Графики Пуанкаре представляют собой диаграммы рассеяния, демонстрирующие зависимость одного параметра от другого (Tayel M. B., 2015). Например, вы можете по оси X отложить рост испытуемых, а по Y — массу тела и поставить точку на графике. Результат будет зависеть от того, в какой степени связаны между собой рассматриваемые показатели. Если между ними есть математическая линейная зависимость, то каждому значению X будет соответствовать единственное значение Y, и все точки на получившемся графике выстроятся вдоль прямой линии. Если же связь не функциональная, а корреляционная, то каждому значению X на графике может соответствовать несколько значений Y, и в итоге получится график в виде облака овальной формы. Чем сильнее корреляционная связь, тем больше полученный эллипс будет вытягиваться по одной из осей, приближаясь к прямой. При слабой связи или ее отсутствии облако будет приближаться к форме окружности (т. е. длинная и короткая оси эллипса будут практически одинаковы по длине). Интересно, что при таком построении длинная ось эллипса характеризует часть дисперсии параметров, которая обусловлена корреляционной связью между ними, а короткая — дисперсию, связанную со случайными факторами.
Применительно к ВРС построение графика Пуанкаре требует одного трюка, поскольку у нас на руках исходно только 1 параметр (RR), а нужно 2. На практике вторым параметром служит тоже значение RR, но предыдущего (или последующего) в ряду. Т. е. для отдельной точки на графике координатой по X будет RR номер n, а по Y — RR номер (n – 1).
Что это дает. С технической точки зрения появляется возможность выполнять анализ без предварительной коррекции артефактов, затрагивающих единичные RR (вставки, пропуски, артефакты экстрасистол), поскольку точки, связанные с такими RR, образуют отдельные скопления, не затрагивающие основное облако. Но нужно понимать, что построение скаттерграммы не решит проблему турбулентности сердечного ритма после желудочковых экстрасистол. Данный метод не требует какой-либо подготовки сигнала, интерполяции пропусков и допускает анализ записи с разрывами.
&hide_Cookie=yes)
Рис. 6. График Пуанкаре: точки группируются в эллиптическое облако
Что же показывает скаттерграмма с физиологической точки зрения? То же, что и при анализе любого небиологического сигнала — корреляцию. В данном случае — зависимость следующего RR от предыдущего. При каких условиях можно наблюдать закономерную зависимость текущего RR от предыдущего? Пока идет фаза подъема или спада волны: на подъеме мы видим зависимость «чем длиннее текущий, тем длиннее предыдущий», на спаде — наоборот. А вот на пике волны зависимость ломается. Значит, чем длиннее волны, тем предсказуемее процесс «на шаг вперед». Короткие волны в этом плане больше напоминают случайный процесс — никогда не знаешь, продолжится волна еще на один шаг в том же направлении, или пойдет обратно. Т. е. при прочих равных парасимпатическая коротковолновая регуляция будет «скруглять» эллипс, нарушая корреляцию последовательных RR, а низкочастотные и очень низкочастотные колебания, напротив, «вытягивать» эллипс.
Обычно для количественной характеристики скаттерграммы используют 2 показателя:
S (мс2) — площадь эллипса, описывающего основное облако скаттерграммы, характеризует общую вариабельность ритма и в этом смысле является аналогом SDNN и TP;
L/w — отношение длин осей эллипса; более высокочастотный процесс приводит к скруглению облака и снижению L/w. Т. е. при высокой активности вагуса соотношение будет скорее ниже, однако провести прямую аналогию показателя со спектральными или статистическими параметрами проблематично.
В заключение следует отметить, что основной недостаток скаттерграммы заключается в неоднозначности построения эллипса, описывающего облако рассеяния RR.