Diagnóstico de la dinámica cardiaca mediante proporciones de la entropía
Resumen
Introducción: Los valores de la frecuencia cardiaca normales y anormales registrados en los equipos electrocardiográficos ambulatorios o continuos han sido caracterizados mediante nuevas metodologías diagnósticas, las cuales se han desarrollado en el contexto de la teoría de los sistemas dinámicos y la entropía.
Objetivo: Evaluar la dinámica cardiaca de adultos, teniendo en cuenta su comportamiento en el contexto de la teoría de sistemas dinámicos y las proporciones de la entropía mediante un estudio ciego.
Métodos: Se realizó una prueba diagnóstica mediante un estudio ciego de 500 Holter, aplicando una nueva metodología basada en las proporciones de la entropía del atractor numérico construido con los valores registrados en el Holter. Para esto, los valores máximos y mínimos de la frecuencia cardiaca para cada hora, así como el número de latidos, fueron tomados de cada Holter durante, mínimo, 18 horas. Con estos valores se generó un atractor numérico que cuantificó la probabilidad de parejas de frecuencias cardiacas consecutivas. Se evaluó cada dinámica a partir de los valores de entropía y de sus proporciones. Posteriormente, estos resultados fueron comparados con la evaluación clínica convencional estimando la sensibilidad y especificidad, así como el coeficiente Kappa.
Resultados: Se encontraron diferencias entre la dinámica de casos normales y anormales, en las dinámicas cardiacas evaluadas en 18 horas, hallando valores de sensibilidad y especificidad del 100 % y coeficiente Kappa de uno, respecto al diagnóstico clínico convencional.
Conclusiones: Los valores de entropía y de sus proporciones permiten diferenciar cuantitativamente la normalidad de la enfermedad en la dinámica cardiaca, durante un mínimo de 18 horas.
Palabras clave
Referencias
Devaney R. A first course in chaotic dynamical systems theory and experiments. Reading Mass: Addison- Wesley; 1992.
Feynman R, Leighton R, Sands M. Leyes de Newton de la Dinámica. En: Feynman R, Leighton R, Sands M. Física. Wilmington: Addison-Wesley Iberoamericana, S. A. México; 1998. vol. 3 p. 1-14.
Calabrese JL. Ampliando las fronteras del reduccionismo. Deducción y sistemas no lineales. Psicoanálisis APdeBA. 1999;21(3):431-53.
Feynman RP, Leighton RB, Sands M. Probabilidad. En: Física. Feynman R, Leighton R, Sands M. Física. Wilmington: Addison-Wesley Iberoamericana, S. A. México; 1998. vol. 1 p. 1-16.
Shore JE. Relative Entropy, Probabilistic Inference and AI. Machine Intelligence and Pattern Recognition. 1986;4:211-5.
Frodden E, Royo J. Entropía e información. Seminario final del curso de Termodinámica. Universidad de Chile, Facultad de Ciencias, Depto. de Física; 2004.
Tolman R. Principles of statistical mechanics. New York: Dover Publications; 1979.
Mayer C, Bachler M, Hörtenhuber M, Stocker C, Holzinger A, Wassertheurer S. Selection of entropy-measure parameters for knowledge discovery in heart rate variability data. BMC Bioinformatics. 2014;15(Suppl 6):S2.
ChuDuc H, Nguyen K, Dung P, Viet N. A Review of Heart Rate Variability and its Applications. APCBEE Procedia. 2013;7:80-5.
Hagmair S, Braunisch MC, Bachler M, Schmaderer C, Hasenau AL, Bauer A, et al. Implementation and verification of an enhanced algorithm for the automatic computation of RR-interval series derived from 24 h 12-lead ECGs. Physiol Meas. 2017;38(1):1-14.
Pincus SM. Assessing serial irregularity and its implications for health. Annals of the New York Academy of Sciences. 2001;954:245-67.
Hornero R, Aboy M, Abasolo D, McNames J, Goldstein B. Interpretation of approximate entropy: analysis of intracranial pressure approximate entropy during acute intracranial hypertension. IEEE Trans Biomed Eng. 2005;52(10):1671-80.
Pincus SM. Approximate entropy as a measure of system complexity. Proc Natl Acad Sci USA. 1991;88(6):2297-2301.
Rodríguez J, Prieto S, Ramírez L. A novel heart rate attractor for the prediction of cardiovascular disease. Informatics in medicine. 2019;15(100174):1-9.
Rodríguez J, Prieto S, Bernal P, Izasa D, Salazar G, Correa C, et al. Entropía proporcional aplicada a la evolución de la dinámica cardiaca. Predicciones de aplicación clínica. En: Rodríguez LG, coord. La emergencia de los enfoques de la complejidad en América Latina: desafíos, contribuciones y compromisos para abordar los problemas complejos del siglo XXI. Buenos Aires: Comunidad Editora Latinoamericana; 2015. vol. I p. 315-44.
Rodríguez J, Sanchez M, Barrios F, Velasquez N, Mora J. Exponential law of cardiac dynamics for physical-mathematical evaluation in 16 h. Med Univ. 2017;19(77):159-65.
Rodríguez J, Prieto S, Dominguez D, Correa C, Melo M, Pardo J, et al. Application of the chaotic power law to cardiac dynamics in patients with arrhythmias. Rev. Fac. Med. 2014;62(4):539-46.
Rodríguez J, Prieto S, Correa C, Oliveros H, Soracipa Y, Méndez L, et al. Diagnóstico físico-matemático de la dinámica cardiaca a partir de sistemas dinámicos y geometría fractal: disminución del tiempo de evaluación de la dinámica cardiaca de 21 a 16 horas. Acta Colomb Cuid Intensivo. 2016;16(1):15-22.
Rodríguez J. Dynamical systems applied to dynamic variables of patients from the intensive care unit (ICU): Physical and mathematical mortality predictions on ICU. J. Med. Med. Sci. 2015;6(8):209-20.
Vandeput S, Verheyden B, Aubert AE, Van Huffel S. Nonlinear heart rate dynamics: Circadian profile and influence of age and gender. Medical Engineering & Physics. 2012;34(1):108-17.
Goldberger A, Amaral L, Hausdorff JM, Ivanov P, Peng Ch, Stanley HE. Fractal dynamics in physiology: alterations with disease and aging. PNAS. 2002;99:2466-72.
Huikuri HV, Mäkikallio TH, Peng Ch, Goldberger AL, Hintze U, Moller M. Fractal correlation properties of R-R interval dynamics and mortality in patients with depressed left ventricular function after an acute myocardial infartion. Circulation. 2000;101:47-53.
Perkiomaki J, Mäkikallio T, Huikuri H. Fractal and complexity measures of heart rate variability. Clinical and Experimental Hypertension. 2005;27(2-3):149-58.
Voss A, Schulz S, Schroeder R, Baumert M, Caminal P. Methods derived from nonlinear dynamics for analysing heart rate variability. Philosophical Transactions of Royal Society A. 2009;367(1887): 277-96.
Rodríguez J, Prieto S, Correa C, Mendoza F, Weisz G, Soracipa M, et al. Physical mathematical evaluation of the cardiac dynamic applying the Zipf – Mandelbrot law. Journal of Modern of Physics. 2015;6(13):1881-8.
Rodríguez J, Prieto S, Flórez M, Alarcón C, López R, Aguirre G, et al. Physical-mathematical diagnosis of cardiac dynamic on neonatal sepsis: predictions of clinical application. J. Med. Med. Sci. 2014;5(5):102-8.
Rodríguez J, Prieto S, Correa C, Bernal P, Puerta G, Vitery S, et al. Theoretical generalization of normal and sick coronary arteries with fractal dimensions and the arterial intrinsic mathematical harmony. BMC Medical Physics. 2010;10:1-6.
Prieto S, Rodríguez J, Correa C, Soracipa Y. Diagnosis of cervical cells based on fractal and Euclidian geometrical measurements: Intrinsic Geometric Cellular Organization. BMC Medical Physics 2014, 14(2):1-9.
Velásquez J, Prieto S, Catalina C, Dominguez D, Cardona DM, Melo M. Geometrical nuclear diagnosis and total paths of cervical cell evolution from normality to cancer. Journal of Cancer Research and Therapeutics. 2015;11(1): 98-104.
Rodríguez J, Prieto S, Pérez C, Correa C, Soracipa Y, Jattin J, et al. Predicción temporal de CD4+ en 80 pacientes con manejo antirretroviral a partir de valores de leucocitos. Infectio. 2020;24(2):103-7.
Rodríguez J. Spatio-temporal probabilistic prediction of appearance and duration of malaria outbreak in municipalities of Colombia. J. Phys. Conf. Ser. 2019;1160:1-7.
Rodríguez J, Bernal P, Prieto P, Correa C, Álvarez L, Pinilla L, et al. Predicción de unión de péptidos de Plasmodium falciparum al HLA clase II. Probabilidad, combinatoria y entropía aplicadas a las proteínas MSP-5 y MSP-6. Archivos de Alergia e Inmunología Clínica. 2013;44(1):7-14.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.