contadores web
Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio
##common.pageHeaderLogo.altText##

Artículo de investigación científica y tecnológica

Vol. 19 Núm. 2 (2017)

Dinámica cardiaca del adulto evaluada mediante las proporciones de la entropía

DOI
https://doi.org/10.22267/rus.171902.87
Enviado
junio 2, 2016
Publicado
2017-08-30

Resumen

Introducción: A partir de la teoría de los sistemas dinámicos, junto con la teoría de la probabilidad y el concepto de entropía se ha desarrollado una nueva metodología matemática de aplicación clínica. Objetivo: Aplicar la metodología previamente desarrollada para evaluar la dinámica cardíaca de adulto utilizando para ello la probabilidad y proporciones de la entropía del atractor. Materiales y métodos: Se desarrolló un estudio ciego tomando como Gold Standard el diagnóstico convencional emitido por un experto con 480 holter, 30 dinámicas normales y 450 con diferentes patologías; para cada holter se generó un atractor numérico cuantificando la probabilidad de aparición de parejas ordenadas de frecuencias cardiacas consecutivas, evaluando posteriormente la entropía, relación S/k y proporciones para cada dinámica durante mínimo 18 horas. Fueron hallados los valores de sensibilidad, especificidad y coeficiente Kappa. Resultados: La metodología aplicada permitió diferenciar cuantitativamente normalidad de enfermedad, encontrando los valores de las proporciones en los rangos establecidos. Los valores de sensibilidad y especificidad fueron de 100%, y el coeficiente Kappa fue de 1. Conclusión: A partir de las distribuciones de probabilidad de la aparición de parejas ordenadas de frecuencias cardiacas consecutivas y de su entropía es posible diagnosticar la dinámica cardiaca durante mínimo 18 horas.

Citas

  1. Devaney RL, Siegel PB, Mallinckrodt AJ, McKay S. A first course in chaotic dynamical systems: theory and experiment. Comput Phys. AIP Publishing; 1993;7(4):416–7.
  2. Peitgen H-O, Jürgens H, Saupe D. Strange attractors, the locus of chaos. In: Chaos and Fractals: New Frontiers of Science. New York: Springer-Verlag; 1992. p. 655–768.
  3. Calabrese JL. Ampliando las fronteras del reduccionismo. Deducción y Sist no lineales Psicoanálisis APdeBA. 1999;21(3):431–53.
  4. Feynman RP, Leighton RB, Sands M. Probability. In: Physics Vol 1: Mechanics, radiation, and heat. Wilmington: Addison-Wesley Iberoamericana; 1964. p. 1–11.
  5. Arrègle J. Procesos y tecnología de máquinas y motores térmicos. Valencia, España: Ed. Univ. Politéc. Valencia; 2002.
  6. Feynman RP, Leighton RB, Sands M. The Laws of Thermodynamics. In: Physics Vol 1: Mechanics, radiation, and heathysics. Wilmington: Addison-Wesley Iberoamericana; 1964. p. 1–13.
  7. Frodden E, Royo J. Entropía e información, Seminario Final del curso de Termodinámica, Depto. de Física, Facultad de Ciencias, Universidad de Chile, 2004.
  8. Shore JE. Relative entropy, probabilistic inference and AI. arXiv Prepr arXiv13043423. 2013;
  9. OMS. Centro de prensa. Enfermedades cardiovasculares [Internet]. [cited 2017 Jul 10]. Available from: http://www.who.int/mediacentre/factsheets/fs317/es/
  10. Mozaffarian D, Benjamin EJ, Go AS, Arnett DK, Blaha MJ, Cushman M, et al. Heart disease and stroke statistics-2015 update : A report from the American Heart Association. Vol. 131, Circulation. 2015. 29-39 p.
  11. Rodríguez J. Entropía proporcional de los sistemas dinámicos cardiacos. Predicciones físicas y matemáticas de la dinámica cardiaca de aplicación clínica. Rev Colomb Cardiol. 2010;17(3):115–29.
  12. Rodríguez J, Prieto S, Correa C, Bautista J, Velasco A, Mendez L, et al. Mathematics physical assessment of cardiac dynamics based on theory of probability and proportions of entropy in the Intensive care Unit for patients with arrhythmia. In: International Conference on Medical Phyiscs. Birmingham, UK; 2015.
  13. Rodríguez J. Mathematical law of chaotic cardiac dynamics: Predictions for clinical application. J Med Med Sci. 2011;2(8):1050–9.
  14. Rodríguez-Velásquez J, Prieto @bullet Signed, Domínguez D, Correa @bullet Catalina, Melo M, Pardo J, et al. Application of the chaotic power law to the study of cardiac dynamics in patients with arrhythmias.
  15. Colombiana De A, Rodríguez J, Prieto S, Correa C, Oliveros H, Soracipa Y, 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 [Internet]. 2016;16(1):15–22. Available from: www.elsevier.es/acci
  16. Rodríguez Velásquez 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 [Internet]. 2015;6(8):209–20. Available from: http://www.interesjournals.org/JMMS
  17. Wu G-Q, Arzeno NM, Shen L-L, Tang D-K, Zheng D-A, Zhao N-Q, et al. Chaotic signatures of heart rate variability and its power spectrum in health, aging and heart failure. PLoS One. Public Library of Science; 2009;4(2):e4323.
  18. Braun C, Kowallik P, Freking A, Hadeler D, Kniffki K-D, Meesmann M. Demonstration of nonlinear components in heart rate variability of healthy persons. Am J Physiol Circ Physiol. Am Physiological Soc; 1998;275(5):H1577–84.
  19. Goldberger AL, Amaral LAN, Hausdorff JM, Ivanov PC, Peng C-K, Stanley HE. Fractal dynamics in physiology: Alterations with disease and aging. Proc Natl Acad Sci [Internet]. 2002;99(Supplement 1):2466–72. Available from: http://www.pnas.org/content/99/suppl_1/2466.short
  20. Huikuri H, Makikällo T, Peng C h., Goldberger A, Hintze U, Moller M. Fractal correlation Properties of R-R Interval Dynamics and Mortality in Patients with Depressed Left Ventricular Function After an Acute Miocardial Infarction. Circulation [Internet]. 2000;101. Available from: http://dx.doi.org/10.1161/01.CIR.101.1.47
  21. Perkiömäki JS, Mäkikallio TH, Huikuri H V. Fractal and Complexity Measures of Heart Rate Variability. Clin Exp Hypertens [Internet]. Taylor & Francis; 2005 Jan 1;27(2–3):149–58. Available from: http://dx.doi.org/10.1081/CEH-48742
  22. Voss A, Schulz S, Schroeder R, Baumert M, Caminal P. Methods derived from nonlinear dynamics for analysing heart rate variability. Philos Trans R Soc A Math Phys Eng Sci [Internet]. 2009 Jan 28;367(1887):277 LP-296. Available from: http://rsta.royalsocietypublishing.org/content/367/1887/277.abstract
  23. Rodríguez J, Prieto S, Domínguez D, Melo M, Mendoza F, Correa C, et al. Mathematical-physical prediction of cardiac dynamics using the proportional entropy of dynamic systems. J Med Med Sci [Internet]. 2013;4(9):370–81. Available from: http:/dx.doi.org/10.14303/jmms.2013.080
  24. Rodríguez J, Prieto S, Correa C, Soracipa Y, Mora J, Bernal P, et al. Predicciones de la entropía proporcional en la dinámica cardiaca. Rev Med. Universidad Militar Nueva Granada; 2015;23(2).
  25. Rodríguez J, Prieto S, Correa C, Soracipa Y, Aguirre G, Méndez L. Proportional entropy applied to the clinical diagnostic of cardiac dynamic: blind study with 600 holter. In: The 61st Annual Conference of the Israel Heart Society in association with The Israel Society of Cardiothoracic Surgery. Tel Aviv, Israel; 2014.
  26. Rodríguez J, Prieto S, Bernal P, Isaza D, Salazar G, Correa C, et al. Entropía proporcional aplicada a la evolución de la dinámica cardiaca. Predicciones de aplicación clínica. In: Rodríguez L, editor. La emergencia de los enfoques de la complejidad en América Latina Tomo I. Buenos Aires: Comunidad Editora Latinoamericana; 2016. p. 315–34.
  27. Matvéev AN. Física molecular. Moscú: MIR; 1987.
  28. Tolman R. Principles of statistical mechanics. 1st ed. New York: Dover Publications; 1979. 662 p.
  29. Al-Zaiti SS, Carey MG. The prevalence of clinical and electrocardiographic risk factors of cardiovascular death among on-duty professional firefighters. J Cardiovasc Nurs. NIH Public Access; 2015;30(5):440.
  30. Carey MG, Thevenin BJ-M. High resolution 12-lead electrocardiograms of on-duty professional firefighters: a pilot feasibility study. J Cardiovasc Nurs. NIH Public Access; 2009;24(4):261.
  31. Rodríguez-Velásquez J, Prieto-Bohórquez S, Flórez-Cárdenas M, Alarcón-Ávila C, López-Cruz R, Aguirre-Dávila G, et al. Cardiac dynamic systems in normal neonates: Neonate chaotic cardiac law. Rev Salud Uninorte. Fundación Universidad del Norte; 2014;30(3):361–70.
  32. Rodríguez J, Prieto S, Flórez M, Alarcón C, López R, Aguirrre 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.
  33. Rodríguez J, Prieto S, Correa C, Bernal P, Vitery S, Alvarez L, et al. Diagnóstico cardiaco basado en la probabilidad aplicado a pacientes con marcapasos. Acta Med Colomb. 2012;37(4):183–91.
  34. Rodríguez JO, Prieto SE, Correa C, Bernal PA, Puerta GE, Vitery S, et al. Theoretical generalization of normal and sick coronary arteries with fractal dimensions and the arterial intrinsic mathematical harmony. BMC Med Phys [Internet]. 2010;10:1–6. Available from: http://dx.doi.org/10.1186/1756-6649-10-1
  35. Rodríguez J, Prieto S, Correa C, Polo F, Soracipa Y, Blanco V, et al. Fractal and euclidean geometric generalization of normal and restenosed arteries. J Med Med Sci [Internet]. 2013;4(4):174–80. Available from: http://www.interesjournals.org/JMMS
  36. Prieto Bohórquez SE, Velásquez JOR, Correa Herrera SC, Soracipa Muñoz MY. Diagnosis of cervical cells based on fractal and Euclidian geometrical measurements: Intrinsic Geometric Cellular Organization. BMC Med Phys [Internet]. 2014;14(1):2. Available from: http://dx.doi.org/10.1186/1756-6649-14-2
  37. Rodríguez Velásquez J, Prieto Bohórquez S, Correa SC, Domínguez Cajeli D, Cardona Velásquez DM, Melo De Alonso M. Geometrical nuclear diagnosis and total paths of cervical cell evolution from normality to cancer. J Cancer Res Ther. 2015;11(1):98–104.
  38. Rodríguez Velásquez J, Prieto S, Correa C, Soracipa Y, Mora J, Forero M, et al. Generalización geométrica fractal de ventriculografías izquierdas normales y con disfunción leve. Acta Médica Colomb. Asociación Colombiana de Medicina Interna; 2014;39(2).
  39. Rodríguez J, Prieto S, Correa C, Mejía M, Ospino B, Munevar Á, et al. Simulación de trayectorias de alteración de estructuras eritrocitarias con base en la geometría fractal y euclidiana. Arch Med. Universidad de Manizales; 2014;14(2).
  40. Rodríguez JO, Prieto SE, Correa C, Pérez CE, Mora JT, Bravo J, et al. Predictions of CD4 lymphocytes’ count in HIV patients from complete blood count. BMC Med Phys. 2013;13:1.
  41. Rodríguez J, Prieto S, Melo M, Domínguez D, Correa C, Soracipa Y, et al. Predicción del número de linfocitos T CD4 en sangre periférica a partir de teoría de conjuntos y probabilidad en pacientes con VIH/SIDA. Inmunología. Elsevier; 2014;33(4):113–20.
  42. Rodríguez Velásquez J. Método para la predicción de la dinámica temporal de la malaria en los municipios de Colombia. Rev Panam Salud Publica. 2010;27(3):211–8.
  43. Rodríguez J. Teoría de unión al HLA clase II: teoría de probabilidad, combinatoria y entropía aplicadas a secuencias peptídicas. Inmunología. Elsevier; 2008;27(4):151–66.
  44. Moses LE. Statistical concepts fundamental to investigations. In: Bailar JCI, Hoaglin DC, editors. Medical Uses of Statistics. 3rd ed. Hoboken (Nueva Jersey): John Wiley & Sons; 2009. p. 5–26.

Descargas

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Artículos más leídos del mismo autor/a