分析长期心电图记录以检测小鼠心律失常
Summary
在这里，我们提出了一种半自动化方法的分步方案，用于分析小鼠长期心电图（ECG）数据的基本心电图参数和常见心律失常。数据通过活体和清醒小鼠的植入式遥测发射器获得，并使用Ponemah及其分析模块进行分析。
Abstract
心律失常很常见，影响着全世界数百万患者。目前的治疗策略与明显的副作用有关，并且对许多患者仍然无效。为了改善患者护理，需要针对心律失常机制的新颖和创新的治疗概念。为了研究心律失常的复杂病理生理学，需要合适的动物模型，小鼠已被证明是评估对心律失常的遗传影响，研究基本分子和细胞机制以及确定潜在治疗靶点的理想模式物种。
植入式遥测设备是可用于研究小鼠电生理学的最强大工具之一，允许在自由移动的清醒小鼠中连续记录几个月的心电图。然而，由于数据点数量巨大（每天 >100 万个 QRS 复合体），遥测数据的分析仍然具有挑战性。本文介绍了一种使用Ponemah软件及其分析模块ECG Pro和Data Insights（由数据科学国际（DSI）开发的分步方法来分析心电图和检测长期遥测记录中的心律失常。为了分析基本心电图参数，如心率、P 波持续时间、PR 间期、QRS 间期或 QT 持续时间，使用 Ponemah 进行自动属性分析，以识别检测到的 R 波周围单独调整窗口内的 P、Q 和 T 波。
然后手动查看结果，允许调整单个注释。然后，Data Insights 模块使用基于属性的分析和模式识别分析的输出来检测心律失常。该模块允许在记录中自动筛查单独定义的心律失常，然后手动检查可疑的心律失常发作。本文简要讨论了记录和检测ECG信号的挑战，提出了提高数据质量的策略，并提供了使用上述方法在小鼠中检测到的心律失常的代表性记录。
Introduction
心律失常很常见，影响全球数百万患者1。人口老龄化的发病率不断上升，因此心律失常及其发病率和死亡率造成了重大公共卫生负担2。目前的治疗策略是有限的，并且通常与显着的副作用有关，并且在许多患者中仍然无效3，4，5，6。迫切需要针对心律失常机制的新颖和创新的治疗策略。为了研究心律失常的复杂病理生理学，需要合适的动物模型;小鼠已被证明是评估对心律失常的遗传影响，研究基本分子和细胞机制以及确定潜在治疗靶点的理想模型物种7，8，9。连续心电图记录是心律失常检测临床常规中的既定概念10。
植入式遥测设备是可用于研究小鼠电生理学的最强大工具之一，因为它们允许在自由移动的清醒小鼠中连续记录心电图（一种常见的方法是将导联植入导联II位置）数月11，12。然而，由于数据点数量庞大（每天多达 100 万个 QRS 波群）以及对鼠标准值的了解有限，遥测数据的分析仍然具有挑战性。常用的小鼠遥测发射器可持续长达 3 个月，可记录多达 1 亿个 QRS 波群。这意味着非常需要实用的分析协议来减少每个数据集所花费的时间，并使研究人员能够处理和解释这些大量数据。为了在记录时获得干净的ECG信号，发射器植入需要是最佳的 – 导联位置应尽可能远，以允许更高的信号幅度。
有兴趣的读者可以参考McCauley等人的协议12 以获取更多信息。此外，为了尽量减少噪音，笼子和变送器必须放置在不易受到任何干扰的安静环境中，例如具有受控环境因素（温度、光线和湿度）的通风柜。在实验期间，必须定期检查导线定位，以避免由于导线穿孔或伤口愈合问题而导致信号丢失。从生理学上讲，啮齿动物和人类的心电图参数存在昼夜节律改变，因此需要一种标准化的方法来从连续记录中获得基线心电图参数。与其计算长时间心电图参数的平均值，不如对与人类相似的静息心电图进行分析，以获得基本参数，如静息心率、P 波持续时间、PR 间期、QRS 持续时间或 QT/QTc 间期。在人类中，静息心电图记录超过10秒，正常心率为50-100 / min。该心电图包括 8 至 17 个 QRS 波群。建议在小鼠中对20个连续QRS波群进行分析作为“静息心电图当量”。由于上述昼夜节律改变，一个简单的方法是每天分析两个静息心电图，一个在白天，一个在夜间。根据动物设施中的光开/关周期，选择合适的时间（例如，12 AM/PM），并获得基本参数。
接下来，使用一段时间内的心率图来检测相关的心动过速和心动过缓，并连续手动探索这些发作以获得第一印象。然后，该心率图导致记录时间段内最大和最小心率的重要参数以及随时间变化的心率变化。之后，分析数据集的心律失常。本文介绍了一种分步方法，用于在长达三个月的记录期内从清醒小鼠的长期遥测记录中获取这些基线心电图数据。此外，它还描述了如何使用Ponemah版本6.42的软件及其分析模块，ECG Pro和Data Insights来检测心律失常，由数据科学国际（DSI）开发。此版本与Windows 7（SP1，64位）和Windows 10（64位）兼容。
Protocol
Representative Results
Discussion
表面心电图是心律失常患者的主要诊断工具，可提供对许多电生理现象的见解。然而，对心脏表面心电图病理的充分分析需要了解和定义正常的生理参数。多年的流行病学研究已经导致对人类生理学的广泛认同，从而使世界各地的医生能够清楚地区分病理。然而，表面心电图数据的分析是小鼠模型的主要挑战;由于对基本心电图参数的理解和定义不完整，区分生理和病理心电图结果可能很困难<sup c…
Disclosures
The authors have nothing to disclose.
Acknowledgements
这项工作得到了德国研究基金会（DFG;血管医学临床医生科学家计划（PRIME），MA 2186/14-1至P. Tomsits和D. Schüttler），德国心血管研究中心（DZHK; 81X2600255至S. Clauss），科罗纳基金会（S199/10079/2019至S. Clauss），ERA-NET心血管疾病（ERA-CVD;01KL1910至S. Clauss），Heinrich-and-Lotte-Mühlfenzl Stiftung（致S. Clauss）和中国国家留学基金委（CSC，致R. Xia）。资助者在手稿准备中没有任何作用。
References
- Camm, A. J., et al. Guidelines for the management of atrial fibrillation: the Task Force for the Management of Atrial Fibrillation of the European Society of Cardiology (ESC). Europace. 12 (10), 1360-1420 (2010).
- Chugh, S. S., et al. Worldwide epidemiology of atrial fibrillation: a Global Burden of Disease 2010 Study. Circulation. 129 (8), 837-847 (2014).
- Dobrev, D., et al. New antiarrhythmic drugs for treatment of atrial fibrillation. Lancet. 375 (9721), 1212-1223 (2010).
- January, C. T., et al. 2019 AHA/ACC/HRS focused update of the 2014 AHA/ACC/HRS Guideline for the management of patients with atrial fibrillation: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines and the Heart Rhythm Society in Collaboration With the Society of Thoracic Surgeons. Circulation. 140 (2), 125-151 (2019).
- Heijman, J., et al. Cardiac safety assays. Current Opinion in Pharmacology. 15, 16-21 (2014).
- Kirchhof, P., et al. ESC Guidelines for the management of atrial fibrillation developed in collaboration with EACTS. European Heart Journal. 37 (38), 2893-2962 (2016).
- Clauss, S., et al. Animal models of arrhythmia: classic electrophysiology to genetically modified large animals. Nature reviews. Cardiology. 16 (8), 457-475 (2019).
- Schüttler, D., et al. Animal models of atrial fibrillation. Circulation Research. 127 (1), 91-110 (2020).
- Dobrev, D., et al. Mouse models of cardiac arrhythmias. Circulation Research. 123 (3), 332-334 (2018).
- Rosero, S. Z., et al. Ambulatory ECG monitoring in atrial fibrillation management. Progress in cardiovascular diseases. 56 (2), 143-152 (2013).
- Russell, D. M., et al. A high bandwidth fully implantable mouse telemetry system for chronic ECG measurement. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology. 2011, 7666-7669 (2011).
- McCauley, M. D., et al. Ambulatory ECG recording in mice. Journal of Visualized Experiments : JoVE. (39), e1739 (2010).
- Mehendale, A. C., et al. Unlock the information in your data: Software to find, classify, and report on data patterns and arrhythmias. Journal of Pharmacological and Toxicological Methods. 81, 99-106 (2016).
- Hulsmans, M., et al. Macrophages facilitate electrical conduction in the heart. Cell. 169 (3), 510-522 (2017).
- Boukens, B. J., et al. Misinterpretation of the mouse ECG: ‘musing the waves of Mus musculus. Journal of Physiology. 592 (21), 4613-4626 (2014).
- Wehrens, X. H., et al. Mouse electrocardiography: an interval of thirty years. Cardiovascular Research. 45 (1), 231-237 (2000).
- Goldbarg, A. N., et al. Electrocardiogram of the normal mouse, Mus musculus: general considerations and genetic aspects. Cardiovascular Research. 2 (1), 93-99 (1968).
- Kaese, S., et al. The ECG in cardiovascular-relevant animal models of electrophysiology. Herzschrittmachertherapie und Elektrophysiologie. 24 (2), 84-91 (2013).
- Speerschneider, T., et al. Physiology and analysis of the electrocardiographic T wave in mice. Acta Physiologica. 209 (4), 262-271 (2013).
- Toib, A., et al. Remodeling of repolarization and arrhythmia susceptibility in a myosin-binding protein C knockout mouse model. American Journal of Physiology. Heart and Circulatory Physiology. 313 (3), 620-630 (2017).
- Thireau, J., et al. Heart rate variability in mice: a theoretical and practical guide. Experimental Physiology. 93 (1), 83-94 (2008).
- Hilgard, J., et al. Significance of ventricular pauses of three seconds or more detected on twenty-four-hour Holter recordings. American Journal of Cardiology. 55 (8), 1005-1008 (1985).
