Einfluss der Detektion von Extrasystolen im Elektrokardiogramm auf die Schätzung von Parametern der Herzfrequenzvariabilität : (Ergebnisse der populationsbasierten CARLA-Studie)

Abstract

In großen bevölkerungsbasierten Studien ist die manuelle Auswertung von EKGs aufwändig und kostspielig, und daher eine automatische Verarbeitung wünschenswert. Die Empfindlichkeit der Beat-Erkennung durch solche Programme für HRV-Berechnungen wurde jedoch bei großen Studien kaum untersucht. Hier wird berichtet, wie die Falsch-Erkennung von nicht-normalen Herzschlägen die Berechnung der HRV-Parameter und deren Zusammenhang mit kardiovaskulären Risikofaktoren beeinflusst. Die Schlag-Typen in Kurzzeit-EKGs der bevölkerungsbasierten Kohortenstudie CARLA wurden mit dem Algorithmus MEANS sowie manuell durch geschultes medizinisches Personal analysiert. Sensitivität, Spezifität und PPV von MEANS zur Erkennung der Typen wurden im Vergleich zur manuellen Methode berechnet. Die Assoziation der HRV mit den Risikofaktoren Alter, Geschlecht, Diabetes mellitus und Myokardinfarkt wurde durch lineare Regression berechnet und mit Hilfe von Bootstrapping verglichen. Die gemittelte Empfindlichkeit von MEANS bei der Erkennung nicht-normaler Schläge beträgt 76% und ist bei der Typisierung von SVES besonders niedrig. Die Assoziation der HRV mit Risikofaktoren unterscheidet sich zwischen den beiden Methoden nicht wesentlich. Automatisierte EKG-Beat-Klassifizierungsprogramme wie MEANS können daher für die Analyse von HRV-Parametern in großen bevölkerungsbezogenen Studien geeignet sein.

In large population-based studies the manual evaluation of ECGs is elaborately and costly. Therefore, an automated processing is desirable. However, the sensitivity of beat recognition by such programs for HRV calculations has barely been investigated within those large studies. Here is reported how the false detection of non-normal heart beats influences the calculation of HRV parameters and their association with cardiovascular risk factors. The beat types in short-term ECGs of the population-based cohort study CARLA were analyzed by an algorithm MEANS and manually checked by trained medical staff. Sensitivity, specificity and PPV of MEANS in detecting heart beat types were calculated in comparison to the manual method. The association of HRV with the risk factors age, sex, diabetes mellitus and myocardial infarction were calculated by linear regression and compared by making use of bootstrapping. The averaged sensitivity of MEANS in detecting non-normal beats is 76%, and is especially low in typifying SVES. The association of HRV with risk factors does not differ substantially between the two methods. Consequently, automated ECG beat classification programs such as MEANS can be suitable for determining and analyzing HRV parameters in large population-based studies.