Variabilidade da frequência cardíaca em pacientes com estenose aórtica grave e risco de complicações pós-intervenção
Carregando...
Data
2016
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editora
Editor Literário
Resumo
Introdução: Estenose aórtica (EAo) é caracterizada pela degeneração do anel valvar. A
cirurgia de substituição da valva aórtica (sAVR) é indicada para pacientes com EAo grave
sintomática. Para casos com risco cirúrgico proibitivo, o implante transcateter de valva aórtica
(TAVI) é uma alternativa segura e efetiva. Reconhecidamente, as doenças cardiovasculares
estão associadas à disfunção autonômica. A variabilidade da frequência cardíaca (VFC),
definida pela oscilação entre intervalos RR (iRR), por meio dos seus índices, é considerada o
método que melhor avalia a influência do sistema nervoso na atividade cronotrópica cardíaca.
Pode-se, assim, inferir a condição pré-intervenção e avaliar sua influência nos desfechos pós-
procedimento. No entanto, dispositivos que registram os iRR são susceptíveis à interferências.
Diferentes métodos são sugeridos para identificar e corrigir estes artefatos, assim como
selecionar dados para posterior análise. Objetivos: (a) avaliar se a análise da VFC sofre
influência das técnicas de identificação e correção de artefatos, bem como dos métodos de
seleção dos iRR em registros de curta duração; (b) caracterizar a VFC de pacientes com EAo
grave, investigar sua relação com complicações pós-intervenção e verificar se distingue
pacientes com indicação à sAVR e TAVI. Métodos: 30 pacientes com EAo grave e 14
sujeitos saudáveis foram avaliados na posição supina por 10 minutos para registro dos iRR
(Polar RS800cx). Os dados foram transferidos ao software Polar ProTrainer e convertidos em
texto para inspeção visual. Os artefatos foram identificados por técnicas que aplicam
diferenças superiores a 20% entre dados adjacentes, três desvios-padrões e valores fora da
curva de normalidade. A correção foi realizada por exclusão e interpolação (prévia, adjacente,
linear e polinomial). Os iRR foram analisados a partir dos 256 pontos mais estáveis e dos
cinco minutos finais do registro. Os índices iRR médio, SDNN, RMSSD, pNN50, TINN,
índice triangular, SD1, SD2, ApEn, SampEn, DFA-α1, DFA-α2, potência total, bandas AF,
BF e razão BF/AF foram calculados no software HRV Analysis Kubios e analisados
estatisticamente no GraphPAD Prism (p<0,05). Resultados: Observou-se baixa concordância
entre os algoritmos de detecção (k≤0,4), os métodos de correção não diferiram (p=0,95) e as
técnicas selecionaram um conjunto de iRR diferentes (p<0,01). Contudo, não houve
influência nos índices da VFC, exceto na ApEn (p<0,05). Em relação à caracterização, os
pacientes com EAo grave indicados ao TAVI apresentaram maior risco cirúrgico e atenuação
da atividade simpática (banda BF normalizada e razão BF/AF). Constatou-se correlação
moderada do diâmetro diastólico do ventrículo esquerdo com atividade vagal (RMSSD, AF e
SD1) e variabilidade total (SDNN, TINN e índice triangular). O gradiente de pressão e a
velocidade do jato se correlacionaram positivamente com TINN e negativamente com
SampEn. Não houve associação da VFC com desfechos pós-intervenção. Conclusão: A
função autonômica de pacientes com EAo grave é semelhante entre os indicados à sAVR e
TAVI. A VFC não foi efetiva em estratificar risco de complicações pós-intervenção. Em
análises de curta duração, a análise da VFC parece não ser influenciada pelas técnicas de
correção dos artefatos ou pelos métodos de seleção dos iRR. Identificou-se baixa
concordância entre as técnicas de identificação dos artefatos.
Descrição
Dissertação (Mestrado)-Programa de Pós-Graduação em Ciências da Reabilitação, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre
Palavras-chave
Doenças cardiovasculares, Cirurgia torácica, Sistema Nervoso Autônomo, Complicações pós-operatórias, Análise espectral, Modelo não linear, [en] Cardiovascular Diseases, [en] Thoracic Surgery, [en] Autonomic Nervous System, [en] Postoperative Complications, [en] Spectrum Analysis, [en] Nonlinear model