Согласно исследованиям в области физиологии и фундаментальных медицинских наук метод математического анализа ритма сердца (МАРС) наиболее полно отражает состояние вегетативного гомеостаза, показывая динамическое взаимоотношение обоих отделов вегетативной нервной системы. Кроме того, производные МАРС отражают: состояние барорефлекторных механизмов регуляции; активность гипоталамогипофизарнонадпочечникового звена адаптивных реакций и различные уровни центральных влияний головного мозга на сердечный ритм[1-6]. В общем виде, с позиций целостности организма механизмы ритмогенеза представлены нами на рис.1.

Рис. 1. Механизмы сердечного ритмогенеза.

Данные механизмы сердечного ритмогенеза отражают передовое регуляторное звено неспецифических адаптивных реакций организма. Динамическая оценка этих реакций в сопоставлении с силой внешнего воздействия отражает общее функциональное состояние организма.

Таким образом, изучая производные МАРС во время ГБО, мы в первую очередь измеряем реактивность и резистентность организма к гипероксии по данным функции синусового узла, как универсального индикатора адаптивных процессов в организме[7-10]. Характеристики неспецифической реактивности не только позволяют охарактеризовать адекватность применяемых доз гипероксии, но и оценить состояние главных компонентов адаптивных реакций, как категорий здоровья.

Под «технологией» в данном случае подразумевается научно-обоснованное описание алгоритма получения диагностической информации, а также перечня технических решений, необходимых для его реализации. Известно, что передовые технологические разработки обеспечивают наиболее быстрое развитие общества во всех сферах. Применительно к методике МАРС можно констатировать: до сих пор не известна универсальная технология для научного и практического применения высоконаучного метода оценки функционального состояния организма по данным производных сердечного ритма.

С нашей точки зрения такая технология должна обеспечивать мультипараметрический анализ динамических рядов производных сердечного ритма в реальном времени в процессе внешнего воздействия. При этом технология должна обладать высоким соотношением «технологичность диагностического процесса / цена технологии».

В течение последнего десятилетия нами проводилась разработке такой технологии. В данной работе представляются основные результаты этой разработки.

Главные компоненты технологии

Сбор информации. Осуществляется специально разработанным кардиомонитором с высокими потребительскими характеристиками, безопасностью искрения и пожара. Миниатюрный кардиомонитор крепится на кронштейне снаружи барокамеры. Подсоединение к грудным электрокардиографическим электродам производится через штатный разъем бароаппарата. Прибор питается от автономных батарей (3 вольта) с крайне низкими токами потребления. Это обеспечивает безопасность пациента и длительный срок эксплуатации одного комплекта батарей (более полугода). Сигнал от кардиомонитора передается при помощи встроенного инфракрасного передатчика дистанционно на специальное интерфейсное устройство, которое включается непосредственно в штатное гнездо компьютера. Это устройство крепится на стене на высоте более двух метров, что обеспечивает свободное перемещение персонала между кардиомонитором и интерфейсным устройством. Интерфейсное устройство не требует каких-либо источников питания. Приведение кардиомонитора и интерфейсного устройства в рабочее состояние ограничено временем включения компьютера.

Сигнал кардиомонитора отображается на дисплее, обрабатывается программой и накапливается в базе данных.

Программа сбора и первичной обработки кардиоритмограмм

Для обеспечения сбора первичной биоинформации и предварительного анализа производных МАРС специально разработана и сертифицирована программа “Мониторная система для интенсивной терапии и гипербарической оксигенации” (Сертификат качества МЗ Украины от 1.07.95г.). Данная программа обеспечивает дискретную запись массивов по 128 кардоиинтервалов (рис.2), математический анализ известными методами (рис.3), представление динамики наиболее важных показателей(рис.4) и накопление информации на жестком носителе для ретроспективной обработки. Программа оснащена системой помощи, дополнительными демонстрационной и обучающей подпрограммами, легко осваивается медицинскими работниками. Подпрограмма работы с базой данных позволяет провести быстрый просмотр предыдущих исследований и продолжить следующие.

Для обеспечения работоспособности программы достаточно наиболее простой вычислительной машины (АТ286 и выше классом).

На этом этапе в реальном времени происходит регистрация динамики наиболее важных производных МАРС непосредственно во время сеанса ГБО. Это позволяет своевременно обнаружить положительные и предвестники патогенных эффектов ГБО для своевременного изменения режима лечебной гипероксии.

В силу ряда причин такой анализ недостаточен для оценки эффективности метода ГБО по отношению к группе больных. Поэтому в дальнейшем производится ретроспективная обработка накопленных данных при помощи дополнительных программ.

  Ретроспективный анализ производных МАРС

Расширенный набор производных МАРС

Для обеспечения научности и повторяемости результатов дополнительного статистического анализа производных МАРС предусмотрено использование расширенного набора производных МАРС с учетом показателей, разработанных отечественными учеными[5,11,12], и показателей рекомендованных рабочей группой Европейского общества кардиологии Североамериканского общества кардиостимуляции и электрофизиологии [1].

Полный перечень и принятые нами сокращения дополнительных показателей приведены в таблице.

МЕТОДЫ И ПРОИЗВОДНЫЕ (МАРС)

1.ВРЕМЕННОЙ АНАЛИЗ ВАРИАБЕЛЬНОСТИ

1.1.СТАТИСТИКА

1.2.ГИСТОГРАФИЧЕСКИЙ АНАЛИЗ (Вариационная пульсометрия)

1.3.ПОКАЗАТЕЛИ ВАРИАБЕЛЬНОСТИ СОСЕДНИХ RR-ИНТЕРВАЛОВ

2.АВТОКОРРЕЛЯЦИОННЫЙ АНАЛИЗ

3.ЧАСТОТНЫЙ АНАЛИЗ (спектральный)

Определение контрольных этапов сеанса ГБО. Для стандартизации исследования, и повторяемости результатов необходимо выделить контрольные этапы исследования производных МАРС во время ГБО. Мы впервые предложили разделение сеанса ГБО на следующие этапы: 1 и 14 соответственно до и после каждого сеансов ГБО; 2, 3 и 12, 13 этапы соответствовали пятиминутным промежуткам компрессии и декомпрессии; 4-11 этапы исследований проводились в последовательные пятиминутные промежутки изопрессии. Анализ производных МАРС в указанные промежутки времени приближается к непрерывному и отражает основные фазы адаптивных реакций во время ГБО.

Базовая форма представления и анализа результатов исследования производных МАРС в группе на этапах сеанса ГБО представлена на рис.5. По оси ординат указаны средние значения изучаемого показателя во время всех сеансов ГБО у исследуемой группы в диапазоне вариационного размаха и стандартная ошибка среднего. По оси абсцисс - этапы сеансов ГБО. Основная отличительная особенность разработанной базовой формы – это представление данных в диапазоне вариационного размаха показателя таким образом, что пространство графика используется максимально для отображения минимальных трендов показателей.

Достоверность различий средних оценивается как между различными этапами ГБО, так и в сравнении средних между различными группами. Уровень достоверности различий средних определяется программно в соответствии с таблицей Стьюдента. Сводные таблицы уровней различий средних представляются в виде соответствующих матриц в специальных файлах.

Методы группировки общей группы наблюдений

Для анализа групповой вариабельности реактивности к гипероксии общие группы наблюдений разделяются по клиническим признакам и в соответствии с данными дополнительных исследований. Наряду с этим, учитывая то, что показатели МАРС отражают динамику специфической реактивности организма к гипероксии, мы считаем более перспективно разделять общие группы наблюдений на подгруппы по принципу подобия динамики показателей МАРС в изучаемых группах. Формирование подгрупп по показателям МАРС выполняется методом кластерного анализа (по Ward) с помощью программного пакета STATISTICA. На рисунке 6 изображен результат деления общей группы исследованных на 4 подгруппы.

Этот пример выполнен на 42 больных рассеянным склерозом, которым записано 6700 кардиоинтервалограмм. График слева отражает лишь общие тенденции благоприятного изменения показателя первого значения автокорреляционной функции на этапах изопрессии. После кластерного анализа было получено 4 группы, три из которых существенно и достоверно отличались друг от друга. Причем, эти отличия совершенно четко прослеживались и по клиническим признакам[13].

Такой вид анализа позволил нам получить целый ряд новых научных фактов в использовании ГБО при различных заболеваниях[13-15].

Визуализация результатов исследований для предварительного анализа

Динамика производных МАРС в подгруппах изучается при помощи базовой формы таким образом, что на одной форме можно изобразить до 6 графиков. Визуализация результатов исследований представляется 30 базовыми формами в соответствии с количеством изучаемых производных МАРС (мультипараметрический анализ) на одном листе. Такое представление информации позволяет легко оценить взаимосвязь показателей в динамике. Один из основоположников данного методического направления отмечал, что "мультипараметрический анализ динамических рядов производных сердечного ритма" является наиболее перспективным направлением в научных исследованиях [5].

Окончательный анализ

Основная задача предыдущих этапов вычислений и визуализации результатов исследований – это максимально облегчить труд исследователя, сделать научный анализ интересным за счет почти полного отсутствия цифр и представления, в основном, динамики показателей. В результате такого анализа происходит отбор тех графиков и вариантов клинических группировок, которые требуют более тщательного анализа и заслуживают внимания медицинской общественности в виде части публикации. Современные информационные технологии позволяют это сделать с минимальными усилиями.

Программные реализации дополнительных статистических обработок

Все дополнительные обработки данных выполняются специально разработанными программами в полуавтоматическом режиме. Пакетные режимы обработки данных позволяют получить визуальные результаты анализа огромных информационных массивов за считанные минуты.

Заключение

Предложена завершенная технология оценки функционального состояния организма во время ГБО по данным МАРС, которая обеспечивает исследователю комплексную реализацию возможностей методики МАРС.

Данная технология может быть использована в самых разнообразных отраслях медицины и медицинской науки, где требуется динамический объективный контроль функционального состояния организма.

В среде специалистов ГБО предлагается обсуждать и использовать данную технологию как Стандарт мониторинга функционального состояния организма во время ГБО.

ЛИТЕРАТУРА

1. Task Force of the European Society of Cardiology and the NorthAmerican Society of Pacing and Electrophysiology. Heart Rate Variability.Standarts of Measurements, Physiological Interpretation, and Clinical Use.Circulation.-1996.-v.93.-P.1043-1065.
2. Pincus S.M., Goldberger A.L., Physiological time-series analysis: wht does regularity guantify? // Am. J. Physiol.-1994.-Vol.266.-Pt.2.-P.H1643-H1656.
3. Шорин Ю.П., Мирхазанова Р.М., Казин Э.М и др. Оценка адаптивных возможностей организма подростков с различным темпом полового созревания по вегетативным, морфометрическим и гормональным показателям. //Физиология человека.- 1993.- т.19.- №3.- С.94-99.
4. Нидеккер И.Г., Федоров Б.М. Проблема математического анализа сердечного ритма. //Физиология человека.- 1993.- т.19.- №3.- С.80-87.
5. Баевский Р.М., Кириллов О.И., Клецкин С.З. Математический анализ изменений сердечного ритма при стрессе.-М:Наука.- 1984.
6. Гирина О.Н., Шатило В.Б. Состояние гиофизарно-надпочечниковой системы и вегетативн. регуляции сердечногоритма у больных с острым крупноочаговым инфарктом миокарда различного возраста.//Украiнський кардiологiчний журнал.-1995.- №2.- С.36.
7. Лившиц Б.М., Крылов В.В., Ромасенко М.В. Некоторые результаты применения вариационной пульсометрии в процессе использования гипербарической оксигенации у больных после клипирования аневризм церебральных сосудов. //Анестезиология и реаниматология.- 1994.- №4.- С.42.
8. Байдин С.А., Биккулова Д.Ш., Костюков Ю.И. и др. Влияние ГБО на состояние вегетативной нервной системы у больных хирургического профиля./ / Гипербарическая физиология и медицина.-1996.-№4.- С.69-70.
9. Агеенко В.П., Кисилев С.О. Критерии эффективности лечения перинатальной энцефалопатии с применением ГБО.//Гипербарическая физиология и медицина.-1995.-2.-C.6-9.
10 Анохин М.И., Байдин С.А., Казанский Д.Д, Алексеева Л.И., Ткаченко Л.П. Кардиореспираторафический контроль эфективности сеансов гипербарической оксигенации у детей.//Гипербарическая медицина, Материалы YII международного конгресса.- Москва.- Наука.- 1983.- С. 223-225.
11. Лившиц М.Е. Статистическое исследование показателей регуляции сердечного ритма.//Физиология человека.1987.-, Т.13,6, С. 965-970.
12. Соболев А.В., Лютикова Л.Н., Рябыкина Г.В., Алеева М.К., Мареев В.Ю. Вариация ритмограммы как новый метод оценки вариабельности сердечного ритма.// Кардиология.-1996.-№ 4 .-C .47-52.
13. Воробьев К.П., Сорокин Ю.Н., Дзюба А.Н. Вегетативная реактивность у больных рассеянным склерозом на этапах сеансов ГБО.// Врачебное дело.-1998.-№7 С.85-88.
14. Воробьев К.П., Кратинова И.П., Дзюба А.Н. Динамика вегетативных показателей у участников ликвидации последствий аварии на ЧАЭС на этапах лечебной гипероксии.// Врачебное дело.-1998.-№8 С.87-91.
15. Vorobyov K.P. The comparative characteristic of heart rate derivatives at stages of an HBO session. In: PB.Bennett, I. Demchenko, RE.Marguis editors. High Pressure Biology and Medicine. University of Rocherster pres .- New York .- 1998 .-P. 369-375.