[論文レビュー] Heart Rate Variability: Measures and Models

Malvin C. Teich, Steven B. Lowen+3 more|arXiv (Cornell University)|Jun 7, 2012

Complex Systems and Time Series Analysis参考文献 69被引用数 72

ひとこと要約

本稿では、正常および心不全の被験者を分類するために16の心拍変動（HRV）指標を評価し、特に32区間程度のウェーブレット変換標準偏差およびそのスペクトル的同等物が、スケールに依存しない指標を上回ることを示した。これにより、数分間のECGデータで高い分類精度が達成可能である。さらに、人間の心拍動的ダイナミクスが確率的であることを確認し、健康および病態状態の両方のHRVを再現する点過程モデルを提案した。

ABSTRACT

We focus on various measures of the fluctuations of the sequence of intervals between beats of the human heart, and how such fluctuations can be used to assess the presence or likelihood of cardiovascular disease. We examine sixteen such measures and their suitability for correctly classifying heartbeat records of various lengths as normal or revealing the presence of cardiac dysfunction, particularly congestive heart failure. Using receiver-operating-characteristic analysis we demonstrate that scale-dependent measures prove substantially superior to scale-independent ones. The wavelet-transform standard deviation at a scale near 32 heartbeat intervals, and its spectral counterpart near 1/32 cycles/interval, turn out to provide reliable results using heartbeat records just minutes long. We further establish for all subjects that the human heartbeat has an underlying stochastic origin rather than arising from a chaotic attractor. Finally, we develop a mathematical point process that emulates the human heartbeat time series for both normal subjects and heart-failure patients.

研究の動機と目的

• 正常な心機能と心不全を区別するための最も効果的なHRV指標を同定すること。
• 短時間のECG記録の分類において、スケールに依存する指標とスケールに依存しない指標の性能を評価すること。
• 人間の心拍動的ダイナミクスが確定的過程由来であるのか、またはカオス的アトラクタ由来であるのかを特定すること。
• 健康な被験者および心不全患者の両方のHRVパターンを再現できる点過程モデルを開発すること。

提案手法

• 本研究では、受信者操作特性（ROC）分析を用いて、16のHRV指標を分類精度の観点から比較評価した。
• スケールに依存する指標として、約32心拍間隔のスケールにおけるウェーブレット変換標準偏差を計算し、スケールに依存しない指標と比較した。
• 最適スケールの周波数的同等物を特定するためにスペクトル解析を適用した。その周波数は約1/32サイクル/区間の近くに位置した。
• 正常および心不全被験者それぞれに対して別々にキャリブレーションされた、確率的点過程モデルを構築した。
• ROC分析を用いて、さまざまな記録長における各HRV指標の判別能力を評価した。
• 統計的および相関に基づく手法を用いて、心拍動的ダイナミクスがカオス的アトラクタ由来であるという帰無仮説を検証した。

実験結果

リサーチクエスチョン

• RQ1 どのHRV指標が、短時間のECG記録を正常または心不全を示すものとして信頼性高く分類できるか？
• RQ2 心不全の検出において、スケールに依存するHRV指標はスケールに依存しない指標を上回る性能を示すか？
• RQ3 人間の心拍は、確率的過程として記述されるほうが適切か、それともカオス的アトラクタ由来であるか？
• RQ4 同一の点過程モデルが、健康および心不全の両群のHRVパターンを正確に模倣できるか？
• RQ5 最小限のデータで分類精度を最大化するための最適な時間スケールは何か？

主な発見

• 約32心拍間隔のスケールにおけるウェーブレット変換標準偏差は、テストされた他のすべてのHRV指標と比較して優れた分類性能を示した。
• この指標のスペクトル的同等物（約1/32サイクル/区間の周波数付近）も、最小限のデータで非常に信頼性の高い分類結果をもたらした。
• スケールに依存するHRV指標は、正常と心不全被験者を区別するうえで、スケールに依存しない指標を顕著に上回った。
• 本研究では、人間の心拍がカオス的起源を持つという証拠は得られず、むしろ確率的過程によってダイナミクスが最もよく説明された。
• 健康および心不全患者の両方のHRVパターンを正確に再現できる点過程モデルが成功裏に開発された。
• 分類精度は数分間のECGデータのみで達成可能であり、スケールに依存するHRV指標の臨床的応用可能性が示された。