Analyse des enregistrements électrocardiographiques à long terme pour détecter les arythmies chez la souris
Summary
Nous présentons ici un protocole étape par étape pour une approche semi-automatisée permettant d’analyser les données d’électrocardiographie à long terme (ECG) murine pour les paramètres ECG de base et les arythmies courantes. Les données sont obtenues par des transmetteurs de télémétrie implantables chez des souris vivantes et éveillées et analysées à l’aide de Ponemah et de ses modules d’analyse.
Abstract
Les arythmies sont fréquentes, affectant des millions de patients dans le monde. Les stratégies de traitement actuelles sont associées à des effets secondaires importants et restent inefficaces chez de nombreux patients. Pour améliorer les soins aux patients, des concepts thérapeutiques novateurs ciblant causalement les mécanismes de l’arythmie sont nécessaires. Pour étudier la physiopathologie complexe des arythmies, des modèles animaux appropriés sont nécessaires, et les souris se sont révélées être des espèces modèles idéales pour évaluer l’impact génétique sur les arythmies, étudier les mécanismes moléculaires et cellulaires fondamentaux et identifier des cibles thérapeutiques potentielles.
Les dispositifs de télémétrie implantables sont parmi les outils les plus puissants disponibles pour étudier l’électrophysiologie chez la souris, permettant un enregistrement ECG continu sur une période de plusieurs mois chez des souris éveillées en mouvement libre. Cependant, en raison du grand nombre de points de données (>1 million de complexes QRS par jour), l’analyse des données de télémétrie reste difficile. Cet article décrit une approche étape par étape pour analyser les ECG et détecter les arythmies dans les enregistrements de télémétrie à long terme à l’aide du logiciel Ponemah avec ses modules d’analyse, ECG Pro et Data Insights, développés par Data Sciences International (DSI). Pour analyser les paramètres ECG de base, tels que la fréquence cardiaque, la durée de l’onde P, l’intervalle PR, l’intervalle QRS ou la durée QT, une analyse automatisée des attributs a été effectuée à l’aide de Ponemah pour identifier les ondes P, Q et T dans les fenêtres ajustées individuellement autour des ondes R détectées.
Les résultats ont ensuite été examinés manuellement, ce qui a permis d’ajuster les annotations individuelles. Les résultats de l’analyse basée sur les attributs et de l’analyse de reconnaissance des formes ont ensuite été utilisés par le module Data Insights pour détecter les arythmies. Ce module permet un dépistage automatique des arythmies définies individuellement dans l’enregistrement, suivi d’un examen manuel des épisodes d’arythmie suspectés. L’article traite brièvement des défis liés à l’enregistrement et à la détection des signaux ECG, suggère des stratégies pour améliorer la qualité des données et fournit des enregistrements représentatifs des arythmies détectées chez la souris en utilisant l’approche décrite ci-dessus.
Introduction
Les arythmies cardiaques sont fréquentes, touchant des millions de patients dans le monde1. Les populations vieillissantes présentent une incidence croissante et donc une charge majeure pour la santé publique résultant des arythmies cardiaques et de leur morbidité et mortalité2. Les stratégies de traitement actuelles sont limitées et souvent associées à des effets secondaires importants et restent inefficaces chez de nombreux patients 3,4,5,6. Des stratégies thérapeutiques nouvelles et innovantes qui ciblent causalement les mécanismes de l’arythmie sont nécessaires de toute urgence. Pour étudier la physiopathologie complexe des arythmies, des modèles animaux appropriés sont nécessaires; Les souris se sont avérées être une espèce modèle idéale pour évaluer l’impact génétique sur les arythmies, étudier les mécanismes moléculaires et cellulaires fondamentaux et identifier des cibles thérapeutiques potentielles 7,8,9. L’enregistrement continu de l’ECG est un concept bien établi dans la routine clinique de détection de l’arythmie10.
Les dispositifs de télémétrie implantables sont parmi les outils les plus puissants disponibles pour étudier l’électrophysiologie chez la souris, car ils permettent un enregistrement continu de l’ECG (une approche courante consiste à implanter les sondes dans une position de plomb II) sur une période de plusieurs mois chez des souris éveillées en mouvement libre11,12. Cependant, en raison du grand nombre de points de données (jusqu’à plus de 1 million de complexes QRS par jour) et de la connaissance limitée des valeurs standard murines, l’analyse des données de télémétrie reste difficile. Les émetteurs de télémétrie couramment disponibles pour les souris durent jusqu’à 3 mois, ce qui conduit à l’enregistrement de jusqu’à 100 millions de complexes QRS. Cela signifie que des protocoles d’analyse pragmatiques sont indispensables pour réduire le temps passé avec chaque ensemble de données individuel et permettront aux chercheurs de traiter et d’interpréter cette énorme quantité de données. Pour obtenir un signal ECG propre lors de l’enregistrement, l’implantation de l’émetteur doit être optimale – les positions de plomb doivent être aussi éloignées que possible pour permettre des amplitudes de signal plus élevées.
Le lecteur intéressé peut être invité à consulter un protocole de McCauley et coll.12 pour obtenir de plus amples renseignements. De plus, pour minimiser le bruit, les cages et les émetteurs doivent être placés dans un environnement silencieux et non sujet à des perturbations, comme une armoire ventilée avec des facteurs environnementaux contrôlés (température, lumière et humidité). Pendant la période expérimentale, le positionnement du plomb doit être vérifié régulièrement pour éviter la perte de signal due à la perforation du plomb ou à des problèmes de cicatrisation. Physiologiquement, il y a une altération circadienne des paramètres ECG chez les rongeurs comme chez les humains, ce qui rend nécessaire une approche standardisée pour obtenir les paramètres ECG de base à partir d’un enregistrement continu. Plutôt que de calculer les valeurs moyennes des paramètres ECG sur une longue période, l’analyse d’un ECG au repos similaire à celui chez l’homme devrait être effectuée pour obtenir des paramètres de base tels que la fréquence cardiaque au repos, la durée de l’onde P, l’intervalle PR, la durée QRS ou l’intervalle QT / QTc. Chez l’homme, un ECG au repos est enregistré sur 10 s, à une fréquence cardiaque normale de 50-100 / min. Cet ECG comprend 8 à 17 complexes QRS. Une analyse de 20 complexes QRS consécutifs est recommandée chez la souris comme « équivalent ECG au repos ». En raison de l’altération circadienne mentionnée ci-dessus, une approche simple consiste à analyser deux ECG au repos par jour, un le jour et un la nuit. Selon le cycle d’allumage et d’arrêt de la lumière dans l’animalerie, des heures appropriées sont sélectionnées (p. ex., 12 h/après-midi) et des paramètres de base sont obtenus.
Ensuite, un diagramme de fréquence cardiaque au fil du temps est utilisé pour détecter les tachycardies et bradycardies pertinentes, avec une exploration manuelle consécutive de ces épisodes pour obtenir une première impression. Ce diagramme de fréquence cardiaque conduit ensuite aux paramètres importants de la fréquence cardiaque maximale et minimale sur la période enregistrée ainsi que la variabilité de la fréquence cardiaque au fil du temps. Après cela, l’ensemble de données est analysé pour les arythmies. Cet article décrit une approche étape par étape pour obtenir ces données ECG de base à partir d’enregistrements de télémétrie à long terme de souris éveillées sur une période d’enregistrement allant jusqu’à trois mois. En outre, il décrit comment détecter les arythmies à l’aide du logiciel Ponemah version 6.42, avec ses modules d’analyse, ECG Pro et Data Insights, développés par Data Sciences International (DSI). Cette version est compatible avec Windows 7 (SP1, 64 bits) et Windows 10 (64 bits).
Protocol
Representative Results
Discussion
L’ECG de surface est le principal outil de diagnostic pour les patients souffrant de troubles du rythme cardiaque, fournissant des informations sur de nombreux phénomènes électrophysiologiques. Néanmoins, une analyse suffisante des pathologies ECG de surface cardiaque nécessite la connaissance et la définition de paramètres physiologiques normaux. De nombreuses années de recherche épidémiologique ont conduit à un large consensus sur ce qui est physiologique chez l’homme et ont ainsi permis aux médecins du…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Ce travail a été soutenu par la Fondation allemande pour la recherche (DFG; Clinician Scientist Program In Vascular Medicine (PRIME), MA 2186/14-1 à P. Tomsits et D. Schüttler), Centre allemand de recherche cardiovasculaire (DZHK; 81X2600255 à S. Clauss), la Fondation Corona (S199/10079/2019 à S. Clauss), l’ERA-NET sur les maladies cardiovasculaires (ERA-CVD; 01KL1910 à S. Clauss), la Heinrich-and-Lotte-Mühlfenzl Stiftung (à S. Clauss) et le China Scholarship Council (CSC, à R. Xia). Les bailleurs de fonds n’ont joué aucun rôle dans la préparation des manuscrits.
References
- Camm, A. J., et al. Guidelines for the management of atrial fibrillation: the Task Force for the Management of Atrial Fibrillation of the European Society of Cardiology (ESC). Europace. 12 (10), 1360-1420 (2010).
- Chugh, S. S., et al. Worldwide epidemiology of atrial fibrillation: a Global Burden of Disease 2010 Study. Circulation. 129 (8), 837-847 (2014).
- Dobrev, D., et al. New antiarrhythmic drugs for treatment of atrial fibrillation. Lancet. 375 (9721), 1212-1223 (2010).
- January, C. T., et al. 2019 AHA/ACC/HRS focused update of the 2014 AHA/ACC/HRS Guideline for the management of patients with atrial fibrillation: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines and the Heart Rhythm Society in Collaboration With the Society of Thoracic Surgeons. Circulation. 140 (2), 125-151 (2019).
- Heijman, J., et al. Cardiac safety assays. Current Opinion in Pharmacology. 15, 16-21 (2014).
- Kirchhof, P., et al. ESC Guidelines for the management of atrial fibrillation developed in collaboration with EACTS. European Heart Journal. 37 (38), 2893-2962 (2016).
- Clauss, S., et al. Animal models of arrhythmia: classic electrophysiology to genetically modified large animals. Nature reviews. Cardiology. 16 (8), 457-475 (2019).
- Schüttler, D., et al. Animal models of atrial fibrillation. Circulation Research. 127 (1), 91-110 (2020).
- Dobrev, D., et al. Mouse models of cardiac arrhythmias. Circulation Research. 123 (3), 332-334 (2018).
- Rosero, S. Z., et al. Ambulatory ECG monitoring in atrial fibrillation management. Progress in cardiovascular diseases. 56 (2), 143-152 (2013).
- Russell, D. M., et al. A high bandwidth fully implantable mouse telemetry system for chronic ECG measurement. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology. 2011, 7666-7669 (2011).
- McCauley, M. D., et al. Ambulatory ECG recording in mice. Journal of Visualized Experiments : JoVE. (39), e1739 (2010).
- Mehendale, A. C., et al. Unlock the information in your data: Software to find, classify, and report on data patterns and arrhythmias. Journal of Pharmacological and Toxicological Methods. 81, 99-106 (2016).
- Hulsmans, M., et al. Macrophages facilitate electrical conduction in the heart. Cell. 169 (3), 510-522 (2017).
- Boukens, B. J., et al. Misinterpretation of the mouse ECG: ‘musing the waves of Mus musculus. Journal of Physiology. 592 (21), 4613-4626 (2014).
- Wehrens, X. H., et al. Mouse electrocardiography: an interval of thirty years. Cardiovascular Research. 45 (1), 231-237 (2000).
- Goldbarg, A. N., et al. Electrocardiogram of the normal mouse, Mus musculus: general considerations and genetic aspects. Cardiovascular Research. 2 (1), 93-99 (1968).
- Kaese, S., et al. The ECG in cardiovascular-relevant animal models of electrophysiology. Herzschrittmachertherapie und Elektrophysiologie. 24 (2), 84-91 (2013).
- Speerschneider, T., et al. Physiology and analysis of the electrocardiographic T wave in mice. Acta Physiologica. 209 (4), 262-271 (2013).
- Toib, A., et al. Remodeling of repolarization and arrhythmia susceptibility in a myosin-binding protein C knockout mouse model. American Journal of Physiology. Heart and Circulatory Physiology. 313 (3), 620-630 (2017).
- Thireau, J., et al. Heart rate variability in mice: a theoretical and practical guide. Experimental Physiology. 93 (1), 83-94 (2008).
- Hilgard, J., et al. Significance of ventricular pauses of three seconds or more detected on twenty-four-hour Holter recordings. American Journal of Cardiology. 55 (8), 1005-1008 (1985).
