Name: analyzing long-term electrocardiography recordings to detect arrhythmias in mice
Uploaded: 2021-05-23T13:00:00
Description: Watch this Scientific Journal Video about Analyzing Long-Term Electrocardiography Recordings to Detect Arrhythmias in Mice at JoVE.com

Diese Arbeiten wurden gefördert durch die Deutsche Forschungsgemeinschaft (DFG; Clinician Scientist Program In Vascular Medicine (PRIME), MA 2186/14-1 an P. Tomsits und D. Schüttler), Deutsches Zentrum für Herz-Kreislauf-Forschung (DZHK; 81X2600255 an S. Clauss), die Corona Foundation (S199/10079/2019 an S. Clauss), das ERA-NET on Cardiovascular Diseases (ERA-CVD; 01KL1910 to S. Clauss), die Heinrich-and-Lotte-Mühlfenzl Stiftung (an S. Clauss) und das China Scholarship Council (CSC, an R. Xia). Die Geldgeber spielten keine Rolle bei der Vorbereitung des Manuskripts.

1. Vorabsprachen
<ol><li>Starten Sie die Ponemah 6.42-Software und bestätigen Sie den Benutzernamen und die Seriennummer der Softwarelizenz auf dem folgenden Bildschirm, indem Sie auf Weiter klicken.</li>
	<li>Laden Sie das Experiment, das das EKG von Interesse enthält.<ol><li>Wenn Ponemah zum ersten Mal gestartet wird, beachten Sie, dass das Dialogfeld "Erste Schritte" von Ponemah geöffnet wird und drei Optionen bietet: 1) Test erstellen, 2) Test laden, 3) Test importieren.<ol><li>...

<ol>
	<li>Camm, A. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Guidelines+for+the+management+of+atrial+fibrillation:+the+Task+Force+for+the+Management+of+Atrial+Fibrillation+of+the+European+Society+of+Cardiology+(ESC).">Guidelines for the management of atrial fibrillation: the Task Force for the Management of Atrial Fibrillation of the European Society of Cardiology (ESC).</a> Europace. 12 (10), 1360-1420 (2010).</li><li>Chugh, S. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Worldwide+epidemiology+of+atrial+fibrillation:+a+Global+Burden+of+Disease+2010+Study.">Worldwide epidemiology of atrial fibrillation: a Global Burden of Disease 2010 Study.</a> Circulation. 129 (8), 837-847 (2014).</li><li>Dobrev, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=New+antiarrhythmic+drugs+for+treatment+of+atrial+fibrillation.">New antiarrhythmic drugs for treatment of atrial fibrillation.</a> Lancet. 375 (9721), 1212-1223 (2010).</li><li>January, C. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=2019+AHA/ACC/HRS+focused+update+of+the+2014+AHA/ACC/HRS+Guideline+for+the+management+of+patients+with+atrial+fibrillation:+a+report+of+the+American+College+of+Cardiology/American+Heart+Association+Task+Force+on+Clinical+Practice+Guidelines+and+the+Heart+Rhythm+Society+in+Collaboration+With+the+Society+of+Thoracic+Surgeons.">2019 AHA/ACC/HRS focused update of the 2014 AHA/ACC/HRS Guideline for the management of patients with atrial fibrillation: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines and the Heart Rhythm Society in Collaboration With the Society of Thoracic Surgeons.</a> Circulation. 140 (2), 125-151 (2019).</li><li>Heijman, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cardiac+safety+assays.">Cardiac safety assays.</a> Current Opinion in Pharmacology. 15, 16-21 (2014).</li><li>Kirchhof, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ESC+Guidelines+for+the+management+of+atrial+fibrillation+developed+in+collaboration+with+EACTS.">ESC Guidelines for the management of atrial fibrillation developed in collaboration with EACTS.</a> European Heart Journal. 37 (38), 2893-2962 (2016).</li><li>Clauss, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Animal+models+of+arrhythmia:+classic+electrophysiology+to+genetically+modified+large+animals.">Animal models of arrhythmia: classic electrophysiology to genetically modified large animals.</a> Nature reviews. Cardiology. 16 (8), 457-475 (2019).</li><li>Sch&#252;ttler, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Animal+models+of+atrial+fibrillation.">Animal models of atrial fibrillation.</a> Circulation Research. 127 (1), 91-110 (2020).</li><li>Dobrev, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mouse+models+of+cardiac+arrhythmias.">Mouse models of cardiac arrhythmias.</a> Circulation Research. 123 (3), 332-334 (2018).</li><li>Rosero, S. Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ambulatory+ECG+monitoring+in+atrial+fibrillation+management.">Ambulatory ECG monitoring in atrial fibrillation management.</a> Progress in cardiovascular diseases. 56 (2), 143-152 (2013).</li><li>Russell, D. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+high+bandwidth+fully+implantable+mouse+telemetry+system+for+chronic+ECG+measurement.">A high bandwidth fully implantable mouse telemetry system for chronic ECG measurement.</a> Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology. 2011, 7666-7669 (2011).</li><li>McCauley, M. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ambulatory+ECG+recording+in+mice.">Ambulatory ECG recording in mice.</a> Journal of Visualized Experiments : JoVE. (39), e1739 (2010).</li><li>Mehendale, A. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Unlock+the+information+in+your+data:+Software+to+find,+classify,+and+report+on+data+patterns+and+arrhythmias.">Unlock the information in your data: Software to find, classify, and report on data patterns and arrhythmias.</a> Journal of Pharmacological and Toxicological Methods. 81, 99-106 (2016).</li><li>Hulsmans, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Macrophages+facilitate+electrical+conduction+in+the+heart.">Macrophages facilitate electrical conduction in the heart.</a> Cell. 169 (3), 510-522 (2017).</li><li>Boukens, B. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Misinterpretation+of+the+mouse+ECG:+'musing+the+waves+of+Mus+musculus.">Misinterpretation of the mouse ECG: 'musing the waves of Mus musculus.</a> Journal of Physiology. 592 (21), 4613-4626 (2014).</li><li>Wehrens, X. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mouse+electrocardiography:+an+interval+of+thirty+years.">Mouse electrocardiography: an interval of thirty years.</a> Cardiovascular Research. 45 (1), 231-237 (2000).</li><li>Goldbarg, A. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electrocardiogram+of+the+normal+mouse,+Mus+musculus:+general+considerations+and+genetic+aspects.">Electrocardiogram of the normal mouse, Mus musculus: general considerations and genetic aspects.</a> Cardiovascular Research. 2 (1), 93-99 (1968).</li><li>Kaese, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+ECG+in+cardiovascular-relevant+animal+models+of+electrophysiology.">The ECG in cardiovascular-relevant animal models of electrophysiology.</a> Herzschrittmachertherapie und Elektrophysiologie. 24 (2), 84-91 (2013).</li><li>Speerschneider, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Physiology+and+analysis+of+the+electrocardiographic+T+wave+in+mice.">Physiology and analysis of the electrocardiographic T wave in mice.</a> Acta Physiologica. 209 (4), 262-271 (2013).</li><li>Toib, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Remodeling+of+repolarization+and+arrhythmia+susceptibility+in+a+myosin-binding+protein+C+knockout+mouse+model.">Remodeling of repolarization and arrhythmia susceptibility in a myosin-binding protein C knockout mouse model.</a> American Journal of Physiology. Heart and Circulatory Physiology. 313 (3), 620-630 (2017).</li><li>Thireau, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Heart+rate+variability+in+mice:+a+theoretical+and+practical+guide.">Heart rate variability in mice: a theoretical and practical guide.</a> Experimental Physiology. 93 (1), 83-94 (2008).</li><li>Hilgard, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Significance+of+ventricular+pauses+of+three+seconds+or+more+detected+on+twenty-four-hour+Holter+recordings.">Significance of ventricular pauses of three seconds or more detected on twenty-four-hour Holter recordings.</a> American Journal of Cardiology. 55 (8), 1005-1008 (1985).</li></ol>

Das Oberflächen-EKG ist das primäre Diagnoseinstrument für Patienten mit Herzrhythmusstörungen und gibt Einblicke in viele elektrophysiologische Phänomene. Dennoch erfordert eine ausreichende Analyse von Herzoberflächen-EKG-Pathologien die Kenntnis und Definition normaler physiologischer Parameter. Viele Jahre epidemiologischer Forschung haben zu einer breiten Übereinstimmung darüber geführt, was beim Menschen physiologisch ist, und es Ärzten weltweit ermöglicht, das Pathologische klar zu unterscheiden. Die An...

Herzrhythmusstörungen sind weit verbreitet und betreffen Millionen von Patienten weltweit1. Die Alterung der Bevölkerung weist eine zunehmende Inzidenz und damit eine erhebliche Belastung für die öffentliche Gesundheit auf, die sich aus Herzrhythmusstörungen und deren Morbidität und Mortalität ergibt2. Aktuelle Behandlungsstrategien sind begrenzt und oft mit erheblichen Nebenwirkungen verbunden und bleiben bei vielen Patienten unwirksam 3,4,5,6. Neue und innovative therapeutische Strategien, die ursächlich auf Arrhythmiemechanismen abzielen, sind dringend erforderlich. Um die komplexe Pathophysiologie von Arrhythmien zu untersuchen, sind geeignete Tiermodelle notwendig; Mäuse haben sich als ideale Modellspezies erwiesen, um den genetischen Einfluss auf Arrhythmien zu bewerten, grundlegende molekulare und zelluläre Mechanismen zu untersuchen und potenzielle therapeutische Ziele zu identifizieren 7,8,9. Die kontinuierliche EKG-Aufzeichnung ist ein etabliertes Konzept in der klinischen Routine der Arrhythmieerkennung10.
Implantierbare Telemetriegeräte gehören zu den leistungsfähigsten verfügbaren Werkzeugen zur Untersuchung der Elektrophysiologie bei Mäusen, da sie eine kontinuierliche Aufzeichnung des EKGs (ein üblicher Ansatz besteht darin, die Elektroden in eine Blei-II-Position zu implantieren) über einen Zeitraum von mehreren Monaten in frei beweglichen, wachen Mäusenermöglichen 11,12. Aufgrund der großen Anzahl von Datenpunkten (bis zu mehr als 1 Million QRS-Komplexe pro Tag) und der begrenzten Kenntnis der murinen Standardwerte bleibt die Analyse von Telemetriedaten jedoch eine Herausforderung. Handelsübliche Telemetriesender für Mäuse halten bis zu 3 Monate, was zur Aufzeichnung von bis zu 100 Millionen QRS-Komplexen führt. Dies bedeutet, dass pragmatische Analyseprotokolle dringend benötigt werden, um die Zeit für jeden einzelnen Datensatz zu reduzieren und es den Forschern zu ermöglichen, diese riesige Datenmenge zu verarbeiten und zu interpretieren. Um bei der Aufzeichnung ein sauberes EKG-Signal zu erhalten, muss die Implantation des Senders optimal sein - die Leitungspositionen sollten so weit wie möglich voneinander entfernt sein, um höhere Signalamplituden zu ermöglichen.
Der interessierte Leser kann auf ein Protokoll von McCauley et al.12 verwiesen werden, um weitere Informationen zu erhalten. Um Lärm zu minimieren, müssen Käfige und Messumformer in einer stillen Umgebung aufgestellt werden, die nicht anfällig für Störungen ist, z. B. in einem belüfteten Schrank mit kontrollierten Umgebungsfaktoren (Temperatur, Licht und Feuchtigkeit). Während des Versuchszeitraums muss die Bleipositionierung regelmäßig überprüft werden, um einen Signalverlust aufgrund von Bleiperforation oder Wundheilungsproblemen zu vermeiden. Physiologisch gibt es eine zirkadiane Veränderung der EKG-Parameter bei Nagetieren wie beim Menschen, was die Notwendigkeit eines standardisierten Ansatzes zur Gewinnung von EKG-Basiswerten aus einer kontinuierlichen Aufzeichnung hervorruft. Anstatt Mittelwerte von EKG-Parametern über einen langen Zeitraum zu berechnen, sollte eine Analyse eines Ruhe-EKGs ähnlich dem beim Menschen durchgeführt werden, um grundlegende Parameter wie Ruheherzfrequenz, P-Wellendauer, PR-Intervall, QRS-Dauer oder QT / QTc-Intervall zu erhalten. Beim Menschen wird ein Ruhe-EKG über 10 s bei einer normalen Herzfrequenz von 50-100/min aufgezeichnet. Dieses EKG umfasst 8 bis 17 QRS-Komplexe. Eine Analyse von 20 aufeinanderfolgenden QRS-Komplexen wird in der Maus als "Ruhe-EKG-Äquivalent" empfohlen. Aufgrund der oben erwähnten circadianen Veränderung besteht ein einfacher Ansatz darin, zwei Ruhe-EKGs pro Tag zu analysieren, eines tagsüber und eines nachts. Abhängig vom Licht-Ein-/Ausschaltzyklus in der Tierhaltung werden geeignete Zeiten ausgewählt (z.B. 12:00 Uhr) und Eckwerte ermittelt.
Als nächstes wird ein Herzfrequenzdiagramm im Laufe der Zeit verwendet, um relevante Tachy- und Bradykardie zu erkennen, mit aufeinanderfolgender manueller Untersuchung dieser Episoden, um einen ersten Eindruck zu erhalten. Dieses Herzfrequenzdiagramm führt dann zu den wichtigen Parametern der maximalen und minimalen Herzfrequenz über den aufgezeichneten Zeitraum sowie der Herzfrequenzvariabilität über die Zeit. Danach wird der Datensatz auf Arrhythmien analysiert. Dieser Artikel beschreibt einen schrittweisen Ansatz, um diese Basis-EKG-Daten aus Langzeit-Telemetrieaufzeichnungen von wachen Mäusen über einen Aufzeichnungszeitraum von bis zu drei Monaten zu erhalten. Darüber hinaus wird beschrieben, wie Arrhythmien mit der von Data Sciences International (DSI) entwickelten Software Ponemah Version 6.42 mit ihren Analysemodulen EKG Pro und Data Insights erkannt werden können. Diese Version ist sowohl mit Windows 7 (SP1, 64 Bit) als auch mit Windows 10 (64 Bit) kompatibel.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Ponemah Software</td>
			<td>Data Science international</td>
			<td></td>
			<td>ECG Analysis Software</td>
		</tr>
	</tbody>
</table>

analyzing long-term electrocardiography recordings to detect arrhythmias in mice

Arrhythmien sind häufig und betreffen Millionen von Patienten weltweit. Aktuelle Behandlungsstrategien sind mit erheblichen Nebenwirkungen verbunden und bleiben bei vielen Patienten wirkungslos. Um die Patientenversorgung zu verbessern, sind neuartige und innovative Therapiekonzepte erforderlich, die ursächlich auf Arrhythmiemechanismen abzielen. Um die komplexe Pathophysiologie von Arrhythmien zu untersuchen, sind geeignete Tiermodelle notwendig, und Mäuse haben sich als ideale Modellspezies erwiesen, um den genetischen Einfluss auf Arrhythmien zu bewerten, grundlegende molekulare und zelluläre Mechanismen zu untersuchen und potenzielle therapeutische Ziele zu identifizieren.
Implantierbare Telemetriegeräte gehören zu den leistungsfähigsten Werkzeugen zur Untersuchung der Elektrophysiologie bei Mäusen und ermöglichen eine kontinuierliche EKG-Aufzeichnung über einen Zeitraum von mehreren Monaten bei frei beweglichen, wachen Mäusen. Aufgrund der großen Anzahl von Datenpunkten (>1 Million QRS-Komplexe pro Tag) bleibt die Analyse von Telemetriedaten jedoch eine Herausforderung. Dieser Artikel beschreibt einen schrittweisen Ansatz zur Analyse von EKGs und zur Erkennung von Arrhythmien in langfristigen Telemetrieaufzeichnungen mit der Software Ponemah mit ihren Analysemodulen ECG Pro und Data Insights, die von Data Sciences International (DSI) entwickelt wurde. Um grundlegende EKG-Parameter wie Herzfrequenz, P-Wellendauer, PR-Intervall, QRS-Intervall oder QT-Dauer zu analysieren, wurde eine automatisierte Attributanalyse mit Ponemah durchgeführt, um P-, Q- und T-Wellen innerhalb individuell angepasster Fenster um detektierte R-Wellen zu identifizieren. 
Die Ergebnisse wurden dann manuell überprüft, so dass einzelne Anmerkungen angepasst werden konnten. Die Ergebnisse der attributbasierten Analyse und der Mustererkennungsanalyse wurden dann vom Data Insights-Modul verwendet, um Arrhythmien zu erkennen. Dieses Modul ermöglicht ein automatisches Screening auf individuell definierte Arrhythmien innerhalb der Aufzeichnung, gefolgt von einer manuellen Überprüfung von vermuteten Arrhythmie-Episoden. Der Artikel diskutiert kurz Herausforderungen bei der Aufzeichnung und Detektion von EKG-Signalen, schlägt Strategien zur Verbesserung der Datenqualität vor und bietet repräsentative Aufzeichnungen von Arrhythmien, die bei Mäusen mit dem oben beschriebenen Ansatz erkannt wurden.

Die Aufzeichnung von Langzeit-EKGs führt zu riesigen Datensätzen. Die Möglichkeiten für weitere Analysen sind vielfältig und hängen vom jeweiligen Forschungsprojekt ab. Dieses Protokoll bietet eine Beschreibung einiger sehr grundlegender Messwerte, die von den meisten Forschern verwendet werden können, insbesondere für Screening-Experimente, z. B. bei der Charakterisierung einer transgenen Mauslinie oder bei der Untersuchung der Auswirkungen einer bestimmten Behandlung in einem Krankheitsmodell. Ein frü...

Watch this Scientific Journal Video about Analyzing Long-Term Electrocardiography Recordings to Detect Arrhythmias in Mice at JoVE.com

Analyzing Long-Term Electrocardiography Recordings to Detect Arrhythmias in Mice

Hier präsentieren wir ein Schritt-für-Schritt-Protokoll für einen halbautomatischen Ansatz zur Analyse von Daten der murinen Langzeitelektrokardiographie (EKG) für grundlegende EKG-Parameter und häufige Arrhythmien. Die Daten werden von implantierbaren Telemetriesendern in lebenden und wachen Mäusen gewonnen und mit Ponemah und seinen Analysemodulen analysiert.

Analyse von Langzeit-Elektrokardiographie-Aufnahmen zum Nachweis von Arrhythmien bei Mäusen

Arrhythmias are common, affecting millions of patients worldwide. Current treatment strategies are associated with significant side effects and remain ...

Die Analyse großer EKG-Datensätze, insbesondere wenn Sie nach Arrhythmien suchen, ist sehr anspruchsvoll und arbeitsintensiv. Unser halbautomatischer Ansatz ermöglicht ein viel schnelleres und bequemeres Screening auf Arrhythmien bei Mäusen. Dieser halbautomatische Ansatz führt zu genaueren Ergebnissen.Das Verfahren wird von Aparna Chivukula, einer Doktorandin in meinem Labor, demonstriert. Beginnen Sie mit der Analyse grundlegender EKG-Parameter. Klicken Sie auf Betreff-Setup oder Kanaldetails, um einen der abgeleiteten Parameter auszuwählen.Wenn Mäuse einem zirkadianen Rhythmus folgen, analysieren Sie zwei Ruhe-EKGs pro Tag. Eine bei Tag und eine nachts, um zirkadiane Effekte zu kontrollieren, wobei je nach Lichtein- oder Ausschaltzyklus in der Tiereinrichtung geeignete Zeiten ausgewählt werden. Wählen Sie einen Abschnitt des EKGs mit guter Signalqualität und einer stabilen Herzfrequenz im Herzfrequenz-Trenddiagramm innerhalb eines definierten angemessenen Zeitraums um diesen Zeitpunkt aus.Bestätigen Sie die Genauigkeit der Validierungsmasken oder passen Sie sie manuell an 20 aufeinanderfolgende QRS-Komplexe an und fügen Sie fehlende Validierungsmarkierungen hinzu. Für weitere Berechnungen und Visualisierungen markieren Sie die Zeilen mit den Werten dieser 20 aufeinanderfolgenden QRS-Komplexe in der abgeleiteten Parameterliste und kopieren Sie sie in eine Tabellenkalkulation oder Statistiksoftware. Öffnen Sie Data Insights, indem Sie auf Experiment Data Insights klicken und das Suchfeld oben beobachten.Zeigen Sie dann das Ergebnisfenster an. Beachten Sie die Anzahl der Suchtreffer, die als Histogramm am unteren Rand des Panels angezeigt werden. Da die normale Herzfrequenz einer Maus 500 bis 724 Schläge pro Minute beträgt, definieren Sie eine Suchregel, Bradykardie, um Bradykardie zu erkennen.Klicken Sie mit der rechten Maustaste in die Suchliste und wählen Sie Neue Suche erstellen, um das Dialogfeld für den Sucheintrag zu öffnen. Klicken Sie mit der rechten Maustaste in das weiße Feld und wählen Sie Neue Klausel hinzufügen. Definieren Sie über die Dropdown-Menüs und Textfelder die Suchregel Bradycardia Single als Wert kleiner als 500 und klicken Sie auf OK, um diese Suchregel zur Liste hinzuzufügen.Wenden Sie diese Suchregel an, indem Sie darauf klicken und sie auf den gewünschten Kanal auf der linken Seite ziehen. Da Bradykardie mehr als ein langes RR-Intervall erfordert, definieren Sie eine zusätzliche Suchregel Bradycardia, um dies zu berücksichtigen. Klicken Sie auf OK, um diese Suchregel zur Liste hinzuzufügen.Wenden Sie diese Suchregel an, indem Sie darauf klicken und sie auf den gewünschten Kanal auf der linken Seite ziehen. Um Bradykardie zu bestätigen und falsche Ergebnisse abzulehnen, überprüfen Sie jedes Ergebnis manuell, indem Sie mit der linken Maustaste auf die Wellenform klicken. Drücken Sie STRG plus R, um das ausgewählte Ergebnis abzulehnen, das dann aus der Liste verschwindet.Um eine Suchregel zur Erkennung von Tachykardie zu definieren, klicken Sie mit der rechten Maustaste in die Suchliste und wählen Sie Neue Suche erstellen, um den Sucheingabedialog zu öffnen. Klicken Sie dann mit der rechten Maustaste in das weiße Feld und wählen Sie Neue Klausel hinzufügen. Definieren Sie in den Dropdown-Menüs und Textfeldern die Suchregel Tachycardia Single als Wert größer als 724 und klicken Sie auf OK, um diese Suchregel zur Liste hinzuzufügen.Wenden Sie diese Suchregel an, indem Sie darauf klicken und sie auf den gewünschten Kanal links ziehen. Da Tachykardie mehr als ein kurzes RR-Intervall erfordert, definieren Sie eine zusätzliche Suchregel, Tachykardie, um dies zu berücksichtigen, und klicken Sie auf OK, um diese Suchregel zur Liste hinzuzufügen. Wenden Sie diese Suchregel an, indem Sie darauf klicken und sie auf den gewünschten Kanal auf der linken Seite ziehen.Um Tachykardie zu bestätigen und falsche Ergebnisse abzulehnen, überprüfen Sie jedes Ergebnis manuell, indem Sie mit der linken Maustaste auf die Wellenform klicken und die Tastenkombination STRG plus R verwenden, um das ausgewählte Ergebnis abzulehnen. Um sinoatriale und atrioventrikuläre Blöcke zu erkennen, klicken Sie mit der rechten Maustaste in die Suchliste und wählen Sie Neue Suche erstellen, um den Sucheingabedialog zu öffnen. Klicken Sie dann mit der rechten Maustaste in das weiße Bedienfeld und wählen Sie Neue Klausel hinzufügen.Definieren Sie mithilfe der Dropdown-Menüs und Textfelder die Suchregel Pause als Wert größer als 300 und klicken Sie auf OK, um diese Suchregel zur Liste hinzuzufügen, wenden Sie diese Suchregel an, indem Sie sie anklicken und auf den gewünschten Kanal links ziehen. Um eine Pause zu bestätigen, entscheiden Sie, ob es sich bei der Pause um eine sinoatriale oder atrio-ventrikuläre Blockierung handelt, und lehnen Sie falsche Ergebnisse ab. Überprüfen Sie jedes Ergebnis manuell, indem Sie mit der linken Maustaste auf die Wellenform klicken und STRG plus R drücken, um das ausgewählte Ergebnis abzulehnen, das aus der Ergebnisliste verschwindet.Dieser Ansatz ermöglichte den Nachweis von Perioden reduzierter Herzfrequenz, erhöhter atrioventrikulärer und ventrikulärer Überleitung sowie veränderter Repolarisation bei Mäusen, die mit einem neuen Medikament behandelt wurden. Darüber hinaus wurde das Protokoll verwendet, um den zeitlichen Verlauf des Auftretens von Arrhythmien in Form von Spuren zu bestimmen, die bei normalem Sinusrhythmus, Sinuspause, drei Grad atrioventrikulärer Blockierung und Vorhofflimmern dargestellt wurden. Die endgültigen Ergebnisse sind vielfältig und hängen vom Studiendesign und Forschungsthema ab.Bei Vorhofflimmern wurde die Gesamtkrankheitslast als prognostischer Marker ermittelt und konnte aus Daten berechnet werden, die mit diesem Protokoll gewonnen wurden.

Research

JoVE Journal

Medicine

Multi-electrode Array Recordings of Human Epileptic Postoperative Cortical Tissue

Multi-Elektroden-Array Recordings of Human Epileptische Postoperative Rindengewebe

Epilepsy, affecting about 1% of the population, comprises a group of neurological disorders characterized by the periodic occurrence of seizures, which ...

Forschung

Medizin

Long-Term Catheterization of the Intestinal Lymph Trunk and Collection of Lymph in Neonatal Pigs

Long-Term Katheterisierung der Darmlymphe Trunk und Sammlung von Lymphe in Neonatal Pigs

Catheterization of the intestinal lymph trunk in neonatal pigs is a technique allowing for the long-term collection of large quantities of intestinal ...

Surgical Placement of Catheters for Long-term Cardiovascular Exercise Testing in Swine

Chirurgische Platzierung von Kathetern für die langfristige Herz-Kreislauf und Sportmedizin in Swine

This protocol describes the surgical procedure to chronically instrument swine and the procedure to exercise swine on a motor-driven treadmill. Early ...

Long-term Blood Pressure Measurement in Freely Moving Mice Using Telemetry

Langzeit-Blutdruckmessung in sich frei bewegenden Mäuse Telemetrie

During the development of new vasoactive agents, arterial blood pressure monitoring is crucial for evaluating the efficacy of the new proposed drugs. ...

Confirmation of Myocardial Ischemia and Reperfusion Injury in Mice Using Surface Pad Electrocardiography

Die Bestätigung der myokardialen Ischämie und Reperfusion Injury in Mäusen Oberflächen Pad Elektrokardiographie

Many animal models have been established for the study of myocardial remodeling and heart failure due to its status as the number one cause of mortality ...

Simultaneous Electrocardiography Recording and Invasive Blood Pressure Measurement in Rats

Gleichzeitige Elektrokardiographie Aufnahme und Invasive Blut Druckmessung bei Ratten

For studies related to cardiovascular physiology or pathophysiology, blood pressure (BP) and electrocardiography are basic observational parameters. ...

Noninvasive Electrocardiography in the Perinatal Mouse

Nichtinvasive Elektrokardiographie in der Perinatonmaus

Electrocardiography (ECG) has long been relied upon as an effective and reliable method of assessing cardiovascular (and cardiopulmonary) function in both ...

Electrocardiogram Recordings in Anesthetized Mice using Lead II

Elektrokardiogrammaufnahmen bei anästhesierten Mäusen mit Blei II

The electrocardiogram is a valuable tool for evaluating the cardiac conduction system. Animal research has helped generate novel genetic and ...

Technique for Obtaining Mesenchymal Stem Cell from Adipose Tissue and Stromal Vascular Fraction Characterization in Long-Term Cryopreservation

Technik zur Gewinnung mesenchymaler Stammzellen aus Fettgewebe und stromaler vaskulärer Fraktion Charakterisierung in der Langzeitkryokonservierung

Human mesenchymal stem cells derived from adipose tissue have become increasingly attractive as they show appropriate features and are an accessible ...