4. Materiali e metod
4.5. Software per l’analisi dei dat
Le analisi prima descritte, svolte sui segnali di variabilità cardiaca e di respiro, sono state implementate attraverso l’utilizzo di un’interfaccia grafica precedentemente realizzata in ambiente Matlab®. Nella schermata principale (figura 17) vengono inizialmente caricati i dati relativi ad ognuno dei pazienti coinvolti nell’analisi agendo sul tasto “Load”. A quel punto appaiono due finestre in cui è possibile visualizzare, rispettivamente, l’andamento temporale (lungo l’intera nottata di acquisizione) del segnale HRV e del respirogramma. La sezione “Crop” permette di selezionare la finestra da 200 campioni desiderata: in tal caso, nelle due finestre compariranno gli andamenti temporali relativi a queste ultime; la selezione può essere svolta anche direttamente sul segnale attraverso il tasto “Manual Crop”.
44
Figura 17: Schermata iniziale del software di analisi.
La sezione “Monovaried Analysis” (in basso a destra nella schermata principale) è originariamente dedicata alla sola analisi monovariata dei 2 segnali. Una volta scelto il segnale da analizzare, agendo sulla sezione “Channel to analize”, cliccando il pulsante “Analysis” si apre una finestra (figura 18) nella quale è possibile visualizzare i poli del modello autoregressivo, l’autospettro del segnale analizzato e una serie di indicatori, tra cui ordine ottimo del modello, potenze spettrali nelle diverse bande e valori delle frequenze centrali, indice LF/HF (bilancia simpato-vagale) ed altri che possono essere salvati in un report (un file di testo). Infine la sezione ”Types of Analysis” (in basso a sinistra nella schermata principale) permette di plottare gli spettri con ordine diverso da quello che il software riconosce automaticamente come “ottimo”, permettendo l’impostazione da desktop. Infine, tramite il tasto “XY” è possibile eseguire l’analisi bivariata: viene visualizzato il diagramma della coerenza di fase e vengono salvati in un file di testo i dati relativi a potenza coerente e non coerente (figura 19).
45
Figura 18: Finestra dedicata all’analisi monovariata.
46
Vengono ora i passaggi tipici effettuati durante la procedura di analisi:
- Caricamento dei dati del singolo soggetto (agendo sul tasto “Load”);
- Selezione manuale del tratto di segnale da analizzare, coadiuvata dalla sovrapposizione dell’ipnogramma alla finestra del segnale, con lo scopo di riuscire ad identificare la fase del sonno a cui appartiene un certo spezzone selezionato; - Una volta appurate la stazionarietà e l’assenza di outliers per entrambi i segnali, si
procede con l’analisi selezionando il segnale di interesse: settando “2” nell’area “Channel to Analize” viene selezionato il tacogramma, impostando “3” viene invece selezionato il respirogramma.
- Successivamente, agendo sul tasto “Analysis”, si apre la finestra in cui vengono ricavati e visualizzati i parametri di interesse per le analisi: premendo il tasto “Salva Report” essi vengono salvati in un documento di testo. Attraverso alcune modifiche apportate all’interfaccia grafica originale, agendo sul tasto “Analysis” si aprono anche delle figure che rappresentano il tacogramma, il respirogramma normalizzato, gli autospettri dei due segnali, la Magnitude Square Coherence (il cross-spettro) e la percentuale di potenza del segnale HRV coerente con quello di respiro (figura 20): il tutto viene calcolato utilizzando l’ordine del modello che il software di analisi individua come ordine ottimo.
- Eseguite tali operazioni per entrambi i segnali, attraverso il tasto “XY” vengono visualizzati i dati di interesse dell’analisi bivariata: anche in questo caso, è possibile salvarli in un file di testo agendo sul pulsante “Salva Report”.
Per l’analisi del segnale di saturazione, è stato in questa sede realizzato uno script in ambiente Matlab®. Il codice chiede all’operatore di selezionare il paziente per il caricamento dei suoi dati: a quel punto viene richiesto di inserire il frame iniziale delle finestre da 200 campioni precedentemente analizzate. Il software continua a chiedere l’inserimento di nuovi frame iniziali, e nel frattempo calcola il valore medio ottenuto in ogni finestra salvandolo all’interno di un vettore di dati, fino a che l’utente non preme il tasto “0”, che rappresenta la condizione di “break” del ciclo infinito impostato. A quel punto, il codice inserisce, nel file .txt contente i dati relativi al tacogramma, i valori di percentuale di SpO2 media all’interno di ogni finestra da 200 battiti, e la media
47
complessiva tra essi. Dal momento che l’utente, ad ogni ciclo, inserisce tutti i dati ottenuti all’interno di ogni singola fase, la media complessiva rappresenta, per ognuna di esse, il dato che verrà in seguito utilizzato durante le analisi statistiche.
Figura 20: Finestra riassuntiva di dati di interesse relativi all’analisi monovariata e bivariata effettuata in un determinato spezzone di segnale.
1.985 1.99 1.995 2 2.005 2.01 2.015 x 104 0.95 1 1.05 1.1 1.15 1.2 1.25 Tachogram: WAKE Time [s] [s /b e a t] 1.985 1.99 1.995 2 2.005 2.01 2.015 x 104 -2 -1 0 1 2 Respirogram: WAKE Time [s] A m p lit u d e 0 0.1 0.2 0.3 0.4 0.5 0 0.005 0.01 0.015 0.02 0.025 0.03 PSD of tachogram P S D [ s 2/H z ] Frequency [Hz] 0 0.1 0.2 0.3 0.4 0.5 0 20 40 60 80 PSD of respirogram P S D [ P o w e r/ H z ] Frequency [Hz] 0 0.1 0.2 0.3 0.4 0.5 0 0.2 0.4 0.6 0.8 1
Magnitude Square Coherence
Frequency [Hz]
64.9423
48
5. Risultati
Nel presente capitolo vengono raccolti e valutati i risultati ottenuti attraverso l’applicazione dei metodi di analisi descritti in precedenza. Si farà riferimento dapprima all’analisi monovariata compiuta sui segnali di variabilità cardiaca e di respiro: verranno valutate le potenze relative alle componenti spettrali LF e HF e le frequenze centrali dei picchi. Successivamente verranno mostrati i risultati relativi all’analisi bivariata compiuta tra i due segnali e infine, in ultima analisi, verranno discussi quelli inerenti la curva di saturazione dell’ossigeno, al fine di valutare il livello di ossigenazione del sangue. Tutti i parametri vengono analizzati all’interno delle stesse finestre da 200 battiti di lunghezza. Essi verranno confrontati con le schede riepilogative relative ad ogni paziente nelle quali vengono riportati indicatori polisonnografici di grande importanza quali il numero di apnee per unità di tempo e il numero di risvegli: verranno calcolati gli indici di correlazione e regressione per valutare ipotetici legami tra i parametri di interesse analizzati. Le analisi statistiche compiute saranno finalizzate all’identificazione di differenze tra le fasi del sonno, eventualmente indicate da valori di p_value inferiori a 0.05. In seguito verrà effettuata un’ulteriore analisi statistica per il confronto dei parametri tra due gruppi di soggetti: coloro che presentano la comparsa di un’armonica in banda LF nello spettro del respirogramma e coloro che invece non sono caratterizzati da tale fenomeno.