Farelerde Aritmileri Tespit Etmek için Uzun Süreli Elektrokardiyografi Kayıtlarının Analizi
Summary
Burada, temel EKG parametreleri ve yaygın aritmiler için murin uzun süreli elektrokardiyografi (EKG) verilerini analiz etmek için yarı otomatik bir yaklaşım için adım adım bir protokol sunuyoruz. Veriler, canlı ve uyanık farelerde implante edilebilir telemetri vericileri tarafından elde edilir ve Ponemah ve analiz modülleri kullanılarak analiz edilir.
Abstract
Aritmiler yaygındır ve dünya çapında milyonlarca hastayı etkilemektedir. Mevcut tedavi stratejileri önemli yan etkilerle ilişkilidir ve birçok hastada etkisiz kalmaktadır. Hasta bakımını iyileştirmek için, aritmi mekanizmalarını nedensel olarak hedef alan yeni ve yenilikçi terapötik kavramlara ihtiyaç vardır. Aritmilerin karmaşık patofizyolojisini incelemek için uygun hayvan modelleri gereklidir ve farelerin aritmiler üzerindeki genetik etkiyi değerlendirmek, temel moleküler ve hücresel mekanizmaları araştırmak ve potansiyel terapötik hedefleri belirlemek için ideal model türleri olduğu kanıtlanmıştır.
İmplante edilebilir telemetri cihazları, farelerde elektrofizyolojiyi incelemek için mevcut en güçlü araçlar arasındadır ve serbestçe hareket eden, uyanık farelerde birkaç ay boyunca sürekli EKG kaydına izin verir. Bununla birlikte, çok sayıda veri noktası (günde >1 milyon QRS kompleksi) nedeniyle, telemetri verilerinin analizi zor olmaya devam etmektedir. Bu makalede, Data Sciences International (DSI) tarafından geliştirilen analiz modülleri, EKG Pro ve Data Insights ile Ponemah yazılımını kullanarak EKG’leri analiz etmek ve uzun vadeli telemetri kayıtlarında aritmileri tespit etmek için adım adım bir yaklaşım açıklanmaktadır. Kalp atış hızı, P dalga süresi, PR aralığı, QRS aralığı veya QT süresi gibi temel EKG parametrelerini analiz etmek için, algılanan R dalgalarının etrafında ayrı ayrı ayarlanmış pencerelerde P, Q ve T dalgalarını tanımlamak için Ponemah kullanılarak otomatik bir öznitelik analizi gerçekleştirildi.
Sonuçlar daha sonra manuel olarak gözden geçirildi ve bireysel ek açıklamaların ayarlanmasına izin verildi. Öznitelik tabanlı analizden ve desen tanıma analizinden elde edilen çıktılar daha sonra aritmileri algılamak için Data Insights modülü tarafından kullanılmıştır. Bu modül, kayıttaki ayrı ayrı tanımlanmış aritmiler için otomatik bir taramaya ve ardından şüpheli aritmi ataklarının manuel olarak gözden geçirilmesine izin verir. Makale, EKG sinyallerinin kaydedilmesi ve algılanmasındaki zorlukları kısaca tartışmakta, veri kalitesini artırmak için stratejiler önermekte ve yukarıda açıklanan yaklaşımı kullanarak farelerde tespit edilen aritmilerin temsili kayıtlarını sunmaktadır.
Introduction
Kardiyak aritmiler yaygındır ve dünya çapında milyonlarca hastayı etkilemektedir1. Yaşlanan popülasyonlar giderek artan bir insidans ve dolayısıyla kardiyak aritmiler ve bunların morbidite ve mortalitelerinden kaynaklanan önemli bir halk sağlığı yükü göstermektedir2. Mevcut tedavi stratejileri sınırlıdır ve sıklıkla önemli yan etkilerle ilişkilidir ve birçok hastada etkisiz kalmaktadır 3,4,5,6. Aritmi mekanizmalarını nedensel olarak hedef alan yeni ve yenilikçi tedavi stratejilerine acilen ihtiyaç duyulmaktadır. Aritmilerin karmaşık patofizyolojisini incelemek için uygun hayvan modelleri gereklidir; farelerin aritmiler üzerindeki genetik etkiyi değerlendirmek, temel moleküler ve hücresel mekanizmaları araştırmak ve potansiyel terapötik hedefleri belirlemek için ideal bir model tür olduğu kanıtlanmıştır 7,8,9. Sürekli EKG kaydı, aritmi tespitinin klinik rutininde iyi bilinen bir kavramdır10.
İmplante edilebilir telemetri cihazları, farelerde elektrofizyolojiyi incelemek için mevcut en güçlü araçlar arasındadır, çünkü EKG’nin sürekli kaydedilmesine izin verirler (yaygın bir yaklaşım, uçları kurşun-II pozisyonuna implante etmektir) serbestçe hareket eden, uyanık farelerde birkaç aylık bir süre boyunca11,12. Bununla birlikte, çok sayıda veri noktası (günde 1 milyondan fazla QRS kompleksine kadar) ve murin standart değerleri hakkında sınırlı bilgi birikimi nedeniyle, telemetri verilerinin analizi zor olmaya devam etmektedir. Fareler için yaygın olarak bulunan telemetri vericileri 3 aya kadar dayanır ve 100 milyon QRS kompleksine kadar kayıt yapılmasını sağlar. Bu, pragmatik analiz protokollerinin her bir veri kümesiyle harcanan zamanı azaltmak için çok gerekli olduğu ve araştırmacıların bu büyük miktarda veriyi işlemelerine ve yorumlamalarına izin vereceği anlamına gelir. Kayıt sırasında temiz bir EKG sinyali elde etmek için, verici implantasyonunun optimal olması gerekir – kurşun pozisyonları, daha yüksek sinyal genliklerine izin vermek için mümkün olduğunca uzak olmalıdır.
İlgilenen okuyucu, daha fazla bilgi için McCauley ve ark.12 tarafından bir protokole yönlendirilebilir. Ayrıca, gürültüyü en aza indirmek için, kafesler ve vericiler, kontrollü çevresel faktörlere (sıcaklık, ışık ve nem) sahip havalandırmalı bir kabin gibi herhangi bir rahatsızlığa eğilimli sessiz bir ortama yerleştirilmelidir. Deney süresi boyunca, kurşun perforasyonu veya yara iyileşmesi sorunları nedeniyle sinyal kaybını önlemek için kurşun konumlandırması düzenli olarak kontrol edilmelidir. Fizyolojik olarak, insanlarda olduğu gibi kemirgenlerde EKG parametrelerinde sirkadiyen bir değişiklik vardır ve bu da sürekli bir kayıttan temel EKG parametrelerinin elde edilmesi için standartlaştırılmış bir yaklaşıma ihtiyaç duyulmasını sağlar. EKG parametrelerinin ortalama değerlerinin uzun bir süre boyunca hesaplanmasından ziyade, istirahat kalp hızı, P dalga süresi, PR aralığı, QRS süresi veya QT / QTc aralığı gibi temel parametreleri elde etmek için insanlardakine benzer bir istirahat EKG’sinin analizi yapılmalıdır. İnsanlarda, dinlenme EKG’si 10 saniyenin üzerinde, 50-100 / dak normal kalp atış hızında kaydedilir. Bu EKG 8 ila 17 QRS kompleksi içerir. Farede 20 ardışık QRS kompleksinin analizi “istirahat EKG eşdeğeri” olarak önerilir. Yukarıda belirtilen sirkadiyen değişiklik nedeniyle, basit bir yaklaşım, biri gündüz diğeri gece olmak üzere günde iki istirahat EKG’sini analiz etmektir. Hayvan tesisindeki ışık açma/kapama döngüsüne bağlı olarak, uygun zamanlar seçilir (örneğin, 12 / PM) ve temel parametreler elde edilir.
Daha sonra, ilgili taşi ve bradikardi tespit etmek için zaman içinde bir kalp atış hızı grafiği kullanılır ve ilk izlenim edinmek için bu bölümlerin ardışık manuel olarak araştırılması sağlanır. Bu kalp atış hızı grafiği daha sonra kaydedilen süre boyunca maksimum ve minimum kalp atış hızının önemli parametrelerine ve zaman içinde kalp atış hızı değişkenliğine yol açar. Bundan sonra, veri kümesi aritmiler için analiz edilir. Bu makalede, bu temel EKG verilerini, üç aya kadar bir kayıt süresi boyunca uyanık farelerin uzun vadeli telemetri kayıtlarından elde etmek için adım adım bir yaklaşım açıklanmaktadır. Ayrıca, Data Sciences International (DSI) tarafından geliştirilen analiz modülleri, EKG Pro ve Data Insights ile Ponemah sürüm 6.42 yazılımını kullanarak aritmilerin nasıl tespit edileceğini açıklar. Bu sürüm hem Windows 7 (SP1, 64 bit) hem de Windows 10 (64 bit) ile uyumludur.
Protocol
Representative Results
Discussion
Yüzey EKG, kalp ritmi bozukluklarından muzdarip hastalar için birincil tanı aracıdır ve birçok elektrofizyolojik fenomen hakkında fikir verir. Bununla birlikte, kardiyak yüzey EKG patolojilerinin yeterli analizi, normal fizyolojik parametrelerin bilinmesini ve tanımlanmasını gerektirir. Uzun yıllar süren epidemiyolojik araştırmalar, insanlarda neyin fizyolojik olduğu konusunda geniş bir rızaya yol açmış ve böylece dünya çapındaki hekimlerin patolojik olanı açıkça ayırt etmelerini sağlamı?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Bu çalışma Alman Araştırma Vakfı (DFG; Vasküler Tıpta Klinisyen Bilim İnsanı Programı (PRIME), P. Tomsits ve D. Schüttler’e MA 2186/14-1), Alman Kardiyovasküler Araştırma Merkezi (DZHK; 81X2600255’ten S. Clauss’a), Corona Vakfı (S199/10079/2019’dan S. Clauss’a), Kardiyovasküler Hastalıklar ERA-NET (ERA-CVD; 01KL1910’dan S. Clauss’a), Heinrich-and-Lotte-Mühlfenzl Stiftung (S. Clauss’a) ve Çin Burs Konseyi (CSC, R. Xia’ya). Fon verenlerin el yazması hazırlamada hiçbir rolü yoktu.
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).
