medigraphic.com
ISSN 1561-3011 (Digital)

2016, Número 2

<< Anterior Siguiente >>

Rev Cubana Invest Bioméd 2016; 35 (2)


Diagnóstico matemático de dinámica cardiaca y evaluación de variables hemodinámicas de Unidad de Cuidados Intensivo

Rodríguez VJO, Prieto BSE, Correa HSC, Oliveros RH, Soracipa MMY

Idioma: Español
Referencias bibliográficas: 42
Paginas: 158-173
Archivo PDF: 357.48 Kb.


RESUMEN

Introducción: desde los sistemas dinámicos se desarrolló un diagnóstico de la dinámica cardiaca de aplicación clínica en 16 h, de utilidad en pacientes de Unidad de Cuidados Intensivos.
Objetivos: confirmar la capacidad diagnóstica de la nueva metodología de evaluación de la dinámica cardiaca en 16 h y determinar la evolución de la presión arterial y venosa de oxígeno y dióxido de carbono.
Métodos: se usaron 50 dinámicas, 10 normales y 40 con patologías agudas, se tomó la frecuencia cardiaca mínima y máxima, y número de latidos cada hora. Se construyeron atractores y se evaluaron los espacios de ocupación y la dimensión fractal en 16 y 21 h, se comparó ambos diagnósticos físico-matemáticos entre sí. Luego se realizó una confirmación del diagnóstico establecido en 16 h mediante un estudio ciego de comparación con el diagnóstico convencional. A continuación, se tomaron los valores de la presión arterial y venosa de oxígeno y dióxido de carbono de siete pacientes de Unidad de Cuidados Intensivos y se construyeron atractores caóticos, se evaluó los valores mínimos y máximos del atractor en el mapa de retardo.
Resultados: se confirmó la capacidad diagnóstica de la metodología en 16 h para la dinámica cardiaca, con sensibilidad y especificidad de 100 % y coeficiente kappa de uno, respecto al diagnóstico convencional. Los valores mínimos y máximos de los atractores de la presión arterial y venosa de oxígeno y dióxido de carbono se encontraron entre 29,60 y 194,40; 24,20 y 56,10; 16,40 y 65,60 y 21,40 y 97,90.
Conclusiones: se confirmaron predicciones diagnósticas en 16 h y de diferenció normalidad, enfermedad crónica y enfermedad aguda, útiles para el seguimiento clínico en pacientes de Unidad de Cuidados Intensivos. El comportamiento de las variables fue caótico; estos resultados podrían fundamentar aplicaciones clínicas y predicciones de mortalidad.


REFERENCIAS (EN ESTE ARTÍCULO)

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

  2. Mandelbrot B. Introducción. En: Los Objetos Fractales. Barcelona: Tusquets Eds. S.A; 2000. p. 13-26.

  3. Peitgen H, Jurgens 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.

  4. Jimenez L, Montero FJ. Medicina de urgencias y emergencias: guía diagnóstica y protocolos de actuación. 3ª Ed, Madrid: Elsevier; 2006.

  5. Gómez D, Fernández G, Gutiérrez Á, Daza L, Fernández C, Manrique N, et al. Cálculo de los contenidos arterial y venoso de oxígeno, de la diferencia arteriovenosa de oxígeno, tasa de extracción tisular de oxígeno y shunt intrapulmonar con unas nuevas fórmulas, basadas en la saturación de oxígeno. Revista facultad de medicina. 2000;48(2):67-76.

  6. Perkins G, McAuley D, Giles S, Routledge H, Gao F. Do changes in pulse oximeter oxygen saturation predict equivalent changes in arterial oxygen saturation? Crit Care. 2003;7(4): R67–R71.

  7. Figueredo OL, González S. Morbimortalidad en la Unidad de Cuidados Intensivos. Rev Electrónica Portales Médicos. 2010;1–22.

  8. Feynman RP, Leighton RB, Sands M. Leyes de la Termodinámica. Primera edición Wilmington: Addison-Wesley Iberoamericana, SA. 1998;1:1-44.

  9. Feynman R. Comportamiento cuántico. Wilmington: Addison-Wesley Iberoamericana, SA. 1964;1:1-37.

  10. Rañada A. Introducción. En Orden y Caos. Scientific American. Barcelona: Prensa Cientifica SA; 1990. p. 4-8.

  11. Rodríguez J, Correa C, Melo M, Domínguez, D, Prieto S, Cardona DM, et al. Chaotic cardiac law: Developing predictions of clinical application. J Med Med Sci. 2013;4(2):79-84.

  12. Rodríguez J, Prieto S, Mendoza F, Velásquez N. Physical mathematical evaluation of the cardiac dynamic applying the Zipf - Mandelbrot law. Journal of Modern Physics. 2015;6:1881-8.

  13. 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. 2013;4(8):370-81.

  14. Rodríguez J, Prieto S, Correa C, Soracipa Y, Aguirre G, Méndez L, et al. Proportional entropy applied to the clinical diagnostic of cardiac dynamic: blind study with 600 holter. The 61st Annual Conference of the Israel Heart Society in association with The Israel Society of Cardiothoracic Surgery. Tel Aviv; 2014.

  15. Rodríguez J. Proportional Entropy of the cardiac dynamics in CCU patients. 7th International Meeting on Intensive Cardiac Care. Israel Heart Society, European Society of Cardiology, EBAC. Tel Aviv; 2011.

  16. Rodríguez J, Prieto S, Avilán N, Correa C, Bernal P, Ortiz L, et al. Nueva metodología física y matemática de evaluación del Holter. Rev Colomb Cardiol. 2008;15:50-4.

  17. Rodríguez J, Prieto S, Bernal P, Soracipa Y, Salazar G, Isaza D, et al. Nueva metodología de ayuda diagnóstica de la dinámica geométrica cardiaca. Dinámica cardiaca caótica del holter. Rev Acad Colomb Cienc. 2011;35(134):5-12.

  18. Rodríguez J. Mathematics physical assessment of cardiac dynamics based on theory of probability and proportions of entropy in the intensive care unit for patients with arrhythmia. International Conference on Medical Physics. Birmingham; 2015.

  19. Rodríguez J, Prieto S, Correa C, Oliveros H, Soracipa Y, Méndez L 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. 2016;16(1):15-22.

  20. Perkiomaki J, Mäkikallio T, Huikuri H. Fractal and complexity measures of heart rate variability. En: Clinical and Experimental Hypertension. 2005;27(2-3):149-58.

  21. Gallo J, Farbiarz J, Alvarez D. Análisis espectral de la variabilidad de la frecuencia cardiaca. Iatreia. 1999;12(2):61-71.

  22. Guillen P, Vallverdú M, Rojas R, Jugo D, Carrasco H, Caminal P, et al. Dinámica no lineal para caracterizar la dinámica la variabilidad del ritmo cardíaco en pacientes chagásticos. Memorias II Congreso Lationoamericano de Ingeniería Biomédica. Habana: Cuba. 2001 [citado 17 de diciembre de 2015]. Disponible en: http://www.saber.ula.ve/bitsteam/123456789/15820/1/dinamica_nolineal.pdf

  23. Goldberger AL, Amaral L, Hausdorff JM, Ivanov PC, Peng CK, Stanley HE, et al. Fractal dynamics in physiology: alterations with disease and aging. Proc Natl Acad Sci U SA. 2002;99(1):2466–72.

  24. Huikuri HV, Mäkikallio TH, Peng Ch, Goldberger AL, Hintze U, Moller M, et al. Fractal correlation properties of R-R interval dynamics and mortality in patients with depressed left ventricular function after an acute myocardial infartion. Circulation. 2000;101:47-53.

  25. Voss A, Schulz S, Schroeder R, Baumert M, Caminal P. Methods derived from nonlinear dynamics for analysing heart rate variability. Philosophical Transactions of Royal Society A. 2009;367(1887):277-96.

  26. Mäkikallio TH, Huikuri HV. Fractal and complexity measures of heart rate variability. Clin Exp Hypertens. 2005;2-3:149-58.

  27. Knaus WA, Draper EA, Wagner DP, Zimmerman JE. APACHE II: a severity of disease classification system. Crit Care Med. 1985t;13(10):818–29.

  28. Hosseini M, Ramazani J. Comparison of acute physiology and chronic health evaluation II and Glasgow Coma Score in predicting the outcomes of Post Anesthesia Care Unit's patients. Saudi J Anaesth. 2015;9(2):136–41.

  29. Naved SA, Siddiqui S, Khan FH. APACHE-II score correlation with mortality and length of stay in an intensive care unit. Journal of the College of Physicians and Surgeons Pakistan. 2011;21(1):4-8.

  30. Reich DL. Monitoring in Anesthesia and Perioperative Care. Cambridge: University Press; 2011.

  31. Hsieh Y, Su M, Wang C, Wang P. Prediction of survival of ICU patients using computational intelligence. Comput Biol Med. 2014;47:13-9.

  32. Cismondi F, Celi LA, Fialho AS, Vieira SM, Reti SR, Sousa JM, et al. Reducing unnecessary lab testing in the ICU with artificial intelligence. International Journal of Medical Informatics. 2015;8:345-58

  33. Kajimoto K, Sato N, Takano T. Association of age and baseline systolic blood pressure with outcomes in patients hospitalized for acute heart failure syndromes. 2015;191:100-6.

  34. Esteve F. Evaluation of the PaO2/FiO2 ratio after cardiac surgery as a predictor of outcome during hospital stay. BMC Anesthesiology. 2014;14:83.

  35. Rodríguez J, Prieto S, Flórez M, Alarcón C, López R, Aguirre G, et al. Physicalmathematical diagnosis of cardiac dynamic on neonatal sepsis: predictions of clinical application. J Med Med Sci. 2014;5(5):102-8.

  36. Rodríguez J. Nuevo diagnóstico físico y matemático de la monitoria fetal: predicción de aplicación clínica. Momento Revista de Física. 2012;44:49-65.

  37. Rodríguez J. Método para la predicción de la dinámica temporal de la malaria en los municipios de Colombia. Rev Panam Salud Pública. 2010;27(3):211-8.

  38. Rodríguez J, Prieto S, Correa C, Pérez C, Mora J, Bravo J, et al. Predictions of CD4 lymphocytes'’ count in HIV patients from complete blood count. BMC Medical Physics. 2013;13:3.

  39. 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.

  40. Velásquez J, Prieto S, Correa C, Domínguez D, Cardona D, Melo M, et al. Geometrical nuclear diagnosis and total paths of cervical cell evolution from normality to cancer. J Cancer Res Ther. 2015;11(1):98–104.

  41. Correa C, Rodríguez J, Prieto S, Álvarez L, Ospino B, Munévar A, et al. Geometric diagnosis of erythrocyte morphophysiology. J Med Med Sci. 2012;3(11):715-20.

  42. Rodríguez J, Prieto S, Correa C, Bernal P, Puerta G, Vitery S, et al. Theoretical generalization of normal and sick coronary arteries with fractal dimensions and the arterial intrinsic mathematical harmony. BMC Med Phys. 2010;10:1-6.




2020     |     www.medigraphic.com