 |
|
Алгоритмические стандарты и рекомендации.
Серия данных, предназначенные для спектрального анализа, может быть получена разными способами. Полезно графическое представление данных в виде дискретного ряда (ДР), где строится зависимость Ri-Ri-1 интервалов от времени (показывающим возникновение Ri), т.е. сигнал с неравномерным шагом по времени. Тем не менее, спектральный анализ последовательности мгновенных значений ЧСС, также, часто используется во многих исследованиях [26].
Спектр ВСР обычно вычисляется или по тахограммам (RR интервалов, в зависимости от номера сокращения, см. Рис. 5а,б), или и по интерполированным ДР, получая непрерывный сигнал, как функцию времени, но может вычисляться и поотсчетам единичного пульса, как функции от времени, соответствующего каждому распознанному QRS комплексу [35]. Такой выбор может запутывать морфологию единиц измерения и оценки важных параметров спектра. Для того, чтобы стандартизовать методы, можно предложить использовать параметрический метод с тахограммами RR-интервалов и интерполированные ДР с непараметрическими методами, тем не менее ДР, также подходят и для параметрических методов. Частота дискретизации, применяемая при интерполяции ДР должна быть значительно выше частоты Найквиста спектра и не должна попадать внутрь интересующего частотного диапазона.
Стандарты непараметрических методов (основанных на алгоритме БПФ) должны включать величины, представленные в таблице 2.,а также формулу интерполяции ДР, частоту дискретизации интерполированного ДР, использованную для вычисления спектра длину ряда, спектральное окно (чаще всего используются окна Ханна, Хэмминга и треугольное окно)[36]. Окно, использованное для вычисления мощности должно быть оговорено. В дополнение к требованиям, описанным в других частях этого документа, каждое исследование на основе непараметрического метода спектрального анализа ВСР, должно содержать описание этих параметров.
Стандарты параметрических методов должны включать величины, представленные в таблице 2.,а также тип использованной модели, тип использованной модели, длину последовательности, центральную частоту для каждой спектральной компоненты (LF и HF) и порядок модели (число параметров). К тому же, статистические показатели должны быть вычислены для того, чтобы проверить надежность модели. Тест PEWT (predictive witness test - тест предсказания ошибки) дает информацию о правильности модели [37], тогда как тест OOT (optimal order test - тест определения оптимального порядка) проверяет соответствие использованного порядка модели [38]. Известны различные способы выполнения ООТ, которые включают заключительное предсказание ошибки и информационные критерии Акайка. Можно предложить следующие критерии для выбора порядка р авторегрессионой модели: порядок будет в диапазоне 8-20, выполняя PEWT тест переходим к ООТ тесту (p » min(OOT)).