Trådlös EKG-kroppssensor under fälttestning (WECG)

Dagens livsstil innebär hög risk för hjärt-kärlsjukdomar, som är en ledande dödsorsak över hela världen. Tidigare studier har riktat in sig på olika riskfaktorer för utveckling av hjärt-kärlsjukdomar, såsom högt blodtryck, rökning, typ 2-diabetes, fetma, psykisk stress och fysisk inaktivitet.

Ökad nivå av fysisk aktivitet har många positiva långsiktiga effekter på det kardiovaskulära systemet och kan minska den relativa risken för plötslig hjärtdöd. Däremot ökar risken för oväntade kardiovaskulära händelser under och omedelbart efter intensiv träning. Två studier utförda i Frankrike rapporterade en daglig incidens av tre plötsliga dödsfall och fyra hjärtinfarkter under regelbunden fysisk aktivitet i den allmänna befolkningen. Tolvårig longitudinell studie visade att medelåldern för unga fritidsidrottare i Schweiz som dog under fysisk aktivitet var 27,6 år, med en incidens på 0,52/100 000 per år. Vissa studier rapporterade en dramatisk ökning av oväntade kardiovaskulära händelser i en medelåldersgrupp av fritidsbefolkningen, vilket var på nivån 6,5/100 000 per år. Dessutom rapporterade flera studier högre förekomst av sportrelaterade kardiovaskulära händelser mellan den allmänna befolkningen jämfört med professionella idrottare. Män är mer drabbade, och den mest drabbade åldersgruppen är medelålders mellan 35 och 59 år.

Tidigare studier har märkt att den viktigaste utmaningen är identifiering av strukturell hjärtsjukdom och ärftliga tillstånd som ökar förekomsten av dödliga arytmier under träning, eftersom plötsliga hjärthändelser ofta inträffar utan någon varning eller förutsägelse. Därför är tidig upptäckt av personer med högre risk för plötslig hjärtdöd av avgörande betydelse. I detta avseende har många europeiska länder infört en obligatorisk läkarundersökning för alla personer som är registrerade i idrottsklubbar eller föreningar. Exercise stress test (EST) som inkluderar elektrokardiografisk (EKG) övervakning är en viktig del av undersökningen. Problemet uppstår dock från det faktum att EST är särskilt känsligt för att testa individer med tidigare kända symtom på hjärtsjukdom, medan det positiva prediktiva värdet av ett EST hos asymtomatiska försökspersoner är relativt lågt. Å andra sidan har det bevisats att långvarig EKG-övervakning under vanliga dagliga aktiviteter kan vara mycket användbar för att upptäcka hjärtsjukdomar hos personer som hade normalt 12-avlednings-EKG och negativa Master-tvåstegstester. Det har också bevisats att det är möjligt att upptäcka förmaksflimmer hos asymtomatiska personer med långvarig enkanals EKG-övervakning.

Nyligen genomförda studier har visat att den trådlösa EKG-sensorn för kroppen är en möjlig lösning för tillförlitlig och exakt långtidsövervakning av hjärtrytmen, men sensorns placering och fixering är en viktig faktor som kan påverka signalkvaliteten och måste tas i beaktande. I enlighet med tidigare sagt var vårt huvudsakliga mål att avgöra om det är möjligt att mäta kvalitativ elektrokardiografisk rapport med hjälp av EKG-kroppssensor under standardiserade utomhustester. Ytterligare syfte var att avgöra om olika typer av sensorers fixering påverkar kvaliteten på EKG-signalen under submaximala och maximala löpinställningar.

Tjugotre inkluderades, 13 män och 10 kvinnor, ålder mellan 19 och 23 år (Ålder = 20,56±1,19 år; Kroppshöjd = 177,28±9,76 centimeter; Kroppsmassa = 70,11±7,68 kg). Alla deltagare var fysiskt aktiva icke-idrottare, med dagligt engagemang (3-5 gånger per vecka, 30 till 60 minuter av måttlig till hög intensitet) i olika fysiska aktiviteter (lagsporter, cykliska aktiviteter, styrketräning). För att uppfylla kriterierna för deltagande i studien var deltagarna tvungna att bekräfta att de var friska och utan kända tidigare hjärtproblem. I enlighet med Helsingforsdeklarationen gav deltagarna det undertecknade samtycket för deltagande i studien. Före testerna förklarades syftet och protokollen för studien i detalj för varje deltagare. Etikgodkännande för studien erhölls från den institutionella etiska kommittén (Godkännande nr. 02-1359/18-2).

EKG-signalövervakning Trådlös EKG-kroppssensor Savvy (Saving d.o.o., Ljubljana, Slovenien), som är en certifierad medicinsk utrustning, användes för att samla in EKG-data. Kroppssensorn tillåter EKG-mätningar under långvarig träning, med en samplingsfrekvens mellan 125 Hz och 1000 Hz. En Android-applikation, MobECG, som körs på en smartphone, kopplad till sensorn via Bluetooth, fångar upp och visar uppmätta data och sparar dem i smarttelefonens minne för vidare bearbetning.

Den optimala placeringen av elektroderna var nära hjärtat för att erhålla lämplig amplitud av EKG-signalen. Med tanke på att signalerna från den elektriska muskelaktiviteten (EMG) kunde störa EKG-signalen, speciellt vid fysisk aktivitet, placerades sensorpositionen för att undvika stora muskelgrupper. I denna studie testade vi position markerad som vänster sämre (LI). Vid LI-positionen placerades elektroder vid positionerna för de vanliga främre prekordiala ledningarna V1 och V2, och sedan translaterades sensorn nedåt med cirka 10 cm (under xiphoid), där påverkan av muskelstörningar förväntas vara minimal.

I det första testet användes standard självhäftande Skintact EKG-elektroder typ PREMIER T-60 (Leonhard Lang GmbH, Innsbruck, Österrike). Elektroderna låg i originalförpackningen och användes enligt tillverkarens instruktioner. EKG-elektroderna placerades 5 cm från varandra. Före placeringen rengjordes huden på försökspersonerna med utspädd etanol. Sedan satt två elektroder fast i LI-positionen och EKG-kroppssensorn var ansluten. Sensorn fixerades dessutom med självhäftande Omniplast 2,5 cm tejp (Paul Hartmann AG, Heidenheim, Tyskland), speciellt utformad för att fixera Holter-elektroder (se figur 1). Båda delarna av sensorn fixerades ihop med en, cirka 40 cm lång remsa av tejp. I den andra mätningen användes Polar mjukt bandbälte (Polar Electro Oy, Finland) för att ansluta sensorn.

De uppmätta EKG-data lagrades kontinuerligt i smarttelefonens minne och överfördes efter slutförandet av mätningarna till en persondator. Alla EKG-mätningar analyserades retrospektivt. De efterföljande EKG-analyserna och signalkvaliteten gjordes med medicinskt certifierad Holter-tolkningsprogram QuickReader®AFT-1000 (Holter Supplies, Paris, Frankrike). Dessutom undersöktes alla mätningar och resultat visuellt av en läkare. Endast signaler där QRS-vågor var tydliga och kände igen utan tvekan var markerade som användbara. Variabler som användes i studien var: Detekterad QRS, QRS detekterad som negativ (%), Falsk negativ detektering (%), Korrekt mjukvarudetektering (%), Belastning/hastighet med fortfarande bedömbar HR (%), Maximal HR [bpm], Genomsnittlig körning tid (s) (för Cooper 2400 och 100 m-tester) och Genomsnittlig uppnådd intensitet (för Shutlle-körning).

I denna studie använde vi tre olika standardiserade löptester, ett submaximalt test - Cooper 2400 m (C), och två maximala (all-out) test - 100 m sprint (S) och shuttle run (SR). I C-testet fick deltagarna springa 2400 m, medan de i S-testet fick springa 100 m i högsta möjliga hastighet. I SR-testet användes standardtestprotokoll. Deltagarna fick springa 20 meter och kliva över linjen före ljudsignal (pip). Testet startade med hastigheten 8,5 km/h som ökades med 0,5 km/h varje minut, fram till utmattning. Testet avslutades när försökspersonen inte kunde nå linjen två gånger i rad, före ljudsignal.

Varje deltagare gjorde sex tester, två C-, S- och SR-test. Alla tester gjordes på morgonen och deltagaren utförde ett test per dag och testade om till nästa dag. Paus mellan två tester var minst 24 timmar. Innan testerna utfördes placerades elektroderna och sensorn i LI-positionen och deltagarna satte sig ner i 5 minuter medan EKG:t registrerades. När testet var avslutat satte sig deltagaren och vilade i nästa 5 minuter utan att avbryta EKG-registreringen.

Beskrivande statistik beräknades för alla uppmätta variabler och normalitetstest gjordes för alla data. För data som inte fördelades normalt av Kolmogorov-Smirnov och Shapiro-Wilks testresultat, baserat på resultaten av Skewness, gjordes transformation med funktion Log10 eller Log10 reflexion. För alla ursprungliga och transformerade variabler som visade normalfördelning användes för bestämning av skillnader student-t-test för beroende variabler, medan icke-parametriskt Wilcoxon-test användes för de som inte var normalfördelade. Intra-klasskorrelation räknades för upprepade mätningar. Signifikansnivån sattes till p < 0,05. Den statistiska analysen utfördes med hjälp av programvaran IBM SPSS Statistics 20.