Le syndrome de Brugada (BS) est une maladie génétique responsable de troubles du rythme cardiaque. En raison de la nature complexe et multifactorielle de cette pathologie, la stratification du risque peut s’avérer particulièrement difficile et il est nécessaire de pouvoir définir de nouveaux marqueurs avec des valeurs prédictives élevées afin d’identifier les patients à haut risque. Les événements arythmiques dans cette population étant souvent liés à des modifications de fonctionnement du système nerveux autonome (SNA), l’objectif de la thèse est l’évaluation et comparaison de la réponse cardiovasculaire aux modulations du SNA pendant la nuit, ainsi qu'en réponse à des manœuvres normalisées, telles que l'épreuve d'effort ou le test d'orthostatisme, chez une série de patients BS présentant différents niveaux de risque (sujets symptomatiques et asymptomatiques). Une première partie du travail de thèse est dédiée à l’application de méthodes d'analyse de complexité cardiaque, de sensibilité baroréflexe et de variabilité non-stationnaire du rythme cardiaque, jamais étudiées dans le cadre des patients BS. Dans une deuxième partie, afin d'aborder la nature multifactorielle de la maladie, une approche multivariée basée sur une méthode de machine learning est introduite. En employant des marqueurs extraits à l'analyse du traitement du signal précédent, des classificateurs robustes capables de distinguer les patients à différents niveaux de risque sont proposés. Dans la troisième partie de ce travail, deux modèles mathématiques de connaissances ont été proposés et analysés, afin d'étudier les réponses autonomiques et hémodynamiques au test d’orthostatisme et à l’épreuve d’effort. Enfin, une application prospective d’une approche multivariée intégrant les paramètres extraits à l'étape de modélisation est également présentée. L’ensemble des résultats de la thèse permet une meilleure caractérisation des profils autonomiques des patients BS et laisse envisager une amélioration de la sélection des patients pour implantation d'un défibrillateur implantable. / Brugada syndrome (BS) is a genetic arrhythmogenic disease characterized by a distinctive electrocardiographic pattern, associated with a high risk for sudden cardiac death. Its complex and multifactorial nature turns risk stratification into a major challenge. Although variations in autonomic modulation are commonly related to arrhythmic events in this population, novel markers with higher predictive values are still needed so as to identify those patients at high risk. Since the autonomic function can be better characterized through the application of standardized maneuvers stimulating the autonomic nervous system (ANS), the main objective of this thesis is to evaluate and compare the cardiovascular response to ANS modulations overnight, as well as in response to exercise and HUT testing, on a series of BS patients with different levels of risk (symptomatic and asymptomatic subjects). In a first part of this work, we apply previously described methods for the analysis of heart rate complexity, baroreflex sensitivity, and non-stationary heart rate variability, never before studied in the context of BS patients. In a second part, in order to address the multifactorial nature of the disease, a multivariate approach based on a step-based machine learning method is introduced. By employing markers extracted at signal-processing analysis, robust classifiers capable of distinguishing patients at different levels of risk are proposed. The third part of this work has been focused on the proposal of novel mathematical models and the associated model analysis methods, so as to study the autonomic and hemodynamic responses to exercise and HUT testing. Finally, a prospective application of a multivariate approach integrating parameters extracted at the model-based stage is also presented. Overall, the obtained results provide new insights into the underlying autonomic mechanisms regulating the cardiovascular system in BS, improving physiopathology and prognosis interpretation. The proposed approach may be used as an instrument for the identification of those asymptomatic patients at high risk who may benefit from a cardioverter defibrillator implantation. / El síndrome de Brugada (SB) es una enfermedad genética asociada a un patrón electrocardiográfico característico y a un elevado riesgo de muerte súbita cardíaca (MSC), causada por fibrilación ventricular (FV) en ausencia de cardiopatías estructurales. Debido a su naturaleza compleja y multifactorial, la estratificación del riesgo supone, en la actualidad, uno de los aspectos más controvertidos. Ciertas alteraciones en la modulación del sistema nervioso autónomo (SNA) se han relacionado con eventos arrítmicos en esta población; no obstante, nuevos marcadores con valores predictivos más elevados que permitan identificar a aquellos pacientes con un alto riesgo de sufrir MSC son todavía necesarios. El uso de maniobras estandarizadas con el objetivo de estimular el SNA permite una mejor caracterización de la función autonómica. El principal objetivo de esta tesis doctoral es, por tanto, la evaluación exhaustiva de la respuesta cardiovascular a la modulación del SNA en una serie de pacientes con SB y diferentes niveles de riesgo (sujetos sintomáticos y asintomáticos), a través de diferentes maniobras autonómicas, con la finalidad de identificar nuevos marcadores potencialmente útiles para la estratificación de riesgo en esta población. En este contexto, la evaluación de la función autonómica se llevó a cabo mediante tres estrategias principales. En primer lugar, se caracterizaron y compararon la variabilidad y complejidad del ritmo cardíaco, así como la sensibilidad barorrefleja, en pacientes sintomáticos y asintomáticos, con el objetivo de identificar nuevos marcadores capaces de distinguir entre grupos de pacientes. Los resultados mostraron, en el grupo sintomático, una menor variabilidad y complejidad durante la noche, así como un mayor tono vagal y una menor actividad simpática tanto durante el ejercicio como en respuesta a la prueba de mesa inclinada. En un segundo análisis, se abordó la etiología multifactorial del síndrome mediante un enfoque multivariado basado en un método de aprendizaje automático por etapas. A partir de marcadores extraídos en la etapa anterior, se propusieron modelos predictivos capaces de clasificar pacientes diagnosticados con SB en función de su nivel de riesgo. El mejor clasificador (AUC = 95%) fue diseñado a partir de marcadores autonómicos obtenidos durante la noche, superando modelos predictivos previamente descritos para la estratificación del riesgo en el SB a partir de la combinación de parámetros no invasivos. Finalmente, se analizaron las interacciones entre las funciones mecánica, circulatoria y autonómica de estos pacientes a partir de modelos fisiológicos. En primer lugar, mediante la implementación y evaluación de un modelo computacional integrando la dinámica del sistema cardiovascular y su respuesta autonómica a la prueba de mesa inclinada. Asimismo, se propuso la identificación recursiva de un modelo implementado para el análisis de la evolución temporal de las contribuciones simpática y parasimpática del SNA durante una prueba de esfuerzo. Los resultados mostraron una menor contractilidad, así como una actividad parasimpática significativamente mayor durante el ejercicio, en pacientes sintomáticos. Con el objetivo de combinar características extraídas del modelado fisiológico, un último estudio prospectivo propuso el diseño de un clasificador multivariado integrando los parámetros estimados en esta última etapa. Los resultados obtenidos indican importantes tendencias de relevancia clínica que aportan nuevos conocimientos sobre los mecanismos autonómicos encargados de regular el sistema cardiovascular en el SB. Su interpretación permite mejorar la estratificación del riesgo en estos pacientes y, por tanto, optimizar las estrategias terapéuticas aplicadas. La metodología propuesta se presenta como un instrumento para la identificación de aquellos pacientes con alto riesgo de MSC que podrían beneficiarse de la implantación de desfibriladores automáticos.
| Identifer | oai:union.ndltd.org:theses.fr/2017REN1S056 |
| Date | 10 November 2017 |
| Creators | Calvo Gonźalez, Mireia |
| Contributors | Rennes 1, Universitat politécnica de Catalunya, Hernández Rodriguez, Alfredo, Gomis, Pedro |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | Spanish |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0022 seconds