Variabilidad del ritmo cardíaco

Ir a: navegación, búsqueda de

Variabilidad del ritmo cardíaco (VRC) es el fenómeno fisiológico de la variación en el intervalo de tiempo entre los latidos del corazón. Se mide por la variación en el intervalo de latido a latido.

Otros términos utilizados son: "variabilidad de la longitud de ciclo", "Variabilidad RR" (donde R es un punto correspondiente a la cima de la Complejo QRS de la FC$ onda; y RR es el intervalo entre sucesivas Rs) y "períoda variabilidad del corazón".

Véase también Ritmo cardíaco turbulencia, Ritmo sinusal.

Los métodos utilizados para detectar ritmos incluyen: ECG, presión arterial, ballistocardiograms,[1][2] y la señal de la onda de pulso derivado de un photoplethysmograph (PPG). ECG se considera superior porque proporciona una clara forma de onda, que hace más fácil excluir los latidos del corazón no originarios de la nódulo sinoauricular. El término "NN" se utiliza en lugar de RR para enfatizar el hecho de que los beats procesados son ritmos "normales".

Contenido

  • 1 Significación clínica
  • 2 Aspectos mentales y sociales
  • 3 Variación
  • 4 Fenómenos de variabilidad de ritmo cardíaco
  • 5 Artefacto HRV
  • 6 Análisis HRV
    • 6.1 Métodos de dominio de tiempo
    • 6.2 Métodos geométricos
    • 6.3 Métodos de dominio de frecuencia
    • 6.4 Métodos no lineales
    • 6.5 Correlaciones de largo plazo
  • 7 Duración y las circunstancias de la grabación de ECG
  • 8 Correlatos fisiológicos de componentes HRV
    • 8.1 Autonómicas influencias del ritmo cardíaco
    • 8.2 Componentes de HRV
  • 9 Cambios de HRV relacionan con patologías específicas
    • 9.1 Infarto de miocardio
    • 9.2 Neuropatía diabética
    • 9.3 Trasplante cardiaco
    • 9.4 Disfunción miocárdica
    • 9.5 Tetraplegia
  • 10 Modificaciones de HRV por intervenciones específicas
    • 10.1 bloqueo ß-adrenérgico y HRV
    • 10.2 Los fármacos antiarrítmicos y HRV
    • 10.3 Escopolamina y HRV
    • 10.4 La trombolisis y HRV
    • 10.5 Entrenamiento y HRV
    • 10.6 Biorretroalimentación
    • 10.7 Instrumentos de viento
  • 11 Valores normales de las medidas normales de HRV
  • 12 Aplicaciones de consumidor para HRV
    • 12.1 Lista de aplicaciones gratuitas de la variabilidad del ritmo cardíaco
    • 12.2 Lista de aplicaciones pagadas de variabilidad del ritmo cardíaco
  • 13 Fuentes
  • 14 Enlaces externos

Significación clínica

HRV reducido ha demostrado ser un predictor de mortalidad después de infarto de miocardio[3][4] Aunque otros han demostrado que la información en HRV relevante a la supervivencia del infarto agudo de miocardio está totalmente contenida en la frecuencia cardiaca media.[5] Una gama de otros resultados y condiciones también puede estar asociada con HRV (generalmente inferior) modificado, incluyendo insuficiencia cardíaca congestiva, neuropatía diabética, depresión, posttrasplante cardiaco, susceptibilidad a SIDS y la pobre supervivencia en bebés prematuros.

Aspectos mentales y sociales

En el campo de la psicofisiología, hay interés en HRV. Por ejemplo, HRV está relacionada con la excitación emocional. Actividad de alta frecuencia (HF) se ha encontrado para disminuir las condiciones de tiempo aguda presión y tensión emocional[6] y elevado estado ansiedad,[7] presumiblemente relacionadas con la atención enfocada y la inhibición motora.[7] HRV ha demostrado ser reducido en individuos reportando una mayor frecuencia y duración de la preocupación diaria.[8] En individuos con trastorno de estrés postraumático (TEPT), HRV y su componente de HF (véase abajo) es reducido en comparación con controles mientras que el componente de baja frecuencia (LF) es elevado. Además, a diferencia de los controles, PTSD pacientes no demostraron ninguna reactividad si o HF a recordar un acontecimiento traumático.[9]

El Teoría polivagal[10][11][12] deriva de una imputación psicofisiológicos de importancia HRV. Esta teoría enfatiza el papel de la variabilidad del ritmo cardíaco en la comprensión de la magnitud y naturaleza de salida vagal al corazón. Esta teoría descompone la variabilidad del ritmo cardíaco basada en características de dominio de frecuencia con un énfasis en la arritmia sinusal respiratoria y su transmisión por una vía neural que es distinta de otros componentes del HRV.[13] Hay anatómica[14] y fisiológicos[15] evidencia de un control polivagal del corazón.

Variación

La variación en el intervalo de latido a latido es un fenómeno fisiológico. El Nodo del SA recibe varias entradas diferentes y el instantáneo cardiaca o intervalo RR y su variación estan el resultado de estas entradas.

Las entradas principales son la simpática y el sistema nervioso parasimpático (PSNS) y factores humorales. Respiración da lugar a las ondas de frecuencia cardíaca mediada principalmente por medio del PSNS, y se cree que el retraso en la baroceptor retroalimentación puede dar lugar a 10 ondas segunda en el ritmo cardíaco (asociada con Olas Mayer de la presión arterial), pero esto sigue siendo controvertido.

Son factores que afectan la entrada de la barorreflejo, termorregulación, hormonas, ciclo sueño-vigilia, comidas, actividad física, y estrés.

Actividad PSNS disminuida o aumentada actividad SNS resultará en HRV reducida. Actividad de alta frecuencia (HF) (0.15 a 0.40 Hz), especialmente, ha estado vinculada a la actividad PSNS. La actividad en este rango se asocia con la arritmia sinusal respiratoria (RSA), estudios mediada por modulación de frecuencia cardíaca tal que aumenta durante la inspiración y disminuye durante la espiración. Poco se sabe acerca de las entradas fisiológicas de la actividad de baja frecuencia (LF) (0,04 a 0.15 Hz). Aunque pensó previamente para reflejar la actividad SNS, es ahora ampliamente aceptado que refleja una mezcla del SNS y PSNS.[citación necesitada]

Fenómenos de variabilidad de ritmo cardíaco

Hay dos principales fluctuaciones:

  • Arritmia respiratoria (o Arritmia sinusal respiratoria).[16][17] Esta variación de la frecuencia cardíaca se asocia con la respiración y pistas fielmente la frecuencia respiratoria a través de una gama de frecuencias.
  • Oscilaciones de baja frecuencia.[18] Esta variación de la frecuencia cardíaca se asocia con Olas Mayer (Ondas de Traube-Hering-Mayer) de la presión arterial y es generalmente a una frecuencia de 0.1Hz o un período de 10 segundos.

Artefacto HRV

Errores en la ubicación de los latidos del corazón instantánea se traducirá en errores en el cálculo del HRV. HRV es altamente sensible al artefacto y errores en tan bajos como incluso el 2% de los datos resultará en sesgos no deseados en los cálculos del HRV. Para asegurar resultados exactos, por tanto, es fundamental para gestionar errores R-R apropiadamente antes de realizar cualquier análisis HRV y artefacto.[19][20]

Análisis HRV

Los métodos más utilizados pueden agruparse bajo el dominio de tiempo y el dominio de frecuencia. Se han propuesto otros métodos, tales como métodos no lineales.

Métodos de dominio de tiempo

Estos se basan en el latido a latido o intervalos de NN, que son analizados a variables tales como:

  • SDNN, la desviación estándar de intervalos de NN. A menudo calculada sobre un período de 24 horas. SDANN, la desviación estándar de los intervalos NN promedio calculada sobre períodos cortos, normalmente 5 minutos. SDANN, por tanto, es una medida de los cambios en el ritmo cardíaco debido a ciclos de más de 5 minutos. SDNN refleja todos los componentes cíclicos responsables de variabilidad en el período de grabación, por lo tanto, representa la variabilidad total.
  • RMSSD ("raíz cuadrada media de diferencias sucesivas"), la raíz cuadrada de la media de los cuadrados de las diferencias sucesivas entre NNs adyacentes.
  • SDSD ("desviación estándar de las diferencias sucesivas"), la desviación estándar de las diferencias sucesivas entre NNs adyacentes.
  • NN50, el número de pares de NNs sucesivas que difieren en más de 50 ms.
  • pNN50, la proporción de NN50 dividido por el número total de NNs.
  • NN20, el número de pares de NNs sucesivas que difieren en más de 20 m.[21]
  • pNN20, la proporción de NN20 dividido por el número total de NNs.
  • EBC ("ciclo de respiración Estimado"), la gama (max-min) dentro de una ventana móvil de una duración determinada dentro del período de estudio. Las ventanas pueden mover de forma automática se superponen o estrictamente distintas ventanas (secuencial). EBC se proporciona a menudo en escenarios de adquisición de datos donde HRV retroalimentación en tiempo real es un objetivo primordial. EBC deriva de PPG durante 10 segundos y 16 segundos secuencial y las ventanas de traslapo se ha demostrado que se correlaciona altamente con SDNN.[22]

Métodos geométricos

La serie de intervalos NN también puede transformarse en un patrón geométrico tales como la distribución de la densidad de la muestra de duración intervalo NN, distribución de la densidad de muestra de las diferencias entre intervalos de NN adyacentes, Lorenz trama de intervalos NN o RR y así sucesivamente y una fórmula sencilla es utiliza ese jueces la variabilidad basándose en las propiedades geométricas o gráficos del patrón resultante.

Métodos de dominio de frecuencia

Métodos de dominio de frecuencia asignan las bandas de frecuencia y luego, cuente el número de intervalos NN que coinciden con cada banda. Las bandas suelen ser de alta frecuencia (HF) de 0,15 a 0,4 Hz, de baja frecuencia (LF) de 0.04 a 0,15 Hz y las frecuencias muy bajas (VLF) de 0.0033 a 0,04 Hz.

Existen varios métodos de análisis. Densidad espectral de potencia (PSD), utilizando métodos paramétricos o no paramétricos, proporciona información básica sobre la distribución de energía a través de las frecuencias. Uno de los métodos más utilizados del PSD es la transformada de Fourier discreta. Métodos para el cálculo del PSD generalmente pueden ser clasificados como paramétricas y no paramétricas. En la mayoría de los casos, ambos métodos proporcionan resultados comparables. Las ventajas de los métodos no paramétricos son (1) la sencillez del algoritmo utilizado (rápida de Fourier [FFT] en la mayoría de los casos) y (2) el procesamiento de alta velocidad, mientras que las ventajas de métodos paramétricos son (1) componentes espectrales más suaves que pueden ser distinguido independiente de preseleccionar las bandas de frecuencia, (2) fácil postproceso del espectro con un cálculo automático de frecuencia baja y alta potencia con una fácil identificación de la frecuencia central de cada componentey (3) una estimación precisa del PSD en un pequeño número de muestras en el cual la señal se supone para mantener la estacionariedad. La desventaja básica de métodos paramétricos es la necesidad de la verificación de la idoneidad del modelo elegido y de su complejidad (es decir, el orden del modelo).

Además de métodos basados en la FFT clásicos utilizados para el cálculo de parámetros de frecuencia, un método de estimación de PSD más apropiado es el periodogram Lomb – Scargle (LS).[23] Análisis ha demostrado que la periodogram LS puede producir una estimación más precisa de la PSD que métodos FFT para datos RR típico. Puesto que los datos de RR están un datos muestreados irregularmente, otra de las ventajas del método de LS es que a diferencia de los métodos basados en la FFT es capaz de ser utilizado sin necesidad de volver a muestrear y detrend los datos de RR.

Un índice HRV recién usado, que depende de las medidas de entropía wavelet, es una opción alternativa. Las medidas de entropía wavelet se calculan mediante un procedimiento de tres pasos definidos en la literatura. En primer lugar, el algoritmo de paquete wavelet se implementa mediante la función Daubechies 4 (DB4) como la wavelet madre con una escala de 7. Una vez obtenidos los coeficientes wavelet, la energía para cada coeficiente se calculan como se describe en la literatura. Después de calcular los valores normalizados de las energías wavelet, que representan la energía relativa wavelet (o la distribución de probabilidad), las entropías wavelet se obtienen mediante la definición de la entropía de Shannon.

Métodos no lineales

Dada la complejidad de los mecanismos de regulación de frecuencia cardíaca, es razonable suponer que la aplicación de análisis HRV basado en métodos de dinámica no lineal cederá información valiosa. Aunque comportamiento caótico se ha asumido, más rigurosas pruebas han demostrado que la variabilidad del ritmo cardíaco no se puede describir como un proceso caótico.[24] El método más comúnmente utilizado no lineales de análisis de variabilidad del ritmo cardíaco es el Parcela de Poincaré. Cada punto de datos representa un par de golpes sucesivos, el eje x es el intervalo RR actual, mientras que el eje y es el intervalo RR anterior. HRV se cuantifica introduciendo formas geométricas definidas matemáticamente a los datos.[25] Otros métodos utilizados son la dimensión de correlación, previsibilidad no lineal,[24] dimensión de correlación pointwise y entropía aproximada.[26]

Correlaciones de largo plazo

Secuencias de intervalos RR se han encontrado para tener correlaciones a largo plazo.[27] Sin embargo, un defecto con estos análisis es su falta de estadísticas de bondad de ajuste, es decir, se derivan los valores que pueden o no tener rigor estadístico adecuado.

Duración y las circunstancias de la grabación de ECG

Método de dominio de tiempo son preferibles a método de dominio de frecuencia cuando se investigan las grabaciones a corto plazo. Esto es debido a que la grabación debe ser al menos 10 veces la longitud de onda del menor frecuencia límite de interés. Por lo tanto, es necesario registro de aproximadamente 1 minuto para evaluar los componentes HF de HRV (es decir, un menor límite de 0,15 Hz es un ciclo de 6,6 segundos y entonces 10 ciclos requieren ~ 60 segundos), mientras que más de 4 minutos se necesitan para abordar el componente LF (con un límite inferior de 0,04 Hz).

Aunque tiempo métodos de dominio, especialmente los métodos SDNN y RMSSD, puede utilizarse para investigar las grabaciones de larga duración, una parte substancial de la variabilidad a largo plazo es las diferencias día-noche. Por lo tanto, a largo plazo grabaciones analizadas por métodos de dominio de tiempo deben contener por lo menos 18 horas de datos del ECG analizables que incluyen toda la noche.

Correlatos fisiológicos de componentes HRV

Autonómicas influencias del ritmo cardíaco

Aunque la automaticidad cardiaca es intrínseca a varios tejidos marcapasos, frecuencia cardíaca y el ritmo son en gran parte bajo el control del sistema nervioso autónomo. La influencia parasimpática sobre la frecuencia cardiaca está mediada por liberación de acetilcolina por el nervio vago. Receptores muscarínicos de la acetilcolina responden a este lanzamiento principalmente por un aumento en la conductancia de la membrana celular K +. Acetilcolina también inhibe a la activada por hiperpolarización "marcapasos" actual si el hypothesis65 "Ik decaimiento" propone que la despolarización de los marcapasos se deriva lenta desactivación del rectificador retraso actual, Ik, que, debido a un interno de fondo independiente del tiempo actual, causa despolarización diastólica. Por el contrario, el "Si la activación" hipótesis sugieren que después de la terminación del potencial de acción, si proporciona un lentamente activación interna actual predominando sobre Ik, iniciando así la despolarización diastólica lenta descomposición.

La influencia comprensiva sobre la frecuencia cardiaca está mediada por la liberación de epinefrina y norepinefrina. Activación de los receptores ß-adrenérgicos se traduce en la fosforilación mediada por cAMP de proteínas de membrana y aumentos en ICaL y si el resultado final es una aceleración de la despolarización diastólica lenta.

En condiciones de reposo, prevalece el tono vagal y variaciones en el período de corazón dependen en gran medida de modulación vagal. La actividad vagal y simpática interactúan constantemente. Porque el nodo sinusal es rico en acetilcolinesterasa, el efecto de cualquier impulso vagal es breve porque la acetilcolina se hidroliza rápidamente. Influencias parasimpáticas superan efectos comprensivos probablemente a través de dos mecanismos independientes: (1) una reducción cholinergically inducida de la norepinefrina liberada en respuesta a la actividad comprensiva y colinérgica (2) una atenuación de la respuesta a un estímulo adrenérgico.

Componentes de HRV

Las variaciones del intervalo RR presentes durante períodos de descanso representan variaciones latido por latido en insumos autonómicas cardiacas. Sin embargo, eferente actividad vagal (parasimpática) representa un importante aporte para el componente de HF, como se ve en las observaciones clínicas y experimentales de maniobras autonómicas como estimulación vagal eléctrica, bloqueo de los receptores muscarínicos y Vagotomía. Más problemática es la interpretación del componente LF, que fue considerado por algunos como un marcador de modulación simpática (especialmente cuando se expresan en unidades normalizadas) pero ahora se sabe que incluyen influencias tanto simpáticas y vagales. Por ejemplo, durante la activación simpática la taquicardia resultante es generalmente acompañada de una marcada reducción de potencia total, mientras que el revés se produce durante la activación vagal. Así los componentes espectrales cambian en la misma dirección y no indican que LF refleja fielmente los efectos simpáticos.

Es importante señalar que las medidas de HRV fluctuaciones en insumos autonómicas para el corazón más que el nivel medio de insumos autonómicas. Así, tanto retirada y saturatingly altos niveles de entrada autonómica al corazón pueden conducir a disminuido HRV.

Cambios de HRV relacionan con patologías específicas

Una reducción de HRV se ha divulgado en varias enfermedades cardiovasculares y noncardiovascular.

Infarto de miocardio

HRV deprimida después de MI puede reflejar una disminución de la actividad vagal dirigida al corazón. HRV en pacientes que sobreviven un IM agudo revelaron una reducción en total y en el poder individual de componentes espectrales. La presencia de una alteración en el control neural se refleja también en un embotamiento de variaciones día-noche del intervalo RR. En pacientes post-im con un HRV muy deprimido, la mayoría de la energía residual se distribuye en la gama de frecuencias VLF debajo de 0,03 Hz, con sólo una pequeñas variaciones de relacionados con la respiración.

Neuropatía diabética

En la neuropatía asociada con diabetes mellitus caracterizado por alteración de las fibras nerviosas pequeñas, una reducción en los parámetros de dominio de tiempo de HRV parece no sólo para llevar valor pronóstico negativo sino que preceden a la expresión clínica de la neuropatía autonómica. En pacientes diabéticos sin evidencia de neuropatía autonómica, también se informó de la reducción del poder absoluto de LF y HF en condiciones controladas.

Trasplante cardiaco

Un muy reducido HRV con ningún componente espectral definido se ha divulgado en pacientes con un trasplante de corazón reciente. La aparición de componentes discretos espectrales en algunos pacientes se considera reflejan reinervación cardiaca. Este reinervación puede ocurrir tan pronto como 1 a 2 años después del trasplante y se supone que es de origen simpático. Además, una correlación entre la frecuencia respiratoria y el componente de HF de HRV observada en algunos pacientes trasplantados también indica que un mecanismo de nonneural puede generar una oscilación rítmica relacionados con la respiración.

Disfunción miocárdica

Una reducida HRV se ha observado sistemáticamente en pacientes con insuficiencia cardiaca. En esta condición que se caracteriza por señales de activación simpática como frecuencia cardíaca rápida y altos niveles de catecolaminas circulantes, se informó de una relación entre los cambios en HRV y el grado de disfunción ventricular izquierda. De hecho, mientras que la reducción en las medidas de dominio de tiempo de HRV parecía en paralelo la severidad de la enfermedad, la relación entre componentes espectrales y los índices de disfunción ventricular parece ser más complejo. En particular, en la mayoría de los pacientes con una fase muy avanzada de la enfermedad y con una reducción drástica de HRV, un componente de LF no se pudo detectar a pesar de los signos clínicos de la activación simpática. Esto refleja que, como se indicó anteriormente, el LF puede no reflejen tono simpático cardíaco.

Tetraplegia

Pacientes con lesiones crónicas completa alta la médula espinal cervical tienen vías neurales vagales eferentes intactas dirigidas al nodo sinusal. Sin embargo, puede detectarse un componente LF HRV y variabilidad de la presión arterial de algunos pacientes tetrapléjicos. Por lo tanto, el componente LF de HRV en aquellas personas sin entradas comprensivos intactos al corazón representan modulación vagal.

Modificaciones de HRV por intervenciones específicas

Las intervenciones que aumentan HRV pueden ser protectoras contra la mortalidad cardiaca y muerte súbita. Aunque las razones para el cambio de HRV es sonida, también contiene el peligro inherente de líder a la injustificada suposición de que modificación de HRV se traduce directamente en protección cardíaca, que puede no ser el caso. A pesar del creciente consenso que aumenta la actividad vagal puede ser beneficioso, que aún no se sabe cuánta actividad vagal (o HRV como marcador) debe aumentar con el fin de proporcionar una protección adecuada.

bloqueo ß-adrenérgico y HRV

Los datos sobre el efecto de los bloqueadores ß en HRV en pacientes post-im son sorprendentemente escasos. A pesar de la observación de un aumento estadísticamente significativo, los cambios reales son muy modestos. En los perros consciente post-im, ß-bloqueadores no modifique HRV. La observación inesperada que antes de MI, ß-bloqueo aumenta HRV solamente en los animales destinados a ser bajo riesgo de arritmias letales después de MI puede sugerir nuevos enfoques para la estratificación del riesgo post-im.

Los fármacos antiarrítmicos y HRV

Existen datos para varios fármacos antiarrítmicos. Flecainida y propafenona pero no amiodarona informaron a disminuir las medidas de dominio de tiempo de HRV en pacientes con arritmia ventricular crónica. En otro estudio, propafenona había reducido HRV y disminuyó mucho más HF LF. Un estudio confirmó flecainide, también Encainida y moricizina, HRV disminuida en pacientes post-im pero no encontró ninguna correlación entre el cambio de HRV y mortalidad durante el seguimiento. Así, algunos fármacos antiarrítmicos asociados con aumento de la mortalidad pueden reducir HRV. Sin embargo, no se sabe si estos cambios en HRV tienen significación pronóstica directa.

Escopolamina y HRV

Bloqueadores de los receptores muscarínicos dosis bajas, tales como atropina y escopolamina, pueden producir un aumento paradójico vagal efectos sobre el corazón, como ha sugerido una disminución en el ritmo cardíaco. Además, la escopolamina y atropina dosis bajas pueden aumentar notablemente HRV. Sin embargo, aunque el ritmo cardíaco desaceleración en proporcional a lo (bajo) hace de atropina, el aumento de HRV varía ampliamente entre y dentro de los individuos. Esto sugiere que incluso para la actividad vagal al corazón, HRV puede ser un marcador limitado.

La trombolisis y HRV

El efecto de la trombólisis en HRV (evaluado por pNN50) fue divulgado en 95 pacientes con aguda HRV milla fue superiores 90 minutos después de la trombolisis en los pacientes con la permeabilidad de la arteria relacionada con el infarto. Sin embargo, esta diferencia ya no era evidente cuando se analizaron las 24 horas enteras.

Entrenamiento y HRV

Entrenamiento con ejercicios puede disminuir la mortalidad cardiovascular y muerte súbita. Entrenamiento con ejercicios regulares también se piensa modificar cardiaca control autonómico. Individuos que haga ejercicio regularmente tienen una bradicardia' entrenamiento' (es decir, bajo ritmo cardiaco de reposo) y generalmente tiene mayor HRV que los individuos sedentarios.

Biorretroalimentación

La técnica denominada respiración resonante biorretroalimentación enseña a reconocer y controlar la variabilidad del ritmo cardíaco involuntario. Un estudio aleatorizado de Sutarto et evaluó el efecto de respiración resonante la retroacción biológica entre los operadores de fabricación; depresión, ansiedad y estrés disminuyeron significativamente.[28][fuente no primarios necesitado]

Instrumentos de viento

Un estudio que encuestó a los efectos fisiológicos de jugar Flautas nativas americanas encontraron un aumento significativo de HRV cuando tocar flautas tanto graves y agudas.[29]

Valores normales de las medidas normales de HRV

A pesar de que no existen ampliamente aceptados estándar valores para HRV que pueden utilizarse para propósitos clínicos, la fuerza de tarea de la sociedad europea de Cardiología y la sociedad norteamericana de Electrofisiología estimulación proporciona valores normativos iniciales de medidas estándar de HRV[30]

Aplicaciones de consumidor para HRV

Actualmente existen varias aplicaciones de smartphone y tablet que ofrecen lecturas de variabilidad del ritmo cardíaco. La tecnología actual requiere la conexión de estos dispositivos a una correa de frecuencia cardíaca vía Bluetooth Smart o ANT +.[31][32]

Lista de aplicaciones gratuitas de la variabilidad del ritmo cardíaco

  • Élite HRV
  • HRV +

Lista de aplicaciones pagadas de variabilidad del ritmo cardíaco

  • Bioforce HRV
  • Élite HRV
  • Equilibrio interior
  • ithlete
  • SweetBeat
  • Experimentar Rx
  • iRelief
  • Firstbeat Technologies

Fuentes

  1. ^ BRÜSER, Christoph; Stadlthanner, Kurt; de Waele, Stijn; Leonhardt, Steffen (2011). "Estimación adaptativa latido a latido cardíaco en Ballistocardiograms". IEEE Transactions on Informática Biomédica (IEEE) 15 (5): 778 – 786. Doi:10.1109/TITB.2011.2128337. PMID21421447.
  2. ^ BRÜSER, Christoph; Invierno, Stefan; Leonhardt, Steffen (2012). "Estimación de variabilidad de ritmo cardíaco sin supervisión de Ballistocardiograms". VII taller internacional sobre bioseñales interpretación (BSI 2012), Como, Italia.
  3. ^ Mayor JT Jr, Fleiss JL, Steinman RC, Rolnitzky LM, Kleiger RE, Jn Rottman. (1992). «Medidas de dominio de frecuencia de mortalidad tras infarto de miocardio y variabilidad período corazón». Circulación. 85 (1): 164-171. Doi:10.1161/01.CIR.85.1.164. PMID1728446.
  4. ^ Kleiger RE, Miller JP, mayor JT Jr, Moss AJ. (1987). "Disminución de la variabilidad del ritmo cardíaco y su asociación con el aumento de la mortalidad tras infarto agudo de miocardio". Soy J Cardiol. 59 (4): 256-262. Doi:10.1016/0002-9149 (87) 90795-8. PMID3812275.
  5. ^ Abildstrom SZ, Jensen BT, Agner E et al (2003). "Pulso frente a la variabilidad del ritmo cardíaco en la predicción de riesgo tras infarto de miocardio". Diario de Electrofisiología Cardiovascular 14 (2): 168 – 73. Doi:10.1046/j.1540-8167.2003.02367.x. PMID12693499.
  6. ^ Níquel, P.; Nachreiner F. (2003). "Sensibilidad y diagnóstico del componente de 0.1 Hz de variabilidad del ritmo cardíaco como un indicador de carga de trabajo Mental". Factores humanos 45 (4): 575 – 590. Doi:10.1518/HFES.45.4.575.27094. PMID15055455.
  7. ^ a b Jönsson, P. (2007). "Arritmia sinusal respiratoria en función de la ansiedad estado en individuos sanos". International Journal of Psycho-fisiología 63 (1): 48 – 54. Doi:10.1016/j.ijpsycho.2006.08.002. PMID16989914.
  8. ^ Brosschot, J.F.; E. van Dijk, J.F. Thayer (2007). "Preocupación diaria está relacionado a la variabilidad del ritmo cardíaco bajo durante la vigilia y el período de sueño nocturno posteriores". International Journal of Psychophysiology 63 (1): 39-47. Doi:10.1016/j.ijpsycho.2006.07.016. PMID17020787.
  9. ^ Hagit, C.; et al (1998). "Análisis de la variabilidad del ritmo cardíaco en pacientes con trastorno de estrés postraumático en respuesta a un recordatorio del trauma-relacionado". Psiquiatría biológica 44 (10): 1054 – 1059. Doi:10.1016/S0006-3223 (97) 00475-7. PMID9821570.
  10. ^ PORGES, W. S. (01 de abril de 2009). "La teoría polivagal: nuevas perspectivas sobre las reacciones adaptativas del sistema nervioso autónomo". Cleveland Clinic Journal of Medicine 76 (Suppl_2): S86-S90. Doi:10.3949/ccjm.76.S2.17. PMC3108032. PMID19376991.
  11. ^ Porges, SW (agosto de 2003). "La teoría polivagal: phylogenetic contribuciones al comportamiento social". Fisiología y comportamiento 79 (3): 503 – 13. Doi:10.1016/S0031-9384 (03) 00156-2. PMID12954445.
  12. ^ Porges, Stephen W. La teoría polivagal: bases neurofisiológicas de las emociones, accesorio, comunicación y autorregulación (1ª ed.). Nueva York: W. W. Norton. ISBN0393707008.
  13. ^ Porges, Stephen W. (febrero de 2007). "La perspectiva polivagal". Psicología biológica 74 (2): 116 – 143. Doi:10.1016/j.biopsycho.2006.06.009. PMC1868418. PMID17049418.
  14. ^ Haselton, JR; Salomón, IC, Motekaitis, AM, Kaufman, MP (septiembre de 1992). "Bronchomotor vagales preganglionares cuerpos de la célula en el perro: un estudio anatómico y funcional". Diario de la fisiología aplicada (Bethesda, Maryland: 1985) 73 (3): 1122 – 9. PMID1400025.
  15. ^ Gatti, Philip J.; Johnson, Tannis A., John Massari, V. "Pueden neuronas en ambiguus del núcleo selectivamente regular tasa cardiaca y la conducción atrio-ventricular?". Diario del sistema nervioso autónomo 57 (1 – 2): 123-127. Doi:10.1016/0165-1838 (95) 00104-2. PMID8867095.
  16. ^ Hales S. ensayos estadísticos: Que contiene Haemastaticks. Londres, Reino Unido: Innys, Manby y Woodward; 1733.
  17. ^ von Haller A. Elementa Physiologica. Lausana, Suiza: 1760; T II, VI iluminada, 330
  18. ^ Sayers (1973). "Análisis de la variabilidad del ritmo cardíaco". Ergonomía 16 (1): 17 – 32. Doi:10.1080/00140137308924479. PMID4702060.
  19. ^ Citi, L.; Brown, E.N.; Barbieri, R. (2012). "Herramienta en línea para la detección y corrección de latidos ectópicos y erróneos".
  20. ^ Citi, L.; Brown, E.N.; Barbieri, R. (2012). "En un tiempo real punto-proceso método automatizado para la detección y corrección de latidos ectópicos y erróneos". IEEE Trans Biomed Eng 59:: 2828 – 2837. Doi:10.1109/TBME.2012.2211356.
  21. ^ Mietus, J E; Peng, C.K.; Henry, I.; Goldsmith, R.L.; Goldberger, A.L. (2002). "Los archivos de pNNx: re – examinar una medida de variabilidad de ritmo cardíaco ampliamente utilizado". Corazón 88:: 378-380. Doi:10.1136/Heart.88.4.378.
  22. ^ Clinton F. Goss; Eric B. Miller (agosto de 2013). Métricas dinámicas de variabilidad del ritmo cardíaco. arXiv:1308.6018.
  23. ^ Isler, Yalcin; Kuntalp, M. (2007). "Combinando los índices clásicos de HRV con medidas de entropía wavelet mejora de rendimiento en el diagnóstico de insuficiencia cardíaca congestiva". Computadoras en biología y medicina 37 (10): 1502-1510. Doi:10.1016/j.compbiomed.2007.01.012.
  24. ^ a b Pesadores JK, Holstein-Rathlou NH, Agner E (1994). "Falta de evidencia de baja dimensión caos en la variabilidad del ritmo cardíaco". Diario de Electrofisiología Cardiovascular 5 (7): 591 – 601. Doi:10.1111/j.1540-8167.1994.tb01300.x. PMID7987529.
  25. ^ Brennan M, Palaniswami M, Kamen P. ¿Las medidas existentes de la geometría de Poincaré parcela reflejan características no lineales de la variabilidad del ritmo cardíaco? Ingeniería Biomédica, IEEE Transactions on, Proc. IEEE Transactions on Biomedical Engineering, 2001, 48, 1342-1347
  26. ^ Storella RJ, HW madera, molinos KM et al (1994). "Entropía aproximada y dimensión de correlación de la variabilidad del ritmo cardíaco en sujetos sanos". Ciencias fisiológicas y conductuales Integrativa 33 (4): 315 – 20. Doi:10.1007/BF02688699. PMID10333974.
  27. ^ Peng C. K., J. Mietus, J. M. Hausdorff, S. HavlinStanley E. H., A. L. Goldberger; Mietus, J.; Hausdorff, J.; Havlin, S.; Stanley, H.; Goldberger, A. (1993). "Anticorrelations largo alcance y comportamiento no-gaussian de los latidos del corazón". Lett Phys Rev. 70 (9): 1343 – 6. Doi:10.1103/PhysRevLett.70.1343. PMID10054352.
  28. ^ Sutarto, AP; Wahab, MN; Zin NM (2012). "Entrenamiento en biorretroalimentación para reducción del estrés entre los operadores de fabricación de respiración resonante". Int J ocupacion Saf Ergon 18 (4): 549 – 61. PMID23294659.
  29. ^ Eric B. Miller; Clinton F. Goss (enero de 2014). Una exploración de respuestas fisiológicas a la flauta nativa americana (PDF). arXiv:1401.6004. 25 de enero de 2014.
  30. ^ Camm et al.1996. Variabilidad del ritmo cardíaco: Estándares de medición, interpretación fisiológica y uso clínico. Circulación, 93, 1043-1065
  31. ^ Brezos, JA. (2013). "Variabilidad de la frecuencia de pulso habilitado Smartphone: una metodología alternativa para la colección de variabilidad del ritmo cardíaco en investigaciones psicofisiológicas".
  32. ^ Flatt, Andrew; ESCO, Michael (2013). "Validez de la ithlete ™ Smart Phone aplicación para determinar la variabilidad del ritmo cardíaco Ultra-Short-Term".
  • Malik M, Camm A. Variabilidad del ritmo cardíaco. Futura Publishing Company, 1995.

29. Golosarsky, B. ¿Sincronización de variabilidad de ritmo cardíaco puede reflejar la tensión del cuerpo? Hipótesis med 2006 V 67, 6, 1467-1468

Enlaces externos

  • artículo de revisión sobre los mecanismos de variabilidad cardiovascular En Diario de la fisiología
  • Introducción al análisis HRV por El doctor Liam Hennessy

Otras Páginas

Obtenido de"https://en.copro.org/w/index.php?title=Heart_rate_variability&oldid=623951334"