medigraphic.com
Colegio de Medicina Interna de México.

2022, Número 6

<< Anterior Siguiente >>

Med Int Mex 2022; 38 (6)


Análisis probabilista de la dinámica cardiaca durante 20 horas en pacientes diabéticos

Rodríguez-Velásquez JO, Correa-Herrera SC, Salazar-Flórez J, Prieto-Bohórquez SE, Valdés-Cadena, CA

Idioma: Español
Referencias bibliográficas: 24
Paginas: 1147-1154
Archivo PDF: 208.98 Kb.


RESUMEN

Objetivo: Comprobar el rendimiento diagnóstico de una metodología basada en la teoría de la probabilidad aplicada durante 20 horas para analizar registros Holter de sujetos diabéticos y confirmar su validez clínica.
Materiales y Métodos: Estudio prospectivo, observacional, en el que de diciembre de 2019 a junio de 2020 se recolectaron registros Holter. Se extrajeron los valores de frecuencia cardiaca mínima y máxima, al igual que la cantidad de latidos por hora para aplicar los criterios diagnósticos de la metodología probabilista mediante un estudio ciego. Se calcularon valores de sensibilidad y especificidad.
Resultados: Se recolectaron 48 registros Holter, que comprendieron 30, 14 y 4 registros de sujetos con enfermedad cardiovascular sin diabetes, con enfermedad cardiovascular y diabetes y con diabetes sin enfermedad cardiaca, respectivamente. Las dinámicas cardiacas de pacientes diabéticos mostraron un comportamiento matemático que varió entre la enfermedad y la evolución a la enfermedad, similar a las dinámicas cardiacas de sujetos con enfermedad cardiovascular. Los valores de sensibilidad y especificidad fueron del 97 y 100%, respectivamente.
Conclusiones: Se confirmó la aplicabilidad clínica de una metodología diagnóstica de la dinámica cardiaca en el contexto de diabetes mellitus y enfermedad cardiovascular, lo que sugiere que este método es válido para describir el riesgo cardiaco en esta población.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. OMS. Datos y Cifras. 10 datos sobre la diabetes. Disponibleen: http://www.who.int/features/factfiles/diabetes/facts/es/index.html.

  2. OMS. Centro de Prensa. Nota descriptiva N°312. Septiembrede 2011. Disponible en: http://www.who.int/mediacentre/factsheets/fs312/es/index.html.

  3. Kasper D, Fauci A, Hauser S, Longo D, Loscalzo J, JamesonJ. Harrison's Principles of Internal Medicine, 19th ed. NewYork: McGraw Hill; 2015.

  4. Asociación Colombiana de Diabetes. HbA1c y riesgo cardiovascular.Diabetes al día. 27 de enero de 2012. Disponibleen: http://www.asodiabetes.org/novedades_boletin.php?Id_Noticia=163&Id_Categoria=8.

  5. Haffner SM, Lheto S, Ronnemaa T, Pyorala K, Laaloo M.Mortality from coronary heart disease in subjects with type2 diabetes and in no diabetes subjects with and withoutprior myocardial infarction. N Engl J Med 1998; 339: 229-34. doi: 10.1056/NEJM199807233390404.

  6. Pineda M, Matiz H, Rozo R. Enfermedad coronaria. Bogotá:Editorial Kimpres Ltda; 2002.

  7. Bode F, Burgdorf C, Schunkert H, Kurowski V. 24 hourST segment analysis in transient left ventricular apicalballooning. PLoS One 2013; 8 (3): e58349. doi: 10.1371/journal.pone.0058349.

  8. Sessa F, Anna V, Messina G, Cibelli G, Monda V, Marsala G,et al. Heart rate variability as predictive factor for suddencardiac death. Aging (Albany NY). 2018; 10 (2): 166-177.doi: 10.18632/aging.101386.

  9. Choi KW, Jeon HJ. Heart rate variability for the predictionof treatment response in major depressive disorder. FrontPsychiatry 2020; 11: 607. doi: 10.3389/fpsyt.2020.00607.

  10. Wolf M, Varigos G, Hunt D, Sluman J. Sinus arrhythmia inacute myocardial infarction. Med J Aus 1978; 2: 52-53.

  11. Feynman RP, Leighton RB, Sands M. Probabilidad. En: FeynmanRP, Leighton RB, Sands M. Física. Vol. 1. Wilmington:Addison-Wesley Iberoamericana, SA. 1964: 6-1, 6-16.

  12. Mood A, Graybill F, Boes D. Introduction to the theory ofstatistics. 3rd ed. Singapore Mc. Graw-Hill, 1974.

  13. Rodríguez J, Prieto S, Correa C, Bernal P, Vitery S, Álvarez L,et al. Diagnóstico cardiaco basado en la probabilidad aplicadoa pacientes con marcapasos. Acta Med Colomb 2012;37 (4): 183-191. https://doi.org/10.36104/amc.2012.177.

  14. Rodríguez J, Correa C, Ortiz L, Prieto S, Bernal P, Ayala J.Evaluación matemática de la dinámica cardiaca con la teoríade la probabilidad. Rev Mex Cardiol 2009; 20 (4): 183-9.

  15. Rodríguez J, Prieto S, Paéz J, Correa C, Montenegro C,Cortés J, et al. Evaluación de registros Holter durante 19horas en el contexto de la teoría de la probabilidad. RevChil Cardiol 2019; 38 (1): 20-28.

  16. Cabrales M, Vanegas D. Manual de métodos diagnósticosen electrofisiología cardiovascular. Bogotá: Sociedad Colombianade Cardiología y Cirugía Cardiovascular; 2006.

  17. Palma J, Jiménez A, González J, Marín E, Martín E. Guíasde práctica clínica de la Sociedad Española de Cardiologíaen la monitorización ambulatoria del electrocardiogramay presión arterial. Revista Española de Cardiología 2000;53 (1): 91-109.

  18. Huikuri HV, Stein PK. Heart rate variability in risk stratificationof cardiac patients. Prog Cardiovasc Dis 2013; 56 (2):153-9. doi: 10.1016/j.pcad.2013.07.003.

  19. Silva-E-Oliveira J, Amélio PM, Abranches ILL, DamascenoDD, Furtado F. Heart rate variability based on risk stratificationfor type 2 diabetes mellitus. Einstein (Sao Paulo) 2017;15 (2): 141-147. doi: 10.1590/S1679-45082017AO3888.

  20. Shaffer F, Ginsberg JP. An overview of heart rate variabilitymetrics and norms. Front Public Health 2017; 5: 258. doi:10.3389/fpubh.2017.00258.

  21. Rodríguez J, Ramírez L. Confirmación diagnóstica de lametodología diseñada para evaluar los registros Holterdurante 18 horas mediante la entropía proporcional.Rev Colomb Cardiol 2021; 28: 136-145. https://doi.org/10.24875/rccar.m21000027.

  22. Rodríguez J. Teoría de unión al HLA clase II: teorías de ProbabilidadCombinatoria y Entropía aplicadas a secuenciaspeptídicas. Inmunología 2008; 27 (4): 151-66. doi: 10.1016/S0213-9626(08)70064-7.

  23. Rodríguez J. Método para la predicción de la dinámicatemporal de la malaria en los municipios de Colombia. RevPanam Salud Pública 2010; 27 (3): 211-8.

  24. Rodríguez J. Dynamical systems applied to dynamic variablesof patients from the Intensive Care Unit (ICU). Physicaland mathematical mortality predictions on ICU. J Med MedSci 2015; 6 (8): 209-220. DOI: http:/dx.doi.org/10.14303/jmms.2015.115.




2020     |     www.medigraphic.com