CN103209637A - 用于测量心率变异性的方法 - Google Patents

Abstract

一种用于测量心率变异性（HRV）的***，包括3个子***：数据收集子***、数据分析子***、和输出子***。患者被连接至诸如ECG之类的心脏监测设备且该数据收集子***记录该患者的心跳，且产生ECG图，从该ECG图中，由该数据分析子***导出患者的HRV值。本发明通过对于所谓相对密度（RD）的新参数的计算来获得HRV值。根据该创新的方法，从所测得心跳的峰值间期数据中生成数据点，且通过两个数据点子集之间的关联来计算HRV相对密度参数（RD）。

Description

用于测量心率变异性的方法

背景技术

1.技术领域

本发明的实施例一般涉及医疗方法，且更特定地，但非限制性地，涉及用于测量心率变异性（HRV）的方法。

2.背景技术

心率变异性（HRV）是心脏功能的已知特性，且是特定患者所经历的心率变化的测量。

HRV一般被测量为连续心跳之间的时间（以毫秒计）。这个时间段也被称为“心跳间间期”，且这是用每秒心跳表达的瞬时心率的倒数。图1是示出一系列心跳的标准ECG显示。可见，每个心跳显示为波，且这个系列中的每一个波具有共同被标记为“Q”、“R”、和“S”的点。点“R”是该波的最高峰和最为可视地可辨别的部分，且因此点“R”是开始测量HRV的最早的点。因此，心跳间间期可被标记为“RR间期”或“峰值间期”，其中“RR”是连续的R之间的间期。

患者心跳记录一般具有数以千计的心跳或波。为了从这个数据中提取HRV，波形被数字化并测量RR间期。然后，通过将RR间期数据绘制为非线性递归或Poincare曲线（其中每一个数据点是从一对连续RR间期中形成的）来以可视形式方便地表示HRV。通过向这些数据点应用数学算法，可进一步量化HRV。然而，已经被提出的一些算法是复杂的和/或无法产生临床应用中可靠的HRV值。

心脏被连接至自主神经***，且RR间期的长度主要由来自这个***的两个主要组件的输入所控制：交感神经***和副交感神经***。对于心脏的这后两个输入在一般进程中是在时间上是彼此独立的，且还可受到无关的外部因素的影响，诸如压力感受反射、温度调节、激素类、醒睡周期、进食、和压力之类。因此，对于健康的个人，一定程度上的心率变异性是可预期的，且是良好地工作的自主神经***的反映。类似地，低于或以其他方式不同于正常的心率变异性经常是不正常工作的自主神经***的指示。

作为这个连接的结果，HRV在临床设置中经常被用于估算至心脏的传出自主活动和心血管控制***的这个部分的完整性。自主神经***的问题通常也关联于各种其他医疗病况，诸如，例如，充血性心力衰竭因、帕金森病、糖尿病神经病变、和阿尔茨海默氏痴呆。因此，HRV读数可提示患者在将来获得这样的病况的风险、或可选地，帮助评估其中患者已经被诊断出的该病况的严重性和进程。

HRV还被用于帮助评估并确定已经具有严重心脏病发作（诸如急性心肌梗塞（AMI））的患者的疗程。心脏病发作后的患者具有室性心动过速（VT）（源自心室的快速心律）的风险。VT是潜在地威胁生命的心律失常，其可导致心室纤颤（VF）和猝死。VT发作、接着是VF的这个组合，有时被称为“VT/VF”。

经常通过接受被称为植入性心律转变器（ICD）的用外科手术植入的设备来治疗被认为具有VT/VF风险的患者。ICD是较小的、用电池供电的电脉冲生成器，其持续监测患者心率且当检测到诸如VT或VF之类的心脏心律失常时传递较小的震动或冲击。在一些情况下，替代施加冲击，检测到VT的ICD将以更快的速率起搏心脏，从而在VT演进变化至VF前中断该VT。然而，ICD存在的问题在于它们有时太晚响应心律失常，导致神经损伤或死亡。另一个问题在于，即使被合适地传递，ICD电冲击，是疼痛的且经常是患者所未预期到的。又一个顾虑自然是对于涉及外科的手术而言一直存在的风险。

对于VT/VF风险的可选治疗方法是，通过使得患者长期服用抗心律失常药物（诸如β-神经阻滞剂、或乙胺碘呋酮）来抑制症状的发生。然而，这些药物是昂贵的且具有潜在副作用。

可用治疗的缺点表明获得患者的AMI后VT/VF风险的准确诊断的重要性。被错误诊断为具有低风险且因此没有接受ICD或药物治疗的患者具有较高可能性经历致命的心脏病发作。反之，被错误地诊断为具有高风险的患者，如果没有必要地被植入ICD或被处方了药物，将经历某种程度的痛苦、损伤、花费、和/或外科风险。评估患者的AMI后VT/VF风险的医生，有时会考虑患者的HRV值、结合其他因素，来做出他们的判断。然而，部分地由于不适当的风险分层，对于ICD植入的有效率和合适的药物治疗，在不同执业者之间，持续存在过多变化。

发明内容

根据本发明的一个方面，提供了一种用于测量心率变异性（HRV）的方法，该方法包括：

记录一系列心跳的心电图测量；

从该心电图测量中确定峰值间期数据；

从该峰值间期数据中生成多个数据点；

从该多个数据点中标识两个数据点子集，每一个子集具有最大数量的数据点；且

通过将该两个数据点子集的一个中的数据点的最大数量除以该两个数据点子集的另一个中的数据点的最大数量来计算HRV相对密度参数（RD）。

根据本发明的另一个方面，提供了一种用于实时提供心脏治疗的方法，该方法包括：

记录当前心跳的心电图测量；

测量该当前心跳和前一个心跳之间的间期；将所测得的间期增加至对应于一系列之前心跳的一系列间期的记录；

基于预定数量的所记录的间期来计算心率变异性（HRV）参数；且

如果HRV参数超过阈值，施加心脏治疗。

根据本发明的又一个方面，提供了一种用于测量心率变异性（HRV）的***，该***包括：

数据收集器，来记录心跳并检测一系列心跳间期；数据分析器，来分析该一系列心跳间期并基于相对密度参数获得HRV值，和

输出设备，来输出该HRV值。

根据本发明的又一个方面，提供了一种用于测量心率变异性（HRV）的方法，该方法包括：

收集一系列心跳的心电图测量；

从该心电图测量中确定峰值间期数据；

丢弃具有大于2500毫秒的长度的间期数据；

从该峰值间期数据中生成多个数据点，每一个数据点具有在第一轴上的第一坐标和在第二轴上的第二坐标；

根据如下公式，将每一个数据点转换为具有新的第一坐标和新的第二坐标的新数据点：

新的第一坐标=cos45（第一坐标加上第二坐标）、且新的第二坐标=cos45（第二坐标减去第一坐标)；

选择数据区间长度；

根据该数据区间长度的倍数，来改变并扩展每一个新数据点；

标识该第一轴上的具有第一最大数量数据点的第一数据区间、和在第二轴上的具有第二最大数量数据点的第二数据区间，

通过将数据点的第一或第二最大数量中的一个除以数据点的第一或第二最大数量的另一个来计算HRV相对密度参数（RD）。

本发明的这些、附加、和/或其他方面和/或优势：在下文的详细描述中说明；可能从该详细描述中推断出；和/或通过本发明的实践可学到。

附图说明

结合附图，从以下详细描述中可进一步理解和明白本发明，在附图中：

图1是一系列心跳的心电图测量的图示；

图2是符合本发明的实施例的，用于测量心率变异性的***的框图；

图3是符合本发明的实施例的，用于测量心率变异性的方法的框图；

图4是符合本发明的实施例的，描述对于峰值间期数据去趋势（detrend）的表格；

图5是示出在心电图记录设备的存储器中的峰值间期数据的存储的示意图；

图6示出符合本发明的实施例的，形成递归或Poincare曲线的较少样本数据点的绘图的图示；

图7是符合本发明的实施例的，数据点的完整的递归或Poincare曲线的图示；

图8是符合本发明的实施例的，向图7的递归曲线施加余弦函数的图示；

图9是符合本发明的实施例的，向图8的递归曲线施加变化和扩展的图示；和

图10是符合本发明的实施例的，显示被用于计算相对密度参数的样本数据区间的递归曲线的图示。

具体实施方式

现在将具体参考本发明的优选实施例（多个），其示例在附图中示出，其中全文中类似附图标记涉及类似元件。下文中描述实施例（多个）来说明本发明。

参看图1，示出由心电图（ECG）或类似设备检测到的心跳波或一系列波20的图示。“心跳间间期”是相邻波形的相同点之间的时间。如上所述，按照惯例，每一个波包含标准的参考点“QRS”。因此，心跳波20可被定义为一系列RR或峰值间期，如附图中RR1、RR2、和RRn所示。要理解的是，还可相对于波上的其他相同点（例如，诸如点“Q”和“S”）来测量心跳间期。为了便于参考，峰值间期值RR1、RR2、到RRn的系列或流可被标记为间期流22。

术语“心率变异性”（“HRV”）是指对于特定患者而言心跳间间期变化的量。可从不同持续时间（诸如，例如，短至十五分钟或长至四十八小时的样本）的数据样本中进行分析。因此，给定数据样本一般包含数以千计的波形。相邻心跳之间的大多数间期将落在500到1500毫秒之间，较少数量的例外落在这个范围之外。

实践中，难以从原始波形数据的视觉观察中估算患者的HRV。本发明提供了分析与量化这个信息的新颖方法，从而获得对于临床估算有用的特征性HRV值。该方法引入了新的参数“RD”，这是基于数据点的相对密度所计算的。

此外，在一些实施例中，本发明可被配置为实时提供输出HRV值，来帮助特定患者病况的即刻或紧急治疗。特定地，在一些实施例中，本发明可被用在ICD中来检测在症状发作前的时间点处VT的即将来临的症状。以此方式，患者可在VT前很久就接收到早期警告，且可施加特定治疗，这在其他情况下是不可能的。

图2示出符合本发明的实施例的，用于测量心率变异性的***的框图。该***具有三个部件或子***：数据收集子***24、数据分析子***26、和输出子***28。用模块30所代表的患者，连接至诸如ECG之类的心脏监测设备。在数据收集子***24中，患者的心跳首先被记录（模块32）来产生图1中所示的ECG图。随后，在数字化/检测模块34中，模拟波形被数字化且其关联的峰值间期被检测或测量。因此，数据收集子***24的输出是间期流22，即图1中所示的一系列间期值RR1、RR2、...RRn。

在数据分析子***26中，通过坐标转换模块36，间期流22首先被转换为两维坐标系。任选地，可对数据施加进一步的数学转换和变换，来增强分析或可视化，且可任选地显示递归曲线。使用本发明的分析方法，模块38评估坐标数据来获得患者的HRV值。

输出子***28输出根据本发明的不同实施例可被独立或组合地实现的各种输出。如图所示，所得HRV值可被显示在计算机屏幕（模块40）上或被打印（模块41）。可选地或附加地，HRV值可触发警告（模块42）和/或导致诸如药物诸如之类的治疗的施加（模块43）。这后两种结果，警告和注入，更可能被用于其中本发明被用于实时或即刻/紧急治疗的实施例中。

图3示出符合本发明的实施例的，用于测量心率变异性的方法的框图。该图包括虚线44和45来指示该图与图2中所示的本发明的三个子***的对应性。如图所示，第一和第三***各自具有位于左侧和右侧的模块，来对应于本发明的不同实施例。右侧模块涉及一些其中HRV值被用于提供即刻或实时医疗治疗的一些实施例。

开始于位于左侧的数据收集子***24，该方法开始于起始模块46。模块48收集、数字化、并检测心跳信息来获得间期流22。在模块50中，所测得的和预定高阈值相比过长的峰值间期，从间期流中被删除。由于这些间期可能是数据中的伪像或失常，且可因此导致扭曲的结果，这些间期被丢弃。据发现，2500毫秒是充分高的阈值，但也可根据情况使用其他值。

在模块52中，通过计算平均值并从峰值间期数据点中减去该平均值，来对于间期数据“去趋势”。施加去趋势，来从该数据中平滑掉由心率中的突然跳变引起的任何变化，这些突然跳变可关联于诸如例如像快速站起来、奔跑、进食、或咳嗽的突然动作之类的日常活动而发生。该去趋势计算可基于现有技术中各种平均化技术中的任意。

图4是示出已经发现对于间期流数据足够的去趋势算法的一个示例的表格。表格中的第一栏是间期流22的原始数据，即，从RR1到RRn的峰值间期。第二栏指示在每257个点上获取的平均值。因此，对间期RR257施加能够完整计算的第一平均。这个参数用项“AVER257”所代表，且代表了从RR1到RR257的所有数据点的平均。

类似地，下一个数据点RR258具有代表从RR2到RR258的257个点的关联的AVER258。以此方式，对于直到RRn的所有剩余数据点计算平均。在表格的第三栏，通过从第一栏的原始间期数据中减去第二栏的平均值，来计算经去趋势的数据。如图所示，第一数据点“r1”相对于RR129而发生，且通过从RR129中减去AVER257而被计算。因此，特定数据点的去趋势涉及减去一个平均项，这个平均项跨度为包括在感兴趣的数据点之前128个点到感兴趣的数据点之后128个点在内的范围。以此方式，模块52从数据中平滑掉了由于无关于自主神经***的影响引起的心跳中的突然尖峰。

返回图3，在右侧，起始模块54表示对于能提供实时治疗的本发明的实施例的数据收集的开始。在模块56中，采集单个数据点，即，峰值或RR间期的值。判定模块58询查这个值是否超过预定高阈值，诸如2500毫秒。如果超过了阈值，刚采集的峰值间期被丢弃且控制返回至模块56来采集下一个峰值间期值。

否则，如果该值低于高阈值，根据模块60，所采集的峰值间期值被存储于存储器中。

图5是计算机存储器61的逻辑表示，示出间期流22的值在给定时间可如何被存储。峰值间期RR1是最旧的值，且间期RRn是最近采集的值。在这个逻辑表示中，各个之后被采集的峰值间期被存储在RRn相邻处、或右侧。

数据收集子***24的剩余两个模块对于提供实时治疗的实施例施加有用的子算法作为初步测试。一个测试类型是寻找在患者脉冲或心跳中大于特定阈值的加速或上升。仅在子算法找到超过阈值的心跳后，才考虑之后的HRV计算。据发现对于子算法足够的测试的示例是十个连续心跳的时间段，其中脉冲速率是120跳动每分钟或更高。由于峰值间期用毫秒表达且是心率的倒数，这个脉冲图可被图示为对应于500毫秒或更低的峰值间期值。

使用上述样本测试参数，在最新的间期值被存储在模块60处的存储器中之后，存储器中的最为最近的十个值（即，RRn到RRn-9）被检查且这组中的最高值被记录在模块62处作为RRmax。

然后，判定模块64询查RRmax是否小于或等于500毫秒。实现中，这个测试等于检查最为最近的十个心跳是否都大于120心跳每秒。如果答案是否，如最为经常的情况那样，控制返回至模块56且采集下一个峰值间期值。在其中脉冲速率增加至超过阈值的情况下，在那个时间点被存储于存储器61中的所记录的间期流22转到数据分析子部分26。

在本发明的一些实施例中，可省略模块62和64的初步测试。在这样的情况下，HRV值将会一直是可获得的，且将持续地被更新，因为在存储器中接收并存储对于间期流的每一个逐渐增加。

在用于实时治疗的实施例中，该数据未被去趋势，因为在此应用中此举并未被发现有用。然而，如果认为合适的话，在这些实施例中也可任选地施加去趋势。

在用于实时治疗的各实施例中，所施加的特定初步测试涉及期望由本发明治疗的心脏病况。例如，如上所述的样本初步测试，即，对于其中十个连续心跳具有120跳动每秒或更高的脉冲速率的点，心跳中具有加速或上升，在一些情况下是VT症状的前兆事件。可理解的是，在治疗VT的其他实施例中，可使用具有不同参数的测试、其他类型的测试。类似地，其中本发明被用于治疗其他心脏病况的情况下，可可选地使用除了上述之外的对于所存储间期流的其他不同的初步测试。

现在转向图3的数据分析子***26，模块66接收间期流22并将这一系列峰值间期转换为两维“x-y”坐标系。在一些实施例中，将相邻峰值间期对映射为坐标，通过将对中的第一峰值间期设置为横坐标或“x”轴点、且第二峰值间期对设置为纵坐标或“y”轴点，来完成此举。下一个峰值间期对将来自前一峰值间期对的第二间期作为其第一间期。例如，根据这个方法，间期流22的最先四个间期，即，RR1、RR2、RR3、和RR4，变换如下三个坐标：(x1,y1)=(RR1.RR2)、(x2,y2)=(RR2.RR3)、和(x3,y3)=(RR3.RR4)。

由模块66生成的数据坐标可任选地被绘制来形成递归图。图6示出初始的一组四个样本数据点的曲线。可理解的是，由于间期流22中的每一个峰值间期独立于彼此，任何特定横坐标Xn可大于或小于前一个横坐标Xn-2，且因此递归曲线是非线性的。图7示出由所有数据点构成的样本递归图，其表征出没有严重病态的健康个人。如图所示，该曲线具有“雪茄”形状且具有约45度的倾斜，大多数点落在500到1500毫秒（毫秒）间期时间之间。

在模块66中建立的数据坐标点可任选地由数学模块68进一步修改或变换。以非限制性示例的方式，在本发明的一些实施例中，根据如下公式计算新的坐标组（Xnew.Ynew）：

Xnew=cos45(Xn+Yn)，且

Ynew=cos45(Yn-Xn)。

如图8中所示，这个变换的效果是将图7中的曲线旋转约-45度，从而该曲线变得基本平、或平行于时间轴。这个变换的优势在于，其以更为方便的形式表示数据，其中数据值被归一化在0和1之间。任选地，模块68可提供被变换的曲线的可视化显示。

本发明通过对于所谓相对密度（“RD”）的新参数的计算来获得HRV。RD是两个因子“dx”和“dy”的商，其中“x”是指x轴或横坐标且“y”是指y-轴或纵坐标。在计算dx和dy时，每个轴被分为任意数量的数据区间。计数在每个数据区间中数据点的数量，且记录每一轴的数据区间中点的最大数量。因子dx被赋值为x轴区间的这个最大数量除以数据点的总数，且基于y轴区间的最大数量类似地计算dy。

首先由模块70接收到一组（x,y）数据点，其计算了该组中的点的总数，并存储该值用于之后的使用。如下文将进一步描述地，模块70是任选地，因为其对于计算RD并不是必需的。

假设首先获得dx，例如，模块72选择“x”轴或横坐标，并将参数Xmax初始化为零。使用Xmaz来存储沿x-轴具有最多（即，最大）数量数据点的数据区间中的数据点的数量。

模块74选择“h”，被用于指定数据区间长度的参数。选择区间长度为足够大来容纳有意义的数据点样本、但足够小来允许合理数量的区间的值。例如，其中沿给定轴的数据点在0和1之间的情况下，0.005的区间长度h（其将该轴分为二十个相同的数据区间），可能是足够的。可选地，且特定地，如下文关于模块76的讨论中所示地，其中数据点落在较大的范围内，区间长度h可被设置为相应较大的标称值。

模块76任选地沿给定轴改变和/或扩展数据组，从而该轴可更易于被分为具有相对较大的数据区间长度“h”的视觉上清楚的区间。可通过变换每一点来执行数据组的改变，从而大约一半的数据点落在轴的负侧且大约一半位于轴的正侧。通过乘数来倍增特定轴上每一个坐标来扩展该数据组。当完成此举时，该轴可被认为从-20h延伸至+20h。通过非限制性示例的方式，选择数据区间h=13且乘数为20，从而20h是260。因此，新的轴刻度的范围从负260至+260，且被分为相同的区间长度13，即，3、26、39…和-13、-26、-39…等。数据点被乘以20，所以例如，落在轴上-0.3的数据点变为-6、在+0.74处的点变为+14.8，等。在图9中示出本发明的方法如何将轴分为数据区间“h”的图示。如所示，一般沿x-轴改变数据组，且相同的数据区间“h”被施加至x轴和y轴。

模块78计数当前区间中的数据点的数量。该模块被初始化为从第一区间起始。然后，判定模块80询查当前区间中的数据点计数是否是新的最大值。如果是新的最大值，模块82将这个数据点计数赋值为Xmax。由于Xmax被初始化为零，一旦读取第一区间，Xmax将总是采集在这个区间中的数据点的值。否则，如果当前数据区间不具有新的最大数量的数据点，控制跳过模块82至判定模块84。

判定模块84询查是否已经对所有的区间进行了计数。例如，在范围为20h的情况下，判定模块84检查是否从-20h到+20h的所有40个区间已经被计数。如果没有化，控制转到模块86，其将区间计数增加一，且在模块78处计数下一个区间数据点。不然，当已经计数了沿轴段所有区间后，控制转到模块88。通过将Xmax或Ymax（视情况而定）除以从模块70得到的数据点的全部数量，在模块88中计算因子dx和dy。

判定模块90询查是否已经获得了参数dy的值。如果没有，控制转到模块92，其选择y-轴并将Ymax设置为零。然后在模块74开始，以被用于获得dx的相同的方式，计算因子dy。在一些实施例中，模块92的功能可被结合至模块72，从而模块72按需，选择x轴或y轴并将Xmax或Ymax设置为零。在这样的情况下，来自判定模块90的阴性结果，控制将至模块72。

一旦计算了dy，通过将dy除以dx、或任选地，将dx除以dy，模块94计算RD。在一些实施例中，已经发现便利的是将dy除以dx，从而RD=dy/dx。之所以如此，是由于dy一般大于dx，且以此方式被计算的RD导致便利地大于一的数。例如，作为数字“2.3”而非其倒数“0.43478”的RD值可能更易于由本领域内的临床医生来处理。还要理解的是，由于在模块70中获得的数据点的全部数量是因子dy和dx的约数，当两个因子相除后，这个总数被约去。为此理由，如上所述，获得点的全部数量是任选的且在一些实施例中可被跳过。

图10示出本发明的方法的图示。这示出其中x轴和y轴被分为一系列具有长度“h”的相等区间的迭代曲线。在x轴上，特定区间“h”被标识出包含Xmax，任意x轴区间的数据点的最大数量。类似地，在y轴上，区间“h”被标识出包含Ymax，任意y轴区间的数据点的最大数量。根据本发明，HRV是相对密度参数、或RD，等于Ymax与Xmax的比值（或其倒数）。

返回图3，所计算的RD值从模块94输出并进入输出子***28。在一些实施例中，该RD值可被显示在诸如计算机屏幕上，如在输出子***28的左侧的模块96所示。主治医生或临床医生可读取该所显示的值并向患者提供合适的诊断。实践中，该RD值可可选地被存储、电子邮件发送、或打印，用于在患者在场或不在场的情况下在后来用于后续分析。

在其中HRV应用包括实时治疗的情况下，由判定模块98接收RD值，如在输出子***28的右侧上所示地那样。模块98询查RD是否落在被认为是显示诊断医疗或心脏病况（诸如VT）可发生的预定值范围内。如果RD没有落在预定范围内，控制返回至模块56，来采集新的峰值间期并重复图3的过程。如所述，在本发明被用于持续监测患者并在需要时提供实时治疗的这个应用中，该过程继续。因此，仅是由于在特定时间点的测试出现阴性和不要求治疗，没有理由停止。

如果在模块98，RD落在有效范围内，模块100任选地施加实时治疗。这可包括这样的措施，如：向患者施加最小冲击或其他警告、施加一系列低电平冲击来起搏心脏、施加去纤颤器电平冲击、从所植入的注入器注射药物、和/或召唤主治医疗专家。如上文，在施加治疗后，控制转向模块56，开始继续患者监测。

通过重复的应用和实验，可开发包括多个范围的RD值的刻度用于估算并解释所获得的RD值。例如，根据样本刻度，2.3或更小的RD值可指示具有相对高风险的心脏问题或其他医疗病况的患者、2.7或更高的RD值可指示相对较低的风险，且2.3和2.7之间的值可以是灰区，需要进一步的医生解释。

具有不同数值范围的不同刻度可根据诸如以下不同因素被应用于不同情况：记录的持续时间、所使用的记录设备的类型、和所执行的诊断或治疗的类型。

此外，可调整刻度来获得期望的灵敏度。例如，继续上述示例，如果高风险阈值RD值从2.3提升至2.4，将事先正确地标识注定会经历VT的更多患者，但同时，更多不会经历VT的患者将被错误地标识为有风险。在实时确定即刻VT的情况下，提升高风险阈值将获取更真实的VT症状但增加了错误警告的数量。

要理解的是，在计算RD时，本发明的方法使用远小于在其他方法中所使用的迭代曲线的区域。这是可能的，因为大多数心跳间期位于紧靠曲线的中间部分的范围内。是发明人首先意识到，通过关注于曲线的这些紧凑定位的面积内的数据点，可获得对于HRV的简单且准确的计算。

本发明的方法可***作为在记录心脏的心跳间间期的任何物理硬件上的或与该硬件通信的软件。取决于应用，这可包括，例如，诸如被用于医院和诊所中的ECG机器、用于延长的时间段（诸如24小时）的患者所穿戴的动态心电图或其他外部设备、或ICD。

在示例性应用中，以前没有心脏病况的患者可接受医疗检查。患者可能是健康的、或可具有例如诸如帕金森、糖尿病、或阿尔茨海默氏痴呆之类的以前的病况。可获取ECG读数作为检查的一部分，且向所记录的峰值间期应用本发明的方法来计算相对密度、或HRV值。医生将相对于可应用刻度来分析这个值，且相应地对患者提出建议。建议可采用诊断的形式，即，读数显示患者具有特定医疗病况。在一些情况下，建议可采用预后的方式，诸如HRV值暗示着自主神经***存在问题。如果患者被认为是健康的，这个结果暗示涉及不正常工作的自主***的医疗病况可在将来某个点发生。医生可使用这个信息来提供治疗或行为推荐。如果患者已经被诊断为涉及自主神经***的病况，结果用作确认且可帮助更好地理解患者病况的状态。

在另一个示例性应用中，患者可经历诸如例如AMI之类的严重的心脏事件。可诸如由诊所的ECG或由所穿戴的动态心电图获取心跳读数达24小时。同样可使用本发明的方法来分析该数据并从相对密度计算中提供HRV值。这个HRV值可被用于诊断当前医疗病况或用于诊断可能的未来的医疗病况。在这个情况下，由于患者已经具有心脏事件，HRV值还可被用于帮助医生确定在将来数年中某一点，患者将具有VT症状、导致致命的VF的风险。实践中，可使用RD、结合一个或多个其他参数，诸如心室壁运动评价（wall motionindex），来预测具有高风险且可能受益于ICD植入的患者组、和低风险且可不受益于ICD植入的组。特定地，在其中其他参数不能指向清楚明确的做法的情况下，RD可用作决定性因素。

根据本发明的方法，通过确定RD来获得HRV，相比现有技术中已知的获得HRV的其他方法，提供了有效和改进的诊断与预后工具。在曲线研究中，RD已经展示出对于突然心血管死亡的约96%的阴性预测值，即，在接下来五年内没有致命VT/VF事件的预测此时约96%是正确的。因此，可使用RD作为有帮助的风险因子来确定AMI后的患者应该还是不应该用ICD治疗。

在另一个示例性应用中，患者可具有被编程为执行本发明的RD计算的所植入的ICD。如所述，发明人已经发现在连续患者监测过程中获得的HRV可被用于提供迫近VT的事前警告。这进而能使医生或患者采取预防性或注意性措施来避免VT/VF症状或使得其更能忍受。因此，与仅在VT显露（unfolding）时检测VT的常规ICD应用不同，配备有本发明的方法的ICD可使用HRV来比实际症状提前相当长时间段来检测可能发生VT的症状。作为结果，替代仅能在VT已经开始后来治疗VT，本发明可被用于甚至防止VT症状的发生，这在其他情况下是不可避免的。

以上述方式使用的RD参数，据发现可提供对于约60%发生症状的迫近VT的早期警告。

在本发明的一些实施例中，在症状发生前约五分钟到约两小时之间发生由警告提供的早期通知。在本发明的一些实施例中，ICD存储器保持约两小时的信息、或约8000个心跳间期，且因此两小时是可被获得的大约最早的提前通知，同时仍然保持支持迫近VT的预后的数据。随着技术进步，应用编程技术，和/或ICD存储器容量增加，更早的事先通知是可能的。

一旦检测到迫近VT，可采用很多治疗选项。在一些实施例中，ICD可施加心脏的治疗性电冲击或起搏。由于VT症状并不是立刻发生而是在一段时间后发生，该ICD可实现对于患者而言更为渐进且更少压力的程度的起搏。可选地或附加地，且如图2的模块42和43中所示，可诸如通过较小的电冲击将警报传递至患者，且/或抗心律失常药物可被自动注入来抑制或防止危险的VT或VF。如果不能实现自动注入，患者可通过就医接受注射来留心注意该警告、或在可获得急救的环境中等待VT。要注意的是，如果患者事先注意，即使ICD最终传递了去纤颤冲击，这个经历可较少痛苦或震击（jarring），因为这不像常规ICD情况是未被预测的。另一个可能的选项是被合适地配备的ICD用于周期性地重复较小的警告冲击直到它接收到患者确认（acknowledgment）。这在其中当患者睡眠时检测到迫近VT，因此患者没有意识到警告冲击的情况下是有用的。

在本发明的一些应用中，可通过外部ECG记录器来执行连续监测。例如，经历过AMI的患者，在事件后，经常被留院观察达数周。这样的患者可能没有ICD，但是有经历危险的VT/VF的风险。这些患者可被关联于ECG，该ECG被编程从而施加本发明的持续监测实施例。一旦检测到迫近VT，警报可被听见或电子信息被发送引起附近医疗人员的注意，然后这些人员可快速出现在患者身边来给予药物或其他治疗。以类似的方式，本发明可与动态心电图记录设备一起被使用。

如上所说明地，本发明的各实施例提供了一种基于数据点的相对密度来测量心率变异性的新方法。与利用相对复杂的分析算法的常规方法不同，由于该方法基于数据点的简单计数，该方法易于计算。因此测量方法相对快速，且提供了对于临床使用充分准确的结果。本发明的应用包括基于预先记录的心跳数据对于医疗病况的诊断和预后，且帮助决定是否植入ICD。持续患者监测设备，诸如ICD，可使用本发明的方法，且可使用该方法来获得对于VT的迫近症状发生的事前警告，从而以及时的方式给予合适的治疗。

尽管本发明的所选实施例（多个）已经被展示和描述，可理解的是本发明并不限于上述实施例（多个）。而是，要理解的是，可在不背离本发明的原理和精神的情况下对于这个/这些实施例（多个）做出改变，本发明的范围是由权利要求及其等效物所限制的。

Claims (17)

1.一种用于测量心率变异性（HRV）的方法，所述方法包括：记录一系列心跳的心电图测量；

从所述心电图测量中确定峰值间期数据；

从所述峰值间期数据中生成多个数据点；

从所述多个数据点中标识两个数据点子集，每一个子集具有最大数量的数据点；且

通过将所述两个数据点子集的一个中的数据点的最大数量除以所述两个数据点子集的另一个中的数据点的最大数量来计算HRV相对密度参数（RD）。

2.如权利要求1所述的用于测量HRV的方法，其特征在于，

其中每一个数据点具有在第一轴上的第一坐标和在第二轴上的第二坐标；

且其中所述两个数据点子集包括在所述第一轴的第一数据区间中具有第一最大数量数据点的第一子集、和在所述第二轴的第二数据区间中具有第二最大数量数据点的第二子集。

3.如权利要求1所述的用于测量HRV的方法，其特征在于，确定峰值间期数据包括丢弃大于2500毫秒的峰值间期。

4.如权利要求2所述的用于测量HRV的方法，其特征在于，生成多个数据点包括根据如下公式，将每一个数据点变换为具有新的第一坐标和新的第二坐标的新的数据点：

新的第一坐标=cos45（第一坐标加上第二坐标）、且新的第二坐标=cos45（第二坐标减去第一坐标)。

5.如权利要求2所述的用于测量HRV的方法，其特征在于，标识第一数据区间和第二数据区间包括选择数据区间长度。

6.如权利要求5所述的用于测量HRV的方法，其特征在于，所述数据区间长度在10到20的范围内。

7.如权利要求1所述的用于测量HRV的方法，其特征在于，还包括去趋势所述峰值间期数据，

其中所计算的RD能应用于一般的健康预后。

8.如权利要求7所述的用于测量HRV的方法，其特征在于，去趋势峰值间期包括从所述峰值间期中减去平均值。

9.如权利要求8所述的用于测量HRV的方法，其特征在于，所述平均值是通过获取预定数量的峰值间期之和并将所述和除以所述预定数量计算出的。

10.如权利要求1所述的用于测量HRV的方法，其特征在于，还包括一旦脉冲电平超过预定阈值则测量所述脉冲电平，

其中所计算的RD能应用于确定即将发生的室性心动过速（VT）或心室纤颤（VF）的事件。

11.如权利要求10所述的用于测量HRV的方法，其特征在于，所述预定阈值是以至少120跳动每秒的速率发生的10个连续心跳的脉冲电平。

12.一种用于实时提供心脏治疗的方法，所述方法包括：记录当前心跳的心电图测量；

测量该当前心跳和前一个心跳之间的间期；将所测得的间期增加至对应于一系列之前心跳的一系列间期的记录；

基于预定数量的所记录的间期来计算心率变异性（HRV）参数；且

如果HRV参数超过阈值，施加心脏治疗。

13.如权利要求12所述的用于提供心脏治疗的方法，其特征在于，还包括，在测量间期后，向预定数量的所记录的间期施加测试并获得测试结果；

如果所述测试结果落在值的第一预定范围内，则重复上述步骤；且

如果所述测试结果落在值的第二预定范围内，则计算所述心率变异性（HRV）参数。

14.如权利要求13所述的用于提供心脏治疗的方法，其特征在于，所述测试包括将对应于所述预定数量的所记录的间期的脉冲速率与阈值脉冲速率进行比较，且其中值的所述第一范围是低于所述阈值脉冲速率的脉冲速率，且值的所述第二范围是高于所述阈值脉冲速率的脉冲速率。

15.如权利要求12所述的用于提供心脏治疗的方法，其特征在于，所述治疗包括如下至少一个：施加柔和的警告冲击、注入药物、和施加电压来起搏所述心脏。

16.一种用于测量心率变异性（HRV）的***，所述***包括：数据收集器，来记录心跳并检测一系列心跳间期；数据分析器，来分析所述一系列心跳间期并基于相对密度参数获得HRV值；以及

输出设备，来输出所述HRV值。

17.如权利要求16所述的用于测量心率变异性（HRV）的***，其中所述输出设备是如下中的至少一个：显示所述HRV值的屏幕、打印所述HRV值的打印机、发出可听音的警告、和将注射物传递至患者的注射器。

Images