心率變異性在心血管疾病中的研究進展

張希鈴 王新康

心率變異性(heart rate variability,HRV)是指逐搏心跳周期之間差異的變化情況。HRV 是通過機器計算分析而得出的一個常被用作反映自主神經(jīng)張力的指標,當交感神經(jīng)活動增強時HRV 減小,副交感神經(jīng)活動增強時HRV 增大[1]。研究發(fā)現(xiàn),許多疾病都伴隨著自主神經(jīng)功能的損傷,而自主神經(jīng)平衡失調(diào)又易誘發(fā)心律失常,導致心血管不良事件的發(fā)生,故監(jiān)測并保護自主神經(jīng)功能是臨床的一大治療要點。HRV 作為評價心臟自主神經(jīng)功能的無創(chuàng)性指標,因其容易獲得且應用潛力較大的特點在臨床廣泛應用。

HRV 分析目前采用的方法可分為線性分析方法和非線性分析方法。線性分析方法又分為時域分析和頻域分析。時域分析對采集到的RR 間期,按時間順序或心搏順序排列進行統(tǒng)計學或幾何學分析,常用的長程(24 h)分析相關參數(shù)[1-2]主要包括,①SDNN:全部正常竇性心搏(normal-to-normal,NN)間期的標準差,提示交感神經(jīng)活躍程度,正常值為(141±39)ms,數(shù)值降低提示交感神經(jīng)活性增強,機體對外界環(huán)境變化的適應能力減弱。②SDANN:每5 min 正常NN 間期平均值的標準差,用于評價交感神經(jīng)系統(tǒng),正常值為(127±35)ms。③rMSSD:相鄰NN 間期之差的均方根,反映迷走神經(jīng)活躍程度,正常值為(27±12)ms。④pNN50:相差＞50 ms 的相鄰NN 間期數(shù)占NN 間期總數(shù)的百分比,數(shù)值越低說明迷走神經(jīng)活性越低。頻域分析采用數(shù)學變換的方法將RR 間期的時間序列信號變換到頻率域上,形成頻譜曲線,分為短程(5 min)分析和長程(24 h)分析。HRV 頻域分析指標[1-2]包括,①總功率(total power,TP)(≤0.4 Hz):反映交感神經(jīng)系統(tǒng)的整體活性,評估自主神經(jīng)系統(tǒng)的調(diào)節(jié)能力。②高頻(high frequency,HF)(0.15～0.40 Hz):評價迷走神經(jīng)功能的良好指標,受呼吸深度影響。③低頻(low frequency,LF)(0.04～0.15 Hz):由交感-迷走神經(jīng)系統(tǒng)共同控制,有研究認為其受交感神經(jīng)的影響,可作為反映心臟交感神經(jīng)活性的可靠指標,受血管壓力調(diào)節(jié)反射的影響。④極低頻(very low frequency,VLF)(0.003～0.040 Hz)。⑤超低頻(ultralow frequency,ULF)(≤0.003 Hz)。⑥LF/HF:反映交感-迷走神經(jīng)張力平衡變化的指標[1-2]。HRV 的非線性參數(shù)有相圖(散點圖)及定量描述混沌的參數(shù)分維數(shù)、李雅普諾夫指數(shù)、測度熵、復雜度、預測度[1]。HRV 在多種心血管疾病中展現(xiàn)出了良好的診斷、篩查、評估預后等能力。本文主要闡述HRV 在心力衰竭(簡稱心衰)、冠狀動脈粥樣硬化性心臟病(簡稱冠心病)、高血壓、心律失常、心臟性猝死(sudden cardiac death,SCD)以及新型冠狀病毒感染(corona virus disease 2019,COVID-19)相關心肌損傷中的應用,旨在梳理近年來HRV 在臨床中的應用進展,分析其研究趨勢,提出未來展望。

1 HRV 在心衰患者中的臨床應用

交感神經(jīng)系統(tǒng)的激活和副交感神經(jīng)系統(tǒng)的抑制長期以來一直被認為是心衰的病理生理機制,通過β 受體阻滯劑抑制心臟交感神經(jīng)的過度激活,會對疾病的病程產(chǎn)生有利影響,許多心衰治療藥物或設備是通過抑制腎素-血管緊張素-醛固酮系統(tǒng)(renin-angiotensin-aldosterone system,RAAS)達到治療目的的,一些研究發(fā)現(xiàn)伊伐布雷定、沙庫巴曲纈沙坦等藥物能改善心衰患者的HRV[3-5]。ARORA等[6]發(fā)現(xiàn),舒張性心衰及收縮性心衰患者HRV 時域及頻域指標均降低,但舒張性心衰患者降低程度小于收縮性心衰患者,提示在舒張性心衰患者中交感-副交感神經(jīng)保持相對平衡,這可能解釋了該患者群體預后更好的原因。KSELA 等[7]研究指出,射血分數(shù)保留型心衰(heart failure with preserved ejection fraction,HFpEF)患者中幸存者的SDNN 明顯更高,提出HRV 可作為HFpEF 患者的預后評估和風險分層指標。SHANKS 等[8]提出,在起搏器編程中恢復呼吸運動所引起的心率變異,即呼吸性竇性心律失常,可提高心衰患者20%的心輸出量。由此可見,HRV 不僅可作為心衰患者療效、預后的良好評價指標,而且還能指導起搏器功能進一步完善,但相關研究尚不成熟。關于HRV 在不同分級心衰患者之間差異的研究尚少,進一步完善這方面的研究或許有助于我們進一步優(yōu)化對心衰患者的管理。

2 HRV 在冠心病患者中的臨床應用

冠心病是一種缺血性心臟病,分為慢性心肌缺血綜合征和急性冠脈綜合征。冠心病患者多因心肌缺血而導致自主神經(jīng)功能急性失衡。關于HRV與冠心病的研究早在20 世紀末便拉開序幕,研究指出HRV 在冠心病患者中的測量值較健康群體降低,并且可作為急性心肌梗死后患者的一個獨立的預后風險預測指標[9-10]。心肌梗死后24 h 心電圖記錄中SDNN＜70 ms 的患者在未來3 年內(nèi)的死亡率幾乎是其他人的4 倍,HRV 的短期指標同樣可作為心肌梗死后死亡的良好預測因子[11-12]。HRV 的改變情況可用于對冠心病患者進行危險分層和療效評價[13]。研究表明,運動[14]、鈉-葡萄糖協(xié)同轉(zhuǎn)運蛋白2(sodium-dependent glucose transporters 2,SGLT-2)藥物治療[15]、經(jīng)皮冠狀動脈介入治療(percutaneous coronary intervention,PCI)[16]、冠狀動脈旁路移植術(coronary artery bypass grafting,CABG)[17]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發(fā)生。關于HRV 對冠心病患者進行危險分層或預后評估的研究已非常成熟,但冠心病患者經(jīng)治療HRV 得到改善后的預后情況的研究仍有欠缺,有待進一步完善。

3 HRV 在高血壓患者中的臨床應用

高血壓與基礎交感神經(jīng)張力紊亂所致的交感神經(jīng)過度活躍密切相關,其直接或間接涉及高血壓的不同機制,如:RAAS、阻塞性睡眠呼吸暫停低通氣綜合征(obstructive sleep apnea-hypopnea syndrome,OSAHS)、肥胖等[18]。有研究表明,高血壓患者心室肌參數(shù)的改變與HRV 參數(shù)的改變獨立相關,提示了調(diào)節(jié)自主神經(jīng)功能的藥物在防止心室重構(gòu)治療上的重要地位[19-20]。YUE 等[21]研究發(fā)現(xiàn),隱匿性高血壓患者與原發(fā)性高血壓患者HRV 參數(shù)(SDNN、SDANN、SDNN Index、rMSSD、HF)都顯著低于正常人群,但兩者間差異無統(tǒng)計學意義。由此可見,HRV 可作為協(xié)助診斷高血壓的良好指標。VIRTANEN 等[22]研究表明,高血壓患者HRV 的所有絕對測量值均低于正常人群,KANG 等[23]通過10 s 心電圖記錄獲得的超短期HRV 測量值同樣支持這個結(jié)論,并且發(fā)現(xiàn)HRV 的增加與高血壓事件呈負相關,能夠在預測年輕人高血壓方面發(fā)揮良好作用。SHARMA 等[24]從250 篇文章中篩選出23 篇進行進一步研究,發(fā)現(xiàn)基于HRV 信號的機器學習和深度學習方法性能較好,可用于輔助診斷動脈高血壓。以上研究也可以間接表明HRV 具有在穿戴式設備上檢測、診斷高血壓的潛力。

4 HRV 在心律失常患者中的臨床應用

自主神經(jīng)系統(tǒng)失衡與心律失常的啟動和維持過程息息相關,許多研究表明可以通過HRV 預測心律失常的發(fā)生并對其進行良好的健康管理。2002 年,BETTONI 等[25]發(fā)現(xiàn)陣發(fā)性心房顫動(簡稱房顫)發(fā)作前20 分鐘,平均RR 間期有明顯的線性變化,相比發(fā)作前1 h 或24 h 記錄的SDNN 顯著升高。2022 年,UDAWAT 等[26]提出基于機器學習方法并利用HRV對房顫進行篩查,可達到95.16%的敏感性、92.46%的特異性和94.43%的準確率。等[27]優(yōu)化機器學習算法,使用較少的HRV 參數(shù)實現(xiàn)對房顫的檢測,在60 s 心電圖中能夠較準確地區(qū)分房顫和竇性心律。HRV 成為穿戴式設備檢測房顫的良好指標,將更好地提高房顫患者的自我篩查與管理水平。室性心律失常與交感神經(jīng)過度激活有著密切的關系,HRV 對心室顫動(簡稱室顫)有一定的預測價值[28-29]。PARSI 等[30]基于HRV 信號的三種頻域算法(頻譜、雙頻譜和傅里葉-貝塞爾)對室性心動過速進行預測,其中傅里葉-貝塞爾算法可獲得87.5%的準確率、89.3%的敏感性和85.7%的特異性,有很大的應用潛力。SHIRAKAWA 等[31]通過分析植入式心律轉(zhuǎn)復除顫器(implantable cardioverter defibrillator,ICD)收集到的數(shù)據(jù)發(fā)現(xiàn),心室撲動(簡稱室撲)或室顫事件前7 天和28 天的最小ΔSDNNi 是室撲或室顫事件的重要預測因子,提出通過遠程監(jiān)測系統(tǒng)進行HRV 時域指標分析可能有助于識別高危患者致命的心律失常事件。對HRV 新特征的開發(fā)有助于提高ICD對室性心律失常事件的預測能力,同時可有效降低誤放電率。

5 HRV 在心臟性猝死患者中的臨床應用

SCD 是急性癥狀發(fā)生后1 h 內(nèi)或正常生活狀態(tài)下24 h 內(nèi)突發(fā)的出于心臟原因的自然死亡。HRV 可作為SCD 的預測因子[32]。EBRAHIMZADEH 等[33]由機器學習方法發(fā)現(xiàn)組合HRV 信號(線性和非線性參數(shù))在SCD 發(fā)生前較短時間具有特殊特征,其對SCD 發(fā)生前3 min 的預測準確率均在90%以上。MARTINEZ-ALANIS 等[34]利用支持向量機算法并基于短期記錄(1 000 次心搏)獲得的HRV 指標能夠作為SCD 的良好預測因子。PARSI 等[30]和SHIRAKAWA等[31]研究都發(fā)現(xiàn),HRV 新特征提高了ICD 對室性心律失常事件預測的敏感性及特異性,有助于及時阻止SCD 事件的發(fā)生。這些研究提示HRV 在穿戴式設備及ICD 上預測SCD 具有一定潛力。

6 HRV 在COVID-19 相關心肌損傷患者中的臨床應用

COVID-19 可通過病毒直接損傷和宿主免疫反應引起心肌炎,導致心臟功能受損,伴有心電圖及心肌標志物的改變[35]。MARQUES 等[36]發(fā)現(xiàn)長程COVID-19 患者的自主神經(jīng)功能失衡,容易發(fā)生心血管并發(fā)癥。YIN 等[37]提出HRV 和心率的變化早于心肌標志物(肌鈣蛋白I 和肌酸激酶同工酶)的改變。HIRTEN 等[38]研究表明,穿戴式設備獲取的SDNN 可實現(xiàn)對COVID-19 的預測并識別相關癥狀。NATARAJAN 等[39]開發(fā)了一個通過穿戴式設備獲取呼吸頻率、心率及HRV 數(shù)據(jù),并通過這些數(shù)據(jù)實現(xiàn)對疾病的預測及監(jiān)測的模型,其受試者工作特征曲線下面積達到0.77±0.018。PAN 等[40]研究表明,COVID-19 患者的HRV 指標與病情嚴重程度相關,其變化趨勢與預后相關,治療后SDNN 沒有得到改善的重癥患者需要更多的時間康復。MOL 等[41]研究提示,較高SDNN 預示著患者更高的生存率。PEREK 等[42]研究發(fā)現(xiàn),SDNN、rMSSD 可能是心肌炎的預后預測指標,但關于HRV 指標對COVID-19所引起心肌炎的預后預測研究仍有所欠缺。上述研究表明,HRV 可作為對COVID-19 進行篩查、診斷、預后評估等的良好指標,并且在穿戴式設備上應用良好,但關于HRV 是否可作為COVID-19 患者發(fā)生心肌損傷及心血管不良事件的獨立風險因素的研究仍有待完善。

7 小結(jié)

HRV 作為評價心臟自主神經(jīng)功能的一個指標,早期的研究多圍繞24 h 動態(tài)心電圖記錄的線性參數(shù)與心血管疾病之間的關系進行摸索,但由于HRV隨著交感-副交感的動態(tài)平衡過程的改變而改變,極具不穩(wěn)定性,因此難以確定一個具體的標準來對疾病進行分層、診斷、預測等。目前大部分研究僅通過HRV 的變化趨勢進行分析,如通過改善HRV 能實現(xiàn)更好的預后、HRV 改變可作為多種疾病的危險分層指標等。同時,隨著技術的發(fā)展和算法的優(yōu)化,線性、非線性數(shù)據(jù)被更好利用,更多的特征數(shù)據(jù)被提取、組合,在短期心電數(shù)據(jù)上獲得的HRV 可用性也大大提升,促使HRV 在ICD 上的應用進一步深化。未來將HRV 更多地應用于穿戴式設備上以協(xié)助人們進行自我健康管理必是大勢所趨,但是否能夠?qū)RV 明確評估標準或是找到一個更加穩(wěn)定的替代性指標,亦是我們需要解決的問題。