| Analysis of the cardiovascular response to autonomic nervous system modulation in Brugada syndrome patients (Analyse de la réponse cardiovasculaire à la modulation du système nerveux autonome chez le patient souffrant du syndrome de Brugada) Calvo Gonźalez, Mireia - (2017-11-10) / Universite de Rennes 1, Universitat politécnica de Catalunya Analysis of the cardiovascular response to autonomic nervous system modulation in Brugada syndrome patients
| |||
Langue : Anglais Directeur(s) de thèse: Hernández Rodriguez, Alfredo; Gomis, Pedro Discipline : Traitement du signal et télécommunications Laboratoire : Laboratoire de Traitement du Signal et de l'Image Ecole Doctorale : MATHSTIC Classification : Médecine et santé, Sciences de l'ingénieur Mots-clés : syndrome de Brugada, système nerveux autonome, système cardiovasculaire, baroréflexe, stratification du risque, variabilité du rythme cardiaque, modélisation, simulation
| |||
Résumé : Le syndrome de Brugada (BS) est une maladie génétique responsable de troubles du rythme cardiaque. En raison de la nature complexe et multifactorielle de cette pathologie, la stratification du risque peut s’avérer particulièrement difficile et il est nécessaire de pouvoir définir de nouveaux marqueurs avec des valeurs prédictives élevées afin d’identifier les patients à haut risque. Les événements arythmiques dans cette population étant souvent liés à des modifications de fonctionnement du système nerveux autonome (SNA), l’objectif de la thèse est l’évaluation et comparaison de la réponse cardiovasculaire aux modulations du SNA pendant la nuit, ainsi qu'en réponse à des manœuvres normalisées, telles que l'épreuve d'effort ou le test d'orthostatisme, chez une série de patients BS présentant différents niveaux de risque (sujets symptomatiques et asymptomatiques). Une première partie du travail de thèse est dédiée à l’application de méthodes d'analyse de complexité cardiaque, de sensibilité baroréflexe et de variabilité non-stationnaire du rythme cardiaque, jamais étudiées dans le cadre des patients BS. Dans une deuxième partie, afin d'aborder la nature multifactorielle de la maladie, une approche multivariée basée sur une méthode de machine learning est introduite. En employant des marqueurs extraits à l'analyse du traitement du signal précédent, des classificateurs robustes capables de distinguer les patients à différents niveaux de risque sont proposés. Dans la troisième partie de ce travail, deux modèles mathématiques de connaissances ont été proposés et analysés, afin d'étudier les réponses autonomiques et hémodynamiques au test d’orthostatisme et à l’épreuve d’effort. Enfin, une application prospective d’une approche multivariée intégrant les paramètres extraits à l'étape de modélisation est également présentée. L’ensemble des résultats de la thèse permet une meilleure caractérisation des profils autonomiques des patients BS et laisse envisager une amélioration de la sélection des patients pour implantation d'un défibrillateur implantable. Abstract : Brugada syndrome (BS) is a genetic arrhythmogenic disease characterized by a distinctive electrocardiographic pattern, associated with a high risk for sudden cardiac death. Its complex and multifactorial nature turns risk stratification into a major challenge. Although variations in autonomic modulation are commonly related to arrhythmic events in this population, novel markers with higher predictive values are still needed so as to identify those patients at high risk. Since the autonomic function can be better characterized through the application of standardized maneuvers stimulating the autonomic nervous system (ANS), the main objective of this thesis is to evaluate and compare the cardiovascular response to ANS modulations overnight, as well as in response to exercise and HUT testing, on a series of BS patients with different levels of risk (symptomatic and asymptomatic subjects). In a first part of this work, we apply previously described methods for the analysis of heart rate complexity, baroreflex sensitivity, and non-stationary heart rate variability, never before studied in the context of BS patients. In a second part, in order to address the multifactorial nature of the disease, a multivariate approach based on a step-based machine learning method is introduced. By employing markers extracted at signal-processing analysis, robust classifiers capable of distinguishing patients at different levels of risk are proposed. The third part of this work has been focused on the proposal of novel mathematical models and the associated model analysis methods, so as to study the autonomic and hemodynamic responses to exercise and HUT testing. Finally, a prospective application of a multivariate approach integrating parameters extracted at the model-based stage is also presented. Overall, the obtained results provide new insights into the underlying autonomic mechanisms regulating the cardiovascular system in BS, improving physiopathology and prognosis interpretation. The proposed approach may be used as an instrument for the identification of those asymptomatic patients at high risk who may benefit from a cardioverter defibrillator implantation. | |||