Drempelgebaseerde artefactcorrectiemethoden beïnvloeden hartslagvariabiliteitsmetingen bij personen met type 2 diabetes mellitus

Waarom kleine wijzigingen in gegevensschoonmaak ertoe doen

Artsen gebruiken steeds vaker subtiele variaties in hartslagsynchronisatie, bekend als hartslagvariabiliteit, om te beoordelen hoe goed het zenuwstelsel het hart aanstuurt. Dit is vooral belangrijk bij mensen met type 2 diabetes, die een verhoogd risico lopen op stille hartaandoeningen. Maar die hartslagregistraties zijn zelden volledig schoon: apparaten missen slagen, mensen bewegen en elektrische ruis sluipt erin. Deze studie laat zien dat de manier waarop we die registraties op de computer "opschonen" zelf de uitkomsten op een betekenisvolle manier kan veranderen — en artsen en onderzoekers mogelijk op het verkeerde been kan zetten als ze niet voorzichtig zijn.

Het hartritme volgen bij diabetes

Type 2 diabetes treft wereldwijd honderden miljoenen mensen en hangt nauw samen met hart- en vaatziekten. Lang voordat pijn op de borst of flauwvallen optreden, kunnen de zenuwen die het hart regelen beginnen te falen, een probleem dat cardiale autonome neuropathie wordt genoemd. Hartslagvariabiliteit (HRV) is een eenvoudige, niet-invasieve manier om vroege tekenen van deze zenuwbeschadiging op te sporen door te meten hoeveel de tijd tussen hartslagen in enkele minuten van nature versnelt en vertraagt. Bij mensen met diabetes is deze variatie vaak verminderd, wat aangeeft dat het hart wat van zijn flexibele reactie op stress en rust verliest.

Van ruwe slagen naar computerklare gegevens

In deze studie bezochten 52 volwassenen met type 2 diabetes een onderzoekscentrum, waar hun hartslag enkele minuten werd geregistreerd terwijl ze rustig op hun rug lagen in een temperatuurgecontroleerde kamer. Het team gebruikte een borstbandhartmonitor om ruwe reeksen R–R-intervallen vast te leggen — de kleine tijdsafstanden tussen elke opeenvolgende hartslag. Deze opnamen werden vervolgens geanalyseerd met een veelgebruikt HRV-softwarepakket genaamd Kubios, dat meerdere ingebouwde "filters" biedt om verdachte slagen te detecteren en te corrigeren. De filters variëren van geen correctie tot een zeer strikte instelling die agressief elk interval markeert en vervangt dat er ongewone uitziet vergeleken met zijn buren.

Het aanzetten van het filter verandert het verhaal

Om te zien hoeveel deze filters uitmaken, namen de onderzoekers hetzelfde vijf minuten durende, hoogwaardige gegevenssegment van elke persoon en voerden de analyse opnieuw uit met elk filterniveau. Bij de zachtste instellingen werd bijna geen enkele slag aangepast en bleven HRV-resultaten in wezen hetzelfde. Maar onder het meest restrictieve filter werd gemiddeld bijna één op de tien slagen veranderd en bij sommige mensen corrigeerde de software tot de helft van de slagen. Deze zwaar ingrijpende schoonmaak verschuift meerdere HRV-maatregelen over de hele linie — die welke de algehele variabiliteit weerspiegelen, de balans tussen "vecht-of-vlucht" en "rust-en-vertering" activiteit, en meer complexe, niet-lineaire patronen in het hartslagsignaal.

Waarom over-schoonmaken kan misleiden

Deze veranderingen zijn niet alleen technische details. HRV-waarden worden gebruikt om te beoordelen of iemands hart te veel onder stress staat, om in te schatten hoe goed de kalmerende tak van het zenuwstelsel functioneert, en zelfs om toekomstige hartaandoeningen te voorspellen. Als een filter het onderliggende signaal geruisloos herschikt — waarbij echte onregelmatigheden worden gladgestreken samen met daadwerkelijke ruis — kan dat het hart gezonder of zieker doen lijken dan het werkelijk is. In deze groep met type 2 diabetes zorgde het strengste filter ervoor dat indicatoren die aan zowel kalmering als stressresponsen gekoppeld zijn er duidelijk anders uitzien, ook al waren de oorspronkelijke hartslagopnamen al zorgvuldig geselecteerd om stabiel en van goede kwaliteit te zijn.

Wat dit betekent voor patiënten en studies

De auteurs concluderen dat zeer agressieve schoonmaak van hartslaggegevens HRV-resultaten bij mensen met type 2 diabetes kan vertekenen, wat kan leiden tot overschatting of onderschatting van zenuwgerelateerde hartproblemen. Ze beweren niet dat er één perfect filter bestaat, maar waarschuwen tegen het standaard gebruiken van de strengste optie. In plaats daarvan pleiten ze ervoor dat onderzoekers en clinici minimale of zachte correctie geven wanneer het oorspronkelijke signaal goed is, hun instellingen duidelijk rapporteren en werken aan gedeelde normen. Voor patiënten is de boodschap indirect maar belangrijk: de cijfers die u op een testrapport ziet hangen niet alleen af van uw hart, maar ook van hoe de gegevens worden verwerkt — en consistente, zorgvuldig gekozen methoden zijn essentieel om die cijfers echt betrouwbaar te maken.

Bronvermelding: Bassi-Dibai, D., Santos-de-Araújo, A.D., Rocha, D.S. et al. Threshold-based artefact correction methods influence heart rate variability measurements in individuals with type 2 diabetes mellitus. Sci Rep 16, 11341 (2026). https://doi.org/10.1038/s41598-026-42255-y

Trefwoorden: type 2 diabetes, hartslagvariabiliteit, cardiale autonome neuropathie, gegevensvoorbewerking, Kubios-filters