Rapport d’étude

Comparaison des logiciels Kubios et Codesna

pour analyse de la variabilité de la fréquence cardiaque

1. INTRODUCTION

L’activité chronotrope cardiaque résulte de la réponse du nœud sinusal aux influences

parasympathique et sympathique. En étudiant comment cette activité est régulée, il est

possible d’obtenir des indicateurs indirects de la prédominance d’activité

parasympathique ou sympathique (1). L’observation battement à battement des intervalles

entre battements (intervalles RR) a montré qu’il existait une variabilité importante entre

ces battements. La variabilité de Fc est le terme qui décrit les variations à la fois de Fc

instantanée et des intervalles RR (2). Il existe plusieurs méthodes d’analyse de la

variabilité de l’intervalle RR (VarRR), dont les principales sont les

- Méthodes temporelles (calcul de la déviation standard de l’intervalle RR (SDNN) ; de

rMSSD ou la racine carrée de la moyenne des différences des RR successifs élevées au

carré ; de NN50 ou nombre de RR adjacents qui diffèrent de plus de 50 ms, exprimé plus

couramment en pourcentage du nombre total de périodes cardiaques ou pNN50).

- Les Méthodes fréquentielles : il a été proposé que l’analyse spectrale des fluctuations

qui affectent la fréquence cardiaque (1) pouvait donner des indices sur sa régulation

neuronale, et en particulier sur l’équilibre sympatho-vagal du réglage cardiovasculaire

(3,4). L’analyse spectrale la plus courante est la Transformée de Fourrier qui donne un

spectre de fréquence qui présente des bandes de fréquences spécifiques. Plus

particulièrement, le spectre de fréquences supérieures à 0,15 Hz (Haute fréquence, HF)

représenterait uniquement une réponse du nœud sinusal à une activité parasympathique

(Persson et coll. 1992). Les réflexes cardiaques orthosympathiques dus à une activation

des barorécepteurs sont en effet plus lents que la réponse parasympathique (5). Le spectre

de basses fréquences inférieures à 0,15 Hz (basse fréquence, BF) représentait un

amalgame d’activités parasympathique et orthosympathique contrôlant le nœud sinusal

(6–8). Par ailleurs, on peut aussi déterminer une bande de très basses fréquences (very

low frequency ou VLF), qui représenterait l’activité à plus long terme du système rénine-

angiotensine et de la thermorégulation (2).

Les recommandations particulières concernant l’utilisation de ces méthodes sont les

suivantes (2) :

1) Il faut essayer de ne pas avoir de modifications du contrôle du SNV durant

l’enregistrement, ce qui signifie qu’un état stationnaire est requis. Il est à noter

toutefois que la nécessité ou non d’avoir un état stationnaire pour effectuer

l’analyse n’est toujours pas établie. En effet, sur une durée de 24 h, on ne peut pas

considérer que la modulation par le système nerveux végétatif soit stationnaire. Il

en est de même lors d’un exercice incrémental ou on observe une dérive

progressive de la fréquence cardiaque. Toutefois, l’analyse spectrale de VarRR a

été utilisée au cours de différents protocoles (9,10), en effectuant l’analyse sur des

temps relativement courts assimilés chacun à un état stationnaire.

2) La fréquence d’échantillonnage doit être convenablement choisie : on considère

qu’il ne faut pas une fréquence inférieure à 250 voire 500 Hz.

3) Il faut vérifier que les différentes corrections apportées au périodogramme

(battements ectopiques, évènements arythmiques, artéfacts de mesure, « bruit »…)

ne modifient pas significativement le spectre de fréquence obtenu par la suite. Il

est important de quantifier et de préciser le nombre et la durée des intervalles RR

qui ont été omis ou interpolés.

4) La fréquence respiratoire ne doit pas être inférieure à la fréquence limite entre les

HF et les BF, c’est à dire 0,15 Hz (ou 10 cycles.min-1).

5) La durée d’analyse doit être identique lorsque l’on souhaite comparer différentes

situations

Un des logiciels calculant ces couramment utilisés actuellement par la communauté

scientifique est le logiciel Kubios (11).

Face aux contraintes d’utilisation précédemment cités, d’autres indices ont été utilisé pour

quantifier et qualifier l’analyse de la variabilité de la fréquence cardiaque. Il s’agit

principalement des indices qualifiés de non-linéaire (Shannon Entropy, Approximate

Entropy, detrented fluctuation analysis ect… : e.g., (12–14)), mais leur signification

physiologique reste sujet à caution.

Le logiciel CODESNA propose une évaluation de l’activité du système neurovégétatif par

l’analyse de la variabilité de l’intervalle RR reposant sur une nouvelle génération

d’algorithme.

Le but de ce travail a été d’évaluer la validité de ce logiciel. Pour ce faire, des situations

physiologiques connues (redressement passif et actif, exercice physique, entraînement en

endurance) ont été évaluées afin de vérifier la répétabilité et la sensibilité des indices

obtenus avec le logiciel CODESNA.

2. MATERIEL ET METHODES

2.1. PARTICIPANTS

Quinze sujets de sexe masculin (22±1 ans, 177±7 cm et 70±6 kg), formant un groupe de

sujet baptisé « Contrôles » ont volontairement participé à cette étude. L'ensemble des

sujets était issu d'une formation universitaire en sciences des activités physiques et

sportives et ne présentait aucun antécédent de maladie cardio vasculaire. Un groupe

additionnel dix skieurs de fond de haut niveau du Centre National de Ski Nordique de

Prémanon (France) aussi participé.

Chaque sujet a donné son consentement éclairé après une information orale et écrite

complète et sincère, en accord avec la Déclaration de Helsinki.

2.2. PROTOCOLE EXPERIMENTAL

Afin de tester la validité du logiciel "CODESNA” comme outil d’analyse de la variabilité

de la fréquence cardiaque pour évaluer l’activité du système neurovégétatif, nous avons

choisi trois situations physiologiques connues, couramment étudiées par ce type

d’analyse. Les sujets Contrôles ont réalisé, sur un intervalle de 2 jours, en laboratoire et

dans cet ordre, 1) 3 tests successifs de redressement actif (passage couché/debout), 2) un

redressement passif à l'aide d'une table basculante et 3) une épreuve de trois exercices

sous maximaux sur bicyclette ergométrique. Les skieurs de fond ont réalisé, durant la

saison hivernale 2015, un tilt test actif.

L’ensemble des tests ont été réalisé dans un environnement standardisé (laboratoire) sans

lumière vive ni sollicitation extérieure). La fréquence cardiaque battement à battement a

été enregistrée durant toute la durée des tests.

Durant les tests passifs, il été demandé à l'ensemble des sujets de ne pas parler, de rester

éveillé, et de respirer normalement tout au long du test.

La répétabilité des analyses a été évaluée grâce à la répétition des trois tilt-test. La

répétabilité des méthodes est considérée comme relativement bonne tant chez des sujets

sains (15–20).

Leur sensibilité a été évaluée grâce au redressement passif progressif, à l’exercice sous

maximal et à la comparaison entre les skieurs et les sujets Contrôles.

Enfin, l’effet de la durée de la période analysée a été testé durant les tilt-tests afin de

vérifier si elle a une importance particulière pour le logiciel CODESNA.

2.2.1. TILT-TEST ACTIF ET REDRESSEMENT PROGRESSIF

Le tilt test actif se compose de deux phases distinctes : une phase couchée (0°) d'une durée

de 8 min, puis une seconde phase de 7 min debout (90°). A la suite de la période couché,

le sujet se lève de manière autonome, sans aide, et s'installe dos contre un mur. Ce test a

été réalisé 3 fois de suite avec une récupération passive de 10 min entre chaque répétition,

Le test du redressement progressif a été effectué à l'aide d'une table à bascule comprenant

4 angulations différentes (0°, 30°, 45°, et 60°). Le test se compose de 4 phases successives

d'une durée de 8 min chacune, avec augmentation progressive de l'angulation de la table.

Le tilt-test actif comme le redressement progressif débutent par une phase de repos de 10

min à une inclinaison de 0°, sans enregistrement des données.

Ces tests ont été choisis car la réponse à l’orthostatisme passif ou actif est connue.

L’utilisation d’une épreuve de redressement passif (orthostatisme, couramment appelée

« tilt test ») pour décrire les réflexes neurovégétatifs et cardiovasculaires est largement

répandue en physiologie tant pour la recherche que pour l’étude clinique, parce qu’il est

simple et reproductible (21–24). Le principe est que le passage en position quasi verticale

(ou 60°) provoque le déplacement d’environ 500–800 ml de sang de la circulation

thoracique vers les vaisseaux capacitifs des viscères abdominaux et des jambes. Dans ce

cas, des réponses neurovégétatives appropriées, avec retrait de l’activité parasympathique

et mise en jeu de l’activité orthosympathique, qui augmentent la fréquence cardiaque et

les résistances vasculaires périphériques sont nécessaires pour minimiser les effets du

changement de posture sur le retour veineux et le débit cardiaque (22).

Il n’est pas toujours possible d’effectuer une épreuve de redressement passif à l’aide d’une

table de test spécifique, comme cela se fait le plus souvent en physiopathologie (par

exemple, (25–27). C’est pourquoi nous avons effectué un redressement actif, dont les

effets sont globalement comparables à ceux du redressement passif (23,28,29).

2.2.2. EFFET DE LA DUREE D’ANALYSE

Afin de tester si la durée de l’analyse avait une importance avec le logiciel CODESNA

(on sait quelle doit être identique avec les analyses traditionnelles : (2)), nous avons utilisé

différentes durée : la durée préconisée pour l’analyse spectrale (300 sec), cette durée avec

30 secondes en plus ou en moins et enfin une durée d’analyse spontanément choisie en

fonction « de l’allure » du périodogramme.

2.2.3. EXERCICE SOUS MAXIMAL

L'exercice sous maximal était un exercice de pédalage effectué sur un cyclo-ergomètre.

Le test consistait en 3 paliers successifs de 6 minutes à respectivement 120, 140 et 160

battements par minute. Le début du test est précédé par un échauffement de 5 min à

intensité faible. Il a été demandé aux sujets de respecter une cadence de pédalage comprise

entre 80 et 100 rpm.

Comme pour le tilt-test, les réponses cardiovasculaires et neurovégétatives à l’exercice

sont connues. La mise en jeu du système neurovégétatif au cours de l’exercice se traduit

initialement par une diminution de l’activité parasympathique, provoquant l’augmentation

de la fréquence cardiaque (jusqu’à des intensités d’exercice correspondant à une

fréquence cardiaque d’environ 100 bpm) et du débit cardiaque. Lorsque l’augmentation

du débit cardiaque est insuffisante pour augmenter la pression artérielle au nouveau niveau

opérationnel (ré-initialisation du baroréflexe, synonyme d’une puissance d’exercice plus

importante), l’activité du système nerveux orthosympathique augmente (30–34).

Ainsi, pendant l’exercice modéré, le tonus orthosympathique peut être élevé grâce au

métaboréflexe et l’activité parasympathique peut être diminuée (mais pas annulée) grâce

à une commande centrale et/ou à une ré-initialisation du baroréflexe. Avec une

augmentation de la charge de travail, l’activité parasympathique diminue encore,

traduisant une augmentation de la commande centrale ou une nouvelle ré-initialisation du

baroréflexe à un niveau encore plus élevé et l’activation sympathique augmente à son tour

grâce à une activité plus importante du métaboréflexe et/ou une ré-initialisation du

baroréflexe jusqu’à ce que l’activité parasympathique soit complètement nulle. Lors de

l’exercice sous-maximal, le tonus parasympathique résiduel permet une augmentation

baroréflexe rapide de la fréquence cardiaque en réponse à une hypotension transitoire,

alors qu’à l’exercice maximal, seule une activation plus lente du baroréflexe (modification

d’activité vasoconstrictrice sympathique) peut intervenir, la fréquence cardiaque étant

déjà à son niveau maximal.

2.2.4. EFFET ENTRAINEMENT

L’exercice physique, pratiqué d’une manière régulière, provoque de nombreuses

adaptations cardiovasculaires et neurovégétatives, dont les principales sont :

- une réduction de l’activité orthosympathique vasomotrice au repos (35). Cette

réduction peut être en partie expliquée par l’augmentation du volume

intravasculaire qui est alors suffisante pour élever continuellement la fréquence de

décharge des barorécepteurs à basse pression de l’oreillette droite. Cette

stimulation provoque une grande réduction de l’activité sympathique qui diminue

les résistances vasculaires périphériques et la pression artérielle (36,37).

- Une augmentation des indicateurs d’activité parasympathique au repos, mais aussi

lors de l’orthostatisme et de l’exercice sous maximal (38).

2.3. MATERIELS UTILISES ET TRAITEMENT DES DONNEES

Le cyclo-ergomètre utilisé était un cyclo ergomètre de type Monark 818E (Stockholm,

Sweden).

L’ensemble des relevés de fréquence cardiaque battement à battement a été effectué à

l'aide d'un cardiofréquencemètre de type polar S810 (Polar electro Oy, Kempele,

Finlande). Les données ont été téléchargées à l'aide du logiciel Polar Pro Trainer

(Kempele, Finlande).

L'analyse de la variabilité de la fréquence cardiaque a été réalisée à l'aide de deux logiciels.

Un logiciel considéré comme logiciel de référence (Kubios, Biosignal Analysis and

Medical Imaging Group at the Department of Applied Physics, University of Kuopio,

Kuopio, Finlande ; (11)), et le logiciel test CODESNA.

Avec le logiciel Kubios, l'ensemble des périodogrammes ont été analysés et corrigés en

fonction de la présence ou non d'artefacts, par un filtrage du signal défini par le logiciel.

L’analyse des périodogrammes a été réalisée sur des fenêtres stables de 300 s pour

l’ensemble des modalités de mesure (2).

Les indices de variabilité de fréquence cardiaque retenus ont été : la moyenne des

intervalles R-R (ms), la racine carrée de la moyenne des différences au carré des

intervalles successifs (rMSSD) ; le pourcentage d’intervalles différents de son précédent

de plus de 50 ms (pNN50). Le paramètre SD1 extrait de la représentation de Poincaré,

représentant l’écart-type de la variabilité battement à battement instantané. Enfin, nous

avons réalisé une analyse spectrale paramétrique obtenue par une transformation rapide

de Fourier (FFT). Nous avons considéré la puissance totale, les basses fréquences (LF) de

0,04 à 0,15 Hz, les hautes fréquences (HF) pour la bande de 0,15 à 0,4 Hz ainsi que le

rapport LF/HF.

Les indices ont été interprétés comme suit :

- Indice d’activité parasympathique : rMSSD, pNN50, SD1, HF (en %, unités

normalisées – nu – et ms²).

- Indice d’activité orthosympathique : rapport LF/HF

Avec le logiciel CODESNA, les indices considérés ont été :

- Ortho (puissance orthosympathique en ms²), - Para (puissance parasympathique en ms²), - R=facteur de récupération (>1=récupération, <1 pas de récupération) et - Stress Level.

Des paramètres expérimentaux ont été aussi analysés : - Max Stress (maximum du Stress Level sur la durée d'analyse) - TPSP = entropie Sympathique (correspond au degré d'opposition de l'Ortho

envers le Para)

- TPPS = entropie Parasympathique (correspond au degré d'opposition du Para envers l'Ortho)

- Fatigue

2.4. ANALYSES STATISTIQUES

Les résultats sont présentés sous la forme de moyenne ± écart type sauf lorsque préciser.

Pour l'ensemble des analyses, la normalité de la distribution des valeurs a été vérifiée à

l'aide du test Shapiro-Wilk.

Pour tester la répétabilité de la mesure nous avons utilisé une Anova à mesures répétées,

pour comparer les valeurs des indices dérivées de l’analyse de la variabilité de la

fréquence cardiaque. Lorsque la distribution n’était pas normale, un test de Kruskal Wallis

a été utilisé.

Pour évaluer la sensibilité de la mesure lors du test de redressement progressif et lors de

l'exercice sous maximal, une Anova à mesures répétées a été utilisée. Lorsque la

distribution n’était pas normale, un test de Kruskal Wallis a été utilisé.

Pour évaluer l'effet entraînement, entre les groupes « skieurs » et « contrôles », une

ANOVA deux facteurs (position x groupe) a été utilisée. Lorsque la distribution n’était

pas normale, un test de Kruskal Wallis a été utilisé.

L'ensemble de ces tests statistiques a été réalisé pour les deux logiciels d'analyse. Toutes

les analyses statistiques ont été réalisées avec le logiciel (SigmaStat® SPSS Inc, Chicago,

États-Unis). Le seuil de significativité p a été fixé à 0,05.

3. RESULTATS

3.1. REPETABILITE DE LA MESURE

3.1.1. KUBIOS

L’analyse statistique des données issues de l’analyse de la VFC avec Kubios montre que :

- Les données obtenues en position couché sont répétables : pas de différence

significative entre les valeurs pour la durée des intervalles RR (p=0.146) ; rMSSD

(p= 0.498) ; pNN50 (p=0.516) ; HF ms² (p=0.763) ; HF % (p=0.949) ; HFnu

(p=0.977) ; LF ms² (p=0.370) ; LF% (p=0.837) ; LFnu (p=0.988) ; LF/HF

(p=0.966) ; TP ms² (p=0.402) ; SD1 (p=0.498) ; SD2 (p=471).

- Les données obtenues en position debout sont globalement répétables : pas de

différence significative entre les valeurs pour HR (p=0.296) ; rMSSD (p= 0.122) ;

pNN50 (p=0.213) ; HF ms² (p=0.119) ; HF % (p=0.849) ; HFnu (p=0.743) ; LF

ms² (p=0.136) ; LF% (p=0.0.886) ; LFnu (p=0.736) ; LF/HF (p=0.705) ; SD1

(p=0.122) ; SD2 (p=0.04). En revanche, les valeurs de TP ms² (p=0.045) et SD2

(p=0.04) varient significativement et ne peuvent donc pas être considérées comme

répétables.

- Les données traduisant la réactivité du système neurovégétatif (% variation entre

couché et debout) sont répétables : pas de différence significative entre les valeurs

pour FC (p=0.703) ; rMSSD (p= 0.849) ; pNN50 (p=0.988) ; HF ms² (p=0.693) ;

HF % (p=0.485) ; HFnu (p=0.668) ; LF ms² (p=0.606) ; LF% (p=0.0.553) ; LFnu

(p=0.876) ; LF/HF (p=0.634) ; TP ms² (p=0.658) ; SD1 (p=0.849) ; SD2

(p=0.520).

Une autre possibilité pour tester la répétabilité est de calculer le coefficient de variation.

En position couché, le coefficient de variation est de 8,9±9,1% pour rMSSD, 7,5±1,3%

pour pNN50, 5,4±7,2% pour HF ms², 4,2±2,4% pour HF%, 5,7±3,0% pour HFnu,

2,6±1,2% pour LF/HF et 8,9±9,1% pour SD1.

En position debout, le coefficient de variation est de 16,4±41,6% pour rMSSD, 1,8±1,3%

pour pNN50, 4,0±4,5% pour HF ms², 6,0±7,7% pour HF%, 5,5±5,5% pour HFnu,

5,1±5,0% pour LF/HF et 16,2±41,2% pour SD1.

mean RR

(ms) rMSSD (ms) pNN50 (%) HF (ms²) HF% HFnu LF/HF SD1 (ms)

Tilt

te

st a

ctif

1 couché 988±132 45±26 23,8±23 813,9±855 31,3±14,5 50,3±19 1,4±1,2 31,8±19

debout 741±115 23±11 5,8±8,8 168,3±204 6,5±5,8 10,5±8,6 13,5±8 16,1±8

2 couché 1053±141 57±34 31,9±27 1317±1646 31,7±15,9 51,2±19,8 1,34±1,2 40,3±24,2

debout 774±114 27±13,5 9,3±10,8 243,7±309 5,4±4,3 8,9±7,6 15,7±8,5 19,1±9,5

3 couché 1115±193§ 61±31,1 36,8±25,7 1168,9±1229 31,1±16,7 49,7±17 1,2±0,7 43±22

debout 815±137 34±17 14,1±13,2 343,4±380,5 5,7±4,4 10,4±8 13,6±8,7 23,7±12

Tableau des principaux indices de l’analyse de la variabilité de l’intervalle RR avec le

logiciel Kubios.

§ Différence significative entre couché 1 et couché 3, p<0,05.

3.1.2. CODESNA

L’analyse statistique des données issues de l’analyse de la VFC avec CODESNA montre

que :

- Les données obtenues en position couché ne sont pas toutes répétables : pas de

différence significative entre les valeurs pour Ortho (p= 0.407) ; Para (p=0.229) ;

R factor (p=0.160). Le paramètre secondaire Fatigue (p=0.179) ne varie pas

significativement non plus. En revanche, les valeurs de Stress level (p= 0.0471)

et des paramètres secondaires Max Stress (p=0.217) ; TPPS (p=0.0476) et TPSP

(p=0.011) varient significativement et ne peuvent donc pas être considérées

comme répétables.

- Les données obtenues en position debout sont répétables : pas de différence

significative entre les valeurs pour Ortho (p= 0.149) ; Para (p= 0.062) ; R factor

(p=0.578) et Stress level (p= 0.479) ni pour Max Stress (p=0.188) ; TPPS

(p=0.446) ; TPSP (p=0.350) et Fatigue (p=0.120).

- Les données traduisant la réactivité du système neurovégétative (% variation

entre couché et debout) sont répétables : pas de différence significative entre les

valeurs pour Ortho (p= 0.8512) ; Para (0.910) ; R factor (p=0.186) et Stress level

(p= 0.331) ni pour Max Stress (p=0.360) ; TPPS (p=0.927) ; TPSP (p=0.324) ; et

Fatigue (p=0.766).

Paramètres principaux Paramètres secondaires

Ortho (ms²) Para (ms²) RFactor Stress Level (%) Max Stress (%) TPPS (%) TPSP (%) Fatigue

Til

t te

st a

cti

f

1 couché 1470,8±1463,1 1438,5±1323 1,2±0,4 99,4±5§ 121,6±4,8 12,6±8,4§ 11,6±7,7§ 0,4±0,2

debout 1797,9±1371 1413,5±987 0,6±0,3 110±7,7* 146,6±15 6,2±3,7 6,3±3,6 0,6±0,4*

2 couché 2215,2±1988,3 2148,6±1831 1,1±0,5 100,5±5,1 121,9±4,3 14,6±9,2 16,3±7,6 0,3±0,1

debout 2193,6±1199,4 1923,1±1060,1 0,7±0,3 107,1±5,3 139,5±12,1 6,6±3,6 6,4±3,5 0,5±0,3

3 couché 1972,2±1343,6 2094,9±1370,6 1,6±0,9 96,2±4§ 118,2±9,2 19,4±8,9§ 19,1±7,8§ 0,2±0,2

debout 2781,5±1487,4 2389,4±1225,4 0,8±0,6 107,2±8* 139,2±9,4 7,9±4,4 8,1±4 0,4±0,3*

Tableau des indices de l’analyse de la variabilité de l’intervalle RR avec le logiciel

CODESNA.

§ Différence significative entre couché 1 et couché 3 ; p<0,05.

En position Couché, le coefficient de variation est de 3.7±3.7% pour Ortho, 3.4±2.3%

pour Para, 5.7±7.0% pour R factor et 30.8±15.4% pour Stress level. Il est de 30.2±14.0%

pour Max Stress, 7.9±12.9% pour TPPS, 5.2±5.5% pour TPSP et 3.7±2.0% pour Fatigue.

En position Debout, le coefficient de variation est de 4.0±2.4% pour Ortho, 5.8±8.5%

pour Para, 4.8±3.1% pour R factor et 39.6±32.8% pour Stress level. Il est de 25.2±13.7%

pour Max Stress, 5.7±8.6% pour TPPS, 4.5±3.9% pour TPSP et 7.6±10.9% pour Fatigue.

3.1.3. CONCLUSION

Il est connu que les indices traditionnels de l’analyse de la variabilité de la fréquence

cardiaque ne sont que relativement répétables (19), (20), pour la plupart plus grand que

5%. Toutefois, dans les conditions de notre étude, seule la puissance totale et SD2 en

position debout varie significativement lors des 3 tilt-tests actifs.

En ce qui concerne le logiciel CODESNA, les paramètres principaux et secondaires

paraissent tout aussi répétables : plus de situations où une différence significative est

observable et des coefficients de variation importants (quelque fois plus de 25-30%). En

revanche, l’on peut remarquer que les indices Para et Ortho sont très répétables, en

particulier en position Couché. On remarque aussi une grande variation interindividuelle

(les écart-types pour ces coefficients de variations sont grands, de l’ordre de grandeur de

la moyenne), avec le logiciel Kubios comme CODESNA.

3.2. CODESNA : EFFET DE LA DUREE D’ANALYSE

La comparaison des différentes durées d’analyse avec le logiciel CODESNA montre

que, globalement, modifier la durée ne modifie pas le résultat obtenu (variation de moins

de 10% la plus part des cas, et souvent proche de 2-3%).

Aucune différence significative entre les conditions n’a été observée.

Ces résultats confirment la robustesse d’utilisation du logiciel CODESNA.

Indice Condition N Moyenne

Ecart-

type Minimum Maximum

Fa

tig

ue

0°

-30 / 300 15 -0,5% 2,9% -5,3% 4,9%

30 / 300 15 -6,2% 9,1% -31,2% 2,4%

Spontanée / 300 15 -1,7% 13,7% -23,6% 36,2%

30°

-30 / 300 15 -3,9% 5,8% -16,8% 1,8%

30 / 300 15 -1,6% 7,5% -20,8% 14,6%

Spontanée / 300 15 -1,9% 13,2% -36,9% 20,3%

45°

-30 / 300 15 -2,2% 7,6% -22,5% 9,7%

30 / 300 15 6,9% 28,7% -6,5% 108,6%

Spontanée / 300 15 -0,8% 9,7% -21,0% 13,8%

60°

-30 / 300 15 4,9% 22,9% -9,1% 86,5%

30 / 300 15 2,7% 13,1% -13,4% 44,4%

Spontanée / 300 15 6,0% 25,0% -36,4% 82,5%

Ma

x S

tress

0°

-30 / 300 15 -0,2% 0,7% -2,6% 0,0%

30 / 300 15 0,0% 0,0% 0,0% 0,1%

Spontanée / 300 15 -1,5% 4,2% -10,7% 3,4%

30°

-30 / 300 15 -0,8% 2,1% -7,3% 0,0%

30 / 300 15 0,6% 2,3% 0,0% 9,0%

Spontanée / 300 15 -0,2% 6,8% -14,7% 13,3%

45°

-30 / 300 15 -0,3% 1,2% -4,7% 0,0%

30 / 300 15 1,3% 3,5% 0,0% 11,2%

Spontanée / 300 15 0,5% 2,0% -2,7% 5,8%

60°

-30 / 300 15 -0,3% 1,1% -4,1% 0,0%

30 / 300 15 1,3% 3,4% 0,0% 10,8%

Spontanée / 300 15 -0,7% 4,5% -12,3% 8,5%

Ort

ho

0°

-30 / 300 15 -0,2% 5,0% -10,8% 6,3%

30 / 300 15 17,6% 28,7% -4,8% 106,5%

Spontanée / 300 15 4,1% 19,5% -46,1% 40,3%

30°

-30 / 300 15 3,4% 3,4% -3,4% 9,2%

30 / 300 15 7,6% 17,6% -6,8% 62,9%

Spontanée / 300 15 3,8% 11,0% -17,1% 19,0%

45°

-30 / 300 15 -3,0% 7,2% -16,8% 8,8%

30 / 300 15 7,0% 12,2% -3,7% 46,9%

Spontanée / 300 15 -0,6% 11,8% -27,1% 16,2%

60°

-30 / 300 15 -3,6% 19,6% -70,6% 9,1%

30 / 300 15 5,2% 8,9% -4,4% 26,3%

Spontanée / 300 15 -4,6% 22,4% -70,9% 22,1%

Pa

ra

0°

-30 / 300 15 0,0% 4,7% -7,8% 6,7%

30 / 300 15 17,3% 30,1% -5,8% 110,8%

Spontanée / 300 15 4,0% 20,1% -48,5% 34,8%

30°

-30 / 300 15 2,7% 3,8% -3,8% 8,4%

30 / 300 15 6,3% 16,5% -3,6% 60,1%

Spontanée / 300 15 3,2% 11,5% -11,7% 37,2%

45°

-30 / 300 15 -2,7% 7,0% -16,8% 8,0%

30 / 300 15 7,8% 11,3% -6,1% 39,9%

Spontanée / 300 15 -1,1% 10,5% -25,5% 16,2%

60°

-30 / 300 15 -3,5% 19,3% -70,6% 7,4%

30 / 300 15 4,0% 9,0% -5,2% 28,2%

Spontanée / 300 15 -3,7% 20,7% -68,3% 15,0%

R f

acto

r

0°

-30 / 300 15 -2,2% 8,0% -12,4% 18,5%

30 / 300 15 1,0% 6,2% -12,2% 12,8%

Spontanée / 300 15 3,1% 26,1% -41,7% 76,0%

30°

-30 / 300 15 2,0% 9,6% -15,7% 16,8%

30 / 300 15 -0,2% 7,4% -10,8% 15,8%

Spontanée / 300 15 2,1% 23,3% -33,6% 48,1%

45°

-30 / 300 15 -0,2% 7,6% -10,6% 11,5%

30 / 300 15 0,1% 7,5% -9,7% 17,8%

Spontanée / 300 15 -0,3% 11,9% -24,7% 20,6%

60°

-30 / 300 15 0,4% 6,5% -11,2% 13,5%

30 / 300 15 -1,2% 5,7% -12,7% 7,9%

Spontanée / 300 15 5,4% 20,1% -19,1% 51,0%

Str

ess

lev

el

0°

-30 / 300 15 -0,1% 1,0% -1,7% 1,8%

30 / 300 15 0,2% 0,9% -1,3% 1,7%

Spontanée / 300 15 0,2% 2,3% -4,6% 3,7%

30°

-30 / 300 15 0,4% 1,1% -1,1% 2,9%

30 / 300 15 0,5% 1,3% -2,1% 2,1%

Spontanée / 300 15 0,3% 3,2% -7,3% 6,3%

45°

-30 / 300 15 -0,2% 1,3% -2,7% 2,1%

30 / 300 15 -0,4% 1,7% -5,0% 2,5%

Spontanée / 300 15 0,2% 1,0% -1,4% 1,8%

60°

-30 / 300 15 -0,1% 1,3% -2,1% 2,2%

30 / 300 15 0,6% 1,3% -1,0% 4,7%

Spontanée / 300 15 -0,8% 3,0% -7,2% 2,7%

TP

PS

0°

-30 / 300 15 -1,3% 5,0% -12,4% 7,9%

30 / 300 15 -1,1% 2,6% -5,6% 3,5%

Spontanée / 300 15 0,2% 16,2% -29,9% 42,8%

30°

-30 / 300 15 -1,9% 7,6% -23,0% 11,3%

30 / 300 15 2,6% 6,0% -6,8% 13,3%

Spontanée / 300 15 0,0% 11,2% -23,0% 18,4%

45° -30 / 300 15 0,0% 6,0% -15,4% 11,4%

30 / 300 15 -0,2% 4,6% -9,3% 6,4%

Spontanée / 300 15 -2,9% 9,2% -21,5% 12,9%

60°

-30 / 300 15 -1,7% 6,0% -14,0% 9,4%

30 / 300 15 -2,2% 7,2% -15,7% 14,3%

Spontanée / 300 15 0,8% 17,6% -35,7% 45,5%

TP

SP

0°

-30 / 300 15 0,1% 5,8% -8,4% 11,0%

30 / 300 15 0,2% 4,4% -9,2% 6,4%

Spontanée / 300 15 3,1% 11,8% -18,2% 24,5%

30°

-30 / 300 15 -0,1% 7,3% -15,7% 10,9%

30 / 300 15 0,5% 4,3% -5,1% 8,5%

Spontanée / 300 15 -2,0% 10,9% -20,1% 15,9%

45°

-30 / 300 15 -0,3% 7,4% -16,9% 7,9%

30 / 300 15 1,3% 3,7% -3,3% 8,4%

Spontanée / 300 15 2,6% 10,9% -19,1% 33,1%

60°

-30 / 300 15 -3,3% 8,7% -26,1% 11,1%

30 / 300 15 -0,2% 7,3% -9,3% 18,8%

Spontanée / 300 15 -2,0% 18,0% -31,8% 39,8%

300 = 300 sec, qui correspond à la durée d’analyse retenue pour l’analyse avec le logiciel Kubios. -30 et

+30 = -30 sec et +30 sec par rapport à cette durée de 300 sec. Spontanée = durée spontanément choisie en

regard du périodogramme.

3.3. SENSIBILITE DE LA MESURE

3.3.1. REDRESSEMENT PROGRESSIF

3.3.1.1. KUBIOS

On observe une diminution progressive de la durée de l’intervalle RR : diminution

significative entre 0 et 45°, entre 0 et 60° et entre 30 et 60°, mais pas entre 0 et 30°, 30 et

45° ni entre 45 et 60°.

Parallèlement, les indices traduisant l’activité parasympathique ont tendance à

diminuer progressivement :

- rMSSD, pNN50, SD1 : peu sensible car ne diminue significativement qu’entre 0

et 60°et entre 30 et 60°.

- HF (ms²), HF% : peu sensible car ne diminue significativement qu’entre 0 et 60°

- HFnu un peu plus sensible que les autres HF, mais reste globalement peu sensible :

ne diminue significativement qu’entre 0 et 60° et entre 30 et 60°.

L’indice d’activité orthosympathique (LF/HF) montre quant à lui une augmentation

significative entre 0 et 45°, 0 et 60°et entre 30 et 60°. Il est donc peu sensible lui aussi.

La puissance totale du spectre n’est pas modifiée significativement.

mean RR (ms) rMSSD (ms) pNN50 (%) HF (ms2) HF% HFnu LF/HF SD1

0° 1033,4±125,8 *§Ω 48±21 Ω§ 28,5±21 Ω§ 6,4±1 Ω 34,5±11.8Ω 51,7±16 *§Ω 1,15±0,8 Ω§ 33,4±14,8 Ω§

30° 936,7±138 αβ 38,9±17,5 β 20,2±17,9 β 6,1±1,1 β 21,8 ± 14.2β 35,2±19,3 βα 2,8±2 β 27,7±12,4 β

45° 839,6±115,1 Ψ 34,8±14,5 15,3±14,7 5,9±1` 14,4±12.4 24,5±18 6,2±5,8 24,7±10,3

60° 750,5±91,7 25,4±11,6 7,7±11 5,3±0,9 10,1±11.1 17,2±14 8,6±6,6 18,0±8,2

Tableau des principaux indices de l’analyse de la variabilité de l’intervalle RR avec le

logiciel Kubios.

* Différence significative entre 0° et 30° p<0,05, § entre 0° et 45° p<0,05, Ω entre 0° et

60° p<0,05, α entre 30° et 45° p<0,05, β entre 30 et 60 p<0,05, Ψ entre 45 et 60 p<0,05

3.3.1.2. CODESNA (PLAGES ANALYSEES IDENTIQUES A KUBIOS)

On observe une augmentation progressive de la fréquence cardiaque (ou diminution de

l’intervalle RR) : significative uniquement entre 0 et 45°, 0 et 60° et 30 et 60°.

Les indice Ortho et Para ne varient pas significativement (p= 0.255 et 0.146

respectivement).

Le R factor diminue significativement entre 0 et 60°.

L’indice Stress level augmente significativement uniquement entre 0 et 45°.

L’indice Max Stress augmente significativement entre 0 et 45°, 0 et 60° et 30 et 60°.

L’indice TPPS diminue significativement entre 0 et 60° et 30 et 60°.

L’indice TPSP diminue significativement entre 0 et 60° et 30 et 60°.

L’indice Fatigue ne montre aucune variation significative.

3.3.1.3. CODESNA (PLAGES ANALYSEES SPONTANEMENT CHOISIES)

On observe une augmentation progressive de la fréquence cardiaque (ou diminution de

l’intervalle RR) : significative uniquement entre 0 et 45°, 0 et 60° et 30 et 60°.

Les indice Ortho et Para ne varient pas significativement (p= 0.0765 et 0.404)

respectivement).

Le R factor diminue significativement entre 0 et 60° et 30 et 60°.

Stress level augmente significativement entre 0 et 45° et 0 et 60°.

Max Stress augmente significativement entre 0 et 60° et 30 et 60°

L’indice TPPS diminue significativement ventre 0 et 60° et 30 et 60°.

L’indice TPSP ne montre aucune modification significative.

L’indice Fatigue ne montre aucune modification significative.

Paramètres principaux Paramètres secondaires

Ortho (ms²) Para (ms²) RFactor Stress Level (%)

Max Stress

(%) TPPS (%) TPSP (%) Fatigue

0° 1266±911 § 1298±870 1,5±0,7 Ω§ 96,9±5,2 Ω§ 119,3±6,5 Ω§ 14,2±6,7

*Ω§ 13,1±8,3

Ω§ 0,35±0,2

Ω

30° 1459±770 1476±738 1,3±0,6 β 98,9±5,2 β 125,8±10,7 β 9,7±5,5 10,2±5,2 β 0,36±0,2

β

45° 1985±1031 1869±963 1,1±0,6 102,1±7,5 131,6±14,2 8±3,1 8,4±3,5 0,37±0,2

Ψ

60° 1935±1658 1733±1711 0,9±0,6 105,8±10,7 137,8±15,6 6,6±3,3 6,2±2,6 0,51±0,2

Tableau des indices de l’analyse de la variabilité de l’intervalle RR avec le logiciel

Codesna.

* Différence significative entre 0° et 30° p<0,05, § entre 0° et 45° p<0,05, Ω entre 0° et

60° p<0,05, α entre 30° et 45° p<0,05, β entre 30 et 60 p<0,05, Ψ entre 45 et 60 p<0,05

3.3.1.4. CONCLUSION

Les indices issus de l’analyse traditionnelle de la variabilité de la fréquence cardiaque par

le logiciel Kubios sont globalement peu sensibles au redressement passif : on remarque

une variation significative logique des indices entre 0 et 60° voire 0 et 40°, mais cela est

nettement moins net entre 0 et 30°, 30° et 40° ou 40 et 60°.

Il en est de même avec le logiciel CODESNA. La sensibilité au redressement passif

semble de même grandeur.

Toutefois, la même information est obtenue que l’on utilise une plage d’analyse

spontanément choisie ou que l’on utilise strictement 300 points, identiques à l’analyse

Kubios. Le logiciel CODESNA a donc une robustesse plus importante que les analyses

traditionnelles.

3.3.2. EXERCICE SOUS MAXIMAL

3.3.2.1. KUBIOS

On observe une augmentation progressive de la fréquence cardiaque (diminution de la

durée de l’intervalle RR) avec l’augmentation de l’intensité : 120 significativement

différent de 140, qui est significativement différent de 160, en accord avec le protocole.

Parallèlement, on observe une diminution progressive des indices parasympathiques

- rMSSD, pNN50 et SD1, baisse significative entre 120 et 140/160, mais pas entre

140 et 160.

- HF% significativement plus bas à 160 par rapport à 120

- HFnu et HF ms² significativement plus bas à 160 par rapport à 120 et à 140

L’indice orthosympathique LF/HF est significativement plus grand à 160 par rapport à

120 et 140.

mean RR

(ms)

rMSSD

(ms)

pNN50

(%) HF (ms2) HF% HFnu LF/HF SD1

inte

nsi

tés

120

bpm 493,5±7,1 *§ 4,5±1,3 *§ 0±0 5±4,7 * 3,7±3.4 10,8±5,3 * 10,9±6,5 * 3,2±0,9 *§

140

bpm 427,2±3,8 §Ω 5,9±9,2 § 1,4±5,4 4,0±10,6 Ω 5,2±11.4 16,0±18,6 Ω 9,5±6,1 Ω 4,2±6,5 §

160

bpm 373,5±3,9 *Ω 5,1±7,2 * 0,9±3,6 3,1±10,5 *Ω

4,9±11,7*

24,5±19 *Ω 4,9±3,4 *Ω 3,6±5,1 *

Tableau des principaux indices de l’analyse de la variabilité de l’intervalle RR avec le

logiciel Kubios. * Différence significative entre 120 et 160 bpm p<0,05, § entre 120 et 140 bpm p<0,05, Ω entre 140 et

160 bpm p<0,05

3.3.2.2. CODESNA PLAGES ANALYSEES IDENTIQUES A KUBIOS

On observe une augmentation progressive de la fréquence cardiaque (diminution de la

durée de l’intervalle RR) avec l’augmentation de l’intensité : 120 significativement

différent de 140, qui est significativement différent de 160, en accord avec le protocole.

Les indices Ortho et Para diminuent significativement entre 120 et 140, 120 et 160 et 140

et 160.

Le R factor est significativement ne varie pas significativement.

L’indice Stress level ne varie pas significativement.

L’indice Max Stress diminue significativement entre 120 et 160.

L’indice TPPS ne varie pas significativement.

L’indice TPSP ne varie pas significativement.

L’indice Fatigue augmente significativement uniquement entre 120 et 160.

Paramètres principaux Paramètres secondaires

Ortho (ms²) Para (ms²) RFactor Stress Level (%) Max Stress (%) TPPS (%) TPSP (%) Fatigue

120 bpm 90,8±71,3,*§ 95,7±91,8 *§ 1,1±0,3 99,5±4,5 136,8±7,7 *§ 11,5±4,3 10,1±4,2 * 4±1,3 *§

140 bpm 48,4±65,6 §Ω 50,8±72,1 §Ω 1,27±0,4 98,9±3,7 131,7±10,9 § 13,2±7 12,8±7,5 5,6±2,1 §Ω

160 bpm 29,6±50,7 *Ω 31,3±53,8 *Ω 1,5±0,8 97,3±5,9 126,1±7,7 * 13,7±6,2 14,3±6,4 * 8,6±3 §Ω

Tableau des principaux indices de l’analyse de la variabilité de l’intervalle RR avec le

logiciel CODESNA. * Différence significative entre 120 et 160 bpm p<0,05, § entre 120 et 140 bpm p<0,05, Ω entre 140 et

160 bpm p<0,05

3.3.2.3. CODESNA (PLAGES ANALYSEES SPONTANEMENT CHOISIES)

On observe une augmentation progressive de la fréquence cardiaque (diminution de la

durée de l’intervalle RR) avec l’augmentation de l’intensité : 120 significativement

différent de 140, qui est significativement différent de 160, en accord avec le protocole.

Les indices Ortho et Para diminuent significativement entre 120 et 140, 120 et 160 et 140

et 160.

Le R factor ne varie pas significativement.

L’indice Stress level ne varie pas significativement avec les 3 intensités.

L’indice Max Stress est significativement entre 120 et 140 et entre 120 et 160.

L’indice TPPS ne varie pas significativement.

L’indice TPSP augmente significativement uniquement entre 120 et 160.

L’indice Fatigue augmente significativement entre 120 et 140 et entre 120 et 160.

3.3.2.4. CONCLUSION

Globalement, les indices traditionnels calculés avec Kubios montrent effectivement une

diminution de l’activité parasympathique avec l’augmentation de l’intensité,

principalement en comparaison de l’intensité la plus faible (difficile de mettre en évidence

une différence entre 140 et 160 bpm). Ici aussi, la sensibilité parait limitée (impossibilité

de bien faire la distinction entre les trois intensités d’exercice).

Avec le logiciel CODESNA, comme pour le redressement progressif, la sensibilité semble

limitée et les résultats en adéquation avec les mises en jeu du système neurovégétatif.

3.3.3. EFFET ENTRAINEMENT

3.3.3.1. KUBIOS

Que l’on s’intéresse aux skieurs ou aux sujets contrôles, on observe avec le redressement :

- Une augmentation significative de la fréquence cardiaque

- une diminution significative des indices parasympathiques (rMSSD, pNN50, SD1,

HFms², HF%, HFnu) et une augmentation significative de l’indice

orthosympathique LF/HF

Il a également, été observé une activité parasympathique significativement plus élevée

lors de la phase couchée du tilt pour les skieurs (rMSSD, pNN50, SD1, HFms²). Aucune

différence significative n’a été observée entre les deux groupes debout.

mean RR

(ms)

rMSSD

(ms)

pNN50

(%) HF (ms2) HFnu LF/HF SD1

entrainé

couché 1261,1±199§ 69,2±24§ 45,6±18§ 1880±1261§ 49,5±19 1,54±2 49,1±17§

debout 812,54±122* 25,95±8,3* 6,68±5,5* 184,97±202* 8,64±14* 23,44±12*Ω 18,38±6*

contrôle

couché 988,1±133§ 44,9±27§ 23,8±24§ 813,9±856§ 50,3±19 1,41±1 31,8±19§

debout 741,6±115* 22,74±11* 5,87±9* 168,29±204* 10,53±9* 13,47±8*Ω 16,1±8*

Tableau des principaux indices de l’analyse de la variabilité de l’intervalle RR avec le

logiciel Kubios.

* : différence Couché/Debout intra groupe p<0,05, § : Différence inter groupe phase couché p<0,05, Ω :

différence inter groupe phase debout p<0,05

3.3.3.2. CODESNA

Que l’on s’intéresse aux skieurs ou aux sujets contrôles, on observe avec le redressement :

- Une augmentation significative de la fréquence cardiaque

- une diminution significative des indices R factor, TPPS, TPSP.

- une augmentation significative des indices Stress level, Max Stress, Fatigue

L’indice Para ne diminue significativement que chez les skieurs.

Il a également, été observé un indice Fatigue significativement plus faible en position

couché comme en position debout chez les skieurs comparés aux sujets contrôles.

Les indices Ortho et Para sont plus élevés chez les skieurs à la fois couché et debout

Paramètres principaux Paramètres secondaires

Ortho (ms²) Para(ms²) RFactor Stress Level

(%) Max Stress (%)

TPPS

(%)

TPSP

(%) Fatigue

entrainé

couché 3832,6±970,3§ 4123,1±987§ 1,6±0,7 96,3±5,5 118±7,6 10,9±5 9,9±6 0,125±0,04§

debout 3150,2±1363,9Ω 2294,4±810*Ω 0,53±0,3* 114,3±9,5* 155,2±1,4* 3,8±1,6* 3,8±1,5* 0,37±0,2*Ω

contrôle

couché 1470,8±1463 1438,5±1323 1,2±0,4 99,4±5 121,6±4,7 12,6±8,4 11,6±7,6 0,37±0,2

debout 1797,8±1377,5 1413,5±969,1 0,6±0,3* 110±8* 146,6±15* 6,1±3,8* 6,3±3,6* 0,59±0,3*

Tableau des principaux indices de l’analyse de la variabilité de l’intervalle RR avec le

logiciel CODESNA. * : différence Couché/Debout intra groupe p<0,05, § : Différence inter groupe phase couché p<0,05, Ω :

différence inter groupe phase debout p<0,05

3.3.3.3. CONCLUSION

La réaction à l’orthostatisme est normalement mise en évidence avec le logiciel Kubios,

dans les deux populations. De même, la prédominance d’activité parasympathique chez

les skieurs est visible (en position couché, pas en position debout).

Avec le logiciel CODESNA, la réaction à l’orthostatisme parait normalement mise en

évidence ainsi que l’activité du système neurovégétative plus importante chez les skieurs,

en particulier l’activité parasympathique.

4. CONCLUSION GENERALE

Compte tenu des éléments précédemment décrits, et pour les conditions étudiées :

- La répétabilité des indices dérivés de l’analyse CODESNA parait aussi bonne que

celle des indices dérivés de l’analyse Kubios. Il est connu que les indices

traditionnels de l’analyse de la variabilité de la fréquence cardiaque ne sont que

relativement répétables (19), (20), avec des coefficient de variation pour la plupart

plus grand que 5%. Les principaux indices de l’analyse CODESNA ont des

coefficients de variation de l’ordre de 5% ou en dessous, en particulier pour les

indices Ortho et Para, mais avec une grande variation inter-individuelle dans cette

population de seulement 15 sujets

- La sensibilité des indices dérivés de l’analyse CODESNA parait aussi bonne que

celle des indices dérivés de l’analyse Kubios.

- Un avantage non négligeable est la robustesse de l’analyse CODESNA, puisque

faire varier la durée de la période d’analyse de plus ou moins 30 sec par rapport à

celle préconisée pour Kubios (de l’ordre de 300 sec) ne modifie pas le résultat.

Mieux, une période peut être spontanément choisie sans altérer l’interprétation

relative à la mise en jeu du système neurovégétatif, ce qui rend très facile l’analyse.

Ainsi, à l’issu de ces travaux portant sur une population relativement réduite de 15 sujets,

il semble que les analyses du logiciel CODESNA peuvent être considérées comme un

complément aux analyses traditionnelles. Des études confirmatoires sont nécessaires,

mais la facilité d’utilisation rendra aisée ces études.

De plus, il est à noter que ce logiciel permet de faire des analyses en temps réel, ce qui est

particulièrement intéressant durant des états dynamiques. La validité de cette analyse doit

être testée, mais cela ouvre des perspectives de recherche particulièrement attrayantes.

Fait à Besançon le 1 juillet 2015 par Laurent MOUROT

Laurent MOUROT (Ph.D-HDR) Département Sport/Santé – EA4660 Culture Sport Santé Société (C3S) UFR SMP 19 rue Ambroise Paré Plateforme Exercice Performance Santé innovation (EPSI) – Bâtiment Socrate Bureau 245 25030 Besançon Cedex Tel. : +33 3 63 08 23 21 website: http://epsi-ufc.e-monsite.com/ laurent.mourot@univ-fcomte.fr Port. : +33 6 33 07 67 18

Bibliographie

1. Akselrod S, Gordon D, Ubel FA, Shannon DC, Berger AC, Cohen RJ. Power

spectrum analysis of heart rate fluctuation: a quantitative probe of beat-to-beat

cardiovascular control. Science. 1981;213(4504):220–2.

2. Malik M. Task Force of the European Society of Cardiology and the North

American Society of Pacing and Electrophysiology. Heart rate variability:

standards of measurement, physiological interpretation and clinical use.

Circulation. 1996;93(5):1043–65.

3. Pagani M, Lombardi F, Guzzetti S, Rimoldi O, Furlan R, Pizzinelli P, et al. Power

spectral analysis of heart rate and arterial pressure variabilities as a marker of

sympatho-vagal interaction in man and conscious dog. Circ Res. 1986

Aug;59(2):178–93.

4. Kamath MV, Fallen EL. Power spectral analysis of heart rate variability: a

noninvasive signature of cardiac autonomic function. Crir Rev Biomed Eng.

1993;21(3):245–311.

5. Coleman TG. Arterial baroreflex control of heart rate in the conscious rat. Am J

Physiol. 1980 Apr;238(4):H515–20.

6. Pomeranz B, Macaulay RJ, Caudill MA, Kutz I, Adam D, Gordon D, et al.

Assessment of autonomic function in humans by heart rate spectral analysis. Am J

Physiol. 1985;248(1 Pt 2):H151–3.

7. Persson PB, Stauss H, Chung O, Wittmann U, Unger T. Spectrum analysis of

sympathetic nerve activity and blood pressure in conscious rats. Am J Physiol.

1992 Nov;263(5 Pt 2):H1348–55.

8. Houle MS, Billman GE. Low-frequency component of the heart rate variability

spectrum: a poor marker of sympathetic variability. Am J Physiol.

1999;276(1(2)):H215–23.

9. Bernardi L, Salvucci F, Suardi R, Solda PL, Calciati A, Perlini S, et al. Evidence

for an intrinsic mechanism regulating heart rate variability in the transplanted and

the intact heart during submaximal dynamic exercise? Cardiovasc Res.

1990;24(12):969–81.

10. Yamamoto Y, Hughson RL. Coarse-graining spectral analysis: new method for

studying heart rate variability. J Appl Physiol. 1991;71(3):1143–50.

11. Tarvainen MP, Niskanen JP, Lipponen JA, Ranta-Aho PO, Karjalainen PA. Kubios

HRV--heart rate variability analysis software. Comput Methods Programs Biomed.

2014 Jan;113(1):210–20.

12. Beckers F, Verheyden B, Aubert AE. Aging and nonlinear heart rate control in a

healthy population. Am J Physiol Heart Circ Physiol. 2006 Jun;290(6):H2560–70.

13. Mourot L, Bouhaddi M, Gandelin E, Cappelle S, Nguyen NU, Wolf JP, et al.

Conditions of autonomic reciprocal interplay versus autonomic co-activation:

Effects on non-linear heart rate dynamics. Auton Neurosci. 2007 Dec 30;137(1-

2):27–36.

14. Fortrat JO, Yamamoto Y, Hughson RL. Respiratory influences on non-linear

dynamics of heart rate variability in humans. Biol Cybern. 1997;77(1):1–10.

15. Iellamo F, Legramante JM, Raimondi G, Castrucci F, Massaro M, Peruzzi G.

Evaluation of reproducibility of spontaneous baroreflex sensitivity at rest and

during laboratory tests. J Hypertens. 1996 Sep;14(9):1099–104.

16. Dawson SL, Robinson TG, Youde JH, James MA, Martin A, Weston P, et al. The

reproducibility of cardiac baroreceptor activity assessed non-invasively by spectral

sequence techniques. Clin Auton Res. 1997;7(6):279–84.

17. Herpin D, Ragot S. Mid- and Long-term Reproducibility of Noninvasive

Measurements of Spontaneous Arterial Baroreflex Sensitivity in Healthy

Volunteers. Am J Hypertens. 1997;10(7Pt1):790–7.

18. Lord SW, Clayton RH, Hall MC, Gray JC, Murray A, McComb JM, et al.

Reproducibility of three different methods of measuring baroreflex sensitivity in

normal subjects. Clin Sci. 1998;85(5):575–81.

19. Al Haddad H, Laursen PB, Chollet D, Ahmaidi S, Buchheit M. Reliability of

resting and postexercise heart rate measures. Int J Sports Med. 2011

Aug;32(8):598–605.

20. Dupuy O, Mekary S, Berryman N, Bherer L, Audiffren M, Bosquet L. Reliability

of heart rate measures used to assess post-exercise parasympathetic reactivation.

Clin Physiol Funct Imaging. 2012 Jul;32(4):296–304.

21. el-Sayed H, Hainsworth R. Relationship between plasma volume, carotid

baroreceptor sensitivity and orthostatic tolerance. Clin Sci. 1995 Apr;88(4):463–

70.

22. Cooke WH, Hoag JB, Crossman AA, Kuusela TA, Tahvanainen KU, Eckberg DL.

Human responses to upright tilt: a window on central autonomic integration. J

Physiol. 1999 Jun 1;517 ( Pt 2):617–28.

23. Bahjaoui-Bouhaddi M, Henriet MT, Cappelle S, Dumoulin G, Regnard J. Active

standing and passive tilting similarly reduce the slope of spontaneous baroreflex in

healthy subjects. Physiol Res. 1998;47(4):227–35.

24. Shoemaker JK, Hogeman CS, Khan M, Kimmerly DS, Sinoway LI. Gender affects

sympathetic and hemodynamic response to postural stress. Am J Physiol Heart

Circ Physiol. 2001 Nov;281(5):H2028–35.

25. Fei L, Anderson MH, Statters DJ, Malik M, Camm AJ. Effects of passive tilt and

submaximal exercise on spectral heart rate variability in ventricular fibrillation

patients without significant structural heart disease. Am Heart J. 1995

Feb;129(2):285–90.

26. Chandler MP, Mathias CJ. Haemodynamic responses during head-up tilt and tilt

reversal in two groups with chronic autonomic failure: pure autonomic failure and

multiple system atrophy. J Neurol. 2002;249(5):542–8.

27. Bouhaddi M, Delbosc B, Fortrat JO, Henriet MT, Cappelle S, Ducloux D, et al.

Six-month cardiovascular changes in cyclosporine-treated recipients of corneal

grafts: serial baroreflex responses. Transpl Int. 2004;17:325–33.

28. Tanaka H, Sjoberg BJ, Thulesius O. Cardiac output and blood pressure during

active and passive standing. Clin Physiol. 1996 Mar;16(2):157–70.

29. Bloomfield DM, Kaufman ES, Bigger JT Jr, Fleiss J, Rolnitzky L, Steinman R.

Passive head-up tilt and actively standing up produce similar overall changes in

autonomic balance. Am Heart J. 1997 Aug;134(2 Pt 1):316–20.

30. Mitchell JH. J.B. Wolffe memorial lecture. Neural control of the circulation during

exercise. Med Sci Sports Exerc. 1990;22(2):141–54.

31. Rowell LB, O’Leary DS. Reflex control of the circulation during exercise:

chemoreflexes and mechanoreflexes. J Appl Physiol. 1990;69(2):407–18.

32. Yamamoto Y, Hughson RL, Nakamura Y. Autonomic nervous system responses to

exercise in relation to ventilatory threshold. Chest. 1992;101(5 Suppl):206S –

210S.

33. Seals DR, Taylor JA, Ng AV, Esler MD. Exercise and aging: autonomic control of

the circulation. Med Sci Sport Exerc. 1994;26(5):568–76.

34. Tulppo MP, Makikallio TH, Takala TE, Seppanen T, Huikuri HV. Quantitative

beat-to-beat analysis of heart rate dynamics during exercise. Am J Physiol Heart

Circ Physiol. 1996;271(1 Pt 2):H244–52.

35. McAllister RM. Adaptations in control of blood flow with training: splanchnic and

renal blood flows. Med Sci Sport Exerc. 1998;30(3):375–81.

36. Greenleaf JE, Sciaraffa D, Shvartz E, Keil LC, Brock PJ. Exercise training

hypotension: implications for plasma volume, renin, and vasopressin. J Appl

Physiol. 1981 Aug;51(2):298–305.

37. Iwasaki K, Zhang R, Zuckerman JH, Levine BD. Dose-response relationship of the

cardiovascular adaptation to endurance training in healthy adults: how much

training for what benefit? J Appl Physiol. 2003 Oct;95(4):1575–83.

38. Mourot L, Bouhaddi M, Perrey S, Rouillon JD, Regnard J. Quantitative Poincare

plot analysis of heart rate variability: effect of endurance training. Eur J Appl

Physiol. 2004 Jan;91(1):79–87.