呼吸性窦性心律不齐定量分析研究进展

　　近2O年来，呼吸和心率的耦合现象在医学界受到越来越多的重视。心血管生理学的研究结果表明：呼吸和心率的时间异变往往是相关的。主要表现为：吸气时，释放儿茶酚胺增多，窦性p-P周期缩短，心率加快；呼气时产生乙酰胆碱，引起窦房结过度极化，窦房结舒张期自动除极的坡度降低，窦性p-P周期延长，心率减慢。这种现象被称为呼吸性窦性心律不齐(respiratory sinus arrhythmia，RSA)[ 。关于RSA的研究可追溯到1865年，但至今仍是一个研究热点。在RSA的研究过程中，研究人员对于其起源，即心率被呼吸调制的原因提出很多猜想和假设。其中最常见的为以下两种：① 并行关系：呼吸中枢和心血管中枢耦合调节呼吸和窦性节律；② 因果关系：呼吸通过压感反射机械性调节窦性节律 ]。

　　相关动物实验和药理阻滞研究表明副交感神经抑制药物可减小RSA幅值；而交感神经抑制药物对RSA的幅值几乎没有影响。因此认为RSA的幅值反映了心迷走神经的张力。RSA 幅值的大小为心肺交互机制提供了重要的信息，间接表达了心脏交感和迷走神经活动及其平衡与协调的关系。在临床实践中常被用作心迷走神经张力的非侵入式检测指征，甚至是其直接测定方法L4]。

　　研究发现，RSA 的变化与年龄、葡萄糖代谢水平、人体体质、充血性心力衰竭、心源性猝死、糖尿病以及高血压等现象和病症的发生有关[5 ]。同时它还与人的情绪状态和精神负荷密切相关[7]。近年来在心理生理学领域，随着心血管疾病的高发趋势，以及人们对亚健康的关注，这一相关领域的研究愈发引起相关医学工作者和研究人员的关注。本文主要介绍了RSA定量分析常用的几种方法，讨论了影响RSA 的常见因素及其校准方法，并对该领域的进一步研究做了初步的展望。

　　1 RSA定量研究方法由于反映窦性心率的P-p间期不易准确检测，因此通常情况下常采用与其近似相等的R-R间期进行RSA的特征提取和分析 引。目前常见的分析方法主要有差值均方根法、峰谷法、余弦拟合法、谱分析法以及时频分析法。

　　1．1 差值均方根法差值均方根(root mean square of successivedifferences，RMSSD)法为相邻正常R-R间期差值的均方根可以选择PNN50(全部记录中相邻R-R间期之差大予5O的个数占R-R间期总数的百分比)来进一步分析RSA。

　　1．2 峰谷法峰谷(peak-valley RSA，pvRSA)法是用R-R时间序列联合呼吸序列估算RSA值。如式(2)所示，为一个呼吸周期中呼气时相的最大R-R间期与吸气时相的最小R-R问期的差值，实际应用中常用式(3)的pvmRSA(均一化pvRSA，为pvRSA 与整个呼吸周期的R-R间期均值的比值)表示m]。

　　1．3 逐次呼吸余弦拟合法Tuan Pham Dinh等n 提出的逐次呼吸余弦拟合(cosinor fitting)法也是一种常用的计算RSA 幅值的有效方法。用式(6)所示的余弦曲线s(￡)去拟合一个呼吸周期中的相对瞬时心率，则A 值即为t时刻的RSA的幅值。

　　1．4 谱分析法2O世纪60年代后期，频谱分析(spectral analysis)法被广泛应用于生物信号的处理。人们将心率变异性(heart rate variability，HRV)的功率谱分为超低频、低频、高频三个部分作为评定自主神经系统功能的定量方法。如表1所示，正常的心率功率谱由超低频段(VLF)、低频段(LF)和高频段(HF)三部分组成。以往的研究普遍认为，在心率功率谱中，HF反映心迷走神经对心脏的调节活动[1。 ，而RSA正是衡量心迷走神经对心脏窦房结传出活动的重要指标[J ，因此RSA与高频成分有关。而低频成分反映了心交感神经对心脏窦房结的调节活动，并与交感缩血管活动相关[15]。所以，可以用HF处的功率来表示RSA的大小[1 。

　　目前，应用于频谱分析法主要有快速傅立叶变换(FFT)法和自回归谱估计(AR)法。其中，FFT法是最常见的方法，物理意义明确，算法简单，运算速度快，适用于长记录或信噪比较小的数据处理；AR法曲线平滑，频谱图中峰的中心频率容易识别，目测效果好，适用于短记录。尽管FFT和AR的曲线图形各异，但所得数值呈高度正相关。

　　1．5 时频分析法时频分析(joint timing-frequency analysis，JT-FA)法作为分析非平稳信号的有力工具，成为现代信号处理研究的一个热点。作为一种新兴的信号处理方法，受到越来越多的重视。一般来说，JTFA 法具有很强的能量聚焦作用，不需要知道信号频率随时间的确定关系，只要信噪比足够高，通过JTFA法就可在时间一频率平面上得到信号的时间频率关系FA方法，由Gabor于1946年首先创建。STFT 以滑动窗对信号进行分析，然后对加窗信号进行Fourier变换。STFT在一定程度上克服了标准Fourier变换不具有局部分析能力的缺陷，但大小固定的时间窗是其严重缺陷。2 RSA的校准问题窦性心律不齐反映了呼吸对心率的影响。呼吸的频度、潮气量、吸气中CO。含量、体位、体动等因素都会干扰RSA的定量分析。只有将这些干扰因素排除，RSA才能正确地反映心迷走神经张力，才能更广泛地应用于心理生理学研究及临床应用中。

　　这里呼吸率和潮气量统称为呼吸参数。本文主要分析了针对呼吸参数的校准方法。以下为常见的4种方法。

　　2．1 引导呼吸法这是一种常用的通过引导受试者以标准的速率呼吸来控制呼吸频率对RSA的影响的方法[2 。目的是排除实验过程中因呼吸频率发生变化而导致的RSA随之的变化。常用的呼吸引导分为听觉引导和视觉引导。听觉引导是指在试验中用舒适的，轻柔的声音信号来引导受试者进行吸气和呼气；视觉引导是通过生物反馈使受试者能够自动地调整自己的呼吸以达到预定的呼吸程度[2 。在几乎没有其他的动作需求时(如静息状态，或是简单的注意力训练等)这一方法是有效的。但是它需要前期的训练以确保受试者适应引导呼吸的节律，使受试者通过对引导呼吸节律的适应和自主调节，找到合适的呼吸深度而不发生过度通气。只有经过充分的训练后才可保证即使在更为复杂的心理需求下，引导呼吸也不会给正常心血管反应带来显着的干扰。但是对于那些对精神负荷要求较高的实验这一方法并不容易实现[ 。

　　2．2 协方差法统计学控制法协方差统计学控制误差是一种常见的统计学方法[2引。此方法是将呼吸参数作为RSA的误差项，将呼吸参数和RSA做回归分析，得出回归分析系数，检验回归关系的显着性，若二者回归关系显着则表明彼此之问存在回归关系。这时就可应用线性回归关系来校正RSA以消除呼吸参数对它的影响。

　　需要注意的是此方法仅适于个体分析，不适用于多个体分析，因为：①个体间的RSA幅值差异性很高；②RSA和呼吸参量的回归系数也因人而异，且独立于RSA幅值的个体差异。

　　2．3 相对于呼吸参数的残余量[24]

　　这种方法适用的条件是：呼吸参数(主要是呼吸率和潮气量)的变化是由于环境或时间变化影响的。

　　因为随环境和时间变化而导致的RSA 幅值与呼吸参数变化并不是绝对成比例的，故对RSA和呼吸率和潮气量进行多元回归分析，其残余量即可表示心迷走神经张力。需要注意的是由于这种方法排除了RSA和呼吸参数的共变部分，往往会造成心迷走神经张力的估计值偏低。

　　2．4 潮气量校准法潮气量在RSA定量研究中通常也被认为是一个重要的影响因素，且能够独立于呼吸频率影响RSA幅值。该方法就是简单地用RSA幅值除以潮气量(时域方法)，或者用R-R间期和呼吸时问序列的互谱分析得到的传递函数表示(谱分析方法)。不管是哪种情况，它都表示每升潮气量的RSA 幅度值。由于生理上存在着潮气量和呼吸率之间的反相关，这种校正方法可能会削弱甚至消除呼吸率对RSA幅值的影响。这种方法主要应用于新陈代谢相关变化的环境下(多数为移动环境下)RSA 的变化，且不需要控制呼吸率。然而在典型的需要长时间保持体位不变的生理心理或临床研究时，单独考虑这一变量是不充分的[1]。

　　以上所列的四种方法都有其方法学上或者实践上的限制。此外，也没有深入的相关研究表明，哪种方法能更好地估计心迷走神经张力。

　　3 展望RSA作为一种间接评价心迷走神经功能的指征已被广泛认可，具有无创性、敏感性、定量性和重复性等特点。以上所介绍的五种方法是当前应用最多的RSA定量分析方法。这五种方法简单，直观，但都有其难以避免的缺点，故在进行RSA定量分析时难免会存在偏差。近年来，国内外有学者陆续提出一些结合非线性动力学的方法，诸如IPFM 模型估计、点过程方法、独立成分分析法[2 。 等等。虽然大量研究已表明呼吸参数和RSA密切相关，上文也介绍了4种呼吸参数的校准方法，但也有学者提出呼吸参数本身就表明了RSA内的某些成分，不需要校准[。""。故该不该用呼吸参数来校正RSA以及如何校正RSA是一个尚未统一的问题。

　　尽管研究证实个体内RSA和心迷走神经张力是强相关，但在不同个体之间二者之问的关系存在很大差异。故用RSA评价心迷走神经张力时，如何解决个体差异[28]是一个亟待解决的问题。当前可实现的方法是通过个体化校正，或针对单独个体进行，需测量个体的基准RSA，并将此作为基础值。

　　在改变各种参数的实验中，建立个体化对照比较，才能得到有意义的结论。这也将是下一步的研究目标。当然，由于体位、体动、情绪及心理负荷等都会对RSA产生影响[2引，若在移动环境中定量分析需要考虑体动、体位等因素的干扰；若用RSA对心血管相关疾病进行分析，还应考虑排除情绪等因素对RSA定量估计的干扰。（参考文献：呼吸性窦性心律不齐定量分析研究进展，孙聪聪，生物医学工程学杂志2011年12月）