Analisi dell’ECG in pazienti

affetti da apnee notturne

Laureanda: Relatore:

Sara Pesavento Prof. Agostino Accardo

ANNO ACCADEMICO 2011-2012

Struttura

Scopo della tesi

Stato dell’arte

Materiali e metodi

Risultati

Conclusione

Scopo della tesi

Valutare se attraverso l’analisi della

variabilità cardiaca (HRV) è possibile:

- Distinguere in modo automatico tratti di

sonno con apnee di diversa tipologia tra

loro e rispetto tratti di sonno normale

- Individuare i parametri che meglio

permettono questa distinzione

Stato dell’arte

Quattro tipi di apnee notturne:

Ipopnea: riduzione del flusso d’aria ≥ 50%

Apnea: impedimento totale alla respirazione

Ostruttiva

Apnea Centrale

Mista

Stato dell’arte

Alcuni parametri estratti dall’analisi HRV

nel dominio della frequenza sono in grado

di differenziare tra persone con una

forma severa di OSAS e la popolazione

normale

Materiali

10 soggetti con forma severa di OSAS con tratti di tutte e 4 le tipologie

ATTIVITÀ CARDIACA:

- istanti picco R

- tipo battito (S, V, SV, A)

ATTIVITÀ RESPIRATORIA:

- istante inizio

- durata

- tipo evento (O, I, C, M)

Metodi Problema i tratti di apnea hanno

troppo pochi campioni per

effettuare qualsiasi tipo di

analisi

Determinazione dei tratti lunghi (>60s):

Calcolo dei parametri HRV

Per aumentare ulteriormente la risoluzione

in frequenza è stata effettuata l’unione

degli intervalli lunghi secondo due metodi:

- Giustapposizione dei tratti

- Affiancamento dei tratti dopo aver

eliminato l’offset tra loro

Metodi

Calcolo dei parametri HRV Per tutte e tre le metodologie di individuazione

degli intervalli sono stati calcolati: RRm LFn

SDNN HFn

DF LF/HF

VLF ß (power law)

LF mappe di Poincaré

HF Entropia approssimata

Analisi statistica

Confronto a coppie (test di Wilcoxon

accoppiato con correzione di

Bonferroni) tra tipologie diverse di

apnee e tra queste e i tratti normali

Parametri significativi p<0,05

per un confronto

Parametri significativi

Parametri significativi per la distinzione dei tratti normali:

Tratti lunghi considerati separatamente

SDNN VLF

LF HF

β HFn

Giustapposizione dei tratti

β LFn

LF/HF SD2

Unione tratti eliminando offset β

Parametri significativi

Sono risultati significativi per la distinzione tra le

diverse apnee:

Tratti lunghi

- RRm distingue l’apnea mista

- SD2 e l’entropia distinguono l’ipopnea

SD2 Ostruttiva Ipopnea Centrale Mista Normale

Ostruttiva 1 0,025 0,044 0,20 0,20

Ipopnea - 1 0,0062 0,025 0,025

Centrale - - 1 0,14 0,14

Mista - - - 1 0,20

Parametri significativi

Giustapposizione dei tratti

- β distingue l’apnea centrale

- SDNN, LF/HF e SD2 distinguono l’apnea ostruttiva ma non nel confronto con la centrale

Affiancamento eliminando l’offset

- LF distingue l’apnea centrale

- SDNN distingue l’apnea ostruttiva ma non nel confronto con la centrale

- SD2 distingue l’apnea ostruttiva ma non nel confronto con l’ipopnea

Conclusioni

I parametri derivanti dall’analisi in frequenza confermano la letteratura

I parametri β, SDNN, VLF, LF, HF, HFn, LFn, LF/HF, SD2 distinguevano i tratti normali dai tratti di apnee

Ci sono parametri che permettono di distinguere i diversi tipi di apnea : RRm, SD2, entropia, SDNN, LF/HF, LF

Il parametro β distingue i tratti normali in tutte le metodologie di analisi

L’analisi dei tratti lunghi ha portato al maggior numero di parametri significativi per i tratti normali mentre quella dell’unione eliminando l’offset ha riportato un solo parametro significativo

Sviluppi futuri

Metodo per l’individuazione

automatica dei tratti lunghi

Grazie per l’attenzione…