Параметры дисфункции автономной нервной системы у пациентов кардиологического профиля с острой и хронической формами ишемической болезни сердца

Цель исследования — определить клиническую значимость новых параметров вариабельности сердечного ритма у пациентов с острым инфарктом миокарда и хронической ишемической болезнью сердца.

Материалы и методы. В исследование включено 83 пациента мужского пола, которые разделены на три группы: 1-я группа — 30 человек с диагнозом острого коронарного синдрома с исходом в инфаркт миокарда; 2-я группа — 30 пациентов с хроническими формами ишемической болезни сердца; 3-я группа (контрольная) — 23 практически здоровых пациента без изменений на ЭКГ. Регистрацию ЭКГ проводили с помощью сертифицированного компьютерного электрокардиографа ЭК-01 (ЗАО «Новые приборы», Самара). Полученные записи анализировали в пакете прикладных программ MATLAB. Оценивали показатели мониторирования ЭКГ (SDNN, RMSSD, LF/HF, коэффициент флюктуации α, общую мощность спектра, коэффициент акселерации/децелерации сердечного ритма — AC/DC) в состоянии покоя и при физической нагрузке (тест 6-минутной ходьбы).

Результаты. Отличия параметров вариабельности сердечного ритма, имеющиеся в покое, исчезают во время выполнения теста 6-минутной ходьбы (за исключением сниженного SDNN и общей мощности спектра у пациентов с острым инфарктом миокарда), который приводит к однонаправленному уменьшению вариабельности сердечного ритма как у здоровых, так и у больных. Выявлено уменьшение фрактальных свойств сердечного ритма у пациентов с ишемической болезнью сердца и острым инфарктом миокарда на коротких фрагментах записи ЭКГ (коэффициент флюктуации α), не зависящее от физической нагрузки.

Заключение. При изучении дисфункции автономной нервной системы наряду с классическим показателем RMSSD необходимо учитывать параметры, отражающие замедление (DС) и ускорении (АС) вариабельности сердечного ритма в состоянии покоя, фрактальную закономерность (α), не зависящую от физической нагрузки, а также значение SDNN и общей мощности спектра.

1. Schwartz P.J., La Rovere M.T., Vanoli E. Autonomic nervous system and sudden cardiac death. Experimental basis and clinical observations for post-myocardial infarction risk stratification. Circulation 1992; 85(1 Suppl): I77–I91.
2. Kiviniemi A.M., Tulppo M.P., Wichterle D., Hautala A.J., Tiinanen S., Seppänen T. Mäkikallio T.H., Huikuri H.V. Novel spectral indexes of heart rate variability as predictors of sudden and non-sudden cardiac death after an acute myocardial infarction. Ann Med 2007; 39(1): 54–62, https://doi.org/10.1080/07853890600990375.
3. Shah S.A., Kambur T., Chan C., Herrington D.M., Liu K., Shah S.J. Relation of short-term heart rate variability to incident heart failure (from the Multi-Ethnic Study of Atherosclerosis). Am J Cardiol 2013; 112(4): 533–540, https://doi.org/10.1016/j.amjcard.2013.04.018.
4. Peng C.K., Buldyrev S.V., Havlin S., Simons M., Stanley H.E., Goldberger A.L. Mosaic organization of DNA nucleotides. Phys Rev E 1994; 49(2): 1685–1689, https://doi.org/10.1103/physreve.49.1685.
5. Bauer A., Kantelhardt J.W., Barthel P., Schneider R., Mäkikallio T., Ulm K., Hnatkova K., Schömig A., Huikuri H., Bunde A., Malik M., Schmidt G. Deceleration capacity of heart rate as a predictor of mortality after myocardial infarction: cohort study. Lancet 2006; 367(9523): 1674–1681, https://doi.org/10.1016/s0140-6736(06)68735-7.
6. Bauer A., Kantelhardt J.W., Bunde A., Barthel P., Schneider R., Malik M., Schmidt G. Phase-rectified signal averaging detects quasi-periodicities in non-stationary data. Physica A: Statistical Mechanics and its Applications 2006; 364: 423–434, http://dx.doi.org/10.1016/j.physa.2005.08.080.
7. Поваляева Р.А., Лебедев П.А., Калакутский Л.И., Буб­нова М.Г., Аронов Д.М. Методы компьютерной фото­пле­тизмографии в оптимизации оценки реабилита­цион­ных мероприятий у постинфарктных пациентов. CardioСоматика 2012; 3(2): 5–10.
8. Huikuri H.V., Stein P.K. Heart rate variability in risk stratification of cardiac patients. Prog Cardiovasc Dis 2013; 56(2): 153–159, https://doi.org/10.1016/j.pcad.2013.07.003.
9. Perini R., Veicsteinas A. Heart rate variability and autonomic activity at rest and during exercise in various physiological conditions. Eur J Appl Physiol 2003; 90(3–4): 317–325, https://doi.org/10.1007/s00421-003-0953-9.
10. Peng C.K., Havlin S., Stanley H.E., Goldberger A.L. Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series. Chaos 1995; 5(1): 82–87, https://doi.org/10.1063/1.166141.
11. Weippert M., Behrens K., Rieger A., Kumar M., Behrens M. Effects of breathing patterns and light exercise on linear and nonlinear heart rate variability. Appl Physiol Nutr Metab 2015; 40(8): 762–768, https://doi.org/10.1139/apnm-2014-0493.
12. Billman G.E. The LF/HF ratio does not acurately measure cardiac sympatho-vagal balance. Front Physiol 2013; 4, https://doi.org/10.3389/fphys.2013.00026.
13. Chen S.W., Liaw J.W., Chang Y.J., Chuang L.L., Chien C.T. Combined heart rate variability and dynamic measures for quantitatively characterizing the cardiac stress status during cycling exercise. Comput Biol Med 2015; 63: 133–142, https://doi.org/10.1016/j.compbiomed.2015.05.026.
14. Nicolini P., Ciulla M.M., De Asmundis C., Magrini F., Brugada P. The prognostic value of heart rate variability in the elderly, changing the perspective: from sympathovagal balance to chaos theory. Pacing Clin Electrophysiol 2012; 35(5): 622–638, https://doi.org/10.1111/j.1540-8159.2012.03335.x.
15. Huikuri H.V., Stein P.K. Clinical application of heart rate variability after acute myocardial infarction. Front Physiol 2012; 3, https://doi.org/10.3389/fphys.2012.00041.

Akulova A.S., Fedotov A.A., Kolmakova K.M., Gracheva A.I., Lebedev P.A. Parameters of Autonomic Nervous System Dysfunction in Acute and Chronic Forms of Ischemic Heart Disease. Sovremennye tehnologii v medicine 2017; 9(2): 162, https://doi.org/10.17691/stm2017.9.2.21