Вы находитесь на странице: 1из 7

ESTUDIO DE LA COMPLEJIDAD DE LA VARIABILIDAD DEL

RITMO CARDIACO EN PACIENTES CON


CARDIOMIOPATIA DILATADA
H. Brunel, M. Vallverd, A. Perera, P. Caminal
Dep. ESAII, Centro de Investigacin en Ingeniera Biomdica, Universidad Politcnica de Catalua
A. Voss
Department of Medical Engineering and Biotechnology, University of applied Sciences Jena, Alemania
I. Cygankiewicz, R. Vzquez, J. Cinca, A. Bays de Luna
Servicio de Cardiologa, Hospital de la Santa Creu i Sant Pau, Barcelona

Resumen
El presente trabajo ha consistido en aplicar un
mtodo de anlisis no lineal para caracterizar los
cambios de complejidad de la variabilidad del ritmo
cardiaco (VRC). El objetivo ha sido estratificar el
riesgo de muerte sbita cardiaca en pacientes con
Cardiomiopata Dilatada Idioptica (IDC) y en
pacientes con Cardiomiopata Dilatada Isqumica
(ICM). Se ha desarrollado una metodologa basada
en la Dinmica Simblica (DS), generndose
smbolos a partir de la serie RR, duracin entre
latidos cardacos consecutivos. Los ndices de
complejidad propuestos han sido la probabilidad de
aparicin de los smbolos (sj), el nmero de smbolos
(pTH) con probabilidad de aparicin mayor o igual a
un umbral (TH), la entropa de Shannon y la
entropa de Rnyi, para diferentes valores del
parmetro q que la define. Se ha podido caracterizar
la complejidad de la VRC mediante ndices con un
nivel de significacin p-valor<0,05 y una
clasificacin discriminante mayor al 60% de
pacientes bien clasificados. Los ndices s1 y p008 han
permitido caracterizar los grupos de alto y bajo
riesgo de sufrir muerte sbita cardiaca y los grupos
definidos por la variable sangunea BNP (Brain
Natriuretic Peptide), en los pacientes del grupo ICM.
Los resultados han mostrado que las series RR en el
grupo de alto riesgo presentan menos complejidad
que en el grupo de bajo riesgo.
Palabras Clave: Variabilidad del ritmo cardiaco,
dinmica simblica, dinmica no lineal.

INTRODUCCIN

La muerte sbita cardiaca se describe como la


inesperada muerte natural por causas cardiacas en un
corto periodo de tiempo, generalmente en menos de

una hora desde la aparicin de los sntomas. Las


cardiomiopatas representan una de las principales
causas de que los pacientes experimenten muerte
sbita cardiaca. En particular, la cardiomiopata
dilatada es una importante enfermedad del miocardio
provocada por una disfuncin de la dilatacin y
contraccin del ventrculo izquierdo o de ambos
ventrculos [19].
La Variabilidad del Ritmo Cardiaco (VRC) se mide a
travs de la serie temporal de intervalos RR,
intervalos entre ciclos cardacos consecutivos. Se
considera un marcador clnico no invasivo de la
actividad del Sistema Nervioso Autnomo (SNA)
que ejerce un control en la actividad cardiovascular a
travs de los sistemas simptico y parasimptico [11,
15].
Varios trabajos de investigacin han mostrado la
existencia de una correlacin entre la disminucin de
la VRC y el riesgo de muerte sbita cardiaca [10,
17]. Adems diversos autores han evidenciado que la
VRC tiene una dinmica no lineal y una naturaleza
fractal cuyo comportamiento complejo podra ser
explicado a partir de la teora que describe a los
modelos caticos [3-5, 8, 9].
Tradicionalmente, se ha cuantificado la VRC
mediante medidas lineales en el dominio temporal y
frecuencial, como la media o la desviacin estndar
de los intervalos RR consecutivos, o mediante el
anlisis espectral de potencia de la VRC en bajas y
altas frecuencias [1, 12, 17]. Sin embargo, estas
tcnicas no aportan suficiente informacin sobre la
dinmica no lineal de las series RR cuyas
propiedades pueden ser evaluadas mediante varios
mtodos [2-5, 8, 9] como son la dimensin de
correlacin, el exponente de Lyapunov, el exponente
de Hurst, los mapas de retorno que permiten
visualizar la trayectoria en el espacio de fases,
entropas y otros ndices de complejidad que miden
el desorden de la seal. Otra tcnica que permite

estudiar la complejidad de las series RR es la


Dinmica Simblica (DS), basada en transformar una
seal o serie temporal en una secuencia de smbolos
que toman valores de un determinado alfabeto,
eliminando la informacin detallada y conservando,
en la serie generada, la informacin clnicamente til
presente en la seal cardiaca, pero no disponible ni
observable directamente [18].
En el presente estudio, se ha desarrollado una
metodologa para analizar la complejidad de la VRC
basada en la DS aplicada a series RR de pacientes
con cardiomiopata dilatada, pertenecientes a la base
de datos MUSIC2 (MUerte Sbita con Insuficiencia
Cardiaca). El objetivo principal es obtener ndices
capaces de estratificar entre alto y bajo riesgo de
sufrir muerte sbita cardiaca. La metodologa
propuesta incluye el ajuste de los parmetros que
definen a los algoritmos desarrollados. Con el fin de
estratificar el riesgo de muerte sbita cardiaca, se
proponen unos ndices de complejidad, estimndose
su alcance mediante tcnicas estadsticas.

METOLOGA

2.1

BASE DE DATOS ANALIZADA

La metodologa propuesta en este trabajo se aplica a


registros electrocardiogrficos de pacientes de la base
de datos MUSIC2, fruto de la colaboracin de varios
hospitales espaoles. Esta base de datos est
formada por 518 pacientes con ritmo sinusal de los
que se dispone de registros electrocardiogrficos de
24 horas y con un seguimiento clnico de tres aos.
Los sujetos estn clasificados en diferentes grupos
cardiopatolgicos, sin embargo en el presente trabajo
se han estudiado dos grupos correspondientes a: 109
pacientes con Cardiomiopata Dilatada Idioptica
(IDC), de los cuales 104 han sobrevivido, 2 han
sufrido muerte sbita cardiaca y 3 han muerto por
otras causas; 261 pacientes con Cardiomiopata
Dilatada Isqumica (ICM), de los cuales 226 han
sobrevivido, 17 han sufrido muerte sbita cardiaca y
18 han muerto por otras causas. En la tabla 1 se
presenta la media (MRR) y desviacin estndar
(SRR) de las series RR, correspondientes a 24 horas,
para los grupos IDC y ICM, adems se especifica el
gnero y la edad de los pacientes bajo estudio. Esta
tabla tambin incluye el dimetro del ventrculo
izquierdo (DVI), considerado actualmente como uno
de los mejores predictores de riesgo de sufrir muerte
sbita cardiaca.
Para evitar que las variables edad y gnero influyan
en el anlisis estadstico, se realiza un estudio de los
grupos de pacientes con edad y gnero apareados, es
decir que los grupos en estudio tengan el mismo
nmero de hombres y de mujeres y a su vez que la

media y desviacin estndar de la edad sean


equiparables.
Tabla 1: Descripcin de los pacientes.
IDC

ICM

109 pts

261 pts

p-valor

Gnero
Edad
MRR
SRR
DVI

67 hombres 214 hombres


42 mujeres
47 mujeres
<0.0005
58.512.8
63.39.8
0.001
815.7121.2 861.1132.2
0.0052
110.633.5
107.238.9
0.0018
43.46
43.56.1
n.s.
n.s., estadsticamente no significativo

Para este estudio, se han utilizado registros ECGHolter de 24h formados por tres derivaciones
ortogonales X, Y, Z y que han sido muestreados a
200Hz. A partir de estos registros se han obtenido las
series RR, utilizando un software, desarrollado en
nuestro grupo [13], para la deteccin automtica de
los puntos significativos del ECG. Estas series han
sido obtenidas eligiendo la mejor derivacin del
registro de 24 horas.
Para realizar el ajuste de los parmetros que
intervienen en el algoritmo propuesto se han
estudiado series RR correspondientes al perodo de la
noche de 2:00h a 6:00h de 112 sujetos. Este
acondicionamiento de la seal ha permitido un menor
coste computacional en los clculos.
Finalmente, la metodologa propuesta se ha aplicado
a las series RR del registro completo de 24 horas de
los 370 sujetos, divididos en los dos grupos de
pacientes IDC e ICM. Dentro de cada grupo, se han
considerado dos subgrupos de pacientes, alto (AR) y
bajo (BR) riesgo de sufrir muerte sbita cardiaca.
2.2

REPRESENTACIN EN EL ESPACIO
DE FASES DE SERIES SIMULADAS

Un sistema catico se define por ser determinista


pero impredecible y tiene una fuerte dependencia a
las condiciones iniciales. En este apartado, se
comparan las seales RR de los pacientes de los
grupos IDC e ICM, con una senoide que se
caracteriza por ser determinista y predecible, una
seal aleatoria que es no determinista y no
predecible, y dos seales caticas que, como se ha
indicado anteriormente, son deterministas y no
predecibles. La seal aleatoria generada sigue una
distribucin normal de media 800 y desviacin
estndar 170, de acuerdo con la media y desviacin
estndar de las series RR estudiadas. La senoide
generada se define en (1).
x = 400 sin (3 t ) + 650 cos (5 t)

(1)

Se generan tambin dos sistemas caticos, el mapa de


Henon y el sistema de Lorenz. El mapa de Henon es
un sistema dinmico no lineal discreto que viene
dado por un sistema bidimensional de ecuaciones
cuadrticas (2). Se han tomado los valores iniciales
x0=0.5 y y0=0.5, segn [6].

x n = 1 ax 2n + y n

y n = bx n
donde a=1.4 y b=0.3.

atractor no es suficiente para cuantificar el grado de


complejidad de la VRC, desde la teora del caos.

(2)

El sistema de Lorenz es un sistema dinmico no


lineal continuo que viene dado por un sistema
tridimensional de ecuaciones diferenciales con
trminos independientes no lineales (3). Se han
tomado los valores iniciales x=0.1, y=0 y z=0, segn
[7].
x& = ( x + y)

y& = xz + rx y
z& = xy bz

Figura 2: Atractores de seales con diferente grado de


determinismo y predecibilidad
(3)

donde =10, r=28 y b=8/3.


Para la reconstruccin de los espacios de fases de las
seales temporales RR, aleatoria y senoide se
representa la serie temporal x(t) en relacin con las
series temporales retardadas muestras, x(t+),
x(t+2), , x(t+(d 1) ) hasta llegar a la dimensin
deseada (d) del espacio de fases. En este caso se
selecciona d=3, reconstruyendo as el espacio de fase
tridimensional para todas la seales excepto el mapa
de Henon que es bidimensional.

2.3

DINMICA SIMBLICA

El anlisis de las series RR se ha efectuado mediante


la tcnica de Dinmica Simblica. El principio bsico
de este mtodo consiste en transformar una serie
temporal en una secuencia de smbolos que toman
valor en un determinado alfabeto.

Figura 3: Metodologa de la dinmica simblica

Figura 1: Evolucin temporal de seales con


diferente grado de determinismo y predecibilidad
La comparacin del comportamiento de las seales
propuestas se lleva a cabo tanto a nivel de la serie
temporal como a nivel del espacio de fases. Las
figuras 1 y 2 ilustran dicha comparacin. En la figura
2 se puede observar que las series RR tienen un
atractor con una morfologa que se aleja tanto del
comportamiento no determinista de la seal aleatoria
como del comportamiento predecible de la senoide.
Sin embargo, se puede deducir que la observacin del

La figura 3 ilustra el procedimiento utilizado. Dado


un conjunto de intervalos RR consecutivos
(tacograma), que forman la serie temporal (RR1, RR2,
RR3, ... , RRN), la secuencia de smbolos (s1, s2, s3, ...,
sn) se obtiene cuantificando el tacograma en ventanas
etiquetadas con un smbolo. El anlisis de la
secuencia de smbolos puede revelar caractersticas
no lineales de la serie temporal original y del sistema
dinmico bajo estudio.
Existen muchos criterios para llegar a una
descripcin simblica pero en el presente trabajo se
propone un algoritmo (4) basado en [14], que usa la
desviacin estndar de las muestras de cada ventana
para cuantificar los smbolos.

Se considera una ventana de longitud M muestras


ajustada sobre el primer valor de la serie, es decir la
muestra RR1. Dentro de la ventana, se determinan las
diferencias consecutivas muestra a muestra. Se
contabilizan todas las diferencias menores que la
desviacin estndar (sd) de las muestras en la
ventana cuantificada por un parmetro . El resultado
da un smbolo Sj que pertenece a un alfabeto . La
ventana se desplaza una distancia y se repite el
mismo procedimiento para obtener el siguiente
smbolo, hasta cubrir la totalidad de la serie RR
(tacograma).
El algoritmo matemtico para este procedimiento
est definido en (4):
0 si

Sj =
i =1 1
si
M -1

x ij x ij+1 > sd (j)


x ij x ij+1 < sd (j)

j = 1, L , n

(4)

donde es un parmetro adimensional que pondera


la desviacin estndar, sd(j) es la desviacin estndar
de la ventana j-sima, y n es el nmero de ventanas
que viene dado por (5):
N

si = M

n = N M + 1 si M

(5)

donde N es el nmero de muestras de las series RR


bajo estudio.
El parmetro corresponde al desplazamiento que se
realiza al pasar de una ventana a otra. El valor M-
corresponde al nmero de valores RR comunes entre
dos ventanas consecutivas. Se consideran los valores
=1, =2 y =M.
As pues, los smbolos Sj pueden tomar valores en el
siguiente alfabeto = {0, 1,, M-1}. De esta
manera, los smbolos bajos (S0, S1) corresponden a
series RR ms complejas (diferencias grandes entre
intervalos RR) mientras que los smbolos altos (S3,
S4) corresponden a series RR menos complejas.
Por tanto, este algoritmo depende de tres parmetros:
M, y . El ajuste del valor de estos parmetros
consiste en encontrar aquellos valores que permitan
obtener
ndices
capaces
de
diferenciar
significativamente (p-valor<0.05) entre los grupos
IDC e ICM. Se ha utilizado para ello la prueba
estadstica de Mann-Whitney.
Las probabilidades de aparicin de cada smbolo
p(Sj) =sj (j=0, 1, , M-1) a lo largo de toda la serie
RR son unos de los ndices propuestos para
caracterizar la complejidad del ritmo cardiaco.
Tambin se proponen las entropas de Shannon (SH)
y de Rnyi (Hq) calculadas sobre las probabilidades

de aparicin de los smbolos segn las ecuaciones (6)


y (7), respectivamente:
M -1

SH = s j log 2 (s j ) con s j > 0


j= 0

(6)

M -1
1
log 2 s qj con s j > 0
(7)
1 q
j= 0
donde se consideran los valores q= {0.1, 0.15, 0.25,
2, 4}. En este caso la entropa slo se usa como
ndice para caracterizar el riesgo de muerte sbita
cardiaca pero no como medida de complejidad de la
serie RR.
Hq =

Otros ndices propuestos son el nmero de smbolos


pTH con probabilidad de aparicin mayor o igual a un
umbral TH y el nmero de smbolos prohibidos que
son aquellos con probabilidad de aparicin inferior al
0.1%. Los umbrales considerados han sido TH =
{1%, 2%,, 9%, 10%, 20%,, 50%}.
Adems de los ndices propuestos, derivados de la
DS, se analizan las series RR mediante ndices
correspondientes a las medidas temporales como la
media (MRR) y la desviacin estndar (SRR) de la
serie RR.
Toda la metodologa desarrollada anteriormente se ha
aplicado a las series RR de pacientes con cardiopata
dilatada con el fin de clasificarlos segn su grupo de
riesgo de sufrir muerte sbita cardiaca.
Los ndices capaces de estratificar el riesgo de
muerte sbita cardiaca son aquellos capaces de
diferenciar entre los grupos definidos (p-valor<0.05)
y adems capaces de discriminar entre los grupos
(clasificacin discriminante mayor al 60% de
pacientes bien clasificados). Para la variable relativa
a la duracin del seguimiento clnico, se aplica un
modelo de regresin de Cox para anlisis
multivariante, con el fin de ilustrar la efectividad de
la estratificacin del riesgo de muerte sbita cardiaca.

RESULTADOS

Para ajustar los valores de los parmetros M, y


que definen al algoritmo de DS, se estudia el nmero
de ndices (probabilidad de aparicin de los
smbolos, nmero de smbolos con probabilidad de
aparicin mayor que los umbrales definidos y
entropas) capaces de diferenciar entre los grupos
IDC e ICM. El ajuste de los parmetros se ha llevado
a cabo con el registro de la noche de 112 pacientes.
En primer lugar se ajusta el valor de los parmetros
M y , fijndose ={0, 1, M}. Como el nmero de
ndices depende del parmetro M, y para poder

comparar los diferentes valores de los parmetros, se


presentan los resultados como el ratio entre el
nmero de ndices capaces de diferenciar y el nmero
total de ndices calculados. En cada caso se suman
los ndices obtenidos para los tres posibles valores de
. El recuento de estos ndices se presenta en la tabla
2 y se puede observar que los valores para los cuales
se encuentran ms ndices significativos son M=5 y
=1. Para =1, el algoritmo de DS propuesto
compara las diferencias muestra a muestra en una
ventana con la desviacin estndar de dicha ventana.
Tabla 2: Nmero de ndices con diferentes niveles de
significacin p-valor, al comparar los grupos IDC
e ICM para diferentes valores de M y .
Series RR del perodo de la noche.
Parmetros
M=5

M=7

M=10

M=15

M=20

=0.5
=1
=1.25
=1.5
=0.5
=1
=1.25
=1.5
=0.5
=1
=1.25
=1.5
=0.5
=1
=1.25
=1.5
=0.5
=1
=1.25
=1.5

p-valor
< 0.05
11/7 8
16/78
10/78
11/78
8/84
7/84
5/84
11/84
9/93
4/93
1/93
8/93
11/108
1/108
2/108
2/108
6/123
2/123
7/123
1/123

< 0.01
7/78
0/78
0/78
2/78
6/84
1/84
0/84
0/84
6/93
0/93
0/93
1/93
1/108
0/108
0/108
0/108
0/123
0/123
0/123
0/123

< 0.005
3/78
0/78
0/78
2/78
2/84
0/84
0/84
0/84
2/93
0/93
0/93
1/93
0/108
0/108
0/108
0/108
0/123
0/123
0/123
0/123

Para M=5, =1 y ={1, 2, 5}, se estudian las series


RR de 24h de los 370 pacientes. Se comparan
diversos grupos de pacientes que se identifican con
los grupos de pacientes con bajo y alto riesgo de
sufrir muerte sbita cardiaca (BR y AR,
respectivamente). Se identifican los pacientes BR con
los que han sobrevivido y los AR con los que han
sufrido muerte sbita cardiaca. En el subgrupo de
pacientes IDC, no se ha podido estratificar el riesgo
de muerte sbita, mientras que en el subgrupo de
pacientes ICM se encuentran ndices capaces de
estratificar el riesgo de muerte sbita cardiaca. En la
tabla 3 se presenta el recuento de estos ndices para
los tres valore de y se observa que para =1 se
obtienen ms ndices capaces de clasificar
significativamente los pacientes en los grupos
estudiados.

Tabla 3: Nmero de ndices con diferentes niveles de


significacin al clasificar los pacientes del grupo
ICM segn su riesgo de sufrir muerte sbita cardiaca.
p-valor
=1
=2
=5

<0.05
2
0
0

<0.01
0
0
0

<0.005
6
1
0

TOTAL
8
1
0

Tabla 4: Media, desviacin estndar y p-valor de los


ndices para los grupos BR y AR dentro del grupo
ICM. Series RR de todo el registro de 24h.
BR
AR
Indices 226 pts
17 pts
media sd
Media sd
MRR 866.1 131.7 841.1 156.0
SRR
108.6 37.9
98.6 50.1
DVI
436.15
46.6 4.6
s1
0.27 0.07
0.23 0.06
p008
3.4 0.49
3.6 0.49
n.s., estadsticamente no significativo

p-valor
n.s.
n.s.
0.009
<0.0005
<0.0005

Se observa en la tabla 4 que la desviacin estndar de


la serie RR (SRR) de los pacientes AR tiene
tendencia a ser menor que la de los pacientes BR. Se
entiende este resultado en la medida que los
pacientes AR presentan menos variabilidad del ritmo
cardiaco, sin embargo estos resultados no son
estadsticamente significativos. Los ndices que
mejor diferencian los grupos AR y BR son s1 y p008,
obteniendo una clasificacin discriminante mayor al
70% de pacientes correctamente clasificados (tabla
5). La probabilidad de aparicin del smbolo S1,
s1=P(S1), es significativamente mayor en el grupo de
pacientes con bajo riesgo de sufrir muerte sbita
cardiaca que en el grupo de alto riesgo (tabla 4). En
cambio, el nmero de smbolos con probabilidad de
aparicin superior al 8% (p008) es mayor en el grupo
de alto riesgo que en el grupo de bajo riesgo. Por otro
lado, se observa que el DVI es mayor en el grupo de
pacientes de alto riesgo que en el grupo de bajo
riesgo, siendo esta diferencia estadsticamente
significativa, sin embargo los ndices s1 y p008
calculados mediante DS obtienen un mejor p-valor y
una mejor clasificacin discriminante como se puede
observar en la tabla 5.
A lo largo de este estudio se comparan grupos de
pacientes definidos por diferentes variables clnicas
como la fraccin de eyeccin, la funcin diastlica, o
la clasificacin de la NYHA (New York Heart
Association) entre otros. Para los pacientes del grupo
ICM, los mejores resultados del estudio se
encuentran a la hora de diferenciar los grupos de
pacientes con BNP>400 (16 pacientes) y pacientes
con BNP <200 (86 pacientes) considerando el
apareamiento de edad y gnero. El BNP (Brain

Natriuretic Peptide) es una variable sangunea que


sirve de marcador del ritmo cardiaco. En estudios
recientes, se ha visto que un BNP elevado puede
predecir muerte sbita cardiaca [16] por lo que se
pueden identificar los grupos BNP>400 y BNP<200
a los grupos AR y BR, respectivamente.
Tabla 5: Clasificacin discriminante entre los grupos
BR y AR dentro del grupo ICM.
Series RR de todo el registro de 24h.
BR

AR

Indices

% bien clasificados

% bien clasificados

s1
p008
DVI

76.1
77
75.1

100
100
100

Tabla 6: Media, desviacin estndar y p-valor de los


ndices para los grupos BNP>400 y BNP<200 dentro
del grupo ICM con apareamiento de edad y gnero.
Series RR de todo el registro de 24h.
BNP>400

BNP<200

Indices

(AR) 16 pts

(BR) 86 pts

p-valor

MRR
SRR
DVI
s1
s4
p008
p009
Hq2

media sd
813.5 151.4
75.3 26.5
48.1 3.68
0.19 0.05
0.13 0.04
40
3.9 0.25
1.82 0.09

media sd
873.3 126.4
111.9 37.4
41.84 6.34
0.28 0.07
0.06 0.03
3.22 0.42
3.15 0.36
1.74 0.08

0.0402
0.0019
<0.0005
<0.0005
<0.0005
<0.0005
<0.0005
0.0018

Las tablas 6 y 7 muestran los resultados relativos a


los ndices que mejor permiten discriminar los grupos
de pacientes con BNP>400 y BNP<200. En
particular, los mejores ndices encontrados son s1, s4,
p008 y p009. Por otro lado, se puede observar que la
entropa de Rnyi con q=2 ha diferenciado
estadsticamente con p-valor <0.005 y ha conseguido
una clasificacin discriminante mayor al 70% de
pacientes bien clasificados. La probabilidad de
aparicin del smbolo S1, s1=P(S1), es mayor en el
grupo de pacientes con BNP<200, grupo que se
asocia con el de bajo riesgo de sufrir muerte sbita
cardiaca, que en el grupo de pacientes con BNP >400
(tabla 6). Adems, la probabilidad de aparicin del
smbolo S4, s4=P(S4), es mayor en el grupo de
pacientes con BNP>400 que se asociado al grupo de
pacientes AR. El nmero de smbolos con
probabilidad de aparicin superior al 8% (p008) y al
9% (p009) es mayor en el grupo de pacientes con
BNP>400. Tambin se observa que el valor del DVI
es mayor en el grupo de pacientes con BNP>400,

siendo esta diferencia estadsticamente significativa.


Sin embargo, este ndice obtiene una peor
clasificacin discriminante que los ndices s1 y p008,
calculados mediante DS.
Tabla 7: Clasificacin discriminante entre los grupos
BNP>400 y BNP<200 dentro del grupo ICM con
apareamiento de edad y gnero.
Series RR de todo el registro de 24h.
Indices
s1
s4
p008
p009
Hq2
DVI

BNP>400 (AR)

BNP<200 (BR)

% bien clasificados

% bien clasificados

75
75
100
93.8
75
81.3

72.1
66.3
77.9
84.9
72.1
62.4

CONCLUSIONES

En el presente trabajo se ha desarrollado un


algoritmo basado en dinmica simblica para
analizar los cambios de complejidad de la VRC en
370 pacientes con cardiomiopata dilatada
pertenecientes a la base de datos MUSIC2.
En el anlisis de la VRC, en el grupo ICM, los
ndices correspondientes a la probabilidad de
aparicin del smbolo S1 y al nmero de smbolos
con probabilidad de aparicin superior al 8% (s1 y
p008, respectivamente) han sido capaces de
discriminar entre alto y bajo riesgo de sufrir muerte
sbita cardiaca, con p-valor<0.0005 y clasificacin
discriminante mayor al 70% de pacientes bien
clasificados. En la discriminacin entre los grupos
BNP>400 y BNP<200 que se asocian con AR y BR
respectivamente, estos dos ndices proporcionan
resultados igualmente satisfactorios.
En ambos estudios (AR vs. BR y BNP>400 vs.
BNP<200), se observa que el nmero de smbolos
con probabilidad de aparicin mayor al 8% (p008) es
mayor en el grupo AR que en el grupo BR. La
probabilidad de aparicin del smbolo S1, s1=P(S1), es
mayor en el grupo BR que en el grupo AR, lo cual
permitira asociar el grupo AR con series RR menos
complejas que las del grupo BR . Esto tambin se
deduce a travs del smbolo S4, cuya probabilidad de
aparicin s4 es mayor en el grupo de alto riesgo que
en el grupo de bajo riesgo.
Por otro lado, se ha comprobado que los ndices
propuestos derivados de la DS clasifican mejor los
pacientes segn su riesgo de sufrir muerte sbita
cardiaca que los ndices en el dominio temporal,
MRR y SRR, y que el DVI, considerado un buen

marcador clnico de riesgo de sufrir muerte sbita


cardiaca.
Agradecimientos

[12] Lang, E., Caminal, P., Horvth, G., Jan, R.,


Vallverd, M., Slezsk, I., Bayes de Luna, A., (1998)
Spectral analysis of heart period variance (HPV) a
tool to stratify risk following myocardial infarction,
J. of Med. Eng. & Tech., Vol. 22, pp. 248-256.

Este trabajo ha sido parcialmente financiado por la


CICYT TEC2004-02274 del Ministerio de Ciencia y
Tecnologa y por la beca con referencia 018/07/IBEC del Instituto de Bioingeniera de Catalua.

[13] Martnez, J.P., Almeida, R., Olmos Gasso, S., Rocha,


A.P., Laguna, P., (2004) A Wavelet-Based ECG
Delineator: Evaluation on Standard Databases,
IEEE Transactions on biomedical engineering, Vol.
51, pp. 570-581.

Referencias

[14] Mrowka, R., Schluter, B., Patzak, A., Persson, P.,


(1997) Symbolic Dynamics approach in the analysis
of heart rate in premature babies at high risk of
sudden infant death syndrome (SIDS). Computers in
Cardiology, Vol. 24, pp. 37-40.

[1] Akselrod, S., Gordon, D., Ubel, F.A., Shannon, D.C.,


Barger, A.C., Cohen, R.J. (1981) Power Spectrum
Analysis Of Heart Rate Fluctuations: A Quantitative
Probe Of Beat-To-Beat Cardiovascular Control,
Science, Vol. 213, pp. 220-222.
[2]

Aubert, A.E., Beckers, F., Seps, B., (2002) Non


linear Dynamics of Heart Rate Variability in
Athletes: Effect of Training, Computers in
Cardiology, pp. 441-444.

[15] Signorini, M.G., Guzzetti, S., Parola, R., Cerutti, S.,


(1993) Complex Dynamics Assessment in 24-Hour
Heart Rate Variability Signals in Normal and
Pathological Subjects, Computers in Cardiology.
Proc., pp. 401-404.
[16] Tapanainen, J. M., Lindgren, K.S., Mkikallio, T.H.,
Vuolteenaho, O., Leppluoto, J., Huikuri, H.V.,
(2004) Natriuretic peptides as predictors of nonsudden and sudden cardiac death after acute
myocardial infarction in the beta-blocking era,
Journal of the American College of Cardiology, Vol.
4, n. 5, pp.757-763.

[3]

Cabezuelo, E., Vallverd, M., Caminal, P.,


Cygankiewicz, I., Bayes de Luna, A., (2004)
Dinmica Simblica aplicada al anlisis de la
variabilidad del ritmo cardaco, Actas XXV Jornadas
de Automtica, Comit Espaol de Automtica. CEAIFAC, pp. 1-6.

[4]

Carvajal, R., Zebrowski, J., Vallverd, M.,


Baranowski, R., Poplawska, W., Caminal, P., (2002)
Dimensional analysis of heart rate variability in
hypertrophic cardiomiopathy patients, IEEE
Engineering in Medicine and Biology, Vol. 21, pp.
71-78.

[5]

Cerutti, S., Signorini, M.G., (1996) The heart rate


variability signal: among rhythms, noise and chaos,
Biomedical Signal Processing, pp. 235-249.

[6]

Davies, B., (1999) Exploring chaos theory and


experiment. Reading (Mass.): Perseus Books.

[18] Voss, A., Kurths, J., Kleiner, H. J., Witt, A., Wessel,
N., Saparin, P., Osterziel, K. J., Schurath, R., Dietz,
R., (1996) The application of methods of nonlinear
dynamics for the improved and predictive recognition
of patients threatened by sudden cardiac death,
Cardiovasc. Res., Vol. 31, pp. 419-433.

[7]

Devaney, R.L., (2003) An introduction to chaotic


dynamical systems. 2ed. Boulder, Colorado:
Westview.

[19] Zipes, D.P., Hellens, H.J.J., (1998) Sudden Cardiac


Death, Clinical Cardiology: New Frontiers, pp.
2334-2351.

[8]

Hoyer, D., Frank, B., Gotze, C., Baranowski, R.,


Zebrowski, J.J., Vallverdu, M., Palacios, M.,
Caminal, P., Bays de Luna, A., Stein, P.K.,
Schmidt, G., Schmidt, H., (2006) Association
between Short Term and Long Term Communication
in Pathological Autonomic Control, IEEE
Engineering in Medicine and Biology, pp. 433-436.

[9]

Ivanov, P.C., Amaral, L.A., Goldberger, A.L.,


Havlin, S., Rosenblum, M.G., Struzik, Z.R., Stanley,
H.E., (1999) Multifractality in human heartbeat
dynamics, Nature, Vol. 399, pp. 461-465.

[10] Kitney, R.I., Rompelman, O., (1980) The Study of


Heart Rate Variability, Oxford Univ Press. London.
[11] Korhonen, I., Mainardi, L.T., Yppril, H.,
Musialowicz, T., (2001) Comparison of linear and
nonlinear analysis of heart rate variability in sedated
cardiac surgery patients, Proc. 23rd Annual EMBS
International Conference, pp. 496-499.

[17] Task Force (1996) Heart rate variability: Standars of


measurement, physiological interpretation and
clinical use. Task Force of the Europe Society of
Cardiology and the North American Society of
Pacing and Electrophysiology, Circulation, Vol. 93,
pp. 1043-1065.

Вам также может понравиться