Nonlinear analysis of complex phenomena in cardiological data

Zusammenfassung

Das Hauptanliegen dieses Beitrages ist es, verschiedene Ansätze in der Herzfrequenz- und Blutdruckvariabilität zu diskutieren und damit das Verständnis der kardiovaskulären Regulation zu verbessern. Wir betrachten Komplexitätsmaße basierend auf der symbolischen Dynamik, die renormierte Entropie und die ,finite-time’ Wachstumsraten. Weiterhin werden die duale Sequenzmethode zur Bestimmung der Baroreflexsensitivität sowie die Maximalkorrelationsmethode zur Schätzung der nichtlinearen Kopplung in bivariaten Daten vorgestellt. Letztere stellt eine geeignete Methode zur Bestimmung der Kopplungsstärke und –richtung dar. Herzfrequenz- und Blutdruckvariabilitätsdaten einer klinischen Pilotstudie und einer großangelegten klinischen Studie werden analysiert. Wir demonstrieren in diesem Beitrag, dass Methoden der nichtlinearen Dynamik nützlich sind für die Risikostratifizierung nach Herzinfarkt, für die Vorhersage von lebensbedrohlichen Rhythmusstörungen sowie für die Modellierung der Herzfrequenz- und Blutdruckregulation. Diese Ergebnisse könnten in der klinischen Diagnostik sowie für therapeutische und präventive Zwecke von implantierbaren Defibrillatoren der nächsten Generation von Bedeutung sein.

Summary

The main intention of this contribution is to discuss different nonlinear approaches to heart rate and blood pressure variability analysis for a better understanding of the cardiovascular regulation. We investigate measures of complexity which are based on symbolic dynamics, renormalised entropy and the finite time growth rates. The dual sequence method to estimate the baroreflex sensitivity and the maximal correlation method to estimate the nonlinear coupling between time series are employed for analysing bivariate data. The latter appears to be a suitable method to estimate the strength of the nonlinear coupling and the coupling direction. Heart rate and blood pressure data from clinical pilot studies and from very large clinical studies are analysed. We demonstrate that parameters from nonlinear dynamics are useful for risk stratification after myocardial infarction, for the prediction of life-threatening cardiac events even in short time series, and for modelling the relationship between heart rate and blood pressure regulation. These findings could be of importance for clinical diagnostics, in algorithms for risk stratification, and for therapeutic and preventive tools of next generation implantable cardioverter defibrillators.