ANALYSIS OF STATISTICAL INDICATORS OF HEARTRATE VARIABILITY AND ECG SIGNAL VARIABILITY NORMALLY AND WITH SIGNS OF ARRHYTHMIA

封面

如何引用文章

全文:

详细

Background. Calculation and comparative analysis of heart rate variability and variability parameters is an urgent task of classification of arrhythmic and normal ECG signals. The objective is a comparative analysis of statistical indicators of heart rate variability and ECG signal variability by two methods and assessment of differences in parameters for different types of signal. Materials and methods. Two groups of signals from the open PhysioNet database were selected as initial data: those obtained from healthy people and those with arrhythmic disorders. For these signals, histograms of the probability density distribution of their amplitude characteristics and relative increments of a number of cardiointervals were constructed. The areas of mismatch of the histograms were calculated as metrics of their difference. Results. An assessment was made of the difference in the indicators of ECG signal variability and heart rate variability based on the averaged histograms of the distributions of ECG signal values for each group and the calculation of the ratio of the area of the mismatch region to the total area of the histogram, while the ratio for the first method was 48 %, and for the second – from 33 to 38 % for various indicators. Conclusions. The obtained data show the potential applicability of both methods for analyzing ECG signals for signs of arrhythmia.

作者简介

Alisa Adamova

Penza State University

编辑信件的主要联系方式.
Email: alicegarth@gmail.com

Postgraduate student, assistant of the sub-department of information and computing systems

(40 Krasnaya street, Penza, Russia)

Konstantin Budanov

Penza State University

Email: ko13bud@rambler.ru

Senior lecturer of the sub-department of information and computing systems

(40 Krasnaya street, Penza, Russia)

Andrey Kuzmin

Penza State University

Email: a.v.kuzmin@pnzgu.ru

Doctor of technical sciences, associate professor, head of the sub-department of information and computing systems

(40 Krasnaya street, Penza, Russia)

参考

  1. lifford G.D., Azuaje F., McSharry P. Advanced Methods And Tools for ECG Data Analysis. New York: Artech House Publishers, 2006:400.
  2. Bajaj V., Sinha G.R. Modelling and Analysis of Active Biopotential Signals in Healthcare. IOP Publishing. 2020;(1):443.
  3. Demushkina K.M., Demushkin M.O., Kuzmin A.V. Review of design methods for medical decision support systems. Modeli, sistemy, seti v ekonomike, tekhnike, prirode i obshchestve = Models, systems, networks in economics, technology, nature and society. 2022;(2):75–89. (In Russ) doi: 10.21685/2227-8486-2022-2-6
  4. Baevsky R.M., Ivanov G.G., Chireikin L.V. Analysis of heart rate variability using electrocardiographic systems. Methodical recommendations. Vestnik aritmologii = Bulletin of Arrhythmology. 2001;(24):65–87. (In Russ)
  5. Task force of the european society of cardiology and the north american society of Pacing and electrophysiology. Heart rate variability. Standards of measurement, physiological interpretation, and clinical use. European heart journal. 1996;(17):354–381.
  6. Fedorov V.F. Time series analysis in self-regulating systems. Journal of Radio Electronics. 2019;(5):1–10.
  7. Patent № 2827482 C1 Russiam Federation, MPK A61B 5/352. A method for determining the variability of time parameters of an electrocardiographic signal. Kuzʹmin A.V., Gasanova V.A., Pushkareva A.V. et al. № 2023127657; appl. 27.10.2023; publ. 27.09.2024 (In Russ)
  8. Glantz S.A. Primer of biostatistics. 7 ed. New York: McGraw-Hill, 2012:312.
  9. Mamaev A.N., Kudlay D.A. Statisticheskie metody v meditsine = Statistical methods in medicine. Moscow: Prakticheskaya meditsina, 2021:136. (In Russ)
  10. Fedorov V.F., Stolyar V.L. Heart Rate Variations Analysis: Traditions, Misconceptions, Perspectives. 23rd International Conference on Digital Signal Processing and its Applications (DSPA). Moscow, 2021:1–5.
  11. Goldberger A.L., Amaral L.A.N., Glass L. et al. PhysioBank, PhysioToolkit, and Physio- Net: Components of a New Research Resource for Complex Physiologic Signals. Circulation. 2000;(101):215–220.
  12. MIT-BIH Normal Sinus Rhythm Database. Available at: http://www.physionet.org/physiobank/ database/nsrdb/ (accessed 16.05.2025).
  13. MIT-BIH Supraventricular Arrhythmia Database. Available at: http://www.physionet. org/physiobank/database/svdb/ (accessed16.05.2025).
  14. Patent № 2372844 C1 Russian Federation, MPK A61B 6/00, A61B 5/107. A method for automatically determining the size and position of a patient's heart from fluorographic images. Bodin O.N., Kuzʹmin A.V., Semenkin M.A., Moiseev A.E. № 2008123240/14; appl. 16.06.2008; publ. 20.11.2009. (In Russ)
  15. Rangayyan R.M., Krishnan S. Biomedical Signal Analysis. Wiley, 2024. doi: 10.1002/9781119825883

补充文件

附件文件
动作
1. JATS XML


Creative Commons License
此作品已接受知识共享署名 4.0国际许可协议的许可

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».