Hagmair, S. (2019). Combined models of pulse wave and ECG analysis for risk prediction in end-stage renal disease patients [Dissertation, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2019.40594
Herz-Kreislauf-Erkrankungen stellen weltweit die Haupttodesursache dar. Nichtinvasiv gemessene biomedizinische Aufzeichnungen, wie Elektrokardiographie und Pulswelle, liefern wichtige Informationen über den Zustand des Herz-Kreislauf-Systems. Daher empfehlen ärztliche Behandlungsleitlinien die Auswertung mehrerer Parameter dieser Biosignale. Personen, die sich einer Hämodialyse unterziehen, gehören zur Hochrisikogruppe für Erkrankungen, die das Herz oder die Blutgefäße betreffen und erfordern daher eine Bewertung und Behandlung nach festgelegten Richtlinien. Angesichts der hohen Morbidität und Mortalität von Patienten mit terminaler Niereninsuffizienz ist außerdem eine verbesserte Risikostratifizierung für Dialysepatienten vonnöten. Daher ist das Ziel dieser Arbeit, bestehende kardiovaskuläre Risikomodelle zu untersuchen, zu verbessern und mit Parameter, die das Herz-Kreislauf-System beschreiben, weiterzuentwickeln. Die verwendeten Biosignale sind einerseits ein 12-Kanal-Elektrokardio-gramm (EKG) und desweiterein eine ambulante Blutdruckmessung - jeweils mit einer Aufzeichungsdauer von 24 Stunden. Alle verwendeten Daten dieser Arbeit stammen aus der ISAR (rISk strAtification in end-stage Renal disease) Dialyse-Studie, einer prospektiven Beobachtungskohortenstudie. Zunächst wurde ein Algorithmus entwickelt, welcher automatisch RR-Intervalle vom Mehrkanal-EKG ableitet, um damit die Herzratenvariabilität (HRV) quantifizieren zu können. Die Ergebnisse zeigen eine gute Übereinstimmung zwischen den durch den Algorithmus gewonnenen Zeitreihen und den manuell von Medizinern überprüften Referenzzeitreihen. Zusätzlich wurden HRV-Parameter im Zeit- sowie Frequenzbereich berechnet, nachdem Patienten mit Vorhofflimmern ausgeschlossen wurden. Die HRV-Indikatoren weisen eine hohe Ähnlichkeit mit den aus den Referenzreihen erhaltenen Parametern auf. Beispielsweise zeigt der statistische Zeitparamter RMSSD eine mittlere Differenz von 0.22 ms zwischen beiden Zeitreihen bei einer Schwankungsbreite von -2.7 ms bis 2.2 ms. Zur Risikobewertung mittels Cox-Regressionsanalyse wurden, neben Standard-HRV-Parametern, nichtlineare Entropiemaße verwendet. Zwei Entropiemaße (Fuzzy entropy und Corrected approximate entropy) waren signifikante Risikoprädiktoren für Mortalität und blieben signifikant nach multivariabler Adjustierung für bekannte Risikofaktoren. Die Ergebnisse zeigen beispielsweise, dass bei einer Erhöhung des Parameters Fuzzy entropy (um 1), das Sterberisiko um 42% gesenkt wird (Hazard Ratio 0.58; 95%-Konfidenzintervall [0.37,0.92]). Es wurde allerdings nur ein kleines Zeitintervall während der Nacht der 24-Stunden EKG Aufzeichnung verwendet, um einheitliche Verhältnisse sicherzustellen. Schließlich wurde ein multivariables Überlebenszeitmodell, basierend auf Entscheidungs-bäumen, mithilfe der 24-Stunden-Parameter beider Biosignale erstellt. Hierfür lagen synchrone Messungen von 234 Patienten der ISAR-Studie vor. Neben den komorbiden Zuständen zeigte die baumbasierte Überlebenszeitanalyse eindeutig, dass eine reduzierte Herzratenvariabilität (triangular index; HRVTI < 18 ms) und ein erhöhter Reflexionsparamter der Pulswellenanalyse (augmented pressure; AP 10 mmHg) mit der Gesamtmortalität in der Hämodialysekohorte assoziiert sind. Zusammenfassend kann festgehalten werden, dass die synchrone Messung und Auswertung sowohl des ambulanten Blutdrucks als auch des Mehrkanal-EKGs als wichtiges Instrument in der Überlebenszeitanalyse dienen kann. Die bisherigen Ergebnisse der Pulswellen- und EKG-Parameter rechtfertigen weitere Untersuchungen.
de
Cardiovascular diseases are the main cause of death worldwide. Noninvasively measured biomedical recordings such as electrocardiography and pulse wave yield important information about the status of the cardiovascular system. As a result, clinical practice guidelines recommend the evaluation of several parameters of those signals. Especially individuals receiving hemodialysis are in the highest risk group for the evaluation and management of cardiovascular disease according to established guidelines. Given the high morbidity and mortality of individuals with end-stage renal disease (ESRD), there is need for improved risk prediction in dialysis patients. Therefore, the purpose of this work was to investigate, improve and further develop risk models including parameters describing the cardiovascular system. Particularly, simultaneously recorded 12-lead electrocardiogram (ECG) and ambulatory blood pressure recordings for 24 hours were analyzed. Throughout this thesis, all data was from the ISAR (rISk strAtification in end-stage Renal disease) study, which is a prospective, longitudinal, observational cohort study. First, an algorithm for automatic obtained RR-intervals of the multi-lead ECG was developed in order to quantify heart rate variability (HRV). The results demonstrate good agreement between the time series gained by the algorithm and the manual reviewed reference time series. Additionally, standard time- and frequency domain HRV parameters were calculated in the subgroup of patients without atrial fibrillation. The HRV indicators show high similarity with indices obtained from the reference series. Exemplarily, the limits of agreement of the index root mean square of successive differences (RMSSD) between both time series range from -2.7 ms to 2.2 ms with a mean difference of 0.22 ms. Together with standard HRV parameters, nonlinear entropy measures were used for risk assessment by means of Cox regression analysis. With recently published parameter sets, fuzzy entropy and corrected approximate entropy predict mortality significantly and remained significant after adjustment for common risk factors. Exemplarily, after adjustment, one absolute unit increase of fuzzy entropy results in a hazard ratio of 0.58 with a 95% confidence interval ranging from 0.37 to 0.92. However, only a small time interval during the night was used to ensure standardized condition of ECG data. Finally, 24 hour parameters from both biosignals were included in a multivariable survival tree model. Synchronous measurements of 234 ISAR study patients were available. Beside comorbid conditions, tree-based survival analysis clearly indicated that decreased HRV triangular index (HRVTI < 18 ms) and increased augmented pressure (AP 10 mmHg) a parameter gained from pulse wave analysis (PWA) are associated with all-cause mortality in the hemodialysis cohort. Overall, the synchronous measurement and assessment of both recordings, i.e., ambulatory blood pressure and multi-lead ECG, with their derived PWA and HRV parameters could serve as important tools in event prediction of this very high-risk patient population. These results warrant further investigations.