1. Inicio
  2. Atrás
Título: Pronóstico de episodios agudos hipotensos a través de análisis de variabilidad de frecuencia cardiaca
Autores: MAURICIO HENAO GARCIA
Fecha: 2014-05
Publicador: INAOE
Fuente:
Tipo: info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/acceptedVersion
Tema: info:eu-repo/classification/Electrocardiografía/Electrocardiography
info:eu-repo/classification/Medición biomédica/Biomedical measurement
info:eu-repo/classification/Teoría de filtrado/Filtering theory
info:eu-repo/classification/Procesamiento de señales/Signal processing
info:eu-repo/classification/cti/1
info:eu-repo/classification/cti/22
info:eu-repo/classification/cti/2203
Descripción: La hipotensión aguda, como patología que ha sido centro de atención en los últimos años por las graves consecuencias que puede generar en la salud humana, es estudiada para su pronóstico. Se propone la aplicación de un método para la predicción de los episodios agudos hipotensos (EAH) en pacientes en unidades de cuidados intensivos a través de análisis de variabilidad de frecuencia cardíaca (VFC) de señales de electrocardiograma (ECG). Los registros son tomados de la base de datos de PhysioNet disponible en internet con acceso libre para fines científicos y académicos. Para las señales de ECG se realiza un pre-procesamiento que consiste en el filtrado de ruido, corrimiento de línea de base y línea de potencia. Posteriormente se genera una señal de ritmo cardiaco a partir de la detección de los picos R aplicando los algoritmos de Pan-Tompkins. El espectro del tacograma es estimado a través de la técnica de Lomb para señales irregularmente muestreadas y de esta forma son obtenidos los índices de VFC. Se evalúan los índices derivados de la VFC como lo son los de VLF(Muy Baja Frecuencia), LF(Baja Frecuencia), HF(Alta Frecuencia) y la razón LF/HF(Baja Frecuencia/ Alta Frecuencia) como predictores para este tipo de patología. Se analizan los parámetros del área bajo la curva, sensibilidad y especificidad utilizando las curvas Receiving Operating Characteristic(ROC) que logran determinar un umbral de decisión adecuado para discriminar entre los pacientes propensos y los que no son propensos. Los algoritmos son implementados en Matlab®.
Idioma: spa