горизонт.

Нью-Йоркский опросник по познанию (NYC-Q)

После завершения сеанса сканирования участники заполнили Нью-Йоркский опросник по познанию (NYC-Q) 66 , который измеряет содержание и форму самостоятельно генерируемых мыслей с помощью 31 утверждения. .Первая часть «Содержание мыслей» оценивается по шкале Лайкерта от 1 (совсем не описывала свои мысли) до 9 (полностью описывала свои мысли), а вторая часть «Форма самостоятельно порожденных мыслей» оценивалась по шкале Лайкерта. шкала от 1 (совсем не характеризует мой опыт) до 9 (полностью характеризует мой опыт).

Оценка прошлых и настоящих психиатрических симптомов

Стандартизированное клиническое интервью для DSM IV (SCID-I): протокол LEMON включал широкую характеристику настоящих и прошлых психиатрических симптомов у всех участников, которая оценивалась на второй день тестирования.Участники прошли SCID 67 — стандартизированное клиническое интервью для диагностического и статистического руководства по психическим расстройствам (DSM IV) — чтобы определить, соответствуют ли участники (в прошлом или в настоящем) диагностическим критериям психического расстройства оси 1 в соответствии с DSM IV 68 . SCID I представляет собой полуструктурированное интервью, которое охватывает основные диагнозы оси I DSM-IV. Интервью проводились либо обученным психологом, либо студентом-психологом, обученным работе с SCID I, под наблюдением лицензированного психиатра.Документация включает полную текущую или историю диагноза оси I, а также колонку с примечаниями о заслуживающих внимания текущих или прошлых субклинических симптомах, выходящих за рамки полного выполнения диагностических критериев (например, случайное употребление запрещенного препарата, субклинические симптомы).

Скрининг симптомов депрессии или пограничной симптоматики (HAM-D и BSL-23): Любые зарегистрированные симптомы депрессии дополнительно оценивались квалифицированным психологом или квалифицированным научным сотрудником с использованием шкалы депрессии Гамильтона (HAM-D) 69 .Документация включает суммарную оценку Гамильтона. Обратите внимание, что наша психиатрическая оценка была сосредоточена в первую очередь на настоящих или прошлых расстройствах оси I. Кроме того, список пограничных симптомов (короткая версия BSL-23) 70 применялся у 170 участников. Этот опросник представляет собой инструмент самооценки погранично-типичной симптоматики. Документация включает суммарную оценку BSL-23 и дополнительную суммарную оценку погранично-типичного поведения. Кроме того, участников спрашивали об их статусе отношений («да»/«нет»).

Скрининг на злоупотребление алкоголем: Мы также оценили потребление алкоголя в течение последних 28 дней с помощью анкеты Time Line Follow Back Questionnaire 71 . Используя календарь, участники ретроспективно сообщают о количестве единиц алкоголя, потребляемых каждый день в течение этого периода. Документация включает количество выпитых единиц алкоголя. Тест на определение расстройства, связанного с употреблением алкоголя (AUDIT) 72 , проводился для скрининга любых признаков злоупотребления алкоголем. Мы также запросили семейную историю зависимости у родственников участников от 1 до 3 степени родства.Документация включает наличие или отсутствие семейной истории зависимости.

Скрининг на злоупотребление психоактивными веществами: В дополнение к полуструктурированному интервью был проведен скрининг in vitro мочи на наркотики с использованием «Multi 8/2 Drogen-Tauchtest» (Diagnostik Nord, Шверин, Германия) для оценки текущего употребления психоактивных веществ. Тест обнаруживает следующие вещества одновременно и в течение двух недель после их введения: бупренорфин (пороговое значение 10 нг/мл), амфетамин (пороговое значение 1000 нг/мл), бензодиазепин (пороговое значение 300 нг/мл), кокаин. (пороговое значение 300 нг/мл), метамфетамин (пороговое значение 1000 нг/мл), морфин/героин (пороговое значение 300 нг/мл), метадон (пороговое значение 300 нг/мл) и ТГК (марихуана, пороговое значение 50 нг/мл).Пороговые значения тестов были выбраны в соответствии с рекомендациями Американского национального института по борьбе со злоупотреблением наркотиками (NIDA) 73 . Документация включает название обнаруженного вещества (если таковое имеется). Скрининг на наркотики проводился на второй день оценок, который был назначен случайным образом, чтобы участники не знали заранее дату скрининга мочи на наркотики. Более того, он охватывал наличие какого-либо вещества в моче более 1 недели, таким образом, охватывая также 1-й день оценки.

Физиологические данные

МРТ

Магнитно-резонансная томография (МРТ) выполнялась на 3-теслам сканере (MAGNETOM Verio, Siemens Healthcare GmbH, Эрланген, Германия), оснащенном 32-канальной головной катушкой. В ходе сбора данных МРТ сканер оставался стабильным и не подвергался какому-либо серьезному обслуживанию или обновлениям, которые могли бы систематически влиять на качество представленных здесь данных. Это также верно в отношении дополнительного протокола Мендеса и др. ., обеспечение сопоставимости между исследованиями.

Протокол визуализации длился примерно 70 мин и включал следующие сканирования в фиксированном порядке

1) сканирование карты поля с градиентным эхом для коррекции искажений в rs-fMRI 74,75 , 2) пара изображений спинового эха с кодированием с обращенной фазой направление для коррекции искажения в rs-fMRI 76,77 , 3) сканирование rs-fMRI, 4) вторая пара изображений спинового эха с направлением кодирования с обращенной фазой, 5) количественные и взвешенные T1 Magnetization-Prepared 2 Rapid Acquisition Gradient Echoes (MP2RAGE) 78 изображение, 6) Т2-взвешенное изображение, 7) сканирование с инверсионным восстановлением с ослаблением жидкости (FLAIR), 8) сканирование с диффузионно-взвешенной визуализацией (DWI), 9) пара спиновых эхо-изображений с кодированием с обращенной фазой для коррекции искажений в DWI, 10) Т2*/визуализация, взвешенная по восприимчивости (SWI).

Данные были получены с очень большим охватом с использованием одновременного получения нескольких срезов, включая мозг и мозжечок. Данные диффузии были получены параллельно линии AC-PC, и объем (высота 149,6 мм) охватывал весь мозг, включая мозжечок, у всех участников. Данные фМРТ были под углом -15° (назад) по отношению к линии AC-PC. Блок срезов (147 мм) также покрывал весь мозг, включая весь мозжечок. Цифры на дополнительном рисунке S1 показывают перекрестное покрытие данных фМРТ (слева) и ДВИ (справа), нормализованных к мозгу MNI.

Во время rs-fMRI одновременно регистрировались электрокардиография (ЭКГ), пульс, артериальное давление между ударами и дыхание (см. раздел Непрерывные периферические физиологические записи во время rs-fMRI ). Перед началом визуализации участники заполнили первую анкету MDBF. После того, как визуализация была завершена, участников попросили заполнить нью-йоркский когнитивный опросник (NYC-Q, подробную информацию об опросниках см. в разделе «Батарея тестов на эмоции и личность» ).

ФМРТ в состоянии покоя (rs-fMRI)

A T2 -взвешенное градиентное эхо-эхо-планарное изображение (EPI) многополосное BOLD сканирование rs-fMRI 79–81 было получено для анализа функциональной связности. Участникам было приказано бодрствовать и лежать неподвижно с открытыми глазами, глядя на низкоконтрастный фиксационный крест. Данных о сне/бодрствовании для rs-fMRI как таковых не существует, но предполагается, что участники бодрствовали на протяжении всего сканирования, потому что их попросили сделать это.Параметры последовательности были указаны следующие: TR=1400 мс и общее количество томов=657 (подробнее см. Таблицу 7). Общее время сбора данных для rs-fMRI составило 15 мин 30 с. Чтобы обеспечить коррекцию геометрических искажений в изображениях EPI из rs-fMRI, были получены сканирование карты поля градиентного эха и две пары изображений EPI спинового эха с обратным направлением фазового кодирования.

Предварительная обработка данных фМРТ в состоянии покоя

Предварительная обработка данных rs-fMRI была реализована в Nipype, и ее подробности можно найти в дополнительном проекте Mendes et al . 21 . Конвейер доступен по адресу https://github.com/NeuroanatomyAndConnectivity/pipelines/tree/master/src/lsd_lemon и включает следующие шаги: (i) отбрасывание первых пяти томов EPI, чтобы обеспечить уравновешивание сигнала и установившееся состояние, (ii ) Трехмерная коррекция движения (FSL MCFLIRT) 82 , (iii) коррекция искажений (FSL FUGUE) 83 , (iv) совместная регистрация твердого тела недеформированного временного среднего изображения с анатомическим изображением человека (FreeSurfer bbregister) 84 , (v) шумоподавление (Nipype rapidart и aCompCor) 85 , (vi) полосовая фильтрация между 0.01–0,1 Гц (FSL), среднее центрирование, а также нормализация дисперсии временного ряда без шума (Nitime) 86 , (vii) пространственная нормализация к стандартному пространству MNI152 2 мм с помощью параметров преобразования, полученных во время структурной предварительной обработки (ANTs Syn ) 87 .

Структурная МРТ

T1 и T2

Последовательность MP2RAGE 78 была получена для оценки структуры головного мозга с воксельным разрешением 1 мм (изотропный). Полученные Т1-взвешенные изображения и количественные Т1-карты можно использовать для анализа серого и белого вещества (например,г., толщина коры, воксельная морфометрия), а также для оценки содержания миелина 88,89 . Важно отметить, что эти T1-взвешенные изображения отличаются от MPRAGE T1-взвешенных изображений, поскольку они однородны и лишены других свойств изображения (например, плотности протонов, T2 ), которые могут повлиять на морфометрические измерения 90 . Общее время сбора данных для MP2RAGE составило 8 мин 22 с. Кроме того, стандартный Т2-взвешенный объем с изотропным разрешением 1 мм был получен в течение 4 мин 43 с (подробности см. в таблице 7).

Предварительная обработка данных T1

Предварительная обработка данных T1 MP2RAGE была реализована в Nipype, и подробности о ней можно найти в дополнительном проекте Мендеса и др. . 21 . Конвейер доступен по адресу https://github.com/NeuroanatomyAndConnectivity/pipelines/tree/master/src/lsd_lemon и включает следующие этапы: фон однородного T1-взвешенного изображения был удален с помощью CBS Tools 91 , а замаскированное изображение использовалось для реконструкции поверхности коры с использованием полной версии программы recon-all 92,93 FreeSurfer.Маска мозга была создана на основе результатов сегментации FreeSurfer. Диффеоморфная нелинейная регистрация, реализованная в алгоритме ANTs SyN 87 , использовалась для вычисления пространственного преобразования между взвешенным по T1 изображением человека и стандартным пространством MNI152 1 мм. Чтобы удалить идентифицирующую информацию со структурных МРТ-сканов, из изображений MP2RAGE с помощью CBS Tools 91 была создана маска для дефейсинга. Эта маска впоследствии применялась ко всем анатомическим сканам.

Инверсионное восстановление с ослаблением жидкости (FLAIR)

Т2-взвешенные изображения FLAIR использовались для клинического скрининга случайных находок.Сканирование было изменено с 2D FLAIR низкого разрешения на последовательность 3D SPACE с подготовкой к инверсии-восстановлению с ослаблением жидкости после первых 112 участников. Время получения 2D-изображения составило 4 мин 42 с и 7 мин 2 с для 3D-объема (подробности см. в Таблице 7).

Диффузионно-взвешенная визуализация (DWI)

Мы получили осевые диффузионно-взвешенные изображения всего головного мозга с высоким угловым разрешением для анализа структурных связей. Изображения были получены с изотропным разрешением 1,7 мм с использованием многополосной ускоренной последовательности 79,81,94 и GRAPPA в плоскости 95 (60 направлений диффузии, значение b = 1000   с/мм 2 , 7 изображения b0, подробнее см. табл. 7).Общее время сканирования DWI составило 9 мин 27 с. Чтобы скорректировать геометрические искажения, два объема с кодированием с обращенной фазой (AP и PA) были получены после последовательности DWI, продолжительностью 1 мин 59 с каждый. Новая версия последовательности DWI (CMRR) с более быстрой процедурой калибровки была введена после первых 112 участников, что сократило время сканирования до 8 мин 38 с, а время двух сканирований с кодированием с обращенной фазой до 1 мин 10 с каждое.

Сбор данных, взвешенных по восприимчивости

Визуализация различий магнитной восприимчивости тканей чаще всего достигается с помощью данных градиентного эхо, полученных с использованием последовательности одиночного или множественного эхо-испорченного градиента-восстановления (GRE) 96 .Техника визуализации, взвешенной по восприимчивости (SWI), использует контраст, присущий изображениям амплитуды и фазы, для улучшения контраста восприимчивости путем объединения обоих изображений для повышения контраста между серым/белым веществом и водой/жиром, в дополнение к повышению контраста парамагнитные элементы с высокой плотностью в головном мозге (например, железо). SWI имеет ряд применений в клинических условиях, включая диагностику церебральной сосудистой патологии и обнаружение аномального накопления минеральных отложений.С другой стороны, количественное картирование восприимчивости (QSM) является недавно установленным методом, который позволяет определять свойства собственной магнитной восприимчивости тканей на основе сигнала фазового изображения 97,98 . Данные, взвешенные по восприимчивости, были получены с использованием трехмерной (3D) последовательности быстрых выстрелов под малым углом (FLASH) с компенсацией потока (подробнее о параметрах см. Таблицу 7) в подвыборке, которая была введена только после 112 участников. Высококачественные фазовые карты (т.е. исключая артефакты полюса комбинации катушек) были реконструированы из многоканальных сложных сигналов с использованием автоматизированного метода комбинирования катушек на основе данных (SVD-ESPIRiT) 99,100 . Изображения амплитуды и фазы предоставляются для расчета SWI и QSM, которые могут быть получены с использованием различных методов 96,101 . Общее время сбора данных составило 7 мин 50 с.

Непрерывные периферические физиологические записи во время rs-fMRI

Во время 15 min 30 s получения фМРТ в состоянии покоя непрерывно регистрировались артериальное давление (НИАД), электрокардиография (ЭКГ), пульс и дыхание инвазивно с помощью МРТ-совместимых устройств.Артериальное давление и пульс с помощью фотоплетизмографии регистрировали с помощью системы сбора данных BIOPAC MP150 (BIOPAC Systems Inc., Голета, Калифорния, США) и программного обеспечения для сбора данных AcqKnowledge (версия 4.0, BIOPAC Systems Inc., Голета, Калифорния, США). В дополнение к основному аппаратному блоку MP150 для измерения артериального давления требовался модуль NIBP-MRI, включающий передатчик CareTaker Bluetooth®, а для измерения пульса требовался модуль пульсового оксиметра OXY100C с датчиком-клипсой TSD123A. Все потоки данных записывались с частотой дискретизации 1000 Гц.Цифровой входной канал записывает триггеры от МРТ-сканера для синхронизации данных артериального давления и пульса с началом времени повторения данных rs-fMRI.

Артериальное давление от удара к удару определялось по сигналу пульсового давления на плечевой артерии левой руки с помощью чувствительного к давлению датчика, заполненного воздухом. Левая рука поддерживалась лентой и подушками для обеспечения оптимального качества сигнала. Сигнал пульсового давления был преобразован в два непрерывных потока систолического и диастолического кровяного давления с помощью Анализа разложения пульса 102 .

Первоначальная калибровка для непрерывного измерения артериального давления проводилась при измерении артериального давления сидя в покое с использованием автоматического осциллометрического монитора артериального давления (OMRON M500, OMRON Medizintechnik Handelsgesellschaft mbH, Мангейм, Германия). Данные артериального давления были записаны с частотой дискретизации 512 Гц и передискретизированы в AcqKnowledge до 1000 Гц.

ЭКГ и дыхание регистрировались с помощью МРТ-совместимого усилителя BrainAmp ExG MR (Brain Products GmbH, Gilching, Germany) с батареей PowerPack, интерфейсом синхронизации SyncBox и соответствующими датчиками (см. ниже), а также программой для сбора данных BrainVision Recorder (версия 1.20).

ЭКГ измеряли с помощью трех многоразовых кольцевых электродов, которые прикреплялись к спине участника для уменьшения артефактов, вызванных дыхательными движениями туловища в магнитном поле: заземляющий электрод прикреплялся в поясничной области выше копчика (копчик), референтный электрод прикрепляли к верхней части спины на уровне седьмого шейного позвонка, а регистрирующий электрод размещали на левой стороне спины участника на уровне десятого ребра.

Дыхание измерялось с помощью МРТ-совместимого пневматического датчика дыхания с поясом, закрепленным вокруг туловища участников.

После того, как была получена rs-fMRI, все датчики были удалены из камеры MR, и сеанс MRI был продолжен без записи периферических физиологических данных.

Дополнительный проект Mendes et al . 21 также включал сканирование rs-fMRI с непрерывными периферическими физиологическими записями (как описано выше).Периферические физиологические данные 194 участников из Mendes et al . будут выпущены в рамках исследования, описанного здесь. 109 участников заполнили оба протокола, что позволяет проводить повторные измерения (например, тест-повторное тестирование) (см. Дополнительную таблицу S1).

Для всех вышеупомянутых периферических физиологических параметров предоставляются только необработанные данные. Были включены все доступные данные, независимо от их качества. Данные были обрезаны, и артефакт МРТ был удален, но обнаружение пиков не проводилось.Качество данных можно оценить по включенному файлу изображения ( * .png) для каждого участника и модальности.

ЭЭГ

ЭЭГ в состоянии покоя (rs-EEG) была получена у 216 участников, которые завершили вторую MDBF непосредственно перед записью ЭЭГ и прошли тест с лекарственными полосками Multi 8/2. Весь сеанс эксперимента занял примерно 1,5 часа (включая 16-минутную запись ЭЭГ). Необработанные данные rs-EEG с предварительно обработанными rs-EEG и файлами локализатора находятся в открытом доступе.

ЭЭГ в состоянии покоя

16-минутная rs-ЭЭГ была записана с помощью усилителя BrainAmp MR plus в электрически экранированной и звукоизолированной кабине для ЭЭГ с использованием 62-канального (61 скальповый электрод плюс 1 электрод, регистрирующий ВЭОГ под правым глаза) активные электроды ActiCAP (оба Brain Products GmbH, Гильхинг, Германия), прикрепленные в соответствии с международным стандартом расширенной системы локализации 10–20, также известной как система 10-10, 103 и со ссылкой на FCz.Заземление располагалось на грудине, а импеданс кожного электрода поддерживался ниже 5 кОм. Амплитудное разрешение было установлено на 0,1 мкВ. ЭЭГ регистрировали с полосовым фильтром в диапазоне от 0,015 Гц до 1 кГц и оцифровывали с частотой дискретизации 2500 Гц. Всего сеанс ЭЭГ состоял из 16 блоков по 60 секунд каждый, 8 с закрытыми глазами (ЗГ) и 8 с открытыми глазами (ЭГ) (сегменты ЭЭГ и ЭК чередуются), где запись начиналась с состояния закрытых глаз. . Блоки были представлены с помощью программы Presentation (версия 16.5, Neurobehavioral Systems Inc., Беркли, Калифорния, США). Участников усадили перед экраном компьютера и попросили бодрствовать, фиксируя взгляд на черном кресте на белом фоне (во время сеансов с открытыми глазами).

Оцифрованные местоположения каналов ЭЭГ

Начиная со второго тура (54-й участник), локализатор Polhemus PATRIOT Motion Tracking System (Polhemus, Colchester, VT, USA) использовался вместе с набором инструментов Brainstorm 104 для оцифровки точного местоположения каждый 62 электрод на голове участника относительно трех реперных точек (плюс 1 электрод относительно FCz).

Предварительная обработка данных ЭЭГ в состоянии покоя

Данные от 13 участников были исключены из-за отсутствия информации о событии, различной частоты дискретизации, несоответствия файлов заголовков или недостаточного качества данных. Необработанные данные ЭЭГ от 203 участников, использованные для предварительной обработки, были подвергнуты понижению частоты дискретизации с 2500 Гц до 250 Гц, полосовой фильтрации в пределах 1–45 Гц (8-й порядок, фильтр Баттерворта) и разделены на условия ЭО и ЭК для последующего анализа. Каналы с выбросами после визуального осмотра отбраковывались из-за частых скачков/сдвигов напряжения и плохого качества сигнала.Интервалы данных, содержащие экстремальные отклонения от пика к пику или большие всплески высокочастотной активности, были идентифицированы с помощью визуального осмотра и удалены. Интервалы, содержащие следы моргания или движения глаз, на этом этапе не удалялись. Дальнейшая предварительная обработка данных была выполнена в EEGLAB 105 (версия 14.1.1b) для MATLAB (Delorme and Makeig, 2004). Размерность данных была уменьшена с помощью анализа основных компонентов (PCA) за счет сохранения PC (N ≥30), которые объясняют 95% общей дисперсии данных.Далее был проведен анализ независимых компонентов 106 (ICA) с использованием алгоритма Infomax (runica). Компоненты, отражающие артефакты, связанные с движением глаз, морганием или сердцебиением, были удалены. Сохраненные независимые компоненты для условий ЭО (среднее: 19,7, диапазон: 9–30) и ЭК (среднее: 21,4, диапазон: 14–28) были обратно проецированы в сенсорное пространство для дальнейшего анализа.

Дополнительные меры.
Артериальное давление в положении сидя и в покое

Артериальное давление (АД) измеряли с помощью автоматического осциллометрического тонометра (OMRON M500, OMR HEM-7213-D) и наручной манжеты длиной 22–42 см (OMRON HEM-RML30, обе OMRON Medizintechnik). Handelsgesellschaft mbH, Мангейм, Германия) после 5-минутного отдыха сидя.Измерения АД проводились трижды на протяжении всего исследования: 1) перед сеансом МРТ (БП1), 2) после сеанса МРТ (БП2), 3) в начале контрольных экспериментов (БП3). Все измерения АД регистрировались на левой руке. Перед сеансом МРТ было записано дополнительное измерение на правой руке, чтобы исключить патологические различия между измерениями на правой и левой руке. Сопутствующие измерения пульса на руке (Пульс1, Пульс2) были сохранены во время измерений АД 1 и 2.В рамках дополнительного проекта Mendes et al . 21 , одно измерение артериального давления на левой руке было проведено у 91 дополнительного участника перед сеансом rs-fMRI, который также включал непрерывные периферические физиологические записи (см. раздел «Непрерывные периферические физиологические записи во время rs-fMRI»).

Сбор и анализ проб периферической крови

Образец крови общим объемом приблизительно 70 мл был взят в первый день оценки после получения данных МРТ.Если забор крови был невозможен в этот день, он был получен в следующие дни оценки и задокументирован как таковой. Новая дата упоминается в файлах данных. Кровь собирали с помощью четырех различных типов пробирок для отбора проб: сыворотки, ЭДТА, цитрата и РНК. Часть образца была отправлена ​​непосредственно в Институт лабораторной медицины, клинической химии и молекулярной диагностики (ILM) медицинского факультета Лейпцигского университета; остальные образцы были сохранены для последующего использования.Одну пробирку с сывороткой (S-Monovette® 7,5 мл, Sarstedt), одну пробирку с ЭДТА (S-Monovette® 2,7 мл K3E, Sarstedt) и одну пробирку с цитратом (S-Monovette® 3,0 мл 9NC, Sarstedt) отправили для прямого анализа в ИЛМ. Остальные образцы крови были разделены на 10 микротейнеров объемом 2,0 мл. Вместе с тремя пробирками с ЭДТА (S-Monovette® 2,7 мл K3E, Sarstedt) и двумя пробирками с РНК (Tempus TM , Applied Biosystems), содержащими стабилизирующий раствор, оставшиеся аликвоты хранили при -80°C для последующего использования.

Антропометрия

Классические антропометрические измерения проводились в соответствии со стандартными процедурами обученными медицинскими работниками.Массу тела измеряли с помощью электронных весов (SECA 813, Seca Gmbh & Co KG) с точностью 0,01 кг. Участники были босиком, одетые с пустыми карманами и без верхней одежды. Рост босоногих участников измеряли ростомером (SECA 216) с точностью до 0,1 см. Во время измерения тела участников находились прямо и по центру, ступни вместе, пятки и затылок касались стены. Талия измерялась на 1 см выше пупка, а бедра измерялись по самой широкой части бедра, при этом вся верхняя одежда была снята.Объем талии и бедер оценивали с помощью эргонометрической измерительной ленты (SECA 201) с точностью до 0,1 см.

Образец волос

Чтобы получить необходимое количество волос для образца, длина волос должна быть не менее 4 см. Также были включены участники с окрашенными/окрашенными волосами (как было предложено анализирующей лабораторией), дреды были критерием исключения. Образец волос был взят с задней части головы и как можно ближе к ней (заднее положение макушки).Нити аккуратно помещали в алюминиевую фольгу и маркировали проксимальный конец. Образец взвешивают перед отправкой в ​​лабораторию.

Написать ответ

Ваш адрес email не будет опубликован.