Jämförelse mellan
automatisk och korrigerad
automatisk beräkning av
ejektionsfraktionen vid
ekokardiografi
HUVUDOMRÅDE: Biomedicinsk laboratorievetenskap inriktning klinisk fysiologi FÖRFATTARE: Rebecca Nyström Issal & Susanne Svensson
HANDLEDARE: Louise Rundqvist, Universitetsadjunkt EXAMINATOR: Rachel De Basso, Universitetslektor JÖNKÖPING 2016 Maj
Sammanfattning
Då hjärtats systoliska funktion utreds är vänsterkammarens ejektionsfraktion ett viktigt mått som mäts med många olika metoder. Inom ekokardiografi är två vanliga metoder automatisk beräkning samt korrigerad automatisk beräkning, dock finns få studier som undersöker eventuella statistiska skillnader mellan metoderna. Det utgjorde därför syftet för denna studie då det är viktigt att de inom verksamheten utför undersökningarna likadant och har kunskaper om de olika metoderna. Studien inkluderade 24 patienter vilka undersöktes med ekokardiografi på Länssjukhuset Ryhov i Jönköping. Ejektionsfraktionen räknades ut med automatisk beräkning enligt Simpsons biplanmetod och datorns linjeringar korrigerades vid behov. För statistiska analyser användes Wilcoxons icke-parametriska test för två beroende variabler samt Spearmans korrelationsanalys. Resultaten visade att det inte fanns någon statistiskt signifikant skillnad mellan metoderna (p=0,160) och korrelationsanalysen visade god korrelation mellan dem (rho=0,834). Inte heller då analys utfördes på enbart korrigerade mätningar påvisades någon statistiskt signifikant skillnad, 3 patienter gick dock från lätt nedsatt till normal systolisk vänsterkammarfunktion efter korrigering. Studiens slutsats är att det inte föreligger några statistiskt signifikanta skillnader mellan automatisk och korrigerad automatisk beräkning av ejektionsfraktionen, dock så kan korrigering vara viktig i vissa fall. Vidare forskning behövs då studiens låga deltagarantal gör det svårt att generalisera resultatet till en större population.
Nyckelord: systolisk vänsterkammarfunktion, hjärtsvikt, 2D-ekokardiografi, Simpsons biplanmetod
Summary
Comparison between automatic and corrected automatic calculation of the ejection fraction in echocardiography
When examining the systolic function of the heart the left ventricle ejection fraction is an important measurement that is currently measured by many different methods. In echocardiography two of the most common methods is automatic and corrected automatic calculation, although there are few studies that investigates possible statistical differences between them. That was therefore the purpose of this study. The study included 24 patients examined by echocardiography at the hospital Ryhov in Jönköping. The ejection fraction was calculated by the automatic method and the lines made by the computer software was corrected when needed. In the statistical analyses Wilcoxons test for two dependent variables and Spearmans correlation analyses were used. The results showed no statistic significant difference between the methods and the correlation analyses showed good correlation. Neither when analyzing only the corrected measurements did any significant difference appear, though three patients went from reduced to normal heart function after correction. The conclusion of this study is that there is no significant difference between the methods, though correction of the automatic measurement might be important in some cases. Further research is needed since the low participation of this study makes it hard to generalize the results to a greater population.
Keywords: left ventricular systolic function, heart failure, 2D-echocardiography, biplane Simpson
Innehållsförteckning
Bakgrund ... 1
Anatomi och fysiologi ... 1
Ejektionsfraktion som ett mått på vänsterkammarfunktionen ... 1
Bildtekniker för att beräkna EF och bedöma vänsterkammarfunktionen ... 3
Sjukdomsförlopp som kan påverka EF ... 4
Hjärtsvikt ... 4
Hjärtinfarkt ... 5
Hypertoni ... 6
Syfte ... 7
Material och metod ... 7
Förberedande arbete ... 7 Urval/deltagare ... 7 Insamling av data... 7 Statistiska beräkningar ... 9 Etiska överväganden ... 9
Resultat ... 10
Diskussion ... 12
Slutsatser ... 17
Omnämnanden ... 17
Referenser ... 18
Bilagor ... 22
1
Figur 1. Hjärtats anatomi (2)
Bakgrund
Anatomi och fysiologi
Hjärtat är en autonomt styrd muskel belägen i mediastinum med uppgift att upprätthålla kroppens blodcirkulation. Muskeln delas upp i en höger och vänster sida vilka består av ett förmak och en kammare i
respektive hjärthalva. Hjärtats högra förmak tar emot blod från systemkretsloppet och kammaren pumpar blodet vidare via lungkretsloppet för
syresättning. Från
lungcirkulationen flödar blodet in i vänster förmak och vidare in i vänster kammare vilken pumpar blodet, via
aorta, ut i systemkretsloppet igen. Diastole är fasen under vilken kamrarna fylls med blod och systole är då kamrarna kontraherar och pumpar blodet vidare (1). Den blodvolym som byggs upp i kammaren under diastole och pumpas ut i systole är slagvolymen (SV) och är ett uttryck för hjärtats arbetsprestation (3,4). Genom att multiplicera SV med hjärtfrekvensen erhålls minutvolymen (CO) vilken ger en uppfattning om vänsterkammarens funktion. CO kan även användas tillsammans med kroppsytan (BSA) för att erhålla ett index där hänsyn tas till hjärtfunktionen i förhållande till kroppsstorleken. Hjärtats SV är beroende av den slutdiastoliska fyllnaden (preload), hjärtmuskelns förmåga att kontrahera (kontraktilitet) och mot vilket tryck kammaren får arbeta under systole (afterload) (3). Hjärtmuskeln syresätts via koronarkärlen som utgår från aortaroten vilket huvudsakligen sker under diastole (1).
Ejektionsfraktion som ett mått på vänsterkammarfunktionen
Vänsterkammarens ejektionsfraktion (EF) är ett mått som kan definieras som den del av vänsterkammarens volym som pumpas ut per hjärtslag och har blivit den viktigaste
parametern att mäta då hjärtfunktionen ska undersökas (5). SV påverkar därför detta mått men även den apikala rotationen spelar en stor roll för att erhålla en optimalt EF (4,6).
Redan 1962 utfördes en studie av Folse et al. (1962) i vilken det avsågs att försöka beskriva en metod för att uppskatta det som i artikeln kallas ”fraktionen av vänsterkammarens
2
slutdiastoliska volym som stöts ut per slag”, definitionen av det som senare blivit präglat som ejektionsfraktionen (5,7). Idag är EF ett väl etablerat mått vid bedömning av
vänsterkammarens systoliska funktion och måttet på EF kan beräknas med hjälp av flera olika bildgivande tekniker, bland annat ekokardiografi (EKO). Inom EKO föredras framförallt transthorakal ekokardiografi (TTE) (8-10) på grund av att den är lättillgänglig, noninvasiv och kostnadseffektiv (11,12). Vid en TTE beräknas först vänsterkammarens volymer och med hjälp av dessa kan ett mått på EF beräknas. Detta utförs vanligen i Simpsons biplanmetod baserad på en summation av volymer i parallella diskar/skivor utmed vänster kammares längdaxel. Beräkningen av volymerna utförs genom att endokardiet linjeras ut i apikal fyr- och tvåkammarvy i slutet av diastole, det vill säga den slutdiastoliska volymen (EDV), samt i slutet av systole, den slutsystoliska volymen (ESV). EF kan sedan beräknas med hjälp av dessa volymer enligt följande ekvation (4,8,10):
EDV- ESV
EF (%) = x 100 EDV
Bland annat automatisk beräkning av EF (autoEF) (4,13), vilket behandlas i denna studie, samt visuell skattning förekommer inom TTE (9,11). AutoEF har i dagens läge många fördelar då den har hög reproducerbarhet och låg variabilitet mellan olika användare (14,15), metoden har även visat bra korrelation med den manuella planimetrin (15,16). Dock kan EF-beräkning med hjälp av TTE bli svårbedömt vid till exempel arytmier och fetma (17,18). Arytmier inkluderar alla avvikelser från en normal hjärtrytm (3) och fetma inkluderar de med ett Body mass index (BMI) ≥30 (19). För tydliga bilder krävs också att ett bra bildfönster mellan revbenen kan hittas (10). Då autoEF brister i sitt utförande kan korrigering av
metodens utlinjering, korrigerad autoEF, utföras av operatören (13). Korrigerad autoEF är den andra metoden som behandlas i denna studie.
Den visuella skattningen har fördelen att den är tidsbesparande och studier har kommit fram till att det är en rimlig metod för vissa patientgrupper, till exempel hos de då ett exakt mått på EF inte eftersträvas. Dock så har den en viss variabilitet i mätningarna och är dessutom starkt erfarenhetsberoende, kvantitativa uträkningar rekommenderas därför att tillämpas på de flesta patienter (13,20).
Med hjälp av EF kan flera olika sjukdomstillstånd diagnostiseras, måttet ger även bra prognostisk och terapeutisk information som till exempel vid kardiotoxiska
3
cellgiftsbehandlingar, då små förändringar i EF kan påverka beslut under behandlingens gång (10,13). Prognostiskt sett har EF kunnat förutsäga olika kardiovaskulära utfall vid bland annat hjärtsvikt och hjärtinfarkt (21). Dock så betyder inte alltid en normal EF en normal
kammarfunktion. Detta kan till exempel ses vid små vänsterkammarvolymer då EF ofta är hög trots låga slag- och minutvolymer. Under dessa omständigheter kan därför SV och CO ge en bättre uppfattning om vänsterkammarens funktion än EF (4).
Bildtekniker för att beräkna EF och bedöma vänsterkammarfunktionen
Magnetresonanstomografi (MR) är idag referensmetod för beräkning av hjärtats volymer och EF på grund av dess högupplösta bildkvalitet och goda reproducerbarhet (22), metoden har dock begränsningar i till exempel tillgänglighet, kostnad samt att den inte kan användas på alla patientgrupper (11,22).
Vid EKO används ultraljud för att undersöka hjärtats anatomi och fysiologi. Ultraljud är ljud som överskrider 20 000 Hz och som i kroppen reflekteras mot förändringar mellan olika vävnaders densitet (4). Som tidigare nämnts så utgör TTE den mest använda metoden för beräkning av EF (10) på grund av dess många fördelar framför övriga tekniker (12) och utvärdering av vänsterkammaren är den vanligaste anledningen till att utföra EKO på vuxna (11). TTE är även den metod som dominerar då hela hjärtats funktion och dess strukturer avses undersökas (23).
TTE kan med fördel användas ihop med kontrast vid suboptimal insyn och svårigheter att visualisera alla segment. Kontrastförstärkt EKO gör det lättare att upptäcka abnorma rörelsemönster i hjärtväggen och vid volymsbedömning och EF-beräkning korrelerar den bättre med MR än vanlig TTE (9,24). Nuvarande riktlinjer rekommenderar kontrastförstärkt EKO då två eller fler av 17 segment av kammarväggen är otydliga (25). Momentet bidrar dock till en extra kostnad i undersökningen samt behov av intravenös administrering vilket gör det opraktiskt att tillämpa på alla patienter (8).
Vävnadsdoppler är ytterligare ett verktyg som kan förbättra bedömningen av hjärtats väggrörlighet. Metoden innebär att den isovolumetriska accelerationen mäts, i apikala vyer, med pulsad- eller färgvävnadsdoppler. Den isovolumetriska accelerationen tros vara starkt relaterad till kontraktiliteten. Det är även möjligt att mäta strain och strain rate, vilka är mått på myokardiets deformation under hjärtcykeln där en positiv strain innebär en förlängning av myokardiet och en negativ strain en förkortning. Strain rate är hastigheten med vilken denna deformation sker (4,10). Genom att mäta strain och strain rate kan hjärtfunktionen bedömas
4
mer regionalt än med de andra metoderna inom vävnadsdoppler vilket ger kompletterande information till EF. Deformationsanalys med strain tros hjälpa till vid identifiering av en tidig systolisk försämring i samband med olika kardiovaskulära sjukdomstillstånd (4,10,22). Vävnadsdoppler har den fördelen att den inte är lika beroende av bra bildkvalitet, vilket underlättar vid undersökning av personer med fetma, takykardi eller lungsjukdom (17), dock har studier visat på diverse tekniska begränsningar inom metoden (8,10).
Under de senaste åren har tredimensionell ekokardiografi (3D-EKO) börjat tillämpas allt mer (8). Ultraljudssändaren hålls mot bröstkorgen över apex och ultraljudsstrålarna sänds ut i form av en pyramid istället för en sektor, som vid vanligt tvådimensionellt EKO. Om hela hjärtat ska vara med i bilden så måste insamlingen delas upp i ett antal delvolymer, ofta fyra, vilka samlas in under fyra konsekutiva hjärtcykler. Under denna insamling måste patienten hålla andan och sändaren hållas helt still mot bröstkorgen för att det inte ska uppstå artefakter då delvolymerna sätts ihop till en tredimensionell bild. Den färdiga bilden kan sedan beskäras på olika sätt för att insidan av hjärtat och dess olika strukturer ska kunna visualiseras (4,11). Beräkning av vänsterkammarens volym och EF görs halvautomatiskt då apex och annulus mitralis först ska märkas ut manuellt innan mjukvaran linjerar ut endokardiet och utför de olika beräkningarna (4).
Sjukdomsförlopp som kan påverka EF Hjärtsvikt
Hjärtsvikt är ett tillstånd under vilket någon bakomliggande hjärtsjukdom gör att hjärtats pumpfunktion blir försämrad (3). De vanligaste bakomliggande orsakerna inkluderar ischemisk hjärtsjukdom och hypertoni men även virusinfektion i myokardiet, drogmissbruk och kemoterapi kan orsaka hjärtsvikt (22). Hjärtats vänstra kammare är den som lättast drabbas av svikt på grund av att den stora muskelmassan har ett större krav på tillräcklig blodförsörjning än den högra tunnare kammaren. Hjärtsviktens effekter kan beskrivas som antingen framåtriktad svikt eller bakåtriktad svikt, beroende på om effekterna riktar sig framåt eller bakåt i blodströmmens riktning. Den framåtriktade varianten orsakas av en hypokinetisk cirkulation i vänster eller höger kammare, det vill säga låg EF, låg CO och ett förlångsammat flöde. Den framåtriktade svikten är även den som kännetecknas av en systolisk dysfunktion och ju lägre EF desto svårare systolisk dysfunktion (3,22). Detta är den vanligaste typen av hjärtsvikt och är ett malignt tillstånd med dålig långtidsprognos (22). Den bakåtriktade svikten orsakar lungstas, respektive venstas beroende på om det är en vänster- eller högerkammarsvikt (3). EKO och EF-beräkning utgör en viktig del i diagnostiken av hjärtsvikt
5
och är även viktiga verktyg för att förstå sviktens etiologi och patofysiologi (5,17). Normal EF är generellt betraktat som >50 % och hjärtsvikten klassificeras efter hur låg EF som beräknas (22).
Hjärtsvikt förekommer hos 2-3 % av befolkningen i Sverige och hos personer över 70 år är prevalensen närmare 10 % (3). Av de med hjärtsvikt är det minst 38-54 % som har hjärtsvikt med bevarad EF (HFPEF) och prevalensen ökar stadigt (26-28) vilket skapar problem i dagens hjärtsviktsdiagnostik. Den vanligaste orsaken till en HFPEF är en bakomliggande fyllnadsstörning, det vill säga diastolisk dysfunktion, vilken under TTE kan karakteriseras av en försämrad relaxation med försämrad compliance, ett förstorat vänster förmak och ökat fyllnadstryck i vänsterkammaren samtidigt som vänsterkammarens dimensioner och EF oftast förblir normala (22). Diastolisk dysfunktion bör därför alltid misstänkas då patienten har kliniska symtom på hjärtsvikt trots att EF är normal (29,30). I en studie av Tan et al. (2009) (31) visade resultaten på en signifikant reducering av den apikala rotationen och återrotationen hos denna patientgrupp jämfört med friska individer. Tidig diagnos med hjälp av EKO kan ge möjligheten att behandla den bakomliggande sjukdomen för att förhindra progress av hjärtsvikten (29).
Hjärtinfarkt
Hjärtinfarkt orsakas av att en del av hjärtmuskeln drabbas av anoxi vilket leder till celldöd. Ett helt myokardtvärsnitt alternativt endast en del av myokardtvärsnittet kan bli påverkad av infarkten, vilka benämns transmural infarkt respektive subendokardiell infarkt. En hjärtinfarkt uppstår då det efter en akut koronarocklusion inte alls, eller sent sker en reperfusion. Inkomplett reperfusion med kvarvarande rörelsestörning kallas hibernering och tidig komplett reperfusion med kvarvarande rörelsestörning kallas stunning. Dessa är benämningar för en reversibel dysfunktion i myokardiet till skillnad från infarkt då irreversibel cellskada uppstår. På grund av myokarddestruktion vid infarkten kan sjukdomen leda till hjärtsvikt. Detta inträffar om destruktionen omfattar en så pass stor del att den kvarvarande muskeln inte klarar av att upprätthålla en fullgod pumpförmåga (3). Ischemisk hjärtsjukdom är den vanligaste orsaken till dödsfall i världen (32), prognosen på lång sikt är främst relaterad till infarktens storlek och därmed uppkomst av vänsterkammarsvikt (3). Risken för plötslig hjärtdöd ökar efter genomgången hjärtinfarkt och vid reducerad EF ökar risken signifikant. Dock finns det begränsningar vid riskbedömning enbart med hjälp av EF då majoriteten av de patienter som genomgått en hjärtinfarkt har en normal eller endast måttligt nedsatt EF. Det är även i den här patientgruppen de flesta fall av plötslig hjärtdöd inträffar, på grund av det stora antalet
6
patienter. Detta betyder att risken för plötslig hjärtdöd inte kan förutsägas med avseende på enbart EF hos majoriteten av de patienter som överlever en hjärtinfarkt (33). Hjärtinfarkt ökar även risken för att vänsterkammartromber ska uppstå, vilket med fördel kan diagnostiseras med TTE (34).
Hypertoni
Vid hypertoni ökar afterload vilket bidrar till att hjärtat blir så belastat att den diastoliska funktionen påverkas negativt (3). Den ökade perifera resistansen i blodkärlen vid hypertoni tvingar hjärtmuskulaturen att generera kraftigare kontraktioner vilket på sikt leder till hypertrofi av myokardiet (35). Denna utveckling är associerad med progressiva degenerativa förändringar hos myocyterna vilket leder till att kollagen anhopas i interstitiet (36). Detta ökar stelheten i myokardiet vilket initialt ger en diastolisk dysfunktion (3) vilket, som tidigare nämnt, är den vanligaste orsaken till HFPEF (22). Hypertrofin leder även till ischemi i hjärtmuskulaturen på grund av att kranskärlen blir oförmögna att försörja den ökande muskelmassan med tillräckligt mycket syre. Detta i samband med en ökad bildning av ateroskleros ökar risken för hjärtinfarkt vilket i sin tur kan leda till utvecklingen av en systolisk dysfunktion (3). Även abnorm aktivering av neurohormoner samt vatten- och elektrolytbalansen spelar en stor roll i skeendet som leder från hypertoni till hjärtsvikt (36).
Trots många studier inom hjärt-kärlsjukdomar som belyser vikten av att mäta
vänsterkammarens EF så är det få studier som jämför de olika metoderna för EF-beräkning inom EKO och som även tar upp vilken metod som har högst pålitlighet. I en artikel av Maret et al. (2008) (13) mäts EF med hjälp av single-photon emission computed tomography
(SPECT) och därefter med tre olika metoder inom EKO; autoEF (med korrigering vid behov), manuell biplan Simpson och visuell skattning. Resultatet från SPECT-undersökningen
användes sedan som en referens då de andra metodernas EF-beräkning jämfördes. I denna för övrigt utförliga studie jämfördes dock inte autoEF med korrigerad autoEF. Detta kan vara viktigt att undersöka närmare eftersom det inom klinisk praxis inte verkar finnas några speciella riktlinjer eller tillräcklig kunskap för vilken metod som är mest tillförlitlig. För största möjliga säkerhet vid diagnostisering och behandling av hjärtsjukdomar så är det av stor vikt att alla inom verksamheten använder samma metod och har de rätta kunskaperna inom metoden. Denna studie är därför ett viktigt komplement till tidigare forskning. Den är även eventuellt en bra grund till framtida studier för att studera, förutom skillnader mellan de båda metoderna, vilken metod som bör användas.
7
Syfte
Studiens syfte är att jämföra två metoder för att räkna ut EF inom ekokardiografi, autoEF och korrigerad autoEF, för att se om det föreligger någon signifikant skillnad mellan dessa.
Vår hypotes är att det inte föreligger någon signifikant skillnad mellan de båda metoderna när en erfaren biomedicinsk analytiker utför EKO-undersökningen samt uträkningarna av
vänsterkammarens EF.
Material och metod
Förberedande arbete
Denna studie är en tvärsnittsstudie med kvantitativ ansats som efterfrågades av Klinisk fysiologi på Länssjukhuset Ryhov i Jönköping. Studien valdes därför som ämne till detta examensarbete och ansvariga handledare kontaktades. Under kursen Vetenskaplig
fortsättningskurs inom biomedicinsk laboratorievetenskap, v 50-03 (HT 2015-VT 2016),
skrevs en projektplan som godkändes av handledare och examinator i kursen. Projektplanen kom sedan att ligga som grund till detta examensarbete.
Urval/deltagare
Insamling av data pågick under vecka 11-16 2016 på Klinisk fysiologi, Länssjukhuset Ryhov, Jönköping. Konsekutiva patienter som var remitterade till insamlande biomedicinsk analytiker för en ekokardiografisk undersökning under denna period, var ≥18 år och hade sinusrytm inkluderades i studien. Av 46 patienter som undersöktes under den angivna perioden så exkluderades 22 stycken från studien på grund av att arytmi eller dålig bildkvalitet gjorde mätningarna opålitliga (17,18). Då patienterna var remitterad till denna undersökning av medicinska skäl så innebar inte studien någon extra belastning för patienten eller kostnad för kliniken.
Insamling av data
Data samlades in under en ekokardiografisk undersökning utförd av en erfaren legitimerad biomedicinsk analytiker på en Siemens Acuson SC2000 med en dedicerad hjärtprob 4V1C. Senaste uppdateringen för programvaran var 2015-11-18.
8
En standardiserad TTE utfördes i enighet med klinikens metodbeskrivning (37) under vilken undersökaren hade proben i höger hand och patienten låg i vänster sidoläge. EKG med tre elektroder placerades som följer; röd på övre delen av thorax på höger sida om sternum, grön på nedre revbenskammen på höger sida och gul på nedre revbenskammen på vänster sida. Bildsekvenser med vanligtvis 2 RR-intervall i apikal fyr- och tvåkammarvy samlades in och mätningarna för ejektionsfraktion utfördes med datorprogrammet eSie left heart.
Figur 2. Bilder från ejektionsfraktionsberäkning i apikal fyrkammarvy med eSie left heart, i slutdiastole respektive slutsystole, på samma patient. Ovan ses en automatisk beräkning av ejektionsfraktionen och nedan ses en korrigerad automatisk beräkning av ejektionsfraktionen (38).
9
En autoEF räknades ut på alla patienter i studien med hjälp av eSie left heart och bilddokumentationen sparades i Syngo Dynamics (Siemens Medical Solutions, USA). Därefter korrigerades programvarans utlinjeringen av endokardiet, vid behov, efter var operatören (den ansvariga biomedicinska analytikern) visuellt uppskattade den. Detta utfördes genom att den redan automatiska utlinjeringen flyttades manuellt och ett värde på en korrigerad autoEF kunde därmed erhållas. Korrigering krävdes i de fall då operatören ansåg att programvaran inte hade lagt utlinjeringen korrekt, vilket ofta berodde på svårvisualiserade områden. Även dessa bilder sparades och märktes med ”korrigerade bilder”.
Båda mätningarna utfördes på samma bilder i slutsystole respektive slutdiastole för varje patient. Hos de patienter där biomedicinsk analytiker bedömde att autoEF var korrekt utfördes ingen korrigering. På dessa bilder registrerades samma erhållna EF för både autoEF och korrigerad autoEF inför de statistiska beräkningarna. Med hjälp av arbetsstationen Syngo Dynamics inhämtades mätvärden till de statistiska analyserna.
Statistiska beräkningar
Vid de statistiska beräkningarna användes IBM Statistical Package for Social Sciences (SPSS) Statistics 21 och Wilcoxons icke-parametriska test för två beroende variabler. En
signifikansnivå på 0,05 användes och på grund av litet material användes det exakta p-värdet för att avgöra signifikansen. Metoderna jämfördes i två olika grupper, en med samtliga
mätvärden och en med enbart korrigerade mätvärden, för att även undersöka signifikansen för de mätvärden där en bekräftad skillnad redan fanns. Spearmans rangkorrelationskoefficient räknades ut för att undersöka korrelationen mellan de båda metoderna. Med hjälp av SPSS räknades BMI ut för samtliga patienter.
Etiska överväganden
Etisk egengranskning enligt Hälsohögskolans anvisningar utfördes (se bilaga 1). Etiskt övervägande gjordes, enligt Helsingforsdeklarationen, där hänsyn togs till de fyra principerna (39). Inför den statistiska analysen var all data avidentifierad. Patienterna blev muntligt informerade om att deras mätvärden skulle komma att användas i en studie.
Vid alla TTE krävs att patienten tar av sig på överkroppen, vilket kan upplevas av vissa patienter som jobbigt. Även kroppsställningen i vilken patienten ligger under undersökningen
10
kan upplevas påfrestande för många, speciellt för äldre och smärtpåverkade individer. Då patienterna i denna studie genomgick undersökningen på klinisk indikation även utan att medverka i studien så tillkom inget extra obehag på grund av deras deltagande. Efter etiska överväganden ansågs inget skriftligt informerat samtycke behövas.
Resultat
Under den angivna tidsperioden inkluderades 24 patienter som undersöktes med ekokardiografi, varav 13 män och 11 kvinnor, i denna studie. För demografi över deltagarna se tabell 1. De från dessa patienter erhållna bildsekvenser ansågs ha tillräckligt god bildkvalitet för att kunna utföra pålitliga mätningar av EF.
Av de 24 patienterna så utfördes en korrigering av autoEF på de patienter där operatören ansåg det som nödvändigt, i detta fall utfördes det på 10 patienter. Jämförelserna mellan autoEF och korrigerad autoEF med Wilcoxon icke-parametriska test för två beroende
Variabler Deltagare Deltagare i studien 24 Kvinnor 11 Ålder 65,5 (25-86) Längd (cm) 172 (150-188) Vikt (kg) 79 (58-130) BSA (m2) 1,92 (1,59-2,47) BMI (kg/m2) 26,83 (20,55-42,52)
Tabell 1. Demografi över studiens deltagare. Deltagare och kvinnor anges i antal, resterande variabler presenteras i median med spridningen i parentes.
11
variabler visade ingen statistiskt signifikant skillnad mellan metoderna på en signifikansnivå av 0,05, se tabell 2 för analyserade mätvärden samt exakt p-värde från testet.
Vid utförd korrelationsanalys visades ett positivt samband mellan de båda metoderna med en korrelationskoefficient rho på 0,834 (p-värde <0,001).
Tabell 2. Sammanställning av data från Wilcoxons icke-parametriska test med median samt exakt p-värde för respektive jämförelse. Spridningen anges i parentes.
Aktuell jämförelse AutoEF (%) Korrigerad autoEF (%) Exakt p-värde Samtliga mätningar (n=24) 55,50 (8,0 – 63,7) 55,95 (8,0 – 63,7) 0,160 Enbart korrigerade mätningar (n=10) 48,80 (43,4 – 61,0) 53,50 (39,8 – 60,5) 0,160
AutoEF = Automatisk beräkning av ejektionsfraktionen, Korrigerad autoEF = Korrigerad automatisk beräkning av ejektionsfraktionen
Vid jämförelsen mellan enbart de korrigerade mätningarna sågs varierad skillnad mellan mätvärdena, se figur 3. Den högsta uppmätta skillnaden i EF på en patient var 46,9 % med autoEF respektive 60,5 % med korrigerad autoEF, se nr 8 i figur 3. En trend i form av större erhållen EF efter korrigering kunde ses (7 av 10). Hos 3 av 10 patienter med korrigerade mätvärden var EF innan korrigering <50 % och blev efter korrigering >50 %. Hos majoriteten av de korrigerade beräkningarna utfördes korrigeringen i områden kring apex. Som redovisat i tabell 1 visade inte heller denna jämförelse någon statistiskt signifikant skillnad mellan metoderna.
12
Figur 3. Skillnaden i ejektionsfraktion hos de korrigerade mätningarna. KorrEF?
Hos de 10 patienter där korrigering gjordes hade 2 av de 7 patienterna med högre EF efter korrigering även större EDV och ESV. Bland de 7 var det 3 patienter som enbart hade större EDV men ingen som enbart hade större ESV. De resterande 2 patienterna hade mindre beräknade volymer efter korrigeringen.
Av samtliga patienter i studien var det 14 som enligt deras BMI-värde var överviktiga, varav 5 led av fetma. Av samtliga patienter var 10 normalviktiga. Bland de 10 patienter med korrigerade mätvärden var det 4 stycken som var överviktiga, och av dem en som led av fetma, de övriga 6 var normalviktiga.
Diskussion
Resultatet av denna studie styrker att det inte föreligger någon signifikant skillnad mellan automatisk- och korrigerad automatisk EF-beräkning, då EKO-undersökningen samt mätningarna utförs av en erfaren biomedicinsk analytiker hos patienter med god insyn vid EKO. Detta verifierar vår grundhypotes.
0,0% 10,0% 20,0% 30,0% 40,0% 50,0% 60,0% 70,0% 1 2 3 4 5 6 7 8 9 10
AutoEF Korrigerad autoEF
13
EKO är idag den vanligaste undersökningen för att bedöma hjärtats storlek och funktion på grund av dess många fördelar jämfört med till exempel MR, som är Golden standard vid dessa frågeställningar. MR har nackdelarna att den inte är lika lättillgänglig och metoden innebär en högre kostnad jämfört med EKO, det går heller inte att använda metoden på patienter som har pacemaker eller andra implantat av metall i kroppen (12).
Inom EKO används oftast vanlig 2D-teknik för att bedöma vänsterkammarfunktionen och det är därför viktigt med studier inom detta område. Metoden innebär dock att ett antal geometriska antaganden måste utföras av datorprogrammet vid kvantitativa beräkningar av volymer och EF vilket i många fall kan leda till att fel värden erhålls (4). Detta beror på att enbart ett snitt av hjärtat kan visualiseras åt gången och datorprogrammet gör från det snittet ett antagande att kammaren är geometriskt ovalformad (23) och att alla områden rör sig lika mycket (4). Förekommer områden med onormal rörlighet eller aneurysm utanför detta snitt så tas inte detta med i beräkningen och vänsterkammarfunktionen kan då felskattas. I dessa fall kan med fördel 3D-teknik användas för att bestämma den globala och regionala vänsterkammarfunktionen utan att några geometriska antaganden utförs (4,23).
EF kan bli svårbedömt på patienter med arytmier och fetma (17,18), hänsyn till detta har därför tagits i denna studie genom att exkludera patienter med arytmier och beräkna BMI för samtliga inkluderade patienter. En förklaring till varför arytmier ger ett opålitligt mått på EF kan vara att, vid till exempel takykardi, får inte hjärtat möjlighet att fyllas optimalt vilket ger underskattade vänsterkammarvolymer (3). Vid övriga arytmier blir det ofta sådana variationer i volymerna att EF inte anses pålitligt. Man kan dock fråga sig varför man inte här, som vid vissa andra mätningar, kan skapa ett medelvärde av flera konsekutiva slag. Fetma försämrar ofta bildkvaliteten på grund av den ökade attenueringen i vävnaden (12) vilket gör att gränsen mellan blodpöl och myokard kan vara otydlig och blir svår för både dator och operatör att urskilja korrekt. Även vissa lungsjukdomar kan göra EF-beräkningen svår. Vid till exempel emfysem kan det vara svårt att tömma lungorna helt på luft. Då ultraljud inte färdas genom luft kan detta sjukdomstillstånd göra det svårt att visualisera hjärtat med EKO (12).
Ännu en anledning till att vänsterkammarvolymerna och EF felskattas vid 2D-EKO är att trabeklerna ofta inte kan åtskiljas från resterande myokard. Detta kan resultera i en felplacerad utlinjering mellan blodpöl och myokard med felskattade volymer och EF som följd. Detta förklarar den bättre korrelationen mellan kontrast EKO och MR då kontrasten kan leta sig in mellan trabeklerna och på så sätt avbilda en mer korrekt vänsterkammare (4). Det kan därför vara ett bra alternativ att använda kontrast då ett mer exakt EF-värde efterfrågas (23) eller då
14
vissa av kammarens segment upplevs svåra att visualisera. Dock är vanlig konventionell EKO oftast att föredra på grund av att det jämfört med kontrastadministrering är tidsbesparande samt inte lika omfattande ur undersökningssynpunkt. Vid svårigheter att undersöka hjärtat med ekokardiografi, till exempel då revben skuggar vyn, kan andra undersökningsmetoder, till exempel MR, tillämpas.
Nya tekniker med hjälp av vävnadsdoppler, till exempel mått på strain och strain rate, har gjort det möjligt att få en tydligare bild av vänsterkammarfunktionen. Vävnadsdoppler är ett viktigt hjälpmedel för bedömning av till exempel en diastolisk dysfunktion då EF ofta är bevarad trots nedsatt hjärtfunktion. Tekniken är dock något begränsad då den är vinkelberoende och har en dålig lateral upplösning (4). Trots många framgångar inom ekokardiografitekniken finns idag ingen metod som ensam kan ersätta de andra när det handlar om att bedöma vänsterkammarfunktionen. Metoderna bör därför kombineras på individnivå då många faktorer spelar roll i bedömningen.
Av de olika metoderna som finns för att beräkna EF med hjälp av EKO så fokuserar denna studie på autoEF samt korrigerad autoEF vilka är flitigt använda inom klinisk praxis idag. Maret et al. (2008) beskriver i sin studie att autoEF, på grund av dess goda reproducerbarhet, med fördel kan användas av operatörer med mindre erfarenhet då det minimerar skillnader mellan olika utövare (13). Trots att även andra studier har visat hög reproducerbarhet hos autoEF (14,15) så har denna studie visat vikten av att, vid behov, kunna korrigera linjeringen i bildsekvenserna. Detta baseras främst på några extremvärden från jämförelsen mellan de korrigerade mätningarna, se figur 3. Ett exempel i figuren är nr 8 där autoEF beräknade en EF på 46,9 % som efter korrigering blev 60,5 %. Enligt programvaran hade alltså denna patient en lätt nedsatt systolisk vänsterkammarfunktion men en normal funktion efter korrigering, detta sågs hos ytterligare två patienter dock med något mindre skillnader mellan de båda metodernas uppmätta värden (22).
Hos majoriteten av de korrigerade bildsekvenserna var det i kammarens apikala områden som korrigering krävdes då dessa delar ofta var för otydliga för datorn att märka ut korrekt. Programvaran tenderar då att utlinjera gränsen för myokardiet för långt in i blodpölen, vilket resulterar i felberäknade volymer och EF. Pålitligheten hos metoden beror därför även på utövarens förmåga att få fram bra apikala bilder, vilket kan vara svårt på vissa patienter. Kunskap om korrekta bildinställningar kan vara viktigt i dessa fall.
15
Enligt våra egna erfarenheter är apex ofta svårt att avbilda tydligt i bildsekvenserna, en anledning till detta kan vara det sämre akustiska förhållandet i sändarens närområde då den är anlagd mot bröstkorgen i apikal vy då apex är närmast belägen mot proben (12). En annan bidragande orsak kan vara att den apikala rotationen samt apex kurvatur kan ha påverkan på hur ultraljudet reflekteras tillbaka till sändaren.
Det krävs även en kunskap och erfarenhet hos utövaren för att kunna bedöma om en korrigering av datorprogrammets linjering av myokardiet är nödvändig. Då majoriteten av våra mätningar inte behövde korrigering, så visar även denna studie tecken på god reproducerbarhet hos autoEF.
I flera tidigare studier har god korrelation kunnat påvisas mellan olika metoder för EF-beräkning inom EKO (13,16,20,40). Detta kan tyda på att val av metod kanske inte alltid har någon signifikant betydelse. I många fall är den lilla skillnaden i procentsats mellan autoEF och korrigerad autoEF inte betydelsefull för den kliniska bedömningen av patientens hjärtfunktion men hos vissa patientgrupper kan små förändringar i EF ha stor betydelse för till exempel val av behandling (10,13).
Även om denna studie inte heller visar någon signifikant skillnad mellan metoderna generellt så visar extremvärdena att det i enstaka fall kan ha stor betydelse för vilken metod som tillämpas för EF-beräkning. Det är dock inte möjligt att, genom enbart denna studie, dra några slutsatser om vilket erhållet EF-värde som är mest korrekt på grund av att ingen referensmetod har använts. Frågan kvarstår därför om vilken metod som ger det mest sanna måttet på EF och som därför bör tillämpas på klinikerna.
I de undersökningar då en kvantitativ beräkning inte kan utföras pålitligt tillämpas i många fall en visuell skattning av hjärtfunktionen. Även i de fall då en kvantitativ beräkning är möjlig så bör en visuell bedömning av funktionen ändå göras och tas med i helhetsbedömningen av vänsterkammarfunktionen. Tidigare studier lägger vikt på att alltid göra en global visuell bedömning även då EF är normal. Det kan annars vara lätt att missa patologiska tillstånd i vilka inga avvikande värden på EF erhålls. Siffror har redovisats på att cirka hälften av de med hjärtsvikt har en diastolisk fyllnadsstörning med bevarad EF (26-28), vilket gör att detta värde inte alltid är hela sanningen vid bedömningen av hjärtsvikt. Studien av Tan et al. (2009) visade i sin slutsats att patienter med HFPEF har en kombination av systolisk och diastolisk dysfunktion med en påtagligt påverkad apikal rotation (31). Detta
16
tycker vi är intressant med tanke på hur stor påverkan den apikala rotationen har på EF. Vid en stor dysfunktion av den apikala rotationen borde därför rimligen en nedsatt EF följa. Visuell bedömning har behandlats i många tidigare studier där fördelen med att det bland annat är tidsbesparande har tagits upp (13,20). Samtidigt har det visat sig att metoden ofta leder till en underskattning av EF jämfört med kvantitativa beräkningar (20). Det är därför viktigt att de visuella bedömningarna utförs av operatörer med lång erfarenhet av undersökningsmetoden då hänsyn till många olika faktorer och snitt av hjärtat bör tas för att undvika felbedömningar.
Av de 24 patienterna som inkluderades i denna studie så var det enbart 10 stycken vars bilder bedömdes behöva korrigeras, ett antal som troligtvis hade varit större om studien utförts i ett tidigare skede av teknikutvecklingen. Anledningen var, enligt kontaktpersonerna på Länssjukhuset Ryhov, att autoEF efter senaste produktutvecklingen och uppdateringen (2015-11-18) hade optimerats och stämde bättre överens med operatörernas subjektiva åsikter. Med andra ord så kan även programvara och dess uppdatering spela roll för EF-beräkningens pålitlighet och inte enbart metoden i sig.
Även om det var 7 av 10 som fick en högre EF efter korrigering så innebär det lilla materialet att ingen slutsats kan dras om att korrigering oftast ger ett ökat erhållet EF-värdet. Det upptäcktes inget samband mellan den förändring som blev i volymer och EF efter korrigering. Vi valde att redovisa både BMI och BSA i vårt arbete på grund av att BMI är ett välkänt mått på kroppsmassan och BSA är ett relevant mått inom EKO. Inget samband kunde dock ses mellan patienternas BMI och behov av korrigering. Detta tycker vi är intressant då tidigare studier har påpekat övervikt som en svårighet vid EF-beräkning (17). Dock så inkluderades enbart patienter med bra kvalitet på sina bilder i studien vilket gör det svårt att se om det kunde ha funnits något samband mellan de med högre BMI och dålig bildkvalitet. Studiens resultat antydde alltså att inga paralleller mellan eventuella missgynnande faktorer, till exempel fetma, och autoEF’s pålitlighet kunde dras. Trots studiens få deltagare så varierar ålder, BMI, kön och EF utan att det verkar ha riktat resultaten mer åt något håll.
Insamlingen av data till denna studie utfördes av endast en biomedicinsk analytiker. Detta eliminerar felkällor relaterade till variabilitet mellan utövare, vilket kan ses som en styrka i studien. Det kan dock göra det svårare att dra några säkra slutsatser då resultatet i stort sätt speglar operatörens erfarenhet och förmåga att bedöma bildsekvenserna.
17
Exklusionskriterierna utformades främst efter missgynnande faktorer vid EF-beräkning. Detta stärker mätningarnas pålitlighet eftersom endast bra bilder har använts för att samla in mätvärden till studien. Med tanke på att studien inte har uteslutit patienter utifrån kön eller EF blir resultatet lättare att tillämpa inom flera patientgrupper. Det låga deltagarantalet gör dock att studiens resultat är svårt att generalisera till en större population, vilket anses som en svaghet i studien. Framtida studier bör därför inkludera fler patienter. Skulle resultaten i framtida studier med fler patienter inkluderade visa statistiskt signifikanta skillnader mellan metoderna så bör även en referensmetod, med fördel MR, tillämpas. En alternativ metod som referens är kontrastförstärkt EKO, då denna har visat god korrelation med MR. Detta skulle vara tidsbesparande jämfört med MR eftersom patienten redan genomgår en EKO. En referensmetod behövs för att kunna utreda vilken metod som ger det mest sanna EF-värdet. Hjärtats apikala rotation är ett viktigt moment för att erhålla en optimal EF men verkar inte uppmärksammas i många tidigare studier. Därför kan studier som berör detta ämne ge kompletterande information om hur denna faktor kan påverka vänsterkammarfunktionen.
Slutsatser
Resultaten från denna studie antyder att det inte finns någon signifikant skillnad mellan automatisk och korrigerad automatisk EF-beräkning. Hos vissa korrigerade mätvärden sågs större skillnader mellan de båda uppmätta värdena som tyder på att det i vissa fall är viktigt att kunna korrigera samt att ha kunskapen att kunna avgöra när en korrigering av den automatiska beräkningen är nödvändig. Fortsatta studier behövs dock inom området då det lilla datamaterialet i denna studie påverkar förmågan att kunna generalisera resultatet till en större population.
Omnämnanden
Ett stort tack till Louise Rundqvist för all hjälp och handledning under arbetets gång. Tack även till Johnny Nijm och Emma Olsson på Klinisk Fysiologi, Ryhov, för all hjälp med datainsamling, klinisk handledning och erhållna bilder till arbetet.
18
Referenser
1. Moore KL, Agur AMR, Dalley AF. Essential clinical anatomy. 5th ed. Philadelphia: Lippincott Williams and Wilkins; 2015.
2. Boutelle J. Heart. 2011 [cited 2016 Apr 29]. Available from:
http://www.slideshare.net/kmilaniBCC/heart-1-online
3. Persson J, Stagmo M. Perssons kardiologi: hjärtsjukdomar hos vuxna. 7th ed. Lund: Studentlitteratur AB; 2014.
4. Olsson A. Ekokardiografi. 4th ed. Stockholm: TrycksakSpecialisten AB; 2014.
5. Cikes M D, Solomon S. Beyond ejection fraction: an integrative approach for assessment of cardiac structure and function in heart failure. Eur Heart J. 2015 Sep 28. doi: 10.1093/eurheart/ehv510
6. Sallin EA. Fiber orientation and ejection fraction in the human left ventricle. Biophys J. 1969;9: 954-964
7. Folse R, Braunwald E. Determination of fraction of left ventricular volume ejected per beat and of ventricular end-diastolic and residual volumes. Circ. 1962 Apr;25: 674-685. doi: 10.1161/01.CIR.25.4.674
8. Sahlen A, Winter R. How should we measure global and regional left ventricular systolic function? J Echocardiogr. 2011;9: 41-50. doi: 10.1007/s12574-011-0085-x 9. Wood PW, Choy JB, Nanda NC, Becher H. Left ventricular ejection fraction and
volumes: it depends on the imaging method. Echocardiography. 2013;31(1): 87-100. doi: 10.1111/echo.12331
10. Mann DL, Zipes DP, Libby P, Bonow RO, Braunwald E, editors. Braunwald´s heart disease. 10th ed. Philadelphia: Saunders; 2015
11. Monaghan MJ. Role of real time 3D echocardiography in evaluating the left ventricle. Heart. 2006;92: 131-136. doi: 10.1136/hrt.2004.058388
12. Allisy-Roberts P, Williams J. Farr´s physics for medical imaging. 2nd ed. Philadelphia: Saunders; 2008
13. Maret E, Brudin L, Lindstrom L, Nylander E, Ohlsson J L, Engvall J E. Computer-assisted determination of left ventricular endocardial borders reduces variability in the echocardiographic assessment of ejection fraction. Cardiovascular Ultrasound. 2008; 6:55. doi: 10.1186/1476-7120-6-55
14. Rahmouni HW, Ky B, Plappert T, Duffy K, Wiegers SE, Ferrari VA, et al. Clinical utility of automated assessment of left ventricular ejection fraction using artificial
19
intelligence–assisted border detection. Am Heart J. 2008;155(3): 562-70. doi: 10.1016/j.ahj.2007.11.002
15. Knackstedt C, Bekkers S, Schummers G, Schreckenberg M, Muraru D, Badano L P, et al. Fully Automated Versus Standard Tracking of Left Ventricular Ejection Fraction and Longitudinal Strain: The FAST-EFs Multicenter Study. JACC. 2015;66(13): 1456-66. doi: 10.1016/j.jacc.2015.07.052
16. Gjertsson P, Lomsky M, Gan L-M, Edenbrandt L. Evaluation of new automated gated-SPECT and echocardiographic methods for calculating left ventricular volumes
and ejection fraction. Int J Cardiol. 2009;136: 171-177.
doi:10.1016/j.ijcard.2008.04.082
17. Prastaro M, DʼAmore C, Paolillo S, Losi M, Marciano C, Perrino C, et al. Prognostic
role of transthoracic echocardiography in patients affected by heart failure and reduced ejection fraction. Heart Fail Rev. 2015;20: 305-316. doi: 10.1007/s10741-014-9461-8
18. Jonson B, Wollmer P, redaktörer. Klinisk fysiologi med nuklearmedicin och klinisk neurofysiologi. 3rd ed. Stockholm: Liber AB; 2011.
19. World Health Organization. Global database on body mass index. BMI classification. Available at: http://apps.who.int/bmi/index.jsp?introPage=intro_3.html. Accessed May 26, 2016
20. Sievers B, Kirchberg S, Franken U, Puthenveettil B-J, Bakan A, Trappe H-J. Visual estimation versus quantitative assessment of left ventricular ejection fraction: A comparison by cardiovascular magnetic resonance imaging. Am Heart J. 2005;150(4):737-742. doi: 10.1016/j.ahj.2004.11.017
21. Badheka AO, Rathod A, Bharadwaj AS, Manickam P, Kizilbash MA, Veeranna V, et al. Preserved or slightly depressed ejection fraction and outcomes after myocardial infarction. Postgrad Med J. 2011;87: 400-404. doi:10.1136/pgmj.2010.109900
22. McMurray J V J, Adamopoulos, Anker S D, Auricchio A, Böhm M, Dickstein K, et al. ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure 2012. The task force for the diagnosis and treatment of acute and chronic heart failure 2012 of the European society of cardiology. Developed in collaboration with the heart failure association (HFA) of the ESC. Eur Heart J. Jul 2012;33(14): 1787-1847. doi: 10.1093/eurheartj/ehs104
20
23. Hudaverdi M, Hamilton-Craig C, Platts D, Chan J, Burstow DJ. Echocardiography for the clinician: a practical update. Int Med J. 2010;40: 476-485. doi: 10.1111/j.1445-5994.2010.02167.x
24. Hoffmann R, von Bardeleben S, ten Cate F, Borges A C, Kasprzak J, Firschke C, et al. Assessment of systolic left ventricular function: a multi-centre comparison of cineventriculography, cardiac magnetic resonance imaging, unenhanced and contrast-enhanced echocardiography. Eur heart j. 2005;26: 607-616. doi:10.1093/eurheartj/ehi083
25. Senior R, Becher H, Monaghan M, Agati L, Zamorano J, Vanoverschelde JL, et al.
Contrast echocardiography: evidence-based recommendations by European Association of Echocardiography. Eur J Echocardiogr. 2009;10: 194-212. doi: 10.1093/ejechocard/jep005
26. Nanayakkara S, Kaye DM. Management of heart failure with preserved ejection fraction: a review. Clin Ther. 2015;37(10): 2186-2198. doi: 10.1016/j.clinthera.2015.08.005
27. Owan TE, Hodge DO, Herges RM, Jacobsen SJ, Roger VL, Redfield MM. Trends in prevalence and outcome of heart failure with preserved ejection fraction. N Eng J Med. 2006;355: 251-9. doi: 10.1056/NEJMoa052256
28. Paulus WJ, Tschöpe C, Sanderson JE, Rusconi C, Flachskampf FA, Rademakers FE, et al. How to diagnose diastolic heart failure: a consensus statement on the diagnosis of heart failure with normal left ventricular ejection fraction by the Heart Failure and Echocardiography Associations of the European Society of Cardiology. Eur Heart J. 2007;28: 2539-2550. doi: 10.1093/eurheartj/ehm037
29. Oh JK, Hatle L, Tajik AJ, Little WC. Diastolic heart failure can be diagnosed by comprehensive two-dimensional and doppler echocardiography. J Am Coll Cardiol. 2006;47: 500-6. doi: 10.1016/j.jacc.2005.09.032
30. Mills GD, Scott KC. Heart failure: best options when ejection fraction is preserved. J Fam Practice. 2013;62(5): 236-243
31. Tan Y T, Wenzelburger F, Lee E, Heatlie G, Leyva F, Patel K, et al. The Pathophysiology of Heart Failure With Normal Ejection Fraction Exercise Echocardiography Reveals Complex Abnormalities of Both Systolic and Diastolic Ventricular Function Involving Torsion, Untwist, and Longitudinal Motion. JACC. 2009;1(54): 36-46. doi:10.1016/j.jacc.2009.03.037
21
32. Steg G, James S K, Atar D, Badano L P, Blömstrom-Lundqvist C, Borger M A, et al. ESC Guidelines for the management of acute myocardial infarction in patients presenting with ST-segment elevation. Eur heart j. 2012;33:2569-2619. doi: 10.1093/eurheartj/ehs215
33. Dagres N, Hindricks G. Risk stratification after myocardial infarction: is left ventricular ejection fraction enough to prevent sudden cardiac death? Eur heart j. 2013;34:1964-1971. doi:10.1093/eurheartj/eht109
34. Meurin P, Carreira VB, Dumaine R, Shqueir A, Milleron O, Safar B, et al. Incidence,diagnostic methods, and evolution of left ventricular thrombus in patients with anterior myocardial infarction and low left ventricular ejection fraction: a prospective multicenter study. Am Heart J. 2015;170(2): 256-62. doi: 10.1016/j.ahj.2015.04.029
35. Drukteinis JS, Roman MJ, Fabsitz RR, Lee ET, Best LG, Russel M, et al. Cardiac and systemic hemodynamic characteristics of hypertension and prehypertension in adolescents and young adults. Circulation. 2007;115: 221-227. doi: 10.1161/CIRCULATIONAHA.106.668921
36. Georgiopoulou VV, Kalogeropoulos AP, Butler J. Heart Failure in Hypertension. Drugs. 2012;72(10): 1373-1398. doi: 10.2165/11631100-000000000-00000
37. Metodbeskrivning. Ultraljud hjärta. Versionsnummer 8.0. Jönköping, Länssjukhuset Ryhov. Ansvarig: Homelius J, leg. Biomedicinsk analytiker. Godkänd av; Nijm J, överläkare avd. Klinisk fysiologi. 2016-02-22 (cited 2016 Maj 20)
38. Bild erhållen från Klinisk fysiologi, länssjukhuset Ryhov i Jönköping 2016-05-10 39. Helsingforsdeklarationen: World Medical Association Declaration of Helsinki.
Ethical principles for medical research involving human subjects. JAMA. 2013 Nov;310(20): 2191-4. doi: 10.1001/jama.2013.281053.
40. Shahgaldi K, Gudmundsson P, Manouras A, Brodin L-Å, Winter R. Visually estimated ejection fraction by two dimensional and triplane echocardiography is closely correlated with quantitative ejection fraction by real-time three dimensional echocardiography. Cardiovascular Ultrasound. 2009;7(41): pp. doi:10.1186/1476-7120-7-41
22
