Desarrollo de herramientas basadas en la trasformada wavelet para el análisis de series temporales no estacionarias de origen cardiovascular

Abstract

Las enfermedades cardiovasculares son una de las principales causas de mortalidad [1], destacándose el infarto de miocardio (IM) como una condición crítica que afecta la conducción eléctrica del corazón tras el daño del tejido miocárdico. Analizamos dos fases posteriores al IM: la fase de curación (hasta una semana después, MI7) y la fase de cicatrización (más de dos meses después, MI60). Durante estas etapas, pueden surgir complicaciones cardíacas, incluída la muerte súbita. Por ello, estudiamos los electrocardiogramas (ECG) de pacientes sanos (CTRL) y pacientes en las etapas MI7 y MI60, de las bases de datos PTB y PTB XL, para evaluar la presencia de contenido de alta frecuencia vinculada a IM. Propusimos indicadores basados en la entropía de Shannon y la complejidad estadística, calculando la energía wavelet relativa y la transformada wavelet continua en el ECG [2]. Utilizamos las curvas ROC para evaluar estos indicadores, obteniendo resultados significativos al hacer validación cruzada con las bases de datos anteriormente nombradas: CTRL vs. MI7: Sensibilidad (%): 0.79; Especificidad (%): 0.77; AUC: 0.80. CTRL vs. MI60: Sensibilidad (%): 0.69; Especificidad (%): 0.58; AUC: 0.63.Aunque los indicadores propuestos fueron estadísticamente significativos para diferenciar los grupos, no se observaron incrementos de la misma magnitud y sentido en los grupos de ambas bases de datos. Sin embargo, queda abierta la posibilidad de que estos indicadores, junto con otros, puedan generalizarse para la separación de grupos en diferentes patologías, como la isquemia.Bibliografía:[1] World Health Organization. Cardiovascular diseases, 2023.[2] Valverde E. R., Clemente G.V., Arini P.D. and Vampa V. Wavelet-based entropy and complexity to identify cardiac electrical instability in patients post myocardial infarction. Biomedical Signal Processing and Control. 69 102846. 2021.