6.2.3 Analyse de variabilité de la fréquence cardiaque

La variabilité physiologique de la fréquence cardiaque résulte des commandes autonomes de l'organisme sur le noeud du sinus ; elle est liée à la respiration, à l'équilibre entre le système sympathique et le système parasympathique, aux régulations hémodynamiques des barorécepteurs, à la thermorégulation et aux rythmes physiologiques lents comme le rythme circadien. Elle présente une certaine structure répétitive que l’analyse fractale peut interpréter [5]. Il est possible qu'elle soit un marqueur de la stabilité et de la réserve hémodynamique du patient dans une situation de stress [6]. Elle disparaît dans un certain nombre de situations pathologiques : insuffisance cardiaque, ischémie, hypertension, arythmies chroniques, dysautonomie, prématurité, âge avancé, diabète, traitements pharmacologiques, mort cérébrale [7]. Une absence de variabilité dans la fréquence cardiaque est significativement associée au risque d'arythmies malignes et au syndrome de mort subite [10]. Les patients qui affichent une fixité du rythme cardiaque ont une incidence d'hypotension peropératoire plus élevée que la norme [1].
 
Dans un système fractal, les sous-unités ressemblent structurellement aux unités plus grandes (voir Figures 1.6 et 1.7) : la rythmicité d’un petit ensemble d’intervalles R-R ressemble à celle d’un ensemble de plus longue durée. La dégradation de cette complexité non-linéaire en un système où les intervalles sont liés au seul hasard est typique de la maladie cardio-vasculaire et de la vieillesse [5]. L’échelle de Poincarré, dans laquelle chaque intervalle est représenté en fonction de la valeur de celui qui le précède, ou l’entropie approximative, qui mesure la probabilité de ressemblance de deux ensembles de mesures pris à des échelles de temps différentes, sont deux exemples d’évaluation fractale de la variabilité du rythme cardiaque [5]. L'entropie quantifie la régularité d'une donnée dans le temps en mesurant la probabilité logarithmique que des séries de signes conservent des valeurs voisines; une grande régularité fractale donne des valeurs d'entropie basses (0.7-1.0), alors qu'une répartition aléatoire donne des valeurs hautes (2.0) [9].
 
La prépondérance de variabilité rythmique liée au hasard par rapport à la variabilité de type fractal identifie les patients qui ont une moins bonne survie après pontage aorto-coronarien [4] ; elle est un prédicteur de complications cardiaques postopératoires [5] et de mortalité à 2 ans (OR 6.4) [2]. En quantifiant le degré de dysautonomie des patients, l'analyse de variabilité faite en préopératoire offre une possibilité de prédire le comportement hémodynamique comme une hypotension sévère à l’induction d’une anesthésie générale ou à l’installation d’une rachianesthésie [3]. Sous halogénés ou sous propofol, tout le spectre de variabilité s'atténue et la fréquence cardiaque tend à devenir uniforme [8]. Le préconditionnement ischémique préserve l'organisation fractale de la rythmicité cardiaque [11]. Toutefois, l'analyse de la variabilité de la fréquence cardiaque s'est révélée peu prédictive pour la prévision des arythmies graves et des morts subites sur fibrillation ventriculaire.
 
 
Variabilité de la fréquence cardiaque

Une perte de la variabilité fractale du rythme cardiaque est un facteur de mauvais pronostic cardiovasculaire. Elle est un facteur de risque d'instabilité hémodynamique à l'induction et de mortalité postopératoire. La variabilité de la fréquence cardiaque tend à s'atténuer sous l'effet de l'anesthésie. 
 
 

© CHASSOT PG  Mars 2008, dernière mise à jour, Août 2017
 

Références
 
  1.   ESTEFANOUS FG, BRUM JM, RIBEIRO M, et al. Analysis of heart rate variability to assess hemodynamic alterations following induction of anesthesia. J Cardiothorac Vasc Anesth 1992; 6:651-7
  2.   FILIPOVIC M, JEGER R, GIRARD T, et al. Predictors of long-term mortality and cardiac events in patients with known or suspected coronary artery disease who survive major non-cardiac surgery. Anaesthesia 2005; 60:5-11
  3.   HANSS R, BEIN B, WESELOH H, et al. Heart rate variability predicts severe hypotension after spinal anesthesia. Anesthesiology 2006; 104:537-45
  4.   LAITIO TT, HUIKURI HV, KENTALA ES, et al. Correlation properties and complexity of perioperative RR-interval dynamics in coronary artery bypass surgery patients. Anesthesiology 2000; 28:69-80
  5.   LAITIO TT, JALONEN J, KUUSELA T, et al. The role of heart rate variability in risk stratification for adverse postoperative cardiac events. Anesth Analg 2007; 105:1548-60
  6.   LATSON TW, ASHMORE TH, REINHEATZ DJ, et al. Autonomic reflex dysfunction is associated with postinduction hypotension in both diabetic and non-diabetic neuropathy. Anesthesiology 1992 ; 77:A103
  7.   MUZI M, EBERT TJ. Quantification of heart rate variability with power spectral analysis. Curr Opinion Anesthesiol 1993; 6:3-17
  8.   OGAWA Y, IWASAKI K, SHIBATA S, et al. Different effects on circulatory control during volatile induction and maintenance of anesthesia and total intravenous anesthesia: autonomous nervous activity and arterial cardiac baroreflex function evaluated by blood pressure and heart rate variability analysis. J Clin Anesth 2006; 18:87-95
  9.   RICHMAN JS, MOORMAN JR. Physiologic time-series analysis using approximate entropy and sample entropy. Am J Physiol (Heart Circ Physiol) 2000; 278:H2039-49
  10. WEATHERRED T, PRUETT J. Significance of heart rate variability in cardiovascular disease. Curr Opinion Anaesthesiol 1995; 8:7-14 
  11. WU ZK, VIKMAN S, LAURIKKA J, et al. Nonlinear heart rate variability in CABG patients and the preconditioning effect. Eur J Cardiothorac Surg 2005; 28:109-13