Circadian rhythm represents regular changes in mental and physical characteristics that occur with the period slightly longer than 24 hours. Circadian rhythm is associated with variety of body functions such as body temperature, hormone secretion, urine production, changes in blood pressure, and other biological activities. When disruption of circadian rhythm is lasted for a long time, biological functions do not work properly. It may increase the risk of developing cancers and leading negative health consequences on peripheral organs outside the brain, particularly in the development or exacerbation of cardiovascular disease. Thus, circadian rhythm has been appraised as a useful tool for better understanding of many health problems. In this study, circadian rhythm based detection and prediction techniques were investigated in subjects with chronic mental stress and atrial fibrillation (AF).
Chronic mental stress is detrimental to our health and one of well known major risk factors for many cardiovascular diseases such as coronary artery diseases, AF, and hypertension. Thus, effective stress management for high risk patients is important issue to prevent the development of these diseases. We investigated the daytime patterns of heart rate variability (HRV) to provide a preliminary evidence for the reliable detection of subjects under relatively high level of chronic mental stress. Results suggested that subjects with higher self-reporting stress scores (high stress group) showed suppressed circadian patterns of HRV features compared to subjects with lower scores (low stress group). Logistic regression models based on the degree of difference from normal reference patterns showed the accuracy up to 69.8% in predicting the membership of stress groups.
We also studied HRV patterns of AF episodes during the daytime and evening time to improve the accuracy of detection and prediction of AF episodes. HRV features were calculated from electrocardiogram (ECG) data randomly sampled from MIT-BIH AF Databases of Physionet. Logistic regression analyses were performed to detect and predict AF episodes. The result showed that the detection and prediction of AF episodes might become more accurate when it was performed in day and evening time separately.
In our study, circadian rhythm based methods required multiple measurements which were different to conventional methods based on one-time measurement and offered novel approaches for monitoring the likelihood for mental stress and AF. Multiple measurements at rather specific time periods required ECG or heartbeats to be acquired in mobile settings. In the case of AF patients, a real-time personal heartbeat monitor along with reliable AF detection and prediction schema would benefit individuals by providing continuous feedback about their records and likelihood of AF events anytime and anywhere. This may help patients to lead a normal lifestyle and to improve quality of life while undergoing continuous heart monitoring.
일주기 리듬은 약 24시간의 기간 동안 일어나는 규칙적인 정신적, 신체적 변화를 의미한다. 이러한 일주기 리듬은 다양한 신체 기능과 관련되어 있기 때문에, 일주기 리듬이 손상된다면 중요한 생물학적 기능이 원활하게 이루어 지지 못하며, 장기간 지속될 경우 심장 질환, 암과 같은 치명적인 질병으로 이어질 수 있다. 따라서 개인의 일주기 패턴 분석은 여러 건강 상의 문제를 이해하는 데 유용하게 쓰일 수 있다. 이 연구에서는 보다 정확한 만성 스트레스와 심방 세동의 진단 및 예측을 위해 일주기 리듬을 이용하였다.
스트레스가 장기간 지속될 경우 만성 스트레스로 발전하고 이는 심장 질환을 비롯한 여러 질병의 원인이 된다고 알려져 있기 때문에 스트레스를 조기에 진단하고 효과적으로 관리하는 것이 필수적이다. 이를 위해서 우리는 심박미세변이 (HRV)의 일주기 패턴을 조사해 보았다. 그 결과 스트레스 문진에 따른 스트레스 점수가 높게 나타난 집단에서는 낮은 스트레스 점수를 가진 집단에 비해 상대적으로 일주기 리듬이 억압되어 있음을 알 수 있었다. 정상 집단으로부터의 HRV 값 과의 차이를 이용해 로지스틱 회귀 분석을 수행한 결과 스트레스 집단을 판단하는 데 있어서 69.8%의 정확성을 얻었다. 이는 일주기 패턴을 고려하지 않았을 때에 비해 7.0% 가량 정확도가 상승하였다.
심방 세동의 연구에 있어서도 HRV의 일주기 패턴을 조사하였고, 데이터를 낮과 밤으로 구분하여 심방 세동을 진단하고 예측해 보았다. Physionet의 MIT-BIH 데이터베이스 내의 ECG 데이터로부터 HRV feature의 값을 계산하였고, 스트레스 분석과 마찬가지로 로지스틱 회귀 분석을 통해 AF onset 의 진단 및 예측 정확성을 얻었다. 그 결과, AF onset 부분의 HRV 및 HRV의 일주기 패턴은 AF normal (AF ECG 내에서 onset을 제외한 부분) 과 현저한 차이를 보였으며, AF onset을 진단하는 정확성도 95% 이상으로 높게 나타났고 특히 낮 시간의 AF onset 진단에 있어서는 99.3%의 정확성을 얻었다. AF onset의 예측에 있어서도 낮과 밤을 구분하여 일주기 리듬을 고려하였을 때 예측의 정확성이 상승하였다.
일주기 리듬의 적용을 위해서는 기존에 행해오던 단일 측정과는 다르게 하루에도 여러 번의 측정이 필요하다. 연속적인 측정이 가능한 모바일 장치 등을 이용하면 환자들이 항상 의식하지 않더라도 아침, 낮, 저녁 등의 ECG 데이터를 쉽게 확보할 수 있다. 또한 시시각각으로 ECG 데이터를 분석하여 환자에게 적합한 피드백을 줄 수 있다는 장점이 있다. 이 연구에서 얻어낸 일주기 리듬의 만성 스트레스 및 심방세동의 진단과 예측에서의 효과를 이러한 모바일 장치에 적용시킨다면, 스트레스 진단의 정확성 상승뿐만 아니라 어떠한 사건이나 활동이 개개인에게 스트레스로 작용하는지 판단할 수 있으며, 스트레스 관리를 위한 계획을 세우는 데에도 큰 도움을 줄 수 있다. 궁극적으로는 사용자의 정신적, 신체적 건강을 회복하고 다른 심각한 질병으로의 발전을 막을 수 있다. 심방세동은 가장 흔하게 나타나는 심장 질환 중 하나이지만 뚜렷한 증상이 없는 경우도 많기 때문에 심방세동을 발견하는 데 어려움이 있는데, 연구 결과를 적용시키면 거의 완벽하게 심방 세동을 진단할 수 있고 뇌졸중, 관상 동맥 질환 등으로의 발전을 막을 수 있다. 또한 심방세동 onset의 예측을 통해 심계 항진이나 발작 등에 환자가 대비할 수 있는 시간적 여유를 제공하며 불안감에 시달릴 수 있는 환자에게 어느 정도의 정상적인 생활을 가능케 하며 따라서 삶의 질을 높이는 데도 크게 기여할 수 있을 것이다.
