DOI: https://doi.org/10.31071/kit2021.17.10

Опис-посилання

ISSN 1812-7231(print), ISSN 2786-5800 (Online) Klin. inform. telemed. Volume 16, Issue 17, 2021, Pages 61-68

Автор(и)

А. В. Савчук, Н. Г. Іванушкіна

Установа(ви)

Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

Назва статті

Аналіз електрокардіосигналів у комбустіології за допомогою системи реєстрації на основі ємнісних електродів

Анотація (резюме)

Вступ. При обширних пошкодженнях шкіри існує ризик порушення нормальної роботи життєво важливих функцій організму, що загрожує життю. Пацієнти потребують особливої довготривалої реабілітації в стаціонарі під наглядом лікарів з можливістю спостереження параметрів серцевого ритму та варіабельності ритму серця (ВСР). При значних пошкодженнях шкіри грудної ділянки чи при використанні засобів для реабілітації часто немає можливості використовувати класичні електроди для вимірю-вання електрокардіограми (ЕКГ).

Матеріали та методи. Для запису сигналу ЕКГ використовувалась система реєстрації сигналу ЕКГ на основі ємнісних електродів. Метою дослідження було доведення можливості аналізу ВСР на основі сигналів ЕКГ, записаних за допомогою ємнісних електродів за умови наявності засобів для реабілітації. Записувались сигнали ЕКГ з чистої підготовленої шкіри, а також із накладанням на шкіру марлевих пов’язок просякнутих фізіологічним розчином та плівкою полівінілхлориду ПВХ. Дані в обох випадках записувались з однієї особи, фільтрувалися та використовувались для розрахунку параметрів ВСР.

Результати та обговорення. На основі результатів аналізу сигналів ЕКГ, записаних за допомогою ємнісних електродів та роз-рахунків параметрів ВСР показано, що бібліотеки pyHRV та NeuroKit2 можна використовувати для подальших досліджень при аналізі ВСР пацієнтів з опіками. Отримані графіки Пуанкаре та синхронізовані по R-піку QRS комплекси при додатковій обробці можуть бути індикаторами: аритмії, екстрасистолії чи відсутності певних зубців в ЕКГ при добовому моніторингу пацієнтів на реабілітації в опікових відділеннях.

Висновок. Аналіз ВСР показав, що системи реєстрації ЕКГ на основі ємнісних електродів можна використовувати для подальших досліджень в сфері реабілітації пацієнтів з обширним ушкодженнями шкіри. Запропонований метод дозволить розширювати спектр клінічних показників для практичного застосування лікарями комбустіологами у повсякденній клінічній практиці. ЕКГ записана за до-помогою ємнісних електродів може бути використана для аналізу ВСР при використанні засобів для реабілітації пацієнтів з опіками.

Ключові слова

ЕКГ; електрокардіограма; ємнісні електроди; моделювання; опіки; опікова травма; комбустіологія.

Список літератури

1. Burn key facts. World Health Organization (WHO), Geneva, 2018.

2. Preventable injuries kill 2000 children every day. World Health Organization (WHO), Geneva, 2008.

3. Falk L. Investigation of ECG electrodes for burn wounds. Student thesis. Uppsala University, Sweden, 2020, 40 с.

4. Яблучанский Н. И. Мартыненко А. В. Вариабельность сердечного ритма в помощь врачу. Для настоящих врачей. КНУ, Харків, 2010, 131 с.

5. Ryan M. L., Thorson C. M., Otero C. A., Vu T., Proctor K.G. Clini-cal Applications of Heart Rate Variability in the Triage and Assessment of Traumatically Injured Patients. Anesthesiology Research and Practice, 2011 vol. 2011, pp. 51–57. doi: 10.1155/2011/416590.

6. Gao Y., Soman V. V., Lombardi J. P., Rajbhandari P. P., Dhakal T. P., Wilson D. G., Poliks M. D., Ghose K., Turner J. N., Jin Z. Heart Monitor Using Flexible Capacitive ECG Electrodes. IEEE Transactions on Instrumentation and Measurement, 2020, vol. 69, no. 7, pp. 4314–4323. doi:10.1109/TIM.2019.2949320.

7. Lee J., Pearce F., Hibbs A., Matthews R., Morrissette C. Evalu-ation of a Capacitively-Coupled, Non-Contact (through Cloth-ing) Electrode or ECG Monitoring and Life Signs Detection for the Objective Force Warfighter. RTO-MP-HFM-109, 2004.

8. Savchuk A. V., Popov A. O. Multichannel wireless electronic system for recording the signal of the surface electro-myogram. Electronics and Communications, 2016; vol. 21(3), pp. 1–57. doi: 10.20535/2312-1807.2016.21.3.68106.

9. Ueno A., Akabane Y., Kato T., Hoshino H., Kataoka S., Ishiy-ama Y. Capacitive Sensing of Electrocardiographic Potential Through Cloth From the Dorsal Surface of the Body in a Su-pine Position: A Preliminary Study. IEEE Transactions on Bio-medical Engineering, 2007, vol. 54(4), pp. 759–766. doi: 10.1109/TBME.2006.889201.

10. Ramos G., Alfaras M., Gamboa H. Real-Time Approach to HRV Analysis. Proceedings of the 11th International Joint Confer-ence on Biomedical Engineering Systems and Technologies, 11th International Conference on Bio-inspired Systems and Sig-nal Processing. 2018, Funchal, Madeira, Portugal, pp. 208–215. doi: 10.5220/0006641402080215.

11. Morbiducci U., Scalise L., De Melis M., Grigioni M. Optical Vibrocardiography: A Novel Tool for the Optical Monitoring of Cardiac Activity. Annals of Biomedical Engineering, 2007, vol. 35(1), pp. 45–58. doi: 10.1007/s10439-006-9202-9.

12. Loguidice M., Schutt R., Horton J., Minei J., Keeley E.. Heart Rate Variability as a Predictor of Death in Burn Patients, Journal of Burn Care & Research, 2016, vol. 37(3): pp. 227–233. doi: 10.1097/BCR.0000000000000260.

13. Савчук А . Безпровідна система для вимірювання біопотенціалів на основі ємнісних електродів, ХVII Міжнародна науково-технічна конференція «Фізичні процеси та поля технічних і біологічних об’єктів». Кременчук, Україна, 2018, 118–120 с.

14. Gomes P., Margaritoff P., and da Silva H. P., pyHRV: Development and evaluation of an open-source python toolbox for heart rate variability (HRV). Proc. Int’l Conf. on Electrical, Electronic and Computing Engineering (IcETRAN), 2019, pp. 822–828.

15. Makowski D., Pham T., Lau Z. J., Brammer J. C., Lespinasse F., Pham H., Scholzel C., & Chen S. A. NeuroKit2: A Python toolbox for neurophysiological signal processing. Behavior Research Methods, 2021, vol. 53(4), pp. 1689–1696. doi: 10.3758/s13428-020-01516-y.

16. Kalidas V., Tamil L. Real-time QRS detector using Stationary Wavelet Transform for Automated ECG Analysis. IEEE 17th International Conference on Bioinformatics and Bioengineering (BIBE), 2017, Washington, DC. doi: 10.1109/BIBE.2017.00-12.

17. Lipponen J., Tarvainen M. A robust algorithm for heart rate variability time series artifact correction using novel beat classification. Journal of Medical Engineering & Technology, 2019, vol. 43(3), pp. 173–181. doi: 10.1080/03091902.2019.1640306.

18. Shaffer F., Ginsberg J.P. An Overview of Heart Rate Variability Metrics and Norms. Frontiers in Public Health, 2017, vol. 5, p. 258. doi: 10.3389/fpubh.2017.00258.

19. Umetani K., Singer D., McCraty R., Atkinson M. Twenty-Four Hour Time Domain Heart Rate Variability and Heart Rate: Relations to Age and Gender Over Nine Decades. Journal of the American College of Cardiology, 1998, vol. 31(3), pp. 593–601. doi: 10.1016/S0735-1097(97)00554-8.

20. Savchuk A. Development of a model of electric impedance in the contact between the skin and a capacitive active electrode when measuring electrocardiogram in combustiology. Eastern-European Journal of Enterprise Technologies, 2021, vol. 2(5 (110)), pp. 32–38. doi: 10.15587/1729-4061.2021.228735.

Повнотекстова версія http://kit-journal.com.ua/en/viewer_uk.html?doc/2021_17/010.pdf