Software for adult cardiac dynamic through dynamic systems

Software para la dinámica cardíaca adulta mediante sistemas dinámicos

Palabras clave: Dynamic systems, Fractals, Probability (en_US)
Palabras clave: Sistemas dinámicos, Fractales, Probabilidad (es_ES)

Resumen (en_US)

The normal and abnormal behavior of an adult heart dynamics and its state of evolution towards one of these two states has been characterized successfully in the context of the theory of dynamic systems and probability. The diagnostic methodology of clinical application designed under these two theories has managed to evaluate in an objective and reproducible way the cardiac dynamics from the values of the frequency of the Holter registers. The automation of this methodology through the design of a software that can be docked in any operating system for PC, and contributes as a diagnostic aid tool to generate more timely responses to the patient's clinical condition. Additionally, the values of the probability of these spaces occupied by the attractor, calculated by the Software, allow using an interface that can be consulted by the specialist to evaluate how far a cardiac dynamic is from normality, analyzing in this way the effectiveness of the treatment.

Resumen (es_ES)

A través de la teoría de la probabilidad y de los sistemas dinámicos se ha construido una metodología para evaluar la dinámica cardíaca –recientemente automatizada– mediante un software que puede ser acoplado a cualquier sistema operativo para PC. El software permite mediante una interfaz consultar la dinámica cardíaca por un especialista del área clínica y así evaluar qué tan alejada se encuentra una dinámica cardiaca de la normalidad. En este estudio se hizo uso de dicho software para desarrollar un estudio de concordancia diagnóstica para confirmar su capacidad como herramienta de evaluación a nivel clínico. Para ello se parte de la medición de: 120 registros Holter, 100 patológicos y 20 normales, durante 21 horas; con los cuales se toman los valores de la frecuencia cardíaca y numero de latidos; en base a esta información el software elabora secuencias pareadas y construye atractores con los cuales cuantifica la dimensión fractal, los espacios de ocupación en el espacio fractal de Box Counting, y los valores de la probabilidad de los espacios ocupados por el atractor. De lo anterior se encontró que este proceso permite diferenciar la normalidad de la patología aguda y su evolución, obteniendo valores de sensibilidad y especificidad del 100%. Dado este contexto, es de destacar que el proceso permite analizar de una manera objetiva y reproducible la efectividad de los tratamientos médicos

Descargas

La descarga de datos todavía no está disponible.

Referencias

[1] D. Núñez, “Poincaré, la mecánica clásica y el teorema de la recurrencia”, Rev. Mex. Fis. E, vol. 59, no 2, 2013, pp. 91–100.

[2] R. Devaney, "A first course in chaotic dynamical systems: theory and experiments”, New York: Addison- Wesley, 1992.

[3] H. Peitgen, H. Jurgens and D. Saupe, “Strange attractors, the locus of chaos”, Chaos and Fractals, New York: Springer-Verlag, 1992, https://doi.org/10.1007/978-1-4757-4740-9_13

[4] A. Goldberger, L. A. Amaral, J. M. Hausdorff, P. Ivanov, C. K. Peng and H. E. Stanlev, “Fractal dynamics in physiology: alterations with disease and aging”, PNAS, vol. 99, no. 1, 2002, pp. 2466 – 2472. https://doi.org/10.1073/pnas.012579499.

[5] H. V. Huikuri, T. Makikallio, C. K. Peng, A. Goldberger, U. Hintze and M. Moller, “Fractal correlation properties of R-R interval dynamics and mortality in patients with depressed left ventricular function after an acute myocardial infarction”, Circulation, vol. 101, no. 1, 2000, pp. 47-53, https://doi.org/10.1161/01.CIR.101.1.47

[6] J. Rodríguez, et al., “Clinical application of a cardiac diagnostic method based on dynamic systems theory”, Research Journal of Cardiology, vol. 10, no. 1, 2017, pp. 1-7. https://doi.org/10.3923/rjc.2017.1.7

[7] J. Rodríguez, et al., “Diagnóstico de la dinámica cardiaca durante 16 horas desde los sistemas dinámicos aplicable en UCI”, Rev. Univ. Ind. Santander Salud, vol. 49, no. 1, 2017, pp. 75-84. https://doi.org/10.18273/revsal.v49n1-2017007.

[8] J. Rodríguez, C. Correa and L. Ramirez, “Heart dynamics diagnosis based on entropy proportions: Application to 550 dynamics”, Rev. Mex. Cardiol., vol. 28, no 1, 2017, pp. 10-20.

[9] J. Rodríguez, et al., “Evaluación de arritmias con base en el método de ayuda diagnóstica de la dinámica cardiaca basado en la teoría de la probabilidad”, Archivos de Medicina, vol. 15, no. 1, 2015, pp. 33-45.

[10] J. Rodríguez, et al., “Physical-mathematical diagnosis of cardiac dynamic on neonatal sepsis: predictions of clinical application”, J. Med. Med. Sci, vol. 5, no 5, 2014, pp. 102-108. https://doi.org/10.14303/jmms.2014.070

[11] J. Rodríguez, A. Bertolotto and O. Ospina, “Caracterización matemática de dinámicas cardiacas neonatales normales a partir de la teoría de la probabilidad”, Universitas Medica, vol. 58, no 1, 2017, pp. 1-18. https://doi.org/10.11144/Javeriana.umed58-1.cmdc.

[12] J. Rodríguez, et al., “Mathematical-physical prediction of cardiac dynamics using the proportional entropy of dynamic systems”, J. Med. Med. Sci., vol. 4, no. 8, 2013, pp. 370-381.

[13] J. Rodríguez, M. Sanchez, F. Barrios, N. Velásquez and J. Mora, “Exponential law of cardiac dynamics for physical–mathematical evaluation in 16 h”, Medicina Universitaria, vol. 19, no. 77, 2017, pp. 159-65. https://doi.org/10.1016/j.rmu.2017.09.003.

[14] M. R. Spiegel and L. J. Stephens, “Probabilidad y estadística”, Bogotá: Mc Graw Hill. 2003.

[15] A.M. Mood, “Introduction to the theory of statistics”, McGraw-Hill Education, 1974.

[16] J. Gallo, J. Farbiarz and D. L. Alvarez, “Análisis espectral de la variabilidad de la frecuencia cardíaca”, IATREIA, vol. 12, no. 2, 1999, pp. 61-711.

[17] J. P. Higgins, “Nonlinear systems in medicine”, Yale. J. Biol. Med., vol. 75, 2002, pp. 247-60.

[18] M. Costa, A. L. Goldberger and C. K. Peng, “Multiscale Entropy Analysis of Complex Physiologic Time Series”, Phys. Rev. Lett., vol. 89, no. 6, 2002, pp. 1021–1024. https://doi.org/10.1103/PhysRevLett.89.068102.

[19] G. Schmidt, et al., “Heart-rate turbulence after ventricular premature beats as a predictor of mortality after acute myocardial infarction”, Lancet, vol. 353, 1999, pp. 1390–1396. https://doi.org/10.1016/S0140-6736(98)08428-1.

[20] A. Voss, et al., “Linear and nonlinear heart rate variability risk stratification in heart failure patients”, Computers in Cardiology, 2008. https://doi.org/10.1109/CIC.2008.4749102.

[21] R. Maestri, et al., “Nonlinear indices of heart rate variability in chronic heart failure patients: redundancy and comparative clinical value”, J. Cardiovasc. Electrophysiol., vol. 18, no. 4, 2007, pp. 425–33. https://doi.org/10.1111/j.1540-8167.2007.00728.x.

[22] S. Ahmad, A. Tejuja, K. D. Newman, R. Zarychanski and A. J. Seely, “Clinical review: a review and analysis of heart rate variability and the diagnosis and prognosis of infection”, Crit Care, vol. 13, no. 6, 2009, pp. 232. https://doi.org/10.1186/cc8132.

[23] W. L. Chen and C. D Kuo, “Characteristics of heart rate variability can predict impending septic shock in emergency department patients with sepsis”, Acad Emerg Med, vol. 14, no. 5, 2007, pp. 392–397. https://doi.org/10.1197/j.aem.2006.12.015.

[24] V. E. Papaioannou, et al., “Relation of heart rate variability to serum levels of C-reactive protein, interleukin 6, and 10 in patients with sepsis and septic shock”, J Crit Care, vol. 24, no. 4, 2009, pp. 625. https://doi.org/10.1016/j.jcrc.2008.11.010.

[25] J. Rodríguez, “Método para la predicción de la dinámica temporal de la malaria en los municipios de Colombia”, Rev Panam Salud Pública, vol. 27, no. 3, 2010, pp. 211-218, https://doi.org/10.1590/S1020-49892010000300008

[26] J. Rodríguez, et al., “Predictions of CD4 lymphocytes’ count in HIV patients from complete blood count”, BMC Medical Physics, vol. 13, no. 3, 2013. https://doi.org/10.1186/1756-6649-13-3.

[27] J. Rodríguez, “Teoría de unión al HLA clase II teorías de Probabilidad Combinatoria y Entropía aplicadas a secuencias peptídicas”, Inmunología. vol. 27, no. 4, 2008, pp. 151-166. https://doi.org/10.1016/S0213-9626(08)70064-7.

[28] J. Velásquez, et al., “Geometrical nuclear diagnosis and total paths of cervix cell evolution from normality to cancer”, J Cancer Res Ther, vol.
11, no. 1,2015, pp. 98-104. https://doi.org/10.4103/0973-1482.148704.

[29] C. Correa, et al., “Geometric diagnosis of erythrocyte morphophysiology”, J. Med. Med. Sci., vol. 3, no. 11, 2012, pp. 715-720.

[30] J. Rodríguez, et al., “Theoretical generalization of normal and sick coronary arteries with fractal dimensions and the arterial intrinsic mathematical harmony”, BMC Med Phys, vol. 10, no. 1, 2010, pp. 1-6. https://doi.org/10.1186/1756-6649-10-1.
Cómo citar
Rodríguez Velásquez, J., Páez Páez, J., Correa Herrera, S., Prieto Bohórquez, S., Castro Fernández, M., Montenegro Marín, C., & Cortes Méndez, J. (2019). Software para la dinámica cardíaca adulta mediante sistemas dinámicos. Visión Electrónica, 13(1). Recuperado a partir de https://revistas.udistrital.edu.co/ojs/index.php/visele/article/view/14440
Número preliminar
Publicado: 2019-02-05
Sección
Visión Investigadora

Artículos más leídos del mismo autor/a