Frequency-dependent variability of pulse wave transit time. Pilot study

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The dynamics of the pulse wave (PW) associated with the PW transit time variability (PWTTV) determines the peripheral pulse rate variability, which is used as a surrogate for heart rate variability (HRV). The aim of the work is to analyze the frequency-dependent dynamics of PWTTV and to identify the possible frequency-phase modulation of PW velocity oscillations on the transit from the heart to the soft tissues of the distal parts of the upper extremities. RR-interval recordings and synchronous records of photoplethysmograms of 12 conditionally healthy subjects from the PhysioNet open database were used in this work. Using the Hilbert–Huang transform 3 spectral components of PWTTV and HRV were identified. It was shown that the amplitudes of PWTTV oscillations were many times (up to 8.4 times) smaller than the amplitudes of HRV, and the peaks of PWTTV spectral components were shifted towards higher frequencies than those of HRV. Functional relations between PWTTV and HRV, which can determine the phase modulation of periodic changes in the velocity of propagation of PW, were revealed.

Full Text

Restricted Access

About the authors

A. A. Grinevich

Institute of Cell Biophysics of Russian Academy of Sciences

Author for correspondence.
Email: grin_aa@mail.ru
Russian Federation, Pushchino

N. K. Chemeris

Institute of Cell Biophysics of Russian Academy of Sciences

Email: nikolai.chemeris@mail.ru
Russian Federation, Pushchino

References

  1. Heart Rate Variability. Standards of Measurement, Physiological Interpretation, and Clinical Use. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology // Circulation. 1996. V. 93. P. 1043–1065.
  2. Mattace-Raso F.U.S., Hofman A., Verwoert G.C., et al. Determinants of Pulse Wave Velocity in Healthy People and in the Presence of Cardiovascular Risk Factors: “Establishing Normal and Reference Values” // Eur. Heart J. 2010. V. 31. P. 2338–2350.
  3. Mejía-Mejía E., May J.M., Torres R., et al. Pulse Rate Variability in Cardiovascular Health: A Review on its Applications and Relationship with Heart Rate Variability // Physiol. Meas. 2020. V. 41. P. 07TR01.
  4. Котовская Ю.В., Рогоза А.Н., Орлова Я.А. и др. Амбулаторное мониторирование пульсовых волн: статус проблемы и перспективы. Позиция российских экспертов // Кардиоваскулярная терапия и профилактика. 2018. Т. 17. С. 95–109.
  5. Leloup A.J.A., Van Hove C.E., De Moudt S., et al. Vascular Smooth Muscle Cell Contraction and Relaxation in the Isolated Aorta: A Critical Regulator of Large Artery Compliance // Physiol. Rep. 2019. V. 7(4). P. e13934.
  6. Yuda E., Shibata M., Ogata Y., et al. Pulse Rate Variability: A New Biomarker, not a Surrogate for Heart Rate Variability // J. Physiol. Anthropol. 2020. V. 39. P. 21.
  7. Гриневич А.А., Чемерис Н.К. Спектральный анализ вариабельности сердечного ритма на основе метода Гильберта–Хуанга // Доклады Российской академии наук. Науки о жизни. 2023. Т. 511. С. 395–398.
  8. Гриневич А.А., Гарамян Б.Г., Чемерис Н.К. Локализация механизмов амплитудно-частотной модуляции пульсового кровенаполнения микрососудистого русла мягких тканей. Пилотное исследование // Доклады Российской академии наук. Науки о жизни. 2022. Т. 504. С. 223–228.
  9. Mehrgardt P., Khushi M., Poon S., et al. Pulse Transit Time PPG Dataset (version 1.1.0). 2022. PhysioNet.
  10. Goldberger A., Amaral L., Glass L., et al. PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals // Circulation [Online]. 2000. V. 101(23). P. e215–e220.
  11. Park J., Seok H.S., Kim S.-S., et al. Photoplethysmogram Analysis and Applications: An Integrative Review // Front. Physiol. 2022. V. 12. P. 808451.
  12. Huang N.E., Zheng S., Steven R.L., et al. The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis // Proceedings of the Royal Society of London. Series A: Mathematical, Physical and Engineering Sciences. 1998. V. 454. P. 903–995.
  13. Тычков А.Ю. Применение модифицированного преобразования Гильберта–Хуанга для решения задач цифровой обработки медицинских сигналов // Известия высших учебных заведений. Поволжский регион. Технические науки. 2018. Т. 3. С. 70–82.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Spectra of empirical modes for HRV (a, b, c) and GPPV (d, d, f) and their ratios (g, h, i). Points are medians; dashed curves are the 25th and 75th percentiles; bold solid curves are approximations by Weibull functions (a–e) and 4-parameter sigmoid functions (g–i).

Download (430KB)
Indexing metadata

Copyright (c) 2024 Russian Academy of Sciences

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».