МЕТОДЫ ЧАСТОТНОЙ ОБЛАСТИ (СПЕКТРАЛЬНЫЙ АНАЛИЗ)

По сути, основной способ анализа ВРС на коротких записях, с которого по большому счету началось активное распространение методики на Западе после публикации работ S. Akselrod в начале 1980-х годов (Akselrod S. at al., 1981).

В основе спектрального анализа лежит свойство периодических сигналов, открытое математиком J. B. J. Fourier в конце XVIII века. Он доказал, что по сути любую математическую функцию можно представить в виде ряда тригонометрических функций. В приложении к нашему случаю можно сказать, что любую картину периодических колебаний сердечного ритма можно представить в форме суммы синусоид различной частоты и амплитуды.

В отличие от статистических методов для вычисления спектральных характеристик используются сложные математические инструменты, поэтому во многом процесс анализа остается «черным ящиком» и часть ответственности за корректность результата лежит на разработчике конкретного программного пакета.

С нашей же стороны нужно знать ряд общих свойств и ограничений методов спектральной оценки:

1. Хотя результат спектрального анализа обычно выражают в одних и тех же показателях, описанных ниже, в реальности вычисления могут выполняться с помощью различных алгоритмов (быстрое преобразование Фурье, авторегрессионный метод, периодограммный метод Lomb). В теории на одной записи они должны давать сопоставимый результат, но на практике может быть разница, поэтому всегда следует знать, какой метод вычисления использован в конкретном случае.
2. Для всех методов необходимым требованием является сохранение непрерывности сигнала. В случае исключения из анализа части RR интервалов, расположенных в середине пробы, пропуск должен быть заполнен виртуальными RR по какому-либо математическому закону (чаще идет заполнение методом линейной интерполяции) так, чтобы фрагмент сигнала после артефакта не сместился по времени по отношению к первому фрагменту. Нужно понимать, что любая такая интерполяция искажает результат, и длительные (десятки RR) и/или повторные разрывы сделают запись неинтерпретируемой.
3. Практически все методы нуждаются в преобразовании сигнала перед анализом, поскольку требуют равномерного ряда данных. В разделе о построении ритмограммы мы говорили, что отметка RR интервала ставится в момент регистрации соответствующего QRS комплекса на ЭКГ. Т. е. мы знаем значение RR интервала только в момент регистрации очередного QRS. Для спектрального же анализа нужно знать значения сигнала в каждой точке с интервалом, скажем, 0,1 с. Поэтому в большинстве случаев перед спектральным анализом ряд RR преобразуют, добавляя недостающие значения методом интерполяции (что также может повлиять на результат).
4. Пример, который часто приводят для демонстрации принципа спектрального анализа — разложение белого света на составляющие с помощью призмы, — является некорректным. В случае со светом при отсутствии в конкретном луче волн определенной длины (например, в результате поглощения их при прохождении через газ) на спектре появится черная полоса (нет волны — нет данных), на чем основан метод оптической спектроскопии. При математическом анализе модель пытается подобрать синусоиду под каждую доступную частоту, поэтому не нужно пытаться анализировать каждый пик на графике спектра, поскольку он может быть обязан своим происхождением не физиологическому процессу, а особенностям математического алгоритма.
5. Для оценки характеристик волны длина сигнала должна быть не менее 3 периодов этой волны. В связи с этим нужно понимать, что при сокращении времени записи по каким-либо причинам (например, техническим) в первую очередь будет теряться информация о более медленных колебаниях. А если вас интересует исключительно активность парасимпатического отдела нервной системы, то для анализа вполне хватит эпохи в 15–20 секунд, но нужно уточнить, способно ли используемое программное обеспечение корректно обработать такую ситуацию.

Первичным результатом спектрального анализа является мощность спектра в определенном диапазоне частот, которая пропорциональна квадрату амплитуды соответствующей синусоиды (или суммы синусоид) и имеет размерность мс².

С учетом стандартной длины эпохи (300 секунд) стандартно анализируют следующие мощности:

HF — мощность спектра в диапазоне высоких частот, 0,4(0,5)–0,15 Гц; соответствует эмпирическому диапазону синусовой дыхательной аритмии, однозначно признается показателем парасимпатической активности. В модели многоуровневой регуляции — активность автономного контура, обеспечивающая эффективную адаптацию с рациональным использованием ресурсов. Основная проблема возникает у лиц с глубоким редким дыханием с периодом более 8 секунд. В таком случае диапазон HF обычно оказывается «пустым». Выход из ситуации заключается в повторной записи ЭКГ при управляемом дыхании под метроном (с периодикой около 4–5 секунд) или построении заключения только на основе суммарной активности в HF и LF диапазонах.

Рис. 4. Спектрограмма (график спектральной плотности мощности в зависимости от частоты. Оттенками серого показаны диапазоны интегрирования для получения описанных далее показателей мощности спектра. Картина симпатикотонии с ярко выраженным пиком около 0,1 Гц

LF — мощность спектра в диапазоне низких частот, 0,15–0,04 Гц, с наиболее часто встречающимся выраженным пиком в окрестности 0,1 Гц. Физиологическое значение дискутируется, но при отсутствии проблем с глубоким дыханием, можно говорить о том, что этот показатель дает представление об активности симпатического отдела нервной системы. С точки зрения многоуровневой модели — активность сегментарной регуляции, т. е. проявление активации стрессовых механизмов, адаптация с большей стоимостью по сравнению с регуляцией на уровне автономного контура.

VLF — мощность спектра в диапазоне 0,04–0,003 Гц (иногда 0,04–0,015 Гц, см. пункт *ULF), те самые колебания очень низкой частоты, на источник которых претендует множество механизмов. Проще всего рассматривать их в рамках модели многоуровневой регуляции, как механизм с очень медленной скоростью реагирования, а следовательно, не способный обеспечивать эффективную и экономичную адаптацию. Т. е. преобладание такой активности говорит о снижении адаптационных возможностей субъекта.