基于阈值的伪影校正方法影响2型糖尿病个体的心率变异性测量

为什么微小的数据清理差异很重要

医生越来越多地利用心跳时间的细微变化，即心率变异性，来评估神经系统对心脏的控制情况。这在2型糖尿病患者中尤为重要，因为他们面临较高的无症状心脏损伤风险。但心跳记录从来不会完全干净：设备会漏拍、人在运动、还有电噪声混入。本研究表明，我们在计算机上“清理”这些记录的方式本身就可能以有意义的方式改变结果——如果不谨慎，甚至可能误导临床医生和研究人员。

在糖尿病中观察心律

2 型糖尿病影响全球数亿人，并与心血管疾病密切相关。早在胸痛或晕厥出现之前，控制心脏的神经可能就开始受损，这一问题称为心脏自主神经病变。心率变异性（HRV）是一种简单、无创的方法，通过测量几分钟内心跳间期自然加速和减速的幅度，来发现这种神经损伤的早期迹象。在糖尿病患者中，这种变异通常减少，表明心脏在应对压力与休息时的灵活性正在丧失。

从原始心跳到计算机可用的数据

在这项研究中，52 名2 型糖尿病成人到研究中心就诊，他们安静仰卧在恒温房间内，记录了几分钟的心跳。研究组使用胸带心率监测器收集原始的 R–R 间期序列——每对心跳之间的微小时间间隔。随后用一款流行的 HRV 软件 Kubios 分析这些记录，软件提供了几种内置“过滤器”来检测并修正可疑心跳。过滤器从不做校正到非常严格都有，严格设置会积极标记并替换任何与邻近间期相比显得异常的间期。

提高过滤强度会改变结论

为了评估这些过滤器的重要性，研究人员对每个人相同的五分钟高质量数据段，依次使用所有滤波级别重新运行分析。在最温和的设置下，几乎没有心跳被更改，HRV 结果基本保持不变。但在最严格的过滤器下，平均约每十个心跳就有一个被替换，在部分受试者中，软件甚至更改了高达一半的心跳。这种大刀阔斧的清理使多项 HRV 指标出现整体性变化——包括反映总体变异性的指标、反映“战斗或逃跑”与“休息与消化”平衡的指标，以及更复杂的非线性心跳模式指标。

过度清理为何会产生误导

这些变化不仅是技术细节。HRV 值被用来判断一个人心脏是否承受过多压力、估计副交感（平静）分支的活动程度，甚至预测未来的心脏事件。如果过滤器悄然重塑了底层信号——在去除真实噪声的同时也平滑掉了真实的不规则性——就可能让心脏看起来比实际更健康或更糟。在这组2 型糖尿病受试者中，最严格的过滤使与平静及应激反应相关的指标显著不同，尽管这些心跳记录本身已被精心挑选为稳定且质量良好。

这对患者和研究的意义

作者得出结论：在2 型糖尿病人群中，过于激进的心跳数据清理会扭曲 HRV 结果，导致对神经相关心脏问题的高估或低估。他们并不主张存在单一完美的过滤器，但警告不要默认使用最严格的选项。相反，研究者和临床医生应在原始信号质量良好时倾向于最小或温和的校正，明确报告他们的设置，并朝着共享标准努力。对患者来说，信息虽是间接但重要：检测报告上的数值不仅取决于你的心脏状况，也取决于数据如何被处理——一致且审慎选择的方法是使这些数值真正可信的关键。

引用: 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

关键词: 2 型糖尿病, 心率变异性, 心脏自主神经病变, 数据预处理, Kubios 过滤器