Einleitung
Die Untersuchung der komplexen Rhythmen des Herzens oder der sogenannten Herzfrequenzvariabilität (HRV) (Donald H. Singer et al., 1988) hat in den letzten Jahren rasant zugenommen. Die Schwankungen der Herzfrequenz von Schlag zu Schlag resultieren aus komplexen, nichtlinearen Wechselwirkungen zwischen einer Reihe verschiedener physiologischer Systeme. Die HRV wird daher als Maß für die neurokardiale Funktion angesehen, die die Herz-Hirn-Interaktionen und die Dynamik des autonomen Nervensystems (ANS) widerspiegelt (R. McCraty, Atkinson, Tomasino & Bradley, 2009; F. Shaffer, McCraty & Zerr, 2014). Ein optimales HRV-Niveau spiegelt eine gesunde Funktion und eine inhärente Selbstregulierungsfähigkeit, Anpassungsfähigkeit oder Belastbarkeit wider (FC Geisler, Kubiak, Siewert & Weber, 2013; R. McCraty et al., 2009; R. McCraty, Childre, D, 2010; R McCraty & Zayas, 2014; Reynard, Gevirtz, Berlow, Brown & Boutelle, 2011; Segerstrom & Nes, 2007; DH Singer, 2010) Während zu viel Instabilität, wie Arrhythmien, das gesunde Funktionieren beeinträchtigt, deutet eine zu geringe Variation auf altersbedingte Systemverarmung, chronischen Stress, Pathologie oder unzureichende Funktion in verschiedenen Ebenen von Selbstregulierungskontrollsystemen hin (Camm et al., 1996; Donald H. Singer et al., 1988; Thayer, Hansen, Saus-Rose & Johnsen, 2009). Es wurde eindeutig gezeigt, dass die HRV mit dem Alter abnimmt und altersbereinigte Werte im Rahmen der Risikoprognose verwendet werden sollten (Umetani, Singer, McCraty & Atkinson, 1998).
Es wurde festgestellt, dass eine verringerte HRV ein höherer Risikofaktor für den Tod nach einem Myokardinfarkt ist als andere bekannte Risikofaktoren (Wolf, Varigos, Hunt & Sloman, 1978) und kann eine autonome Neuropathie bei Diabetikern vor dem Auftreten von Symptomen vorhersagen (Braune & Geisendorfer, 1995; D. Ewing, Campbell & Clarke, 1976; Vinik, Maser, Mitchell & Freeman, 2003). Eine niedrige altersbereinigte HRV wurde auch als starker, unabhängiger Prädiktor für zukünftige Gesundheitsprobleme sowohl bei gesunden Menschen als auch bei Patienten mit einer Vielzahl von Krankheiten bestätigt und korreliert mit der Gesamtmortalität (Dekker et al., 1997; Tsuji et al., 1994). Eine Reihe von Studien hat gezeigt, dass eine verringerte HRV mit Entzündungsmessungen bei Patienten ohne offensichtliche Herzerkrankung verbunden ist (Sajadieh et al., 2004). Eine verringerte HRV wird auch bei Patienten mit autonomer Dysfunktion, Angstzuständen, Depressionen, Asthma und plötzlichem Kindstod beobachtet (Agelink, Boz, Ullrich & Andrich, 2002; Carneyet al., 2001; Cohen & Benjamin, 2006; Kazuma, Otsuka, Matsuoka & Murata, 1997).
HRV zeigt auch psychische Belastbarkeit und Verhaltensflexibilität an, was die Fähigkeit eines Individuums widerspiegelt, sich selbst zu regulieren und sich effektiv an sich ändernde soziale oder ökologische Anforderungen anzupassen (Beauchaine, 2001; Berntson, Norman, Hawkley & Cacioppo, 2008). Eine wachsende Anzahl von Studien hat speziell die vagal vermittelte HRV mit der Selbstregulationsfähigkeit in Verbindung gebracht.F. Geisler & Kubiak, 2009; Reynardet al., 2011; Segerstrom & Nes, 2007) emotionale Regulierung, (Appelhans & Luecken, 2006; F. Geisler, Vennewald, Kubiak & Weber, 2010) soziale Interaktionen, (FC Geisler et al., 2013; Smith et al., 2011) das Gefühl der Kohärenz (Nasermoaddeli, Sekine & Kagamimori, 2004) und die Persönlichkeitsmerkmale der Selbststeuerung (Zohar, Cloninger & McCraty, 2013) und Bewältigungsstile (Ramaekers, Ector, Demyttenaere, Rubens & Van de Werf, 1998).
Mehrere Studien haben einen Zusammenhang zwischen einem höheren Grad an vagal vermittelter HRV im Ruhezustand und der kognitiven Leistung bei Aufgaben gezeigt, die die Verwendung von Exekutivfunktionen erfordern (Thayer et al., 2009). Thayer hat gezeigt, dass die vagal vermittelte HRV mit der präfrontalen kortikalen Leistung und der Fähigkeit, unerwünschte Erinnerungen und aufdringliche Gedanken zu hemmen, korreliert und dass der präfrontale Kortex „offline“ geschaltet werden kann, wenn Personen gestresst oder bedroht sind. Thayer hat auch gezeigt, dass eine anhaltende präfrontale Inaktivität zu Hypervigilanz, Abwehrbereitschaft und sozialer Isolation führen kann (Thayer et al., 2009).
HRV-Analyse
Die Menge an HRV, die ein Individuum hat, kann mit verschiedenen analytischen Ansätzen bewertet werden, obwohl die am häufigsten verwendeten Methoden die Frequenzbereichsanalyse (Leistungsspektraldichte) und die Zeitbereichsanalyse sind. Die Wechselwirkungen zwischen autonomer neuronaler Aktivität, Blutdruck, Atmungs- und Kontrollsystemen auf höherer Ebene und Umweltfaktoren erzeugen sowohl kurz- als auch längerfristige Rhythmen bei HRV-Messungen (Alabdulgader et al., 2018; 1996; Hirsch & Bishop, 1981; R. McCraty et al., 2017; R. McCraty et al., 2009). Da es in jüngster Zeit eine Reihe von Übersichten zu den physiologischen Mechanismen und der Interpretation der HRV gibt, wird hier nur eine kurze Zusammenfassung gegeben (Ernst, 2017; Fatisson, Oswald & Lalonde, 2016; Laborde, Mosley & Thayer, 2017; F. Shaffer et al., 2014).
Frequenzbereich Die Messungen
Der Hauptvorteil der Spektralanalyse besteht darin, dass sie sowohl Frequenz- als auch Amplitudeninformationen zu den spezifischen Rhythmen liefert, die in der HRV-Wellenform vorhanden sind, und ein Mittel zur Quantifizierung dieser Schwingungen über einen bestimmten Zeitraum bietet. Die internationale Task Force standardisierte die Herzrhythmusschwingungen in vier Primärfrequenzbänder: Hochfrequenz (HF), Niederfrequenz (LF), Sehr Niederfrequenz (VLF) und Ultra-Niederfrequenz (ULF) (Camm et al., 1996). Die Werte werden als Leistungsspektraldichte ausgedrückt, die die Fläche unter der Kurve (Spitze) in einer gegebenen Bandbreite des Spektrums ist (R McCraty & Shaffer, 2015).
Der HF-Bereich reicht von 0.15 Hz bis 0.4 Hz, was Rhythmen mit Perioden zwischen 2.5 und 7 Sekunden entspricht. Dieses Band spiegelt die parasympathische oder vagale Aktivität wider und wird häufig als Atmungsband bezeichnet, da es den Herzfrequenzschwankungen (HR) entspricht, die mit dem als Atemwegs-Sinus-Arrhythmie bekannten Atemzyklus zusammenhängen.
Der LF-Bereich liegt zwischen 0.04 und 0.15 Hz, was Rhythmen oder Modulationen mit Perioden zwischen 7 und 25 Sekunden entspricht. Diese Region spiegelt hauptsächlich die Barorezeptoraktivität in Ruhe wider (Alberto Malliani, 1995). In ambulanten 24-Stunden-HRV-Aufzeichnungen wurde vorgeschlagen, dass die LF-Bande die sympathische Aktivität widerspiegelt und das LF / HF-Verhältnis kontrovers verwendet wurde, um das Gleichgewicht zwischen sympathischer und parasympathischer Aktivität zu bewerten (A. Malliani, Lombardi, Pagani & Cerutti, 1994; Pagani, Lombardi & Guzzette, 1986; Pal et al., 2013). Eine Reihe von Forschern hat diese Perspektive jedoch in Frage gestellt und überzeugend argumentiert, dass die LF-Bande unter Ruhebedingungen nur die Baroreflexaktivität und nicht die kardiale sympathische Innervation widerspiegelt.40, 71, 96, 105-107 Bei ambulanten Langzeitaufzeichnungen nähert sich die LF-Bande der sympathischen Aktivität ziemlich an, wenn eine erhöhte sympathische Aktivität auftritt (Axelrod, Lishner, Oz & al., 1987). Diese Interpretation ist jedoch unangemessen, wenn kurzfristige Ruheaufnahmen verwendet werden (R McCraty & Shaffer, 2015).
Der VLF ist die Leistung im Bereich zwischen 0.0033 und 0.04 Hz, was Rhythmen oder Modulationen mit Perioden zwischen 25 und 300 Sekunden entspricht. Obwohl alle 24-Stunden-Messungen der HRV, die eine niedrige HRV widerspiegeln, mit einem erhöhten Risiko für unerwünschte Ergebnisse verbunden sind, weist die VLF-Bande eine stärkere Assoziation mit der Gesamtmortalität auf als die LF- und HF-Banden (Hadaseet al., 2004; Schmidt et al., 2005; Tsuji et al., 1996; Tsuji et al., 1994). Experimentelle Beweise legen nahe, dass der VLF-Rhythmus intrinsisch vom intrinsischen Herznervensystem des Herzens erzeugt wird und dass die Amplitude und Frequenz dieser Oszillationen durch efferente sympathische Aktivität moduliert werden (R McCraty & Shaffer, 2015).
Der ULF-Bereich fällt unter 0.0033 Hz (333 Sekunden oder 5.6 Minuten). Die zirkadianen Schwankungen der Herzfrequenz sind die Hauptquelle dieses Rhythmus, obwohl andere sehr langsam wirkende Regulationsprozesse die Leistung in diesem Band erhöhen (Camm et al., 1996).
Zeitbereichsmessungen
Zeitbereichsindizes quantifizieren den Betrag der Varianz in den Inter-Beat-Intervallen (IBI) unter Verwendung statistischer Maße. Die drei am häufigsten gemeldeten Zeitbereichsmessungen sind der SDNN, der SDNN-Index und der RMSSD. Der SDNN ist die Standardabweichung der in Millisekunden gemessenen Sinus-initiierten Inter-Beat-Intervalle von Normal zu Normal (NN). Diese Maßnahme spiegelt das Auf und Ab aller Faktoren wider, die zur HRV beitragen. Bei 24-Stunden-Aufzeichnungen korreliert der SDNN stark mit ULF und Gesamtleistung (Umetani et al., 1998). Bei kurzfristigen Ruheaufnahmen ist die Hauptquelle der Variation vagal vermittelt. Der SDNN-Index ist der Mittelwert der Standardabweichungen aller NN-Intervalle für jedes 5-Minuten-Segment. Daher schätzt diese Messung nur die Variabilität aufgrund der Faktoren, die die HRV innerhalb eines Zeitraums von 5 Minuten beeinflussen. Bei 24-Stunden-HRV-Aufzeichnungen wird diese berechnet, indem zuerst die 24-Stunden-Aufzeichnung in 288 Fünf-Minuten-Segmente unterteilt und dann die Standardabweichung aller in jedem Segment enthaltenen NN-Intervalle berechnet wird. Der SDNN-Index ist der Durchschnitt dieser 288 Werte (Camm et al., 1996). Diese Maßnahme korreliert tendenziell über einen Zeitraum von 24 Stunden mit der VLF-Leistung (F. Shaffer et al., 2014).
Der RMSSD ist der quadratische Mittelwert aufeinanderfolgender Unterschiede zwischen normalen Herzschlägen. Dieser Wert wird erhalten, indem zuerst jede aufeinanderfolgende Zeitdifferenz zwischen Herzschlägen in Millisekunden berechnet wird. Dann wird jeder der Werte quadriert und das Ergebnis ist die Quadratwurzel des Durchschnitts aller quadrierten aufeinanderfolgenden Differenzen. Die RMSSD spiegelt die Varianz der Herzfrequenz von Schlag zu Schlag wider und ist das primäre Zeitbereichsmaß, das zur Schätzung der vagal vermittelten Veränderungen in der HRV verwendet wird (Camm et al., 1996). Der RMSSD ist mit der HF-Leistung korreliert (F. Shaffer et al., 2014).
Der mittlere Herzfrequenzbereich (MHRR) wird berechnet, indem die Unterschiede zwischen der maximalen Herzfrequenz während der Inspiration und der minimalen Herzfrequenz während der Exspiration für jeden Atemzyklus über die Testdauer von 1 Minute, typischerweise 5 bis 6 Atemzüge, gemittelt werden. Der mittlere Inter-Beat-Intervall-Bereich (MIBIR) wird wie MHHR nur unter Verwendung von Inter-Beat-Intervallen in Millisekunden berechnet. Dies vermeidet den möglichen Einfluss der Ratenumwandlung auf Schläge pro Minute, die bei der Berechnung der MHHR verwendet werden.
Das Exspirations-Inspirations-Verhältnis (E: I-Verhältnis) ist das Verhältnis des längsten RR-Intervalls während des Exspirierens zum kürzesten RR-Intervall während der Inspiration. In dieser Studie wurde der Mittelwert der Verhältnisse für jeden Atemzyklus über die Testdauer von 1 Minute verwendet.
Aufnahmelängen
HRV-Aufzeichnungslängen können über Zeiträume von 1 Minute bis Wochen erhalten werden, obwohl die häufigste Kurzzeitaufzeichnungsdauer 5 Minuten beträgt, während die häufigste Langzeitaufzeichnungsdauer 24 Stunden beträgt. Die Länge des Aufzeichnungszeitraums beeinflusst die HRV-Werte erheblich (Labordeet al., 2017) und es ist unangemessen, HRV-Metriken zu vergleichen, wenn sie aus unterschiedlichen Aufzeichnungslängen stammen (Fred Shaffer & Ginsberg, 2017). Darüber hinaus beeinflusst der Kontext, in dem die Aufzeichnung erfolgt, die Werte wie Ruhezustand oder ambulant, sitzend oder auf dem Rücken erheblich. Es sollten 24-Stunden-HRV-Aufzeichnungen erstellt werden, um eine umfassende Bewertung der VLF- und ULF-Schwankungen zu ermöglichen (Kleiger, Stein & Bigger, 2005).
Offensichtlich liefern längere Aufzeichnungszeiträume mehr Informationen über die autonome Funktion, den Gesundheitszustand, Stressreaktionen und Umwelteinflüsse als bei kurzfristigen Aufzeichnungen möglich. Beispielsweise können eine 24-Stunden-Herzfrequenz (HR), Reaktionen auf Stressfaktoren, Arbeitsbelastungen und verschiedene Aspekte des Tagesrhythmus, Unterschiede in der Tag-Nacht-HR, Schlaf-Wach-Zyklen, Traumaktivität usw. nur innerhalb von 24 Stunden beobachtet werden Aufnahmen. 24-Stunden-HRV-Aufzeichnungen gelten daher als „Goldstandard“ für die klinische HRV-Beurteilung (Fred Shaffer & Ginsberg, 2017) und haben ein größeres Vorhersage- oder Gesundheitsrisiko als Kurzzeitaufzeichnungen (L. Fei, X. Copie, M. Malik & AJ Camm, 1996; Kleiger et al., 2005; Nolan et al., 1998), die normalerweise nicht gut mit 24-Stunden-Aufnahmen korrelieren (Lü Fei, Xavier Copie, Marek Malik und A John Camm, 1996).
Natürlich ist es nicht immer praktisch oder kostengünstig, 24-Stunden-HRV-Aufzeichnungen in den Bereichen Forschung, klinische, psychische Gesundheit oder umfassende Gesundheitsrisikobewertung zu erhalten. Kurzzeitaufzeichnungen werden daher seit vielen Jahren in der Forschung häufig eingesetzt (Camm et al., 1996) und in jüngerer Zeit in Verbraucheranwendungen. Es sollte beachtet werden, dass bei kurzfristigen Ruheaufnahmen die Hauptursache für die Variation vagal vermittelte (parasympathische) Prozesse sind (F. Shaffer et al., 2014).
Während das gebräuchlichste Kurzzeitaufzeichnungsprotokoll für 5 Minuten im sitzenden Ruhezustand ist (Camm et al., 1996) haben Forscher ultrakurze Aufzeichnungen im Bereich von 10 Sekunden bis 240 Sekunden verwendet (Baek, Cho, Cho & Woo, 2015; Bradley et al., 2010; van den Berget al., 2018). In einer Studie, die die Korrelationen zwischen den Standard-5-Minuten- und ultrakurzen HRV-Aufzeichnungen in einer großen Population untersuchte, wurde festgestellt, dass für jede HRV-Variable und Altersgruppe unterschiedliche Mindestrekodierungslängen erforderlich waren. Die grundlegenden Ergebnisse waren, dass die HR 10 Sekunden, die HF-Leistung 20 Sekunden, die RMSSD 30 Sekunden, die LF-Leistung 90 Sekunden, die SDNN 240 Sekunden und die VLF-Leistung 270 Sekunden benötigte (Baeket al., 2015).
Ein weiterer Ansatz für kurzfristige HRV-Bewertungen entwickelte sich aus Protokollen, die für autonome Funktionsbewertungen bei Diabetikern entwickelt wurden Herzfrequenzreaktion auf tiefes Atmen (DJ Ewing, Martin, Young & Clarke, 1985; Watkins & MacKay, 1980). Für diese Beurteilung sitzt der Patient ruhig und atmet tief und gleichmäßig mit einer Geschwindigkeit von 6 Atemzügen pro Minute für drei aufeinanderfolgende Atemzyklen. Die maximalen und minimalen Herzfrequenzen während jedes Atemzyklus werden gemessen und als maximale und minimale Unterschiede in der Herzfrequenz ausgedrückt. Es wurde festgestellt, dass diese Beurteilung bei Diabetikern einen besseren diagnostischen Nutzen hat als das Valsalva-Manöver.DJ Ewing et al., 1985). Es wurde festgestellt, dass die Verwendung einer 1-minütigen tiefen Atmung mit 6 Atemzügen pro Minute als Prognoseindex nach einem Myokardinfarkt als Bewertung der HRV ein guter Prädiktor für die Gesamtmortalität und den plötzlichen Tod in dieser Population war (Katz, Liberty, Porath, Ovsyshcher & Prystowsky, 1999). Daher gilt es als einer der zuverlässigsten Tests der Herz-Vagus-Funktion (Niedrig, 2004).
Die beiden am häufigsten verwendeten Metriken für die Beurteilung der tiefen Atmung sind der mittlere Herzfrequenzbereich (MHRR) und das Verhältnis von Exspiration zu Inspiration (E: I). Die MHRR-Methode wird aus einer Reihe aufeinanderfolgender tiefer Atemzüge mit einer Geschwindigkeit von 6 Atemzügen pro Minute gemessen. Die Differenz zwischen der maximalen und minimalen Herzfrequenz während jedes Atemzyklus wird berechnet. Das Ergebnis wird als Mittelwert der Herzfrequenzunterschiede in Schlägen pro Minute (BPM) ausgedrückt (Schilde, 2009). Das E: I-Verhältnis bewertet das Verhältnis des längsten RR-Intervalls während des Ablaufs zum kürzesten RR-Intervall während der Inspiration (Ziegleret al., 1992). Im Wesentlichen handelt es sich bei der 1-minütigen Beurteilung der tiefen Atmung um eine Art „Herausforderungstest“, mit dem die maximale Menge an vagal vermittelter (parasympathischer) HRV bestimmt wird, die das autonome Nervensystem zum Zeitpunkt der Messung produzieren kann. In einer Studie mit 293 Teilnehmern im Alter von 10 bis 82 Jahren wurden die 5-minütige Ruhe-HRV und die 1-minütige Beurteilung der tiefen Atmung sowohl hinsichtlich der Zeit- und Frequenzbereichsmessungen als auch der MHHR- und E: I-Verhältnisse verglichen. Es wurde festgestellt, dass die maximale Variation der Herzfrequenzmessungen im 1-minütigen Tiefatmungstest die höchsten negativen Korrelationen mit dem Alter im Vergleich zu allen HRV-Parametern in der 5-minütigen Ruhebewertung aufwies (Russoniello, Zhirnov, Pougatchev & Gribkov, 2013).
Uns ist nur eine Studie bekannt, in der die Korrelationen zwischen Kurzzeit- und 24-Stunden-Messungen der HRV untersucht wurden, die bei einer Population von Patienten mit bestätigtem Myokardinfarkt durchgeführt wurden. Die Korrelation zwischen einer 5-minütigen Aufzeichnung des Ruhezustands und 24-Stunden-Messungen war relativ schlecht (r = 0.51), obwohl sie signifikant war. Bei der einjährigen Nachuntersuchung waren sowohl die kurz- als auch die langfristigen Maßnahmen bei verstorbenen Patienten signifikant niedriger als bei Überlebenden. Die Langzeitbewertung war jedoch der Ruhezeit, der Kurzzeitbewertung bei der Risikoprognose, deutlich überlegen. Die Autoren schlugen vor, dass Kurzzeitaufzeichnungen für alle Patienten verwendet werden sollten und eine 24-Stunden-Bewertung bei Menschen mit depressiven Kurzzeit-HRV-Werten durchgeführt werden sollte (Lü Fei et al., 1996).
Methoden und Verfahren
In den hier berichteten Studien untersuchten wir die Korrelationen zwischen HRV-Messungen im kurzfristigen Ruhezustand, der 1-minütigen Beurteilung der tiefen Atmung und 24-Stunden-Messungen. Es wurden zwei Studien durchgeführt. Die erste war eine kleinere laborbasierte Pilotstudie (N-28) mit gesunden Personen, in der eine 10-minütige Ruhephase, einminütige Ruhezustände (einminütiger Durchschnitt der 10-minütigen Aufzeichnung) und die HRV-Reaktion auf Handgriffübungen verglichen wurden , die 1-minütige Beurteilung der tiefen Atmung und 24-Stunden-Messungen. Die zweite Primärstudie untersuchte die Korrelationen zwischen der 1-minütigen Beurteilung der tiefen Atmung und 24-Stunden-Messungen in einer Allgemeinbevölkerung (N = 805) von Personen, unabhängig vom Gesundheitszustand.
Teilnehmer
Die Teilnehmer an der Pilotstudie (N-28) waren gesunde Freiwillige, die Mitarbeiter einer der beiden HeartMath-Organisationen in Boulder Creek, CA, waren. 70% waren weiblich (17 weiblich, 11 männlich). Die gesamte Gruppe hatte ein Durchschnittsalter von 55 Jahren (Bereich 25-64 Jahre). Personen mit einer bekannten Gesundheitsstörung oder Personen, die Medikamente einnahmen, von denen bekannt ist, dass sie die autonome Funktion beeinträchtigen, wurden von der Studie ausgeschlossen. Die Studie fand im Herbst 2010 statt.
Für die Primärstudie wurden die Teilnehmer (N = 805) aus einer allgemeinen Bevölkerung von Personen rekrutiert, die unabhängig vom Gesundheitszustand an einer Reihe von Selbstentwicklungskonferenzen zwischen 2014 und 2016 in verschiedenen Städten wie Cabo, Bon teilnahmen und Tacoma. 73% waren weiblich (596 weiblich, 213 männlich). Das Durchschnittsalter betrug 50.1 Jahre (Bereich 19-89 Jahre). Es gab keine Ausschlusskriterien, außer der Zustimmung zur Unterzeichnung des Formulars für die Einwilligung nach Aufklärung. Die Forschung erfüllte alle anwendbaren Standards für die Ethik des Experimentierens gemäß der Deklaration von Helsinki. Alle Teilnehmer unterzeichneten eine Einverständniserklärung und konnten sich jederzeit von der Studie zurückziehen.
HRV-Datenerfassung
Alle Teilnehmer beider Studien wurden rund um die Uhr ambulant einer HRV-Aufzeichnung unterzogen (Bodyguard24, Firstbeat Technologies Ltd., Jyväskylä, Finnland). Die Teilnehmer wurden angewiesen, den Rekorder am Ende des 2-Stunden-Aufnahmezeitraums anzuhalten. Für alle Aufzeichnungen wurden mikroporöse atmungsaktive Einwegelektroden des Ambu Blue Sensor VL verwendet. Die Elektroden wurden in eine modifizierte V24-Position gebracht. Der HRV-Rekorder berechnet das RR-Intervall (R ist ein Punkt, der dem Peak des QRS-Komplexes der EKG-Welle entspricht, und RR ist das Intervall zwischen aufeinanderfolgenden Rs) aus dem bei 5 Hz abgetasteten Elektrokardiogramm. Die RR-Intervalldaten wurden lokal im Gerätespeicher gespeichert und nach Abschluss der Aufzeichnungen auf eine Computerarbeitsstation heruntergeladen.
Alle HRV-Aufzeichnungen wurden mit DADiSP 6.7 analysiert. Inter-Beat-Intervalle von mehr oder weniger als 30% des Mittelwerts der vorherigen vier Intervalle wurden als Artefakte betrachtet und aus dem Analyseprotokoll entfernt. Nach einem automatisierten Bearbeitungsvorgang wurden alle Aufzeichnungen manuell von einem erfahrenen Techniker überprüft und bei Bedarf korrigiert. Tägliche Aufzeichnungen wurden in aufeinanderfolgenden 5-Minuten-Segmenten gemäß den von der HRV Task Force festgelegten Standards verarbeitet.Novak, Saul & Eckberg, 1997) Jedes 5-Minuten-Segment mit> 10% der IBIs, die bei der Bearbeitung fehlten oder entfernt wurden, wurde von der Analyse ausgeschlossen.
Pilotstudie
Die Teilnehmer absolvierten eine 10-minütige Aufzeichnung des Ruhezustands, während sie aufrecht in einem bequemen Stuhl saßen. Anschließend führten sie die 1-minütige Beurteilung der HRV-Tiefatmung durch, gefolgt von einer zweiminütigen Handgriffübung kurz nach dem Anschließen des 24-Stunden-HRV-Rekorders. Das EKG wurde in jedem Segment des Protokolls mit einer Abtastrate von 30 Hz aufgezeichnet (Biopac MP 250). Für die Aufzeichnung des Ruhezustands wurden die Teilnehmer angewiesen, 10 Minuten lang ruhig zu sitzen, ohne zu sprechen, Kaugummi zu kauen, zu lesen usw.) und zu versuchen, so ruhig wie möglich zu bleiben, ohne auf Komfort zu verzichten. Sie wurden angewiesen, nicht zu meditieren oder andere ähnliche Praktiken anzuwenden und sich nicht auf intensive mentale oder emotionale Aktivitäten einzulassen und die Augen offen zu halten, um ein Einschlafen zu vermeiden. Während der 1-minütigen tiefen Atmung wurden die Teilnehmer angewiesen, so tief wie möglich in dem Rhythmus zu atmen, der auf einem Atemtaktbildschirm (XXX) angezeigt wurde, der ein Rhythmus von zehn Sekunden war (fünf Sekunden beim Einatmen) und fünf Sekunden beim Ausatmen). Die Stimulationsperiode dauerte eine Minute (sechs Atemzyklen). Einige Personen benötigten eine Übungsstunde, bevor sie den Aspekt der tiefen Atmung des Protokolls erfolgreich abgeschlossen hatten. Für das Handgriffsegment des Protokolls wurde zunächst die maximale Griffstärke jedes Teilnehmers (Biopac MP3X-Dynamometer) aus zwei kurzen Kontraktionen mit seiner nicht dominanten Hand bestimmt. Anschließend führten die Teilnehmer 2 Minuten lang einen anhaltenden Handgriff bei 35% ihrer maximalen Griffstärke durch. Dies war normalerweise eine erschöpfende Übung.
Primärstudie
Für die Primärstudie wurden alle Teilnehmer mit einem ambulanten HRV-Rekorder ausgestattet und trugen diesen 24 Stunden lang. Zu Beginn des Aufzeichnungszeitraums wurden die Teilnehmer in das oben beschriebene 1-Minuten-Protokoll für tiefes Atmen eingewiesen. Der einzige Unterschied bestand darin, dass die Teilnehmer keine Übungsstunde erhielten.
Statistiken
Korrelationskoeffizienten und P-Werte wurden für alle 24-Stunden- und kurzfristigen HRV-Messungen berechnet (IBM SPSS Version 22). Die Korrelationen für die Pilotstudie sind in Tabelle 1 und die Korrelationen für die Primärstudie in Tabelle 2 dargestellt.
Die Ergebnisse
Pilotstudie
Wie in Tabelle 1 gezeigt, hatten alle getesteten HRV-Bewertungen signifikante negative Korrelationen mit dem Alter. Die höchsten Korrelationen bestanden mit den 24-Stunden-Messungen der LF- und HF-Leistung (r = -0.62, -0.59 p <0.01), gefolgt von der Gesamtleistung (TP) (r = -0.56 p <0.01) und der VLF-Leistung (r =) -0.48, p <0.05). Die 1-minütige Beurteilung der tiefen Atmung hatte die nächsthöheren negativen Korrelationen: SDNN (r = -0.57, p <0.01), RMSSD (r = -0.56, p <0.01) und MHHR (r = -0.49, p <0.01). Die Korrelationen im 10-Minuten-Ruhezustand und der Handgriffbewertung mit dem Alter hatten ähnliche Ergebnisse für die HF-Leistung (r = -0.53, p <0.01). Die LF-Leistung betrug (r = -0.41, p <0.01) für den 10-minütigen Ruhezustand und (r = -0.46, p <0.01) für die Handgriffbewertung. Die VLF-Leistung für den Ruhezustand korrelierte nicht signifikant mit dem Alter.
1-minütiges schrittweises tiefes Atmen
Insgesamt ist die 1-min. Die schrittweise tiefe Atmung hatte die höchsten Korrelationen mit den 24-Stunden-Messungen. Das SDNN korrelierte mit der 24-Stunden-HF-Leistung (r = 0.74, p <0.01), der LF-Leistung (r = 0.72, p <0.01), der VLF-Leistung (r = 0.64, p <0.01), der TP (r = 0.70, p <0.01), RMSSD (r = 0.71, p <0.01) und SDNN (r = 0.66, p <0.01). In ähnlicher Weise wurde die RMSSD mit der HF-Leistung (r = 0.72, p <0.01), der LF-Leistung (r = 0.74, p <0.01), der VLF-Leistung (r = 0.67, p <0.01), der TP (r = 0.72, p) korreliert <0.01) und SDNN (r = 0.69, p <0.01). Die MHHR korrelierte auch stark mit der HF-Leistung (r = 0.77, p <0.01), der LF-Leistung (r = 0.75, p <0.01), der VLF-Leistung (r = 0.66, p <0.01) und der TP (r = 0.72, p) <0.01), RMSSD (r = 0.73, p <0.01) und SDNN (r = 0.58, p <0.01).
10-minütiger Ruhezustand
In der 10-minütigen Ruhezustandsbewertung wurde die HF-Leistung mit 24-Stunden-HF (r = 0.71, p <0.01), LF (r = 0.70, p <0.01), VLF (r = 0.51, p <0.01) korreliert. TP (r = 0.60, p <0.01) RMSSD (r = 0.60, p <0.01) und SDNN (r = 0.48, p <0.01). Die LF-Leistung korrelierte mit der 24-Stunden-LF (r = 0.50, p <0.01), der VLF-Leistung (r = 0.39, p <0.05), der TP (r = 0.44, p <0.05), war jedoch nicht mit der 24-Stunden-Leistung korreliert RMSSD oder SDNN. Die einzige Korrelation der VLF-Leistung bei der Aufzeichnung des Ruhezustands bestand mit der 24-Stunden-VLF (r = 0.46, p <0.05). Das TP wurde mit 24-Stunden-HF (r = 0.49, p <0.01), LF (r = 0.50, p <0.01), VLF (r = 0.52, p <0.01), TP (r = 0.53, p <0.01) korreliert ) RMSSD (r = 0.38, p <0.05) und SDNN (r = 0.42, p <0.05).
Handgriff
Während der Handgriffbewertung wurde die HF-Leistung mit 24-Stunden-HF (r = 0.58, p <0.01), LF (r = 0.58, p <0.01), VLF (r = 0.46, p <0.01), TP (r) korreliert = 0.53, p <0.01), RMSSD (r = 0.55, p <0.01) und SDNN (r = 0.46, p <0.05). Die LF-Leistung wurde mit 24-Stunden-HF (r = 0.51, p <0.01), LF (r = 0.58, p <0.01), VLF-Leistung (r = 0.54, p <0.05) TP (r = 0.58, p <0.05) korreliert ) und RMSSD (r = 0.56, p <0.01). Das TP wurde mit 24-Stunden-HF (r = 0.58, p <0.01), LF (r = 0.63, p <0.01), VLF (r = 0.72, p <0.01), TP (r = 0.61, p <0.01) korreliert ), RMSSD (r = 0.63, p <0.01) und SDNN (r = 0.40, p <0.05).
Tabelle 1
Basierend auf dem Ergebnis der Pilotstudie haben wir uns in der Primärstudie für das 1-minütige Tiefenatmungsprotokoll entschieden.
Primärstudie
Alle HRV-Bewertungen mit Ausnahme der IBIs in den 24-Stunden-Bewertungen hatten signifikante negative Korrelationen mit dem Alter (Tabelle 2). Die höchsten Korrelationen bestanden mit dem LF (r = -0.521, p <0.01) und der HF-Leistung (r = -0.506, p <0.01), gefolgt von TP (r = -0.455 p <0.01), SDNN-Index (r = -0.436) , p <0.01), RMSSD (r = -0.427, p <0.01) und VLF-Leistung (r = -0.377, p <0.05).
Für die Korrelationen zwischen der 1-min. Bei der Beurteilung der tiefen Atmung und der 24-Stunden-Messungen waren die höchsten Korrelationen mit den mittleren IBIs (r = 0.761 p <0.01) und der zugehörigen Messung HR (0.756 p <0.01) zu verzeichnen. IBIs haben eine umgekehrte Beziehung zur Herzfrequenz, wobei größere IBIs einer niedrigeren Herzfrequenz entsprechen. Herzfrequenz und IBIs sind ein idealer Indikator für Veränderungen im relativen Gleichgewicht zwischen parasympathischer und sympathischer Aktivität und dafür, wie das autonome System auf verschiedene Arten von Stressoren oder Herausforderungen reagiert und sich diesen anpasst (R McCraty & Shaffer, 2015).
Die höchsten Korrelationen für die HRV-Variablen bestanden mit den vagal vermittelten HRV-Quellen. Die 1-min. Die stimulierte RMSSD mit tiefer Atmung korrelierte positiv mit der 24-Stunden-HF-Leistung (r = 0.60, p <0.01), der RMSSD (r = 0.62, p <0.01) und der LF-Leistung (r = 0.64, p <0.01). Es wurde auch mit der VLF-Leistung (r = 0.57, p <0.01) TP (r = 0.42, p <0.01), dem SDNN-Index (r = 0.59, p <0.01) und SDNN (r = 0.41, p <0.01) korreliert. .
Die MIBIR, ms korrelierte auch stark mit den vagal vermittelten 24-Stunden-Variablen; HF-Leistung (r = 0.52, p <0.01), RMSSD (r = 0.52, p <0.01) und LF-Leistung (r = 0.58, p <0.01). Es korrelierte auch mit der VLF-Leistung (r = 0.49, p <0.01), der 5-minütigen Gesamtleistung (r = 0.54, p <0.01), dem TP (r = 0.37, p <0.01), dem SDNN-Index (r = 0.51, p <0.01) und SDNN (r = 0.36, p <0.01).
Das 1-minütige SDNN mit tiefem Tempo und tiefer Atmung korrelierte mit der 24-Stunden-HF-Leistung (r = 0.55, p <0.01), der LF-Leistung r = (0.61, p <0.01), der VLF-Leistung (r = 0.53, p <0.01). TP (r = 0.59, p <0.01), RMSSD (r = 0.55, p <0.01), SDNN-Index (r = 0.56, p <0.01) und SDNN (r = 0.40, p <0.01).
Tabelle 2.
Diskussion und zusammenfassung
Wir untersuchten die Korrelationen zwischen HRV-Messungen während eines kurzfristigen Ruhezustands, 1-minütiger Tiefenatmung, Handgriff und 24-Stunden-Messungen. In der Pilotstudie, die in unserem Labor mit bekannten gesunden Personen durchgeführt wurde, konnten wir sicherstellen, dass alle Protokolle sorgfältig befolgt wurden. Dies war besonders wichtig für die 1-minütige Beurteilung der tiefen Atmung, da es wichtig ist, dass die Teilnehmer während der Beurteilung so tief wie möglich atmen. Wir fanden heraus, dass viele der Teilnehmer eine Übungsstunde benötigten, bevor sie sich mit dem Atmen so tief wie möglich mit dem Rhythmus von sechs Atemzügen pro Minute vertraut machen konnten.
Im Wesentlichen bestimmt die 1-minütige Beurteilung der tiefen Atmung die praktische maximale HRV, die das kardiorespiratorische System zum Zeitpunkt der Beurteilung erzeugen kann. Dies erfordert, dass der Teilnehmer mit der Resonanzfrequenz des kardiorespiratorischen Systems atmet und so tief wie möglich atmet, um den Atemantrieb zu maximieren (Houtveen, Rietveld & De Geus, 2002). Resonanz tritt in einem Schwingungssystem auf, wenn die Amplitude bei einer bestimmten Frequenz plötzlich stark ansteigt. Die meisten mathematischen Modelle zeigen, dass die Resonanzfrequenz des menschlichen Herz-Kreislauf-Systems durch die Rückkopplungsschleifen zwischen Herz und Gehirn bestimmt wird (Baselli et al., 1994; deBoer, Karemaker & Strackee, 1987; Karavaev et al., 2016) und beträgt ca. 0.1 Hz. Resonanz ist ein Aspekt des HRV-Kohärenzzustands, der mit einer Verschiebung des autonomen Gleichgewichts hin zu einer erhöhten parasympathischen Aktivität, einer erhöhten Herz-Hirn-Synchronisation, einer erhöhten Gefäßresonanz und einer Mitnahme zwischen verschiedenen physiologischen Oszillationssystemen verbunden ist (R. McCraty et al., 2009; R. McCraty, Childre, D, 2010; Tiller, McCraty & Atkinson, 1996).
Insgesamt deuten die Ergebnisse der kontrollierten Pilotstudie darauf hin, dass die 1-minütige Beurteilung der tiefen Atmung nicht nur die höchsten Korrelationen mit den 24-Stunden-Messungen der vagal vermittelten HRV aufwies, sondern auch etwas bessere Korrelationen mit der VLF-Leistung als die 10-Stunden-Messung. Minute Ruhe HRV.
Die Primärstudie wurde durchgeführt, um die Generalisierbarkeit der Ergebnisse der Pilotstudie in Bezug auf die 1-minütige Beurteilung der tiefen Atmung zu verbessern. Während etwas geringere Korrelationen zu 24-Stunden-Messungen der vagal vermittelten HRV und der VLF-Leistung relevant blieben, war der RMSSD in 1 Minute. Die Bewertung der tiefen Atmung hatte eine Korrelation von 0.60 mit der 24-Stunden-HF-Leistung, eine Korrelation von 0.64 mit der LF-Leistung und eine Korrelation von 0.57 mit der VLF-Leistung. Dies ist ein wichtiger Faktor, da die geringe Leistung im VLF-Rhythmus eine stärkere Assoziation mit der Gesamtmortalität aufweist als die LF- und HF-Banden (Tsuji et al., 1996; Tsuji et al., 1994), ist mit arrhythmischem Tod verbunden (Größer et al., 1992), PTBS (Shah et al., 2013) und hohe Entzündung (Carneyet al., 2007; Lampert et al., 2008). Darüber hinaus war es die kürzeste Zeit und ist relativ einfach zu tun.
Zusammenfassend legen die Ergebnisse dieser Studie nahe, dass das 1-minütige Protokoll für tiefes Atmen ein nützlicher und potenziell wichtiger Test ist, der im Zusammenhang mit der Bewertung des Gesundheitsrisikos für das Screening von Patienten verwendet werden kann. Wenn niedrige Werte gefunden werden, wird empfohlen, eine 24-Stunden-Bewertung durchzuführen.
Referenzen
Agelink, MW, Boz, C., Ullrich, H. & Andrich, J. (2002). Beziehung zwischen Major Depression und Herzfrequenzvariabilität. Klinische Konsequenzen und Auswirkungen auf die antidepressive Behandlung. Psychiatrie Res, 113(1-2), 139-149.
A. Alabdulgader, R. McCraty, M. Atkinson, Y. Dobyns, V. Stolc, V. A & M. Ragulskis (2018). Langzeitstudie der Herzfrequenzvariabilitätsreaktionen auf Änderungen in der solaren und geomagnetischen Umgebung. Naturwissenschaftliche Rezensionen, in der Presse
Appelhans, B. & Luecken, L. (2006). Herzfrequenzvariabilität als Index für regulierte emotionale Reaktionen. Übersicht über die Allgemeine Psychologie, 10(3), 229-240.
Axelrod, S., Lishner, M., Oz, O. & al., E. (1987). Spektralanalyse von Herzfrequenzschwankungen: Eine objektive Bewertung. Nephron, 45, 202-206.
Baek, HJ, Cho, C.-H., Cho, J. & Woo, J.-M. (2015). Zuverlässigkeit der Ultrakurzzeitanalyse als Ersatz für eine Standard-5-Minuten-Analyse der Herzfrequenzvariabilität. Telemedizin und elektronische Gesundheitsdienste, 21(5), 404-414.
Baselli, G., Cerutti, S., Badilini, F., Biancardi, L., Porta, A., Pagani, M.,. . . Malliani, A. (1994). Modell zur Bewertung der Variabilität der Herzperiodenvariabilität von Atmungseinflüssen. Medizin- und Biotechnik und Informatik, 32(2), 143-152.
Beauchaine, T. (2001). Vagalton, Entwicklung und Graus Motivationstheorie: Hin zu einem integrierten Modell des autonomen Nervensystems in der Psychopathologie. Entwickler-Psychopath, 13(2), 183-214.
Berntson, GG, Norman, GJ, Hawkley, LC & Cacioppo, JT (2008). Autonomes Herzgleichgewicht im Vergleich zur Herzregulationskapazität. Psychophysiologie, 45(4), 643-652. doi:10.1111/j.1469-8986.2008.00652.x
Bigger, JT, Jr., Fleiss, JL, Steinman, RC, Rolnitzky, LM, Kleiger, RE & Rottman, JN (1992). Frequenzbereichsmessungen der Variabilität und Mortalität der Herzperiode nach Myokardinfarkt. Auflage, 85(1), 164-171.
Bradley, RT, McCraty, R., Atkinson, M., Tomasino, D., Daugherty, A. & Arguelles, L. (2010). Emotionsselbstregulation, psychophysiologische Kohärenz und Testangst: Ergebnisse eines Experiments mit elektrophysiologischen Maßnahmen. Appl Psychophysiol Biofeedback, 35(4), 261-283. doi:10.1007/s10484-010-9134-x
Braune, HJ & Geisendorfer, U. (1995). Messung von Herzfrequenzschwankungen: Einflussfaktoren, Normalwerte und diagnostische Auswirkungen auf die diabetische autonome Neuropathie. Diabetes Res Clin-Praxis, 29(3), 179-187.
AJ Camm, M. Malik, JT Bigger, G. Breithardt, S. Cerutti, RJ Cohen & DH Singer (1996). Herzfrequenzvariabilitätsstandards für Messung, physiologische Interpretation und klinische Anwendung. Task Force der Europäischen Gesellschaft für Kardiologie und der Nordamerikanischen Gesellschaft für Stimulation und Elektrophysiologie. Auflage, 93(5), 1043-1065.
Carney, RM, Blumenthal, JA, Stein, PK, Watkins, L., Catellier, D., Berkman, LF ,. . . Freedland, KE (2001). Depression, Herzfrequenzvariabilität und akuter Myokardinfarkt. Auflage, 104(17), 2024-2028.
Carney, RM, Freedland, KE, Stein, PK, Miller, GE, Steinmeyer, B., Rich, MW & Duntley, SP (2007). Herzfrequenzvariabilität und Marker für Entzündung und Gerinnung bei depressiven Patienten mit koronarer Herzkrankheit. J Psychosom Res, 62(4), 463-467. doi:10.1016/j.jpsychores.2006.12.004
Cohen, H. & Benjamin, J. (2006). Leistungsspektrumanalyse und kardiovaskuläre Morbidität bei Angststörungen. Auton Neurosci, 128(1-2), 1-8. doi:10.1016/j.autneu.2005.06.007
DeWoer, RW, Karemaker, JM & Strackee, J. (1987). Hämodynamische Schwankungen und Baroreflexempfindlichkeit beim Menschen: ein Beat-to-Beat-Modell. Am J Physiol, 253(3 Teil 2), H680-689.
JM Dekker, EG Schouten, P. Klootwijk, J. Pool, CA Swenne & D. Kromhout (1997). Die Herzfrequenzvariabilität aus kurzen elektrokardiographischen Aufzeichnungen sagt die Mortalität aus allen Gründen bei Männern mittleren und älteren Alters voraus. Die Zutphen-Studie. Amerikanische Zeitschrift für Epidemiologie, 145(10), 899-908.
Elektrophysiologie, TF ot ES o. C. bei NAS o. P. a. (1996). Herzfrequenzvariabilität: Messstandards, physiologische Interpretation und klinische Anwendung. Auflage, 93, 1043-1065.
Ernst, G. (2017). Herzfrequenzvariabilität - mehr als Herzschläge? Grenzen der öffentlichen Gesundheit, 5 240.
Ewing, D., Campbell, I. & Clarke, B. (1976). Mortalität bei diabetischer autonomer Neuropathie. Lanzette, 1, 601-603.
Ewing, DJ, Martin, CN, Young, RJ & Clarke, BF (1985). Der Wert von kardiovaskulären autonomen Funktionstests: 10 Jahre Erfahrung bei Diabetes. Diabetesversorgung, 8, 491-498.
J. Fatisson, V. Oswald & F. Lalonde (2016). Einflussdiagramm physiologischer und umweltbedingter Faktoren, die die Herzfrequenzvariabilität beeinflussen: eine erweiterte Literaturübersicht. Herz Int, 11(1), e32.
Fei, L., Copie, X., Malik, M. & Camm, AJ (1996). Kurz- und Langzeitbewertung der Herzfrequenzvariabilität zur Risikostratifizierung nach akutem Myokardinfarkt. Am J. Kardiol, 77(9), 681-684.
Fei, L., Copie, X., Malik, M. & Camm, AJ (1996). Kurz- und Langzeitbewertung der Herzfrequenzvariabilität zur Risikostratifizierung nach akutem Myokardinfarkt. Amerikanisches Journal für Kardiologie, 77(9), 681-684.
Geisler, F. & Kubiak, T. (2009). Die Herzfrequenzvariabilität sagt Selbstkontrolle bei der Zielverfolgung voraus. Europäische Zeitschrift für Persönlichkeit, 23(8), 623-633.
F. Geisler, N. Vennewald, T. Kubiak & H. Weber (2010). Der Einfluss der Herzfrequenzvariabilität auf das subjektive Wohlbefinden wird durch Emotionsregulation vermittelt. Persönlichkeit und individuelle Unterschiede, 49(7), 723-728.
FC Geisler, T. Kubiak, K. Siewert & H. Weber (2013). Der Vagalton des Herzens ist mit sozialem Engagement und Selbstregulierung verbunden. Biol Psychol, 93(2), 279-286. doi:10.1016/j.biopsycho.2013.02.013
Hadase, M., Azuma, A., Zen, K., Asada, S., Kawasaki, T., Kamitani, T.,. . . Matsubara, H. (2004). Die sehr niederfrequente Kraft der Herzfrequenzvariabilität ist ein starker Prädiktor für die klinische Prognose bei Patienten mit Herzinsuffizienz. Kreis J, 68(4), 343-347.
Hirsch, JA & Bishop, B. (1981). Arrhythmie der Nasennebenhöhlen beim Menschen: Wie das Atmungsmuster die Herzfrequenz moduliert. Amerikanische Zeitschrift für Physiologie, 241(4), H620-H629.
JH Houtveen, S. Rietveld & EJ De Geus (2002). Beitrag der tonischen vagalen Modulation der Herzfrequenz, des zentralen Atemantriebs, der Atemtiefe und der Atemfrequenz zur Arrhythmie der Nasennebenhöhlen bei psychischem Stress und körperlicher Betätigung. Psychophysiologie, 39(4), 427-436.
Karavaev, AS, Ishbulatov, YM, Ponomarenko, VI, Prokhorov, MD, Gridnev, VI, Bezruchko, BP & Kiselev, AR (2016). Modell des menschlichen Herz-Kreislauf-Systems mit einer Schleife der autonomen Regulierung des mittleren arteriellen Drucks. Zeitschrift der American Society of Hypertension, 10(3), 235-243.
Katz, A., Liberty, IF, Porath, A., Ovsyshcher, I. & Prystowsky, EN (1999). Ein einfacher Test am Krankenbett zur 1-minütigen Variabilität der Herzfrequenz während der tiefen Atmung als prognostischer Index nach einem Myokardinfarkt. Amerikanisches Herzjournal, 138(1), 32-38.
N. Kazuma, K. Otsuka, I. Matsuoka & M. Murata (1997). Herzfrequenzvariabilität während 24 Stunden bei asthmatischen Kindern. Chronobiol Int, 14(6), 597-606.
Kleiger, RE, Stein, PK & Bigger, JT, Jr. (2005). Herzfrequenzvariabilität: Messung und klinischer Nutzen. Ann nichtinvasives Elektrokardiol, 10(1), 88-101. doi:10.1111/j.1542-474X.2005.10101.x
Laborde, S., Mosley, E. & Thayer, JF (2017). Herzfrequenzvariabilität und Herzvagalton in der psychophysiologischen Forschung - Empfehlungen für die Versuchsplanung, Datenanalyse und Datenberichterstattung. Frontpsychologie, 8 213.
Lampert, R., Bremner, JD, Su, S., Miller, A., Lee, F., Cheema, F.,. . . Vaccarino, V. (2008). Eine verminderte Variabilität der Herzfrequenz ist bei Männern mittleren Alters mit einem höheren Entzündungsgrad verbunden. Am Herz J, 156(4), 759 e751-757. doi: 10.1016 / j.ahj.2008.07.009
Low, PA (2004). Laborbewertung der autonomen Funktion Ergänzungen zur klinischen Neurophysiologie (Bd. 57, S. 358-368): Elsevier.
Malliani, A. (1995). Assoziation von Herzfrequenzvariabilitätskomponenten mit physiologischen Regulationsmechanismen. In M. Malik & amp; AJ Camm (Hrsg.), Herzfrequenzvariabilität (S. 173-188). Armonk NY: Futura Publishing Company, Inc.
A. Malliani, F. Lombardi, M. Pagani & S. Cerutti (1994). Leistungsspektralanalyse der kardiovaskulären Variabilität bei Patienten mit einem Risiko für plötzlichen Herztod. J Herz-Kreislauf-Elektrophysiol, 5(3), 274-286.
McCraty, R., Atkinson, M., Stloc, V., Al Abdulgader, A., Vainoras, A. & Rangulas, M. (2017). Synchronisation von Rhythmen des menschlichen autonomen Nervensystems mit geomagnetischer Aktivität bei Menschen Zeitschrift für Umweltforschung und öffentliche Gesundheit, 14(770), 1-18. doi:10.3390/ijerph14070770
R. McCraty, M. Atkinson, D. Tomasino & R. Bradley (2009). Das kohärente Herz: Herz-Hirn-Interaktionen, psychophysiologische Kohärenz und die Entstehung einer systemweiten Ordnung. Integrale Überprüfung, 5(2), 10-115.
McCraty, R., Childre, D. (2010). Kohärenz: Brücke zwischen persönlicher, sozialer und globaler Gesundheit. Alternative Therapien in Gesundheit und Medizin, 16(4), 10-24.
McCraty, R. & Shaffer, F. (2015). Herzfrequenzvariabilität: Neue Perspektiven für physiologische Mechanismen, Bewertung der Selbstregulierungskapazität und Gesundheitsrisiko. Glob Adv Health Med, 4(1), 46-61. doi:10.7453/gahmj.2014.073
McCraty, R. & Zayas, M. (2014). Herzkohärenz, Selbstregulierung, autonome Stabilität und psychosoziales Wohlbefinden. Frontpsychologie, 5(September), 1-13. doi: 10.3389 / fpsyg.2014.01090
A. Nasermoaddeli, M. Sekine & S. Kagamimori (2004). Assoziation zwischen Kohärenzgefühl und Herzfrequenzvariabilität bei gesunden Probanden. Umwelt Gesundheit Prev Med, 9(6), 272-274. doi:10.1007/BF02898142
Nolan, J., Batin, PD, Andrews, R., Lindsay, SJ, Brooksby, P., Mullen, M.,. . . Fox, KA (1998). Prospektive Studie zur Variabilität und Mortalität der Herzfrequenz bei chronischer Herzinsuffizienz: Ergebnisse der britischen Bewertung der Herzinsuffizienz und Bewertung der Risikostudie (UK-Herz). Auflage, 98(15), 1510-1516.
Novak, V., Saul, JP & Eckberg, DL (1997). Bericht der Task Force zur Variabilität der Herzfrequenz. Auflage, 96(3), 1056-1057.
M. Pagani, F. Lombardi & S. Guzzette (1986). Leistungsspektralanalyse von Herzfrequenz- und arteriellen Druckvariabilitäten als Marker für die sympatho-vagale Interaktion bei Mensch und bewusstem Hund. Kreisauflösung, 59, 178-184.
Pal, GK, Adithan, C., Ananthanarayanan, PH, Pal, P., Nanda, N., Durgadevi, T.,. . . Dutta, TK (2013). Sympathovagales Ungleichgewicht trägt zum Prähypertonie-Status und zu kardiovaskulären Risiken bei, die durch Insulinresistenz, Entzündung, Dyslipidämie und oxidativen Stress bei Verwandten ersten Grades von Typ-2-Diabetikern verursacht werden. PLoS One, 8(11), e78072. doi: 10.1371 / journal.pone.0078072
D. Ramaekers, H. Ector, K. Demyttenaere, A. Rubens & F. Van de Werf (1998). Assoziation zwischen kardialer autonomer Funktion und Bewältigungsstil bei gesunden Probanden. Schrittmacher Clin Elektrophysiol, 21(8), 1546-1552.
A. Reynard, R. Gevirtz, R. Berlow, M. Brown & K. Boutelle (2011). Herzfrequenzvariabilität als Marker der Selbstregulation. Appl Psychophysiol Biofeedback, 36(3), 209-215. doi:10.1007/s10484-011-9162-1
Russoniello, CV, Zhirnov, YN, Pougatchev, VI & Gribkov, EN (2013). Herzfrequenzvariabilität und biologisches Alter: Auswirkungen auf Gesundheit und Spiel. Cyberpsychol Behav Soc Netw, 16(4), 302-308. doi:10.1089/cyber.2013.1505
A. Sajadieh, OW Nielsen, V. Rasmussen, HO Hein, S. Abedini & JF Hansen (2004). Eine erhöhte Herzfrequenz und eine verringerte Variabilität der Herzfrequenz sind mit subklinischen Entzündungen bei Patienten mittleren und älteren Alters ohne offensichtliche Herzerkrankung verbunden. Eur Herz J, 25(5), 363-370. doi:10.1016/j.ehj.2003.12.003
Schmidt, H., Müller-Werdan, U., Hoffmann, T., Francis, DP, Piepoli, MF, Rauchhaus, M.,. . . Werdan, K. (2005). Die autonome Dysfunktion sagt die Mortalität bei Patienten mit Syndrom der multiplen Organfunktionsstörung verschiedener Altersgruppen voraus. Crit Care Med, 33(9), 1994-2002.
Segerstrom, SC & Nes, LS (2007). Die Variabilität der Herzfrequenz spiegelt die Stärke, Anstrengung und Müdigkeit der Selbstregulierung wider. Psychologische Wissenschaft, 18(3), 275-281. doi:10.1111/j.1467-9280.2007.01888.x
Shaffer, F. & Ginsberg, J. (2017). Ein Überblick über Metriken und Normen zur Variabilität der Herzfrequenz. Grenzen der öffentlichen Gesundheit, 5 258.
Shaffer, F., McCraty, R. & Zerr, C. (2014). Ein gesundes Herz ist kein Metronom: Eine integrative Überprüfung der Anatomie und Herzfrequenzvariabilität des Herzens. Front Psychol, 5: 1040. doi: 0.3389 / fpsyg.2014.01040
Shah, AJ, Lampert, R., Goldberg, J., Veledar, E., Bremner, JD & Vaccarino, V. (2013). Posttraumatische Belastungsstörung und beeinträchtigte autonome Modulation bei männlichen Zwillingen. Biol Psychiatrie, 73(11), 1103-1110. doi:10.1016/j.biopsych.2013.01.019
Shields, RW, Jr. (2009). Herzfrequenzvariabilität mit tiefer Atmung als klinischer Test der kardiovagalen Funktion. Cleve Clin J Med, 76 Suppl 2S37-40.
Sänger, DH (2010). Hohe Herzfrequenzvariabilität, Marker für eine gesunde Langlebigkeit. Am J. Kardiol, 106(6), 910.
Sänger, DH, Martin, GJ, Magid, N., Weiss, JS, Schaas, JW, Kehoe, R.,. . . Lesch, M. (1988). Geringe Herzfrequenzvariabilität und plötzlicher Herztod. Zeitschrift für Elektrokardiologie(Ergänzende Ausgabe), S46-S55.
Smith, TW, Cribbet, MR, Nealey-Moore, JB, Uchino, BN, Williams, PG, Mackenzie, J. & Thayer, JF (2011). Fragen des variablen Herzens: Reaktion der Arrhythmie der Nasennebenhöhlen auf eheliche Interaktion und Assoziationen mit der Qualität der Ehe. J Pers Soc Psychol, 100(1), 103-119. doi:10.1037/a0021136
JF Thayer, AL Hansen, E. Saus-Rose & BH Johnsen (2009). Herzfrequenzvariabilität, präfrontale neuronale Funktion und kognitive Leistung: Die Perspektive der neuroviszeralen Integration auf Selbstregulation, Anpassung und Gesundheit. Ann Behav Med, 37(2), 141-153.
Tiller, WA, McCraty, R. & Atkinson, M. (1996). Herzkohärenz: Ein neues, nicht-invasives Maß für die Ordnung des autonomen Nervensystems. Altern Ther Health Med, 2(1), 52-65.
Tsuji, H., Larson, MG, Venditti, FJ, Jr., Manders, ES, Evans, JC, Feldman, CL & Levy, D. (1996). Einfluss einer verringerten Variabilität der Herzfrequenz auf das Risiko für Herzereignisse. Die Framingham-Herzstudie. Auflage, 94(11), 2850-2855.
Tsuji, H., Venditti, FJ, Jr., Manders, ES, Evans, JC, Larson, MG, Feldman, CL & Levy, D. (1994). Reduzierte Herzfrequenzvariabilität und Mortalitätsrisiko in einer älteren Kohorte. Die Framingham-Herzstudie. Auflage, 90(2), 878-883.
K. Umetani, DH Singer, R. McCraty & M. Atkinson (1998). XNUMX-Stunden-Zeitbereich Herzfrequenzvariabilität und Herzfrequenz: Beziehungen zu Alter und Geschlecht über neun Jahrzehnte. J. Am. Coll. Kardiol, 31(3), 593-601.
van den Berg, M., Rijnbeek, P., Niemeijer, M., Hofman, A., van Herpen, G., Bots, M.,. . . Stricker, B. (2018). Normale Werte der korrigierten Herzfrequenzvariabilität in 10-Sekunden-Elektrokardiogrammen für alle Altersgruppen. Vorderes Physiol, 9 424.
AI Vinik, RE Maser, BD Mitchell & R. Freeman (2003). Diabetische autonome Neuropathie. Diabetesversorgung, 26(5), 1553-1579.
Watkins, PJ & MacKay, J., .D (1980). Herz-Denervation bei diabetischer Neuropathie. Ann Praktikantin Med, 92(2_Teil_2), 304-307.
Wolf, MM, Varigos, GA, Hunt, D. & Sloman, JG (1978). Sinusarrhythmie bei akutem Mykardinfarkt. Medizinisches Journal von Australien, 2, 52-53.
D. Ziegler, G. Laux, K. Dannehl, M. Spüler, H. Mühlen, P. Mayer & F. Gries (1992). Bewertung der kardiovaskulären autonomen Funktion: altersbedingte Normalbereiche und Reproduzierbarkeit der Spektralanalyse, Vektoranalyse und Standardtests der Herzfrequenzvariation und der Blutdruckreaktionen. Diabetische Medizin, 9(2), 166-175.
Zohar, A., Cloninger, R. & McCraty, R. (2013). Persönlichkeits- und Herzfrequenzvariabilität: Erforschung der Wege von der Persönlichkeit zur Herzkohärenz und Gesundheit. Offene Zeitschrift für Sozialwissenschaften, 1(6), 32-39.