medigraphic.com
ISSN 1684-1859 (Impreso)

2019, Número 2

<< Anterior Siguiente >>

Revista Cubana de Informática Médica 2019; 11 (2)


Relación de la edad con componentes espectrales de realizaciones sin ruido de señales fotopletismográficas: resultados de un enfoque de identificación no lineal

Hernández CJL, Reyes MLA, González FRI

Idioma: Ingles.
Referencias bibliográficas: 25
Paginas: 3-15
Archivo PDF: 465.68 Kb.


RESUMEN

Antecedentes: los cambios relacionados con la edad en la red vascular se han documentado ampliamente, sin embargo, la identificación no lineal solo se ha aplicado de manera esporádica al análisis de las señales cardiovasculares.
Objetivo: determinar los cambios con la edad en los componentes espectrales de las realizaciones sin ruido (NFR) obtenidas a partir de señales fotopletismográficas, resumidas en el índice regresivo de la complejidad por núcleos (KCRIndex).
Métodos: Con 190 participantes aparentemente sanos (de 9 a 89 años) residentes en Orense, España, se registraron señales fotopletismográficas durante 5 minutos en posición supina usando un oxímetro de pulso Nellcor-395; las señales se digitalizaron a 1000 Hz, y se sometieron a identificación no lineal a través de un estimador autorregresivo no lineal por núcleos. El KCRIndex se define como el promedio de al menos tres valores de pendiente negativos en el espectro log-log de NFR en la región de frecuencia de 9 a 25 Hz.
Resultados: KCRIndex disminuyó con la edad de forma lineal y no difirió entre géneros. La línea de regresión obtenida fue KCRIndex = -0.025 * edad + 6.868 (r = -0.751).
Conclusiones: Este índice propuesto está fuertemente correlacionado con la edad, lo que abre nuevas posibilidades para la exploración cardiovascular en entornos de atención primaria de salud e incluso en condiciones de campo.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. West GB, Brown JH, Enquist BJ. A General Model for the Origin of Allometric Scaling Laws in Biology. Science 1997 Apr;276(5309):122-126.

  2. McMahon. Size and Shape in Biology. Elastic criteria impose limits on biological proportions, and consequently on metabolic rates. Science 1973 Mar;79(4079):1201-4.

  3. Changizi MA, Cherniak C. Modeling the Large-Scale Geometry of Human Coronary Arteries. Can. J. Physiol. Pharmacol. 2000 Aug;78(8):603-11.

  4. O'Rourke MF, Nichols WW. Aortic Diameter, Aortic Stiffness, and Wave Reflection Increase With Age and IsolatedSystolic Hypertension. Hypertension. 2005 Apr;45(4):652-8.

  5. Adji A, O’Rourke M. Disparate effects of aging on indices of arterial stiffness and wave reflection. J Am CollCardiol. 2004 Mar;43(5 Supl 2):2242-5.

  6. Avolio AP, Chen SG, Wang RP, Zhang CL, Li MF, O’Rourke MF. Effects of aging on changing arterial compliance and left ventricular load in a northern Chinese urban community. Circulation. 1983 Jul;68(1):50-8.

  7. Glasser S, Finkelstein M, Cohn JN, McVeigh GE, Bratteli CW, Morgan DJ et al. Age-Related Abnormalities in Arterial Compliance Identified by Pressure Pulse Contour Analysis: Aging and Arterial Compliance. Hypertension. 1999 Jun;33(6):1392-8.

  8. Hernández Caceres JL, Syed Hasan E. A New First-Derivative Related Index to Assess Pulse Wave Transit Time from a Photoplethysmographic Waveform: Age Dependence and Agreement with Normative Data. International Journal of Bioinformatics and Biomedical Engineering. 2015;1(3):276-83.

  9. Hernández Caceres JL. Applying the 3-element windkessel model to photoplethysmographic signals. Gender differences and age correlation. Rev cuba inform méd [Internet]. 2014 Ene-Jun [citado 2019 Mar 15];6(1):48-56. Disponible en: http://scielo.sld.cu/pdf/rcim/v6n1/rcim06114.pdf.

  10. Hernández Caceres JL. On age dependence of peripheral augmentation index. Rev Electron Biomed / Electron J Biomed [Internet]. 2013 [cited 2019 Mar 15];1:50-55. Available from: https://pdfs.semanticscholar.org/c15e/f123b13ec0dadcdca07c371e2874930c34b1.pdf?_ga=2.100675841.1218.

  11. Bogdanov IN. El físico visita al Biólogo. 1.ª edición. Moscú: MIR; 1989. 191p.

  12. McVeigh GE, Bratteli CW, Morgan DJ, Alinder CM, Glasser SP, Finkelstein SM, Cohn JN. Age-related abnormalities in arterial compliance identified by pressure pulse contour analysis: aging and arterial compliance. Hypertension. 1999 Jun;33(6):1392-8.

  13. Tong H. Nonlinear Time Series: A Dynamical System Approach. UK.: Oxford University Press; 1990. 564p.

  14. Aguirre LA. A Tutorial Introduction to Nonlinear Dynamics and Chaos, Part11: Modeling and Control SBAControle&Automação. 1996 Jan-Abr;7(I):50-66 .

  15. Hernández Caceres JL, Valdés PA, Vila P. EEG spike and wave modelled by a stochastic limit cycle. Neuroreport. 1996 Sep 2;7(13):2246-50.

  16. Valdés P, Bosch J, Jiménez JC, Trujillo N, Biscay R, Morales F, et al. The statistical identification of nonlinear brain dynamics: A progress report. In: Nonlinear Dynamics and Brain Functioning. Pradhan N., Rapp P. E. And Sreenivasan (Eds.). N.Y.: Nova Science Publishers; 1999 [aprox. 22págs].

  17. Miwakeichi F, Ramirez Padron R, . Valdes Sosa PA, Ozaki T. A comparison of non-linear non-parametric models for epilepsy data. Computers in Biology and Medicine. 2001 Jan;31(1):41-57.

  18. Shi S, Tamura Y, Ozaki T. Empirical evaluation of Non-parametric autoregressive model for dynamics reconstruction and prediction. Journal of Signal Processing. 2000 Mar;4(2):185-93.

  19. Alastruey J, Parker K, Peiró J, Sherwin S. Analysing the pattern of pulse waves in arterial networks: a time-domain study. J Eng Math. 2009 Aug;64(4)331–51.

  20. Alastruey J,. Khir AW, Matthys KS, Segers P, Sherwin SJ, Verdonck PR, Parker KH, Peirao J. Pulse wave propagation in a model human arterial network: Assessment of 1-D visco-elastic simulations against in vitro measurements. J Biomech. 2011 Aug 11;44(12):2250–58.

  21. Giuliani A, Piccirillo G, Marigliano V, Colosimo A. A nonlinear explanation of aging induced changes inheart beat dynamics. American Journal of Physiology. – Heart. 1998;275(4): H1455-H1461.

  22. Lakatta EG, Levy D. Arterial and cardiac aging: major shareholders in cardiovascular disease enterprises: Part I: aging arteries: a “set up” for vascular disease. Circulation. 2003;107(1):139–146.

  23. Nambi V, Worthley SG. Clinical use of imaging for cardiovascular risk assessment, Chapter 14. In: S.Nicholls, S. Worthley (eds) Cardiovascular Imaging for clinical practice. Sudbury: Massachussetts. 2011. p. 293-305.

  24. Barodka VM, Joshi BL, Berkowitz DE, Hogue CW, Nyhan D. Implications of Vascular Aging. AnesthAnalg. 2011 May;112(5):1048–60.

  25. Pelberg R. Cardiac CT angiography manual. N.Y.:Springer; 2007. 142 p.




2020     |     www.medigraphic.com