UNIVERSIDAD SIMÓN BOLÍVAR Decanato de Estudios de Postgrado Coordinación de Postgrado en Ingeniería Electrónica Maestría en Ingeniería Biomédica

UNIVERSIDAD SIMÓN BOLÍVAR Decanato de Estudios de Postgrado Coordinación de Postgrado en Ingeniería Electrónica Maestría en Ingeniería Biomédica TRABAJO DE GRADO ESTUDIO DE LA VARIABILIDAD CARDIACA PARA EVALUAR LA NEUROPATÍA AUTONÓMICA CARDÍACA DIABÉTICA Por Ing. Gilberto Ivan Perpiñan Iseda Mayo 2010

iii UNIVERSIDAD SIMÓN BOLÍVAR Decanato de Estudios de Postgrado Coordinación de Postgrado en Ingeniería Electrónica Maestría en Ingeniería Biomédica ESTUDIO DE LA VARIABILIDAD CARDIACA PARA EVALUAR LA NEUROPATÍA AUTONÓMICA CARDÍACA DIABÉTICA Trabajo de Grado presentado a la Universidad Simón Bolívar por: Ing. Gilberto Ivan Perpiñan Iseda Como requisito parcial para optar al grado académico de Magíster en Ingeniería Biomédica Con la asesoría de la Profesora Sara Wong Castañeda Mayo 2010

iv UNIVERSIDAD SIMÓN BOLÍVAR Decanato de Estudios de Postgrado Coordinación de postgrado en ingeniería Electrónica Maestría en Ingeniería Biomédica ESTUDIO DE LA VARIABILIDAD CARDIACA PARA EVALUAR LA NEUROPATÍA AUTONÓMICA CARDÍACA DIABÉTICA Por: Ing. Gilberto Ivan Perpiñan Iseda Carnet No.: 08-86425 Este trabajo de Grado ha sido aprobado en nombre de la Universidad Simón Bolívar por el siguiente jurado examinador: Presidente Prof. Miembro Principal Prof. Miembro Principal-Tutor Prof. Sara Wong Castañeda Mayo 2010

v AGRADECIMIENTOS Cuando escribes esta parte es porque estas a punto de graduarte. Eso es un logro muy importante y una alegría grande que te invade. Para obtener triunfos en la vida te apoyas en muchos. Siempre es bueno recordarles y agradecerles. Un día soñé que llegaba a Venezuela y realizaba una maestría en Ing. Biomédica. Pero alcancé más, mucho más. Gracias al Señor Jesucristo por las fuerzas cada día para seguir adelante, Haces que mis sueños se vuelvan realidad. Empecé solo estos estudios pero en el camino encontré una maravillosa compañía; mi Esposa. Ceci eres la mayor bendición en mi vida. Compartimos mucho más que la fascinación por el electrocardiograma. Gracias por esa voz de aliento cuando únicamente escucha problemas, gracias por esa compañía cuando incluso la ciudadanía se alejaba de mí. Quisiera agradecer a mis viejos Gala y Herlis y mis hermanos Claudia y Arnaldo, quienes saben y me trasmiten que podemos conseguir grandes cosas juntos. Llegue con pocos documentos, siendo advenedizo en mi propia tierra. Hoy tengo muchos papeles, hasta un libro del trabajo realizado en la Simón. Navegando por el ciberespacio de la universidad, encontré al Grupo de Bioingeniería y Biofísica aplicada (GBBA) uno de los pocos lugares donde me sentía realizado y seguro. Sin ese gran equipo este trabajo no hubiera sido agradable y posible. Siento un profundo agradecimiento por la Profesora Sara Wong, mi tutora. Cuando la contacte desde Colombia sentí que era posible trabajar por este sueño. Su ayuda fue oportuna, precisa y muy cordial. Eder siempre me decía que me apareció familia en Caracas. Siempre recuerdo sus recomendaciones, puntualidad en las correcciones y apoyo en general. El Profesor Gianfranco con sus clases bien interesantes, sus historias de todo y sus consejos muy apreciados. Quisiera agradecer al GBBA, los Prof. Julio, Alexandra y a mis

vi compañeros Erika y Ana con sus múltiples dotes en especial los de de alegrarnos con sus postres. A Eder compañero en buenas y malas ocasiones. A mis amigos de la Iglesia Pentecostal del nombre de Jesús que me hacían olvidar las vicisitudes de la vida en un ambiente agradable y de mucha inspiración, llenándome de confianza y nuevas fuerzas.

vii ESTUDIO DE LA VARIABILIDAD CARDIACA PARA EVALUAR LA NEUROPATÍA AUTONÓMICA CARDÍACA DIABÉTICA RESUMEN La neuropatía diabética es de gran interés por ser una de las complicaciones más frecuentes y serias de la diabetes mellitus. En un trabajo previo se desarrolló una base de datos con señales de ECG de esfuerzo de tres grupos poblacionales para la evaluación de la Neuropatía autonómica cardiaca diabética. En este Trabajo de Grado se realiza un análisis de los parámetros de la Variabilidad de la Frecuencia Cardiaca (VFC) con miras a diagnosticar precozmente la Neuropatía autonómica cardiaca. El desarrollo de este estudio presenta algunas limitaciones en el procesamiento de señales: los métodos de análisis de la VFC se aplican a secuencias estacionarias y las señales de esta base de datos corresponden a pruebas de esfuerzo que no lo son. La metodología comprende la eliminación de artefactos de las series R-R, la selección de segmentos estacionariamente débiles, el análisis de la variabilidad de la frecuencia cardiaca y finalmente un análisis multifactoial de los datos. En el estudio de la estacionariedad se evaluó el algoritmo de Bernola et al, en ventanas de diferentes longitud. Se escogió una ventana de 75 segundos lo cual permitió establecer cinco segmentos de análisis sobre la prueba de esfuerzo; reposo, esfuerzo moderado, esfuerzo máximo, recuperación temprana y recuperación. Los resultados fueron obtenidos analizando 21 sujetos diabéticos con complicaciones cardiacas, 3 sujetos diabéticos sin complicaciones cardiacas y 8 sujetos control. Los resultados de la VFC muestran que el balance simpatovagal se ve afectado en los sujetos diabéticos con complicaciones cardiacas, además hay un aumento en los parámetros temporales y frecuenciales de la VFC Adicionalmente se observo una disminución de la respuesta simpatovagal frente al esfuerzo moderado. Se ve afectado en los sujetos diabéticos con complicaciones cardiacas, al esfuerzo. El Analisis Multifactorial se llevo a cabo realizando tres estudios un AFM global, un AFM excluyendo el segmento reposo y un ACP con el segmento reposo. El análisis multifactorial revela diferencias en los segmentos relacionados con el esfuerzo moderado y la recuperación. Este trabajo permitió establecer referencias para el estudio de la estacionariedad de las series R-R en una prueba de esfuerzo. El Análisis multifactorial de la VFC permitió mostrar que la población diabética presenta una variabilidad inferior al grupo control. Este tipo de trabajo provee información relevante tanto para el diagnostico como las consecuencias de la NAC, usando un método sencillo y no invasivo como lo es el estudio de la VFC. Palabras claves: Diabetes, Neuropatía Autonómica Diabética, Variabilidad de la Frecuencia Cardiaca, Estacionariedad, Análisis Multifactorial

viii INDICE GENERAL AGRADECIMIENTOS... v INDICE GENERAL... viii ÍNDICE DE FIGURAS... xii ÍNDICE DE TABLAS... xivv LISTA DE SÍMBOLOS Y ABREVIATURAS... xvii CAPÍTULO I... 1 PLANTEAMIENTO DEL PROBLEMA... 1 CAPÍTULO II... 4 BASES FISIOLÓGICAS... 4 2.1 Diabetes mellitus... 4 2.2 Sistema Nervioso Autónomo (SNA) y la relación con el Sistema Cardiovascular... 5 2.3 Sistema nervioso simpático.... 6 2.4 Sistema nervioso parasimpático.... 6 2.5 Neuropatía Autonómica Diabética (NAD)... 7 2.6 Manifestaciones clínicas de la Neuropatía Autonómica Diabética... 7 2.7 Neuropatía autonómica cardíaca... 8 2.8 Síntomas y señales de la neuropatía autonómica cardíaca.... 9 2.9 Diagnóstico y Modelaje de Neuropatía Cardiaca Diabética (DICARDIA) 9 2.10 Conclusión... 12

ix CAPÍTULO III... 13 VARIABILIDAD DE LA FRECUENCIA CARDIACA... 13 3.1. Estudio de la Variabilidad de la Frecuencia Cardiaca (VFC)... 13 3.2. Relación de la Estimación Espectral y la Neuropatía Autonómica Cardiovascular como consecuencia de la NAD... 19 3.3. Tendencias R-R en Pruebas de Esfuerzo... 21 3.4. Estacionariedad de las series R-R... 22 3.5. Estimación Espectral... 24 3.6. Segmentos estacionarios usando el Algoritmo de Bernola-galván.... 25 3.7. Conclusión... 26 CAPÍTULO IV... 27 METODOLOGÍA... 27 4.1. Extracción de segmentos estacionario... 27 4.1.1. Procesamiento de las series R-R.... 29 4.1.2. Segmentación las series R-R... 29 4.2. Variabilidad de la frecuencia cardiaca.... 30 4.3. Análisis Estadístico.... 30 4.4. Conclusión... 31 CAPÍTULO V... 32 ANÁLISIS DE RESULTADOS... 32 5.1 Extracción de las series R-R... 32 5.2 Procesamiento de las series R-R... 38 5.3 Segmentación de las series R-R,... 39 5.4 Variabilidad de la frecuencia cardiaca... 43

x 5.5 Análisis Factorial Múltiple (AFM)... 48 5.5.1. AFM1: Análisis exploratorio de la base de datos con todos los segmento48 Interpretación de los ejes.... 49 5.5.2. Análisis en el Reposo.... 53 5.5.3. AFM2 Análisis en el esfuerzo-recuperación.... 55 5.5.4. Discusión.... 60 CAPÍTULO VI... 63 CONCLUSIONES... 63 REFERENCIAS BIBLIOGRÁFICAS... 67 ANEXOS 1... 72 ANÁLISIS MULTIFACTORIAL... 72 A.1. Generalidades... 72 A.2. Análisis Factorial Múltiple (AFM)... 73 A.3. Análisis de Componentes Principales (ACP)... 74 ANEXOS 2... 76 BOXPLOTS DEL ANÁLISIS ESTADÍSTICO ANOVA... 76

xi ÍNDICE DE FIGURAS Figura 1. Inervación autonómica del corazón. Tomado de [11].... 6 Figura 2. Esquema de las Manifestaciones de la NAD. Tomado de [15]... 8 Figura 3. Extracción de una serie R-R a partir de un ECG.... 14 Figura 4. Impulsos en la serie R-R debido a latidos ectópicos.... 16 Figura 5. Exclusión de la extrasístole y sus intervalos vecinos... 17 Figura 6. Pasos en la generación de los datos sustitutos. tomado de [30].... 18 Figura 7. Reducción de las no linealidades en la serie R-R, tomado de [30].... 19 Figura 10. Esbozo de un espectro en frecuencia para la VFC... 20 Figura 11. Comparación de la VFC en una prueba en reposo de un ECG y la de una prueba de esfuerzo.... 22 Figura 12. Serie R-R durante una prueba de esfuerzo.... 23 Figura 13. Ventanas sobre la series RR durante prueba de esfuerzo.... 24 Figura 14. En la parte superior Serie R-R de una prueba de esfuerzo en la parte inferior se grafica las t versus los latidos.... 26 Figura 15. Metodología empleada.... 27 Figura 16. Algoritmo para detectar QRS [43]... 28 Figura 17. Segmentos Escogidos. Reposo, esfuerzomoderado, esfuerzo máximo, recuperación temprana y recuperación... 30 Figura 18. Grafica de todas las derivaciones de un sujeto control ECG 15 de la base de datos DICARDIA.... 33 Figura 19. Serie R-R para las primeras 4 derivaciones para el Sujeto ECG 15.... 34

xii Figura 20. Series R-R de las derivaciones V3, V4, V5 y V6 para el Sujeto ECG 15.... 35 Figura 21. Ejemplo de series R-R con artefactos.... 36 Figura 22. Ejemplos de Series R-R con problemas de no detecciones.... 37 Figura. 23. Ejemplo de eliminación de artefactos usando el método de Kaplan.... 38 Figura. 24. Ejemplo de Eliminación de Extrasístoles usando el método de Kaplan dos veces sobre la serie.... 39 Figura 25. segmentación usando una ventana de 25 segundos.... 40 Figura 26. Segmentación usando una ventana de 50 segundos.... 40 Figura 27. Segmentación usando una ventana de 75 segundos. En la figura superior se presenta un segmento de 450 segundos, y en la inferior uno de 200 segundos, en ambos casos es posible escoger sub segmentos de 75 segundos.... 41 Figura 28. Representación de los grupos de variables... 50 Figura 29. Representación de las medias de los individuos del AFM1 en el primer plano factorial.... 53 Figura 30. Representación de los individuos promedios sobre el primer plano factorial, en reposo.... 54 Figura 31. Representación de los grupos de variables... 57 Figura 32. Representación los individuos promedios sobre el primer plano factorial al esfuerzo.... 59 Figura 33. Representación esquemática del Análisis Factorial Múltiple... 73 Figura 34. Boxplot de los promedios R-R entre los grupos de estudio para todos los segmentos.... 76 Figura 35. Boxplot de la desviación estandar entre los grupos de estudio para todos los segmentos.... 77 Figura 36. Boxplot del valor RMS de la desviación estandar entre los grupos de estudio para todos los segmentos.... 78

xiii Figura 37. Boxplot de HF entre los grupos de estudio para todos los segmentos.... 79 Figura 38. Boxplot de LF entre los grupos de estudio para todos los segmentos.... 80 Figura 39. Boxplot de la relación LF/HF entre los grupos de estudio para todos los segmentos.... 81 Figura 40. Boxplot de la relación LF/(HF+LF) entre los grupos de estudio para todos los segmentos.... 82

xiv ÍNDICE DE TABLAS Tabla 1 Protocolo de Bruce modificado HUC. Tomado [6]... 10 Tabla 2. Características de los sujetos. Tomado [6]... 11 Tabla 3. Características de la prueba de Esfuerzo. Tomado de [6]... 11 Tabla 4. Mediciones VFC en el dominio del tiempo... 15 Tabla 5. Mediciones VFC en el dominio de la frecuencia.... 15 Tabla 6. Pruebas que se realizan para el diagnostico de la función autonómica cardiovascular.... 19 Tabla 8. Comparación entre el grupo control y el grupo con complicaciones cardiacas teniendo en cuenta el número de muestras y el número de segmentos con una ventana de 75 segundos.... 42 Tabla 9. Número de registros eliminados con el procesamiento.... 42 Tabla 10. Número de registros antes y después del procesamiento y la segmentación.... 43 Tabla 11. Valores promedio de los parámetros de la VFC en el segmento I... 44 Tabla 12. Valores promedio de los parámetros de la VFC en el segmento II.... 45 Tabla 13. Valores promedio de los parámetros de la VFC en el segmento III.... 46 Tabla 14. Valores promedio de los parámetros de la VFC en el segmento IV.... 47 Tabla 15. Valores promedio de los parámetros de la VFC en el segmento V.... 48 Tabla 16. Histograma de los 5 primeros valores propios.... 49 Tabla 17. Coordenadas de ayuda a la interpretación de los grupos activos.... 50 Tabla 18. Coordenadas y contribución de variables... 52

xv Tabla 19. Primeros 4 valores propios del ACP.... 54 Tabla 20. Coordenadas de ayuda a la interpretación de los grupos activos.... 55 Tabla 21. Primeros 5 valores propios del ACP.... 56 Tabla 22. Coordenadas y contribución de variables... 58 Tabla 23. Significancia entre los sujetos teniendo en cuenta los ejes del plano factorial.... 60

xvi LISTA DE SÍMBOLOS Y ABREVIATURAS ACP ACV AFM ANOVA DICARDIA ECG FFT GBBA HUC HF LF LF/LF+HF LF/HF LTV MPPS NAD NAC NACD OMS PSD Análisis de Componentes Principales Accidente cardiovascular Análisis factorial múltiple Análisis de Varianza Diagnóstico y Modelaje de Neuropatía Cardiaca Diabética Electrocardiograma Transformada Rápida de Fourier Grupo de Bioingeniería y Biofísica Aplicada Hospital universitario de caracas Banda de alta frecuencia del espectro de la VFC. Banda de baja frecuencia del espectro de la VFC LF normalizada Relación LF/HF Variabilidad de larga duración Ministerio del Poder Popular para la Salud Neuropatía autónoma diabética Neuropatía autónoma cardiaca Neuropatía autónoma cardiaca diabética Organización Mundial de la Salud Densidad espectral de potencia

xvii RMSSD Raíz media cuadrática de las diferencias sucesivas de los intervalos RR R-R Tiempo transcurrido entre cada onda R. SDRR STD SNR SNA SNC SNS SNP STV T-test VFC Desviación estándar de todos los intervalos RR Desviación estándar Relación señal a ruido Sistema nervioso autónomo Sistema nervioso central Sistema nervioso simpático Sistema nervioso parasimpático Variabilidad en periodos de corta duración Prueba estadística t-student. Variabilidad de la frecuencia cardíaca

1 CAPÍTULO I PLANTEAMIENTO DEL PROBLEMA La neuropatía autonómica diabética (NAD) se encuentra entre las más estudiadas y debatidas complicaciones de la diabetes. Esta seria complicación posee un íntimo vínculo con las complicaciones cardiovasculares [1]. La diabetes se ha convertido en una epidemia de proporciones globales. Recientes estudios organizados por la Organización Mundial de la Salud (OMS) (2003), estiman que el incremento del número de personas con diabetes sea de un 100% si la tendencia actual continúa; con un incremento del 40% en los países desarrollados, mientras que en los países en desarrollo será aproximadamente 150% [2]. Por otra parte, de acuerdo a la Federación Internacional de Diabetes, la cantidad de afectados por esta enfermedad a nivel mundial en el año 2009 fueron de 285 millones y se espera la cantidad de 438 millones para el año 2030 [3]. El ministerio del Poder Popular para la Salud y la Protección Social es sus estadísticas más recientes del 2006 ubica en el primer lugar de muertes en el país a la diabetes y las enfermedades cardiovasculares [4]. Diversos estudios revelan la importancia de algunos parámetros y síntomas fisiológicos en el diagnóstico de la diabetes mellitus, donde se han reportado cambios electrocardiográficos en sujetos diabéticos lo cual puede convertirse en índices de predicción de esta enfermedad. Un estudio de un comité de expertos reportó que las complicaciones serias de la diabetes comienzan a aparecer en la vida de los pacientes más temprano de lo que se creía y que por tanto el diagnóstico precoz de esta enfermedad es de vital importancia para prevenir o retardar el desarrollo de complicaciones serias y que resulten en costos elevados a los servicios de salud [5].

2 El Grupo de Bioingeniería y Biofísica Aplicada (GBBA) y colaboradores del Hospital Universitario de Caracas trabajan desde el año 2005 en el proyecto Diagnóstico y Modelaje de Neuropatía Cardiaca Diabética (DICARDIA). Este proyecto tiene como objetivo desarrollar métodos que puedan ayudar a incrementar el valor diagnóstico de las pruebas clínicas en la neuropatía autonómica cardíaca. Dicho proyecto se ha desarrollado en dos fases. La primera consistió en el diseño del protocolo clínico y registro de una base de datos, esta fase inicial fue ejecutada dando como resultado una base de datos de tres poblaciones con un enriquecido valor clínico para el análisis de la Neuropatía diabética autonómica cardiovascular [6]. Estos datos permiten realizar estudios sobre una población con problemas diabéticos en los cuales existan complicaciones cardiacas y para poder hacer así una evaluación de la Neuropatía Autonómica Cardiaca Diabética (NACD) y sus complicaciones. Así se cuenta con la base de datos DICARDIA, la cual posee electrocardiogramas de esfuerzo de pacientes diabéticos con y sin complicaciones cardiacas además de un grupo de control. La segunda fase, dentro de la cual se enmarca este Trabajo de Grado tiene como objetivo principal el estudio de los parámetros que puedan diagnosticar precozmente la Neuropatía autonómica cardiaca diabética, lo cual consiste en la extracción y análisis de parámetros de las variables recolectada en la fase inicial; en particular se desea analizar la Variabilidad de la Frecuencia Cardiaca (VFC), ya que este método no invasivo permitirá realizar una valoración de la neuropatía diabética autonómica cardiovascular. El desarrollo de este estudio presenta algunas limitaciones desde el punto de vista del procesamiento de señales: los métodos de análisis de la Variabilidad de la Frecuencia Cardiaca se aplican a secuencias estacionarias y las señales de esta base de datos corresponden a ECG de esfuerzos que no cumplen con esas características. Las no estacionariedades de la VFC de DICARDIA se presentan por dos motivos uno entre-latidos y otro intra-latido debido a cambios morfológicos, causados por la aceleración de las frecuencias cardiaca, las arritmias producen de igual forma no estacionariedades en la secuencia R-R. Lo último, representaun reto en el área del procesamiento de las señales electrocardiográficas, en especial para el análisis espectral. Se pretende aplicar algoritmos de segmentación para extraer características relevantes de la prueba de esfuerzo que permita diferenciar entre los grupos poblacionales bajo estudio con miras a identificar parámetros no

3 invasivos para el diagnóstico de la NACD. Toda estimación espectral parte de la hipótesis de estacionariedad de la señal. A nivel de análisis frecuencial esto implica que el contenido de frecuencias de la señal no cambia con el tiempo. No obstante, esto no siempre es cierto en sistemas biológicos. Evidentemente, un ser vivo debe adaptarse a las condiciones que le rodean y que son cambiantes con el tiempo. Por lo tanto, una secuencia R-R jamás será estacionaria si escogemos una duración de registro largo. De esta manera se plantea la segmentación de la secuencia R-R con duración en donde se cumpla la estacionariedad. El objetivo general de este trabajo es estudiar la relación entre la VFC y Neuropatía Autonómica Cardiaca Diabética. Para ello se hace necesario extraer las secuencias R-R, establecer las ventanas de estacionariedad, y aplicar un análisis espectral, con miras a identificar parámetros para el diagnostico de la NACD. Sin embargo uno de los mayores retos se presenta en la determinación de las ventanas para asegurar una correcta estimación espectral. El capítulo II presenta las bases teóricas del proyecto, en donde se explica las bases fisiológicas de la Neuropatía Autonómica Diabética y la Neuropatía Autonómica Cardiaca como consecuencia de la misma. En el capítulo III se presentan las bases para el análisis de la Variabilidad de la Frecuencia Cardiaca, la estacionariedad de la serie R-R. En el capítulo IV se describe la metodología empleada. El capítulo V muestra los resultados obtenidos de la base de datos, los parámetros de variabilidad de frecuencia cardiaca para cada segmento de la serie R-R. En el capítulo VI se presentan las conclusiones, así como los trabajos a futuro.

4 CAPÍTULO II BASES FISIOLÓGICAS En este capítulo se presentan las bases fisiológicas de la diabetes mellitus, sus complicaciones y relación con la neuropatía autonómica. Además del comportamiento del sistema nervioso autónomo y su regulación del corazón. 2.1 Diabetes mellitus La diabetes mellitus hace parte de un grupo de enfermedades metabólicas que incapacita al cuerpo para metabolizar ó usar eficazmente los carbohidratos, las proteínas y las grasas. Los alimentos (especialmente carbohidratos y frutas) se convierten en glucosa. Todas las células del cuerpo necesitan glucosa para vivir, pero la glucosa no puede penetrar en las células sin la intervención de la insulina. La insulina es una hormona que se produce en las células Beta, que están ubicadas en el extremo del páncreas (una glándula grande que se encuentra detrás del estómago). Cuando una persona tiene diabetes, el páncreas deja de producir insulina, o no la produce en cantidades necesarias. Así, al no ser aprovechada por las células, la glucosa se concentra en la sangre en un nivel muy alto [7]. Hay dos tipos principales de diabetes mellitus. El tipo I es dependiente de la insulina, a veces se le llama diabetes juvenil, porque normalmente comienza durante la infancia (aunque también puede ocurrir en adultos). Como el cuerpo no produce insulina, las personas con diabetes del tipo I deben inyectarse insulina para poder vivir. Sólo de 5 a 10% de las personas con diabetes padecen de este tipo. [8]. La insulina es una hormona que se produce en las células Beta, que están ubicadas en el extremo del páncreas. Las personas con diabetes tienen un riesgo más alto de tener enfermedades cardiovasculares, especialmente de ataques cardíacos accidentes

5 cardiovasculares (ACV). Las complicaciones de la diabetes mellitus a largo plazo incluyen retinopatías con potencial pérdida de la visión; nefropatías que levan a una falla renal y neuropatías autonómicas causando problemas gastrointestinales, genitourinarios y cardiovasculares [9] La diabetes es la causa más importante de neuropatía autonómica cardíaca. Las lesiones neuronales se manifiestan como una pérdida o alteración en el control vagal, perdida de la variabilidad de la frecuencia cardíaca, disminución del tono simpático periférico y disminución de la capacidad de sudoración. 2.2 Sistema Nervioso Autónomo (SNA) y la relación con el Sistema Cardiovascular El sistema nervioso se puede dividir en el sistema central y periférico, y el sistema autónomo. El sistema nervioso central (SNC), está formado por un conjunto de órganos; el cerebro, el cerebelo, el bulbo raquídeo, los pedúnculos cerebrales, la protuberancia anular y la médula espinal. El sistema nervioso periférico está constituido por una serie de cordones (nervios periféricos) que se extienden desde el SNC a la periferia y los órganos. El SNA es el responsable de la regulación de las funciones viscerales y del mantenimiento de la homeostasis del medio interno. El SNA regula y coordina las funciones de los órganos internos [10]. El SNA está formado por el sistema nervioso simpático (SNS) y el sistema nervioso parasimpático (SNP). [11] La estimulación del SNS provoca un aumento en la frecuencia cardiaca mientras que la estimulación del SNP disminuye la frecuencia cardiaca, es decir, tienen efecto antagónico pero en conjunto regulan la actividad cardiaca (Figura 1).

6 Figura 1. Inervación autonómica del corazón. Tomado de [11]. 2.3 Sistema nervioso simpático. Las fibras simpáticas se distribuyen en el nodo sinoauricular y auriculoventricular pero tienen una distribución ventricular mucho más importante que el nervio vago. Las fibras simpáticas que inervan el corazón parten de los dos ganglios estrellados (derecho e izquierdo), el derecho inerva principalmente el epicardio anterior y el septo interventricular y la estimulación de este ganglio provoca aumento de la frecuencia cardiaca, el ganglio estrellado izquierdo inerva las caras lateral y posterior de los ventrículos y su estimulación ocasiona un aumento de la tensión arterial media y de la contractilidad del ventrículo izquierdo sin causar un cambio sustancial de la frecuencia cardiaca. El tono simpático normal mantiene la contractilidad cerca de un 20% por encima de la que existe en ausencia de la estimulación simpática. 2.4 Sistema nervioso parasimpático. Las fibras parasimpáticas se distribuyen principalmente en los nodos sinoauricular y auriculoventricular y en menor grado en las aurículas. Tienen muy poca o nula distribución en los ventrículos. Así, el principal efecto de la estimulación vagal es cronotrópico: disminución

7 de la frecuencia cardiaca por disminución de la descarga del nodo sinoauricular y disminución de la excitabilidad de las fibras auriculoventricular con retraso de la conducción. Un estímulo vagal muy intenso puede parar por completo el nodo sinoauricular y bloquear la conducción auriculoventricular. El efecto sobre la contractilidad es mínimo. Los reflejos del sistema cardiovascular, están mediados por el sistema nervioso autónomo y tienen un papel fundamental en el control de la tensión arterial [12]. 2.5 Neuropatía Autonómica Diabética (NAD) La NAD es una complicación de la diabetes mellitus. La NAD se por la degeneración neuronal temprana y generalizada de pequeñas fibras nerviosas de SNS y SNP [13]. Cuando la disfunción autonómica producida por la NAD se detecta tempranamente se puede estratificar el riesgo y realizar un plan de acción para tratar esta neuropatía. El análisis de la variabilidad de la frecuencia cardiaca de corta y larga duración (STV) y (LTV) por sus siglas en inglés, han demostrado ser útiles en la detección de la NAD [14]. 2.6 Manifestaciones clínicas de la Neuropatía Autonómica Diabética La diabetes puede causar disfunción en cualquier parte del sistema nervioso autónomo, provocando un alto rango de desordenes en las fibras simpáticas y parasimpáticas. Las manifestaciones clínicas se pueden reflejar en los siguientes sistemas. En el Pupilar, donde el diámetro de la pupila se disminuye, en el metabólico, cuando se presenta inconciencia hiploglicemica y insensibilidad hiploglicemica, en el Cardiovascular, con taquicardia, intolerancia al ejercicio, hipotensión ortostática, intolerancia al calor, en el Neurovascular, en las áreas de anhidrosis simétricas, hiperhidrosis, alteraciones en el flujo sanguíneo de la piel, en el Gastrointestinal, cuando se presenta estreñimiento, diarrea e incontinencia fecal y en el sistema Genitourinario, con disfunción eréctil, eyaculación precoz y disfunción sexual femenina (Figura 2) [15].

8 Figura 2. Esquema de las Manifestaciones de la NAD. Tomado de [15]. 2.7 Neuropatía autonómica cardíaca La neuropatía autonómica cardíaca es el resultado de lesiones en las fibras nerviosas del sistema nervioso autónomo que inervan al corazón y los vasos sanguíneos, llevando a trastornos del control de la frecuencia cardiaca y la dinámica vascular. Esta neuropatía es el foco más predominante de atención en el estudio de la disfunción autonómica, seguramente atribuible a su grado de asociación en estudios poblacionales con complicaciones cardiovasculares, alta prevalencia y posibilidad de intervención en la prevención. Estudios epidemiológicos de pacientes diagnosticados con diabetes mellitus han permitido estimar un riesgo relativo de mortalidad a los cinco años, cinco veces mayor en pacientes diabéticos con evidencia de neuropatía autonómica cardíaca comparado con aquellos pacientes diabéticos sin disfunción autonómica [16]. Los síntomas clínicos se desarrollan generalmente muchos años después del inicio de la diabetes. Sin embargo, la neuropatía autonómica puede a menudo ser identificada por pruebas funcionales en el plazo de un año del diagnostico en pacientes con diabetes tipo II y en el plazo de dos años en pacientes con diabetes tipo I. El factor causante, más importante es

9 el escaso control glicémico, la larga duración de la diabetes, la edad, el sexo femenino y el índice alto de masa corporal. La diabetes puede causar disfunción de algunas o cada parte del sistema nervioso autónomo, entre las más graves y peligrosas de las condiciones vinculadas a la neuropatía autonómica se conocen: infarto silencioso al miocardio, arritmias cardíacas, ulceraciones, gangrena, y nefropatía. La neuropatía autonómica está también asociada con un incremento de riesgo de muerte súbita [16]. La neuropatía autonómica cardíaca causa anormalidades en el control del ritmo cardíaco y dinámicas vasculares. Está siendo vinculada a la hipotensión postural, intolerancia al ejercicio, incremento de la incidencia de la isquemia asintomática, infarto al miocardio, la disminución de la probabilidad de supervivencia después del infarto al miocardio [16], [17]. 2.8 Síntomas y señales de la neuropatía autonómica cardíaca. Los síntomas y signos más comunes de la neuropatía autonómica cardíaca son: Taquicardia en reposo y carencia de variabilidad del ritmo cardíaco durante la respiración profunda o el ejercicio físico, está asociada con un alto riesgo de enfermedades coronarias en pacientes con o sin diabetes mellitus [18], [19]. Intolerancia al ejercicio: Los pacientes con neuropatía autonómica cardíaca muestran una reducida respuesta de la frecuencia cardíaca y de la presión sanguínea durante el ejercicio [20].Una prolongación del intervalo QT: Este es un segmento electrocardiográfico cuya prolongación puede conducir a un mayor riesgo de arritmias cardíacas fatales o no fatales [21]. 2.9 Diagnóstico y Modelaje de Neuropatía Cardiaca Diabética (DICARDIA) El Grupo de Bioingeniería y Biofísica Aplicada (GBBA) y colaboradores del Hospital Universitario de Caracas trabajan desde el año 2005 en el proyecto Diagnóstico y Modelaje de Neuropatía Cardiaca Diabética (DICARDIA). Este proyecto tiene como objetivo desarrollar métodos que puedan ayudar a incrementar el valor diagnóstico de las pruebas clínicas en la neuropatía autonómica cardiaca.

10 DICARDIA reúne registros de Electrocardiograma (ECG) durante esfuerzo físico y parámetros de laboratorio obtenidos de la historia médica, que permiten realizar inferencias relacionadas con la detección y prevención de las posibles complicaciones de la diabetes. Los sujetos fueron sometidos a una prueba de esfuerzo bajo el protocolo de Bruce modificado del HUC [22] tal como se muestra en la tabla 1. Tabla 1 Protocolo de Bruce modificado HUC. Tomado [6]. Etapa Velocidad de la banda deslizante (mi/h) Inclinación (%) Duración (min) Tiempo acumulado (min) 0 1.7 0 3 3 I 1.7 10 3 6 II 2.5 12 3 9 III 3.4 14 3 12 IV 4.2 16 3 15 V 5.0 18 3 18 VI 5.5 20 3 21 VII 6.0 22 3 24 La tabla 2 muestra la descripción básica de la Base de Datos Dicardia. Esta Base de Datos está compuesta por 65 sujetos [6], no se encontraron diferencias significativas en cuanto a edad, sexo y masa corporal.

11 Tabla 2. Características de los sujetos. Tomado [6]. Características Diabéticos con Diabéticos sin Grupo Valores Básica complicaciones cardiaca complicaciones control P cardiaca Edad (años) 57±10 49±12 50±6 NS Hombres 25 2 8 NS Mujeres 26 1 3 NS Peso (Kg) 73±15 79±8 81±20 NS La base de datos DICARDIA provee información importante con respecto a la respuesta al ejercicio, medida a través de la frecuencia máxima alcanzada en la prueba de esfuerzo. La duración del periodo del ejercicio y el índice cronotrópico que muestran significancia estadística (tabla 3). Tabla 3. Características de la prueba de Esfuerzo. Tomado de [6]. Características Básica Frecuencia Cardiaca Alcanzada (latidos/min) Diabéticos con complicaciones cardiaca Diabéticos sin complicaciones cardiaca Grupo control Valores p 133±24 91±5 162±16 0.0004 Duración del ejercicio 6±2 8±1,5 10±2 0.0001 (min) Índice Cronotrópico 0.65±0.24 0,83±0,13 1.08±0.14 0.0001 Los registros fueron almacenados con una frecuencia de 500Hz y con una resolución 3x10-6 µv/bit utilizando 12 bits. Los datos resultantes de la aplicación del protocolo fueron

12 almacenados en una plataforma de base de datos ecgml, la cual permite visualizar de una manera jerárquica y amigable los datos demográficos, clínicos y las características de la señal, con sus respectivas anotaciones de cada paciente y así el usuario pueda tener un acceso completo eligiendo el mejor registro para su posterior análisis [6]. 2.10 Conclusión En este capítulo se hizo una descripción de las bases fisiológicas de la diabetes mellitus, y una de sus complicaciones; la neuropatía autonómica cardiaca. Además se estableció la relación entre dicha neuropatía y la variabilidad de la frecuencia cardiaca. Se describió la base de datos DICARDIA, cuyos registros ECG serán utilizados en el presente trabajo.

13 CAPÍTULO III VARIABILIDAD DE LA FRECUENCIA CARDIACA 3.1. Estudio de la Variabilidad de la Frecuencia Cardiaca (VFC) Existen diversos estudios que revelan una falta de respuesta fisiológica al estímulo de esfuerzo físico en pacientes con Neuropatía Autonómica Cardiovascular medido en términos de frecuencia cardiaca y presión arterial. Se han planteado modelos donde existe una relación inversa entre la severidad de la Neuropatía Autonómica Cardiovascular y la variación de la frecuencia cardiaca ante un esfuerzo físico incremental además de disminuidos valores de frecuencias cardíacas máximas alcanzables, lo anterior asociado también a una disminución del gasto cardíaco y fracción de eyección, disfunción sistólica y alteración del tiempo de diástole ventricular [33]. Las pruebas de esfuerzo de ECG son un instrumento valioso, poco costoso y no invasivo íntimamente relacionado con la función autonómica Error! No se encuentra el origen de la referencia.. Los estudios sobre las pruebas de esfuerzos contienen información sobre la tolerancia al esfuerzo, cambios en la frecuencia cardiaca y arritmias ventriculares Error! No se encuentra el origen de la referencia.. La VFC es la variación del intervalo de tiempo entre dos ondas R como se muestra en la figura 5. La VFC es una señal no estacionaria y la llamaremos serie R-R. La relevancia clínica de la VFC fue descubierta por Hon y Lee en 1965 [23]. Pero es en la década de los 70 que se utiliza un test usando la serie R-R donde se asocia la VFC con la NAD en pacientes diabéticos. Ewing et al [27] administraron una serie de pruebas de corto plazo de las diferencias de R-R en posición supina para detectar Neuropatía Autonómica en pacientes

14 diabéticos. En 1981 [28] se introdujo el análisis espectral de potencia de la VFC para evaluar cuantitativamente el control cardiovascular. Figura 3. Extracción de una serie R-R a partir de un ECG. Las mediciones en el dominio del tiempo son las más sencillas de realizar y permiten determinar el ritmo cardíaco en algún punto en el tiempo o los intervalos entre complejos normales sucesivos. En un registro ECG, se detecta cada complejo QRS y los intervalos R-R normales consecutivos (NN) para determinar la frecuencia cardíaca instantánea. A partir de estos resultados se pueden calcular una serie de variables a través de métodos estadísticos y métodos geométricos que se aplican dependiendo de la longitud del registro ECG en estudio (tabla 4). Los parámetros en el dominio de la frecuencia son de gran interés para la presente propuesta pues el enfoque se puntualiza sobre el comportamiento frecuencial. La estimación de la densidad espectral de potencia (PSD) por sus siglas en inglés, es la herramienta más importante para el análisis en el dominio de la frecuencia. De este estudio se derivan distintas variables relacionadas con la potencia en las diferentes bandas de frecuencias, las variables principales se presentan en la tabla 5.

15 Tabla 4. Mediciones VFC en el dominio del tiempo. Variable Unidades Descripción Medidas Temporales SDRR ms Desviación estándar de todos los intervalos RR SDARR RMSSD Índice SDRR ms ms ms Desviación estándar del promedio de los intervalos RR en segmentos de 5 minutos de todo el registro La raíz cuadrada de la media de la suma de los cuadrados de las diferencias entre intervalos RR adyacentes. La media de las desviaciones estándar de todos los intervalos de los segmentos de 5 minutos de todo el registro. Tabla 5. Mediciones VFC en el dominio de la frecuencia. Variable Unid. Descripción Rango de frecuencias TP Varianza m de los intervalos NN en el 0.4Hz s 2 segmento temporal VLF m Termorregulación, descarga 0.04Hz s 2 simpática LF mbaroreflejo, descarga simpática 0.4-0.15Hz s 2 HF m Sinoarritmia y respiración, 0.15-0.4Hz s 2 descarga parasimpático. LF/HF n Balance del SNA -.u Existen diversos problemas que interfieren con el análisis de la VFC, como son la presencia de latidos ectópicos. Estos latidos producen apariencias tipo impulsos en la serie

16 R-R [28], los cuales si no son removidos dan medidas estadísticas erróneas en el análisis de la VFC como se observa en la figura 4. Figura 4. Impulsos en la serie R-R debido a latidos ectópicos. La serie de los intervalos R-R presenta artefactos debido a las extrasístoles o bien a eventos no detectados de un pico R. Si se considera que las extrasístoles o latidos ectópicos son latidos patológicos que no son modulados por el SNA es posible efectuar una corrección De los métodos encontrados en la literatura para eliminar estos artefactos, podemos citar en primer lugar la corrección propuesta por Brüggemann [29]; el cual excluye de la serie el latido donde existe la extrasístole, a demás también puede excluirse tanto el latido anterior a la extrasístole como el de la extrasístole y se puede excluir de la serie R-R los dos latidos anteriores, la extrasístole y los dos latidos siguiente, reemplazándolos al realizar una interpolación, esto se ilustra en la figura 5. Brüggemann concluye que el análisis en el dominio del tiempo puede ser alterado considerablemente por frecuentes extrasístoles y que eliminar la extrasístole y el latido siguiente mejora los resultados, a demás excluir otros latidos no mejora la precisión. Otro método para eliminar estos artefactos fue propuesto por Kaplan [30], quien utiliza la sustitución de datos basada en un modelo autorregresivo sobre la secuencia. Los artefactos se identifican con los valores del residuo y la corrección se efectúa mediante interpolación.

17 Figura 5. Exclusión de la extrasístole y sus intervalos vecinos Para este trabajo se utilizó el método de Kaplan. Ya que este método conserva el numero originales de muestra, este método considera los impulsos en la serie R-R, como no linealidades de la serie, a varios mecanismos no lineales en la fisiología humana se deben impulsos en la serie R-R, [31]. Kaplan genera una serie llamada surrogate data; datos sustitutos. La figura 6 muestra los pasos en la generación de esta serie. Primero se calcula la transformada de Fourier de los datos, tanto la amplitud como la fase. Luego hace que la fase sea aleatoriamente distribuida para cada frecuencia y calcula la transformada inversa de Fourier. Esta serie posee dos importantes características carece de no linealidades dinámicas y el proceso para generar esta serie es estacionario.

18 La técnica de sustituto de los datos reales en la que se basa Kaplan, convierte los impulsos de la serie R-R en ruido blanco. A pesar que la potencia espectral de los datos sustitutos y los reales son idénticos, los impulsos son bien definidos en la serie R-R de los datos sustitutos pero algo esparcidos en las reales. El algoritmo de Kaplan remueve la información inválida con el valor válido más cercano, esto último es ilustrado en la figura 7. Figura 6. Pasos en la generación de los datos sustitutos. tomado de [30].

19 Figura 7. Reducción de las no linealidades en la serie R-R, tomado de [30]. 3.2. Relación de la Estimación Espectral y la Neuropatía Autonómica Cardiovascular como consecuencia de la NAD El diagnóstico de la neuropatía autonómica cardiovascular (NAC) se puede realizar con un conjunto de pruebas que involucren tanto el sistema nervioso parasimpático como el simpático. En la tabla 6, se muestran las pruebas que se realizan para el diagnóstico de la NAC. Tabla 6. Pruebas que se realizan para el diagnostico de la función autonómica cardiovascular. Parasimpático Frecuencia cardiaca en reposo Variación de los latidos con respiración profunda Relación de la frecuencia cardiaca de pie. Relación valsalva Análisis espectral de la VFC, potencia de las altas y muy bajas frecuencias (HFP; 0.15-0.40 Hz) Simpático Frecuencia cardiaca en reposo Análisis espectral de la VFC, potencia de las muy bajas frecuencias (VLFP; 0.003-0.04 Hz) Presión sanguínea ortostática Cold pressor test Sudorometría

20 La estimación espectral descompone la secuencia de los intervalos R-R en una suma de funciones sinusoidales de diferentes amplitudes y frecuencias. La descomposición básicamente busca expandir determinada secuencia usando un conjunto de bases ortonormales, como son las funciones seno y coseno. El resultado de la estimación refleja las fluctuaciones de la frecuencia cardiaca presente en distintas frecuencias. En la figura 10, se muestra el esbozo de un espectro en frecuencia para la VFC. Figura 10. Esbozo de un espectro en frecuencia para la VFC El espectro en frecuencia consta principalmente de tres bandas: La banda de muy bajas frecuencias por debajo de 0.04 Hz, asociada con la función de termorregulación mediante las fluctuaciones en el tono vasomotor; la segunda banda alrededor de 0.1 Hz, las bajas frecuencias asociada con el reflejo barorreceptor; y la banda de las altas frecuencias alrededor de 0.25 Hz relacionada con la actividad respiratoria [13]. En el ámbito clínico para el paciente que tenga NAD o sospeche de esta neuropatía hay tres métodos VFC entre los que se puede elegir para un análisis: (1) métodos de intervalo R-R, (2) medidas en el dominio del tiempo de la variabilidad de larga duración que son más sensibles y más reproducibles que la corta duración, y (3) el análisis en el dominio de la

21 frecuencia de la VFC de segmentos estacionarios, que es útil en la separación de las anomalías simpático parasimpático. Existen anomalías en el análisis frecuencial de la VFC que se asocian a la NAD: Potencia reducida en todas las bandas espectrales, que es el hallazgo más común Error! No se encuentra el origen de la referencia., Error! No se encuentra el origen de la referencia.. Fallo en aumento de LF cuando el sujeto está de pie, que es un reflejo del deterioro de la respuesta simpática o la sensibilidad de barorreceptores deprimido [34]. Disminución anormal de la potencia total en la variación LF / HF [35]. Desplazamiento hacia la izquierda en la frecuencia central LF [32]. La recuperación de la Frecuencia Cardíaca (RFC) que es un incremento en las actividades del sistema nervioso simpático y una reducción en el tono vagal, han traído como consecuencia un incremento de eventos de las enfermedades cardiovasculares. Incluyendo muerte súbita. Se ha evaluado la recuperación de la frecuencia cardíaca después de la prueba de esfuerzo como un indicador de la actividad parasimpática y a su vez para diagnosticar la incidencia de los eventos de las enfermedades cardiovasculares Error! No se encuentra el origen de la referencia.. 3.3. Tendencias R-R en Pruebas de Esfuerzo En la figura 11 se observa la diferencia entre la gráfica de la VFC en una prueba en reposo de un ECG y la de una prueba de esfuerzo. La serie R-R en reposo tiene ventanas de estacionariedad mayores que la de una prueba de esfuerzo, y por ende en segmentos de corta duración se asume la estacionariedad de la misma y se le aplica la estimación espectral. Este no es el caso de las series R-R en pruebas de esfuerzo.

22 Figura 11. Comparación de la VFC en una prueba en reposo de un ECG y la de una prueba de esfuerzo. 3.4. Estacionariedad de las series R-R Las secuencias R-R se obtienen a partir de registros electrocardiográficos realizando esencialmente tres pasos; amplificación del ECG, detección del complejo QRS y obtención de R-R (n) midiendo el tiempo respecto al latido anterior. La secuencia R-R se define como el tiempo entre complejos QRS sucesivos y se expresa en forma de tacograma como se muestra en la figura 12.

23 Figura 12. Serie R-R durante una prueba de esfuerzo. Las secuencias R-R no están muestreadas uniformemente por lo cual se necesita realizar un re-muestreo. La interpolación polinómica de orden 3 o cúbica es la más usada para este fin Error! No se encuentra el origen de la referencia.. La estimación espectral es posible para señales estacionarias, es decir, el contenido frecuencial no cambia con el tiempo. La estacionariedad de la secuencia R-R sólo puede ser garantizada en períodos de corta duración y en condiciones estables. Para realizar el estudio frecuencial se necesita garantizar la estacionariedad de la secuencia R-R. Se deben escoger ventanas de observación en donde se cumpla que la secuencia es estacionaria allí. El concepto de estacionariedad débil es el más usado en este tipo de secuencias. La estacionariedad débil ocurre cuando la media, la varianza y la covarianza de la secuencia son invariables en el tiempo [38]. Usualmente se escogen tres ventanas sobre la secuencia R-R en pruebas de esfuerzo. Las ventanas coinciden con las etapas de la prueba durante ejercicio suave, máximo ejercicio y el periodo de recuperación como se muestra en la figura 13.

24 Figura 13. Ventanas sobre la series RR durante prueba de esfuerzo. Existen pruebas para comprobar la estacionariedad en el estudio de la variabilidad del ritmo cardíaco test de las ordenaciones invertidas. Otro test comúnmente utilizado en otras disciplinas es el test de ráfagas [39]. 3.5. Estimación Espectral La segmentación se hace necesaria por el carácter no estacionario de las señales ECG. Utilizado sobre las series R-R extraídas y útil para el análisis de la variabilidad de frecuencia cardiaca. La resolución espectral usando la Transformada Discreta de Fourier es limitada y en la práctica, esta resolución se deteriora al usar ventanas del tipo cosenoidales como las ventanas de Blackman-Harris. Error! No se encuentra el origen de la referencia.. La estimación espectral realizada desde la óptica de los modelos autorregresivos de Burg, brindan una aceptable relación señal a ruido (SNR). La estimación espectral sólo es posible para señales estacionarias. En ventanas de observación grandes se necesita ajustar los parámetros del método para obtener una buena resolución del espectro de frecuencia. Un modelo con un

25 orden de 16 y una SNR dada de una secuencia R-R con una ventana de observación de 60 segundos (SNR=15) produce una resolución de 0.003Hz, lo cual satisface los límites de las bajas frecuencias. Incluso con una ventana de 30 segundos se preserva la resolución tanto para las bajas (LF) como las altas frecuencias (HF) Error! No se encuentra el origen de la referencia.. 3.6. Segmentos estacionarios usando el Algoritmo de Bernola-galván. Es importante señalar que todos los índices tradicionales de la VFC asumen la estacionariedad débil en los datos. Si en una ventana de observación existen grandes cambios en la media y la varianza, los parámetros de la VFC no son confiables. Aunque es común utilizar una función que elimina las tendencias lineales o parabólicas, esto no remueve ningún cambio en varianza y mantiene la no estacionariedad de la señal. Una manera conveniente de tratar con estas no estacionariedades es segmentar la serie R-R en trozos estacionarios y analizar cada segmento por separado. Bernola-galván, propusieron un interesante método para dividir la serie R-R no estacionaria en segmentos estacionarios Error! No se encuentra el origen de la referencia.. Se mueve un puntero sobre toda la secuencia de tiempo desde la parte izquierda a la derecha a lo largo de la serie. Se computa la media estadística del sub conjunto de las muestras de la señal a la izquierda y derecha del puntero. Para dos muestras de una distribución aleatoria, la significancia estadística de la diferencia de las dos muestras viene dada por la prueba t-test Error! No se encuentra el origen de la referencia.. Las ecuaciones 1 y 2 describen el funcionamiento del algoritmo. t y 1 2 S D Ec. 1 S D 1 1 2 2 2 2 1 1 1 2 1 2 1 1 N s N s 2 N N N N 1 2 1 2 Ec. 2 Donde µ1, µ2 son las medias aritméticas a la izquierda y derecha del puntero respectivamente. s1, s2 la desviación estándar y N1, N2 el número de puntos en las dos

26 muestras. Luego se determina la posición del puntero para el cual t alcanza su máximo valor y se computa la significancia estadística P(t max ) de ese t. P tmax 1 I v, v 2 v tmax Ec. 3 Donde 4.19ln N 11.54 y 0.40 valores obtenidos de la simulación de Monte Carlo Error! No se encuentra el origen de la referencia.. En la figura 14 se muestra los posibles puntos de corte para formar segmentos estacionarios de una serie R-R. 1000 800 600 400 200 0 500 1000 1500 2000 2500 60 40 20 0 0 500 1000 1500 2000 2500 Figura 14. En la parte superior Serie R-R de una prueba de esfuerzo en la parte inferior se grafica las t versus los latidos. 3.7. Conclusión En este capítulo se describe la manera de abordar el análisis de la variabilidad de la frecuencia cardiaca, en un caso interesante como son las pruebas de esfuerzo. Dichas pruebas provienen de una base de datos con miras a estudiar la neuropatía diabética autonómica. El análisis espectral se enfoca desde los métodos autorregresivos y no desde la óptica de la transformada de Fourier, con el fin de obtener mejor resolución. Se presenta los problemas involucrados en el análisis de la VFC y sus posibles soluciones. Cabe destacar el problema de la estacionariedad, el cual es afrontado con rigor. Sólo bajo condiciones de estacionariedad es

27 posible un análisis de la VFC. La segmentación propuesta por Bernola-Galván, es apropiada para establecer ventanas estacionarias para realizar el estudio propuesto.

28 CAPÍTULO IV METODOLOGÍA A continuación, se presenta la metodología utilizada para el estudio de la Variabilidad de Frecuencia Cardiaca de los registros ECG de la base de datos DICARDIA. La misma se resume en tres bloques presentados en la figura 15. Figura 15. Metodología empleada. En el primer bloque se realiza todo lo referente al pre-procesamiento de la señal, es decir se adecua para el estudio de la variabilidad de la frecuencia cardiaca, lo que incluye, detección QRS, filtrado, remuestreo e interpolación. En el segundo se calculan los parámetros temporales y frecuenciales. Por último se realizan pruebas ANOVA y multifactorial sobre los parámetros de la VFC. Cada uno de estas fases se explica en detalle a continuación. 4.1. Extracción de segmentos estacionario En este bloque se desarrollaron 4 fases; extracción de la secuencia R-R, eliminación de falsas detecciones, remuestreo e interpolación y segmentación de la secuencia. Para la extracción de las secuencias R-R de las 8 derivaciones de cada uno de los sujetos. Esto se hizo utilizando un algoritmo para extraer la serie R-R. Este algoritmo originalmente fue desarrollado por Pan y Tompkins [45] y modificado en un proyecto Open

29 Source ECG Analysis [46]. Este algoritmo implementado por investigadores del GBBA filtra la señal del ECG para estimar la potencia local del ancho de banda del complejo QRS. Como lo muestra la figura 16. Los filtros que aquí se utilizan se basan en promedios de ventanas móviles, la adaptación a las diferentes frecuencias de muestreo se logra cambiando las muestras de la ventana. Se usa a demás un rectificador y una ventana de promedio de 80ms. Luego de detectar picos en el ECG se toma la decisión con base a ciertas reglas; se ignoran picos antes o después de 200ms de una detección, si ocurre un pico se examina que sea debido al cambio de pendiente, sino es sólo producido por la línea de base, que el pico sea mayor que un umbral QRS de lo contrario se considera ruido. El umbral se inicia entre la media y la mediana del pico del ruido y del complejo QRS. Luego se escogió la serie R-R que presentó menos artefactos debido a ruidos del ECG y latidos ectópicos. Para ello se tiene en cuenta la derivación del ECG que arroje menos falsas detecciones escogiéndola de forma visual.. Figura 16. Algoritmo para detectar QRS [43]

30 4.1.1. Procesamiento de las series R-R. Con el fin de analizar la detección de los latidos sinusales normales, es necesario eliminar los artefactos: latidos ectópicos y no detecciones. La eliminación de las no linealidades en la señal R-R, se realiza utilizando la técnica de Kaplan descrita en la sección 3.1. El procesamiento de las series también incluye un remuestreo uniforme a 2 Hz y una interpolación con la función splines cúbica. [47] de esta forma se obtiene una series uniformemente muestreadas para realizar la estimación espectral de forma apropiada. 4.1.2. Segmentación las series R-R. De la misma manera que se hace necesario remuestrear uniformemente e interpolar, es necesario estimar trozos estacionarios. Para ello se procede a dividir la serie R-R no estacionaria en segmentos estacionarios. Esto se hizo implementando el algoritmo de Bernolagalván. Ajustando los parámetros a ventanas de 50, 100 y 150 muestras, es decir, 25, 50 y 75 segundos. Siguiendo recomendaciones de Ng [40], se escogió una ventana entre 60 y 90 segundos, la de 75 segundos. Esta ventana presenta una buena relación entre la resolución espectral y la duración de la observación para evaluar la respuesta del SNA. Después de esto se escogieron como se muestra en la figura 15, cinco segmentos; Segmento I: Reposo Segmento II: Esfuerzo moderado Segmento III: Esfuerzo máximo Segmento IV: Recuperación temprana Segmento V: Recuperación La segmentación fue útil también para descartar algunos registros que no completaron el protocolo de Bruce y por lo tanto no se pudo obtener los cinco segmentos claramente diferenciados como en los registros que si completaron el protocolo. Ver figura 17. Los segmentos escogidos para el estudio de la VFC fueron cinco, adaptando el protocolo de Wong [48] quien obtuvo resultados interesantes al estudiar la serie R-R en las diferentes etapas del esfuerzo.

31 Figura 17. Segmentos Escogidos. Reposo, esfuerzomoderado, esfuerzo máximo, recuperación temprana y recuperación 4.2. Variabilidad de la frecuencia cardiaca. Se calcularon los parámetros en el dominio del tiempo; el valor de la media de la serie R-R, la desviación estándar y el valor RMS de la desviación estándar y de la frecuencia; las bajas frecuencias LF, las altas frecuencias HF, la relación LF/HF y LF/(HF+LF),para cada uno de los cinco segmentos de cada sujeto. Para realizar el cálculo de los parámetros frecuenciales se utiliza la estimación espectral. Se escogió el método paramétrico de Burg con un orden de modelo 16 para todas las señales siguiendo recomendaciones de trabajos anteriores [49]. 4.3. Análisis Estadístico. Con el fin de determinar similitudes y/o diferencias entre los grupos, los segmentos y los sujetos, se realizaron análisis monovariable y multivariables. Para el estudio monovariable se empleo el análisis de varianza Anova. Para el análisis factorial se realizaron dos Análisis

32 Factoriales Múltiples (AFM) y un Análisis en Componenentes Principales. Un primer AFM global que incluye los segmentos cinco segmentos y el segundo analizado los segmentos de esfuerzo-recuperación. Para el segmento de reposo se realizó un ACP. Todos los análisis estadísticos se hicieron con todos los registros, con el mismo número de parámetros de la VFC. 4.4. Conclusión En este e capítulo se describió la metodología empleada en la obtención de las series R-R, la cual representa la variabilidad de la frecuencia cardiaca vista desde el nodo sinusal. De igual forma se planteó el pre-procesamiento de la serie R-R. El capitulo finaliza con la explicación del análisis estadístico propuesto. En el capítulo siguiente se realizará la descripción de las series R-R, así como la segmentación necesaria para el estudio de la VFC, luego analizar los resultados del análisis monovariable y AFM de la VFC con miras a analizar la NAC en pacientes diabéticos.

33 CAPÍTULO V ANÁLISIS DE RESULTADOS En este capítulo se presentan los resultados obtenidos, así como el análisis de los mismos. En primer lugar se describen los resultados de la extracción de segmentos R-R estacionarios de la Prueba de esfuerzo. Luego se reportan los registros que fueron procesados, para posteriormente pasar a analizar la longitud de las ventanas de estacionariedad y la escogencia de las mismas. Luego se muestran los resultados del análisis espectral se reportan y analizan los parámetros temporales y frecuenciales, para cada uno de los cinco segmentos estacionarios de los registros. Finalmente se realizan los análisis estadísticos mono y multivariables de loa diferentes grupos y segmentos. 5.1 Extracción de las series R-R Los registros ECG de DICARDIA, se almacenaron en matrices para ser procesadas usando el programa Matlab. En la figura 18, se muestran 6 segundos de las 8 derivaciones. Las series R-R fueron extraídas para cada una de las 8 derivaciones. Las series R-R de algunas derivaciones presentaron una cantidad de artefactos considerables, por ello se escogió una serie R-R mediante una comprobación visual. Por ejemplo, en las figuras 19 y 20 se muestran las ocho derivaciones para un sujeto de control ECG 15. En la figura 19 observa que las I y V1, están llenas de no detecciones y no muestran una serie R-R característica de las pruebas de esfuerzo. Para este registro se tomo la derivación V5, ya que presenta menor cantidad de artefactos.

V6 V5 V4 V3 V2 V1 II I 34 200 0-200 10 11 12 13 14 15 16 500 0-500 10 11 12 13 14 15 16 200 0-200 10 11 12 13 14 15 16 200 0-200 10 11 12 13 14 15 16 500 0-500 10 11 12 13 14 15 16 500 0-500 10 11 12 13 14 15 16 500 0-500 10 11 12 13 14 15 16 200 0-200 10 11 12 13 14 15 16 sec Figura 18. Grafica de todas las derivaciones de un sujeto control ECG 15 de la base de datos DICARDIA.

Figura 19. Serie R-R para las primeras 4 derivaciones para el Sujeto ECG 15. 35

36 Figura 20. Series R-R de las derivaciones V3, V4, V5 y V6 para el Sujeto ECG 15. En algunos registros no fue posible obtener una serie R-R aceptable para el estudio de la VFC, tal como se muestra en las figuras 21 y 22. Aunque en la figura 21 la serie R-R para la derivación V2, se observa una forma de onda aceptable, para el segmento de reposo no fue posible eliminar considerablemente los artefactos.

Figura 21. Ejemplo de series R-R con artefactos. 37

38 Figura 22. Ejemplos de Series R-R con problemas de no detecciones. Luego de extraer las series para cada registro de la base de datos se escogió la derivación con menos cantidad de artefactos. La derivación precordial V4 fue la que presentó mejores características tal como se reporta en la tabla 7. Tabla 7. Porcentaje de las derivaciones escogidas para el estudio de la VFC. Derivación V2 V3 V4 V5 V6 Total 4 7 8 7 4 Porcentaje (%) 13.3 23.3 26.6 23.3 13.3

39 5.2 Procesamiento de las series R-R Las series R-R fueron procesadas utilizando el algoritmo de Kaplan, para eliminar los artefactos de las series productos de no detecciones, ruido y latidos ectópicos. En la figura 23, se muestra un ejemplo de este filtrado, la eliminación de impulsos en la serie R-R debido a diversos artefactos en la señal. En algunos casos fue necesario aplicar el método de Kaplan dos veces y aún así se conservan artefactos tal como se muestra en la figura 24. 1400 1200 1000 800 600 400 0 200 400 600 800 1000 1200 1400 1600 1800 1400 1200 1000 800 600 400 0 200 400 600 800 1000 1200 1400 1600 1800 Figura. 23. Ejemplo de eliminación de artefactos usando el método de Kaplan.

ms ms 40 1200 1000 800 600 400 200 0 500 1000 1500 2000 2500 N de latidos 1200 1000 800 600 400 0 500 1000 1500 2000 2500 N de latidos Figura. 24. Ejemplo de Eliminación de Extrasístoles usando el método de Kaplan dos veces sobre la serie. 5.3 Segmentación de las series R-R, Con el algoritmo de segmentación Bernola-galvan se tiene la posibilidad de escoger ventanas de diferente longitud. Se escogió una ventana de 75 segundos, luego de hacer pruebas con ventanas de 25 segundos y 50 segundos. En la figura 25 se muestra resultados para una ventana de 25 segundos.

41 Figura 25. segmentación usando una ventana de 25 segundos. En la figura 26 se muestra una serie segmentada con ventanas de 50 segundos. En la figura 27 se muestra dos registro segmentados con la ventana propuesta de 75 segundos Figura 26. Segmentación usando una ventana de 50 segundos.