Show simple item record

Signal Processing and Non-parametric Statistics for ECG Long-Term Monitoring: Application to Heart Rate Variability, Atrial Fibrillation and T-Wave Alternans

dc.contributor.authorGoya Esteban, Rebeca
dc.date.accessioned2014-07-21T10:51:44Z
dc.date.available2014-07-21T10:51:44Z
dc.date.issued2014
dc.identifier.urihttp://hdl.handle.net/10115/12486
dc.descriptionTesis Doctoral leída en la Universidad Rey Juan Carlos de Madrid en 2014. Directores de la Tesis: José Luis Rojo Álvarez y Antonio J. Caamaño Fernándezes
dc.description.abstractEl electrocardiograma (ECG) es una herramienta de diagnóstico, de carácter no invasivo, esencial en la práctica clínica. Los registros de ECG de corta duración son muy habituales en las rutinas clínicas. Sin embargo, en los últimos años se está evaluando, de forma intensiva, la necesidad de la monitorización prolongada. No sólo el progresivo envejecimiento de la población conlleva nuevas necesidades de monitorización, si no que el aumento de las capacidades, tanto de cómputo como de almacenamiento, de los dispositivos clínicos brindan un nuevo escenario de monitorización prolongada. Durante las últimas décadas se ha propuesto un amplio conjunto de índices con el objetivo de evaluar el estado cardiovascular a partir del ECG, tales como la variabilidad de frecuencia cardíaca (VFC), la turbulencia del ciclo cardíaco (TCC) y la alternancia de la onda T (AOT) entre otros. La finalidad es utilizar estos índices para realizar estratificación de riesgo de pacientes. Sin embargo, los fundamentos fisiológicos y patológicos de muchos de ellos continúan sin estar claros, por lo que la investigación en este área sigue siendo hoy en día muy activa. Además, el cálculo e interpretación de estos índices en el nuevo escenario que representa la monitorización prolongada no es directo. Por lo tanto, existe una necesidad patente de reevaluar la utilidad clínica y el significado de estos índices en el marco de la monitorización prolongada. El objetivo de esta Tesis es desarrollar herramientas que permitan mejorar el análisis de la monitorización prolongada de datos cardíacos. Para este propósito se desarrollan técnicas de procesado de señal y se diseñan procedimientos estadísticos no paramétricos en áreas de aplicación específicas. En primer lugar, esta Disertación presenta un método ritmométrico automático para extraer las componentes infradianas, circadianas y ultradianas de una señal. En los métodos convencionales que evaluan los patrones ritmométricos de una señal, los ritmos de interés son normalmente fijados a priori. El método que se presenta aquí se apoya en un test de hipótesis, basado en remuestreo bootstrap, para construir un modelo ritmométrico para cada paciente, seleccionando automáticamente las componentes espectrales relevantes de cada señal. Este método ritmométrico se aplica en esta Tesis para estudiar, por primera vez de forma poblacional, la evolución durante 7 días de índices lineales y no lineales de VFC en una base de datos de pacientes con insuficiencia cardíaca (IC). Los resultados de este estudio muestran que en pacientes con IC no sólo la componente circadiana, sino también las componentes infradianas y utltradianas, son significativas. Este hecho evidencia que los ritmos infradianos afectan al estado del sistema nervioso autónomo (SNA). Las componentes infradianas de la VFC pueden ser de interés clínico ya que podrían ser utilizadas para determinar el nivel de descompensación de la IC y el efecto de suministrar tratamiento farmacológico a esos pacientes. Además, la presencia de ritmos infradianos sugiere que 24 horas podrían no ser suficientemente informativas para estimar de forma precisa los índices de VFC. En segundo lugar, se lleva a cabo un análisis ritmométrico en un escenario diferente, estudiando por primera vez las propiedades a largo plazo de la fibrilación auricular (FA) crónica en registros de 7 días. El análisis se realiza por medio de parámetros ampliamente utilizados, como la frecuencia e índices de irregularidad, y también mediante un parámetro temporal novel (r3) que se propone en este trabajo. Este parámetro se basa en el análisis de componentes principales y pretende caracterizar la morfología de las ondas f en la señal de FA. Dado que representa la varianza de las tres primeras componentes principales, la influencia del ruido se ve considerablemente reducida, y por lo tanto es adecuado para el análisis de los registros de ECG de larga duración típicamente ruidosos. Los resultados de este estudio muestran que los parámetros estudiados varían considerablemente con el tiempo y que reflejan aspectos complementarios de la señal de FA. Se detectaron ritmos circadianos e infradianos en la mayoría de los pacientes, y reflejados en diferentes aspectos, tales como morfología, parámetros temporales y parámetros espectrales, lo cual representa información adicional sobre el hecho que los mecanismos de la FA crónica están relacionados con el equilibrio fisiológico de los pacientes y los mecanismos de regulación a largo plazo del sistema cardiovascular. En la extensa literatura científica sobre índices de estratificación de riesgo se describen múltiples opciones de procesado para acondicionar las señales antes de realizar el cálculo de los índices, siendo el resultado de estos índices altamente dependiente del procesado de señal previo. Hasta la fecha no existe un procedimiento sistemático que permita determinar los bloques de procesado de señal relevantes y el ajuste de sus parámetros libres, a través de criterios estadísticos. Finalmente, en esta Tesis se desarrolla una nueva metodología para optimizar el funcionamiento final de un sistema en términos de sus opciones de procesado de señal. Esta metodología se apoya en un conjunto de estadísticos de decisión y un test de hipótesis basado en remuestreo bootstrap, y se aplica aquí para optimizar el funcionamiento final de sistemas de análisis de la AOT. Por un lado, un conjunto de señales semi-sintéticas con actividad de AOT conocida proporciona una referencia que permite cuantificar las diferencias de las diversas opciones de procesado. Por otro lado, la metodología se aplica también a dos conjuntos de registros de ECG públicos de 24 horas. Los resultados en señales semi-sintéticas muestran que, después del procedimiento de optimización, los errores de estimación de la AOT se reducen significativamente. Los resultados en ECGs reales muestran que el ajuste apropiado de algunas opciones de procesado da lugar a una mayor separación, en términos estadísticos, entre dos poblaciones de pacientes con diferente grado de riesgo de muerte súbita cardíaca documentada. Una implicación clínica directa es que, cuando se realizan ensayos clínicos y para un método de análisis específico para cada aplicación, una optimización del procesado de señal previo puede mejorar sustancialmente el funcionamiento del sistema. El análisis a largo plazo de señales cardíacas probablemente va a convertirse en un futuro cercano en un área investigación muy activa, ya sea a partir de Holter de larga duración, o de dispositivos implantables, o de otro tipo de fuentes. La contribución principal de este trabajo ha sido el desarrollo de herramientas capaces de manejar este nuevo tipo de series de largo plazo.es
dc.language.isoenges
dc.publisherUniversidad Rey Juan Carloses
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.subjectTelecomunicacioneses
dc.subjectSaludes
dc.titleSignal Processing and Non-parametric Statistics for ECG Long-Term Monitoring: Application to Heart Rate Variability, Atrial Fibrillation and T-Wave Alternanses
dc.typeinfo:eu-repo/semantics/doctoralThesises
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.subject.unesco3325 Tecnología de las Telecomunicacioneses
dc.description.departamentoTeoría de la Señal y Comunicaciones


Files in this item

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 EspañaExcept where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España