Computer models in bedside physiology - Chapter 1: General introduction; aims of the thesis

UvA-DARE is a service provided by the library of the University of Amsterdam (https://dare.uva.nl)

UvA-DARE (Digital Academic Repository)

Computer models in bedside physiology

Zhang, Y.

Publication date

2013

Link to publication

Citation for published version (APA):

Zhang, Y. (2013). Computer models in bedside physiology.

General rights

It is not permitted to download or to forward/distribute the text or part of it without the consent of the author(s) and/or copyright holder(s), other than for strictly personal, individual use, unless the work is under an open content license (like Creative Commons).

Disclaimer/Complaints regulations

If you believe that digital publication of certain material infringes any of your rights or (privacy) interests, please let the Library know, stating your reasons. In case of a legitimate complaint, the Library will make the material inaccessible and/or remove it from the website. Please Ask the Library: https://uba.uva.nl/en/contact, or a letter to: Library of the University of Amsterdam, Secretariat, Singel 425, 1012 WP Amsterdam, The Netherlands. You will be contacted as soon as possible.

Chapter 1

General Introduction; aims of the thesis

I have been trained in Biomedical Engineering (BME), a field that is, broadly speaking, geared  to putting engineering methods to the assistance of clinical diagnosis and therapy. Biomedical  engineering methods cover a wide range – from chemical engineering (tissue engineering and  biomaterials) to electrical and mechanical engineering, as in the development of medical  devices (12). In this thesis I apply bioelectrical (BME‐) methods to solve several medical  problems.    The thesis consists of two parts: the first part is about cardiovascular modeling and  simulation; the second about analysis of beat‐to‐beat heart rate and blood pressure  variability. 

1. Modeling and simulation of the human cardiovascular system

Models of the circulation are constructed to help understand physiological problems or to  simulate interventions which are difficult or impossible to perform in real life. In this thesis  we have reduced a number of aspects of the human cardiovascular model to a computer  program. A good model can accurately describe (some of) the behavior of a particular system;  use of the computer model may reduce experiment time and cost, avoid unnecessary injuries  and ethical controversies.  Since the first two‐element Windkessel (arteries) model was developed in 1899 by Otto Frank  (11), until the overall circulation regulation model developed in 1972 by A. C. Guyton(5), the  cardiovascular models went from very simple to very complex. Today circulation models are  developed simple or complex according to the research requirements. In the following two  sections the medical background of our specific cardiovascular model is introduced. Modeling  or simulation can never replace real experiments, but it can always make real experiments  better, or smarter.  a. Cardiopulmonary Resuscitation simulation Cardiopulmonary arrest (CPA, also called cardiac arrest, CA) is a condition in which the heart  suddenly and unexpectedly stops beating. Data from the Sudden Cardiac Arrest Association  (www.suddencardiacarrest.org) show that in the U.S.A more than 300,000 people suffer a  CPA each year, only 8% of whom survive. When CPA occurs, cardiopulmonary resuscitation  (CPR) is an emergency procedure to preserve brain function (and that of other vital organs)  until further measures are taken to restore spontaneous circulation and breathing. No matter 

Chapter 1

where CPA occurs: on the street or in a hospital, in‐time and proper CPR and advanced life  support can dramatically improve the survival rate to 50%! The International Liaison  Committee on Resuscitation (www.ilcor.org ) holds consensus meetings and publishes  updated CPR guidelines every five years since the first in 2000. There are also free training  courses (in hospitals, on websites, and in TV programs).    In Chapter 2 the question to be answered is: which CPR technique is the best one to improve  cardiac output and organ perfusion? We compared five different CPR techniques, from  conventional to innovative methods, by way of a cardiovascular circulation model.  In Chapter 3 the question to be answered is: if we apply all those efforts described in chapter  2 to improve cardiac output and organ perfusion, is that really the best we can do for the  patient? When we pushed this CPR optimization we found that with high pressures of thorax  and abdomen compression and large venous returns, we had to consider the lungs as well.  With improved mechanical techniques, ‘faster and harder’ compressions are not difficult to  obtain (in‐hospital that is, with bare hands it is still difficult); the question is: can the lungs  take it?  b. Pulse Pressure Variation simulation Cardio‐pulmonary interaction is in the spotlight again. Over the last 20 years pulse pressure  variation (PPV) has proven itself as an accurate predictor of volume responsiveness (1, 2, 4, 7,  9, 10): lower PPV implies that the volume status has pushed cardiac filling to the plateau of  the Frank‐Starling curve to a saturation state(9). PPV is in clinical use to steer volume infusion  for instance during surgery. However PPV does not work in situations like low tidal volume or  spontaneous respiration(9). The question when PPV may reliably be used as indicator of  volume responsive is still in discussion.  In Chapter 6 we use a cardiovascular circulation model, with respiration and ANS control to  simulate how PPV changes with changes in circulating volume, whether PPV can predict  volume responsiveness in different situations. We compare these results to recordings in  healthy test subjects who received a large intravenous saline infusion. 

2. Analysis of beat‐to‐beat heart rate and blood pressure variability

Before going into heart rate variability (HRV) and blood pressure variability (BPV), we have to  talk about the autonomic nervous system (ANS) first. The autonomic nervous system is  predominantly an efferent system transmitting impulses from the Central Nervous System  (CNS) to peripheral organ systems. Its effects include control of heart rate and force of 

contraction, constriction and dilatation of blood vessels, contraction and relaxation of  smooth muscle in various organs, visual accommodation, pupillary size and secretions from  exocrine and endocrine glands.  The ANS consists of two separate divisions: the parasympathetic and sympathetic systems,  distinguished on the basis of anatomical and functional differences. The sympathetic nervous  system aids in the control of most of the body's internal organs. Stress—as in the  flight‐or‐fight response—is thought to counteract the parasympathetic system, which  generally works to promote maintenance of the body at rest.  Disturbances of the autonomic nervous system can be the cause of serious health problems.  Autonomic nervous system disorders can occur alone or as the result of another disease,  such as Parkinson's disease, alcoholism and diabetes. Therefore evaluation of the condition  of the autonomic nervous system can be of diagnostic or predictive value.  a. Heart rate variability (HRV) in CHF patients Heart rate variability (HRV) has emerged as a simple, noninvasive method to evaluate ANS  activity. Reduced heart rate variability (HRV) is a powerful and independent predictor of an  adverse prognosis in patients with heart disease and in the general population.  In Chapter 4 we test which analysis method for HRV discriminates Chronic Heart Failure (CHF)  patients on beta‐blocker treatment from healthy control subjects; next we test which of  these parameter(s) detects the situation where such a patient would ‘slip into’ a more  sympathetic condition.    b. Challenge: Active standing up in Brugada patients When we stand up blood tends to shift towards the lower part of the body, sympathetic  activity will raise heart rate, peripheral resistance, cardiac performance etc. to maintain  blood pressure, at the same time parasympathetic activity will withdraw.  Active standing‐up from supine or sitting is clinically used to test ANS function in control of  blood pressure and heart rate (3, 6, 8, 13).  In Chapter 5 we compare the change of beat‐to‐beat parameters like heart rate, blood  pressure from supine to upright position in healthy control subjects and Brugada patients.  The Brugada syndrome (BrS) is a genetic disease that is characterized by abnormal  ECG‐findings and an increased risk of sudden cardiac death. The stand test is used to test the 

Chapter 1

function of the ANS in Brugada patients and, ultimately, to find predictors for the risk of  sudden cardiac death. 

3. Chapter overview

In all there are seven chapters, as follows:    1. General introduction and aims of the thesis;    2. Optimal cardiopulmonary resuscitation as tested by computer modeling;    3. Abdominal counter pressure in CPR: What about the lungs? An in silico study;    4. Search for HRV‐parameters that detect a sympathetic shift in heart failure patients on  β‐blocker treatment  5. A subgroup of Brugada patients shows low orthostatic blood pressures as a sign of  decreased sympathetic outflow  6. Dynamics of pulse pressure variability and the difficulty of predicting fluid  responsiveness;    7. Summary and general conclusions  See the flowchart in Figure 1.   

References

1. Bendjelid K, Suter PM, and Romand JA. The respiratory change in preejection period: a  new method to predict fluid responsiveness. J Appl Physiol 96: 337‐342, 2004.  2. Coyle J, Teplick R, Long M, and Davison J. Respiratory variations in systemic arterial  pressure as an indicator of volume status. Anesthesiology 59: A53, 1983. 

3. Den Heijer JC, Bollen WL, Reulen JP, van Dijk JG, Kramer CG, Roos RA, and Buruma OJ.  Autonomic nervous function in Huntington's disease. Arch Neurol 45: 309, 1988.  4. Freitas F, Bafi A, Nascente A, Assunção M, Mazza B, Azevedo L, and Machado F. Predictive  value of pulse pressure variation for fluid responsiveness in septic patients using  lung‐protective ventilation strategies. Br J Anaesth 110: 402‐408, 2013.  5. Guyton AC, Coleman TG, and Granger HJ. Circulation: overall regulation. Annu Rev Physiol  34: 13‐46, 1972.  6. Hägglund H, Uusitalo A, Peltonen JE, Koponen AS, Aho J, Tiinanen S, Seppänen T, Tulppo  M, and Tikkanen HO. Cardiovascular autonomic nervous system function and aerobic  capacity in type 1 diabetes. Front Physiol 3, 2012.  7. Kramer A, Zygun D, Hawes H, Easton P, and Ferland A. Pulse pressure variation predicts  fluid responsiveness following coronary artery bypass surgery. Chest 126: 1563‐1568,  2004.  8. Martinmäki K, Rusko H, Saalasti S, and Kettunen J. Ability of short‐time Fourier transform  method to detect transient changes in vagal effects on hearts: a pharmacological  blocking study. Am J Physiol‐Heart C 290: H2582‐H2589, 2006.  9. Michard F. Changes in arterial pressure during mechanical ventilation. Anesthesiology  103: 419‐428, 2005.  10. Michard F, Boussat S, Chemlad D, Anguel N, Mercat A, Lecarpentier Y, Richard C, Pinsky  MR, and Teboul J‐L. Relation between respiratory changes in arterial pulse pressure and  fluid responsiveness in septic patients with acute circulatory failure. Am J Resp Crit Care  162: 134‐138, 2000.  11. Sagawa K, Lie RK, and Schaefer J. Translation of Otto Frank's paper "Die Grundform des  Arteriellen Pulses" Zeitschrift fur Biologie 37: 483‐526 (1899). J Mol cell cardiol 22:  253‐254, 1990.  12. Wikipedia. Biomedical engineering. Last updated :2013 31 May, [cited 2013 15 June];  Available from: http://en.wikipedia.org/wiki/Biomedical_engineering.  13. Ziemssen T and Reichmann H. Cardiovascular autonomic dysfunction in Parkinson's  disease. J Neurol Sci 289: 74‐80, 2010.