Abstracto
Este trabajo presenta una primera aproximación al diseño, desarrollo e implementación de un dispositivo inteligente para la medición y detección en tiempo real de alteraciones en la variabilidad del ritmo cardíaco (VFC). El dispositivo inteligente sigue un esquema de diseño modular, que consta de un módulo de adquisición de señales de electrocardiograma (ECG), un módulo de procesamiento y un módulo de comunicaciones inalámbricas. A partir de señales de ECG de cinco minutos, los algoritmos del módulo de procesamiento realizan una estimación espectral de la VFC. Los resultados experimentales demuestran la viabilidad del dispositivo inteligente y de los algoritmos de procesamiento propuestos.
1. Introducción
Las enfermedades cardiovasculares se encuentran entre las principales causas de muerte de la población . Se estima que 17,3 millones de personas en todo el mundo mueren como consecuencia de enfermedades cardiovasculares, lo que representa el 30% de todos los casos . La hipertensión arterial, el hábito de fumar, la diabetes, la obesidad visceral, la dislipidemia, la inactividad física y los patrones de alimentación poco saludables son los principales factores de riesgo modificables asociados al desarrollo de enfermedades cardiovasculares . La disfunción autonómica cardíaca es un factor de riesgo que también está relacionado con el desarrollo de enfermedades cardiovasculares y puede medirse de forma no invasiva mediante la evaluación de la variabilidad de la frecuencia cardíaca (VFC).
La VFC se refiere a la frecuencia cardíaca continua o a los intervalos continuos de ondas RR extraídos de la señal del electrocardiograma (ECG) (la distancia temporal entre las ondas R en la señal del ECG se denomina intervalos RR). Las variaciones a corto y largo plazo de la frecuencia cardíaca (FC) pueden deberse a diferentes causas. El sistema nervioso parasimpático hace que la FC, y a su vez, la presión arterial (PA) disminuya, mientras que el sistema nervioso simpático favorece una acción antagónica, aumentando tanto la FC como la PA. La interacción de estos sistemas se conoce como el equilibrio simpático-vagal del sistema nervioso autónomo (SNA) . Muchos estudios han demostrado que la VFC es un indicador cuantitativo útil para evaluar el equilibrio entre el sistema nervioso simpático cardíaco y el sistema nervioso parasimpático y puede utilizarse en el diagnóstico y la prevención de algunas enfermedades cardiovasculares como la insuficiencia cardíaca congestiva, la muerte cardíaca súbita, la arritmia o el síndrome de Holmes-Adie.
En las últimas décadas se ha intentado analizar y cuantificar la VFC para que pueda servir de utilidad clínica. Las mediciones de la VFC se realizan en períodos de larga y corta duración. Los registros a largo plazo suelen durar 24 horas y se realizan mediante un Holter, mientras que los registros a corto plazo duran entre 2 y 5 minutos y suelen realizarse con un ECG dinámico.
El análisis de la VFC tiene interés en otras múltiples afecciones, como las enfermedades respiratorias. Este análisis puede utilizarse como un método sencillo y no invasivo para la estimación de la capacidad aeróbica en sujetos con EPOC , y también puede utilizarse como herramienta pronóstica, ya que en estos pacientes, una VFC reducida se ha relacionado con un aumento de la morbilidad y la mortalidad . Además, la fuerza muscular respiratoria se ha relacionado con la respuesta simpático-vagal, que puede evaluarse mediante la VFC . Otras aplicaciones de la VFC van desde el biomarcador precoz para la evaluación de la evolución de la diabetes mellitus , y el marcador diagnóstico en el dolor cervical crónico , hasta la salud mental y física , o la calidad del sueño , y el estrés laboral , entre otros.
Los métodos para la medición de la VFC se pueden clasificar en métodos del dominio temporal y de la frecuencia. Los primeros consisten principalmente en un análisis estadístico de los intervalos RR. Sin embargo, sus capacidades son limitadas, ya que no muestran suficiente especificidad y sensibilidad, además de la necesidad de largos períodos de registro.
Los métodos en el dominio de la frecuencia o estimación espectral de la VFC pueden clasificarse en métodos paramétricos y no paramétricos. Los métodos no paramétricos basados en la transformada rápida de Fourier (FFT) tienen como principal ventaja su simplicidad y velocidad algorítmica , mientras que los métodos paramétricos, como los modelos autorregresivos (AR), proporcionan un componente espectral más definido, suave y fácil de identificar . Además, para las mediciones de corta duración, los métodos paramétricos proporcionan una mejor resolución espectral que los métodos no paramétricos .
Hasta donde saben los autores, no existen dispositivos que permitan el análisis en tiempo real de la VFC mediante los métodos mencionados. Se han propuesto algunos métodos adaptados para el análisis en tiempo real , como la transformada de Fourier en tiempo corto (STFT), la transformada wavelet, la transformada de Hilbert-Huang, y a partir de filtros de respuesta al impulso infinito (IIR) , pero siempre ejecutados off-line con señales de ECG de registros previamente adquiridos.
El presente trabajo muestra una primera aproximación al diseño de un dispositivo inteligente portátil, personalizable y de bajo coste para la medición en tiempo real de la VFC en el dominio de la frecuencia a través de modelos AR.
2. Materiales y Métodos
En el contexto del presente trabajo, se denomina dispositivo inteligente a aquel que no sólo tiene capacidad de detección para la medición de determinadas variables, sino que además está dotado de una unidad de comunicaciones inalámbrica y tiene la capacidad de realizar un proceso de la información adquirida. Los procesos de diseño, desarrollo y evaluación del dispositivo se han realizado con una metodología iterativa (o en espiral), probando los desarrollos antes y con mayor frecuencia que en el ciclo de vida tradicional en cascada. En la fase de diseño y simulación se ha utilizado el software Orcad (versión 16.0) de Cadence. Para la realización de los prototipos se han utilizado los programas CircuitCam (versión 5.2) y BoardMaster (versión 5.0), así como una fresadora ProtoMat S62, todos ellos de LPKF.
Una primera evaluación del rendimiento del dispositivo se ha realizado considerando sus características más representativas, comparándolas con otros dispositivos y sistemas propuestos recientemente en la literatura. La ganancia y el ancho de banda se calcularon a partir de la simulación del diseño electrónico utilizando el software Tina-TI de Texas Instruments. El consumo de energía se estimó utilizando el procedimiento descrito en . Para ello se colocó una resistencia de 10 ohmios en serie en la línea que alimenta la etapa Front-End desde la batería. Con un osciloscopio (MSO6032A de Agilent Technologies) se midió la tensión en la resistencia para aproximar, según la ley de Ohm, la corriente de entrada al circuito. Esta corriente, constante en el tiempo, se multiplicó por la tensión de alimentación de 3,3 V para obtener el consumo de energía.
El interés del presente dispositivo es su capacidad para calcular los parámetros de la VFC en el dominio de la frecuencia en tiempo real. Para este proceso, es habitual realizar una estimación de la densidad espectral de potencia (PSD) de la señal HRV. Como se muestra en la Figura 1, se obtienen componentes espectrales de muy baja frecuencia (VLF) en el rango de 0,0033-0,04 Hz , componentes espectrales de baja frecuencia (LF) en el rango de 0,04-0,15 Hz, y componentes espectrales de alta frecuencia (HF) en el rango de 0,15-0,4 Hz . Estos componentes proporcionan información clínica sobre la variación del ritmo sinusal del corazón. Los componentes de LF reflejan influencias tanto simpáticas como parasimpáticas, aunque la LF puede ser indicativa de la sensibilidad barorrefleja . Los componentes de HF están relacionados con el sistema parasimpático; por lo tanto, la relación LF/HF es indicativa del equilibrio simpático-ovagal.
Los componentes espectrales de potencia se cuantifican midiendo el área bajo las tres bandas de frecuencia: Potencia VLF, potencia LF y potencia HF. Los componentes espectrales de la VFC deben presentarse en base natural, por lo que podría ser necesaria una transformación logarítmica. Para facilitar la comparación entre los distintos estudios, los componentes suelen presentarse en unidades normalizadas, de acuerdo con las siguientes expresiones: donde y representan la potencia de los componentes LF o HF, respectivamente, y son indicativos de las potencias correspondientes en unidades normalizadas (porcentaje), representa la potencia total (equivalente a la varianza calculada con enfoques en el dominio del tiempo), e indica la potencia del componente VLF. La relación se calcula como la relación de y .
Para la validación del sensor y los algoritmos utilizados, se llevaron a cabo dos conjuntos de experimentos. Los sujetos respiraron espontáneamente pero no se les permitió hablar. Se obtuvo el consentimiento informado de todos los sujetos.
En el primer conjunto de experimentos, se realizaron dos experimentos de adquisición de señales de ECG con una duración de 5 minutos en un voluntario varón de 23 años que pesaba 90 kg, con un estado aparentemente sano y en diferentes situaciones. En los experimentos, el voluntario permaneció inmóvil, sin hablar y evitando cualquier tipo de biorretroalimentación. Para el primer experimento (experimento sentado), se pidió al sujeto que se sentara en una silla de forma cómoda y relajada con los ojos cerrados. El segundo experimento (experimento de los estímulos) se realizó en las mismas condiciones que el primero, pero en este caso se sometió al voluntario a estímulos auditivos aleatorios con el fin de analizar la influencia de las perturbaciones externas en el SNA. Cada uno de los experimentos se repitió a su vez en dos ocasiones distintas.
En el segundo conjunto de experimentos, se utilizó un protocolo estandarizado para el estudio de la VFC , para permitir un análisis comparativo del sistema con los resultados obtenidos en los estudios anteriores . En el estudio participaron 5 voluntarios, de aparente condición de salud. La tabla 1 muestra un detalle de las características antropométricas de los voluntarios. Las mediciones se realizaron por la mañana. Cada sujeto realizó dos experimentos, cada uno con una duración de cinco minutos:(i)Experimento de reposo: el voluntario permanece inmóvil en posición supina.(ii)Experimento de inclinación: el voluntario permanece inmóvil en posición de pie.
|
||||||||||||||||
3. Resultados del diseño
3.1. Diseño del dispositivo inteligente
La figura 2 muestra el diseño del dispositivo inteligente siguiendo un esquema modular que comprende los siguientes elementos:(i)Módulo sensor: su función es proporcionar una interfaz electroquímica entre el tejido y el subsistema de medición electrónica (módulo front-end) para la detección de voltaje. Esta interfaz se realiza a través del contacto electrodo-piel, que consiste en un electrodo metálico, un gel electrolítico (que suele contener Cl-) y la piel humana. Para ello, se colocaron tres electrodos de diagnóstico DORMO-TAB (electrodos flexibles pregelificados de Ag-AgCl con unas dimensiones de 26,4 mm × 22,5 mm) en los usuarios de la prueba, el primero situado bajo la clavícula en el hombro derecho, el segundo bajo la clavícula en el hombro izquierdo, y el tercero en el abdomen en la parte inferior del lado izquierdo. Estos electrodos se conectaron al módulo frontal mediante cables.(ii)Módulo frontal: es el elemento de adquisición de la señal monitorizada. Consta de un sistema de captación de la señal de ECG basado en un amplificador de instrumentación (INA), un circuito de realimentación a través del tercer electrodo, tres etapas de filtrado y una etapa de amplificación, todo ello implementado a través de amplificadores operacionales.(iii)Módulo de procesamiento: se encarga del procesamiento de la señal de ECG y del análisis de frecuencias para la estimación espectral de la VFC. Se ha utilizado un módulo OLIMEX PIC32-PINGÜINO-OTG para el procesamiento de los datos, que pueden ser enviados de forma inalámbrica en tiempo real. El módulo OLIMEX hace uso de un microcontrolador PIC32MX440F256H, con 256 KB de memoria de programa, 32 KB de memoria de datos, y una velocidad máxima de 80 MHz.(iv)Módulo de comunicación: se encarga de las comunicaciones inalámbricas bidireccionales del dispositivo inteligente: la transmisión del resultado del procesamiento de la señal a una unidad externa (un ordenador en este primer prototipo) en un sentido, y la recepción de comandos de configuración para la personalización de los algoritmos de procesamiento en el otro. En este caso, se ha utilizado un módulo RN42-I/RM de microchip para implementar las comunicaciones basadas en el estándar Bluetooth.
3.2. Diseño del módulo del front-end
La etapa de entrada del front-end consiste en una INA compuesta por tres amplificadores operacionales con una ganancia aproximada de 33 dB. La impedancia diferencial de entrada es bootstrapped para aumentar la resistencia de entrada y aumentar la calidad de la relación señal/ruido . A través de un seguidor de tensión se obtiene el modo común de la INA, que se invierte y amplifica para que posteriormente se retroalimente a través de la pata derecha y se obtenga un aumento de la relación de rechazo en modo común (CMRR), reduciendo el impacto de las interferencias en la señal de salida .
A continuación se implementa un filtro paso alto con una frecuencia de corte de 0,5 Hz. Este filtrado se realiza a partir de un filtro paso bajo, con la misma frecuencia de corte, que realimenta el nivel continuo de la señal de salida de la INA como su tensión de referencia. Esta configuración permite una mayor ganancia en el amplificador evitando la saturación en las etapas posteriores debido a un alto nivel de CC.
A continuación, se incluyen pasos de filtrado de ganancia de dos unidades. Las interferencias de la instalación eléctrica se atenúan mediante un filtro notch ajustado a la frecuencia de 50 Hz. A continuación, se configura un filtro de paso bajo con una frecuencia de corte de 150 Hz para minimizar los efectos de otras posibles fuentes de ruido, normalmente de alta frecuencia.
Por último, se utiliza un amplificador inversor con una ganancia aproximada de 30 dB como última etapa de ganancia para proporcionar una señal medible al convertidor analógico-digital (ADC) del módulo de procesamiento.
El ADC se implementó aprovechando uno de los periféricos disponibles del microcontrolador PIC32MX440F256H, que es el núcleo del módulo OLIMEX PIC32-PINGÜINO-OTG. Este dispositivo permite un ADC de hasta 16 canales de 10 bits, con una tasa de muestreo máxima de 1000 ksps. Aunque se ha demostrado que una frecuencia de muestreo tan baja como 50 Hz podría utilizarse para medir la señal de ECG sin comprometer la precisión de los parámetros de VFC calculados en el dominio del tiempo , otros estudios recomiendan la frecuencia de 200 Hz para evitar posibles distorsiones en el espectro de frecuencias de la señal , la base del análisis mostrado en el presente trabajo. Por este motivo, se ha seleccionado una frecuencia de muestreo de 200 Hz como frecuencia de trabajo del dispositivo, para minimizar la carga computacional y el consumo de energía, a la vez que se garantiza una calidad en los resultados tras el procesado.
Para el diseño del front-end se han utilizado resistencias y condensadores de montaje superficial de tamaño estándar 0603 y amplificadores operacionales de montaje superficial de la serie OPA211 de Texas Instruments. Se eligió el OPA211 porque tiene una característica principal, un ruido de entrada muy bajo (80nVpp), y es ideal para aplicaciones médicas.
3.3. Módulo de procesamiento
La estimación de la VFC en el dominio de la frecuencia a partir de la señal de ECG se obtiene mediante un algoritmo de cinco pasos:(i)En un primer paso, la señal S0 correspondiente a la señal de salida del front-end de ECG se eleva a la tercera potencia. De este modo, se obtiene la señal que permite una mejor definición del complejo QRS.(ii)En la segunda etapa, a partir de la segunda derivada de , se genera una nueva señal que corresponde a las siguientes expresiones: donde representa la muestra actual. Este procesamiento permite detectar fácilmente la onda R.(iii)En la tercera etapa, se obtiene la señal S3 como estimación de los intervalos RR, expresados en segundos. Se guarda un registro de los últimos valores máximos de la onda R en la señal S2, eliminando los valores más antiguos para adaptarse dinámicamente a los cambios de amplitud de la señal. A partir de este registro se define el umbral de detección Thd como el 30% del valor máximo de todos ellos. Este umbral permite limitar el intervalo de búsqueda de la onda R. El instante en el que la onda es máxima en el intervalo de búsqueda se establece como el instante R. A continuación, se define un nuevo valor en el vector del intervalo RR como la diferencia entre el R-instante actual y el anterior.(iv)En la cuarta etapa, la estimación espectral de S3 mediante modelos AR se obtiene por el método Burg de orden N, donde N es un parámetro configurable . Como el tiempo de adquisición de la señal es pequeño, el uso del método de Burg es una opción adecuada, ya que tiene la ventaja de una mayor resolución y estabilidad para una pequeña cantidad de datos . El algoritmo se implementó siguiendo las recomendaciones descritas en para mejorar la estimación de la frecuencia.(v)Finalmente, en la quinta etapa se calcularon , , y los parámetros según las ecuaciones y procedimientos descritos en la sección de Materiales y Métodos.
4. Resultados de la validación
Como muestra de las señales con las que opera el módulo de procesamiento, la Figura 3 muestra el resultado de las tres primeras etapas del algoritmo descrito en la sección anterior para un experimento sentado. La figura 3(a) muestra un segmento de 20 segundos de la señal de salida S0 del front-end del ECG. La figura 3(b) muestra la señal como resultado de elevar la señal S0 a la tercera potencia para aumentar la definición del complejo QRS de la señal de ECG. La figura 3(c) muestra la señal S2, que permite detectar fácilmente la onda R. Por último, la figura 3(d) muestra la señal completa S3 como resultado de la estimación de los intervalos RR de la señal S2. Esta última señal representa una señal temporal distribuida a lo largo del eje horizontal, también de carácter temporal, que será la base del posterior análisis en el dominio de la frecuencia.
(a)
(b)
(c)
(d)
(a)
(b)
(c)
(d)
Dado el interés que representa el cálculo de la densidad espectral de potencia para el análisis de la señal HRV, se optimizó el parámetro N de Burg en la cuarta etapa del algoritmo. Para seleccionar el orden del filtro se probaron diferentes valores desde hasta , que es el rango recomendado para este tipo de aplicaciones, aumentando su valor en pasos de dos.
La figura 4 muestra los resultados obtenidos para algunos de los valores analizados del parámetro N. Se consideró como óptimo el valor que permitía una correcta estimación espectral. Cuanto menor es N más suave es la señal, dificultando la detección de las componentes espectrales, mientras que cuanto mayor es N mayor es el número de picos generados en el espectro de frecuencias, dificultando así su análisis y requiriendo en este caso un mayor tiempo computacional. Tras este análisis, se estableció como valor óptimo del parámetro, ya que era el orden menor que ofrecía una adecuada definición de los componentes espectrales.
La implementación del prototipo de dispositivo inteligente se muestra en la Figura 5.
El análisis espectral del primer conjunto de experimentos (experimento sentado y experimento con estímulos) se aplicó en una primera validación del dispositivo y su algoritmo de procesamiento. Esta evaluación se realizó en este caso de forma cualitativa, analizando el espectro de las señales por inspección. La figura 6 muestra una comparación de la estimación espectral de dos de los experimentos realizados, en los que se identifican las componentes espectrales LF y HF.
(a)
(b)
(a)
(b)
En el experimento sentado, en el que el usuario estaba relajado, se observa que el componente HF es dominante sobre el componente LF. Este resultado está de acuerdo con lo esperado, ya que en este caso, debería haber una mayor actividad del sistema parasimpático sobre el simpático, ya que corresponde a un estado de reposo y relajación. En el experimento de los estímulos, el voluntario fue sometido a diferentes perturbaciones. En este caso, el componente LF fue dominante, lo que también concuerda con los resultados esperados.
Los resultados obtenidos alentaron un estudio más detallado utilizando el protocolo estandarizado descrito en la sección de Materiales y Métodos y el segundo conjunto de experimentos (experimentos de reposo y experimentos de inclinación). Como ejemplo, las figuras 7 y 8 muestran la estimación espectral de la VFC de una voluntaria y un voluntario, respectivamente. Cada una de las figuras representa también la PSD de los dos experimentos realizados por cada voluntario: los de reposo y los de inclinación. En ambos gráficos se observa un aumento del componente LF y una disminución del componente HF al pasar de la posición supina a la posición de pie. En el caso que se muestra en la Figura 7, existe incluso una inversión en la posición del máximo de los componentes espectrales, situado en HF durante el experimento de reposo y en LF durante el experimento de inclinación.
Para definir con mayor precisión la relación entre los componentes espectrales al comparar los dos casos (reposo e inclinación), también se realizó un análisis cuantitativo utilizando parámetros normalizados de las características espectrales de la VFC descritas anteriormente: , , y .
El uso de parámetros normalizados y de un protocolo estándar favorece la comparación con otros resultados de la literatura. La tabla 2 muestra los resultados obtenidos en este estudio y una muestra de datos equivalentes obtenidos por otros autores para sujetos sanos.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Los datos de la Tabla 2 muestran resultados comparables a los encontrados en otros estudios, tanto en valores absolutos como relativos. Además, se observa la misma tendencia y las mismas relaciones entre los parámetros. es mayor en los experimentos de inclinación que en los del resto. Lo contrario ocurre con HFnu. La relación LF/HF tiene un valor cercano a la unidad en los experimentos de reposo, pero es mucho mayor en los experimentos de inclinación.
También se puede observar en la Tabla 2 que los valores máximos y mínimos de los diferentes parámetros no se solapan. En este sentido, se puede establecer entonces un umbral para cada uno de los parámetros que podría ser empleado en un hipotético reconocimiento y clasificación de los experimentos. Para , se establece como umbral de clasificación el valor medio entre el valor máximo del parámetro en los experimentos de descanso y el valor mínimo del parámetro en los experimentos de inclinación. El mismo procedimiento se utiliza para calcular el umbral del parámetro LF/HF. En cambio, el umbral del parámetro HFnu se calcula como el valor medio entre el valor mínimo en los experimentos de reposo y el valor máximo en los experimentos de inclinación. La tabla 3 muestra las reglas de clasificación según los umbrales anteriores.
|
|||||||||||||||||||||||||||
La figura 9 muestra gráficamente la distribución de los parámetros alrededor de los umbrales de clasificación, marcados con una línea sólida. Los gráficos también muestran el intervalo de confianza del 68,27% (±desviación estándar) obtenido para cada parámetro en cada uno de los experimentos. Estos intervalos están marcados con líneas discontinuas y sirven para resaltar la distribución estadística de los resultados.
(a)
(b)
(c)
(a)
(b)
(c)
Respecto al rendimiento del dispositivo, la Tabla 4 resume algunas características del dispositivo y las compara con algunos trabajos recientes. La principal ventaja del dispositivo en comparación con otras propuestas comerciales y de la literatura es su capacidad para la detección en tiempo real de las alteraciones de la variabilidad de la frecuencia cardíaca (VFC) a través del análisis de la frecuencia. Según el conocimiento de los autores, esta capacidad no está implementada en los dispositivos portátiles, siendo el análisis offline a partir de los datos almacenados en la memoria el método más habitual .
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
En el primer conjunto de experimentos, correspondiente a la evaluación funcional del front-end, los datos de ECG capturados por el dispositivo fueron enviados de forma inalámbrica y en tiempo real a un ordenador, que actuaba como módulo de procesamiento, donde fueron analizados con el software Matlab (versión 2016a). Cada muestra fue enviada secuencialmente por el módulo de comunicación Bluetooth, utilizado como puerto serie, con una velocidad de transmisión de 200 muestras por segundo (dos bytes por muestra).
Después de estos resultados positivos, en el segundo conjunto de experimentos, el algoritmo fue embebido en el módulo de procesamiento físico del prototipo. La Tabla 5 muestra algunos detalles de la implementación del algoritmo en el prototipo del sensor. El segundo conjunto de experimentos se llevó a cabo utilizando el dispositivo en modo autónomo, según el cual el dispositivo llevó a cabo las siguientes tareas:(i)Transmisión inalámbrica secuencial de muestras de ECG para su registro y posterior evaluación.(ii)Cálculo en línea de S3 como estimación de los intervalos RR. Este proceso, ejecutado dentro del dispositivo, requiere un tiempo de ejecución de 193 μs, suficiente para ser ejecutado en tiempo real cada vez que se recibe una nueva muestra a 200 Hz, sin interferir con la siguiente muestra.(iii)Cada cinco minutos, estimación de la VFC en el dominio de la frecuencia a partir de los intervalos RR. Este proceso, también ejecutado dentro del dispositivo, requiere un tiempo de ejecución de 409,2 ms, suficiente para una aplicación en tiempo real.(iv)Cálculo de , , y a partir de la PSD de la señal de VFC y transmisión inalámbrica del resultado.
|
||||||||||||
El algoritmo también se ejecutó simultáneamente en un ordenador con las muestras de ECG enviadas por el dispositivo. La coincidencia en los resultados obtenidos por el dispositivo respecto al ordenador demuestra la viabilidad del prototipo para la ejecución del algoritmo propuesto en tiempo real.
5. Conclusiones
En el presente trabajo se ha mostrado una primera aproximación a un dispositivo inteligente y un algoritmo de procesamiento para el análisis espectral de la VFC en tiempo real. Hasta donde sabemos, esta capacidad no está disponible en ningún dispositivo de medición de ECG portátil. Bajo los requisitos de bajo coste, personalización y bajo consumo de energía, se ha diseñado e implementado el hardware y el software necesarios para la captura de la señal de ECG y su posterior procesamiento.
Se realizó una validación cualitativa en dos experimentos diferentes, repetidos dos veces cada uno. En un primer experimento, en el que el voluntario estaba relajado, los componentes espectrales observados indicaban una mayor actividad del sistema parasimpático sobre el simpático. En un segundo experimento, en el que el voluntario fue sometido a estímulos externos, los componentes espectrales mostraron una mayor actividad del sistema simpático por encima del parasimpático. Los resultados obtenidos en esta primera aproximación muestran la viabilidad del dispositivo y de los algoritmos propuestos para un análisis cualitativo en tiempo real del SNA y la influencia de diferentes perturbaciones.
Para una evaluación más exhaustiva, se realizó un segundo conjunto de experimentos. Se utilizaron parámetros estándar en el análisis espectral de la VFC, así como un protocolo de medición estandarizado (experimentos de reposo e inclinación). Un análisis comparativo con respecto a los resultados obtenidos en otros estudios ha demostrado la validez tanto del dispositivo como de los algoritmos propuestos para la evaluación cuantitativa de los componentes espectrales de la VFC. Además, se ha establecido un método para la clasificación de las actividades de reposo e inclinación a partir de una señal de ECG.
Conflictos de intereses
Los autores declaran que no existe ningún conflicto de intereses con ninguna empresa u organización en relación con el material tratado en este trabajo.
Agradecimientos
Este trabajo ha sido apoyado en parte por la Fundación Progreso y Salud, de la Junta de Andalucía, con las becas PI-0010-2013 y PI-0041-2014, en parte por el Fondo de Investigaciones Sanitarias, Instituto de Salud Carlos III, bajo las becas PI15/00306 y DTS15/00195, y en parte por el CIBER-BBN bajo las becas de INT-2-CARE, NeuroIBC, y ALBUMARK.