dc.contributor.advisor |
Rieta Ibañez, José Joaquín
|
es_ES |
dc.contributor.author |
Tornero Costa, Roberto
|
es_ES |
dc.date.accessioned |
2021-10-22T15:12:21Z |
|
dc.date.available |
2021-10-22T15:12:21Z |
|
dc.date.created |
2021-09-27 |
|
dc.date.issued |
2021-10-22 |
es_ES |
dc.identifier.uri |
http://hdl.handle.net/10251/175401 |
|
dc.description.abstract |
[ES] Los eventos vasculares pueden ser de tipo cardiovascular o cerebrovascular, es decir, infarto de miocardio o accidente cerebrovascular, que son la principal causa de muerte prematura y discapacidad en los países desarrollados. Debido a ello, existe un gran interés en el desarrollo de herramientas computacionales para el pronóstico y diagnóstico de los mismos. Una variable muy relevante en su evaluación es la frecuencia cardíaca, que es una señal dinámica que fluctúa a lo largo del tiempo. La variabilidad de la frecuencia cardíaca (VFC) se define como la variación, latido a latido, de dicha frecuencia y puede ser indicativa de la posible presencia de una afección patológica. Por otro lado, la hipertensión arterial es un importante factor de riesgo de muchas enfermedades cardiovasculares. Así, una presión arterial elevada se asocia con mayores riesgos de accidente cerebrovascular, enfermedad coronaria, enfermedad renal crónica, insuficiencia cardíaca y muerte en general. De hecho, se sabe que pequeñas reducciones de la presión arterial reducen notablemente la morbilidad y mortalidad cardiovascular de la población.
El objetivo de este trabajo es evaluar el valor predictivo de la VFC a corto plazo (5 minutos) desarrollando modelos basados en algoritmos de minería de datos para proporcionar una herramienta automática de estratificación del riesgo de accidente vascular para pacientes hipertensos. Para este proyecto, se usó un dataset del proyecto SHAREE del Hospital Universitario de Nápoles en 2015. Se puso a prueba la metodología original y se usó una nueva para validar la hipótesis. Se compararon los distintos modelos entrenados con el análisis de VFC de 5 minutos, 30 y 1 hora extraídos durante el sueño nocturno (de 00 a.m a 06 a.m). Los modelos mostraron rendimientos similares para los distintos tiempos. Aquellos entrenados con solo 5 minutos de análisis obtuvieron una superior puntuación en sensibilidad y levemente superior en F1 score. Por lo tanto, la conclusión de este proyecto es que sí es posible utilizar 5 minutos de análisis VFC para discriminar el riesgo de eventos cardiovasculares en pacientes hipertensos. |
es_ES |
dc.description.abstract |
[EN] Vascular events can be cardiovascular or cerebrovascular, that is, myocardial infarction or cerebrovascular accident, which are the main cause of premature death and disability in developed countries. Due to this, there is great interest in the development of computational tools for their prognosis and diagnosis. A very relevant variable in its evaluation is the heart rate, which is a dynamic signal that fluctuates over time. Heart rate variability (HRV) is defined as the beat-to-beat variation in heart rate and may be indicative of the possible presence of a pathological condition. On the other hand, high blood pressure is an important risk factor for many cardiovascular diseases. Thus, high blood pressure is associated with increased risks of stroke, coronary heart disease, chronic kidney disease, heart failure, and death in general. In fact, small reductions in blood pressure are known to markedly reduce cardiovascular morbidity and mortality in the population.
The objective of this work is to evaluate the predictive value of short-term HRV by developing models based on data mining algorithms to provide an automatic tool for stratifying the risk of vascular accident for hypertensive patients. For this specific framework, a dataset (SHAREE) from the University Hospital of Naples in 2015 has been used. The methodology of the original research was tested and a new methodology was also used to validate the hypothesis. 5 minutes, 30 minutes and 1 hour of HRV analysis during sleep stage - 00 a.m to 06 a.m - were compared. Classification models showed a similar performance for the different times, but those trained with short-term HRV analysis showed a higher sensitivity for 5 minutes analysis and a slightly higher F1 score metric. Therefore, this project concludes that it is feasible to use short-term HRV analysis to predict the risk of vascular accident for hypertensive patients. |
es_ES |
dc.format.extent |
73 |
es_ES |
dc.language |
Inglés |
es_ES |
dc.publisher |
Universitat Politècnica de València |
es_ES |
dc.rights |
Reserva de todos los derechos |
es_ES |
dc.subject |
Variabilidad de la frecuencia cardiaca |
es_ES |
dc.subject |
HRV |
es_ES |
dc.subject |
Presión arterial |
es_ES |
dc.subject |
Aprendizaje automático |
es_ES |
dc.subject |
Modelos de clasificación |
es_ES |
dc.subject |
Accidente vascular |
es_ES |
dc.subject |
Infarto |
es_ES |
dc.subject |
Heart rate variability |
es_ES |
dc.subject |
Short-term |
es_ES |
dc.subject |
Blood pressure |
es_ES |
dc.subject |
Hypertensive |
es_ES |
dc.subject |
Machine learning |
es_ES |
dc.subject |
Classification models |
es_ES |
dc.subject |
Vascular accident |
es_ES |
dc.subject |
Heart attack |
es_ES |
dc.subject.classification |
TECNOLOGIA ELECTRONICA |
es_ES |
dc.subject.other |
Máster Universitario en Ingeniería Biomédica-Màster Universitari en Enginyeria Biomèdica |
es_ES |
dc.title |
Aplicación de la Variabilidad de la Frecuencia Cardiaca en la Predicción de Eventos Vasculares de Pacientes Hipertensos |
es_ES |
dc.type |
Tesis de máster |
es_ES |
dc.rights.accessRights |
Abierto |
es_ES |
dc.contributor.affiliation |
Universitat Politècnica de València. Departamento de Ingeniería Electrónica - Departament d'Enginyeria Electrònica |
es_ES |
dc.contributor.affiliation |
Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros Industriales - Escola Tècnica Superior d'Enginyers Industrials |
es_ES |
dc.description.bibliographicCitation |
Tornero Costa, R. (2021). Aplicación de la Variabilidad de la Frecuencia Cardiaca en la Predicción de Eventos Vasculares de Pacientes Hipertensos. Universitat Politècnica de València. http://hdl.handle.net/10251/175401 |
es_ES |
dc.description.accrualMethod |
TFGM |
es_ES |
dc.relation.pasarela |
TFGM\145623 |
es_ES |