ポアンカレプロット分析を使用して、心臓死のリスクが異なる患者の特性評価と分類

心臓死のリスクは、特に高齢患者の人口の重要な部分による大きな問題です。この研究では、ポアンカレプロットを使用して心血管系と心肺系を特徴付けて分析することを提案します。合計46人の心筋症患者と36人の健康なサブジェットが分析されました。左心室駆出率（LVEF）を使用して、低リスク（LR：LVEF> 35％、16人の患者）、および高リスク（HR：LVEF≤35％、30人の患者）の心臓発作の患者を層別化しました。RR、SBP、およびTTOT時系列は、それぞれECG、血圧、呼吸流シグナルから抽出されました。短期および長期の変動、動的システムの加速および減速に関連するポアンカレ法の散布図を記述するパラメーター、および複雑な相関指数が抽出されました。線形識別分析（LDA）およびサポートベクターマシン（SVM）分類方法を使用して、抽出されたパラメーターの結果を分析しました。結果は、心臓パラメーターがHRグループとLRグループ、特に複雑な相関指数を区別するのに最適であることを示しました（P = 0.009）。相互作用を分析すると、最良の結果は、心臓と呼吸系の標準偏差の違いとの関係とともに得られました（p = 0.003）。HR対LRグループを比較すると、ANOVAカーネルを使用して98.12％のSVMメソッドを適用して最良の分類が得られました。97.01％の精度は、SVM分類器とラプラシアンカーネルと健康と比較することにより得られました。ポアンカレプロットの形態は、心肺系のダイナミクスの特性評価を可能にするパラメーターを導入します。

Cardiac death risk is still a big problem by an important part of the population, especially in elderly patients. In this study, we propose to characterize and analyze the cardiovascular and cardiorespiratory systems using the Poincaré plot. A total of 46 cardiomyopathy patients and 36 healthy subjets were analyzed. Left ventricular ejection fraction (LVEF) was used to stratify patients with low risk (LR: LVEF > 35%, 16 patients), and high risk (HR: LVEF ≤ 35%, 30 patients) of heart attack. RR, SBP and TTot time series were extracted from the ECG, blood pressure and respiratory flow signals, respectively. Parameters that describe the scatterplott of Poincaré method, related to short- and long-term variabilities, acceleration and deceleration of the dynamic system, and the complex correlation index were extracted. The linear discriminant analysis (LDA) and the support vector machines (SVM) classification methods were used to analyze the results of the extracted parameters. The results showed that cardiac parameters were the best to discriminate between HR and LR groups, especially the complex correlation index (p = 0.009). Analising the interaction, the best result was obtained with the relation between the difference of the standard deviation of the cardiac and respiratory system (p = 0.003). When comparing HR vs LR groups, the best classification was obtained applying SVM method, using an ANOVA kernel, with an accuracy of 98.12%. An accuracy of 97.01% was obtained by comparing patients versus healthy, with a SVM classifier and Laplacian kernel. The morphology of Poincaré plot introduces parameters that allow the characterization of the cardiorespiratory system dynamics.