心率变异性在心血管疾病中的研究进展.docx

《心率变异性在心血管疾病中的研究进展.docx》由会员分享，可在线阅读，更多相关《心率变异性在心血管疾病中的研究进展.docx（7页珍藏版）》请在第一文库网上搜索。

1、心率变异性在心血管疾病中的研究进展心率变异性(heart rate variability, HRV )是评价心脏自 主神经功能的一个无创性指标，与许多疾病都有着密切的联 系，可用于疾病的筛查、危险分层、诊治、疗效评价等。随 着技术的进步和算法的优化，HRV在起搏器及穿戴式设备上 的应用也有了进一步发展。本文主要阐述HRV的研究背景、 临床应用进展、研究趋势，并展望今后的研究方向。关键词心率变异性；心血管疾病；新型冠状病毒感染；自主神 经系统；起搏器心率变异性(heart rate variability, HRV )是指逐搏心跳 周期之间差异的变化情况。HRV是通过机器计算分析而得出 的一个

2、常被用作反映自主神经张力的指标，当交感神经活动 增强时HRV减小，副交感神经活动增强时HRV增大。研究 发现，许多疾病都伴随着自主神经功能的损伤，而自主神经 平衡失调又易诱发心律失常，导致心血管不良事件的发生, 故监测并保护自主神经功能是临床的一大治疗要点。HRV作 为评价心脏自主神经功能的无创性指标，因其容易获得且应 用潜力较大的特点在临床广泛应用。HRV分析目前采用的方法可分为线性分析方法和非线 性分析方法。线性分析方法又分为时域分析和频域分析。时 域分析对采集到的RR间期，按时间顺序或心搏顺序排列进 行统计学或几何学分析，常用的长程(24 h)分析相关参数 主要包括， SDNN ：全部正

3、常窦性心搏(normal-to-normal, NN)间期的标准差，提示交感神经活跃程度，正常值为(141 39) ms,数值降低提示交感神经活性增强，机体对外界环 境变化的适应能力减弱。SDANN：每5 min正常NN间 期平均值的标准差，用于评价交感神经系统，正常值为(127 35) msorMSSD：相邻NN间期之差的均方根，反映 迷走神经活跃程度，正常值为(2712) msopNN50: 相差50 ms的相邻NN间期数占NN间期总数的百分比，数 值越低说明迷走神经活性越低。频域分析采用数学变换的方 法将RR间期的时间序列信号变换到频率域上，形成频谱曲 线，分为短程(5 min)分析和长

4、程(24 h)分析。HRV频域 分析指标包括， 总功率(total power, TP) (0.4 Hz)： 反映交感神经系统的整体活性，评估自主神经系统的调节能 力。高频(high frequency, HF) (0.15 0.40 Hz)：评价迷 走神经功能的良好指标，受呼吸深度影响。低频(IOW frequency, LF) (0.040.15 Hz)：由交感-迷走神经系统共同 控制，有研究认为其受交感神经的影响，可作为反映心脏交 感神经活性的可靠指标，受血管压力调节反射的影响。极 低频(very low frequency, VLF) (0.0030.040 Hz)。 超 低频(UIt

5、ra-IOW frequency, ULF) ( 0.003 Hz) o LF/HF ： 反映交感-迷走神经张力平衡变化的指标。HRV的非线性参 数有相图(散点图)及定量描述混沌的参数分维数、李雅普 诺夫指数、测度嫡、复杂度、预测度。HRV在多种心血管疾 病中展现出了良好的诊断、筛查、评估预后等能力。本文主 要阐述HRV在心力衰竭(简称心衰)、冠状动脉粥样硬化 性心脏病(简称冠心病)、高血压、心律失常、心脏性猝死 (sudden cardiac death, S CD)以及新型冠状病毒感染(Corona virus disease 2019,COVlD-19)相关心肌损伤中的应用，旨在 梳理近

6、年来HRV在临床中的应用进展，分析其研究趋势， 提出未来展望。1、HRV在心衰患者中的临床应用交感神经系统的激活和副交感神经系统的抑制长期以 来一直被认为是心衰的病理生理机制，通过B受体阻滞剂抑 制心脏交感神经的过度激活，会对疾病的病程产生有利影响, 许多心衰治疗药物或设备是通过抑制肾素-血管紧张素-醛固 酮系统 (renin-angiotensin-aldosterone system, RAAS) 达至IJ 治疗目的的，一些研究发现伊伐布雷定、沙库巴曲缴沙坦等 药物能改善心衰患者的HRV。ARe)RA等发现，舒张性心衰 及收缩性心衰患者HRV时域及频域指标均降低，但舒张性 心衰患者降低程度

7、小于收缩性心衰患者，提示在舒张性心衰 患者中交感-副交感神经保持相对平衡，这可能解释了该患者 群体预后更好的原因。KSELA等研究指出，射血分数保留 型心衰(heart failure with preserved ejection fraction, HFpEF) 患者中幸存者的SDNN明显更高，提出HRV可作为HFPEF 患者的预后评估和风险分层指标。SHANKS等提出，在起搏 器编程中恢复呼吸运动所引起的心率变异，即呼吸性窦性心 律失常，可提高心衰患者20%的心输出量。由此可见，HRV 不仅可作为心衰患者疗效、预后的良好评价指标，而且还能 指导起搏器功能进一步完善，但相关研究尚不成熟。关

8、于 HRV在不同分级心衰患者之间差异的研究尚少，进一步完善 这方面的研究或许有助于我们进一步优化对心衰患者的管 理。2、HRV在冠心病患者中的临床应用冠心病是一种缺血性心脏病，分为慢性心肌缺血综合征 和急性冠脉综合征。冠心病患者多因心肌缺血而导致自主神 经功能急性失衡。关于HRV与冠心病的研究早在20世纪末 便拉开序幕，研究指出HRV在冠心病患者中的测量值较健 康群体降低，并且可作为急性心肌梗死后患者的一个独立的 预后风险预测指标。心肌梗死后24h心电图记录中SDNN70 ms的患者在未来3年内的死亡率几乎是其他人的4倍,HRV 的短期指标同样可作为心肌梗死后死亡的良好预测因子。 HRV的改变

9、情况可用于对冠心病患者进行危险分层和疗效 评价。研究表明，运动、钠-葡萄糖协同转运蛋白 2(sodium-dependent glucose transporters 2, SGLT-2)药物治疗、 经皮冠状动脉介入治疗 (percutaneous coronary intervention, PCI)、冠状动脉旁路移植术(Coronary artery bypass grafting, CABG)等均可使冠心病患者HRV值得到改善，防止心血管 不良事件的发生。关于HRV对冠心病患者进行危险分层或 预后评估的研究已非常成熟，但冠心病患者经治疗HRV得 到改善后的预后情况的研究仍有欠缺，有待进一

10、步完善。3、HRV在高血压患者中的临床应用高血压与基础交感神经张力紊乱所致的交感神经过度 活跃密切相关，其直接或间接涉及高血压的不同机制，如： RAAS、阻塞性睡眠呼吸暂停低通气综合征(obstructive sleep apnea-hypopnea syndrome, OSAHS)、肥胖等。有研究表明， 高血压患者心室肌参数的改变与HRV参数的改变独立相关, 提示了调节自主神经功能的药物在防止心室重构治疗上的 重要地位。YUE等研究发现，隐匿性高血压患者与原发性高 血压患者 HRV 参数(SDNN、SDANN、SDNNIndex.rMSSD. HF)都显著低于正常人群，但两者间差异无统计学意

11、义。由 此可见，HRV可作为协助诊断高血压的良好指标。 VlRTANEN等研究表明，高血压患者HRV的所有绝对测量 值均低于正常人群，KANG等通过10 S心电图记录获得的超 短期HRV测量值同样支持这个结论，并且发现HRV的增加 与高血压事件呈负相关，能够在预测年轻人高血压方面发挥 良好作用。SHARMA等从250篇文章中筛选出23篇进行进 一步研究，发现基于HRV信号的机器学习和深度学习方法 性能较好，可用于辅助诊断动脉高血压。以上研究也可以间 接表明HRV具有在穿戴式设备上检测、诊断高血压的潜力。4、HRV在心律失常患者中的临床应用自主神经系统失衡与心律失常的启动和维持过程息息 相关，许

12、多研究表明可以通过HRV预测心律失常的发生并 对其进行良好的健康管理。2002年，BETTONl等发现阵发 性心房颤动(简称房颤)发作前20分钟，平均RR间期有明 显的线性变化，相比发作前Ih或24 h记录的SDNN显著升 高。2022年,UDAWAT等提出基于机器学习方法并利用HRV 对房颤进行筛查，可达至IJ 95.16%的敏感性、92.46%的特异性 和94.43%的准确率。等优化机器学习算法，使用较少的HRV 参数实现对房颤的检测，在60s心电图中能够较准确地区分 房颤和窦性心律。HRV成为穿戴式设备检测房颤的良好指标, 将更好地提高房颤患者的自我筛查与管理水平。室性心律失 常与交感神

13、经过度激活有着密切的关系，HRV对心室颤动（简称室颤）有一定的预测价值。PARSI等基于HRV信号的三 种频域算法（频谱、双频谱和傅里叶-贝塞尔）对室性心动过 速进行预测，其中傅里叶-贝塞尔算法可获得87.5%的准确率、 89.3%的敏感性和85.7%的特异性，有很大的应用潜力。 SHIRAKAWA等通过分析植入式心律转复除颤器（implantable cardioverter defibrillator, ICD）收集到的数据 发现，心室扑动（简称室扑）或室颤事件前7天和28天的 最小ASDNNi是室扑或室颤事件的重要预测因子，提出通过 远程监测系统进行HRV时域指标分析可能有助于识别高危

14、患者致命的心律失常事件。对HRV新特征的开发有助于提 高ICD对室性心律失常事件的预测能力，同时可有效降低误 放电率。5、HRV在心脏性猝死患者中的临床应用SCD是急性症状发生后Ih内或正常生活状态下24h内 突发的出于心脏原因的自然死亡。HRV可作为SCD的预测 因子。Ebrahimzadeh等由机器学习方法发现组合hrv 信号（线性和非线性参数）在SCD发生前较短时间具有特殊 特征，其对SCD发生前3 min的预测准确率均在90%以上。 MARTINEZ-ALANIS等利用支持向量机算法并基于短期记 录（1 OOo次心搏）获得的HRV指标能够作为SCD的良好 预测因子。PARSI等和SHI

15、RAKAWA等研究都发现，HRV 新特征提高了 ICD对室性心律失常事件预测的敏感性及特 异性，有助于及时阻止SCD事件的发生。这些研究提示HRV 在穿戴式设备及ICD上预测SCD具有一定潜力。6、HRV在COVID-19相关心肌损伤患者中的临床应用COVID-19可通过病毒直接损伤和宿主免疫反应引起心 肌炎，导致心脏功能受损，伴有心电图及心肌标志物的改变。 MARQUES等发现长程COVID-19患者的自主神经功能失衡, 容易发生心血管并发症。YIN等提出HRV和心率的变化早 于心肌标志物（肌钙蛋白I和肌酸激酶同工酶）的改变。 HIRTEN等研究表明，穿戴式设备获取的SDNN可实现对 COV

16、ID-19的预测并识别相关症状。NATARAJAN等开发了 一个通过穿戴式设备获取呼吸频率、心率及HRV数据，并 通过这些数据实现对疾病的预测及监测的模型，其受试者工 作特征曲线下面积达到0.770.018o PAN等研究表明， COVID-19患者的HRV指标与病情严重程度相关，其变化趋 势与预后相关，治疗后SDNN没有得到改善的重症患者需要 更多的时间康复。MOL等研究提示，较高SDNN预示着患 者更高的生存率。PEREK等研究发现，SDNN. rMSSD可能 是心肌炎的预后预测指标，但关于HRV指标对COVID-19 所引起心肌炎的预后预测研究仍有所欠缺。上述研究表明， HRV可作为对COVlD-19进行筛查、诊断、预后评估等的良 好指标，并且在穿戴式设备上应用良好，但关于HRV是否 可作为COVID-19患者发生心肌损伤及心血管不良事件的独 立风险因素的研究仍有待完善。7、小结HRV作为评价心脏自主神经功能的一个指标，早期的研 究多围绕24 h动态心电