ciencias básicas e ingeniería licenciatura en ingeniería...

Ciencias Básicas e IngenieríaLicenciatura en Ingeniería Biomédica

Influencia de los movimientos fetales en loscomponentes de baja frecuencia de la

variabilidad de la frecuencia cardiaca fetal

Elsa Laura Hernández Villasana202319758

Asesores:

Juan Carlos Echeverría Arjonilla

Miguel Angel Peña Castillo

Laboratorio de Fenómenos Fisiológicos Perinatales

Julio 2007

I

ResumenEl objetivo de este proyecto es analizar la influencia de los movimientos fetales res-

piratorios y corporales sobre los componentes de baja frecuencia de la Variabilidad de laFrecuencia Cardiaca Fetal (VFCF).

La hipótesis planteada supone que los componentes de baja frecuencia se relacionancon los movimientos coporales fetales pero no se descarta una pequeña aportación de losmovimientos respiratorios del feto.

Se emplearon 24 registros de embarazos normales a término (de 36 a 40 semanasde gestación). Utilizando el método Descomposición de Modo Empírico (DME) [1] seanalizó la información de baja y alta frecuencia de la VFCF durante diferentes condicio-nes de actividad. Los componentes de baja y alta frecuencia de los registros fetales de laVariabilidad de la Frecuencia Cardiaca (VFC) fueron obtenidos aplicando DME y recons-truyendo las señales a partir de los componentes cuyas frecuencias correspondieran a lasbandas investigadas.

Posteriormente, se comparó la potencia obtenida en las distintas bandas para las ca-tegorias: movimientos fetales respiratorios, corporales, ambos y sin movimiento; de estamanera se observaron las diferencias entre las bandas y su posible aplicación para de-tectar alguno de estos tipos de movimiento, esperando encontrar alguna en la que losmovimientos corporales fetales obtuvieran una mayor potencia y por lo tanto que fuerarepresentativa de esta condición.

De los resultados obtenidos en este estudio, podemos concluir que la VFCF se ve afec-tada en la baja frecuencia por movimientos corporales que aumentan considerablementela potencia; mientras que la alta frecuencia es afectada por movimientos respiratorios quetambién aumentan la potencia.

Lo anterior respalda las suposiciones realizadas en la literatura médica sobre la VFC,reafirman los resultados obtenidos anteriormente para VFCF en altas frecuencias [2], ycoinciden con las relaciones que ya se tienen determinadas sobre la influencia de movi-mientos corporales y respiratorios en las altas y bajas frecuencias para los adultos[3].

Por ello, este estudio aporta evidencia que apoya nuestra hipótesis: los componentesde baja frecuencia de la VFCF son influenciados por la presencia de movimientos cor-porales (no sólo por actividad autonómica), y además encontramos que la influencia delos movimientos respiratorios sólo es evidente en los componentes de alta frecuencia, talcomo se sugería en la literatura médica[4].

Índice general

Resumen I

1. Introducción 11.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.2. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2. Metodología 52.1. Parámetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62.2. Clasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72.3. Análisis de datos . . . . . . . . . . . . . . . . . . . . . . . . . . 72.4. Resumen de Metodología . . . . . . . . . . . . . . . . . . . . . . 8

3. Resultados 93.1. Análisis con Gráficas de cajas . . . . . . . . . . . . . . . . . . . 103.2. Prueba de Wilcoxon . . . . . . . . . . . . . . . . . . . . . . . . . 183.3. Síntesis de resultados . . . . . . . . . . . . . . . . . . . . . . . . 22

4. Discusión y Conclusiones 234.1. Conclusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

A. DME 27

B. Principales funciones de Matlab utilizadas en la metodología 29B.1. DME . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29B.2. Determinación de componentes . . . . . . . . . . . . . . . . . . . 30B.3. Clasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32B.4. Análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

B.4.1. Prueba de Wilcoxon . . . . . . . . . . . . . . . . . . . . 34B.4.2. Prueba de T . . . . . . . . . . . . . . . . . . . . . . . . . 34

Notas. 35

III

Capítulo 1

Introducción

En la práctica clínica se tiene un amplio reconocimiento de que las altera-ciones en las fluctuaciones fisiológicas están asociadas a la presencia de algunaenfermedad, de ahí la importancia e interés en hacer investigaciones en este cam-po [5], [6], [7], [8].

La frecuencia cardiaca (FC) se define como los latidos del corazón por unidadde tiempo y se expresa normalmente en pulsaciones por minuto. La variabilidadde la frecuencia cardiaca (VFC) se refiere a la variación que ocurre en el intervalode tiempo entre latidos cardiacos consecutivos. Esta variación es resultado de lasinteracciones entre el sistema nervioso autónomo y el aparato cardiovascular. Di-chas interacciones funcionan como un lazo de control retroalimentado. El sistemanervioso central recibe diversos estímulos y utiliza al sistema nervioso autónomopara generar respuestas, que alteran la frecuencia cardiaca y otros parámetros ca-diovasculares [9].

El monitoreo de la frecuencia cardiaca fetal (FCF) es un método utilizado pa-ra observar la frecuencia y el ritmo de los látidos del corazón del feto. La FCFpromedio varía entre 110 y 160 latidos por minuto. Esta frecuencia puede cam-biar como respuesta del feto ante las condiciones intrauterinas. Una frecuencia opatrón cardiaco fetal anormal puede significar que el feto no obtiene suficienteoxígeno o que existen otro tipo de problemas [10]. El análisis de la FCF represen-ta una herramienta fundamental para revisar las condiciones fetales en el periodoantenatal y durante el trabajo de parto, siendo una ventaja el hecho de que es unaherramienta no invasiva [4].

El sufrimiento fetal ocurre por muchas razones y aparece durante varias eta-pas del embarazo con diferentes grados de severidad y síntomas. En general, secaracteriza por la disminución de oxigenación en la circulación fetal [3].

1

2

Entre las 30-35 semanas de gestación, en fetos que presentan sufrimiento, losmecanismos de regulación neuronal no muestran aún una clara manifestación, pe-ro la prevalencia de periodos con fluctuaciones reducidas en la FCF puede ser unindicador del incremento en las condiciones de sufrimiento [3].

La FCF se determina a partir de la interacción dinámica de los reflejos car-diovasculares y la presencia de variabilidad se asocia a una respuesta o desarrolloadecuado del sistema nervioso autónomo fetal [11].

Los cambios en los patrones de interconexión (conectividad) y los patrones devariación en el tiempo (variabilidad) contienen información valiosa sobre el es-tado de este sistema en su conjunto [5]. Además, la variabilidad de la frecuenciacardiaca fetal (VFCF) parece ser el mejor parámetro en el periodo antenatal paraevaluar el bienestar fetal [12].

El monitoreo fetal anteparto basado en la cardiotocografía (CTG)* es unaherramienta no invasiva y simple para revisar el estado fetal. Algunos autoresconsideran que su introducción en la práctica clínica ha reducido la ocurrencia deproblemas fetales [4].

Las mediciones de las fluctuaciones en la FC y su análisis parecen propor-cionan una herramienta cuantitativa para evaluar el control causado por las ramassimpática y parasimpática del Sistema Nervioso Autónomo (SNA). Lo que repre-senta un método poderoso para establecer el desarrollo del sistema nervioso delfeto durante el último periodo de embarazo, comenzando desde la semana 25 degestación [4].

Anteriormente se han demarcado bandas de alta y baja frecuencia en los com-ponentes de la VFCF [4], quedando determinadas de la siguiente manera:

Muy Baja Frecuencia (0-0.03 Hz )Se relaciona con largos periodos y contribuciones no lineales.

Baja Frecuencia (0.03-0.15 Hz)Se asocia principalmente con actividad simpática neural, aunque también laactividad parasimpática está presente.

Frecuencia de Movimiento (0.15-0.5 Hz)*CTG, La cardiotocografía o monitoreo cardíaco uterino fetal le permite al médico vigilar el

patrón temporal en los latidos cardiacos fetales, bajo diferentes condiciones, incluyendo el partoactivo y su relación con la actividad uterina.

3

Depende de los movimientos fetales y respiración materna.

Alta Frecuencia (0.5-1 Hz)Marca la presencia de respiración fetal.

Estas bandas se encuentran establecidas en la literatura médica, así como larelación que existe entre la presencia de componentes espectrales y la actividaddel sistema de control cardiovascular [4].

Además, para cada banda se ha relacionado un tipo de movimiento, para labanda de alta frecuencia se ha asociado un incremento en la potencia debido amovimientos respiratorios; mientras que para la de baja frecuencia, este incre-mento se asocia a la presencia de movimientos corporales fetales. Aclarando quelas relaciones mencionadas se basan en la literatura médica [2], [8], [13], [14].

La presencia de componentes de alta y baja frecuencia en la VFC sugieren quedichos componentes se puedan relacionar con el desarrollo de las ramas simpáticay parasimpática del sistema nervioso, mismas que son afectadas en su actividadpor movimientos respiratorios y corporales. En este estudio se quería observar lainfluencia que tienen los movimientos corporales y respiratorios sobre los compo-nentes de la VFCF.

Debido a la naturaleza no estacionaria de la variabilidad de la frecuencia car-diaca (VFC), en este proyecto de investigación se utilizó el método DME**[3].

**Descomposición de Modo Empírico, ver Apéndice A

4

1.1. ObjetivoAnalizar la influencia de los Movimientos Respiratorios Fetales (MRF) y los

Movimientos Corporales Fetales (MCF) en los componentes de baja frecuenciade la Variabilidad de la Frecuencia Cardiaca Fetal (VFCF) en fetos a término (en-tre 36 y 40 semanas de gestación), utilizando Descomposición de Modo Empírico(DME).

1.2. HipótesisLos componentes de baja frecuencia de la VFCF están relacionados con la

presencia de movimientos corporales del feto, pero además podrían estar influen-ciados por los movimientos respiratorios fetales.

La utilidad de este proyecto es determinar qué bandas de frecuencia podríanser asociadas a la presencia de movimientos respiratorios y corporales, medianteesta detección se podría evaluar en un futuro el desarrollo fetal mediante estatécnica no invasiva.

Capítulo 2

Metodología

Previamente a esta investigación, se obtuvieron 24 registros abdominales deECG* de trece mujeres embarazadas (24 ± 3 años) con edades de gestación entre36 y 40 semanas, bajo factores de riesgo medios. Además, los movimientos corpo-rales y respiratorios fetales fueron observados simultáneamente usando imágenesde ultrasonido en modo B para así generar indicadores temporales de cada tipo demovimiento. Todos los registros fueron realizados entre 8:30 y 10:30 horas.

Una vez obtenidos los CTGs** y los indicadores de movimiento (que se te-nían registrados como antecedente de este proyecto)[2], se procesaron las señalesde CTG descomponiéndolas mediante DME y reconstruyendo la señal con loscomponentes cuyas frecuencias estaban dentro de las bandas de frecuencia porestudiar. (Ver sección 2.1)

Al obtener la señal reconstruida de cada registro, se comparó ésta con los indi-cadores temporales de movimiento presentes en ventanas de análisis de 5 segun-dos y con una reactividad de 15 segundos (Ver sección 2.1) a partir de la apariciónde los movimientos, dicha clasificación incluyó:

Episodios con movimientos corporales y respiratorios. (Ambos)

Episodios con movimientos respiratorios y sin corporales. (Mrf)

Episodios con movimientos corporales y sin respiratorios. (Mcf)

Episodios sin ninguno de los dos movimientos. (Nada)

Posteriormente se obtuvo la potencia de las bandas reconstruidas para cadaclasificación, primero para cada paciente y después se determinó la potencia me-diana de todos los registros de cada clasificación. Además se realizó una prueba

*ECG, El electrocardiograma es un registro de la actividad eléctrica del corazón.**CTG, Cardiotocografía o series de fluctuaciones de la frecuencia cardiaca.

5

6

de Wilcoxon de signo y un análisis de cajas para comprobar las diferencias esta-dísticas globales entre cada uno de los casos. Se utilizaron estos métodos debidoa que se asumió una distribución no normal.

2.1. ParámetrosDentro de los algoritmos empleados para realizar la clasificación de los datos,

utilizamos la siguiente determinación aproximada del intervalo de frecuencias pa-ra cada una de las bandas a estudiar:

Bandas de Frecuencia.

1. Banda 1 [Aproximadamente > 0.3 Hz, primeros 2 componentes de la DME]

2. Banda 2 [Aproximadamente ≥ 0.3 Hz, primeros 3 componentes de la DME]

3. Banda 3 [0.05 - 0.3 Hz]

4. Banda 4 [0.025 - 0.15 Hz]

5. Banda 5 [0.03 - 0.05 Hz]

6. Banda 6 [0.025 - 0.25 Hz]

Ventana de análisis.

Es una ventana continua para ir viendo el efecto de las variaciones de lafrecuencia cardiaca en donde fuera posible observar alrededor de 5 ciclosde movimientos respiratorios en el CTG. El valor se definió observando queel tamaño de la ventana fuera adecuada para capturar un mayor número deciclos cardiacos o respiratorios por ventana. Esto también fué realizadoantes de comenzar este proyecto.

Reactividad.

Tamaño de ventana post-movimiento a considerar (en número de muestras).Establecido en el perfil biofísico [15], es un parámetro para medir el bien-estar fetal. Es un periodo de aceleración de la frecuencia cardiaca debido aalgún movimiento corporal.

Se hizo una exploración anterior a este proyecto, 3 pruebas cualitativas conreactividades de 5, 10 y 15 segundos, de las cuales se determinó con baseen los resultados el tiempo que mejor conservaba las variaciones presentesen los datos para aplicarse posteriormente en los mismos.

7

2.2. ClasificaciónPara realizar la clasificación de las distintas categorias, se buscaron los datos

que contenían un determinado tipo de actividad; se recorrió la ventana hasta en-contrarlo, una vez encontrado se clasificó el tiempo de reactividad con ese tipo demovimiento.

El algoritmo utlizado primero buscó que hubiera movimientos corporales, uti-lizando la reactividad para no perder alguna ventana que reflejara el cambio de lapotencia debida a estos movimientos. Una vez detectados los coporales, se explo-raron los movimientos respiratorios y ya detectados se clasificaron en la categoríaAmbos.

Posteriormente si no se encontraron movimientos respiratorios, los datos seclasificaron únicamente dentro de la categoría Mcf (Movimientos corporales).

Para los casos que no presentaron movimientos corporales, se buscó que tu-vieran movimientos respiratorios y los que si los presentaban se clasificaron en elcaso Mrf (Movimientos respiratorios).

Por último, si los datos no presentaban ningún movimiento, se clasificaron enla categoría Nada.

2.3. Análisis de datosPara analizar los resultados de la potencia mediana para todos los casos, se

utilizó la prueba de cajas, para observar las diferencias que pudieran existir entrelos casos y comprobar si los datos estudiados presentaban una distribución normal.

Después, para corroborar los resultados obtenidos de la prueba anterior, se rea-lizó un segundo análisis, ahora con la prueba de Wilcoxon con signo para poderdeterminar con una mayor confianza si existían diferencias estadísticamente sig-nificativas entre los casos estudiados, lo anterior a partir del valor de probabilidadresultante de aplicar la prueba.

Para este punto, se consideró que una probabilidad p<0.05 indicaba si las me-dianas de las potencia de las diferentes categorías eran estadísticamente diferentes.

8

2.4. Resumen de Metodología

Figura 2.1: En esta figura se ilustra la Metodología y los tipos de análisis utlizados en la elabo-ración de este proyecto. Para un ejemplo de su aplicación ver la sección Notas.

Capítulo 3

Resultados

Debido a que en este estudio se asumió que los datos no se distribuían normal-mente (sección 3.1), el análisis se realizó mediante gráficas de cajas y la pruebade Wilcoxon con signo para determinar si existía una diferencia estadísticamentesignificativa entre la potencia mediana de los valores encontrados para los dife-rentes casos estudiados ante la existencia de Mrf, Mcf, y Nada.

La categoría Ambos fué tratada de manera especial, pues al no contar con sufi-cientes casos con potencia distinta de cero (por ejemplo, en la figura 3.1 se observala banda 1 considerando todos los casos), por lo cual el análisis para determinar sudiferencia con las demás categorías se hizo considerando únicamente los casos enlos que las potencias fueran distintas de cero, reduciendo así el número de casosa analizar. Por lo anterior, se anexa una segunda gráfica de cajas en las Bandasanalizadas.

Figura 3.1: Análisis de cajas de la Banda 1, se observa que al presentar la categoría Ambos unamediana igual a cero, lo que dificultó su comparación con las demás categorías.

9

10

3.1. Análisis con Gráficas de cajasUtilizando la función“boxplot”de Matlab, se grafican la mediana, la varian-

za y los cuartiles de una distribución. Para diferenciar una distribución de otrase compara la mediana, que además no debe traslaparse con los cuartiles de lasdistruciones con las que se está comparando, de esta manera podemos decir si lasdistribuciones son diferentes entre ellas. Este análisis se basa en la visualizaciónde la mediana y los cuartiles.

Banda 1 [ > 0.3 Hz, primeros 2 componentes del DME ]

Figura 3.2: Análisis de cajas de la Banda 1 considerando solamente los movimientos Respirato-rios, Corporales y la categoría Nada.

En la figura 3.2 se observa que la potencia mediana generada por los mo-vimientos Respiratorios se diferencía de la potencia mediana generada porlas categorías Corporales y Nada; además, los movimientos Corporales lohacen con los Respiratorios y Nada.

11

Figura 3.3: Análisis de cajas de la Banda 1 restringiendo los casos a aquellos en los que lacategoría Ambos fuera distinta de cero.

Considerando los casos de la categoría Ambos, en la figura 3.3, podemosconcluir que ésta es la que tiene mayor potencia y que se podría diferenciarde todas las demás, por lo que esta banda sería buena para detectar este tipode movimientos.

En las demás categorías sólo se observa que los movimientos Corporales sediferencian de casi todas las categorías excepto Nada.

Banda 2 [ ≥ 0.3 Hz, primeros 3 componentes del DME ]

Figura 3.4: Análisis de cajas de la Banda 2 tomando solamente los movimientos Respiratorios,Corporales y la categoría Nada.

12

Observando la figura 3.4, la mayor potencia la presentan los movimientosRespiratorios pero se nota un traslape con la categoría Nada, lo que re-presenta que se podrían confundir algunos movimientos Respiratorios conventanas que presenten la categoría Nada; mientras que no existe ese trasla-pe para la categoría Corporales.

La categoría Corporales se diferencía de la categoría Nada.

Figura 3.5: Análisis de cajas de la Banda 2 considerando aquellos casos en los que la categoríaAmbos fuera distinta de cero.

En la figura 3.5, del análisis para la categoría Ambos, se observa que éstacategoría podría diferenciarse de las demás y presenta la mayor potencia.

Existe una diferencia entre la categoría Respiratorios con las categorías Am-bos y Corporales; mientras que Corporales presenta una diferencia entreRespiratorios y Ambos; por último la categoría Nada se diferencía de Am-bos y Corporales.

13

Banda 3 [0.05 - 0.3 Hz ]

Figura 3.6: Análisis de cajas de la Banda 3 considerando solamente los movimientos Respirato-rios, Corporales y la categoría Nada.

En esta banda, figura 3.6, sólo se observa que la categoría de Nada presentala mediana mayor, y que sólo esta categoría parece ser diferente de movi-mientos Respiratorios, las demás no parecen presentar diferencias, por loque no se puede diferenciar ninguna de las categorías, y por lo tanto, no sepodría detectar con seguridad ninguna de las categorías propuestas.

Figura 3.7: Análisis de cajas de la Banda 3 restringiendo los casos a aquellos en los que lacategoría Ambos fuera distinta de cero.

14

Mientras que en el análisis de Ambos, figura 3.7, la categoría que al pa-recer se diferencía de todas las demás es la de movimientos Respiratorios,pero la mediana mayor se presenta en los movimientos Corporales que sólose diferencía de la categoría de Respiración; mientras que Ambos presentadiferencias con las categorías de Respiración y Nada. Por lo anterior, estabanda no puede ser utilizada para detectar ningúna categoría, pues no setendría la confianza de no confundir entre ellas.

Banda 4 [0.025 - 0.15 Hz ]


De la figura 3.8, se resume que es la mejor banda para detectar movimientosCorporales, pues proporciona la mayor potencia en la categoría Corporalesy es la magnitud más grande dentro de las bandas estudiadas, ademas de quesegún el diagrama esta categoría se puede diferenciar de las otras; mientrasque las demás no se diferencian entre sí, pero si la definimos solo para de-tectar movimientos Corporales, esta banda sería la mejor opción.

15

Figura 3.9: Análisis de cajas de la Banda 4 considerando aquellos datos en los que la categoríaAmbos fuera distinta de cero.

Posteriormente, en el análisis con Ambos, figura 3.9, aunque la categoríade movimientos Corporales presenta la mediana mayor, al parecer no se po-dría diferenciar de las demás categorías. Los movimientos Respiratorios seconfundirían con la categoría Nada, pues solo parece existir diferencia entremovimientos Respiratorios y las categorías Corporales y Ambos. Tampocopuede utilizarse para detectar algúna categoría de manera confiable.

Banda 5 [0.03 - 0.05 Hz ]

Figura 3.10: Análisis de cajas de la Banda 5 considerando solamente los movimientos Respira-torios, Corporales y la categoría Nada.

16

En la figura 3.10 se observa que de acuerdo al análisis de cajas esta bandade frecuencia diferencía muy bien los movimientos Corporales, pues tieneuna mayor potencia que las otras categorías (pero menor que la alcanzadaen otras bandas) y de acuerdo a la figura, podría existir una diferencia entreeste tipo de movimientos y las demás categorías, aunque entre ellos no seobserve esta diferencia.

En esta banda podríamos estar seguros que la mayor potencia correspondea los movimientos Corporales fetales.

Figura 3.11: Análisis de cajas de la Banda 5 restringiendo los datos a aquellos en los que lacategoría Ambos fuera distinta de cero.

Mientras que en la categoría Ambos, en la figura 3.11, se observa que enesta banda tampoco se diferencía muy bien entre categorías, aunque la me-diana mayor se presente en la categoría Ambos.

17

Banda 6 [0.025 - 0.25 Hz ]


En la figura 3.12 se observa que la categoría de movimientos Corporalespresenta la mayor mediana de todos y se diferencía de las categorías demovimientos Respiratorios y Nada. Mientras que la categoría Nada se dife-rencia de los movimientos Respiratorios.

Figura 3.13: Análisis de cajas de la Banda 6 considerando aquellos casos en los que la categoríaAmbos fuera distinta de cero.

Del análisis con la categoría Ambos en la figura 3.13, vemos que la mayormediana la presenta dicha categoría, pero la única diferencia al parecer sepresenta entre los casos Ambos y Respiratorios.

18

3.2. Prueba de WilcoxonLa prueba de Wilcoxon es un método no paramétrico que compara la media

de dos muestras relacionadas para determinar si existen diferencias entre ellas. Laprueba de Wilcoxon se aplica al caso de las distribuciones continuas simétricas,bajo estas suposiciones, la media es igual a la mediana y el procedimiento puedeemplearse en probar la hipótesis nula que U = Uo.

Determina si las medias de las matrices son estadísticamente diferentes, regre-sa un valor de 0 o 1 que indica si la hipótesis nula se acepta o se rechaza, (si h = 1significa que son estadísticamente diferentes) y el nivel de significancia (p).

A continuación se muestran tablas que contienen información de la prueba deWilcoxon con signo, se presenta el valor de probabilidad resultante y además seindica con un * si se encontró una diferencia significativa entre los casos analiza-dos, es decir, si presentan una probabilidad p <0.05.

Banda 1 [ > 0.3 Hz, primeros 2 componentes del EMD ]

Tabla3.1: Tabla de probabilidad resultante al aplicar Wilcoxon a la Banda 1; para la cate-goría Ambos se hizo la misma consideración que en las cajas, se tomaron los valores dondefuera distinta de cero.

Observando la tabla 3.1 podemos asegurar que los movimientos Corpora-les son estadísticamente diferentes de las categorías Ambos, Respiratoriosy Nada, siendo la categoría que mayor diferenciación presenta.

En las demás categorías, se presentan diferenciaciones en todas, excluyendoAmbos, por lo que se considera a la categoría Corporales la mejor para serdetectada en esta banda.

19

Banda 2 [ ≥ 0.3 Hz, primeros 3 componentes del EMD ]

Tabla 3.2: Tabla de probabilidad resultante al aplicar Wilcoxon a la Banda 2; para lacategoría Ambos se hizo la misma consideración que en las cajas, se tomaron los valoresdonde fuera distinta de cero.

En la tabla 3.2 se observa que existe una diferencia estadística entre los mo-vimientos Corporales y las categorías Ambos y Nada, la que no presentaninguna diferencia es la categoría de movimientos Respiratorios, mientrasque Ambos se diferencía de Corporales y Nada.

Banda 3 [0.05 - 0.3 Hz ]

Tabla 3.3:Tabla de probabilidad resultante al aplicar Wilcoxon a la Banda 3; para la cate-goría Ambos se hizo la misma consideración que en las cajas, se tomaron los valores dondefuera distinta de cero.

En esta prueba, tabla 3.3, no existen diferencias estadísticamente significa-tivas entre ninguna de los categorías.

20

Banda 4 [0.025 - 0.15 Hz ]


Mediante esta prueba, tabla 3.4, determinamos que los movimientos Corpo-rales se diferencian de los Respiratorios, mientras que las categorías Ambosy Nada no se diferencían con ningúna otra. Hay que observar el análisis decajas para saber si a partir del valor de la mediana, la banda sería la adecua-da para detectar movimientos Corporales o Respiratorios, descartando lasdemás categorías al utilizar el valor de medianas como filtro de detección.

Por lo anterior considero que es la mejor banda, con el problema de quese podría detectar una ventana sin movimiento como movimiento Corporalpero creo que la diferencia en la potencia mediana sería significativa paradescartar esa posibilidad.

Banda 5 [0.03 - 0.05 Hz ]


21

En la tabla 3.5 observamos que la banda 5 presenta el mismo comporta-miento que la banda 4, es decir, los movimientos Corporales se diferenciande los Respiratorios, mientras que Ambos y Nada no se diferencían con nin-gúna categoría.

No considero que sea la mejor banda por la mínima diferencia entre las po-tencias medianas de ambas categorías, por lo anterior, la considero como lasegunda mejor banda.

Banda 6 [0.025 - 0.25 Hz ]

Tabla 3.6:Tabla de probabilidad resultante al aplicar Wilcoxon a la Banda 6; para la cate-goría Ambos se hizo la misma consideración que en las cajas, se tomaron los valores dondefuera distinta de cero.

De este análisis, en la tabla 3.6 se determina que existe una diferencia en-tre movimientos Corporales y la categoría de movimientos Respiratorios;mientras que en las demás no se observa ninguna diferencia entre ellas.

22

3.3. Síntesis de resultadosEn resumen:

La tabla 3.7 presenta las potencias medianas encontradas para cada categoríade las distintas bandas de frecuencia, además de una notación que indica las dife-rencias estadísticas encontradas para los casos estudiados.

Tabla 3.7: Resume los resultados de las distintas pruebas, tanto análisis de cajas como Wil-coxon; se han resaltado las medianas más pequeñas pues se consideran los casos que se pudierandetectar con mayor confiabilidad para cada banda.

A es estadísticamente diferente de la potencia generada por los movimientos respiratorios. (utilizando una probabilidad p

<0.05)

B es estadísticamente diferente de la potencia generada por los movimientos corporales. (p <0.05)

C es estadísticamente diferente de la potencia generada por el caso de nada. (p <0.05)

D es estadísticamente diferente de la potencia generada por el caso de ambos. (p <0.05)

Capítulo 4

Discusión y Conclusiones

Recientemente se publicó una discusión sobre si la variabilidad cardiovascularpuede o no ser considerada como un índice del control autonómico de la circula-ción [16]. No obstante que se mantienen algunas discrepancias, se menciona quecomo resultado de interacciones complejas la variabilidad cardiovascular reflejala actividad de los mecanismos cardiovasculares de control, representando así unafuente de información sobre su funcionamiento.

La idea de que la Variabilidad Cardiovascular (VC) represente un índice delcontrol de la circulación proviene de estudios en los cuales se observaron cam-bios autonómicos reflejados en la VFC, posteriormente se realizaron estudios quemostraban cambios en la variabilidad en pacientes afectados por enfermedades enlas cuales el sistema nervioso autónomo es afectado directa o indirectamente [17].

Las fluctuaciones de baja frecuencia en la VFC son afectadas por el estímuloeléctrico a los nervios cardiacos vagales en animales [16].

Fluctuaciones menores de 0.03Hz (de muy baja frecuencia) son reducidas porel bloqueo autonómico, pero también pueden depender de otros factores tales co-mo respiración lenta e inestabilidad hemodinámica. La importancia clínica se re-laciona con la asociación establecida entre anormalidades del control cardiacoautonómico y la mortalidad cardiovascular. La VFC es un marcador dominante;además el análisis de la VC proporciona información importante sobre el controlautonómico de la circulación, en condiciones normales o en presencia de algunapatología [18].

23

24

Aunque hay que recordar que aun sin hacer caso de los defectos analíticos y dela carencia de validación que contamina mucho el trabajo en esta área, las varia-ciones cardiovasculares no se deben considerar medidas cuantitativas del sistemaautónomo debido a su complejidad y fisiología en gran parte todavía por descubrir[16].

No obstante, parece ser que el análisis de la VFC es el medio no invasivo útilpara explorar las características dinámicas de la regulación cardiovascular de losnervios y su importancia clínica. Debe ser por lo tanto considerado con más fre-cuencia en la práctica clínica diaria [16].

Las oscilaciones o variaciones cardiovasculares en seres humanos adultos queocurren en frecuencias respiratorias ( llamadas componentes de alta frecuencia) ylas que ocurren más lento, ciclos de aproximadamente 10seg ( llamadas compo-nentes de baja frecuencia) se han utilizado frecuentemente como un posible índicedel control circulatorio autonómico.

El mejor ejemplo es la arritmia sinusal respiratoria, ya que la variabilidad esun indicador de la salud cardiaca y es utilizada para cuantificar la actividad vagalcardiaca en adultos [16], [19].

Al observar los resultados del presente estudio, sintetizados en la tabla 1 delcapítulo de Resultados, podemos ver que, como se esperaba, los componentes dealta frecuencia de la VFCF son afectados por la presencia de movimientos res-piratorios fetales pues con este tipo de movimiento se observa que la potenciaaumenta[2] , sin importar que se trate de un episodio con sólo este tipo de movi-miento o con ambos(respiratorios y corporales). Encontrandose la mayor potenciadentro de la Banda 2 [Aproximadaamente >= 0.3 Hz].

Además, al comparar el comportamiento de los componentes de baja frecuen-cia podemos concluir que para este caso, los movimientos corporales son los quepresentan la mayor potencia no importando si se presentan solos o acompañadosde movimientos respiratorios, como mejor ejemplo se puede observar la Banda 6[0.025 - 0.25 Hz].

Ahora, si observamos en la tabla 1 las diferencias estadísticas encontradas enlos resultados de este estudio, se puede ver que en las bandas de alta frecuenciala categoría que se diferencía de las demás es la de los movimientos corporales;mientras que en las bandas de baja frecuencia, la categoría que se diferencía es lade movimientos respiratorios.

25

Si observamos únicamente el comportamiento en la potencia, se puede con-cluir que en la alta frecuencia aumenta la potencia de la VFC en presencia demovimientos respiratorios. Y en la baja frecuencia, la potencia se aumenta en pre-sencia de movimientos corporales.

Lo encontrado en este estudio puede resumirse en las siguientes relaciones:

Alta frecuencia : Movimientos Respiratorios Fetales ->Mayor potencia

Baja frecuencia : Movimientos Corporales Fetales ->Mayor potencia

4.1. ConclusiónPor todo lo anterior, podemos concluir que la VFCF se ve afectada en la baja

frecuencia por movimientos corporales que aumentan considerablemente la po-tencia; mientras que la alta frecuencia es afectada por movimientos respiratoriosque también aumentan la potencia.

Estos resultados, respaldan las suposiciones realizadas en la literatura médicasobre la VFC, reafirman los resultados obtenidos anteriormente para VFCF en al-tas frecuencias[2], y coinciden con las relaciones que ya se tienen determinadassobre la influencia de movimientos corporales y respiratorios en las altas y bajasfrecuencias para los adultos[4].

En cuanto a la hipótesis de este proyecto, nuestros resultados comprueban quelos movimientos corporales fetales influyen de manera significativa en la potenciade los componentes de baja frecuencia de la VFCF, y además respaldan estudiosanteriores sobre la influencia que tienen los movimientos respiratorios fetales enel comportamiento de los componentes de alta frecuencia.

Los resultados de este estudio nos muestran que los componentes de baja fre-cuencia de la VFCF no sólo están influidos por la presencia de actividad autonó-mica sino que al parecer también están relacionados con la presencia de otro tipode actividad, lo que podría ser útil para desarrollar un método de evaluación noinvasivo del desarrollo fetal no unicamente del Sistema Nervioso Autónomo sinotambién de movimientos corporales.

Apéndice A

DME

La Descomposición de Modo Empírico, o EMD por sus siglas en inglés (Em-pirical Mode Decomposition) es una técnica propuesta por N. E. Huang et al [1],para analizar señales no estacionarias.[20]

En este método, las singularidades son utilizadas para la determinación em-pírica de los elementos de funcionamiento relacionados con la identificación yseparación de los componentes de las señales. La DME se utiliza para la represen-tación de señales no estacionarias como una suma de componentes de media cero.

El punto de partida de la DME es considerar oscilaciones en las señales a unnivel muy local. Si observamos la evolución de una señal x(t) entre dos extremosconsecutivos, podemos definir una parte de alta frecuencia (local), d(t) o detallelocal.Para que la información este completa , se tiene que identificar la parte debaja frecuencia (local), m(t) o tendencia local, de modo que tengamos ahora:

x(t) = m(t) + d(t)

Asumiendo que esto está hecho de una manera apropiada para todas las osci-laciones que componen a la señal entera, el procedimiento puede aplicarse en losresiduos de todas las tendencias locales y los componentes constitutivos de unaseñal pueden ser extraídos de forma iterativa.

27

28

Dada una señal x(t), el algoritmo de EMD puede ser resumido como sigue:

1. Identificar todos los extremos de x(t).

2. Interpolar entre los extremos finales(resp. máxima) por encima de la envol-vente. Para obtener una envolvente superior y una envolvente inferior.

3. Calcular la media m(t) de las envolventes.

4. Extraer el detalle d(t) = x(t)−m(t).

5. Iterar sobre el residuo m(t).

En la práctica, el procedimiento anterior tiene que ser refinado por un procesode cernimiento que realiza los pasos de iteración 1 al 4 sobre la señal detalle, d(t),hasta que este último pueda considerarse con media cero según un cierto criteriode paro. Una vez que esto sea alcanzado, el detalle es referido como una funciónde modo intrínseco, el residuo correspondiente es procesado y se aplica el paso5. Por construcción, el número del extremo es disminuido cuando se va desde unresiduo al siguiente, y la descomposición está garantizada para completarse conun número finito de modos intrínsecos.

Los modos y los residuos se han introducido en argumentos “espectrales” peroesto no se debe considerar una perspectiva demasiado estrecha. La selección demodos corresponde a una filtración variable en el tiempo automática y adaptable(dependiendo de la señal).

Aunque a menudo su eficiencia es notable, la dificultad de esta técnica es elestar definida por un algoritmo, lo que no permite una evaluación analítica y teó-rica de su análisis y funcionamiento.

La DME es una nueva adición prometedora como herramienta para el pro-cesamiento de señales no estacionarias y no lineales, pero todavía necesita serevaluada en señales fisiológicas de mejor manera.

El algoritmo completo se encuentra en:http://www.owlnet.rice.edu/ elec301/Projects02/empiricalMode/code/emd.m

Apéndice B

Principales funciones de Matlabutilizadas en la metodología

B.1. DME

Figura B.1: Script utilizado para aplicar la DME en los registros obtenidos

29

30

B.2. Determinación de componentes

31

!"#$"%&'&$()*+"'(),()"-("$&.(-"("/&$'+01+%&)

!"#$%&'#()*+$,(-'%,(./01#12343+#12,(*15156&#78

!"2()30&4)+$5!"3+#126"$&.(-"("/&$'+01+%&)"!"96"#78"/&"-("$&%(-!(-5':"6"1)+0&/*+"/&"-+$"'+01+%&%4&$"!":1;&(6"9(-+)"03:*0+"/&"-($"0;&$4)($!":&#&"6"9(-+)"0<%*0+"/&"-($"0;&$4)($!"+6<"6"&%&),*(!(=+3*+3%(6"/&$9*('*+%"&$4(%/()!":+=&1#16"0&/*(%(!"-'%(6"1+4&%'*(!"'(0=*()"&-"%+0=)&"'+%"&-">;&"$&"9("(",;()/()

?7@AB6$*C&D$&%(-EF'4,6$&%(-F

*%"6"A5GH5HF%"6"'4,D*%EFA;&9("6"?%"'4,"%BF""" !"I*1+"&$1&J+"("-+$"&:4)&0+$

K"6"&0/DA;&9(L@M@NEF

4H6AODHPNEF46Q5HPN54HGDHPNEF""""" !""R&'4+)"/&"4*&01+"DSQQ$E(46D4HEF

?77@AAB6$*C&DKEF00*%6ATHF00(:6AOUF06'4,G0&(%D'4,EF""""""""""" !"V;*4("&-"+WW$&4?2K@XB62Y8D0@A@N@Z(%%*%,DAEEF""""!"#$1&'4)+"/&"1+4&%'*(J[677THF

W*,;)&$;=1-+4DJ[@H@HE1-+4DX@2KE4*4-&D$1)*%4WDL2Y8"/&"15$>&*''4,*%4LEE!!$L@L'4,*%4LEE"\-(=&-DLY&.(-LE]]62KLFKK0(:60(:D]]EF(:*$D?Q"H^_"Q"KK0(:BE

W+)"[6H577""""?2K@XB62Y8DKD[@00*%500(:E@A@N@Z(%%*%,DAEEF""""$;=1-+4DJ[@H@[THE""""1-+4DX@2KE""""\-(=&-D$1)*%4WDLK"!/L@[EE""""]62KLF""""""""""""""""""""""""""""""""""""""""""!"`)(W*'("-+$"2Y8"/&"-+$"'+01+%&%4&$""""K0(:60(:D]EF""""(:*$D?Q"^_"Q"K0(:BE""""""""[6[THF&%/

$;=1-+4DJ[@H@J[E:-(=&-DLaCLE

b6*%1;4DLK;(-&$"$+%"-+$"'+01+%&%4&$"/&"(-4(P=(J("W)&';&%'*(5c%LEFb6bLF?00@%%B6$*C&DbEF

9&'6QFW+)"*6H500""""'+016bD*EF""""9&'69&'TKD'+01@00*%500(:EF""""""""""""""""*6*THF&%/

';(/)(/+69&'^dUF$;0(6$;0D';(/)(/+EF/*96$;0(PAF1)+06$>)4D/*9EF""""""""0(:*60(:D9&'EF"""""""""0*%*60*%D9&'EF"""""""""&,\6D$;0(P(4EF"""""""""""""1+46D$;0(PAEF"""""""/&$9&$46YI8D9&'EF""""""0&/*(60&/*(%D9&'EF"""

$(9&"15$>&*''4,*%4"K"4"9&'"1)+0"0(:*"0*%*"&,\"/&$9&$4"0&/*("1+4F

Figura B.2: El script mostrado permitió definir los componentes a utilizar para cada una de lasbandas estudiadas.

32

B.3. Clasificación

33

Figura B.3: Algoritmo empleado para la clasificación de las distintas categorias..

34

B.4. AnálisisPara la realización de las Pruebas de Wilcoxon y de T, se utilizaron los si-

guientes comandos de Matlab para obtener los distintos valores, ya reportados enel capítulo 3.

B.4.1. Prueba de Wilcoxon

Figura B.4: En este ejemplo se compararon los casos de movimientos respiratorios con los mo-vimientos corporales; se realizó esta prueba para todas las comparaciones posibles considerandocada uno de los casos estudiados en este proyecto .

B.4.2. Prueba de T

Figura B.5: Al igual que en la prueba anterior, la prueba se realizó para todas las combinacionesposibles de cada uno de los casos estudiados.

Notas.

En esta sección se presentan algunos ejemplos del procesamiento realizado enlos archivos utilizados para este reporte.

Separación de componentes.

Figura B.6: En este ejemplo se muestran los primeros 8 componentes resultantes de aplicar laDME a un registro.

35

36

Señal reconstruida.

Figura B.7: Señal reconstruida a partir de los componentes cuyas frecuencias estuvieran dentrode la Banda 6.

Potencia.

Figura B.8: En esta gráfica se observa la potencia obtenida de la señal que se reconstruyó ante-riormente.

37

Clasificación.

Figura B.9: Grafica de barras que muestra el promedio y la desviación estándar de la potenciapara cada condición en la señal reconstruida de la Banda 6.

Análisis de Cajas.

Figura B.10: Análisis de cajas de la Banda 6.

Bibliografía

[1] N. E. Huang and Z. Shen and S. R. Long and M. L. Wu and H. H. Shih and Q. Zheng andN. C. Yen and C. C. Tung and H. H. Liu. The empirical mode decomposition and Hil-bert spectrum for nonlinear and nonstationary time series analysis. Royal Society London,454:903–995, 1998.

[2] M. R. Ortiz and E. R. Bojorges and S. D. Aguilar and J. C. Echeverría and R. González-Camarena and S. Carrasco and M. J. Gaitán and A. Martínez. Analysis of high frequencyfetal heart rate variability using Empirical Mode Decomposition. Computers in Cardiology,32:675–678, 2005.

[3] Manuela Ferrario and Maria G. Signorini and Giovanni Magenes and Sergio Cerutti. Com-parison of Entropy-Based Regularity Estimators: Application to the Fetal Heart Rate Signalfor the Identification of Fetal Distress. IEEE: Transactions on Biomedical Engineering,53(1):119–125, Enero 2006.

[4] María G. Signorini and Giovanni Magenes and Sergio Cerutti and Domenico Arduini. Li-near and nonlinear parameters for the analysisi of fetal heart rate signal from cardioto-cagraphic recordings. IEEE: Transactions on Biomedical Engineering, 50(3):365–374,Marzo 2003.

[5] Andrew JE Seely and Peter T Macklem. Complex systems and the technology of variabilityanalysis. Critical Care, 8(6):R367–R384, 2004.

[6] Sonia Charleston-Villalobos and Ramón González-Camarena and Georgina Chi-Lem andTomás Aljama-Corrales. Crackle Sounds Analysis by Empirical Mode Decomposition.IEEE: Engineering in Medicine and Biology Magazine, 07:40–47, Enero-Febrero 2007.

[7] J.C. Echeverría and J.A. Crowe and M.S. Woolfson and B.R. Hayes-Gill. Application ofEmpirical Mode Decomposition to Heart Rate Variability Analysis. Medical & BiologicalEngineering & Computing, 39:471–479, 2001.

[8] J. Karin and M. Hirsch and S. Akselrod. An estimate of fetal autonomic state by spectralanalysis of fetal heart rate fluctuations. Pediatric Research, 34(2):134–138, 1993.

39

40

[9] Tran Thong and Kehai Li and James McNames and Mateo Aboy and Brahm Goldstein.Accuracy of Ultra-Short Heart Rate Variability Measures. EMBC, 03:2424–2427, 2003.

[10] Shawn F. Reed and Gonen Ohel and Rahav David and Stephen W. Porges. A Neural Ex-planation of Fetal Heart Rate Patterns: A Test of the Polyvagal Theory. DevelopmentalPhysichobiology, 35:108–118, Febrero 1999.

[11] S. Abboud and D. Sadeh. Power spectrum analysis of fetal heart rate variability using theabdominal maternal electrocardiogram. J. Biomed. Eng., 12:161–164, Marzo 1990.

[12] Oliver Sibony and Jean P. Fouillot and Moktaz Benaoudia and Abdelhay Benhalla and Phi-lippe Blot and Claude Sureau. Spectral analysis: a method for quantitating fetal heart ratevariability. A critical appraisal of fetal surveillance, 1994.

[13] Dwain L. Eckberg. Physiologycal basis for human autonomic rhythms. The Finnish Medi-cal Society Duodecim, 32:341–349, 2000.

[14] Sherer, DM and Damico, ML and Arnold, C and Ron, M. Physiology of isolated long-term variability of the fetal heart-rate. American Journal of Obstetrics and Gynecology,169(1):1993, Julio 113-115.

[15] Manning F. A. and Lange I. R. and Morrison I. and Harman C. R. Fetal biophysical profilescore and the nonstress test: A comparative trial. Obstet Gynecol, 64:326–331, 1984.

[16] Gianfranco Parati and Giuseppe Mancia and Marco Di Rienzo and Paolo Castiglioni andJ. Andrew Taylor and Péter Studinger. Cardiovascular variability is/is not an index ofautonomic control of circulation. Journal of Applied Physiology, 101:676–682, Agosto2006.

[17] G. Parati and J. P. Saul and M. Di Rienzo and G Mancia. Spectral analysis of blood pres-sure and heart rate variability in evaluating cardiovascular regulation. A critical appraisal.Hypertension, 25:1276–1286, 1995.

[18] D Lucini D and G Di Fede and G. Parati and M. Pagani. Impact of chronic psychosocialstress on autonomic cardiovasculaar regulation in otherwise healthy subjects. Hypertension,46:1201–1206, 2005.

[19] Moser M. and Lehofer M. and Sedminek A. and Lux M. and Zapotoczky H. G. and Ken-ner T. and Noordergraaf A. Heart rate variability as a prognostic tool in cardiology. Acontribution to the problem from a theoretical point of view. Circulation, 90:1078–1082,1994.

[20] Gabriel Rilling and Patrick Flandrin and Paulo Gonçalvès. On empirical mode decom-position and its algorithms. IEEE-EURASIP Workshop on Nonlinear Signal and ImageProcessing NSIP-03, 2003.

ciencias básicas e ingeniería licenciatura en ingeniería...

Documents