CC BY
10
УДК 616.12-008.3-02:616.132.2-008.641-008.9 DOI: https://doi.org/10.17816/PAVL0VJ35173
Характеристика вариабельности сердечного ритма у больных с острым коронарным синдромом без подъема сегмента ST в сопоставлении
с клинико-биохимическими показателями
АА Низов, А. И. Гиривенкои, М . M. Лапкин, А.В . Бороздин, Я.А. Беленикина, Е. И. Сучкова, И.В . Бикушова
Рязанский государственный медицинский университет им . акад. И . П. Павлова, Рязань
АННОТАЦИЯ
Обоснование. Во всем мире продолжается поиск рациональных способов первичной, вторичной и третичной профилактики ишемической болезни сердца (ИБС) . К настоящему моменту имеется ряд публикаций о вариабельности сердечного ритма при ИБС .
Цель. Изучить состояние регуляторных систем организма больных с острым коронарным синдромом без подъема сегмента ST на электрокардиограмме (ОКСбпБТ) по ВСР и их связь с клиническо-биохимическими и инструментальными параметрами заболевания
Материалы и методы. В открытое сравнительное исследование включено 76 пациентов (62 мужчин, 14 женщин; 61,0 [55,5; 67,0] лет), поступивших в отделение неотложной кардиологии с направительным диагнозом ОКСбпST. Оценивались клинические, инструментальные и биохимические параметры заболевания в сопоставлении с показателями ВСР, зарегистрированными аппаратом «Варикард 2 . 51» (ООО Рамена, Россия) .
Результаты. Выявлены множественные корреляции показателей ВСР с клиническо-биохимическими и инструментальными параметрами, которые носят неопределенный характер, в связи с чем использован кластерный анализ кардиоинтервалометрии, позволивший разделить группы больных на 5 кластеров . Установлены 2 крайних варианта нарушения регуляции ритма сердца, коррелирующие с инструментальными и лабораторными показателями . Выраженное повышение активности подкорковых нервных центров (максимальное повышение мощности спектра в ультранизкочастотном диапазоне на фоне снижения среднеквадратического отклонения ряда кардиоинтервалов) в 1 кластере ассоциировано со снижением фракции выброса левого желудочка: 1 кластер — 47,0 [40,0; 49,0] %, 2 кластер — 60,0 [58,0; 64,0] %, 3 кластер — 60,0 [52,5; 64,5] % (данные представлены в виде медианы и интерквартильного размаха, Me [Q25; Q75], p < 0,05) . В 5 кластере выявлено значительное снижение среднеквадратического отклонения ряда кардиоинтервалов («монотонный ритм»), сочетавшееся с повышенным уровнем креатинфосфокиназы (КФК): 5 кластер — 446,0 [186,0; 782,0] МЕ/л, 4 кластер — 141,0 [98,0; 204,0] МЕ/л (Me [Q25; Q75], p < 0,05), — и МВ-фракции КФК: 5 кластер — 32,0 [15,0; 45,0] МЕ/л, 4 кластер — 12,0 [9,0; 18,0] МЕ/л (Me [Q25; Q75], p < 0,05) .
Заключение. У больных ОКСбпST кластерный анализ ВСР позволяет выделить разные особенности регуляции ритма сердца . Установлена выраженная напряженность регуляторных систем организма при более тяжелой патологии: преобладание VLF (мощность спектра кривой, огибающей динамический ряд кардиоинтервалов в сверхнизкочастотном диапазоне) при спектральном анализе на фоне сниженного среднеквадратического отклонения ряда кардиоинтервалов характерно для пациентов со сниженной фракцией выброса левого желудочка, а «монотонный ритм» свойственен больным с повышенным уровнем КФК и МВ-фракции КФК .
Ключевые слова: вариабельность сердечного ритма; острый коронарный синдром; инфаркт миокарда; кластерный анализ
Для цитирования:
Низов А.А., Гиривенко А.И., Лапкин М.М., Бороздин А.В., Беленикина Я.А., Сучкова Е.И., Бикушова И.В. Характеристика вариабельности сердечного ритма у больных с острым коронарным синдромом без подъема сегмента ST в сопоставлении с клинико-биохимическими показателями // Российский медико-биологический вестник имени академика И.П. Павлова. 2021. Т. 29, № 3. С. 369-378. D0I: https://doi.org/10.17816/ PAVL0VJ35173
Рукопись получена: 13. 07. 2020
Рукопись одобрена: 01. 02 . 2021
Опубликована: 30. 09. 2021
© Эко-Вектор, 2021 Все права защищены
DOI: https://doi.org/10.17816/PAVLOVJ35173
Characteristics of heart rate variability in patients with acute coronary syndrome without ST segment elevation in comparison with clinical and biochemical parameters
Aleksey A . Nizov, Aleksey I . GirivenkoH, Mikhail M . Lapkin, Aleksey V . Borozdin, Yana A. Belenikina, Ekaterina I . Suchkova, Irina V . Bikushova
Ryazan State Medical University, Ryazan, Russia
ABSTRACT
BACKGROUND: The search for rational methods of primary, secondary, and tertiary prevention of coronary heart disease . To date, there are several publications on heart rate variability in ischemic heart disease .
AIM: To study the state of the regulatory systems in the organism of patients with acute coronary syndrome without ST segment elevation based on the heart rhythm, and their relationship with the clinical, biochemical and instrumental parameters of the disease .
MATERIALS AND METHODS: The open comparative study included 76 patients (62 men, 14 women) of mean age, 61. 0 ± 0 . 9 years, who were admitted to the Emergency Cardiology Department diagnosed of acute coronary syndrome without ST segment elevation . On admission, cardiointervalometry was performed using Varicard 2 . 51 apparatus, and a number of clinical and biochemical parameters were evaluated
RESULTS: Multiple correlations of parameters of heart rate variability and clinical, biochemical and instrumental parameters were observed . From this, a cluster analysis of cardiointervalometry was performed, thereby stratifying patients into five clusters . Two extreme variants of dysregulation of the heart rhythm correlated with instrumental and laboratory parameters . A marked increase in the activity of the subcortical nerve centers (maximal increase of the spectral power in the very low frequency range with the underlying reduction of SDNN) in cluster 1 was associated with reduction of the left ventricular ejection fraction: cluster 1-47 . 0 [40 . 0; 49 . 0], cluster 2-60 . 0 [58 . 0; 64 . 0], cluster 3-60 . 0 [52 . 5; 64 . 5] % (the data are presented in the form of median and interquartile range; Me [Q25; Q75], p < 0,05) . Cluster 5 showed significant reduction in SDNN ("monotonous rhythm"), combined with increased level of creatine phosphokinase (CPC): cluster 5-446,0 [186 . 0; 782 . 0], cluster 4-141. 0 [98 . 0; 204.0] lU/l; Me [Q25; Q75], p < 0 . 05) and MB-fraction of creatine phosphokinase; cluster 5-32 . 0 [15 . 0; 45 . 0], 4 cluster 4-12 . 0 [9 . 0; 18 . 0] lU/l; Me [Q25; Q75], p < 0 . 05) .
CONCLUSIONS: In patients with acute coronary syndrome without ST segment elevation, cluster analysis of parameters of heart rate variability identified different peculiarities of regulation of the heart rhythm . Pronounced strain of the regulatory systems of the body was found to be associated with signs of severe pathology: the predominance of VLF (spectral power of the curve enveloping a dynamic range of cardiointervals in the very low frequency range) in spectral analysis with an underlying reduced SDNN is characteristic of patients with a reduced ejection fraction, and a "monotonous rhythm" is characteristic of patients with an increased level of creatine phosphokinase and MB-fraction of creatine phosphokinase .
Keywords: heart rate variability; acute coronary syndrome; myocardial infarction; cluster analysis For citation:
Nizov AA, Girivenko AI, Lapkin MM, Borozdin AV, Suchkova EI, Belenikina YA, Bikushova IV. Characteristics of heart rate variability in patients with acute coronary syndrome without ST segment elevation in comparison with clinical and biochemical parameters. I.P. Pavlov Russian Medical Biological Herald. 2021;29(3):369-378. DOI: https://doi.org/10.17816/PAVLOVJ35173
Received: 13 . 07 . 2020 Accepted: 01. 02 . 2021 Published: 30. 09. 2021
ECO. vector C) Ecu-Vector 2021
All rights reserved
ОБОСНОВАНИЕ
Сердечно-сосудистые заболевания, преимущественно ишемическая болезнь сердца (ИБС), являются ведущей причиной смертности и инвалидности населения экономически развитых странах [1, 2] . Во всем мире продолжается поиск рациональных способов первичной, вторичной и третичной профилактики ИБС, а также маркеров тяжести течения болезни, определяющих рациональные пути ее лечения .
Нервная регуляция — универсальный механизм, обеспечивающий процессы адаптации и дезадаптации . В основе любой болезни присутствует изменения регу-ляторных систем организма, которые представлены многоуровневой иерархической структурой, включающей в себя автономную нервную систему (с симпатическим и парасимпатическим звеньями), низшие подкорковые центры (сосудодвигательный и дыхательный) и высшие корковые и подкорковые центры (гипоталамо-гипофи-зарная система) [3, 4] . Параметры функционирования этих структур представляют собой не только факторы патогенеза (известно значение гиперсимпатикотонии при инфаркте миокарда и сердечной недостаточности [5-7]), но и могут служить индикаторами любых механизмов заболевания и его течения [8-10] .
Кардиоинтервалометрия (КИМ) — неинвазивный, относительно простой и доступный метод оценки состояния неспецифических адаптационных механизмов организма по вариабельности сердечного ритма (ВСР) . Метод применяется для оценки состояния регуляторных процессов симпатического и парасимпатического отделов автономной нервной системы, что дает возможность оценить степень напряжения неспецифических адаптационных механизмов [3, 4] . К настоящему моменту имеется ряд публикаций о ВСР при ИБС, однако многие особенности дисрегуляций, особенно при остром коронарном синдроме (ОКС) без подъема сегмента БТ (ОКСбпБТ) на электрокардиограмме (ЭКГ), изучены явно недостаточно и касаются лишь отдельных аспектов этой проблемы [5-11] .
Цель — изучить состояние регуляторных систем организма больных с острым коронарным синдромом без подъема сегмента БТ на электрокардиограмме по показателям вариабельности сердечного ритма и сопоставить их с клиническо-биохимическими и инструментальными параметрами болезни
МАТЕРИАЛЫ И МЕТОДЫ
Открытое проспективное исследование проведено на базе отделения неотложной кардиологии Городской клинической больницы № 11 (г. Рязань) с 2017 по 2019 гг. согласно правилам надлежащей клинической практики и в соответствии с Хельсинской конвенцией . Протокол исследования одобрен Этической комиссией при утверждении темы диссертационного исследования (2003)
Критерии включения: возраст 40-80 лет; диагноз ОКСбпБТ; синусовый ритм, подписанное добровольное информированное согласие
Критерии исключения: любая форма острой сердечной недостаточности и декомпенсация хронической сердечной недостаточности (ХСН); нарушения ритма и проводимости; дыхательная недостаточность (вследствие хронической обструктивной болезни легких (ХОБЛ) или бронхиальной астмы), наличие онкологического и любых других тяжелых заболеваний, способных исказить результаты исследования
Всем больным при поступлении в стационар проводилось клиническое, инструментальное и лабораторное исследования, назначалась терапия (при отсутствии противопоказаний: бета-адреноблокаторы, ингибиторы ангиотензипревращающего фермента, клопидогрель, ацетилсалициловая кислота, статины, антикоагулянты, по показаниям — парентеральные нитраты) согласно актуальным на момент проведения исследования стандартам оказания медицинской помощи больным ОКСбпБТ [12, 13].
КИМ проводили в первые сутки после поступления, утром после 15 мин адаптации, в положении лежа на спине, до приема лекарственных препаратов . Для записи использовался аппаратно-программный комплекс «Варикард 2 . 51» (ООО Рамена, Россия) .
Изучаемые показатели:
• частота сердечных сокращений (ЧСС),
• среднеквадратическое отклонение ряда карди-оинтервалов (СКО),
• показатель активности регуляторных систем организма (ПАРС),
• индекс напряжения регуляторных систем (ИН),
• коэффициент вариации (КВ),
• индекс централизации (ИЦ),
• процент аритмий (Аритмии);
• мощность спектра кривой, огибающей динамический ряд кардиоинтервалов (суммарная — ТР, в высокочастотном диапазоне — ИР, низкочастотном диапазоне — ЬР, сверхнизкочастотном диапазоне — УЬР) .
Обследовано 76 пациентов (62 мужчин 14 женщин; 61,0 [55,5; 67,0] лет) . Исходом ОКСбпБТ у 28 из них был инфаркт миокарда без формирования зубца О на ЭКГ, у 48 — стенокардия напряжения II функционального класса . У всех больных были диагностированы артериальная гипертензия и ХСН (в т . ч . I стадия — у 26, 11а стадия — у 46 и 11б стадия — у 4 пациентов) . В анамнезе у 28 пациентов выявлен перенесенный инфаркт миокарда, у 10 — сахарный диабет 2 типа .
Индекс массы тела в изучаемой когорте составил 27,3 [24,2; 29,9] кг/м2, фракция выброса (ФВ) левого желудочка (ЛЖ) — 58,0 [48,5; 64,0] %, креатинфосфо-киназа (КФК) сыворотки крови — 188,0 [136,5; 398,5] МЕ/л, МВ-фракция креатинфосфокиназы (МВ-КФК) — 17,0 [11,0; 29,0] МЕ/л, креатинин сыворотки крови
— 93,0 [82,5; 102,5] мкмоль/л, общий холестерин сыворотки — 5,4 [4,3; 6,2] ммоль/л, триглицериды (ТГ)
— 1,4 [1,0; 2,4] ммоль/л, бета-липопротеиды (бета-ЛП)
— 58,5 [40,5; 75,5] у. е . , протромбин — 0,9 [0,8; 0,9], фибриноген — 3,0 [2,4; 4,2] г/л, расчетный риск смерти на госпитальном этапе по шкале GRACE — 119,0 [105,0; 137,0] баллов .
Результаты обрабатывались с помощью пакета программ Statistica 6 . 0 (Stat Soft Inc. , США) . Характер распределения оценивали по критериям Холмогорова-Смирнова и Шапиро-Уилка. Параметры, распределение которых отличалось от нормального, представлены виде Me [Q25; Q75], где Me — медиана, а Q25 и Q75 — значения нижнего и верхнего квартиля соответственно . Статистическая значимость различий при парных сравнениях определяли с помощью U-критерия Манна-Уитни, множественных сравнениях — Краскелла-Уол-лиса. Для сравнения качественных переменных использовались критерий х2 Пирсона и точный критерий
Корреляционный анализ позволил установить статистически значимую (р < 0,05) связь процента аритмий с возрастом больных (+0,26, слабая положительная) и уровнем ТГ (-0,27, слабая отрицательная) .
Как следует из представленных в таблице 1 данных, исследуемая группа достаточно разнородна. В связи с этим для выделения однородных подгрупп использовался метод кластерного анализа. Преимуществом такого подхода является использование формального математического метода, исключающего
Фишера . Для оценки корреляционных связей использовали тест Спирмена . Различия считали статистически значимыми при р < 0,05 В связи с большой дисперсией показателей ВСР для выделения однородных подгрупп использовался кластерный анализ [14, 15] . Для уравнивания размерности изучаемые данные подвергались нормализации С целью поискового анализа использовали иерархическую классификацию методом объединения ближайших соседей и мерой измерения — «эвклидово расстояние», для формирования кластеров использовали метод К-средних .
РЕЗУЛЬТАТЫ
Получены результаты продемонстрировали, что для больных ОКСбпБТ характерно умеренное напряжение регуляторных систем организма (умеренное повышение ПАРС и ИН, снижение ТР в сочетании с нормальными значениями остальных показателей, табл . 1) .
ошибки, связанные с субъективной оценкой . Первоначально остановимся на анализе полученных в исследовании результатах КИМ и, прежде всего, результатов иерархической классификации (рис . 1) . Мы установили, что показатели пациентов формируют приблизительно 3-5 подгрупп (кластеров) .
Для дальнейшего выделения подгрупп применен метод К-средних. Этот метод использует структуру классификатора с центроидами и формирует выпуклые и хорошо интерпретируемые кластеры, что делает его
Таблица 1. Показатели вариабельности сердечного ритма у больных острым коронарным синдромом без подъема сегмента БТ (п = 76) в сравнении с нормой
Показатели Норма, min-max [10] Параметры изучаемой когорты, Me [Q25; Q75]
Частота сердечных сокращений, в 1 мин 65-75 63,5 [57,0; 71,5]
Среднеквадратическое отклонение ряда кардиоинтервалов, мс 30-100 33,0 [21,5; 41,0]
Показатель активности регуляторных систем организма, баллы 1-3 5,0 [3,0; 6,0]
Индекс напряжения регуляторных систем 50-150 220,0 [136,0; 515,5]
Коэффициент вариации, % 3-12 3,1 [2,2; 4,2]
Индекс централизации 2-8 3,1 [1,7; 5,5]
Процент аритмий,% 0-4 0,0 [0,0; 0,3]
Мощность спектра кривой, огибающей динамический ряд кардиоинтервалов в высокочастотном диапазоне, % 10-30 24,3 [15,4; 37,6]
Мощность спектра кривой, огибающей динамический ряд кардиоинтервалов в низкочастотном диапазоне, % 15-45 36,6 [25,2; 45,9]
Мощность спектра кривой, огибающей динамический ряд кардиоинтервалов в сверхнизкочастотном диапазоне, % 20-60 31,5 [22,7; 47,7]
Суммарная мощность спектра кривой, огибающей динамический ряд кардиоинтервалов, мс2 800-1500 657,0 [349,0; 1178,0]
h 51-
h -
ir
Р
S3-
О 1000 2000 3000 4000 5000 6000
Расстояние ойьеди нений
Рис. 1. Дендрограмма распределения больных в зависимости от показателей вариабельности сердечного ритма: пациенты по показателям вариабельности сердечного ритма формируют отчетливые подгруппы (кластеры) .
Таблица 2. Показатели вариабельности сердечного ритма (Ме [О25; О75]) в сформированных кластерах пациентов с острым коронарным синдромом без подъема сегмента БТ
Показатели 1 кластер 2 кластер 3 кластер 4 кластер 5 кластер
n 9 9 28 17 13
Частота сердечных сокращений1, в мин 75,0 [72,0; 82,0] 64,0 [59,0; 69,0] 58,0 [54,5; 66,5] 57,0 [54,0; 64,0] 75,0 [70,0; 83,0]
Среднеквадратическое отклонение ряда кардиоинтервалов2, мс 29,0 [26,0; 35,0] 44,0 [42,0; 52,0] 38,0 [35,0; 42,5] 23,0 [21,0; 24,0] 14,0 [13,0; 15,0]
Показатель активности регуляторных систем организма3, баллы 6,0 [5,0; 7,0] 3,0 [3,0; 4,0] 4,0 [3,0; 5,0] 5,0 [4,0; 6,0] 6,0 [5,0; 6,0]
индекс напряжения регуляторных систем4, у. е . 320,0 [209,0; 348,0] 123,0 [114,0; 140,0] 147,5 [118,0; 187,0] 422,0 [330,0; 515,0] 1444,0 [1240,0; 1802,0]
Коэффициент вариации5, % 3,5 [3,0; 4,4] 4,6 [4,5; 5,5] 3,75 [3,25; 4,25] 2,1 [2,0; 2,6] 1,8 [1,5; 2,1]
Индекс централизации6, у. е . 7,2 [4,3; 12,4] 9,4 [5,9; 20,9] 2,7 [1,6; 4,5] 1,28 [1,1; 2,1] 3,7 [2,9; 5,6]
Процент аритмий, % 0,2 [0,0; 1,1] 0 [0; 0,3] 0 [0; 0,3] 0 [0; 0,3] 0 [0; 0]
Мощность спектра кривой, огибающей динамический ряд кардиоинтервалов в высокочастотном диапазоне7, % 12,3 [7,4; 18,8] 9,6 [4,6; 14,6] 27,4 [18,3; 39,1] 43,9 [32,5; 47,9] 21,1 [15,2; 25,4]
Мощность спектра кривой, огибающей динамический ряд кардиоинтервалов в низкочастотном диапазоне8, % 21,1 [18,4; 23,4] 29,7 [19,7; 39,7] 43,7 [35,4; 50,9] 30,5 [26,8; 33,7] 39,5 [31,7; 49,6]
Мощность спектра кривой, огибающей динамический ряд кардиоинтервалов в сверхнизкочастотном диапазоне9, % 63,0 [60,1; 71,4] 55,6 [49,2; 65,8] 27,0 [19,9; 34,8] 26,5 [21,9; 30,7] 37,7 [26,7; 46,5]
Суммарная мощность спектра кривой, огибающей динамический ряд кардиоинтервалов10, мс2 701,0 [446,0; 992,0] 1748,0 [1439,0; 2904,0] 1040,0 [796,5; 1458,0] 403,0 [306,0; 499,0] 135,0 [84,0; 199,0]
Примечания: зарегистрированы статистически значимые различия (р < 0,05) в следующих группах сравнения: 1 — 1 и 5 кластеры с одной стороны и 2, 3, 4 кластеры — с другой; 2 — 1 УБ 2 кластера, 4 УБ 2, 3 кластеров и 5 УБ 1, 2, 3 кластеров; 3 — 4 УБ 2, 3 кластеров; 4 — 4 уб 2, 3 кластеров и 5 уб 1, 2, 3 кластеров; 5 — 4 уб 1, 2, 3 кластеров и 5 уб 1, 2, 3 кластеров; 6 — 3 уб 1, 2 кластеров и 4 уб 1, 2, 5 кластеров; 7 — 3 уб 1, 2 кластеров уб 4 и 1, 2, 5 кластеров; 8 — 1 уб 3, 5 кластеров; 9 — 1 уб 2, 4 кластеров и 2 уб 3, 4 кластеров; 10 — 4 уб 2, 3 кластеров и 5 уб 1, 2, 3 кластеров
наиболее популярным вариантом кластерного анализа [14], в т . ч . при медико-биологических исследованиях [15] . По характеру расположения связей методом К-средних можно сформировать 5 основных кластеров (табл . 2) .
В целом, зарегистрирована существенная вариабельность между кластерами -расхождение по СКО, ИР и ТР (табл . 2) . Представленные данные не позволяют говорить о какой-либо закономерности, что свидетельствует о различных типах дисрегуляции у пациентов изучаемой группы . Таким образом, выделенные кластеры характеризуются статистически значимыми отличиями по всем изучаемым показателям ВСР (кроме процента аритмий, табл . 2), что отражает корректность проведенного кластерного анализа.
Известно, в рамках многоуровневой иерархической модели регуляции сердечного ритма основным модулирующим воздействием является активность дыхательного центра . По мере нарастания напряжения регулятор-ных систем его активность подавляется вышележащими центрами регуляции - в первую очередь, сосудодвига-тельным центром, а в дальнейшем — надсегментарны-ми структурами (гипоталямо-гипофизарной системой, подкорковыми нервными центрами, корой головного мозга) . Дыхательный центр функционирует с частотой 0,4-0,15 Гц и отражается в показателе ИР; сосудодвига-тельный центр — 0,15-0,04 Гц - показатель ЬР; высшие вегетативные и подкорковые центры 0,04-0,003 Гц — показатель УЬР [3, 4] .
Итак, варианты дисрегуляций, выделенные с помощью кластерного анализа, отражают разные механизмы дезадаптации . Нужно подчеркнуть, что значительное снижение ВСР — «монотонный ритм» — трактуется в литературе как проявление крайней степени напряжения регуляторных систем организма (срыв адаптации) [3,4] . Исходя из этого тезиса, отдельно следует выделить 5 кластер, в котором ВСР характеризуется наиболее
низким значениям СКО . После 5 кластера наибольшей активностью подкорковых нервных центров, а, следовательно, напряжением регуляторных систем организма характеризуются пациенты 1 и 2 кластеров (повышенный УЬР). В свою очередь, в 1 кластере преобладание УЬР в волновых влияниях сочетается со снижением СКО, во 2 кластере СКО соответствует норме, что указывает на разные механизмы дезадаптации у пациентов этих кластеров В 3 и 4 кластерах централизация регуляции наиболее низкая в изучаемой когорте . В 3 кластере преобладает активность сосудодвигательного центра, а в 4 кластере установлено преобладание активности дыхательного центра Одновременно в 3 кластере СКО соответствует норме, а в 4 кластере снижено, что обусловлено различными регуляторными механизмами, обеспечивающими адаптацию и дезадаптацию .
Таким образом, в 1 и 5 кластерах наблюдается максимально выраженное напряжение регуляторных систем организма: в 1 кластере преобладают центральные механизмы регуляции по спектральным показателям на фоне снижения СКО и в 5 — «монотонный ритм» Показатели пациентов 2, 3 и 4 кластеров следует оценивать как наименьшее напряжение регулятор-ных систем организма
При сравнительном анализе показателей ВСР с клиническими данными обращает на себя внимание факт, что в 1 кластере несколько чаще встречался перенесенный инфаркт миокарда в анамнезе, а в 5 — исход ОКСбпБТ в инфаркт миокарда (табл . 3), хотя отличия и не были статистически значимы (р > 0,05) . При проведении множественных сравнений методом Краскел-ла-Уоллеса выявлена статистически значимая разница между кластерами . Из приведенных данных следует, что кластеры с наиболее выраженной дисрегуляцией отличаются признаками более тяжелой патологии (низкая фракция выброса (ФВ) левого желудочка (ЛЖ) в 1 кластере и высокие КФК и КФК-МВ — в 5 кластере) .
Таблица 3. Клинические, инструментальные и биохимические показатели в сформированных кластерах пациентов с острым коронарным синдромом без подъема сегмента БТ
Показатели 1 кластер 2 кластер 3 кластер 4 кластер 5 кластер
п 9 9 28 17 13
Исход острого коронарного синдрома без подъема сегмента БТ в инфаркт миокарда, п (%) 3 (33,3) 3 (33,3) 11 (39,3) 3 (17,7) 8 (61,5)
Перенесенный инфаркт миокарда в анамнезе, п (%) 6 (66,7) 1 (11,1) 10 (35,7) 6 (35,3) 5 (38,5)
Фракция выброса1, %, Ме [025; 075] 47,0 [40,0; 49,0] 60,0 [58,0; 64,0] 60,0 [52,5; 64,5] 60,0 [54,0; 65,0] 53,0 [42,0; 63,0]
Креатинфосфокиназа2, МЕ/л, Ме [025; 075] 187,0 [152,0; 498,0] 245,0 [135,0; 558,0] 225,5 [132,0; 321,0] 141,0 [98,0; 204,0] 446,0 [186,0; 782,0]
МВ-фракция креатинфосфокиназы2, МЕ/л, Ме [025; 075] 21,0 [12,0; 35,0] 26,0 [11,0; 33,0] 17,0 [12,0; 21,0] 12,0 [9,0; 18,0] 32,0 [15,0; 45,0]
Примечания: зарегистрированы статистически значимые различия (р < 0,05) в следующих группах сравнения: 1 — 1 кластер уб 2 и 3 кластеров; 2 — 5 кластер уб 4 кластера
По показателям возраст, пол, наличии в анамнезе сахарного диабета, стадии ХСН, индекса массы тела, уровню креатинина, общего холестерина, бета-ЛП, ТГ, протромбина, фибриногена, риску госпитальной летальности по шкале GRACE статистически значимых различий получено не было
Корреляционный анализ выявил множественные связи между показателями ВСР и клиническо-биохимическими и инструментальными данными (во всех приведенных ниже данных уровень значимости p < 0,05) .
Так, в 1 кластере ЧСС коррелирует с КФК и МВ-КФК (+0,82 и +0,75 соответственно); СКО с ФВ ЛЖ (-0,75); ИЦ с возрастом и фибриногеном (-0,67 и -0,83 соответственно); HF с фибриногеном (+0,83); LF c общим холестерином и протромбином (+0,73 и +0,79), TP с ФВ ЛЖ (-0,85) . Во всех случаях связь сильная, за исключением «ИЦ-возраст», где она средней силы .
Во 2 кластере выявлена сильная связь СКО с ТГ (-0,75), ИЦ с ТГ (+0,83), HF с ТГ (-0,85), VLF c бета-ЛП (+0,73), TP с МВ-КФК (+0,70) и с ТГ (-0,80) .
В 3 кластере установлена средняя связь ПАРС с фибриногеном (-0,51) и VLF с фибриногеном (+0,56), ИЦ с ФВ ЛЖ (+0,38), HF с ФВ ЛЖ (-0,38), LF c фибриногеном (-0,50) .
В 4 кластере имеется взаимосвязь средней силы ЧСС с креатинином и фибриногеном (-0,51 и +0,63 соответственно); ИЦ с бета-ЛП (-0,59), HF с бета-ЛП (+0,59); LF c индексом массы тела и креатинином (+0,50 и -0,55), TP с ФВ ЛЖ (-0,58) .
В 5 кластере определена сильная связь ЧСС (-0,72) и КВ (-0,71) — с возрастом, ПАРС с ТГ (-0,72), бета-ЛП (-0,86); средней силы — ПАРС с индексом массы тела (-0,65), холестерином (-0,57) и протромбином (-0,57); ИЦ с бета-ЛП (-0,60); процент аритмий — с холестерином (-0,56); HF с бета-ЛП (+0,60); LF c ФВ ЛЖ (-0,64): VLF с ФВ ЛЖ (+0,63); TP с индексом массы тела (-0,55) и с бета-ЛП (-0,61) .
Таким образом, результаты корреляционного анализа демонстрируют связь нервной регуляции и функционирования сердечно-сосудистой системы, состояния свертывающей системы крови, липидного обмена . Большее число взаимосвязей, появляющееся при разделении группы на кластеры, обусловлено, на наш взгляд, однородностью подгрупп по особенностям состояния регуляторных систем . При этом, в 1 и 5 кластерах отмечается наибольшее количество связей. На основании полученных данных можно утверждать, что это связано с наиболее грубым нарушением функционирования регуляторных систем организма, большей «физиологической цене адаптации» [16] . В тоже время, корреляция ВСР и клинико-биохимических показателей носит неопределенный характер и не позволяет выделить какой-то отдельный критерий, который можно было бы связать с течением болезни
ОБСУЖДЕНИЕ
В подавляющем большинстве исследований клиницисты интерпретируют показатели ВСР как результат активности различных звеньев автономной нервной системы, взаимодействующих в рамках «функциональной синергии» [3, 4]. В рамках данного подхода еще в 80-90-х гг . прошлого века установлены отдельные показатели ВСР, коррелирующие с течением и исходом инфаркта миокарда (сниженный уровень СКО или повышенный уровень LF или VLF) . Эти выводы подтверждены на базе новых подходов (например, анализ суточного мониторирования ЭКГ сотен тысяч лиц методами big data [10]) или путем включения отдельных показателей ВСР в различные прогностические модели [5, 7-9] . При этом, связь изучаемых показателей ВСР с худшим прогнозом объясняют преимущественно симпатикотонией. В вышеприведенных работах приводятся более поздние данные больших групп относительно «однородных» в клиническом смысле пациентов . В тоже время есть сообщения об отсутствии связи отдельных показателей ВСР и клинических характеристик больных [11, 17] .В доступной нам литературе имеется только одна работа, где кластерный анализ применялся для классификации больных по показателям ВСР [17] . Авторы этой статьи ограничились выделением 2 кластеров кардиохирургических больных — с преобладанием активности симпатической и парасимпатической систем и резюмировали отсутствие различий в течении заболевания и его исходах у этих двух групп . Нам не удалось найти исследований, в которых бы анализировались детальные патогенетические механизмы нарушения регуляции при ОКСбпБТ, в т. ч . с использованием математических методов классификации . В нашей работе посредством формального математического метода — кластерного анализа — среди неоднородных как клинически, так и по показателям КИМ больных ОКСбпБТ мы выделили группы (кластеры), которые объединены определенным сочетанием показателей ВСР . Эти сочетания можно объяснить в контексте процессов адаптации и дезадаптации через состояние регуляторных систем организма. Неспецифические механизмы адаптации (как часть общего адаптационного синдрома) четко связаны со специфическими проявлениями болезни (в 1 кластере выявлено снижение ФВ ЛЖ, в 5 — повышенный уровень КФК и МВ-КФК) . В тоже время, отдельные показатели ВСР в изучаемой группе слабо связаны с клиническими, биохимическими и инструментальными характеристиками патологии, что продемонстрировал корреляционный анализ
ВЫВОДЫ
1 Кластерный анализ показателей вариабельности сердечного ритма у больных с острым коронарным
синдромом без подъема сегмента ST на электрокардиограмме позволил выделить группы пациентов с различными вариантами регуляции автономной нервной системы, отражающие выраженность напряжения регуляторных систем организма и дезадаптацию .
2 . В группах с наиболее выраженным напряжением регуляторных систем организма (преобладание мощности спектра в сверхнизкочастотном диапазоне при спектральном анализе в сочетании со снижением среднеквадратичного отклонения ряда кардиоинтерва-лов и резком снижении среднеквадратичного отклонения ряда кардиоинтервалов) снижена фракция выброса левого желудочка (для группы с преобладанием мощности спектра в сверхнизкочастотном диапазоне при спектральном анализе в сочетании со снижением среднеквадратичного отклонения ряда кардиоинтервалов) и повышены креатинфосфокиназа и МВ-фракция креатинфосфокиназы (для группы с «монотонным ритмом»), что свидетельствует о более тяжелом характере заболевания; в тоже время нормальный уровень
среднеквадратичного отклонения ряда кардиоинтервалов и/или преобладание мощности высокочастотного компонента в волновой структуре ритма сердца ассоциированы с меньшей тяжестью заболевания .
ДОПОЛНИТЕЛЬНО
Финансирование. Бюджет Рязанского государственного медицинского университета им. акад. И.П. Павлова.
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов. Вклад авторов: Низов А.А. — концепция и дизайн исследования, написание текста, редактирование, Гиривенко А.И. — сбор и обработка материала, статистическая обработка, написание текста, Лапкин М.М. — написание текста, редактирование, Бороздин А.В., Сучкова Е.И., Беленикина Я.А., Бикушова И.В. — сбор и обработка материала.
Funding. Budget of Ryazan State Medical University. Conflict of interest. The authors declare no conflict of interests. Contribution of the authors: A.A. Nizov — concept and design of the study, writing the text, editing, A.I. Girivenko — collection and processing of the material, statistical processing, writing the text, M.M. Lapkin — writing the text, editing, A.V. Borozdin, E.I. Suchkova, Y.A. Belenikina, I.V. Bikushova — collection and processing of the material.
СПИСОК ИСТОЧНИКОВ
1. Вишневский А., Андреев Е., Тимонин С. Смертность от болезней системы кровообращения и продолжительность жизни в России // Демографическое обозрение. 2016. Т. 3, № 1. С. 6-34.
2. Бойцов С.А., Самородская И.В., Никулина Н.Н., и др. Сравнительный анализ смертности населения от острых форм ишемической болезни сердца за пятнадцатилетний период в РФ и США и факторов, влияющих на ее формирование // Терапевтический архив. 2017. Т. 89, № 9. C. 53-59. doi: 10.17116/terarkh201789953-59
3. Баевский Р.М., Иванов Г.Г., Чирейкин Л.В., и др. Анализ вариабельности сердечного ритма при использовании различных электрокардиографических систем (методические рекомендации) // Вестник аритмологии. 2002. № 24. С. 65-87.
4. Баевский Р.М., Баевский А.Р., Лапкин М.М., и др. Медико-физиологические аспекты разработки аппаратно-программных средств для математического анализа ритма сердца // Российский медико-биологический вестник имени академика И.П. Павлова. 1996. № 1-2. С. 104-113.
5. Hayano J., Ueda N., Kisohara M., et al. Survival Predictors of Heart Rate Variability After Myocardial Infarction With and Without Low Left Ventricular Ejection Fraction // Frontiers in Neuroscience. 2021. Vol. 15. P. 610955. doi: 10.3389/fnins.2021.610955
6. Johnston B.W., Barrett-Jolley R., Krige A., et al. Heart rate variability: Measurement and emerging use in critical care medicine // Journal of the Intensive Care Society. 2020. Vol. 21, № 2. P. 148-157. doi: 10.1 177/1751 143719853744
7. Fang S.-C., Wu Y.-L., Tsai P.-S. Heart Rate Variability and Risk of All-Cause Death and Cardiovascular Events in Patients With Cardiovascular Disease: A Meta-Analysis of Cohort Studies // Biological Research for Nursing. 2020. Vol. 22, № 1. P. 45-56. doi: 10.1 177/1099800419877442
8. Liu Y., Scirica B.M., Stultz C.M., et al. Beatquency domain and machine learning improve prediction of cardiovascular death after acute coronary syndrome // Scientific Reports. 2016. Vol. 6. P. 34540. doi: 10.1038/ srep34540
9. Liu X., Xiang L., Tong G. Predictive values of heart rate variability, deceleration and acceleration capacity of heart rate in post-infarction patients with LVEF >35 // Annals of Noninvasive Electrocardiology. 2020. Vol. 25, № 6. P. e12771. doi: 10.1111/anec.12771
10. Yuda E., Ueda N., Kisohara M., et al. Redundancy among risk predictors derived from heart rate variability and dynamics: ALLSTAR big data analysis // Annals of Noninvasive Electrocardiology. 2020. Vol. 26, № 1. P. e12790. doi: 10.1111/anec.12790
11. Lanza G.A., Ruscio E., Ingrasciotta G., et al. Relation of vascular dilator function and cardiac autonomic function with coronary angiography findings in patients with non-ST segment elevation acute coronary syndrome // European Heart Journal. Acute Cardiovascular Care. 2021. Vol. 10, № 2. P. 164-169. doi: 10.1177/ 2048872620918714
12. Руда М.Я., Аверков О.В., Панченко Е.П., и др. Клинические рекомендации по диагностике и лечению больных с острым коронарным синдромом без подъема сегмента ST электрокардиограммы (часть 1) // Кардиологический вестник. 2017. Т. 12, № 3. С. 3-28.
13. Руда М.Я., Аверков О.В., Панченко Е.П., и др. Клинические рекомендации по диагностике и лечению больных с острым коронарным синдромом без подъема сегмента ST электрокардиограммы (часть 2) // Кардиологический вестник. 2018. Т. 13, № 1. С. 59-62. doi: 10.17116/ Cardiobulletin201813159-62
14. Меркулова М.А., Лапкин М.М., Зорин Р.А. Использование кластерного анализа и теории искусственных нейронных сетей для прогнозирования результативности целенаправленной деятельности человека // Наука молодых (Eruditio Juvenium). 2018. Т. 6, № 3. С. 374-382. doi: 10.23888/HMJ201863374-382
15. Миркин Б.Г. Методы кластер-анализа для поддержки принятия решений: обзор. М.: Высшая школа экономики; 2011.
16. Зорин Р.А., Лапкин М.М., Трутнева Е.А., и др. Физиологическая стоимость как фактор результативности умственной деятельности человека // Доктор.Ру. 2012. № 10 (78). С. 24-28.
17. Shvartz V.A., Kiselev A.R., Karavaev A.S., et al. Comparative study of heart disease // Journal of Cardiovascular and Thoracic Research. 2018. short-term cardiovascular autonomic control in cardiac surgery patients Vol. 10, № 1. P. 28-35. doi: 10.15171/jcvtr.2018.05 who underwent coronary artery bypass grafting or correction of valvular
REFERENCES
1. Vishnevsky A, Andreev E, Timonin S. Mortality from cardiovascular diseases and life expectancy in Russia. Demographic Review. 2016;3(1):6-34. (In Russ).
2. Boytsov SA, Samorodskaia IV, Nikulina NN, et al. Comparative analysis of mortality from acute forms of ischemic heart disease during a 15-year period in the Russian Federation and the United States and the factors influencing its formation. TerapevticheskiiArkhiv. 2017;89(9):53—9. (In Russ). doi: 10.17116/terarkh201789953-59
3. Bayevskiy RM, Ivanov GG, Chireykin LV, et al. Analiz variabel'nosti serdechnogo ritma pri ispol'zovanii razlichnykh elektrokardiograficheskikh sistem (metodicheskiye rekomendatsii). Vestnik Aritmologii. 2002;(24):65-87. (In Russ).
4. Bayevskiy RM, Bayevskiy AR, Lapkin MM, et al. Mediko-fiziologicheskiye aspekty razrabotki apparatno-programmnykh sredstv dlya matematicheskogo analiza ritma serdtsa. I.P. Pavlov Russian Medical Biological Herald. 1996;(1-2):104-13. (In Russ).
5. Hayano J, Ueda N, Kisohara M, et al. Survival Predictors of Heart Rate Variability After Myocardial Infarction With and Without Low Left Ventricular Ejection Fraction. Frontiers in Neuroscience. 2021;15:610955. doi: 10.3389/ fnins.2021.610955
6. Johnston BW, Barrett-Jolley R, Krige A, et al. Heart rate variability: Measurement and emerging use in critical care medicine. Journal of the Intensive Care Society. 2020;21(2):148-57. doi: 10.1 177/1751 14371 9853744
7. Fang S-C, Wu Y-L, Tsai P-S. Heart Rate Variability and Risk of All-Cause Death and Cardiovascular Events in Patients With Cardiovascular Disease: A Meta-Analysis of Cohort Studies. Biological Research for Nursing. 2020;22(1):45—56. doi: 10.1 177/1099800419877442
8. Liu Y, Scirica BM, Stultz CM, et al. Beatquency domain and machine learning improve prediction of cardiovascular death after acute coronary syndrome. Scientific Reports. 2016;6:34540. doi: 10.1038/srep34540
9. Liu X, Xiang L, Tong G. Predictive values of heart rate variability,
deceleration and acceleration capacity of heart rate in post-infarction patients with LVEF >35. Annals of Noninvasive Electrocardiology. 2020;25(6):e12771. doi: 10.1111/anec.12771
10. Yuda E, Ueda N, Kisohara M, et al. Redundancy among risk predictors derived from heart rate variability and dynamics: ALLSTAR big data analysis. Annals of Noninvasive Electrocardiology. 2020;26(1):e12790. doi: 10.1111/ anec.12790
11. Lanza GA, Ruscio E, Ingrasciotta G, et al. Relation of vascular dilator function and cardiac autonomic function with coronary angiography findings in patients with non-ST segment elevation acute coronary syndrome. European Heart Journal. Acute Cardiovascular Care. 2021. Vol. 10, № 2. P. 164-169. doi: 10.1 177/2048872620918714
12. Ruda MYa, Averkov OV, Panchenko YeP, et al. Guideline for the management of patients with non-ST-elevation acute coronary syndromes (Part 1). Kardiologicheskij Vestnik. 2017;12(3):3-28. (In Russ).
13. Ruda MYa, Averkov OV, Panchenko YeP, et al. Guideline for the management of patients with non-ST-elevation acute coronary syndromes (Part 2). Kardiologicheskij Vestnik. 2018;13(1 ):59—62. (In Russ). doi: 10.17116/cardiobulletin201813159-62
14. Merkulova MA, Lapkin MM, Zorin RA. The use of cluster analysis and the theory of artificial neural networks to predict the effectiveness of targeted human activity. Nauka Molodykh (Eruditio Juvenium). 2018;6(3):374-82. (In Russ). doi: 10.23888/HMJ201863374-382
15. Mirkin BG. Metody klaster-analiza dlya podderzhkiprinyatiya resheniy: obzor. Moscow: Vysshaya shkola ekonomiki; 2011. (In Russ).
16. Zorin RA, Lapkin MM, Trutneva EA, et al. Physiological costs can predict effectiveness of cognitive activity. Doctor.Ru. 2012;(10):24-8. (In Russ).
17. Shvartz VA, Kiselev AR, Karavaev AS, et al. Comparative study of short-term cardiovascular autonomic control in cardiac surgery patients who underwent coronary artery bypass grafting or correction of valvular heart disease. Journal of Cardiovascular and Thoracic Research. 2018;10(1):28-35. doi: 10.15171/jcvtr.2018.05
ОБ АВТОРАХ
Низов Алексей Александрович, д-р мед. наук, профессор; ORCID: https://orcid.org/0000-0001-7531-9102; eLibrary SPIN: 2939-8193, e-mail: a.nizov@rzgmu.ru
*Гиривенко Алексей Ильич;
ORCID: https://orcid.org/0000-0002-6882-7501; eLibrary SPIN: 3082-7017, e-mail: giraly@yandex.ru
Лапкин Михаил Михайлович, д-р мед. наук, профессор; ORCID: https://orcid.org/0000-0003-1826-8307; eLibrary SPIN: 5744-5369, e-mail: m.lapkin@rzgmu.ru
Бороздин Алексей Владимирович, канд. мед. наук; ORCID: https://orcid.org/0000-0001-8912-8737; eLibrary SPIN: 4660-2009, e-mail: borozdin.a.v@yandex.ru
AUTHOR'S INFO
Aleksey A. Nizov, MD, Dr. Sci. (Med.), Professor; ORCID: https://orcid.org/0000-0001-7531-9102; eLibrary SPIN: 2939-8193, e-mail: a.nizov@rzgmu.ru
*Aleksey I. Girivenko;
ORCID: https://orcid.org/0000-0002-6882-7501; eLibrary SPIN: 3082-7017, e-mail: giraly@yandex.ru
Mikhail M. Lapkin, MD, Dr. Sci. (Med.), Professor; ORCID: https://orcid.org/0000-0003-1826-8307; eLibrary SPIN: 5744-5369, e-mail: m.lapkin@rzgmu.ru
Aleksey V. Borozdin, MD, Cand. Sci. (Med.); ORCID: https://orcid.org/0000-0001-8912-8737; eLibrary SPIN: 4660-2009, e-mail: borozdin.a.v@yandex.ru
Беленикина Яна Анатольевна, канд. мед. наук; ORCID: https://orcid.org/0000-0002-7325-5448; eLibrary SPIN: 2937-5048, e-mail: jnb22@rambler.ru
Сучкова Екатерина Игоревна, канд. мед. наук;
ORCID: https://orcid.org/0000-0002-7997-0338;
eLibrary SPIN: 7506-6232, e-mail: katya.suchkova.1990@mail.ru
Бикушова Ирина Валерьевна;
ORCID: https://orcid.org/0000-0002-4152-4885; eLibrary SPIN: 5656-7976, e-mail: irina-simagina@yandex.ru
Yana A. Belenikina, MD, Cand. Sci. (Med.); ORCID: https://orcid.org/0000-0002-7325-5448; eLibrary SPIN: 2937-5048, e-mail: jnb22@rambler.ru
Ekaterina I. Suchkova, MD, Cand. Sci. (Med.); ORCID: https://orcid.org/0000-0002-7997-0338; eLibrary SPIN: 7506-6232, e-mail: katya.suchkova.1990@mail.ru
Irina V. Bikushova;
ORCID: https://orcid.org/0000-0002-4152-4885; eLibrary SPIN: 5656-7976, e-mail: irina-simagina@yandex.ru
* Автор, ответственный за переписку/Corresponding author
