medigraphic.com
ISSN 1561-3011 (Digital)

2021, Número 3

<< Anterior Siguiente >>

Rev Cubana Invest Bioméd 2021; 40 (3)


Diagnóstico matemático del infarto agudo de miocardio y de la falla cardiaca mediante la entropía proporcional

Correa HSC, Cuesta RJ, Jattin BJJ

Idioma: Español
Referencias bibliográficas: 29
Paginas: 1-15
Archivo PDF: 598.03 Kb.


RESUMEN

Introducción: Las teorías físicas y matemáticas han permitido el desarrollo de nuevas metodologías diagnósticas de la dinámica cardiaca. Entre estas se encuentra la evaluación de las proporciones de la entropía proporcional para diferenciar la normalidad de la enfermedad cardiaca, aunque su capacidad diagnóstica debe comprobarse en escenarios clínicos críticos específicos, como en la falla cardiaca y el infarto agudo de miocardio.
Objetivo: Describir evaluaciones diagnósticas de la dinámica cardiaca en pacientes con infarto agudo de miocardio o falla cardiaca aguda.
Métodos: En un estudio a doble ciegos con 20 Holter, 5 normales, 8 con falla cardiaca aguda y 7 con infarto agudo de miocardio, se aplicó un método fundamentado en las proporciones de la entropía tomando los valores máximos y mínimos de la frecuencia cardiaca y el número total de latidos por hora, en un mínimo de 18 horas, generando un atractor numérico. Se evaluó cada dinámica con base en la entropía y sus proporciones. Finalmente, se comparó la precisión diagnóstica del método matemático con respecto al diagnóstico clínico convencional.
Resultados: Se diferenciaron matemáticamente los casos normales y patológicos mediante la evaluación en 18 horas con el método descrito, encontrando valores de sensibilidad y especificidad del 100 % y un coeficiente Kappa de uno, indicando una concordancia diagnóstica perfecta del método matemático con respecto al diagnóstico clínico.
Conclusiones: Las proporciones de la entropía permiten establecer diagnósticos objetivos de la dinámica cardiaca, diferenciando matemáticamente dinámicas normales de aquellas que presentan infarto agudo de miocardio y falla cardiaca aguda.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Calabrese JL. Ampliando las fronteras del reduccionismo. Deducción y sistemas no lineales. Psicoanálisis APdeBA. 1999;21(3):431-53.

  2. Devaney R. A first course in chaotic dynamical systems theory and experiments. Reading Mass: Addison-Wesley; 1992.

  3. Feynman R, Leighton R, Sands M. Leyes de Newton de la Dinámica. En: Feynman RP, Leighton RB, Sands M. Física. Vol. 3. Wilmington: Addison-Wesley Iberoamericana, S. A.; 1987. p. 1-14.

  4. Feynman RP, Leighton RB, Sands M. Probabilidad. En: Física. Feynman RP, Leighton RB, Sands M. Física. Vol. 1. Wilmington: Addison-Wesley Iberoamericana, S. A.; 1998. p. 1-16.

  5. Shore J. Relative Entropy, Probabilistic Inference and AI. Machine Intelligence and Pattern Recognition. 1986 [acceso: 22/01/2020]; 4:211-5. Disponible en: https://www.sciencedirect.com/science/article/pii/B9780444700582500206

  6. Shannon CE. A Mathematical Theory of Communication. The Bell System Technical Journal. 1948;27:379-423.

  7. Tolman R. Principles of statistical mechanics. New York: Dover Publications; 1979.

  8. 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 [acceso: 22/01/2020]; 15(Suppl 6):S2. Disponible en: https://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-15-S6-S2

  9. Shaffer F, Ginsberg JP. An Overview of Heart Rate Variability Metrics and Norms. Front Public Health. 2017;5:258. PMCID: PMC5624990

  10. Borchini R, Veronesi G, Bonzini M, Gianfagna F, Dashi O, Ferrario MM. Heart Rate Variability Frequency Domain Alterations among Healthy Nurses Exposed to Prolonged Work Stress. Int J Environ Res Public Health. 2018;15(1):113. PMCID: PMC5800212

  11. O'Neal WT, Chen LY, Nazarian S, Soliman EZ. Reference Ranges for Short-Term Heart Rate Variability Measures in Individuals Free of Cardiovascular Disease: The Multi-Ethnic Study of Atherosclerosis (MESA). J Electrocardiol. 2016;49(5):686-90. PMCID: PMC5010946

  12. Pincus SM. Assessing serial irregularity and its implications for health. Annals of the New York Academy of Sciences. 2001;954:245-67. Disponible en: https://nyaspubs.onlinelibrary.wiley.com/doi/abs/10.1111/j.1749-6632.2001.tb02755.x?sid=nlm%3Apubmed

  13. 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. Disponible en: https://ieeexplore.ieee.org/document/1510851

  14. Pincus SM. Approximate entropy as a measure of system complexity. Proc Natl Acad Sci USA. 1991;88(6):2297-2301. PMCID: PMC51218

  15. Arati AA, Inamdar AC. Heart Failure: Diagnosis, Management and Utilization. J Clin Med. 2016;5:62. PMCID: PMC4961993

  16. Modin D, Madsen D, Biering T. Echo and heart failure: when do people need an echo, and when do they need natriuretic peptides? Echo Res Pract. 2018;R65-R79. Disponible en: https://erp.bioscientifica.com/view/journals/echo/5/2/ERP-18-0004.xml

  17. Rodríguez J. Entropía Proporcional de los sistemas dinámicos cardiacos: Predicciones físicas y matemáticas de la dinámica cardiaca de aplicación clínica. Rev Colomb Cardiol. 2010 [acceso: 22/01/2020]; 17:115-29. Disponible en: https://www.sciencedirect.com/science/article/pii/S0120563310702291

  18. Rodríguez J, Prieto S, Ramírez LJ. A novel heart rate attractor for the prediction of cardiovascular disease. Informatics in Medicine Unlocked. 2019 [acceso: 22/01/2020]; 15:100174. Disponible en: https://www.sciencedirect.com/science/article/pii/S235291481930005X

  19. 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. Vol I. Buenos Aires: Comunidad Editora Latinoamericana; 2015. p. 315-44.

  20. Sangrador O, Arias M. Evaluación de la precisión de las pruebas diagnósticas (1). Variables discretas. Evid Pediatr. 2017 [acceso: 22/01/2020]; 13:28. Disponible en: https://evidenciasenpediatria.es/files/41-13048-RUTA/Fundamentos_MBE_28.pdf

  21. Hassan SZ, Zhang H, Aziz W, Monfredi O, Abbas SA, Shah SA, et al. Inverse Correlation between Heart Rate Variability and Heart Rate Demonstrated by Linear and Nonlinear Analysis. PLoS One. 2016;11(6):e0157557. PMCID: PMC4919077

  22. Rodríguez J. Dynamical systems applied to dynamic variables of patients from the Intensive Care Unit (ICU). Physical and mathematical Mortality predictions on ICU. Journal of Medicine and Medical Sciences. 2015 [acceso: 22/01/2020]; 6(8):102-8. Disponible en: https://www.interesjournals.org/articles/dynamical-systems-applied-to-dynamic-variables-of-patients-from-the-intensive-care-unit-icu-physical-and-mathematical-mo.pdf

  23. Goldberger A, Amaral L, Hausdorff JM, Ivanov P, Peng Ch, Stanley HE. Fractal dynamics in physiology: alterations with disease and aging. PNAS 2002 [acceso: 22/01/2020]; 99:2466-72. Disponible en: https://www.pnas.org/content/99/suppl_1/2466

  24. Sen J, McGill D. Fractal analysis of heart rate variability as a predictor of mortality: A systematic review and meta-analysis. Chaos. 2018 [acceso: 22/01/2020]; 28:072101. Disponible en: https://aip.scitation.org/doi/10.1063/1.5038818

  25. 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 infarction. Circulation. 2000 [acceso: 22/01/2020]; 101:47-53. Disponible en: https://www.ahajournals.org/doi/10.1161/01.cir.101.1.47?url_ver=Z39.88-2003&rfr_id=ori%3Arid%3Acrossref.org&rfr_dat=cr_pub++0pubmed&

  26. Sassi R, Cerutti S, Lombardi F, Malik M, Huikuri HV, Peng CK, et al. Advances in heart rate variability signal analysis: joint position statement by the e-Cardiology ESC Working Group and the European Heart Rhythm Association co-endorsed by the Asia Pacific Heart Rhythm Society. Europace. 2015;17:1341-53. PMID: 26177817

  27. 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 [acceso: 22/01/2020]; 6(13):1881-8. Disponible en: https://www.scirp.org/pdf/JMP_2015102911032237.pdf

  28. 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. PMCID: PMC4363990

  29. Rodríguez J, Prieto S, Pérez C, Correa C, Soracipa M, Jattin J, et al. Predicción temporal de CD4+ en 80 pacientes con manejo antirretroviral a partir de valores de leucocitos. Infectio. 2020 [acceso: 22/01/2020]; 24:103-7. Disponible en: https://www.revistainfectio.org/index.php/infectio/article/view/841/937




2020     |     www.medigraphic.com