Estudio de recurrencias tras cardioversión eléctrica de fibrilación auricular mediante aplicación de análisis no lineal del electrocardiograma

Abstract

[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 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 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.