Analisi dell'accoppiamento cardio-respiratorio : valutazione del segnale SpO2 e dei parametri autonomici in soggetti asmatici durante il sonno

INTRODUCTION Asthma is one of the most common chronic diseases of the airways in the world affecting patients of all ages, with particular incidence among children. Asthmatic subjects are characterized by the appearance of instances of excessive broncho-constriction in response to indirect stimuli (such as allergens and cold air) or direct ones (i.e. substances used during specific bronchial provocation tests, such as methacholine), accompanied by a chronic inflammation that generates an increase of bronchial responsiveness, which causes respiratory crises (the so-called 'asthma attacks'), wheezing and cough. On the basis of the severity of the symptoms, asthma can be classified aswell controlled, not well controlled and difficult to control. Although the causes of asthma are still unclear (they tend to be linked to allergies, hereditary factors and environmental conditions) the broncho-constriction is assumed to be associated with an abnormal control action by the autonomous nervous system, specifically by the vagal component. Previous studies have shown that an altered autonomic control of the airway caliber can be reflected in a change in the regulation of the heart rate. A spectral analysis is hereby carried out of the heart rate variability signal, whose low-frequency component is associated with the sympathetic activity, while the high frequency is associated to the parasympathetic activity. This is a robust and non-invasive method to assess how the autonomic nervous system works: several studies use this method in the investigation of pathologies in which an alteration in the functioning of the autonomic nervous system (such as diabetes) is involved. Since it has been observed in several studies that many sleep disorders such as insomnia and sleep apnea are associated with cardiovascular disorders, a study of patients with difficult to control asthma during sleep is carried out in the present sudy. Through monovariate and bivariate spectral analysis of the heart rate variability and the respiratory signals and by analyzing the blood oxygenation and of the main polysomnographic indices (apnea-hypopnea index, AHI, defined as the number of apneas or hypopneas occurring per unit of time, and number of awakenings) the mean values of a group of parameters of interest are extracted (including power spectral density of the Heart Rate Variability,HRV signal, in the low and high frequency ranges, sympatho-vagal balance, coherence between breathing and HRV) and the performances during the different sleep stages are evaluated. These results are also compared to the corresponding ones obtaines in other studies from healthy subjects. Correlations among the polysomnographic and oxygen saturation indexes were also extracted. Finally, a comparison of the relevant parameters between the group of subjects presenting a low frequency harmonic in the respirogram spectrum and the group of subjects for whom this phenomenon was not observed is carried out, as the presence of a low frequency harmonic in the respirogram spectrum represents an anomalous behavior with respect to the physiological case. MATERIALS AND METHODS 19 patients, 6 males and 13 females, aged between 12 and 67 years (mean age 46.3 years, SD 15.8 years) participated in this study: all subjects were affected by difficult to control asthma. Two of the subjects were excluded from the analysis, since REM sleep phases were not present in one subject, and since the clinical state was too severe in the other subject. Among the 17 analyzed subjects, many windows of heart rate variability and respiratory signals from the various phases of interest, which are wakefulness, stage S2, stage S4, and REM (stages S1 and S3 were excluded because they were too short in time) were extracted. The recognition of the different sleep phases has been possible thanks to the consultation of the hypnogram derived for each patient by a medical doctor. For each subject, the mean value of the parameters of interest within the phase to which they belong was obtained, using sections belonging to the entire night recording ; the stationarity of the signal portions and the absence of outliers were always verified. For the data analysis, a graphical interface developed in Matlab® environment was used. On the time windows manually selected by the user, the software implements the spectral analysis parametric method in order to obtain the spectra of the heart rate variability and the respiratory signals and to carry out a bivariate analysis. Regarding the monovariate analysis, an Auto Regressive model of the signal is calculated in order to obtain the spectra. To estimate the coefficients of the model, the least squares method based on the Yule-Walker equations was used, and to select the order of the model the Akaike Information Criterion was used. As for the bivariate analysis, the square coherence between the respiration and the heart rate variability was calculated. Finally, a statistical analysis was carried out: gaussianity and homogeneity of variances were tested in order to decide what test was more suitable to be applied. Since the distributions always presented an homogeneous variance, the parametric test ANOVA was applied when the hypothesis of almost-Gaussian distribution of the samples was verified, while the non-parametric Kruskal-Wallis test was used otherwise. For the group analysis "unpaired" ANOVA or Kruskal-Wallis tests were used. RESULTS With regards to the HRV signal spectrum, the LF component is centered around these frequency ranges:(0.0882 ± 0.0224) Hz during wakefulness, (0.0849 ± 0.0174) Hz in the S2 phase, (0.0952 ± 0.0346) Hz in the S4 phase and (0.0929 ± 0.0246) Hz in the REM phase; the HF component is centered around these frequency ranges: (0.2768 ± 0.0288) Hz during wakefulness, (0.2681± 0.0347) Hz in the S2 phase, (0.2655 ± 0.0301) Hz in the S4 phase, (0.2681 ± 0.0427) Hz in REM. By analyzing the normalized units data the power of the HF component showed much higher values (0.58 ± 0.22 during wakefulness, 0.61 ± 0.22 in the S2 phase, 0.65 ± 0.21 in the S4 phase and 0.69 ± 0.22 in REM) than the LF power (0.42 ± 0.22 during wakefulness, 0.39 ± 0.22 in the S2 phase, 0.35 ± 0.21 in the S4 phase and 0.31 ± 0.22 in REM). Although a great variability of results was observed, the values of the sympatho-vagal balance are in accordance with this situation: 1.3545 ± 1.3318 during wakefulness, 1.3291 ± 3.2658 in the S2 phase, 0.9678 ± 1.0664 in the S4 phase and 0.7562 ± 0.9227 in the REM phase. In the analyzed patients, the sleep stage does not seem to be a determining factor, since the statistical analysis does not provide any significant results (p_value > 0.05). In the respirogram, only the HF component was considered: the spectrum is centered around the frequency values of (0.2704 ± 0.0363) Hz during wakefulness, (0.2733 ± 0.0326) Hz in the S2 phase, (0.2637 ± 0.0391) Hz in the S4 phase and (0.2661 ±0.0374) Hz in REM, and it is characterized by power values of 0.6925 ± 0.1989 during wakefulness, 0.7950 ± 0.1377 in S2, 0.8003 ± 0.1552 in S4 e 0.8084 ± 0.1381 in REM. Even in this case, the statistical analysis does not detect significant differences among the phases (p_value > 0.05). The coherent power values calculated within the bivariate analysis are as follows: (17.60 ± 9.67)% during wakefulness, (19.87 ± 7.70)% in the S2 phase, (17.43 ± 10.33)% in the S4 phase and (20.36 ± 13.09)% in REM. The situation is fairly stable between phases, as evidenced by the statistical tests applied (p_value > 0.05). The level of blood oxygenation was also analyzed and the resulting values are as follows: (93.7 ± 2.5)% during wakefulness, (93.6 ± 1.9)% in the S2 phase, (93.5 ± 2.2)% in the S4 phase and (93.8 ± 1.6)% in REM. The statistical analysis carried out does not identify any significant difference (p_value > 0.05). After this, the group analysis was implemented: subjects with a recurrent low-frequency harmonic in the respirogram spectrum show significantly lower values (p_value <0.05) of the sympatho-vagal balance, the respirogram spectral power and the SpO2 in all sleep stages. Finally correlations between SpO2 and breath power (R = 0.0268 during wakefulness, 0.1600 in S2, 0.1986 in S4 and 0.3241 in REM), between AHI and breath power (R = 0.0149 during wakefulness, 0.0643 in S2, 0.3341 in S4 and 0.1159 in REM) and between AHI and SpO2 (R = 0.083 during wakefulness, 0.2118 in S2, 0.0656 in S4 and 0.0507 in REM) were calculated. DISCUSSION AND CONCLUSIONS A comparison is performed among the results obtained in this work and those of another study performed on healthy subjects. The monovariate analysis performed on the HRV signal revealed that the spectral power components were found in the same within ranges comparable to the ones observed in healthy subjects. However, unlike the physiological case, the sympatho-vagal balance tends to drift towards the parasympathetic activity, which is maintained at a nearly constant level during the different stages, including the REM phase. The signal shows a HF peak in the respirogram spectrum around values comparable to the ones observed in healthy subjects; however, with respect to them, the Power Spectral Density (PSD) of this harmonic component is reduced, and the spectra are less concentrated around the central frequency of the peak demonstrating that respiration doesn’t become particularly regular even in deep sleep stages, or at least the difference with the other phases is not clear. The cardio-pulmonary coupling presents mean values significantly lower than the ones observed in healthy subjects, and also in this case without major differences among the different phases. The evaluation of the SpO2 signal shows that the level of blood oxygenation is lower than the the levels normally observed in the physiological case, although no situations of hypoxia (values under 93%) were observed. Even in this case the results are not affected by the sleep phase. Secondly, the comparative analysis between the group of patients in which the harmonic component at low frequencies in the spectrum of the signal of breathing appears and the group in which it is absent, shows a better clinical condition in the components of the second grouping, especially regarding the parameters of sympathetic activation in the LF band, the respiratory power, the cardio-pulmonary coupling and the level of blood oxygenation, especially during sleep. Finally, using the polysomnographic parameters, we tried to establish correlations between different indices to get an overview of the possible interactions between factors. A negative correlation between SpO2 and AHI was observed during sleep stage S2 and between the respiration power and the AHI remarkable positive consistency during all sleep stages was observed between SpO2 and respiratory power.

INTRODUZIONE L’asma è una delle patologie croniche respiratorie più diffuse nel mondo [1,2], che affligge pazienti di tutte le età, con particolare incidenza tra i bambini. Nei soggetti asmatici compaiono fenomeni di eccessiva bronco-costrizione in risposta a determinati stimoli indiretti (come allergeni e aria fredda) o diretti (ad esempio sostanze impiegate durante i test specifici di provocazione bronchiale, come la metacolina) accompagnati da uno stato cronico infiammatorio che genera un aumento della responsività bronchiale che, a sua volta, causa crisi respiratorie (i cosiddetti ‘attacchi d’asma’), respiro sibilante, tosse [4]. In clinica, sulla base della severità dei sintomi, si distingue tra asma ben controllato, non ben controllato e di difficile controllo [5]. Nonostante le cause dell’asma appaiono tutt’ora poco chiare (tendono ad essere collegate ad allergie, fattori ereditari, condizioni ambientali ed altro), si ipotizza che l’eccessiva reazione di bronco-ostruzione sia associata ad una anomala azione di controllo da parte del Sistema Nervoso Autonomo (SNA), in particolare della componente vagale [8]. Studi presenti in letteratura hanno messo in evidenza che l’alterato controllo autonomo del calibro delle vie aeree può parallelamente riflettersi in un cambiamento nella regolazione della frequenza cardiaca [3]. Per studiare la modulazione autonomica dell’attività cardiaca, la cui componente a bassa frequenza è associata all’attività della componente simpatica, mentre quella ad alta frequenza alla parasimpatica [10], viene spesso svolta l’analisi spettrale del segnale di variabilità cardiaca. Questo tipo di indagine rappresenta un metodo robusto e non invasivo per valutare il funzionamento del SNA: diversi studi ne fanno uso durante la valutazione delle patologie in cui è coinvolta un’alterazione del funzionamento del SNA (come ad esempio il diabete) [14]. Dal momento che in diversi studi presenti in letteratura è stato osservato che molti disturbi del sonno, inclusi l’insonnia e le apnee notturne, risultano associati a disturbi cardiopolmonari, in questo elaborato viene condotto uno studio su soggetti affetti da asma di difficile controllo durante la notte, così da minimizzare, oltretutto, l’effetto di fonti di disturbo di natura esterna. Attraverso l’analisi spettrale monovariata e bivariata dei segnali di variabilità cardiaca e respiratorio, e mediante l’osservazione del livello di ossigenazione del sangue e dei principali indici polisonnografici tra cui l’Apnea-Hypopnea Index (AHI), definita come numero di apnee o ipopnee che si manifestano nell’unità di tempo, e il numero di risvegli, vengono estratti i valori medi di particolari parametri di interesse (potenza spettrale del segnale HRV in bassa ed alta frequenza, bilancia simpato-vagale, coerenza respiro-variabilità cardiaca e altri) e ne viene valutato l’andamento durante le diverse fasi del sonno. Essi vengono inoltre paragonati ai corrispettivi valori dei soggetti sani, ricavati in altri studi presenti in letteratura. Con l’aiuto degli indici di saturazione dell’ossigeno e polisonnografici, si tenta in secondo luogo di ricavare delle correlazioni tra parametri che possano descrivere ricorrenze nella sintomatologia dei soggetti analizzati. Infine viene svolto un confronto dei valori dei parametri di interesse tra il gruppo dei soggetti che presentano con ricorrenza un’armonica a bassa frequenza nello spettro del respirogramma e quelli in cui tale fenomeno non compare, dal momento che questo fattore rappresenta un comportamento anomalo rispetto al caso fisiologico. MATERIALI E METODI Hanno preso parte a questo studio, la cui fase di acquisizione è stata condotta presso il laboratorio del sonno dell’Università Nove de Julho di San Paolo (Brasile), 19 pazienti tra cui 6 maschi e 13 femmine, di età compresa tra i 12 e i 67 anni (età media di 46.3 anni, deviazione standard di 15.8 anni): tutti i soggetti analizzati sono affetti da asma di difficile controllo. Due dei soggetti sono stati esclusi dall’analisi. Nei 17 soggetti studiati sono state estratte, contemporaneamente, numerose finestre dei segnali di variabilità cardiaca e respiratorio dalle varie fasi del sonno, ovvero veglia, stadio S2, S4 e REM (sono state escluse le fasi S1 e S3 perché presenti in maniera molto limitata). Il riconoscimento delle diverse fasi è stato possibile grazie alla consultazione dell’ipnogramma presente nelle schede riassuntive dei pazienti. Su ogni paziente, è stato ricavato il valore mediato dei parametri di interesse all’interno della fase del sonno di appartenenza, utilizzando spezzoni di segnale, relativi all’intera nottata di acquisizione (anche a diversi tratti della stessa fase del sonno), dopo aver controllato che fosse rispettata la condizione di stazionarietà e aver eliminato eventuali outliers. Per l’analisi dei dati è stata utilizzata un’interfaccia grafica sviluppata in ambiente Matlab®. Sulle finestre temporali selezionate manualmente dall’utente, si utilizza la metodologia parametrica per l’analisi monovariata finalizzata all’ottenimento degli spettri di potenza del segnale di variabilità cardiaca e respiratorio e a condurre l’analisi bivariata. Per la stima dei coefficienti del modello è stato usato il metodo dei minimi quadrati basato sulle equazioni di Yule-Walker, mentre per selezionare l’ordine del modello ci si è avvalsi della cifra di merito di Akaike. Relativamente all’analisi bivariata, sono state valutate la coerenza quadratica tra i segnali di respiro e variabilità cardiaca e la percentuale di potenza dello spettro del segnale HRV coerente con lo spettro del respirogramma. Per l’analisi del segnale SpO2 si è fatto uso di un codice implementato in ambiente Matlab® realizzato in questa sede. È stata infine condotta l’analisi statistica: dapprima sono stati effettuati, sui dati da analizzare, dei test di gaussianità e di omogeneità delle varianze per decidere, di volta in volta, il test più adatto da applicare. Dal momento che le distribuzioni sono sempre risultate a varianza omogenea, si è deciso di applicare il test parametrico ANOVA nei casi in cui venisse verificata l’ipotesi di distribuzione gaussiana degli elementi costituenti i campioni, e il test non-parametrico di Kruskal-Wallis laddove tale condizione non venisse rilevata. Per l’analisi a gruppi è stata implementata una statistica “unpaired” utilizzando i test ANOVA e Kruskal-Wallis. RISULTATI Relativamente allo spettro del segnale HRV, emerge che le due componenti si sviluppano attorno a questi range di frequenze: per la banda LF, (0.0882 ± 0.0224) Hz in fase di veglia, (0.0849 ± 0.0174) Hz in fase S2, (0.0952 ± 0.0346) Hz in fase S4 e (0.0929 ± 0.0246) Hz in REM; per la banda HF, (0.2768 ± 0.0288) Hz in fase di veglia, (0.2681± 0.0347) Hz in S2, (0.2655 ± 0.0301) Hz in S4, (0.2681 ± 0.0427) Hz in REM. È evidente dai dati ricavati in unità normalizzate, che la potenza della componente HF assume valori ben superiori rispetto a quella in LF, soprattutto in quelle fasi (S2 e REM) dove fisiologicamente si registra una considerevole attivazione simpatica (per la componente HF: 0.58 ± 0.22 in fase di veglia, 0.61 ± 0.22 in fase S2, 0.65 ± 0.21 in fase S4 e 0.69 ± 0.22 in REM; per la componente LF: 0.42 ± 0.22 in veglia, 0.39 ± 0.22 in S2, 0.35 ± 0.21 in S4 e 0.31 ± 0.22 in REM). I valori di bilancia simpato-vagale, pur presentando elevata variabilità, confermano questa situazione: 1.3545 ± 1.3318 in veglia, 1.3291 ± 3.2658 in S2, 0.9678 ± 1.0664 in S4, 0.7562 ± 0.9227 in REM. Nei pazienti analizzati la fase del sonno non appare essere un fattore determinante, dal momento che le analisi statistiche effettuate confrontando i dati relativi alle diverse fasi non forniscono alcun risultato significativo (p_value sempre superiori a 0.05). Nel respirogramma si è fatto riferimento alla sola componente di HF, più rilevante di quella LF: lo spettro si attesta attorno a valori di frequenza di (0.2704 ± 0.0363) Hz in veglia, (0.2733 ± 0.0326) Hz in fase S2, (0.2637 ± 0.0391) Hz in fase S4 e (0.2661 ± 0.0374) Hz in REM, ed è caratterizzato da valori di potenza percentuale (espressa in termini decimali) di 0.6925 ± 0.1989 in veglia, 0.7950 ± 0.1377 in S2, 0.8003 ± 0.1552 in S4 e 0.8084 ± 0.1381 in REM. Anche in questo caso, l’analisi statistica non rileva differenze significative tra le fasi (valori di p_value > 0.05). Passando all’analisi bivariata, i valori di potenza del segnale HRV coerente con quello di respiro calcolati sono i seguenti: (17.60 ± 9.67)% in veglia, (19.87 ± 7.70)% in S2, (17.43 ± 10.33)% in S4 e (20.36 ± 13.08)% in REM. La situazione si mantiene piuttosto stabile tra fase e fase, come testimoniato dal test statistico applicato (p_value > 0.05). Per ultimo, è stato valutato il livello di ossigenazione del sangue, ottenendo questi valori: (93.7 ± 2.5)% nella fase di veglia, (93.6 ± 1.9)% per la S2, (93.5 ± 2.2)% per la S4 e (93.8 ± 1.6)% in REM. L’analisi statistica effettuata non identifica alcuna differenza significativa (p_value > 0.05). È stato implementato il confronto dei valori dei parametri di interesse tra il gruppo dei soggetti che presentano con ricorrenza l’armonica a bassa frequenza nello spettro del respirogramma e quelli in cui tale fenomeno non compare, il quale mette in mostra dei valori significativamente superiori (p_value<0.05) nel secondo raggruppamento per quanto riguarda la bilancia simpato-vagale e la coerenza in banda HF tra tacogramma e respiro nelle fasi W e S2, e dei valori maggiori di potenza normalizzata della banda HF del respiro e del livello di saturazione dell’ossigeno in tutte le fasi del sonno. Infine si è valutato il grado di correlazione tra parametri di interesse, attraverso l’uso del metodo di regressione lineare, che ha portato ad ottenere i coefficienti di correlazione e regressione. Essi denotano una discreta coerenza negativa tra AHI e SpO2% (soprattutto in fase S2, R = 0.2118), una certa correlazione negativa tra AHI e potenza respiratoria (soprattutto in fase S4, R = 0.3341) e una buona correlazione, durante le fasi del sonno, tra SpO2% e potenza respiratoria. DISCUSSIONE E CONCLUSIONI In primo luogo, viene effettuato il confronto tra i valori ottenuti in questo lavoro con quelli di altri studi, presenti in letteratura, inerenti i soggetti sani. L’analisi monovariata effettuata sul segnale HRV ha messo in luce che la potenza spettrale si attesta su valori compresi in un range comune a quello dei soggetti sani. Come nel caso fisiologico, l’equilibrio simpato-vagale tende a sbilanciarsi, durante il sonno, a favore di un incremento dell’attività parasimpatica: tuttavia nei soggetti con asma di difficile controllo si assiste, soprattutto in quelle fasi in cui normalmente i livelli di attivazione simpatica sono relativamente elevati, ad una forte attivazione parasimpatica. A differenza dei sani, in cui si nota un suo progressivo decremento con l’avanzare del sonno e ad un nuovo aumento in fase REM (dove si raggiungono valori tipici della veglia), queste differenze sono piuttosto contenute nei soggetti patologici qui analizzati, e in fase REM si raggiunge addirittura il livello più alto di attivazione parasimpatica. Il segnale di respiro presenta il picco in HF attorno a valori di frequenza comuni ai soggetti sani, tuttavia rispetto ad essi la potenza di questa componente armonica risulta diminuita, e gli spettri meno concentrati attorno alla frequenza centrale del picco, dimostrando che il respiro non diviene particolarmente regolare nemmeno nelle fasi di sonno profondo, o quantomeno che la differenza con le altre fasi non è netta. La mancanza di differenze significative sia nel caso dell’HRV sia nel caso del respiro è confermata anche da studi presenti in letteratura. L’accoppiamento cardio-polmonare, misurato attraverso i valori di coerenza e potenza coerente, presenta valori medi decisamente inferiori rispetto al caso dei sani, e pure in questo caso senza differenze di rilievo tra fase e fase. Anche questa considerazione trova conferme in letteratura. La valutazione del segnale di SpO2 mette in mostra che il livello di ossigenazione del sangue si attesta su valori inferiori rispetto al caso fisiologico, nonostante non si possa parlare di stati di ipossiemia (i valori si attestano attorno al 93%). Anche in questo caso i risultati non sono condizionati dalla fase del sonno. In secondo luogo, l’analisi comparativa tra il gruppo di pazienti in cui compare la componente armonica alle basse frequenze nello spettro del segnale di respiro e il gruppo in cui essa è assente, mostra un miglior quadro clinico nei componenti del secondo raggruppamento, soprattutto per quanto concerne i parametri di attivazione simpatica in banda LF, potenza respiratoria, accoppiamento cardio-polmonare e livello di ossigenazione del sangue, quest’ultimo in particolare durante il sonno. Infine, facendo uso anche dei parametri polisonnografici, si è tentato di stabilire delle correlazioni tra indici per ottenere un quadro delle possibili interazioni tra fattori. È stata verificata una certa coerenza di tipo negativo tra SpO2 e AHI soprattutto in fase S2, una discreta coerenza di tipo negativo tra potenza del respiro in banda HF e AHI, e una più notevole coerenza di tipo positivo, durante tutte le fasi del sonno, tra SpO2 e potenza respiratoria.