Warning: "continue" targeting switch is equivalent to "break". Did you mean to use "continue 2"? in /homepages/11/d28118043/htdocs/biosign-gmbh.de/wp-content/themes/BioS/includes/builder/functions.php on line 4766
Analyse der 24h-HRV | BioSign Analyse der 24h-HRV | BioSign

Erweiterte 24h-Analyse

 

Detaillierte Beurteilung der Messqualität

Grundlage jeder HRV Messung ist eine möglichst artefaktfreie Registrierung der EKG Kurve. Bewegungsartefakte, schlechter Elektrodenkontakt oder andere Störquellen wie zum Beispiel elektrische Störungen können zu einem qualitativ schlechten EKG führen. Dadurch wird die Erkennung der Herzschläge erschwert bzw. es können sich Fehler in der Berechnung der Herzfrequenzkurve ergeben.

Im HRV-Scanner stehen Ihnen zur Nachbearbeitung von Messungen viele Werkzeuge wie grafische Filter, Plausibilitätskontrollen bis hin zur Möglichkeit der manuellen Nachbearbeitung auf Ebene des QRS-Komplexes zur Verfügung.

Mehr Info zur Bearbeitung der Messqualität

Im ersten Schritt der Auswertung soll durch die Überprüfung und Bearbeitung des EKG eine möglichst gute Herzfrequenzkurve erstellt werden.

Dazu muss vom Untersucher überprüft werden, ob ein qualitativ ausreichend gutes EKG vorhanden ist und ob alle R-Zacken richtig erkannt wurden. Über den EKG-Editor kann eine manuelle Nachbearbeitung auf Ebene der QRS-Komplexe erfolgen.

Abb. EKG-Editor

 

Artefakte und Herzrhythmusstörungen müssen vor der Auswertung entfernt werden. Im HRV-Scanner gibt es dazu mehrere Filtermöglichkeiten:

  • Hochpass
  • Tiefpass
  • Plausibilität
  • grafischer Filter auf Basis der Poincaré Darstellung

 


Abb:. grafischer Filter auf Basis eines Poincaré-Diagramms

Um die Validität einer HRV Messung zu beurteilen, sollte jedoch immer eine detaillierte Betrachtung der Messqualität vorgenommen werden.

Dazu gibt es im HRV-Scanner zwei Diagramme:

Messqualität aufgeschlüsselt über die Zeit

Anzeige der Messqualität im 24h-Verlauf. Die einzelnen Fehlerquellen (Lücken, Arrhythmie, Artefakt-Ratio) sind als Fehlerbalken für jede halbe Stunde dargestellt, die EKG-Qualität als blaue Kurve mit einer EKG-Qualität für jede halbe Stunde.

 

Messqualität aufsummiert jeweils für den Tag die Nacht

Die durchschnittliche Fehlerraten werden für Tag und Nacht getrennt ausgewiesen. Generell gilt, je geringer die Fehlerraten, desto plausibler ist die HRV-Analyse.

Mehr Info zur Messqualität

Folgende Störquellen werden erfasst:

Lücken
Gibt den Prozentanteil an Segmenten an, die Lücken in der Herzfrequenzkurve von mehr als 5 Sekunden enthalten. Lücken treten auf, wenn beispielsweise eine ungünstige EKG-Ableitung gewählt wurde und die R-Zacken sehr klein sind und nicht zuverlässig von der QRS-Analyse erfasst werden. Lücken entstehen aber auch dann wenn beispielsweise ein stark verwackeltes EKG (Muskel- und Bewegungsartefakte) zu vielen falsch positiv erkannten R-Zacken führt, die dann im zweiten Schritt herausgefiltert werden.

Arrhythmik
Gibt den Prozentanteil an Segmenten mit auffällig hoher HRV an. Gewichtet werden insbesondere schnelle Änderungen der Herzfrequenz, wie sie typisch für Rhythmusstörungen oder Artefakte sind. Hohe Arrhythmiewerte sind allerdings nicht beweisend für eine mögliche Rhythmusstörung, da insbesondere Kinder und sportliche junge Erwachsene mitunter eine sehr hohe HRV aufweisen, die aber physiologisch ist. Unserer Erfahrung nach treten falsch hohe Arrhythmiewerte bei Probanden mit Sinusrhythmus älter als 30 Jahre nicht mehr auf. Im Zweifel empfiehlt es sich, das EKG und die Herzfrequenzkurve einer näheren Betrachtung zu unterziehen. Oft sind auch die Artefakte noch nicht ausreichend eliminiert, bzw. die Herzfrequenzkurve wurde noch nicht gefiltert.

Artefakt-Ratio
Die Artefakt-Ratio gibt den Prozentwert an, wie viele Herzschläge durch Filterung entfernt wurden. Je höher die Ratio, desto mehr Herzschläge wurden zwar erkannt, aber vom User als nicht dem Sinusrhythmus zuzuordnen eingeordnet und durch Filterung entfernt. Die Ursache lässt sich in der Regel dem EKG entnehmen. In den meisten Fällen handelt es sich um falsch erkannte R-Zacken aufgrund von Bewegungs- und Muskelartefakten.

EKG-Qualität
Falsch- oder nicht erkannte Herzschläge haben ihre Ursache meist in Signalstörungen des EKGs. Aus diesem Grund analysiert der HRV-Scanner das EKG auf typische Störungen wie z.B. Netzbrummen oder Bewegungsartefakte und errechnet eine EKG-Qualität zwischen 0-100% für halbstündige Zeitabschnitte. Gut verwertbare EKGs haben in der Regel einen EKG-Qualität von >80%. Stark absinkende EKG-Qualitäten sind ein Zeichen für Signalstörungen, z.B. während des Sports oder in Folge eines schlechten Elektrodenkontakts. Je geringer die EKG-Qualität und je höher die Störeinflüsse in einem bestimmten Zeitabschnitt, desto zurückhaltender sollte die HRV dieses Zeitabschnitts interpretiert werden.

Die EKG-Qualität wird in den Herzfrequenzdiagrammen als dünne farbige Linie nach dem Ampelprinzip dargestellt. Dadurch erhält man bereits bei der Inspektion der Herzfrequenzkurve Hinweise auf mögliche Störungen im EKG-Signal.

 

Auffälligkeiten in der HRV

Ein guter Startpunkt für die HRV-Analyse ist eine Overall-Betrachtung, ob es sich um eine „normale“-HRV-Messung handelt. „Normal“ in diesem Kontext bedeutet, dass die meisten HRV-Parameter sich im Normbereich befinden. Zu diesem Zweck vergleicht der HRV-Scanner von 67 verschiedenen HRV-Parametern das jeweilige Ergebnis mit der entsprechenden alterskorrigierten Normwerttabelle und berechnet daraus den jeweiligen Rangwert (Ranking, Perzentile). Ergebnisse jenseits der 1% und 99%-Perzentile werden als „auffällig“ gewertet.

70-jähriger Patient mit vagaler Dysfunktion und ausgeprägter Schlafapnoe

47-jähriger Büroangestellter, unauffällige Messung

Spiderweb-Diagramme mit Normwertperzentilen

In den Spiderwebs sind häufig verwendete HRV-Parameter dargestellt, die in der Regel bei keiner HRV-Analyse fehlen sollten.Zur Orientierung ob es sich um eine hohe, mittlere oder niedrige HRV-Wert im Vergleich mit der Altersgruppe handelt sind die 95%, 50% und 5%-Perzentilen der jeweiligen Altersgruppe eingezeichnet.

23-jähriger Leistungssportler. In jedes Spiderweb-Diagramm ist die 5%, 50% und 95% Perzentile eingezeichnet.

74-jähriger KHK-Patient mit schlechter nächtlicher Erholung

Mehr Info zu den Spiderwebs

Skalierung
Die Spiderweb-Diagramme sind unabhängig vom Probanden, Probandenalter und Messperiode (Tag, Nacht, Gesamt) immer gleich skaliert. Auf die Beschriftung der absoluten Skalen wurde aus Gründen der besseren Lesbarkeit verzichtet. Durch die identische Skalierung sind die Diagramme untereinander und zwischen unterschiedlichen Probanden vergleichbar:

Beispielsweise sieht man am obigen Diagramm anhand der Perzentilen, dass die „Rel. Pow. HF“, (relative Power HF-Band) für die meisten Menschen offensichtlich tagsüber deutlich geringer ausfällt als während der Nacht. Dies entspricht unserem intuitiven Erwartungswert, weil Aktivitäten am Tage eine gewisses Maß an Sympathikusaktivität erfordern, was zu einer Verringerung der rel. Power HF führt.

In den Spiderwebs sind häufig verwendete HRV-Parameter dargestellt, die in der Regel bei keiner HRV-Analyse fehlen sollten. „Blaue“ Parameterbezeichnungen wie z.B. beim „Stressindex“ oder „Mean HR“ zeigen Parameter an, bei denen niedrige absolute Werte medizinisch günstiger sind, als große absolute Werte. Die Skala ist bei diesen „blauen“ Parametern vertauscht: Der höchste Wert der Skala liegt im Inneren des Diagramms, der kleinste außen.

Neu im HRV-Scanner sind die Parameter „SD RR“, „SD SDNN“ und „SD Rel. Pow. HF“. Es handelt sich dabei um die Standardabweichung (SD) der jeweiligen Parameter. Es sind deshalb Streuungsmaße der HRV und geben Auskunft, wie stark sich die einzelnen Parameter im jeweiligen Zeitabschnitt (Tag/Nacht/Gesamt) ändern. Sie sind damit ein Maß für den Wechsel in der Beanspruchung. Je stärker die Unterschiede zwischen Belastung und Entlastung und je häufiger der Belastungswechsel, desto höher die Standardabweichungen der HRV.

„SD RR“, auch SDANN genannt: Standardabweichung des Mittelwertes der RR-Intervalle in allen fünf-Minuten-Abschnitten der gesamten Aufzeichnung.

„SD SDNN“ Standardabweichung der SDNN aller fünf-Minuten-Abschnitte der 24-Stunden-Aufzeichnung

„SD Rel. Pow. HF“: Standardabweichung der relativen Power HF-Band aller fünf-Minuten-Abschnitte der 24-Stunden-Aufzeichnung.

Hinweis: Der HRV-Scanner berechnet die SD-X-Werte in „Moving Windows“ mit einer Fensterbreite von 5 Minuten und einer Schrittweite von einer Minute

Hinweis: Der HRV-Scanner berechnet die SD-X-Werte in „Moving Windows“ mit einer Fensterbreite von 5 Minuten und einer Schrittweite von einer Minute.

 

Beurteilung der nächtlichen Erholung

Das Spiderweb-Diagramm „Tag/Nacht-Shift“ zeigt für einige ausgewählte Parameter den durchschnittlichen Tageswert und unmittelbar daneben (gegen den Uhrzeigersinn) den zugehörigen Nachtwert an. Die entsprechenden Perzentilen sind ebenfalls eingezeichnet. Ein nachdem Ampelprinzip eingefärbter Pfeil zeigt die Veränderung von Tag und Nacht. Verschlechtert sich der absolute HRV Wert, wird ein roter Pfeil angezeigt. Verbessert sich der absolute HRV-Wert und die Perzentile, so wird ein grüner Pfeil angezeigt. Verbessert sich der absolute HRV-Wert zwar, aber das Ranking des Nachtwerts fällt um mehr als 5 % ab, ist der Pfeil gelb (nicht optimale Regeneration). Die durchschnittliche relative Verbesserung der HRV-Parameter wird auch als Zahlenwert berechnet und steht als Recovery-Index zur Verfügung.

Recovery-Index eines Patienten mit einer Schlafstörung.

Der Recovery-Index drückt die durchschnittliche prozentuale Verbesserung wichtiger HRV-Parameter während der Nacht im Vergleich mit dem Tag aus. Der Zahlenwert in Klammern gibt an wie sich der errechnete Recovery-Index im Vergleich mit einer Normstichprobe einordnet. Im Durchschnitt erzielten die Probanden der Normwertstudie eine Recovery-Index von 31% mit einer Standardabweichung von 14%. Im obigen Beispiel ist liegt der Recovery-Index fast zwei Standardabweichungen unter dem Mittelwert, es handelt sich deshalb um eine deutlich unterdurchschnittliche Erholung.

Herzschläge in 24 Stunden, Herzfrequenz und nächtliche Absenkung

Zahlreiche Studien haben gezeigt, dass mit steigender Herzfrequenz das Mortalitätsrisiko sowohl im Allgemeinen (unabhängig von der Todesursache) als auch in Bezug auf häufige Todesursachen wie Herz-Kreislauf-Erkrankungen und Krebs steigt. Wie schnell das Herz schlägt oder wie oft in 24 Stunden, ist daher einer der am besten dokumentierten Risikoparameter. Im HRV-Scanner wird die Herzfrequenz über 24 Stunden in Form der Anzahl der Herzschläge pro Tag überwacht. Die getrennte Beobachtung von Tag und Nacht und den Abfall der Herzfrequenz nachts ermöglicht eine genauere Charakterisierung des Herzfrequenzverhaltens der Person.

Beispiel eines 30jährigen gut trainierten Sportlers mit sehr guter nächtlicher Erholung

Beispiel erhöhte Herzfrequenz sowohl am Tag, als auch in der Nacht mit nicht ausreichender nächtlicher Erholung. 47-jähriger KHK-Patient.

Spezifische Leistungsindizes für Sympathikus und Parasympathikus

Zur Beurteilung der vegetativen Balance berechnet der HRV-Scanner Leistungsindizes getrennt für Tag und Nacht.

  • PNS-Index, (Parasympathikus-Index): Basiert auf Parametern, deren absoluter Wert mit zunehmender parasympathischer Aktivität anwächst: mittlerer RR-Abstand, PNN50, Power HF, Rel. Power HF, SD1
  • SNS-Index, (Sympathikus-Index): Basiert auf Parametern, deren absoluter Wert mit zunehmender sympathischer Aktivität ansteigt : Mittlere Herzfrequenz, SD2/SD1-Ratio, Stressindex.

Zur Berechnung des jeweiligen Index wird für jeden Parameter ein alters- und varianzkorrigierter Z-Wert bestimmt und mittels Z-Transformation in eine Standardnormalverteilung überführt. Der resultierende Index ergibt sich als Durchschnitt der Z-transformierten Werte der Einzelparameter.

Ein PNS-Index von +1xSD bedeutet dementsprechend, dass die zugrundeliegenden parasympathischen Parameter im Mittel eine Standardabweichung über dem Durchschnitt einer Normwertgruppe gleichen Alters liegen.

VNS-Scores eines Leistungssportlers

VNS-Scores eines KHK-Patienten

Fluktuationsindex: Die Variation der Variabilität

Neben der absoluten Höhe der HRV als Maß für den Funktionszustand des autonomen Nervensystems ist liefert auch die Betrachtung von Änderungen der HRV über 24 Stunden wertvolle Hinweise über mögliche Belastungen bzw. Überlastungen.

Zu diesem Zweck wird ein Fluktuationsindex getrennt für Tag und Nacht berechnet. Dazu wird die Messung in 5-Minuten-Segmente zerlegt, für die jeweils eine Reihe von HRV-Parameter berechnet werden. Für jeden HRV-Parameter wird dessen Standardabweichung als Streuungsmaß berechnet und anhand von Normwerttabellen in eine Standardnormalverteilung überführt. Hat beispielsweise für den SDNN der zugehörige Fluktuationswert den Wert 0 bedeutet das, dass die Schwankungen der SDNN genau der mittleren Schwankung der Normpopulation gleichen Alters entsprechen. Ein Wert von +1SD entspricht einer Schwankung der SDNN, die eine Standardabweichung über dem Mittelwert der Alterskohorte liegt

Beispiel: 46-jähriger Büroangestellter mit normaler HRV-Fluktuation (Belastungswechsel) Tag und Nacht

 

Beispiel: Leistungssportler, Trainingstag. Starker Wechsel von Belastung und Entlastung tagsüber, normale HRV-Fluktuation in der Nacht

 

„Functional HRV Age“ und „Premature Aging (PMA)“

Das funktionelle HRV-Alter und der PMA-Wert werden im HRV-Scanner für 52 HRV-Parameter berechnet, die gemeinsam haben, dass sie hoch mit dem Alter korrelieren (r>0.5). Das resultierende funktionelle HRV-Alter ist der Medianwert der 52 Einzelwerte.

Alter ist ein Risiko für Herzkreislauferkrankungen, ebenso wie eine eingeschränkte neurovegetative Regulation. Das „funktionelle HRV-Alter“ ist ein virtueller Alterswert, der im Grunde eine Zustandsbeschreibung der neurovegetativen Regulation vornimmt im Sinne von: „Die neurovegetative Regulation entspricht der eines xx-Jährigen“.

PMA-Diagramm eines 68-jährigen KHK-Patienten. Sehr viele Parameter haben einen positiven PMA-Wert. Das funktionelle HRV-Alter ist 10 Jahre über dem tatsächlichen Lebensalter

Mehr Info zum PMA

Das Lebensalter ist einer der wichtigsten Risikofaktoren für kardiovaskuläre Erkrankungen. Je älter wir werden, desto wahrscheinlicher treten kardiovaskuläre Ereignisse wie ein Herzinfarkt auf. Aus diesem Grund wird das Lebensalter in der Regel als wichtige Einflussgröße in die Berechnung von Risikoscores mit einbezogen, siehe beispielsweise beim Procam-Score. Auch eine verringerte HRV kann ein erhöhtes kardiovaskuläres Risiko anzeigen.

Interessant ist die gemeinsame Betrachtung von HRV und Lebensalter: Mit zunehmendem Lebensalter nimmt die neurovegetative Regulationsfähigkeit und damit die HRV ab, siehe Abbildung:

Für viele HRV-Parameter ist das Alter der Probanden sogar der wichtigste Faktor für die Unterschiede in der HRV zwischen verschiedenen Probanden (interindividuelle Varianz). Niedrige HRV-Werte unterhalb der Regressionsgerade lassen sich in diesem Kontext als eine vorzeitige Alterung (Premature Aging, PMA) des neurovegetativen Regelsystems interpretieren. Das Ausmaß der vorzeitigen Alterung lässt sich durch das funktionelle HRV-Alter quantifizieren (Alterswert, der sich aus dem Schnittpunkt des HRV-Werts mit der 50%-Perzentile der Normwertpopulation ergibt.) Die Differenz des funktionellen HRV-Alters zum tatsächlichen Alter ist der PMA-Wert und gibt an, um wie viel Jahre das neurovegetative Regelsystem älter ist als das tatsächliche Lebensalter. Negative PMA-Werte drücken aus, dass das neurovegetative Regelsystem jünger ist, als es dem Lebensalter entspricht.

Das funktionelle HRV-Alter und der PMA-Wert werden im HRV-Scanner für 52 HRV-Parameter berechnet, die gemeinsam haben, dass sie hoch mit dem Alter korrelieren (r>0.5). Das resultierende funktionelle HRV-Alter ist der Medianwert der 52 Einzelwerte

Funktionelles HRV-Alter als Risikoparameter

Wir haben untersucht, ob sich anhand des funktionellen HRV-Alters kardiovaskulär Erkrankte von Gesunden unterscheiden lassen. Zu diesem Zweck wurden die Daten einer gesunden Kontrollgruppe (n=140) mit denen einer Patientengruppe mit angiografisch nachgewiesener KHK verglichen (n=191). Für alle berechneten HRV-Parameter inkl. „funktionelles HRV-Alter“ wurde die Effektstärke (Cohen’s d) des Gruppenunterschieds berechnet. Je größer der Unterschied zwischen zwei Gruppen bezogen auf einen bestimmten Parameter, desto größer seine Effektstärke. Zur Beurteilung, ob eine Effektstärke groß oder klein ist, siehe Tabelle:

(https://en.wikipedia.org/wiki/Effect_size#Cohen’s_d)

Von allen 311 untersuchten HRV-Parametern war das „funktionelle HRV-Alter“ mit einer Effektstärke von 1,896 der Parameter mit der größten Effektstärke und damit der besten Unterscheidungsfähigkeit zwischen KHK-Patienten und Gesunden. Übliche HRV-Parameter wie SDNN (d: 0,872), SD1 (d: 0,654) oder Power HF (d: 0,881) wiesen deutlich geringere Effektstärken auf.

Der Spitzenplatz der Effektstärke für das „funktionelle HRV-Alter“ blieb auch bestehen, wenn man die KHK-Patienten in die Gruppe Ohne Betablocker (d: 1,571) und mit Betablocker (d: 1,972) getrennt untersucht.

Fazit: Alter ist ein Risiko für Herzkreislauferkrankungen, ebenso wie eine eingeschränkte neurovegetative Regulation. Das „funktionelle HRV-Alter“ ist ein virtueller Alterswert, der im Grunde eine Zustandsbeschreibung der neurovegetativen Regulation vornimmt im Sinne von: „Die neurovegetative Regulation entspricht der eines xx-Jährigen“.

Je höher das „funktionelle HRV-Alter“, desto höher liegt sehr wahrscheinlich auch das kardiovaskuläre Risiko. Durch die Herzfrequenzkorrektur bei der Berechnung des „funktionellen HRV-Alter“ ist letzteres unabhängig von der Herzfrequenz und kann sogar bei Patienten unter Betablocker-Therapie berechnet werden.

Schlaf

Schlaf ist ein hochaktiver Prozess, in dem verschiedene Grade der Aktivierung zyklisch durchlaufen werden. Tiefschlafphasen wechseln sich mit Leichtschlafphasen und Phasen hoher wachähnlicher EEG-Aktivität mit schnellen Augenbewegungen (REM) ab. Während des normalen Nachtschlafs überwiegt der Einfluss des Parasympathikus bei gleichzeitig verringertem Sympathikotonus. In den REM-Phasen erhöht sich der Sympathikotonus.

Ein erholsamer Schlaf ist unabdingbar zur Erhaltung der Gesundheit. Nicht ausreichender Schlaf oder Schlafstörungen können zu gravierenden gesundheitlichen Problemen führen, wenn sie länger anhalten. Ein bekanntes Beispiel ist der Anstieg des kardiovaskulären Risikos beim Auftreten der Schlafapnoe.

Schlafparameter eines gesunden Probanden. Ein niedriger OSA-Score senkt die Wahrscheinlichkeit für das Vorliegen von OSA

 

Schlafparameter eines Patienten mit polysomnographisch bestätigter OSA.

Mehr Info zum Schlaf

Die Diagnose von Schlafstörungen ist komplex und erfordert meist die Registrierung zahlreicher verschiedener physiologischer Parameter im Schlaflabor (Polysomnographie). Die HRV-Analyse kann dies nicht ersetzen, allerdings können sich aus der HRV-Analyse manchmal wertvolle Hinweise auf das Vorliegen einer Schlafstörung ergeben: Beispielsweise kommt es bei der häufigen obstruktiven Schlafapnoe zu charakteristischen Veränderungen:

Der HRV-Scanner sucht in Atmung, Herzfrequenz und HRV nach Mustern, die charakteristisch sind für Schlafapnoe. Stärke und Häufigkeit dieser Muster werden in Form eines „OSA-Scores“ quantifiziert. Der OSA-Score wurde anhand der mehrere tausend polysomnographischen Datensätze umfassenden SHHS-Studie entwickelt. (Quan SF, Howard BV, Iber C, Kiley JP, Nieto FJ, O’Connor GT, Rapoport DM, Redline S, Robbins J, Samet JM, Wahl PW. The Sleep Heart Health Study: design, rationale, and methods. Sleep. 1997 Dec;20(12):1077-85. PubMed PMID: 9493915.)

Zur Validierung wurde der Algorithmus an den Datensätzen der frei verfügbaren OSA-Datenbank geprüft. (T Penzel, GB Moody, RG Mark, AL Goldberger, JH Peter. The Apnea-ECG Database. Computers in Cardiology 2000;27:255-258.) Die Korrelation des HRV-Scanner OSA-Scores mit dem polysomnographisch ermittelten AHI (Apnoe-Hypopnoe-Index) betrug 0.83. Die Sensitivität und Spezifität zu Erkennung einer OSA mittlerer Schwere (AHI>=15) betrug 95% bzw. 96%. Hohe OSA-Scores im HRV-Scanner können deshalb als Hinweis auf eine mögliche Schlafapnoe gewertet werden.

Ein hoher OSA-Score bedeutet aber nicht automatisch, dass mit Sicherheit eine obstruktive Schlafapnoe vorliegt. Dies gilt im übrigen für alle Screening-Untersuchungen, ein positives Testergebnis heißt nicht zwangsläufig auch krank, auch wenn das oft so interpretiert wird. Die Vortest-Wahrscheinlichkeit (Prävalenz) spielt ebenfalls eine große Rolle:

Brustkrebs-Screening beispielsweise hat eine Sensitivität ca. 90% und eine Spezifität von ca. 94%. Bei einer Prävalenz von Brustkrebs von 0.8% ergibt sich damit ein positiver prädiktiver Wert (Posttest-

Wahrscheinlichkeit) von ca. 10% für Brustkrebs bei positivem Mammographiebefund. Das heißt, nur eine von 10 Frauen mit einem positiven Mammographiebefund hat tatsächlich auch Brustkrebs. (Kerlikowske K, Grady D, Barclay J, Sickles EA, Ernster V. Likelihood ratios for modern screening mammography. Risk of breast cancer based on age and mammographic interpretation. JAMA. 1996 Jul 3;276(1):39-43.) (Je nach zugrunde liegender Studie ist dieser Wert mal etwas größer oder kleiner, aber immer in einer ähnlichen Größenordnung).

Die entscheidende Größe eines diagnostischen Tests ist die Liklihood-Ratio (LR) des Tests, weil mit Hilfe der LR und der Prävalenz die Posttest-Wahrscheinlichkeit berechnet werden kann, also die Wahrscheinlichkeit, dass bei einem positiven Testbefund auch tatsächlich sie Erkrankung vorliegt. Für weitere Infos zur LR siehe auch: https://en.wikipedia.org/wiki/Likelihood_ratios_in_diagnostic_testing

Kurz gesagt gibt die positive Likelihood-Ratio (LRp) an, um wie viel häufiger ein Erkrankter einen positiven Test erhält, als ein Gesunder. Die negative Likelihood-Ratio (LRn) gibt an, um wie viel häufiger ein Kranker ein negatives Testergebnis erhält als ein Gesunder.

Die LR für das Mammographie-Screening ist übrigens ca. 14, d.h. positive Mammographie treten bei Brustkrebspatientinnen 14 mal häufiger auf als bei Frauen ohne Brustkrebs.

Der HRV-Scanner berechnet zu jedem OSA-Score die zugehörigen Likelihood-Ratios (LRs). Mit Hilfe der Prävalenztabelle und den LRs wird auch die Wahrscheinlichkeit (Posttest-Wahrscheinlichkeit, positiver prädiktiver Wert) für das Vorliegen einer Schlafapnoe berechnet (Punjabi NM., The epidemiology of adult obstructive sleep apnea, Proc Am Thorac Soc. 2008 Feb 15;5(2):136-43. doi: 10.1513/pats.200709-155MG.)

Farb-FFT Analyse

Die Spektralanalyse ermöglicht die Bestimmung der Frequenzbestandteile in der Herzfrequenzkurve. Damit kann auf die Parasympathikus- und Sympathikusaktivität zurückgeschlossen werden. Schnelle Änderungen der Herzfrequenz (> 0,15 Hz) sind Ausdruck parasympathischer Aktivität. Im Farb-FFT-Diagramm ist die Aktivität in einem bestimmten Frequenzband zu einem bestimmten Zeitpunkt durch die Farbe kodiert.

Die Atmung (Atemfrequenz in Hz) wird als dickere rot-braune Kurve dargestellt. Dadurch wird es einfacher auftretende Aktivitätsbänder auch im LF-Bereich dem Parasympathikus bei vorhandener RSA zuzuordnen.

Im unteren Bereich werden das Verhältnis LF/HF und Power LF/Power HF, die Herzfrequenz (mittlere HF, maximale und minimale Herzfrequenz) und die Aktivität (gemessen aus der Bewegungssensorik) dargestellt.

 

HRV-Verlauf

Die dargestellten Farben im HRV-Verlauf resultieren aus den Prozenträngen der Alterskorrelation der Kurzzeit-HRV Messung. Dazu wird die Langzeit-Messung in viele Kurzzeit-HRV-Messungen (5 Minuten) unterteilt und für jeden Abschnitt werden die Prozentränge im Altersvergleich berechnet.

Alternativ kann die unterlegte Farbe aus „Mittelwert und Standardabweichung“ berechnet werden. Eine Darstellung der Kurven ohne Farbunterlegung ist ebenfalls möglich.

Für die Darstellung des HRV-Verlaufs können beliebige Parameter ausgewählt werden.

 

23-jähriger Profisportler mit sehr guter nächtlicher Erholung, hohem nächtlichen Parasympathikotonus. Tagsüber Belastungswechsel zwischen Ruhephasen und sportlicher Aktivität.