dc.contributor |
Vallverdú Ferrer, Montserrat |
dc.contributor.author |
Jové Sabaté, Jordi |
dc.date |
2005-06-22 |
dc.identifier.uri |
http://hdl.handle.net/2099.1/4925 |
dc.language.iso |
cat |
dc.publisher |
Universitat Politècnica de Catalunya |
dc.rights |
Attribution-NonCommercial-NoDerivs 2.5 Spain |
dc.rights |
info:eu-repo/semantics/openAccess |
dc.rights |
http://creativecommons.org/licenses/by-nc-nd/2.5/es/ |
dc.subject |
Àrees temàtiques de la UPC::Enginyeria mecànica::Mecànica::Dinàmica |
dc.subject |
Dynamics |
dc.subject |
Dinàmica |
dc.title |
Anàlisi del comportament de la dinàmica no lineal del ritme cardíac |
dc.type |
info:eu-repo/semantics/bachelorThesis |
dc.description.abstract |
L’anàlisi de la variabilitat del ritme cardíac (VRC) o Heart Rate Variability (HRV) proporciona
informació important sobre el funcionament del sistema cardiovascular. L’objectiu d’aquest
treball és millorar el coneixement del comportament de la VRC, mitjançant l’aplicació de
tècniques d’anàlisi no lineal, definint característiques que classifiquin els pacients segons el seu
senyal electrocardiografic.
Per assolir l’objectiu s’han aplicat tres tècniques d’anàlisi de la dinàmica no lineal de la
variabilitat del ritme cardiac, que ja s’ha demostrat tenen un bon nivell de significació pel que fa
a la capacitat de distingir pacients amb risc de mort sobtada, per a determinades malalties
cardíaques:
1. regressió bi-logarítmica de la densitat espectral de potència (“power-law slope”, β);
2. funció de fluctuació mitjana (“mean fluctuation function”, F(n));
3. anàlisi de fluctuacions sense tendències (“detrended fluctuation analysis”, DFA).
Aquestes tècniques les aplicarem a senyals ECG de la base de dades MUSIC2, que conté
registres Holter de 24 hores de malalts amb diverses malalties cardíaques, tot i que només
utilitzarem els 10000 primers batecs del període corresponent a la nit. Utilitzant aquest període
evitem els artefactes que produeixen els moviments musculars així com altres factors.
Mitjançant l’anàlisi estadística de totes les dades obtingudes després de l’aplicació de cada
tècnica sobre cada bases de dades s’ha demostrat la capacitat de distingir entre subgrups de
pacients per a la base de dades MUSIC2, segons diferents criteris de discriminació. Aquest fet
indica l’existència d’un comportament diferent de la VRC depenent de les característiques de
cada pacient. |