|
[ES] Antecedentes: La fibrilación auricular es la arritmia más diagnosticada en la práctica
clínica. Uno de sus principales tratamientos es la cardioversión eléctrica. Se han
estudiado diferentes métricas de complejidad ...[+]
[ES] Antecedentes: La fibrilación auricular es la arritmia más diagnosticada en la práctica
clínica. Uno de sus principales tratamientos es la cardioversión eléctrica. Se han
estudiado diferentes métricas de complejidad de la señal electrocardiográfica de
pacientes con FA como serie temporal. El objetivo de ello fue predecir antes del
procedimiento las recurrencias en fibrilación auricular en un periodo de menos de un
mes después de la cardioversión eléctrica. Los exponentes de Hurst nunca habían sido
utilizados con dicho fin.
Métodos: Tras realizar un acondicionamiento previo de la derivación !" del
electrocardiograma se procedió a aplicar a la onda auricular principal diferentes
métricas. Concretamente, se calculó la variabilidad de la frecuencia cardiaca, la
frecuencia auricular dominante, la energía de las ondas de fibrilación, la entropía
muestral y los exponentes de Hurst. El clasificador utilizado fue el k-vecinos más
próximos de subespacios. Para la validación se empleó la validación cruzada.
Resultados: Se obtuvieron las curvas ROC y la precisión para distintas combinaciones de
parámetros. En el presente estudio el mejor resultado se dio para la combinación de la
entropía muestral con el exponente de Hurst como tal y el exponente de Hurst
generalizado de orden 1, con una precisión de 80%. Otras combinaciones de parámetros
presentaron resultados de hasta el 71,4% de precisión.
Conclusiones: Mediante la inclusión de los exponentes de Hurst en el clasificador puede
mejorarse notablemente la precisión del modelo. La mejora del poder predictivo con
respecto a otras métricas como la entropía muestral supone una mejora en el pronóstico
sobre el resultado de la cardioversión eléctrica antes de la intervención, facilitando así
la selección de pacientes idóneos para el tratamiento.
[-]
[CA] Antecedents: La fibril·lació auricular és l'arritmia més diagnosticada a la pràctica clínica.
Un dels seus principals tractaments és la cardioversió elèctrica. S'han estudiat diferents
mètriques de complexitat de ...[+]
[CA] Antecedents: La fibril·lació auricular és l'arritmia més diagnosticada a la pràctica clínica.
Un dels seus principals tractaments és la cardioversió elèctrica. S'han estudiat diferents
mètriques de complexitat de la senyal electrocardiogràfica de pacients amb FA com a
sèrie temporal. L'objectiu d'això va ser predir les recurrències en fibril·lació auricular en
un període de menys d'un mes després de la cardioversió elèctrica. Els exponents de
Hurst mai havien sigut utilitzats amb aquest fi.
Mètodes: Després de realitzar un condicionament previ de la derivació !" de
l'electrocardiograma es va procedir a aplicar a l'onda auricular principal diferents
mètriques. Concretament, es va calcular la variabilitat de la freqüència cardíaca, la
freqüència auricular dominant, l'energia de les ones de fibril·lació, l'entropia mostral i
els exponents de Hurst. El classificador utilitzat va ser el k-veïns més pròxims de
subespais. Per a la validació es va emprar la validació encreuada.
Resultats: Es van obtindre les corbes ROC i la precisió per a distintes combinacions de
paràmetres. En el present estudi el millor resultat es va donar per a la combinació de
l'entropia mostral amb l'exponent de Hurst com a tal i l'exponent de Hurst generalitat
d'orde 1, amb una precisió de 80%. Altres combinacions de paràmetres van presentar
resultats de fins al 71,4% de precisió.
Conclusions: Mitjançant la inclusió dels exponents de Hurst en el classificador pot
millorar-se notablement la precisió del model. La millora del poder predictiu respecte a
altres mètriques com l'entropia mostral suposa una millora en el pronòstic sobre el
resultat de la cardioversió elèctrica abans de la intervenció, facilitant així la selecció de
pacients idonis per al tractament.
[-]
[EN] Background: Atrial fibrillation is the most diagnosed arrhythmia in clinical practice. One
of its main treatments is electrical cardioversion. Different complexity metrics of the
electrocardiogram signal as a time ...[+]
[EN] Background: Atrial fibrillation is the most diagnosed arrhythmia in clinical practice. One
of its main treatments is electrical cardioversion. Different complexity metrics of the
electrocardiogram signal as a time series of patients with AF have been studied. The
purpose was to predict recurrences in atrial fibrillation in less than one month after
electrical cardioversion. The Hurst exponents had never been used for that purpose.
Methods: After preprocessing the lead !" of the electrocardiogram, different metrics
were applied to the main atrial wave. Specifically, the heart rate variability, the
dominant atrial frequency, the energy of the fibrillation waves, the sample entropy and
the Hurst exponents were estimated. The classifier used was K-nearest neighbours. For
validation, a cross-validation method was used.
Results: ROC curves and precision rates were obtained for different combinations of
metrics. In the present study the best result was provided by the combination of sample
entropy along with the Hurst exponent and the Hurst exponent q = 1, with an accuracy
of 80%. Other combinations of parameters presented accuracy results of up to 71.4%.
Conclusions: By including the Hurst exponents in the classifier, the accuracy of the model
can be highly improved. The predictive power improvement with respect to other
metrics such as sample entropy provides previous knowledge about the result of
electrical cardioversion before the intervention, thus facilitating the selection of suitable
patients for treatment.
[-]
|
