2024-01-28 22:00

健康高活动量年轻人和老年人心率复杂性和变异性指标的日间可靠性


下载原文档:

摘要。

目的

目的:探讨健康高活跃的年轻人和老年人的时域、频域和非线性HRV指标的日间可靠性。该研究还评估了年龄对HRV指标的影响。

方法

44名老年人(34岁,10岁;59±5岁;结果

年轻组(YG)和老年组(OG)的所有HRV指标的日常相对可靠性和绝对可靠性均较差或较好(OG, ICCs = 0.33至0.69,每日cv = 3.8至29.2%;YG, ICCs = 0.37 ~ 0.93,日间cv = 3.5 ~ 36.5%)。随着年龄的增长,ApEn (P < 0.001)、SampEn (P = 0.031)、RMSSD (P < 0.001)、SDNN (P < 0.001)、LF功率(P < 0.001)和HF功率(P < 0.001)、HRV指标显著降低。年龄对复杂性指标DFA α1 (P = 0.107)、α2 (P = 0.147)和CI-8 (P = 0.493)无显著影响。

结论

HRV指标在健康的高活动性年轻人和老年人中均可重复。线性和非线性HRV指标随年龄的增长而下降,但非线性指标DFA α1、α2和CI-8没有年龄相关的变化。

介绍

生物系统产生动态的非线性输出,可以随时间测量,例如心脏搏动(RRi)的可变波动(Lipsitz和Goldberger, 1992;Peng et al. 1995)。在RR区间时间序列中波动的明显“混沌”行为被认为包含有意义的结构丰富度;这可以通过使用非线性动力学衍生的方法来评估,这些方法可以量化复杂性(即,在多个时间数量级上波动的自相似程度;Peng et al. 1995)和熵(即波动的规律性或随机性;Richman和Moorman 2000)的RR间隔信号。传统的线性时域方法提供了连续RR区间之间可变性的度量,而频域方法提供了RR区间信号的绝对或相对功率的估计(Shaffer和Ginsberg 2017)。

时域、频域和非线性心率变异性(HRV)指标通过窦结交感神经和副交感神经活动的相互作用反映了自主神经系统(ANS)的整体功能(Task force 1996;Schwab et al. 2003)。从健康相关和临床角度来看,心率复杂性和变异性明显增加或减少,偏离个人最佳范围,可能表明猝死或不良心脏事件(如心律失常、心肌梗死、体位性低血压和充血性心力衰竭)的风险增加(Kleiger et al. 1987;Goldberger et al. 1988;Lipsitz 1989;La Rovere et al. 1998;Stein et al. 2005)。此外,研究表明,较高的HRV与工作记忆(Mosley et al. 2018)、认知表现(Hansen et al. 2004)、情绪调节(Williams et al. 2015)和抑郁症发病率(de la Torre-Lugue et al. 2016)呈正相关。

利用各种HRV指标的研究表明,在清醒休息期间,心率复杂性(Kaplan et al. 1991;Iyengar et al. 1996;Pikkujamsa et al. 1999;Beckers et al. 2006;Voss et al. 2015)和变异性(Jensen-Urstad et al. 1997;Umetani等人,1998;Goff et al. 2010;Hernandez-Vicente et al. 2020)在健康个体中从成年早期到老年逐渐减少。世界卫生组织预计,到2030年,世界60岁以上人口将从10亿(截至2020年)增加到14亿,到2050年将增加到21亿(数据来自who.int)。考虑到心率复杂性和变异性降低对生理和心理的潜在负面影响,对老年人心率变异性的应用进行持续研究是有必要的。

先前的研究已经评估了一些特定时域、频域的日内和日间可靠性(Al Haddad et Al . 2011;Cipryan and Litschmannova 2013;uhlight et al. 2020)和非线性HRV指标(Maestri et al. 2007a)。然而,据作者所知,非线性HRV指标的日间可靠性尚未在健康老年人的同质组中进行评估。因此,本研究试图在现有文献调查HRV指标可靠性的基础上进行扩展,主要目的是为健康活跃的年轻人和老年人提供一系列HRV指标日常可靠性的新数据。该研究还试图评估年龄对HRV的影响。

方法

参与者

健康个体66例(男性50例;招募了16名女性参与研究。参与者被分为两个年龄组,年轻组(YG)年龄在18至30岁之间(N = 22;M 16例,6F 16例),老年组(OG组)年龄50 ~ 70岁(N = 44;34米,10英尺)。

所有的参与者都是定期锻炼的人,他们的锻炼都超过了世界卫生组织的指导方针(即每周进行2.5至5小时的适度锻炼;Bull et al. 2020)≥2年。招募的所有参与者在体力活动水平和运动能力方面都是密切匹配的。参与者被要求不肥胖,不吸烟,没有已知的心血管、神经肌肉、肾脏或代谢疾病或体征/症状,并且没有服用影响心脏功能的药物或膳食补充剂。根据赫尔辛基宣言标准,本研究得到了肯特大学研究伦理委员会(提案号:21_2020_21)的全面伦理批准。所有参与者在测试前都提供了书面知情同意书。

实验设计

每位参与者在一天中的同一时间(±1小时)在上午8点至下午4点之间完成三次实验室访问(AM访问,YG N = 8, OG N = 21);PM访问,YG N = 14, OG N = 23)。访问一个涉及参与者筛选,实验室熟悉和增量运动测试(IET),以确定有氧健身。在第二次和第三次访问时,参与者完成了30分钟仰卧休息RR间隔测量,以得出HRV指标。

访问在非同步日进行(访问之间的最小间隔为2天,最大间隔为5天),参与者被指示在测试前一天不要进行任何运动,在测试前两天不要进行剧烈运动。参与者被要求在测试前至少进食4小时,并处于餐后补水状态。参与者被告知在测试后8小时内不要摄入咖啡因,24小时内不要摄入酒精。

初步测量和增量运动测试(第一次就诊)

在运动测试之前的第一次访问中,所有参与者都提供了书面知情同意书,并完成了健康问卷和长篇国际体育活动问卷(Craig et al. 2003)。然后测量静息血压、参与者身高、体重和身体成分,之后参与者完成了一个循环IET,以确定有氧健身的标志。

IET方案是在一个电磁制动拉力计(Excalibur Sport, Lode BV, Groningen,荷兰)上进行的。参与者在50w下完成了10分钟的热身,之后所需的循环功率输出每分钟增加25 W(即每2.4 s增加1 W),直到他们达到意志衰竭(操作定义为节奏< 60转/分钟> 5 s,尽管有强烈的口头鼓励)。

在IET期间,使用在线逐呼吸气体分析(metalyzer 3B;CORTEX Biophysik GmbH,德国莱比锡)。在所有测试之前,根据制造商的建议,使用环境空气和已知浓度的氧气和二氧化碳对气体分析仪进行校准。双向涡轮(流量计)用3-L校准注射器进行校准。

参与者的峰值摄氧量()被评估为在测试中1分钟内达到的最高摄氧量。参与者气体交换阈值被确定为二氧化碳产生和氧气消耗的断点(即,二氧化碳产生开始与氧气消耗不成比例地增加的点)。这个断点也与氧的通气当量()和氧的潮汐末压力的增加同时发生,而二氧化碳的通气当量(;比弗和沃瑟曼1986;Pallares et al. 2016)。呼吸代偿点被确定为潮汐末二氧化碳分压的增加和减少(Whipp et al. 1989;Lucia et al. 1999)。

RR间隔测量(第二次和第三次就诊)

在RR区间的收集中,参与者处于仰卧休息状态,在温度控制在20摄氏度的房间里,房间保持黑暗和安静,参与者被指示在整个测量过程中不要说话,并以正常的静息率自由呼吸。在30分钟RR间隔测量开始之前,进行了最初的20分钟仰卧休息时间,以确保参与者完全休息并且心率稳定。

为了收集RR间隔,参与者佩戴了带有Pro表带的Polar H10心率监测器(Polar Electro Oy, Kempele, Finland),该监测器已被证明与传统ECG设备具有很强的一致性和相当的RR间隔信号质量(Gilgen-Ammann et al. 2019;Schaffarczyk et al. 2022)。Pro表带的弹性电极被润湿,表带加长以适合制造商所描述的参与者的胸围。RR间隔在1000hz时通过位于参与者旁边的移动设备上的Elite HRV应用程序(Elite HRV, Asheville, NC, USA)获得。然后将RR区间导出为文本文件,以便在MATLAB中离线处理和分析。

RR区间数据预处理

所有RR区间时间序列均经过预处理,以排除人为因素和异常值。去除小于0.2 s和大于2.0 s的RR区间。其次,排除与周围40个RR区间均值差异超过20%的RR区间。

RR间隔工件和离群值的数量从RR间隔1天时间序列是:YG, 19.6±20.5 RR间隔或1.12±1.24%(范围0.05 - 4.33%)总额的RR间隔和OG, 7.5±10.6 RR间隔或0.46±0.64%(范围0.00 - 2.65%)的总RR间隔和第二天:YG, 16.3±15.9 RR间隔或0.94±0.94%(范围0.00 - 3.03%)总额的RR间隔和OG, 6.7±12.1 RR间隔或0.42±0.76%(范围0.00 - 4.10%)总RR的间隔。

心率复杂性——不非线性度量分析

近似熵和样本熵

近似熵(ApEn;和样本熵(SampEn;Richman和Moorman 2000)量化了模板长度为m和m + 1个数据点在时间序列中在容差r范围内重复的条件概率(设置为时间序列SD的a %)。SampEn与ApEn的不同之处是,它通过平均后取对数来避免计算自匹配,从而减少了ApEn计算中存在的固有偏差。

在目前的研究中,对于ApEn和SampEn分析,模板长度设置为m = 2, RR区间时间序列SD的容差r = 0.2 (Kaplan et al. 1991)。ApEn由Eq.(1)计算,SampEn由Eq.(2)计算,其中N为时间序列中的数据点数,m为模板长度,Ai为长度为m + 1个数据点的第i个模板的匹配次数,Bi为长度为m个数据点的第i个模板的匹配次数:

(1) (2)

趋势波动分析

Peng et al.(1994)采用去趋势波动分析(DFA)算法来测量RR区间时间序列的分形尺度。DFA算法允许检测嵌入在看似非平稳的生理时间序列数据中的远程相关性。首先对RR区间时间序列进行积分,使用Eq. (3):

(3)

然后将整合后的时间序列分成等长n的方框。在每个长度为n的方框内,对数据拟合一条最小二乘线,yn(k)表示每个方框内的趋势。然后通过减去每个方框内的局部趋势yn(k)来消除积分时间序列y(k)的趋势。积分去趋势时间序列的均方根波动由式(4)计算:

(4)

在所有盒子大小上重复DFA计算(4),以提供作为盒子大小函数的平均波动F(n)与盒子大小n(盒子中RR区间数据点的数量)之间的关系。双对数图的斜率,log F(n) vs log n,决定了缩放指数α。用4 ~ 64个数据点计算DFA α。DFA α1是在4 n 16个数据点的方框大小上计算的(即,在短时间尺度上计算的标度指数),DFA α2是在16 n 64个数据点的方框大小上计算的(即,在长时间尺度上计算的标度指数),彭等人(1995)以前使用过。

DFA产生一个标度指数α。α = 0.5表示一个RR区间的值与之前的任何值完全不相关(即不可预测的白噪声;表明时间序列非常粗糙)。α = 1.5表示布朗噪声和长期相关性的丧失(即,具有长期记忆的平滑输出)。而α为1.0(即粉红噪声的1/f)则表明生理输出具有高复杂性,在统计上具有自相似的长程相关性(Peng et al. 1995)。图1A给出了一个原始RR间隔时间序列的例子,1B给出了对64个数据点的盒大小绘制的最小二乘拟合“趋势”线的集成时间序列。

图1
figure 1

原始RR区间时间序列示例;B为综合RR区间时间序列,其中最小二乘拟合表示每个方框(红线)中的“趋势”,竖线表示n = 64个数据点的方框大小。所提供的RR区间数据产生的DFA α = 1.04 (DFA α在盒大小4至64上计算;数据来自一名年龄为18岁的年轻男性参与者)

多尺度熵

多尺度熵(MSE)分析按照Costa等人(2002)的概述进行,提供了多尺度时间序列复杂性的度量。MSE分析克服了SampEn和ApEn的局限性,SampEn和ApEn只能在一个尺度上测量时间序列数据的规律性,因此不能捕捉时间序列的结构和动态行为。

从一维离散时间序列{χ1,…,χI,…,χN},构建粗粒度时间序列{y(τ)},由尺度因子τ决定,根据Eq. (5):

(5)

在一个尺度上,时间序列{y(1)}为样本长度的原始时间序列。粗粒度时间序列的长度等于原始时间序列的长度除以尺度因子τ。计算每个粗粒度时间序列的SampEn,并根据尺度因子τ绘制,产生MSE曲线。使用Eq.(2)计算每个粗粒度时间序列的SampEn,模板长度m = 2, r = 0.2的RR区间时间序列的SD。根据Eq.(6)从尺度1到尺度8计算MSE曲线下的面积,定义为复杂指数(CI-8), CI值越高表明生理信号越复杂。

(6)

庞加莱图SD2

RR区间时间序列的庞加莱图是通过将每个RR区间绘制为前一个RR区间的函数来生成的(Woo et al. 1992)。然后用椭圆拟合程序分析庞加莱图,得出SD1(垂直于恒等线的点的标准差)和SD2(沿恒等线的标准差;Brennan et al. 2001)。只有SD2被报道为SD1与RMSSD相同(Shaffer和Ginsberg 2017)。

心率变异性-线性度量分析

时域指标

心率变异性的时域测量量化了RR间隔时间序列中存在的变异性的数量。

正态RR区间连续差值(RMSSD)的均方根采用Eq.(7)计算:

(7)

正态RR区间的标准差(SDNN)由式(8)计算:

(8)

RMSSD和SDNN度量以毫秒和自然对数转换值为单位报告。

频域指标

心率变异性的频域测量提供了频段内频谱功率的估计。利用参数自回归模型估计功率谱,计算低频功率(LF)频段(0.04 ~ 0.15 Hz)和高频功率(HF)频段(0.15 ~ 0.4 Hz)的绝对功率,以及LF/HF比值。低频和高频波段的绝对功率用ms2和自然对数变换值(Ln)表示。

统计分析

数据以单个值或平均值±SD表示(除非另有说明)。采用IBM SPSS Statistics 29 (IBM, Armonk, New York, USA)进行统计分析。采用Q-Q图目视检验和Shapiro-Wilk统计检验数据是否正态分布。

所有心率复杂性和变异性指标的日常可靠性通过双向随机类内相关系数(ICC2,1)来评估绝对一致性、测量标准误差(SEM)、最小可检测变化(MDC)和偏差(第1天和第2天的平均差异)。95%一致性上限(LOA)计算为天间差异的平均值±1.96 ×差异的标准偏差。所有HRV指标的日间变异系数(cv)计算方法为:用两天测量的标准差除以两天测量的平均值,再乘以100。所有HRV指标的参与者间cv通过将所有参与者测量的SD除以所有参与者测量的平均值并乘以100来计算。配对样本t检验用于评估每个年龄组之间的复杂性和可变性指标是否存在显著差异。

根据ICC,相对信度定义为:差= ICC < 0.5,中= ICC≥0.5 ~ < 0.75,好= ICC≥0.75 ~ < 0.90,优= ICC≥0.90 (Koo and Li 2016)。

计算Hedges效应大小和95%置信区间,以评估两个年龄组(YG与OG) HRV指标之间的差异,并解释为:0.2至0.5小效应,0.5至0.8中效应,≥0.8大效应(Cohen 1992)。

采用多元线性回归来估计参与者年龄、性别以及对所有心率复杂性和变异性指标的影响。以男性为基准参考水平;因此,正的贝塔系数表明女性可能会导致更高的值。

所有病例的显著性水平均为P < 0.05。


目录

摘要。
介绍
方法
结果
讨论
结论
数据可用性
缩写
参考文献。
致谢。

作者信息
道德声明






#####

结果

参与者特征和人体测量学

来自44名老年人的数据(34 M;10F)和22名年轻人(16 M;6F)纳入分析。表1给出了参与者的人体测量和IET数据。

表1受试者特征、人体测量学和IET数据(mean±SD)

心率复杂性和变异性的可靠性sed指标

基于ICCs, OG对CI-8和SD2指标的信度较差,对RMSSD、SDNN、LnRMSSD、LnSDNN、LF(ms2)、HF(ms2)、LF(log)、HF(log)、ApEn、SampEn、DFA α、DFA α1和DFA α2指标的信度中等,对LF/HF指标的信度较好(表2)。相比之下,YG对ApEn、SampEn和SD2指标的信度较差,对LnSDNN、LF(ms2)、LF(log)、DFA α2和CI-8指标的信度中等,对RMSSD、SDNN、LnRMSSD、lrmssd、lrmssd、lrmssd的信度较好。HF(ms2), HF(log), LF/HF和DFA α指标,DFA α1指标具有优异的可靠性(表3)。

表2老年组RR区间复杂度和可变性指标的日常可靠性
表3年轻组RR区间复杂度和可变性指标的日常可靠性

年龄、性别和对心率复杂性的影响

ApEn显著降低(P < 0.001;图2E), SampEn (P = 0.031;图2F)和SD2 (P < 0.001;图2H)随年龄变化的指标(表5)。年龄对CI-8无显著影响(P = 0.493;图2 g;表5)。

图2
figure 2

年轻组和老年组的比较复杂性和可变性指标正常RR区间连续差异的均方根;B正态RR区间标准差;C低频电源;D高频电源;E近似熵;(F)样本熵;8个尺度下的G复杂度指数;庞加莱图同一性线上各点的H标准差(*P < 0.05;** p < 0.001;数据点是每个参与者两天的平均值)

年龄对DFA α1无显著影响(P = 0.107;图3B)和DFA α2 (P = 0.147;图3C)指标(表5)。随着年龄的增长,DFA α指标显著增加(P = 0.029;图3 a)。

图3
figure 3

较年轻组和较年长组的比较趋势波动分析指标A DFA α(箱位大小为4至64个数据点);B DFA α1 (4 n 16个数据点);C DFA α2(16≤n 64个数据点;* p < 0.05;数据点是每个参与者两天的平均值)

性别对DFA α1有显著影响(P = 0.028),性别对DFA α1无显著影响(P = 0.822),女性较低。性别和ApEn、SampEn、DFA α、DFA α2、CI-8和SD2指标均无显著影响(P > 0.05);表5)。

年龄、性别和对心率变异性的影响

RMSSD显著降低(P < 0.001;图2A), SDNN (P < 0.001;图2B), LF功率(P < 0.001;图2C)和高频功率(P < 0.001;图2D)老化指标(表5)。

性别和所有HRV线性指标均无显著影响(P > 0.05;表5)。