Variation de la fréquence sinusale sous l’influence du système nerveux autonome. Cette variation est physiologique à chaque respiration (cf. Arythmie sinusale respiratoire). La fréquence augmente pendant l’inspiration et diminue pendant l’expiration.
Le « deep breathing » s’accompagne d’une variabilité de la fréquence cardiaque (indice expiratoire/inspiratoire ou Indice E/I) > 15 b.p.m. chez les personnes en bonne santé âgées de plus de 50 ans [2]. Une variation émoussée ou abolie suggère un dysfonctionnement parasympathique.
La mesure de variabilité sinusale est effectuée au cours d’un ECG de longue durée par la méthode de Holter (Cf. Holter cardiaque). Elle est exprimée par un index d’analyse temporelle (SDNN ou écart type de tous les intervalles R-R d’origine sinusale sur 24 heures) et une représentation spectrale : basses fréquences (activité sympathique, thermorégulation), moyennes fréquences (modulation du sympathique et du parasympathique par le baroréflexe) et hautes fréquences (tonus vagal). Elle peut se mesurer aussi par photopléthysmographie (via de simples capteurs capillaires comme pour la saturation en oxygène) et un logiciel adapté.
Une variation émoussée ou abolie suggère un dysfonctionnement parasympathique.
La perte de la variabilité sinusale est parfois utilisée pour évaluer les risques de mortalité cardiaque et en particulier de mort subite des patients qui ont une cardiopathie évoluée (avec intelligence artificielle, résultat surprenants [5]). Après un infarctus du myocarde, une faible valeur de SDNN serait un facteur prédictif de troubles du rythme ventriculaire grave et un marqueur de mauvais pronostic [3]. Des travaux sont en cours pour évaluer la pertinence de ce paramètre dans d’autres domaines comme l’insuffisance cardiaque, la surveillance du transplanté cardiaque, les pathologies du système nerveux végétatif, l’altération des fonctions cognitives [7].
[1] Ndayisaba JP, Fanciulli A, Granata R, et al. Sex and age effects on cardiovascular autonomic function in healthy adults. Clin Auton Res 2015;25:317–326.
[2] Brignole M, Moya A, de Lange FJ, et al; ESC Scientific Document Group. 2018 ESC Guidelines for the diagnosis and management of syncope. Eur Heart J. 2018 Jun 1;39(21):1883-1948.
[3] Dagres N, Hindricks G. Risk stratification after myocardial infarction: is left ventricular ejection fraction enough to prevent sudden cardiac death? Eur Heart J. 2013;34(26):1964-71
[4] Lombardi F, Stein PK. Origin of heart rate variability and turbulence: an appraisal of autonomic modulation of cardiovascular function. Front Physiol. 2011 Dec 8;2:95. (téélchargeable)
Analysis of non-linear dynamics of HRV has also been utilized to describe the fractal like characteristic of the variability signal and proven effective in identify patients at risk for sudden cardiac death. Despite the clinical validity of these measures, it has also been evident that the relationship between neural input and sinus node responsiveness is extremely complex and variable in different clinical conditions. Thus, abnormal HRV or HRT on a clinical Holter recordings may reflect non-neural as well as autonomic mechanisms,
Tiwari R, Kumar R, Malik S, Raj T, Kumar P. Analysis of Heart Rate Variability and Implication of Different Factors on Heart Rate Variability. Curr Cardiol Rev. 2021;17(5):e160721189770. (téélchargeable) High HRV is associated with healthy condition, while low HRV is associated with pathological conditions. The HRV is influenced by various variables such as; pathological, physiological, psychological, environmental factors, lifestyle factors, and genetic factors, etc.
[5] Panjaitan F, Nurmaini S, Partan RU. Accurate Prediction of Sudden Cardiac Death Based on Heart Rate Variability Analysis Using Convolutional Neural Network. Medicina (Kaunas). 2023 Jul 29;59(8):1394.
[7] Arakaki X, Arechavala RJ, Choy EH, Bet al. The connection between heart rate variability (HRV), neurological health, and cognition: A literature review. Front Neurosci. 2023 Mar 1;17:1055445.