Identifiering av arytmier med engångs-EKG

Forskningen syftar till att lösa följande medicinska problem:

1. Att identifiera och definiera typen av förmaksflimmer är problematiskt på grund av dess spontana förekomst och latens.
2. Mätapparater för screening av förmaksflimmer är dåligt tillgängliga.

De viktigaste forskningsfrågorna är:

1. Kan en enkelavlednings-EKG-mätning användas för att upptäcka arytmier

   1. Ta reda på mätplatserna (EKG-avledningar) för enavlednings-EKG-självövervakning och utvärdera effekten av mätplatser på användbarhet och signalkvalitet.
   2. Ta reda på mätplatserna för enavlednings-EKG-övervakning när mätningen utförs av en annan person (sjuksköterska eller anhörig) och utvärdera effekten av mätplatser på användbarhet och signalkvalitet.
   3. Ta reda på tillförlitligheten hos enkelavlednings-EKG-mätning för identifiering av förmaksflimmer.
   4. Ta reda på tillförlitligheten hos enkelavlednings-EKG-mätning för identifiering av snabb (takykardi) och långsam hjärtfrekvens (bradykardi).

2. Kan ett armband baserat på optisk pulsregistrering kunna få tillförlitlig information om arytmier

   1. Ta reda på användbarheten av pulsarmbandet för identifiering av förmaksflimmer.
   2. Ta reda på användbarheten av pulsarmbandet för identifiering av snabb (takykardi) och långsam hjärtfrekvens (bradykardi).

Syftet med studiens metodutveckling är att utvärdera tillförlitligheten av hjärtfrekvensmätning vid enkelavlednings-EKG och pulsvågsmätning med friska och patienter med hjärtproblem. Studien utvecklar beräkningsmetoder baserade på lättviktsmätteknik för att på ett tillförlitligt sätt identifiera den vanligaste hjärtarytmin, förmaksflimmer. Diagnos och behandling av förmaksflimmer är avgörande faktorer för att förebygga stroke.

Forskningspatienter har redan genomgått en 12-kanals klinisk EKG-registrering som ingår i den normala behandlingsprocessen. Detta 12-kanals EKG används för att identifiera patienter som är lämpliga för forskning och indelning i undergrupper (normal rytm, förmaksflimmer, snabb eller långsam rytm).

I faktiska studiemätningar fästs en Holter-EKG-enhet på patientens bröst med hjälp av fem våta elektroder för att användas som gyllene standard för rytmövervakning. De lätta mätmetoderna jämförs med resultatet av Holter-EKG-registreringen. Dessutom placeras fotopletysmogram på patientens handled för PPG-registrering. Figur 1 visar illustrativa exempel på studiens mätningar.

Forskaren mäter en minuts inspelningar från två olika mätpositioner (flank och bröst) med en engångs-EKG-mätanordning. Därefter utför patienten en minuts självövervakningsmätningar med engångs-EKG-apparat från alla tre positionerna (tummar, flank och bröstkorg) och även från bröstkorgen med juvel-EKG.

Studien jämför förmågan hos dessa lätta mätmetoder att upptäcka olika hjärtrytmer jämfört med Holter-registreringen.

De enheter som används för mätningen är:

1. Faros 360 EKG-sensor med våta elektroder (figur 1, enhet 1) (Mega Elektroniikka, http://www.megaemg.com/ Kuopio Suomi). Faros 360 Holter är CE och FDA 510(k) godkänd medicinsk utrustning i klass 2a, som fästs på patientens bröstkorg med fem våta engångselektroder.

2. Suunto Movesense engångs-EKG-enhet (Suunto Oy, http://www.suunto.com Vanda Suomi). Movesense är CE-godkänd konsumentenhet, som används med två dy-elektroder för EKG-mätningen (Figur 1 enheter 2 och 3). Movesense fall; juvel och engångs-EKG-fodral.

   1. I den tidigare studien (Afib24h) rapporterades Valvira och forskningen fick tillstånd för den kliniska apparatstudien (Movesense + bröstbandskombination).
   2. För denna studie rapporteras Valira för en klinisk enhetsstudie (Movesense + engångs-EKG-enhetskombination)
3. Empatica E4 aktivitetsarmband (Empatica Ltd http://www.empatica.com Milan Italia), som är CE-godkänd konsumentenhet. Empatica E4 är också ett fotopletysmogram, som mäter optiskt mängden blod som cirkulerar i blodkärlet (Figur 1 enhet 4).
4. Samsung Gear S3 bärbar (Samsung Electronics, Co., Ltd., www.samsung.com Soul Etelä-Korea) som är CE-godkänd konsumentenhet. Gear S3 är också ett fotopletysmogram, som optiskt mäter mängden blod som cirkulerar i blodkärlet.

Forskaren fäster apparater på patienten. Därefter startar forskaren en 10 minuters registrering med Faros 360 (enhet 1) och Empatica E4 (enhet 4) enheter. Under en 10 minuters mätning mäter forskaren en minuts inspelningar från två olika mätpositioner med Movesense EKG (apparat 2) 1. från bröstet, bröstbenet vinkelrätt 2. från bröstet, längs bröstbenet. Patienten utför sedan en minuts självövervakningsmätningar 1. från bröstet, bröstbenet vinkelrätt 2. från bröstet, längs bröstbenet 3. från nedre delen av flanken 4. från tummarna och 5. från bröstet med en juvel -EKG.

Hjärtfrekvensdetektering genom EKG-mätning görs oftast genom detektering av QRS-komplex. Många av dessa QRS-detektorer har utvecklats under de senaste decennierna. EKG-mätning med torra elektroder innebär avsevärt fler rörelsestörningar, jämfört med våtelektrodmätningarna, eftersom även de små rörelserna av enheten inducerar stora förändringar i EKG-signalen. Dessutom, speciellt när man använder tummar som mätpunkter, är EMG-bruset från musklerna anmärkningsvärt högt jämfört med våtelektrodmätningarna.

Detta projekt använder de metoder som utvecklats i det tidigare mobil-EKG-projektet för brus- och QRS-detektering för att möjliggöra tillförlitlig detektering av QRS-komplex och hjärtfrekvensoregelbundenheter i torrelektrodmätningarna.

I denna studie valideras de tidigare utvecklade hjärtfrekvensdetekteringsmetoderna genom studiens mätningar av normal sinusrytm, förmaksflimmer och långsam (bradykardi) och snabb (takykardi) hjärtfrekvens.

Denna studie undersöker förmågan till pulsdetektering vid detektion av förmaksflimmer. Fotopletysmogrammet mäter absorptionen av ljus i vävnaden. Absorptionen av ljus i blodet är större än absorptionen i den omgivande vävnaden. När hjärtat slår expanderar kapillärerna och drar ihop sig baserat på förändringar i blodvolymen. Fotopletysmografi tillåter hjärtfrekvensmätning genom att upptäcka förändringar i absorptionen.

Photopletysmgram, som en mobil-EKG-enhet, är särskilt känslig för rörelse, även den lilla rörelsen av LED/fotodiod inducerar stora förändringar i ljusintensitet.

Dessutom orsakar fysiologiska förändringar en störning i hjärtfrekvensmätningen, till exempel när den vaskulära elasticiteten ändras ändras pulstiden, vilket resulterar i en störning i mätningen.

Till skillnad från det högfrekventa genomborrade QRS-komplexet är pulsvågen en lågfrekvent upp-ned-variation, vilket orsakar sina egna utmaningar för exakt pulsmätning.

Förmaken fungerar otillräckligt vid förmaksflimmer, därför är ventriklarna inte helt fyllda med blod. Dessutom orsakar förmaksflimmer oregelbunden ledning av impulser från förmak till ventriklarna, vilket leder till oregelbunden puls. Mängden blod som pumpas varierar från ett slag till slag, vilket gör pulsvågsdetekteringen utmanande.

Detta projekt utvecklar metoder för noggrann hjärtfrekvensmätning från en pulsvågsserie.

Metodutvecklingen syftar till att ta hänsyn till störningar på grund av mätarens rörelse, pulsvågoregelbundenheter som är typiska för förmaksflimmer och utmaningarna med långsam (bradykardi) och snabb (takykardi) hjärtfrekvensdetektering.

Huvudmålet med metodutvecklingen är att bestämma pulsen så exakt att pulsoregelbundenhet på grund av förmaksflimmer kan särskiljas från normal sinusrytm och tillförlitligt detektera snabba och långsamma hjärtrytmer.

Vid förmaksflimmer leder elektriska impulser slumpmässigt till ventriklarna, vilket gör att hjärtfrekvensen blir oregelbunden och ojämn. En stor kampanj av Hjärtförbundet "Känn din puls - förebygg stroke" bygger på puls- eller pulsigenkänning. Pulsigenkänning är naturligtvis den billigaste metoden för att upptäcka förmaksflimmer, men denna metod ger ett stort antal falska positiva resultat. Genom EKG-mätning är detektionen av förmaksflimmer mycket mer tillförlitlig. Automatiserade förmaksflimmerdetekteringsalgoritmer har utvecklats för detta ändamål.

Identifiering av förmaksaktiveringen i långvariga Holter-EKG-mätningar är generellt sett mycket utmanande på grund av det dåliga signal-brusförhållandet (rörelse, muskelartefakter och delvis överlappande mycket starkare ventrikulär aktivitet). Av denna anledning är de flesta förmaksflimmerdetekteringsalgoritmer baserade på identifiering av pulsoregelbundenhet. För parametrisering av hjärtfrekvensens oregelbundenhet (RR-intervall) har flera relativt enkla men pålitliga tidsnivåmetoder införts. Som ett exempel, En RdR-baserad metod där RR-intervallen (hjärtfrekvens) representeras som en funktion av på varandra följande RR-intervallförändringar (hjärtfrekvensförändringar) (Lian et al. 2011). RdR-grafen definierar fragmenteringen av mönstret till följd av oregelbundna hjärtfrekvensförändringar. Dessutom finns det metoder som uppskattar RR-tidsseriernas interna koherens (Lee et al. 2011). Olika olinjära metoder har också introducerats för parametrisering av hjärtfrekvensvariationen, vilket gör det möjligt att beskriva dynamiken i hjärtfrekvensvariationen bredare (utan begränsning av linearitetsantagandet). En klass av olinjära metoder är olika entropikvantiteter, dessa är särskilt intressanta för identifiering av förmaksflimmer och oregelbunden hjärtfrekvens. Entropikvantiteter kan användas för att uppskatta regelbundenhet och förutsägbarhet för RR-tidsserien. Typiskt kräver den tillförlitliga beräkningen av entropistorheterna en relativt lång mättid, men även entropistorheter som är lämpliga för analys av korta mätningar har införts (Lake & Moorman 2011).

Detta forskningsprojekt utvecklar nya förmaksflimmerdetektionsalgoritmer för mobil-EKG-mätning och pulsvågsmätning på basis av redan befintliga metoder. Algoritmer måste ta hänsyn till atriella och ventrikulära prematura komplex. Att ignorera dessa ökar oregelbundenheten i RR-tidsserien och ökar därmed antalet falskt positiva förmaksflimmer.