Repositorio Institucional de Documentos

Inuencia de la microgravedad en la dependencia lineal de la repolarización ventricular Proyecto de Fin de Carrera Ingeniería de Telecomunicaciones Diego Corredera Martín Departamento de Ingeniería Electrónica y Comunicaciones del Instituto de Investigación de Ingeniera de Aragón (I3A) Escuela de Ingeniería y Arquitectura Universidad de Zaragoza Abril 2012 Director: Dra.Dña. Rute Alexandra Borges de Almeida Ponente: Dr.D. Pablo Laguna Documento maquetado con TEX i S v.1.0+. Inuencia de la microgravedad en la dependencia lineal de la repolarización ventricular Proyecto de Fin de Carrera Ingeniería de Telecomunicaciones Departamento de Ingeniería Electrónica y Comunicaciones del Instituto de Investigación de Ingeniera de Aragón (I3A) Escuela de Ingeniería y Arquitectura Universidad de Zaragoza Abril 2012 Director: Dra.Dña. Rute Alexandra Borges de Almeida Ponente: Dr.D. Pablo Laguna Gracias a todos los que han hecho posible este proyecto en especial me gustaría dar las gracias a Rute por su paciencia y dedicación, a mi familia por apoyarme en los buenos y malos momentos, a mis amigos por acompañarme todos estos años, a esa mujer especial que me ayudó en un momento muy importante de mi vida, a aquel bicho que siempre me alegra los días con sus juegos, y a aquel que se siempre estará ahí aunque a veces le cueste admitirlo. Resumen El proyecto aquí realizado es parte de una colaboración con el Grupo de Tecnología de las Comunicaciones (GTC) del Instituto de Investigación de Ingeniería de Aragón (I3A) y CIBER-BBN (Universidad de Zaragoza) con el Politécnico di Milano, la Universidad de Bologna (Italia), la Universidad Víctor Segalen Bordeaux 2, la Universidad París Sud 11 (Francia) y la Agencia Espacial Europea (ESA). Esta colaboración ha surgido de la demanda por parte de ESA de propuestas relacionadas con Life Sciences Research in Space Simulation Using the Model of Bed Rest (Agency, 2012). En el proyecto partiremos de los estudios realizados por la doctora Rute Alexandra Borges de Almeida en su tesis Automatic ECG Characterization : Application to QT interval Variability en la cual se realizan distintos estudios sobre procesos automáticos de caracterización del electrocardiograma (ECG), así como su aplicación al estudio de la interacción entre la variabilidad del ritmo cardíaco (HRV) y la variabilidad en la repolarización ventricular (VRV). Aplicaremos estos métodos a los electrocardiogramas de las bases de datos generadas como resultado de los experimentos de microgravedad simulada por reposo en una supercie con inclinación negativa (Head down tilt bed rest) (HDBR) e intentaremos inferir si existe algún tipo de inuencia sobre la repolarización ventricular debido a la microgravedad. vii Índice Resumen vii 1. Introducción 1 1.1. Introducción........................................ 1 1.1.1. Justicación del proyecto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.1.2. Objetivos del proyecto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.1.3. Métododetrabajo................................ 3 1.2. Organizacióndelamemoria............................... 4 2. Datos y métodos de trabajo 7 2.1. Basededatos....................................... 7 2.2. Delineación del ECG y extracción de series de variabilidad . . . . . . . . . . . . . . 8 2.3. Segmentacióndeseries.................................. 12 2.4. ModeladoARyARARX................................. 16 2.4.1. Estimaciónespectral............................... 17 3. Análisis de los resultados obtenidos 19 3.1. Estudio de los segmentos RR-QT obtenidos . . . . . . . . . . . . . . . . . . . . . . 19 3.1.1. Número de segmentos en cada registro . . . . . . . . . . . . . . . . . . . . . 19 3.1.2. Coeciente de variación de las series RR y QT (Cv) . . . . . . . . . . . . . 22 3.1.3. Grácas de dispersión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.1.4. Eliminación de la inuencia del ciclo cardíaco mediante relación estática QTRR(QTc)..................................... 24 3.2. Resultadosdelmodelado................................. 26 3.2.1. Órdenesdelmodelo ............................... 26 3.2.2. Valoresdepotencia................................ 26 3.2.3. Análisis espectral de las series RR . . . . . . . . . . . . . . . . . . . . . . . 27 3.2.4. Análisis espectral de las series QT . . . . . . . . . . . . . . . . . . . . . . . 29 3.2.5. Fracción de la variabilidad QT debida a RR en cada banda de frecuencia . . 34 4. Conclusiones y lineas futuras 39 4.1. Conclusiones ....................................... 39 4.2. Lineasfuturas....................................... 40 ix Capítulo 1 Introducción Resumen: En este capítulo vamos a abordar la introducción del proyecto así como el modo en que hemos organizado la memoria. Partiremos de una justicación del proyecto que nos permitirá ponernos en situación y explicar el por qué del mismo. A continuación explicaremos los objetivos, lo que buscamos obtener, y el método de estudio. Es decir, el modo en que hemos desarrollado el trabajo para obtener los objetivos planteados. Finalmente llevaremos a cabo una pequeña explicación del modo en que hemos organizado la memoria. 1.1. Introducción El proyecto aquí realizado es parte de una colaboración con el GTC del I3A y CIBER-BBN (Universidad de Zaragoza) con el Politécnico di Milano, la Universidad de Bologna (Italia), la Universidad Víctor Segalen Bordeaux 2, la Universidad París Sud 11 (Francia) y la ESA. Esta colaboración ha surgido de la demanda por parte de ESA de propuestas relacionadas con Life Sciences Research in Space Simulation Using the Model of Bed Rest (Agency, 2012). El proyecto recibe el nombre de Evaluation of changes in cardiac repolarization during bed-rest experiments y sus objetivos principales son : Analizar los datos ECG mediante técnicas avanzadas de procesamiento de señal para cuanticar las modicaciones inducidas en la repolarización ventricular por diferentes periodos Head down tilt bed rest(HDBR). Consistentes en situar a sujetos sanos en posición horizontal o bien en una posición inclinada, con la cabeza en la posición inferior durante periodos de tiempo prolongados. Proporcionar nueva información sobre electrosiología cardíaca y dispersión en la repolarización durante HDBR. Realizar una evaluación de los efectos en la repolarización ventricular de diferentes contramedidas utilizadas durante el estudio. En este proyecto n de carrera se ha intentado contribuir en los dos primeros objetivos. Para ello se han usado métodos automáticos de análisis del ECG y de caracterización de la variabilidad a corto plazo de: la repolarización ventricular, la frecuencia cardíaca y la relación lineal entre ambas, de la forma descrita en esta memoria. 1 2 Capítulo 1. Introducción 1.1.1. Justicación del proyecto La ausencia de gravedad o microgravedad es una característica del entorno en que viven los astronautas durante las misiones espaciales. Este cambio tan drástico respecto de las condiciones de vida en la tierra produce cambios en el organismo de distinta índole (posición de los órganos, presión y dinámica de la sangre, ...). Su estudio es muy importante para poder predecir y tomar medidas ante los problemas de salud que pueden acaecer en vuelos o estancias en el espacio. Se sabe que la duración de la repolarización ventricular (VR) y sus cambios latido a latido dependen de la duración de los ciclos cardíacos anteriores (series de intervalos RR) pero estos no explican toda la variabilidad de la duración del ciclo ventricular y se han encontrado inuencias directas del sistema nervioso autónomo (ANS) sobre la VR. Cambios en las relaciones entre VR y la ritmo cardíaco (HR) fueron descritos en condiciones de patología cardíaca y de riesgo cardíaco aumentado. La exposición a la microgravedad produce cambios en el organismo con efectos siológicos no deseados. Hay evidencias que sugieren que los vuelos espaciales pueden estar asociados con un incremento del riesgo de arritmias ventriculares, pero existen pocos estudios sistemáticos y no se ha podido establecer relaciones causa-efecto. De lo que si se tiene constancias es de la inuencia de experimentos previos realizados en vuelos parabólicos y su inuencia en los mecanismos de VR. El llamado HDBR, en lo cual los voluntarios sanos pasan un tiempo en una cama con una inclinación negativa de forma que la cabeza se encuentre más baja que los pies, es el modelo corrientemente aceptado para inducir y estudiar el organismo en condiciones similares a las que se encontraría en experimentos de larga duración en el espacio. La ESA, en el proyecto Announcement of Opportunity : Life Sciences Research in Space Simulation ha promovido la adquisición de registros de ECG de larga duración en voluntarios antes y después de un periodo de HDBR de 5 días, en ambiente controlado, en los cuales se pretendía estudiar los cambios en la VR producidos por el HDBR. Partiremos de los estudios realizados por la doctora Rute Alexandra Borges de Almeida en su tesis doctoral Automatic ECG Characterization : Application to QT interval Variability en la cual se realizan distintos estudios sobre procesos automáticos de caracterización del ECG, así como su aplicación al estudio de la interacción entre la HRV y la VRV. Aplicaremos estos métodos los ECG de las bases de datos generadas como resultado de los experimentos HDBR e intentaremos inferir si existe algún tipo de inuencia sobre la repolarización ventricular debido a la microgravedad. 1.1.2. Objetivos del proyecto En este proyectos se pretende: Extracción robusta de las series de intervalos de RR y VR en los registros de ECG antes y después del periodo de HDBR. Se utilizarán métodos automáticos multi-derivacionales previamente desarrollados en el grupo de investigación con las adaptaciones que se consideren necesarias y revisión manual. Caracterización de la variabilidad de la frecuencia cardíaca y de VRV en secuencias cortas, a partir de las series de intervalos a estudio de la relación entre la variabilidad latido a latido de la VR y del HR usando el modelo ARARX. Estudio de cambios en la repolarización y su variabilidad después del HDBR con respecto al control (mismo voluntario antes del HDBR), en particular cambios en la relación VR/HR. 1.1. Introducción 3 1.1.3. Método de trabajo Dentro de esta subsección vamos a desarrollar el modo en que hemos estructurado todo el trabajo. En la gura 1.1 podemos ver un esquema con las distintas fases que compondrán el método de trabajo. Figura 1.1: Representación de la implementación del método de trabajo Estos datos han sido recogidos en dos campañas (DLR y MEDES). Cada una de las cuales cuenta además con tres subcampañas. Estas presentan un diseño cruzado, con un grupo de control (a los que se le aplica un protocolo de microgravedad simulado pero sin contramedidas) y varios grupos de test comparativo de posibles contramedidas. En este proyecto tan sólo estudiaremos el grupo de control. Figura 1.2: Representación de los registros a estudio para un individuo de la campaña MEDES. De cada uno de estos sujetos se han tomado tres registros ECG de 24 horas (ECG Holter) tal y como podemos ver en la gura 1.2, para el caso de la campaña MEDES. De esta manera contaremos con tres registros a estudio BCD, HDT y R, según correspondan al primer periodo de la campaña a estudio (donde el sujeto no se ha expuesto todavía a una posición anti-ortostática), al segundo (después de un periodo de cinco días en posición anti-ortostática) o al tercero (primer día del periodo de recuperación) respectivamente. Una vez que tenemos estructurados los datos, utilizaremos la interfaz de procesado de señales BSB. Esta interfaz nos permitirá desde la exploración visual de las señales, hasta la detección y delineación de las mismas así como la obtención de las series RR y QT que serán necesarias posteriormente para el modelado. El proceso de detección implica la detección de cada latido, mientras que la delineación consiste en la detección de las partes más importantes de la onda. Con esto obtendremos las series RR, distancia entre dos latidos consecutivos, y series QT, distancia entre el punto Q y el punto T dentro de cada latido. Partiendo de las series proporcionadas por el BSB y aplicando una serie de métodos de se- 4 Capítulo 1. Introducción lección de segmentos validos de las mismas, procederemos al modelado de las series utilizando modelos ARARX. Este nos proporcionará una estimación espectral que podremos descomponer en contribuciones relacionadas y no relacionadas con el RR. Este método nos permitirá caracterizar la actividad ventricular y cuanticar su dependencia con el ritmo cardíaco así como buscar cambios en la relación existente. Una vez obtenidos los modelos realizaremos representaciones grácas de todos los datos que consideremos oportunos para que de esta manera poder obtener alguna conclusión sobre la inuencia de la microgravedad en la repolarización ventricular. 1.2. Organización de la memoria La memoria se organiza en cuatro capítulos básicos más una serie de anexos que amplían la información que se muestra. La estructura de los capítulos es la siguiente: Capítulo 1 : En este capítulo hemos abordado la introducción del proyecto y el modo en que hemos organizado la memoria. Hemos partido de la justicación del proyecto, expuesto los objetivos y realizado una pequeña introducción al método de trabajo. Capítulo 2 : En este capítulo expondremos más extensamente el método de trabajo. Partiremos de la base de datos y explicaremos todo el procedimiento realizado hasta llegar a los resultados nales obtenidos. Para ello explicaremos el proceso de detección y delineación, describiremos como realizamos la segmentación de las series y el modo en que realizaremos la estimación de los modelos sobre los resultados. Capítulo 3 : En este capítulo realizaremos un análisis de los resultados obtenidos. Dividiremos el capítulo en dos secciones : la primera se encargará del estudio de las características de los segmentos sobre los que estimaremos los modelos AR y ARARX mientras que la segunda se encargará de estudiar los resultados obtenidos en el modelado. Capítulo 4 : En este capítulo se expondrán las conclusiones a las que hemos llegado tras la realización del proyecto. Para ello expondremos unas conclusiones tanto generales como personales. Además desarrollaremos las posibles líneas futuras del proyecto. Anexo A : En este anexo abordaremos los aspectos siológicos importantes para este proyecto. Partiremos del la explicación del proceso de generación del ECG, como se registra este a través de un sistema de varias derivaciones y su importancia en la detección de patologías cardíacas. Además explicaremos los conceptos de series RR, QT. Anexo B : En este capítulo se expondrá el trasfondo matemático necesario para llevar a cabo el proyecto. Explicaremos diversos métodos para intentar eliminar la inuencia del HR sobre la serie QT. Expondremos el modelo ARARX que utilizaremos para caracterizar las series RR y QT, así como sus relaciones. Para nalmente denir la inuencia de la longitud de los segmentos en las series así como las órdenes en el modelo. También realizaremos una pequeña introducción de los métodos que utilizaremos para realizar una detección y delineación de la señal ECG para su posterior procesado. 1.2. Organización de la memoria 5 Anexo C : En este capítulo explicaremos el concepto de microgravedad y su relación con los experimentos HDBR, así como su inuencia en la salud y su importancia en este trabajo. Describiremos a su vez las campañas en las que se han obtenido los datos así como su organización y experimentos realizados en ella. Anexo D : En este apéndice vamos a incluir las tablas con la selección de horas para las campañas MEDES y DLR, eligiendo los periodos de tiempo en que los sujetos se encontraban dormidos. Anexo E : A lo largo de este apéndice intentaremos ilustrar mediante grácos y tablas para un sujeto en concreto todo el proceso desarrollado en el capítulo 2. De tal manera que pueda servir como ejemplo del proceso llevado a cabo para el estudio del resto de sujetos. Anexo F : En este apéndice se incluirán aquellas tablas y guras que debiendo de haber sido incluidas en el grueso de la memoria, por su gran tamaño, no han podido situarse allí. Capítulo 2 Datos y métodos de trabajo Resumen: A lo largo de este capítulo explicaremos el método de trabajo implementado en este proyecto. Presentaremos la base de datos adquirida en el proyecto Evaluation of changes in cardiac repolarization during bed-rest experiments. Además explicaremos todo el procedimiento realizado hasta llegar a los resultados nales obtenidos, que nos permitirán obtener una serie de conclusiones. Para ello introduciremos brevemente el software desarrollado por el grupo de investigación para la exploración y análisis de señales biomédicas BioSigbrowser BSB. Explicaremos como, utilizando el BSB, realizamos el proceso de detección y delineación de la señal ECG y la generación de las series a estudio. A continuación describiremos el proceso de segmentación de series, obteniendo los segmentos sobre los cuales estimaremos los modelo para obtener medidas de potencia. En la gura 2.1 podemos ver un diagrama de las fases de la implementación del trabajo. Finalmente también explicaremos el modo en que estimaremos los modelos y obtendremos los resultados. Figura 2.1: Representación de la implementación del método de trabajo 2.1. Base de datos La base de datos usada en este proyecto es un subconjunto de la base de datos original formada por registros ECG de 24 horas (Holter). Estos fueron recogidos en dos campañas (DLR y MEDES) realizadas en distintos centro de investigación aeroespacial, tal y como explicamos en el apartado C.2 del apéndice C. Debido al diseño cruzado de las campañas, cada una se encuentra dividida en tres subcampañas. En el proyecto tan sólo estudiaremos los grupos de control de cada una de ellas. 7 8 Capítulo 2. Datos y métodos de trabajo Teniendo en cuenta esta estructura la base de datos queda organizada de la siguiente manera: Campaña DLR (Formada por 10 sujetos a estudio) • Sujetos a estudio en la primera subcampaña : C, F y K. • Sujetos a estudio en la segunda subcampaña : B, E y H. • Sujetos a estudio en la tercera subcampaña : A, D, G y L. Campaña MEDES (Formada por 12 sujetos a estudio) • Sujetos a estudio en la primera subcampaña : A, D, G y J. • Sujetos a estudio en la segunda subcampaña : B, H y K. • Sujetos a estudio en la tercera subcampaña : C, E, F, I y L. De cada uno de estos sujetos se han tomado tres registros ECG de 24 horas tal y como podemos ver en la gura 2.2, para el caso de la campaña MEDES, en la campaña DLR el primero registro se toma un día mas tarde. De esta manera contaremos con tres registros a estudio BCD, HDT y R, según correspondan al primer periodo de la campaña a estudio (donde el sujeto no se ha expuesto todavía a una posición anti-ortostática), al segundo (después de un periodo de cinco días en posición anti-ortostática) o al tercero (primer día del periodo de recuperación) respectivamente. Figura 2.2: Representación de los registros a estudio para un individuo de la campaña MEDES. Si tenemos tres registros por cada uno de los voluntarios y un total de 22 voluntarios (10 en la campaña de DLR y 12 en la campaña MEDES), contamos con 66 registros de 24 horas a estudio. A la hora de analizar la base de datos hemos de tener en cuenta las limitaciones de estacionariedad sobre las series a estudio impuestas por los métodos de estimación paramétrica, tema que se ha tratado en el apartado B.2.1. Para intentar obtener el mayor número de segmentos estacionarios se han seleccionado aquellos periodos de tiempo en que se conocía que los sujetos se encontraban dormidos. 2.2. Delineación del ECG y extracción de series de variabilidad Una vez seleccionados los individuos que van a formar parte de la base de datos, los registros y horas que vamos a utilizar, procederemos a realizar el proceso de delineación del ECG y extracción de las series de variabilidad. 2.2. Delineación del ECG y extracción de series de variabilidad 9 La detección y delineación de forma correcta de los puntos y las ondas características del ECG es de extrema importancia para la extracción de las series de variabilidad latido a latido y la onda R, tomada como referencia para la localización del latido cardíaco, fundamental para la extracción del HR. El estudio de la variabilidad en la repolarización ventricular requiere la detección del complejo QRS y de la onda T. Además para la medida del intervalo QT resulta esencial localizar el comienzo del complejo QRS y el nal de la onda T en cada latido cardíaco. Una vez explicada la importancia de realizar una correcta detección y delineación de la señal ECG procederemos a explicar de forma breve los métodos utilizados en este proyecto que fueron desarrollados en de Almeida (2006). En este proyecto utilizaremos un sistema de detección y delineación ECG de derivación única (single-lead) basada en la transformada de wavelet (WT), a la que aplicaremos una serie de reglas sobre las diferentes derivaciones, doce en este caso, que utilizaremos para la obtención de una marca única. En el sistema de detección y delineación de ECG podemos distinguir dos tipos de etapas : La detección del complejo QRS. El complejo QRS es la forma de onda más característica de la señal ECG. Su elevada amplitud hace que resulte más fácil de detectar que cualquiera de las otras ondas. Por ello es utilizada como referencia del ciclo cardíaco (of The European Society of Cardiology et al., 1996). La delineación de las ondas. La delineación implica la determinación de los picos y los límites de las ondas QRS, P y T. Un ejemplo del modo en que se encuentran denidas las ondas QRS, P y T la podemos ver en la gura 2.3. Los algoritmos parten de la locación previa del complejo QRS, y denen una ventana de búsqueda temporal antes y después del punto ducial QRS para buscar las otras ondas. Una vez que hemos denido una ventana temporal, se aplica algún tipo de técnica para resaltar las características propias de cada onda para encontrar los picos de las mismas. En este caso utilizaremos la WT que será explicada brevemente a continuación. La localización de los comienzos y n de las ondas resulta mucho más complicado, debido a la baja amplitud en las fronteras y a que el nivel de ruido puede ser mayor incluso que la propia señal (of The European Society of Cardiology et al., 1996). La WT permite la descomposición de una señal como combinación de un conjunto de funciones básicas, obtenidas por medio de dilataciones y traslaciones de una onda wavelet prototipo (J.P.Martínez et al., 2004). La WT proporciona una descripción de la señal en el dominio y escala temporal, permitiendo la representación de las características temporales de la señal a diferentes resoluciones. Por lo tanto, es una herramienta útil para analizar la señal ECG, caracterizada por la ocurrencia cíclica de patrones de diferente contenido frecuencial (complejo QRS, onda P y T). Además los artefactos que afectan a la señal ECG aparecen en distintas bandas frecuenciales, teniendo diferentes contribuciones en varias escalas como se ilustra en 2.4. En este proyecto trabajaremos con una señal ECG de doce derivaciones que nos va a proporcionar información redundante sobre la posición de los puntos importantes de la onda. Para aprovechar esta información utilizaremos un conjunto de reglas de post procesado que nos permitan elegir entre todas las medidas de derivaciones únicas. La regla más simple consiste en elegir la mediana de un conjunto de anotaciones. Esta es adecuada tan sólo para los picos ya que la distinta orientación espacial de cada derivación produce que un fenómeno sea visible desde una derivación antes que en otra, con lo cual la mediana no es la mejor elección cuando tratamos con fronteras. Por ello la mejor marca para el comienzo (n) de una onda, debe ser la primera (última) marca, si no 16 Capítulo 2. Datos y métodos de trabajo Figura 2.10: Ejemplo de una segmentación sobre el registro HDT del individuo J de la primera subcampaña MEDES. Los segmentos de color azul corresponden a la serie RR devuelta por el BSB, mientras que los segmentos rojos corresponden a la serie RR devuelta por la primera etapa de la segmentación y los segmentos negros a la serie RR devuelta por la última etapa de la segmentación. Esta gura puede verse a mayor tamaño en E.1 en este proyecto es aplicable para sistemas de delineación single-lead y multilead siempre y cuando la desviación estándar de la serie QT sea mayor a 3 ms. Como en nuestro caso utilizaremos un método de delineación basado en single-lead más rules mucho más robusto que el anterior podremos armar que podemos utilizar el método sin problemas. 2.4. Modelado AR y ARARX Una vez obtenidos los segmentos de las series considerados válidos para el proceso procederemos a la estimación del modelo autoregresivo (AR) y el modelo ARARX. El modelo AR caracterizará la variabilidad del HR mientras que el modelo ARARX nos permitirá caracterizar la variabilidad de la actividad ventricular, cuanticar su dependencia con el HR y buscar cambios en esta relación. El modelo ARARX, que podemos ver en la gura B.2, asume un modelo lineal de lazo abierto y una entrada no correlada exógena entre las series RR y QT. Todo esto aparece explicado con mayor profundidad en B.2. Para los polinomios del modelo hemos admitido órdenes desde 2 hasta 14. Hemos de tener en cuenta que para algunos de los segmentos seleccionados no vamos a poder estimar un modelo ya que el residuo o residuos de la estimación son signicativamente diferentes de ruido blanco o correlados entre si, lo que indica que el modelo no es adecuado. Si esto pasa para todas los ordenes admitidos no vamos a tener modelo válido para ese segmento. Suponiendo esto una nueva restricción al método de trabajo ya que sólo podremos considerar como segmentos válidos aquellos sobre los cuales hayamos podido estimar un modelo. 2.4. Modelado AR y ARARX 17 Figura 2.11: Representación gráca del modelo ARARX. Figura obtenida de de Almeida (2006) 2.4.1. Estimación espectral Una vez estimados los modelos obtendremos valores de potencia para cada una de las bandas de frecuencia a estudio, baja frecuencia (LF), alta frecuencia (HF) y potencia total (TP), y para cada una de las series. Además para el QT se ha obtenido la contribución correlada con RR o sea la estimación de la variabilidad de la serie QT explicada de manera lineal por las variaciones en la serie RR, la parte no correlada con RR y la potencia total del QT. Índices Orden Potencia del modelo AR [...] LF LF/TP HF HF/TP LF/HF Tabla 2.1: Valores de potencia obtenida mediante la estimación espectral del modelo ARARX sobre las series RR y QT Para cada segmento modelado obtendremos valores de potencia para: Baja frecuencia (LF) : rango de 0.04 a 0.15 Hz. Baja frecuencia normalizada (LF/TP). Alta frecuencia (HF) : rango de 0.04 a 0.15 Hz. Alta frecuencia normalizada (HF/TP). Balance (LF/HF). Potencia total (TP): rango de 0.04 a 0.4 Hz. Son considerados no válidos y eliminados los modelos que produzcan una contribución espectral negativa en una banda. Además también han sido eliminados aquellos modelos cuyos valores de potencia se encontraban a una distancia de más de tres desviaciones típicas del valor medio de la potencia para cada banda espectral. Mediante la siguiente relación 2.1 podremos estudiar el porcentaje de potencia de la contribución relacionada al intervalo RR en la banda de estudio β denida sobre el total de la potencia. Esta relación recibe el nombre de fracción de variabilidad QT debida a RR en la banda de frecuencia β ( Rβ QT |RR ) y la podemos denir como : 18 Capítulo 2. Datos y métodos de trabajo Rβ QT |RR =Pβ QT |RR Pβ QT |RR +Pβ QT |QT x100 (2.1) Todo el proceso aquí desarrollado ha sido ilustrado en E.2 mediante la adición de tablas referentes al sujeto individuo J de la primera subcampaña MEDES. Donde aparecen los resultados de la estimación espectral y el proceso de eliminación de los valores negativos de la estimación y los outliers. Capítulo 3 Análisis de los resultados obtenidos Resumen: En este capítulo realizaremos un análisis de los resultados obtenidos. Dividiremos el capítulo en dos secciones : la primera se encargará del estudio de las características de los segmentos sobre los que estimaremos los modelos AR y ARARX mientras que la segunda se encargará de estudiar los resultados obtenidos en el modelado. La primera de ellas englobará el estudio del número de segmentos obtenidos, los coecientes de variación de las series y realizaremos unas grácas de dispersión sobre los mismos. Además calcularemos el QT corregido. En la segunda estudiaremos los órdenes de los modelos y los valores de potencia estimada. 3.1. Estudio de los segmentos RR-QT obtenidos En esta primera sección nos encargaremos del estudio de las características de los segmentos obtenidos. Partiremos del número de segmentos para cada registro, a continuación obtendremos el coeciente de variación sobre segmentos, estudiaremos la distribución espacial de los resultados mediante las grácas de dispersión y nalmente estudiaremos la relación RR-QT mediante el QTc. 3.1.1. Número de segmentos en cada registro A la hora de realizar un estudio sobre los segmentos lo primero a lo que debemos prestar atención es al número de segmentos que tenemos para cada uno de los registros de nuestra base de datos. Esto aparece reejado en la gura 3.1. En ella cada uno de los registros BCD, HDT y R pertenecientes al mismo sujeto aparecen en ese orden, unidos por una recta y separados por líneas verticales. En la gura aparecen representados el número de segmentos obtenidos por la segmentación (unidos por una recta continua) así como los segmentos para los cuales se ha obtenido un modelo válido (unidos por una línea discontinua). Hemos considerado no incluir en las grácas el nombre de cada sujeto para mejorar la claridad de las mismas, esta información aparece en la tabla F.1. Lo primero que nos llama la atención a la hora de analizar estos resultados es la heterogeneidad en los valores obtenidos para los distintos sujetos a pesar de que la longitud del ECG analizada es parecida (tenemos el mismo número aproximado de horas de sueño para todos ellos). Se han obtenido valores que van desde los 55 segmentos (o 45 si observamos después de eliminar los casos con valores negativos de estimación espectral de potencia y outliers) hasta los 0 segmentos si observamos el sujeto número 38. 19 20 Capítulo 3. Análisis de los resultados obtenidos Figura 3.1: Número de segmentos válidos de 300 elementos para cada sujeto de la base de datos. La relación entre el número de cada registro y su nombre se puede consultar en F.1 Este número tan bajo de segmentos nos llevó a pensar que pudo haber algún tipo de problema a la hora de realizar la segmentación con lo cual se revisó todo el proceso. Se realizó una representación del proceso de segmentación para poder realizar una inspección visual de todos los segmentos obteniendo resultados como los mostrados en la gráca 3.2. En esta se puede apreciar como la serie representada presenta escasa estabilidad con lo que la segunda etapa del proceso de segmentación rechazó los segmentos como no válidos. A contraposición con lo mostrado en la gura 3.3 que presenta el mayor número de segmentos del estudio. Una vez vericado que la etapa de segmentación no presentaba ningún error se realizó el mismo procedimiento con el proceso de detección y delineación del ECG Holter 3.4. En este se pudo observar como la onda se encontraba correctamente delineada tal y como podemos ver en la gura y se constató que las variaciones observadas en las series RR provenían de la señal y no de un error en las marcas automáticas. Estos resultados se repitieron para los tres registros de este sujeto. Así el número de segmentos obtenidos y sucientemente estacionarios para permitir una correcta estimación de los modelos es más bajo que el esperado y va seguramente a limitar el análisis posterior. 3.1. Estudio de los segmentos RR-QT obtenidos 21 Figura 3.2: Segmentación realizada sobre el registro BCD del individuo H de la segunda campaña DLR. Los segmentos de color azul corresponden a la serie RR devuelta por el BSB mientras que los segmentos rojos corresponden a la serie RR devuelta por la primera etapa de la segmentación. Se ha de resaltar que ninguno de los segmentos anteriores ha sido considerado válido por la segunda etapa con lo cual no aparecen segmentos de color negro. Figura 3.3: Segmentación realizada sobre el registro HDT del individuo K de la segunda campaña MEDES. Los segmentos de color azul corresponden a la serie RR devuelta por el BSB mientras que los segmentos rojos corresponden a la serie RR devuelta por la primera etapa de la segmentación mientras que los segmentos negros corresponden a la serie RR devuelta por la última etapa de la segmentación. 22 Capítulo 3. Análisis de los resultados obtenidos Figura 3.4: Fragmento de onda ECG correspondiente a la hora número 12 del sujeto H en su registro BCD correspondiente a la segunda campaña DLR 3.1.2. Coeciente de variación de las series RR y QT (Cv) Podemos denir el coeciente de variación como : Cv =σ ¯x (3.1) Donde σ es la desviación estándar y ¯x es el valor medio de los datos a estudio. Este expresa la desviación estándar ( sigma ) como porcentaje normalizado por la media aritmética. En la gráca 3.5 podemos ver representado el coeciente de variación para las series RR y QT calculado para cada registro de cada sujeto de la base de datos. Los valores que podemos ver en la gráca 3.5 han sido calculados como la media de los coe- cientes de variación de cada segmento de cada registro. Mientras que los valores que podemos ver en la tabla 3.1 se han calculado como la media ponderada al número de segmentos de cada registro de los coecientes de variación de cada registro individual. Coeciente de variación medio ponderado BCD HDT R RR 0,05666 0,05238 0,05249 QT 0,01181 0,01200 0,01214 Tabla 3.1: Coecientes de variación medios ponderados por el número de segmentos de las series RR y QT calculados para registro de la base de datos del estudio. Lo primero que llama la atención es la falta de coeciente de variación para el caso del segmento número 28. Esto es debido a que ya que no tenemos segmentos válidos para este registro no tiene sentido calcular el coeciente de variación (Cv) para este. También podemos resaltar los valores obtenidos para los Cv de las distintas series, en el caso de las series RR en torno a 0,06 mientras 3.1. Estudio de los segmentos RR-QT obtenidos 23 Figura 3.5: Coecientes de variación medios de las series RR y QT calculados para cada segmento, por registro de cada sujeto de la base de datos. que en el caso de serie QT en torno a 0,02. Si nos jamos en la serie RR podemos observar como el Cv es mayor para los registros BCD que para el caso R en la mayor parte de los casos, pero esta diferencia no es signicativa. Si observamos los valores medios globales ponderados observamos como el Cv de la serie RR es mayor para el caso del registro BCD frente a los otros dos registros. Esta conclusión es lógica ya que los registros BCD y R fueron tomados después de un periodo prolongado de HDBR lo que pudo producir una estabilización del ritmo cardíaco. Pero esta diferencia es tan sólo de un 7,5% en el mejor de los casos con lo que no resulta fácil dar una respuesta categórica. Finalmente para el caso de los valores medios globales en el caso de la serie QT obtenemos un aumento del Cv en los registros R y HDT frente al registro BCD frente a lo que se podría haber pensado en un principio, pero la diferencia es muy pequeña (tan sólo de un 2,7%). 3.1.3. Grácas de dispersión Podemos denir una gráca de dispersión como un tipo de gráca matemática que utiliza las coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de datos. Los datos se muestran como un conjunto de puntos, cada uno con el valor de una variable que determina la posición en el eje horizontal (para la serie RR) y el valor de la otra variable determinado por la posición en el eje vertical (para la serie QT). Este tipo de grácas nos permitirá realizar una inspección visual de los datos de forma rápida y descubrir variaciones en la relación de las variables de cada eje. Hemos realizado grácas de dispersión para: Los valores de las series RR y QT de cada uno de los segmentos. Grácas F.1, F.2 y F.3. Los valores medios de las series RR y QT en los segmentos de cada registro. Grácas F.4, F.5 24 Capítulo 3. Análisis de los resultados obtenidos y F.6. Los valores de varianza de las series RR y QT en los segmentos de cada registro. Grácas F.7, F.8 y F.9. Todas estas grácas han sido situadas en un apéndice ya que dado su tamaño no se ha considerado oportuno situarlas en el grueso de la memoria. En primer lugar pasaremos a comentar las grácas correspondientes a los valores de las series RR y QT para cada uno de los segmentos. La forma general de las grácas es muy similar para todas ellas aunque son perceptibles algunos pequeños cambios. Si comparamos la gráca correspondiente al segmento BCD con aquellas de los segmentos HDT y R podemos encontrar un pequeño lóbulo en torno a valores de 0.5 s para QT que no aparece en los otros dos casos. A continuación comentaremos las grácas correspondientes a los valores medios de los segmentos de las series RR y QT de cada registro. Respecto a las grácas anteriores podemos ver que el número de elementos de la gráca disminuye dado que en lugar de representar todos los valores de la serie representamos el valor medio de cada segmento para ambas series. Lo primero que nos llama la atención es la forma muy similar en los tres casos. En todas ellas se puede observar como la variabilidad de la serie QT aumenta a medida que aumenta el valor de la serie RR, este efecto se reduce durante el periodo HDBR. En la primera de ellas podemos ver como esta aumenta de forma mucho más apreciable en torno a valores de 0.8 o 0.9 segundos para la serie RR. Mientras que en las otras dos esta tendencia no es tan marcada. Finalmente comentaremos las grácas en las que hemos representado la desviación estándar de los segmentos de las series RR-QT. Al igual que ocurre con las grácas anteriores, estas presentan una forma muy similar en los tres casos. Se puede observar en todas ellas como se pone de maniesto la selección realizada sobre la desviación estándar para valores de QT mayores a 3 ms (2.3). 3.1.4. Eliminación de la inuencia del ciclo cardíaco mediante relación estática QT-RR (QTc) A la hora de intentar estimar la inuencia del ciclo cardíaco en la serie QT el abordaje clásico consiste en suponer la existencia de una relación estática entre ambos. Para ello se utilizará el concepto de QT corregido o QTc, desarrollado en B.1. Que toma la forma : QTc =QT/√RR (3.2) De esta manera los valores obtenidos para cada uno de los segmentos con mayor estacionariedad obtenidos durante el periodo de sueño para cada registros de cada sujeto se pueden ver en la gráca 3.6. Mientras que los valores promedio calculados como el promedio de cada uno de los valores instantáneos del QTc son los siguientes: QTc correspondiente al promediado de los valores instantáneos de los registro BCD : 0.41312 s−1 2 QTc correspondiente al promediado de los valores instantáneos de los registro HDT : 0.40227 s−1 2 QTc correspondiente al promediado de los valores instantáneos de los registro R : 0.41202 s−1 2 Tal y como podemos observar por las cifras anteriores la diferencia en el mejor de los casos no supera el 3% con lo que no la consideramos suciente para suponer una diferencia signicativa en 3.1. Estudio de los segmentos RR-QT obtenidos 25 Figura 3.6: QTc calculado para cada registro de cada sujeto de la base de datos. este caso. A pesar de ello podemos ver como los valores del QTc son mayores en los registros BCD y R con respecto al registro HDT y algo mayores en el caso del registro BCD con respecto al registro R. Esta tendencia se puede ver de forma clara en la gráca 3.6. 32 Capítulo 3. Análisis de los resultados obtenidos Figura 3.15: Valores de potencia para PQT |QT (balance). Figura 3.16: Valores de potencia para PQT |RR (alta frecuencia). 3.2. Resultados del modelado 33 Figura 3.17: Valores de potencia para PQT |RR (baja frecuencia). En el caso del balance para la contribución correlada (gura 3.18), dada la estructura del modelo, podíamos suponer la existencia de una posible relación con el balance evaluado sobre del modelo AR (gura 3.10). En este caso podemos ver como el balance aumenta con respecto al BCD en el registro HDT para 16 de los casos. Mientras que si comparamos los valores de los registros HDT y R obtenemos un aumento en 12 de los casos. Figura 3.18: Valores de potencia para PQT |RR (balance). 34 Capítulo 3. Análisis de los resultados obtenidos Finalmente, en el caso del balance para la suma de ambas contribuciones correladas y no correladas (gura 3.19) podemos ver como se mantiene la tendencia marcada por la contribución no correlada ( PQT |QT ). Dando lugar a valores del balance menores que uno. Esto es debido a que la contribución aportada por la parte no correlada (grácas 3.13 y 3.14) es mayor que en el caso de la correlada (grácas 3.16 y 3.17). Figura 3.19: Valores de potencia para la suma de PQT |RR y PRR|RR (balance). 3.2.5. Fracción de la variabilidad QT debida a RR en cada banda de frecuencia En las grácas presentadas a continuación podremos ver los valores medios y la varianza para la fracción de la variabilidad del QT explicada de forma lineal por la variabilidad del RR en las bandas de baja frecuencia y alta frecuencia respectivamente (3.20 y 3.21). 3.2. Resultados del modelado 35 Figura 3.20: Fracción de la variabilidad QT debida a RR en la banda de baja frecuencia. Figura 3.21: Fracción de la variabilidad QT debida a RR en la banda de alta frecuencia. Tal y como ocurría en los casos anteriores estas grácas no reejan una tendencia clara en ninguno de los casos que nos permita obtener una conclusión a cerca de cambios inducidos por el HDT. A la hora de comparar los valores de potencia obtenidos en los modelos, hemos creado lo que hemos llamado matriz de comparación. En ella aparecen reejadas las comparaciones entre los valores de la media y varianza para la potencia de los registros BCD-HDT y BCD-R. La comparación 36 Capítulo 3. Análisis de los resultados obtenidos ha sido realizada para cada una de las partes del modelo en sus dos bandas de frecuencia. El algoritmo implementado establece un margen de un 10% respecto del valor comparado dentro del cual ambos valores se considerarán iguales. De esta manera tal y como podemos observar en la matriz obtendremos tres valores : 0 (si ambos valores a comparar son iguales), 1 (si aumenta el valor de la potencia) y -1 (si el valor de la potencia disminuye). En la parte inferior de la tabla vamos a poder ver los valores globales para la media y la varianza y los casos en los que aumenta, disminuye o se mantiene igual. Hemos de resaltar los valores obtenidos para la comparación del sujeto H de la segunda subcampaña DLR. Dado que no teníamos segmentos para el primero de los registros (BCD) no tiene sentido realizar este cálculo para este sujeto. En la primera de las columnas podemos ver la fracción de la variabilidad QT debida al RR. En ella podemos ver como la media y la varianza disminuyen en la mayoría de los casos para ambas frecuencias y para ambas comparaciones (BCD-HDT y BCD-R) pero sin obtener un resultado que marque una tendencia clara en ninguno de ellos. En el modelo AR tal y como explicamos en 3.2.2, podemos esperar que la potencia para baja frecuencia se mantenga igual mientras que en el caso de alta frecuencia esta debería de disminuir. Si consultamos los valores obtenidos en la matriz podemos ver como los valores tienden a disminuir para ambas bandas de frecuencia y ambas comparaciones con lo que no se cumple lo esperado. En el caso de la aportación de la potencia no correlada aumenta de nuevo en ambas frecuencias y ambas comparaciones, mientras que la aportación debida a la potencia correlada disminuye. En el caso de la suma de ambas contribuciones se puede observar un aumento de la potencia. Con los resultados aquí obtenidos podemos armar que en ninguno de los casos podemos indicar de forma clara que se produzca un aumento o disminución de los valores de potencia. Lo que si observamos es una tendencia clara en cada una de las partes del modelo en las que vemos que si se produce una variación en un sentido, aumenta o disminuye, esto se produce para la comparación de ambos registros y las dos componente frecuenciales. 3.2. Resultados del modelado 37 Rqt|rr(LF|HF) Pot_RR(Modelo AR) Pot_qt|qt(S1) Pot_qt|rr(S2) Pot_qt(S1+S2) Campaña Usuario BCD-HDT BCD-R BCD-HDT BCD-R BCD-HDT BCD-R BCD-HDT BCD-R BCD-HDT BCD-R LF HF LF HF LF HF LF HF LF HF LF HF LF HF LF HF LF HF LF HF Primera subcampaña DLR C Media -1 -1 -1 -1 -1 -1 -1 -1 1 1 0 0 -1 -1 -1 -1 1 -1 1 -1 Varianza -1 -1 0 -1 -1 -1 1 -1 1 1 0 1 -1 -1 -1 -1 0 1 0 1 F Media 0 1 -1 -1 -1 -1 -1 -1 -1 0 1 1 1 1 -1 -1 0 0 0 0 Varianza -1 1 0 1 -1 -1 -1 0 -1 -1 -1 -1 1 1 -1 1 -1 -1 -1 -1 K Media -1 -1 1 -1 -1 -1 -1 -1 -1 1 -1 -1 -1 -1 -1 0 -1 1 -1 1 Varianza 0 -1 1 -1 -1 -1 -1 -1 -1 1 -1 -1 -1 -1 1 0 -1 1 -1 1 Primera subcampaña MEDES A Media -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 1 1 -1 -1 1 0 -1 -1 -1 -1 Varianza 0 -1 -1 -1 0 -1 -1 -1 -1 0 1 1 1 -1 1 1 -1 0 -1 0 D Media -1 -1 -1 -1 0 -1 -1 -1 -1 0 1 1 0 -1 0 0 -1 0 -1 0 Varianza -1 -1 -1 -1 1 0 -1 -1 -1 0 1 1 -1 1 1 1 -1 0 -1 0 G Media -1 -1 0 -1 1 0 0 -1 1 1 1 -1 -1 -1 1 -1 1 0 1 0 Varianza 0 -1 0 -1 1 -1 1 -1 1 1 1 1 -1 -1 1 -1 1 1 1 1 J Media 1 0 1 1 1 0 1 1 1 1 -1 -1 0 1 1 1 1 1 1 1 Varianza 1 1 -1 1 0 -1 1 -1 1 1 -1 -1 -1 1 1 1 1 1 1 1 Segunda subcampaña DLR B Media -1 1 -1 0 -1 0 -1 0 1 1 0 1 0 1 -1 1 1 1 1 1 Varianza -1 1 -1 1 -1 1 -1 1 1 1 -1 1 0 1 -1 1 1 1 1 1 E Media 0 -1 1 -1 -1 -1 1 0 1 1 -1 1 -1 -1 0 -1 0 0 0 0 Varianza 1 -1 0 1 -1 0 1 1 1 1 1 1 0 -1 -1 -1 1 1 1 1 H Media XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX Varianza XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX XXX Segunda subcampaña MEDES B Media 1 -1 0 -1 -1 -1 -1 -1 1 1 1 1 1 1 -1 1 1 1 1 1 Varianza 1 0 1 -1 -1 -1 1 -1 1 1 1 1 1 1 1 1 1 1 1 1 H Media 0 0 0 0 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 Varianza 1 1 -1 1 -1 -1 -1 0 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 K Media 1 -1 1 1 1 -1 0 -1 1 1 1 1 -1 0 1 -1 1 1 1 1 Varianza -1 -1 1 0 1 -1 -1 -1 1 -1 1 1 -1 1 -1 0 1 -1 1 -1 Tercera subcampaña DLR A Media -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 1 -1 -1 0 1 1 1 1 1 Varianza -1 -1 -1 -1 -1 -1 -1 -1 1 -1 1 1 -1 -1 -1 0 1 -1 1 -1 D Media 1 -1 1 1 0 -1 1 1 -1 0 -1 -1 1 -1 1 1 -1 -1 -1 -1 Varianza -1 -1 -1 1 1 1 1 1 -1 -1 -1 -1 1 -1 1 1 -1 -1 -1 -1 G Media -1 -1 0 -1 -1 -1 -1 -1 1 1 1 1 -1 -1 1 -1 1 1 1 1 Varianza -1 -1 -1 -1 -1 1 -1 0 1 1 1 1 0 -1 1 -1 1 1 1 1 L Media -1 -1 -1 -1 0 -1 1 -1 1 1 1 1 -1 -1 0 -1 1 1 1 1 Varianza 1 -1 0 -1 -1 -1 0 -1 1 1 1 1 -1 1 0 -1 1 1 1 1 Tercera subcampaña MEDES C Media -1 -1 1 1 -1 -1 -1 -1 1 0 0 -1 1 -1 1 1 1 0 1 0 Varianza -1 -1 0 1 0 -1 -1 0 1 1 0 -1 0 -1 1 1 1 1 1 1 E Media -1 -1 0 -1 1 0 1 1 1 1 1 1 1 1 0 -1 1 1 1 1 Varianza 1 -1 1 -1 0 -1 1 -1 1 1 0 -1 1 1 0 -1 1 1 1 1 F Media -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 -1 -1 -1 -1 -1 1 0 1 0 Varianza -1 -1 -1 -1 -1 -1 0 -1 1 1 -1 -1 -1 -1 -1 -1 1 -1 1 -1 I Media 0 0 1 1 -1 -1 0 -1 -1 -1 -1 -1 -1 -1 1 -1 -1 -1 -1 -1 Varianza -1 -1 1 1 -1 0 1 0 1 1 -1 -1 1 -1 1 -1 1 1 1 1 L Media 1 0 -1 0 1 1 -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 1 1 Varianza 1 -1 -1 0 1 1 -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 1 1 Valores globales Aumenta Media 5 2 7 5 5 1 5 3 14 14 11 11 6 6 8 6 13 10 13 10 Varianza 7 4 5 8 5 4 8 3 15 14 9 11 7 9 10 8 14 13 14 13 Disminuye Media 12 15 9 13 13 16 13 16 7 3 7 9 12 14 8 12 6 5 6 5 Varianza 11 16 10 11 12 14 11 13 6 5 9 10 10 12 9 10 6 6 6 6 Igual Media 4 4 5 3 3 4 3 2 0 4 3 1 3 1 5 3 2 6 2 6 Varianza 3 1 6 2 4 3 2 5 0 2 3 0 4 0 2 3 1 2 1 2 Tabla 3.2: Matriz de comparación para los registros de la base de datos de este proyecto. Capítulo 4 Conclusiones y lineas futuras Resumen: En este capítulo se expondrán las conclusiones a las que hemos llegado tras la realización del proyecto. Para ello expondremos unas conclusiones tanto generales como personales. Además desarrollaremos las posibles líneas futuras del proyecto. 4.1. Conclusiones A la hora de desarrollar este proyecto hemos partido de la hipótesis que el HDBR causaba algún tipo de condicionamiento en la relación del RR con respecto al QT. Sabíamos que la duración de la repolarización ventricular y sus cambios latido a latido dependen de la duración de los ciclos cardíacos anteriores pero estos no explican toda la variabilidad de la duración del ciclo ventricular y se han encontrado inuencias directas del sistema nervioso autónomo sobre la VR. Hemos aplicado un modelo ARARX que nos permitía estimar la variabilidad de la VR que es explicada de manera lineal por las variaciones del RR y cuanticar la relación con el RR. Este modelo ha sido aplicado a series cortas que han sido extraídas en el periodo de sueño para intentar maximizar el número de segmentos estacionarios obtenidos. En el primero de los apartados a estudio (4.2) donde intentamos describir las características de los segmentos de las series podemos ver como el Cv disminuye para la serie RR si comparamos el registro BCD con el HDT y R. Mientras que para el caso de la serie QT este aumenta. En el caso del QTc el resultado obtenido es el esperado, su valor disminuye para el registro HDT, mientras que vuelve aumentar para el R. Además se produce un aumento de la variabilidad de las series QT con el aumento de los valores de las series RR tal y como podemos ver en las grácas de dispersión de la sección 3.1.3. Si a continuación nos referimos a los resultados obtenidos para el modelado, podemos ver como los valores de los modelos son los esperados tal y como se indicó en la sección 3.2.1. Mientras que en el caso de los valores de potencia, no vemos en ellos el comportamiento esperado. El resultado obtenido después de analizar todos los resultados obtenidos de la estimación espectral ha sido que no hemos obtenido una tendencia clara que nos permita armar que el HDBR cause algún tipo de condicionamiento lineal en la relación del RR con respecto al QT. Las causas que nos han llevado a esta conclusión han podido ser : 39 40 Capítulo 4. Conclusiones y lineas futuras Realmente el HDBR no induce ningún condicionamiento en la relación lineal del QT con respecto al RR. Estas relaciones no se maniesten mientras el individuo se encuentra dormido. Con lo cual en nuestro caso no serían visibles ya que sólo hemos estudiado segmentos extraídos en el periodo de sueño Estas relaciones no sean visibles en segmentos tan cortos. Con lo que en este proyecto no resultarían visibles a causa de la limitación impuesta en el número de elementos de los segmentos. Las relaciones establecidas no sean lineales con lo cual no podrían ser analizadas con este método. A pesar de no haber podido conrmar la hipótesis planteada al inicio del proyecto podemos armar que hemos cumplido los objetivos del proyecto ya que hemos sido capaces de : Extraer de forma robusta las series de intervalos de RR y VR en los registros del ECG antes y después del periodo de HDBR. Hemos estudiado el método para caracterizar la variabilidad de la frecuencia cardíaca y de la variabilidad de la VR en secuencias cortas, a partir de las series de intervalos a estudio de la relación entre la variabilidad latido a latido de la VR y del HR usando el modelo ARARX. Hemos comparado los cambios en la repolarización y su variabilidad después del HDBR con respecto al grupo de control. Con todo ello podemos armar que a pesar de no haber podido conrmar la hipótesis inicial hemos podido cumplir los objetivos planteados al inicio del proyecto y con ello se ha introducido al alumno en la metodología de trabajo del análisis de las señales ECG dentro de un grupo de investigación. 4.2. Lineas futuras Dentro de las posibles lineas futuras a desarrollar podríamos señalar las siguientes : A la hora de la obtención de la serie QT se ha utilizado el nal de la onda T como límite para obtener la serie. En lugar de ello podríamos utilizar el punto medio de la onda T como límite para el valor de la serie de repolarización usando el intervalo QTp . Este intervalo no incluirá la parte nal de la repolarización, que se suele asociar a la dispersión de la misma, pero según la literatura contiene la mayor parte de la relación de dependencia con respecto al ritmo cardíaco. Además su medición es más robusta (lo que nos permitirá tener menos errores en la medición de la serie QT produciendo menos outliers y la falta de segmentos QT) lo que pondría permitir tener más segmentos válidos. Repetir el estudio usando segmentos más largos, posiblemente reduciendo los criterios de exclusión para tener más segmentos o interpolando las series para solucionar la falta de elementos o elementos eliminados. Es muy probable que para muchos de los segmentos no se pudiera encontrar modelo por falta de estacionariedad, pero aún así es una posibilidad a explorar. 4.2. Lineas futuras 41 Realizar la selección de los segmentos durante un intervalo de tiempo en el que el sujeto no se encuentre dormido y estudiar la relación en ese intervalo temporal. Esta abordaje va a presentar problemas de estacionariedad de los segmentos y va a ser muy difícil tener un número suciente de segmentos con modelo válido. Como en la linea de desarrollo anterior se tendrá que plantear reducir los criterios de exclusión para tener mas segmentos o interpolar las series para solucionar la falta de elementos o elementos eliminados. Utilizar un método que nos permita cuanticar las relaciones no lineales. Esta linea plantea un abordaje completamente distinto. Un trabajo paralelo a este, usando otros registros ECG distintos, de estos mismos voluntarios y estudiando la posibilidad de una relación no lineal esta siendo desarrollado en el grupo de investigación (J.Bolea et al., 2011). Se plantearía usar esos mismos métodos a datos ECG Holter. 48 Apéndice A. Aspectos siológicos Figura A.3: Representación de la información relevante en un pulso cardíaco. Figura obtenida de (de Almeida, 2006) El sistema parasimpático que controla los estados de relajación encargado de provocar o mantener un estado de relajación o descanso tras la realización de un esfuerzo. A.2. Sistema de derivaciones Una vez explicado el concepto de ECG y el modo en que este es generado pasaremos a explicar el concepto de derivación y la inuencia de la misma a la hora de registrar una señal electrocardiográca. Podemos denir una derivación como la diferencia de voltaje entre dos electrodos. De esa manera la morfología de la onda ECG va a depender de diversos factores, entre ellos la derivación elegida. Esta se encuentra determinada por la posición de los electrodos, que afecta a la forma y a la amplitud de las ondas. Debido a ello, dependiendo de la orientación espacial, una onda puede resultar visible desde una derivación y no ser visible desde otra. Este concepto se puede observar en la gura A.4 en la que podemos ver un pulso cardíaco grabado mediante un sistema de doce derivaciones. En esta gura, podemos ver como en función de la derivación obtenida, la morfología del pulso cardíaco cambia sustancialmente e incluso partes importantes de la onda pueden quedar enmascaradas si no se elige la derivación de forma adecuada. Tomando como origen la posición del corazón en el tórax, cada derivación se dene por vector que proporciona la dirección a lo largo de la cual el potencial eléctrico es medido. De acuerdo con la hipótesis del dipolo cardíaco, la actividad eléctrica del corazón puede ser aproximada por un dipolo eléctrico variante en el tiempo, llamado vector eléctrico cardíaco (VEC). De ese modo el voltaje de una derivación es la proyección del VEC en el vector unitario denido por los ejes de las derivaciones (de Almeida, 2006) El sistema de derivaciones más ampliamente utilizado no es un sistema ortogonal, si no un sistema redundante basado en un sistema de doce derivaciones. A pesar de su redundancia, es el sistema utilizado en el mundo médico y en el cual están basados los parámetros de análisis usados en la práctica clínica. Este sistema de se encuentra denido por la combinación de tres conguraciones A.2. Sistema de derivaciones 49 Figura A.4: Pulso cardíaco grabado con un sistema de doce derivaciones donde se pueden observar la distinta morfología en función de la derivación utilizada. Figura obtenida de de Almeida (2006) distintas de derivaciones: de extremidades bipolares, de extremidades aumentadas y precordiales. El sistema derivaciones de extremidades bipolares se encuentran denotadas por I, II, III y se obtienen midiendo la diferencia de voltaje entre el brazo izquierdo, el brazo derecho y la pierna izquierda mediante las siguientes combinaciones: I=VLA −VRA, (A.1) II =VLL −VRA, (A.2) III =VLL −VLA, (A.3) dónde VLA , VRA y VLL son los voltajes tomados en el brazo izquierdo, brazo derecho y pierna izquierda respectivamente. La posición de estos electrodos se puede ver como los vértices de un triángulo equilátero (El triángulo de Einthoven) con el corazón en su centro. No resulta necesario tomar la derivación II ya que resulta de la relación III=II-I. Las derivaciones de extremidades aumentadas (aVF,aVL y aVR) utilizan las mismos electrodos que la anterior, pero sus voltajes se encuentran denidos como la diferencia entre el voltaje de una esquina y la media de las otras dos esquinas. Esta conguración fue introducida con el objeto de completar los ángulos de 60 o vacíos que quedaban en la conguración anterior. aV R =VRA −VLA −VLL 2=−I+II 2, (A.4) aV L =VLA −VRA −VLL 2=I−1 2∗II , (A.5) 50 Apéndice A. Aspectos siológicos Figura A.5: Posición de los electrodos para grabar las derivaciones de ECG (a) de extremidades I,II,II (los tres juntos forman el triángulo de Einthoven), (b) de extremidades aumentadas aVr, aVl y aVF (La salida ha de ser medida entre las dos resistencias). Figura obtenida de L.Sorno y P.Laguna (2005) aV F =VLL −VLA −VRA 2=II −1 2∗I, (A.6) Al igual que en el caso anterior con la derivación III, no es necesario registrar las derivaciones de extremidades aumentadas ya que pueden ser obtenidas a partir de las derivaciones I y II. Las derivaciones precordiales se encuentran situadas en la parte frontal izquierda del pecho para proporcionar una visión más detallada del corazón que las derivaciones de extremidades. Estas seis derivaciones reciben el nombre de V1, V2, ..., V6 . A.3. Series RR,QT y su inuencia en la repolarización ventricular Las series que se van a tratar en este proyecto son conjuntos de índices temporales que miden los intervalos de tiempo entre dos puntos duciales sucesivos en el ECG; como puede ser el caso de dos picos (máximo o mínimo de la onda), el comienzo de la onda (cuando la onda se separa de la linea de base) y el nal (el retorno a la linea de base)(de Almeida, 2006). El modo en que se encuentran denidas lo podemos ver en A.7. Se ha demostrado que la duración de las ondas eléctricas creada por el corazón y sus variaciones temporales tienen relevancia clínica. En este trabajo nos centraremos en dos de ellas (A.8): A.3. Series RR,QT y su inuencia en la repolarización ventricular 51 Figura A.6: Posición de los electrodos para grabar las derivaciones precordiales V1, ..., V6 . Figura obtenida de L.Sorno y P.Laguna (2005) El intervalo de tiempo entre ondas R consecutivas (intervalo RR). El intervalo de tiempo entre el comienzo del complejo QRS y el nal de la onda T (QT). La serie RR es utilizada para referenciar la aparición de un pulso cardíaco y reeja el ritmo cardíaco. Normalmente los pulsos cardíacos son generados en el nodo SA, bajo la inuencia del sistema nervioso autónomo. Latidos cardíacos anormales pueden ser iniciados en otros lugares, dando lugar a lo que se conoce como latidos ectópicos. Estos serán muy importantes en este trabajo ya que será necesario detectarlos y eliminarlos de los datos a estudio. El intervalo QT así denido se mide desde el principio del complejo QRS donde comienza la depolarización ventricular y termina al nal de la onda T, que hace referencia al nal de la repolarización ventricular. De esta manera englobamos toda la actividad ventricular. A pesar de que tan sólo nos interesa estudiar la repolarización ventricular, que ha de ser medida desde el inicio de la onda T hasta el nal de la misma, este fragmento resulta difícil de medir y produce un elevado error relativo. De ahí que se haya establecido la onda QT como estándar para el estudio de la repolarización ventricular. Ambas series resultarán muy importantes en este trabajo ya que a través de ellas intentaremos explicar las relaciones entre el ciclo cardíaco y la repolarización ventricular, así como la inuencia del sistema nervioso autónomo en esta relación y las variaciones en todas estas relaciones debido a la inuencia de la microgravedad. 52 Apéndice A. Aspectos siológicos Figura A.7: Denición de las distintas ondas en un ciclo cardíaco, su duración , así como los intervalos relevantes para generar las series. Figura obtenida de L.Sorno y P.Laguna (2005) Figura A.8: Ejemplo de series RR y QT obtenidas con el software BioSigbrowser Apéndice B Caracterización de la dependencia de la repolarización ventricular de la frecuencia cardíaca Resumen: En este capítulo se expondrá el trasfondo matemático necesario para llevar a cabo el proyec- to. Explicaremos diversos métodos para intentar eliminar la inuencia del ciclo cardíaco (HR) sobre la serie QT. Partiremos del modelo más sencillo utilizado, consistente en suponer una relación estática entre RR y QT para generar un QT corregido, hasta llegar a modelos más complejos como puede ser el ARARX. Comenzaremos explicando el método para obtener el QTc para luego pasar al estudio de la estimación del espectro de las series utilizando métodos paramétricos. A continuación expondremos el modelo ARARX que utilizaremos para caracterizar las series RR y QT, así como sus relaciones. Para nalmente denir la inuencia de la longitud de los segmentos en las series así como las órdenes en el modelo. B.1. Introducción La fórmula de corrección usada en la práctica clínica es la relación de Bazett : QTc =QT/√RR (B.1) Para caracterizar la dependencia de la repolarización ventricular frente a la frecuencia cardíaca en este trabajo utilizaremos métodos de estimación espectral paramétricos. Estos métodos asumen la existencia de un modelo, frente a los métodos no paramétricos que estiman la autocorrelación directamente de los datos. Las estimaciones paramétricas permiten obtener un espectro suave que puede ser descompuesto en componentes asociados a frecuencias, de forma independiente a las bandas de interés. El mayor problema que se nos presenta a la hora de trabajar con técnicas de modelado, consiste en la necesidad de la existencia de un modelo que se corresponda con nuestra estructura siológica a estudio. Además se necesitan estimar parámetros, una etapa muy sensible a la cantidad y calidad de datos, y elegir un orden adecuado que ajuste el modelo a la propia estructura siológica. Tal y como sabemos, las series que estudiaremos durante este proyecto presentan una dependencia de sus 53 54 Apéndice B. Caracterización de la dependencia de la repolarización ventricular de la frecuencia cardíaca valores anteriores, por lo cual utilizaremos modelos de tipo autorregresivo usuales en el estudio de series cardiovasculares. Así que nos centraremos en la caracterización de las series y cuanticación de su relación lineal a corto plazo, considerando así un modelo con memoria. Para obtener el orden óptimo de estos modelos utilizaremos el Criterio de Información de Akaike (AIC) , criterio que será explicado más adelante. Las series cardiovasculares (como la serie RR o QT , que son objeto de estudio en este proyecto) están referenciada a un latido. Por esa razón, no hay un periodo de muestreo constante. En lugar de ello se toma una aproximación como la media del intervalo RR(TR) . El uso del intervalo RR como periodo de muestreo T para estimar funciones de densidad espectral de potencia (PSD) se ha mostrado aceptable para frecuencias alejadas de la frecuencia de Nyquist (de Almeida, 2006). En el estudio de series cardiovasculares denidas a corto plazo (de duración entre 2 y 5 minutos), podemos distinguir dos rangos de frecuencia perfectamente denido of The European Society of Cardiology et al. (1996) : Componentes de alta frecuencia (HF), en el rango de 0.15 a 0.4 Hz. Componentes de baja frecuencia (LF), en el rango de 0.04 a 0.15 Hz. Un ejemplo de estimación espectral sobre datos reales se pueden observar en la gura B.1. Figura B.1: Estimación espectral del sujeto J en su registro BCD perteneciente a la primera subcampaña MEDES utilizando la estimación espectral mediante el modelo ARARX. En la gura podemos observar el espectro global así como sus componentes individuales y su diagrama de polos y ceros correspondiente Ambas bandas de frecuencia han sido relacionadas con los dos componentes del sistema nervioso autónomo, sobre el que recae la función de la coordinación involuntaria del cuerpo, así como el control de las funciones básicas del mismo. La explicación de ambas componentes se puede encontrar en A.1.1. Los componentes de alta frecuencia han sido asociados al efecto del sistema parasimpático y además reeja el efecto de la respiración, entre los 0.2 y 0.4 Hz. Mientras que los componentes de baja frecuencia están relacionados con el sistema simpático.(de Almeida, 2006) B.2. Modelado AR y ARARX 55 B.2. Modelado AR y ARARX El modelo ARARX nos permitirá caracterizar la variabilidad de la actividad ventricular, cuanticar su dependencia con el ritmo cardíaco y buscar cambios en esta relación. El modelo ARARX, que podemos ver en la gura B.2, va a explorar la relación existente entre la variabilidad de la serie RR y QT, asumiendo un modelo lineal de lazo abierto y una entrada no correlada exógena. Figura B.2: Representación gráca del modelo ARARX. Figura obtenida de de Almeida (2006) Las series wrr(n) y wQT (n) son ruidos blancos estacionarios de media cero con desviaciones estándar λRR y λQT . La serie xRR(n) está modelada como un proceso autoregresivo estacionario de orden p ( ARp ): xRR(n) = p X k=1 a22(k)xRR(n−k) + wRR(n) (B.2) La variación de la serie QT (QTV) se asume resultado de dos fuentes incorreladas, una generada por la variabilidad del pulso cardíaco (RR) y otra externa como resultado de un proceso AR con un ruido blanco de entrada (entrada exógena). xQT (n) = q X k=0 a12(k)xRR(n−k) + uQT (n)− q X k=1 a11(k)xQT (n−k) (B.3) uQT (n) = q X k=1 d(k)uQT (n−k) + wQT (n) (B.4) Por simplicidad en el modelo ARARX se ha asumido el mismo orden q para todos los polinomios del mismo. Mientras que se ha permitido un orden p diferente para el modelo AR que modela las series xRR(n) . El orden p en la ecuación B.2 representa la dependencia de la serie xRR(n) de sus valores anteriores, también llamada memoria. Mientras que el orden q en las ecuaciones B.3 y B.4 producen un efecto de memoria acumulativa a través de los polinomios A11 , A12 y D (de Almeida, 2006). Así como q=p tendremos para QT el doble de memoria que para el RR. El hecho de suponer fuentes incorreladas permite calcular la densidad espectral de potencia de la función xQT ( SQT (F) ) como la suma de dos espectros parciales (de Almeida, 2006): SQT |RR(F) = TRλ2 RR     A12(z) A11(z)A22(z)    2 z=ej2πF TR (B.5) 56 Apéndice B. Caracterización de la dependencia de la repolarización ventricular de la frecuencia cardíaca SQT |QT (F) = TRλ2 QT     1 A11(z)D(z)    2 z=ej2πF TR (B.6) Las ecuaciones B.5 y B.6 representan la contribución relacionada ( xQT |RR(n) ) y no relacionada ( xQT |QT (n) ) a RR en el espectro global del QT. En la gura B.3 podemos ver su contribución al espectro y un ejemplo de estimación espectral con el modelo ARARX. Figura B.3: Ejemplo de serie QT real xQT (n) y espectro estimado usando el modelo ARARXq para el SQT (F) (línea completa) y SQT |RR(F) (línea de puntos). Gráca realizada para el primer segmento del individuo C de la primera campaña DLR en su registro BCD La fracción de la variabilidad QT debida a RR en la banda de frecuencia β ( Rβ QT |RR ) está denida como : Rβ QT |RR =Pβ QT |RR Pβ QT |RR +Pβ QT |QT x100 (B.7) donde Pβ QT |RR y Pβ QT |QT se denen como la potencia de la contribución relaciona y no relacionada respectivamente al intervalo RR en la banda de estudio β . Hemos de tener en cuenta que algunos de los segmentos seleccionados puede no tener un modelo. Las razones de esto pueden ser varias: El test de la autocorrelación del residuo wrr va a ser negativo con lo que el ruido resultante no va a ser blanco o bien alguna de las componentes frecuenciales del modelo estimado va a ser negativa, para todas las ordenes. Así no vamos a obtener modelo AR válido para el RR. Si tenemos modelo AR pero el test de la autocorrelación del residuo wqt es negativo con lo que el ruido resultante va a ser no blanco o bien alguna de las componentes frecuenciales del modelo estimado va a ser negativa, para todas las ordenes. Así no vamos a obtener modelo ARARX válido para el QT. B.2. Modelado AR y ARARX 57 Si que hay modelo AR para el RR y modelo ARARX pero el test sobre la correlación cruzada de los residuos es negativa,o lo los residuos van a ser correlados. El hecho de no ser posible encontrar un modelo adecuado indica que los segmentos no son lo sucientemente estacionarios y que los modelos usados no pueden describir bien las series a estudio para estos casos, siendo necesarios otros métodos de análisis que están fuera de los propósitos de esto trabajo. Un ejemplo de uno de estos casos lo podemos ver en la gura B.4. En la cual hemos realizado una segmentación sobre el registro BCD del individuo A en la tercera subcampaña DLR. A pesar de presentar seis segmentos de 300 elementos considerados válidos, tan sólo uno de ellos tenía modelo. Figura B.4: Segmentación sobre el registro BCD del individuo A de la tercera subcampaña DLR. Los segmentos de color azul corresponden a la serie RR devuelta por el BioSigbrowser, mientras que los segmentos rojos corresponden a la serie RR devuelta por la primera etapa de la segmentación y los segmentos negros a la serie RR devuelta por la última etapa de la segmentación. A pesar de tener seis segmentos para seleccionados tan sólo uno de ellos se ha podido estimar un modelo B.2.1. Limitaciones : El uso de métodos paramétricos para la estimación de la PSD impone una serie de restricciones para su uso correcto. La dependencia lineal de la repolarización ventricular : el hecho de utilizar un modelo ARARX para la estimación espectral impone una relación lineal entre la variabilidad de la repolarización ventricular y las variaciones del RR. De esta manera sólo se tendrán en cuenta este tipo de relaciones entre ambos. Estacionariedad de las series a estudio : si los mecanismos responsables de las modulaciones periódicas del corazón a una cierta frecuencia permanecen sin cambios durante todo el periodo en el que se produce la adquisición de datos, el componente frecuencial correspondiente del HRV puede usarse como medida de esa modulación. Si esas modulaciones no son estables, la interpretación de los resultados del análisis frecuencial quedan menos denidos. 64 Apéndice C. Experimentos Head Down Bed Rest (HDBR) Reducción de la fuerza muscular. Cambios psico-sociales. Debido a todos estos cambios, muy similares a los que se experimentan en situaciones de microgravedad se han considerado los llamados experimentos bed-rest una situación análoga a la de microgravedad D.Schmitt y E.Larsen (november 2001). Este tipo de experimentos constituye una base de datos muy buena para un estudio en profundidad de la repolarización ventricular durante la microgravedad. Las campañas Head Down Tilt Bed Rest engloban un conjunto de estudios en una gran diversidad de campos : neurología, inmunología, nutrición y metabolismo ... además de los objetivos englobados en este proyecto. Debido a lo cual a la hora de explicar las campañas no se profundizará en las mismas a causa de su complejidad. Tan sólo explicaremos los aspectos que inuyen directamente en este proyecto. Para poder comparar y obtener resultados de diferentes campañas es necesario tener procedimientos estándar para poder obtener unas conclusiones válidas. Las condiciones sobre las que se desarrollaron estos estudios engloban Agency (2012): Posición anti-ortoestática : Inclinación de -6 grados con la cabeza en su posición inferior durante el periodo completo del estudio. Control sobre la dieta y calorías consumidas. Monitorización continua de los individuos. Control sobre el ciclo del sueño. Si se realiza algún tipo de contramedidas se debe de incluir una familiarización al mismo. Durante el periodo inicial se ha de realizar una adaptación a la dieta y al entorno. También se ha llevado a cabo una estandarización en la duración de cada fase de los experimentos Agency (2012): Bed rest de corta duración (STBR): • Un mínimo de cinco días de periodo ambulatorio en el cual el sujeto a estudio se familiarizaría con el protocolo de realización del experimento y en los cuales se realizarían las primeras pruebas. • Duración de Bed rest de cinco días consistente en situar al sujeto en posición antiortostática sin posibilidad de abandonar esa posición. • Periodo de recuperación variable en función de cada estudio individual. • Diseño cruzado con un grupo de control y varios grupos de pruebas (hasta tres) con entre 8 y 12 sujetos. Así mismo los criterios aplicados a la selección de voluntarios Agency (2012): Edad entre 25 y 50 años C.2. Simulación de estado de microgravedad en tierra 65 Voluntarios sanos. Esto se determinó por un conjunto de pruebas realizadas anteriormente. No fumadores. Acostumbrados a realizar una actividad física moderada. Hombres En este proyecto se ha realizado el estudio de dos campañas Head Down Tilt Bed Rest de corta duración (STBR) realizadas en : Centro aeroespacial alemán (DLR) realizada en Koln (Alemania) Instituto para la medicina espacial y siología (MEDES) realizada en Toulouse (Francia) En estas campañas se ha realizado un diseño cruzado, con un grupo de control (a los que se le aplica un protocolo de microgravedad simulado pero sin contramedidas) y varios grupos de test comparativo de posibles contramedidas como son el ejercicio físico o la hipergravedad por centrifugación. Para ello se divide el conjunto de los sujetos a estudio en tres grupos más pequeños tal y como se muestra en la gura C.2. Figura C.2: Representación gráca de la división en subgrupos de los sujetos a estudio De esa manera contaremos con dos campañas subdivididas en tres subcampañas cada una tal y como muestra la gura C.2. C.2.1. DLR Campaña realizada en Koln (Alemania), formada por 12 sujetos con un diseño cruzado con tres grupos : uno de control y dos de pruebas. De los cuales estudiaremos tan sólo los grupos de control en cada subcampaña. De esta manera la campaña queda divida con los sujetos: Primera subcampaña : C, F y K. Segunda subcampaña : B, E y H. Tercera subcampaña : A, D, G y L. De cada uno de estos sujetos se han tomado tres registros ECG de 24 horas tal y como podemos ver en la gura C.3: 66 Apéndice C. Experimentos Head Down Bed Rest (HDBR) El registro ECG Holter de 24 horas correspondiente a la tarde del día BCD-5 a la mañana del día BCD-4. Este registro corresponde al periodo en el cual el sujeto todavía no se ha encontrado expuesto a una posición anti-ortostática. El registro ECG correspondiente a la mañana del día HDT-5 a la mañana del día R0, último día de los cinco en los cuales el sujeto se encuentra en posición anti-ortostática. El registro ECG correspondiente a la tarde R0 hasta la tarde del día R1, primer día del periodo de recuperación. Figura C.3: Representación gráca de los registros a estudio para cada individuo de las campañas realizadas en Koln C.2.2. MEDES Campaña realizada en Toulouse (Francia), formada por 10 sujetos con un diseño cruzado con tres grupos : uno de control y dos de pruebas. De los cuales estudiaremos tan sólo los grupos de control en cada subcampaña. De esta manera la campaña queda divida con los sujetos: Primera subcampaña : A, D, G y J. Segunda subcampaña : B, H y K. Tercera subcampaña : C, E, F, I y L. De cada uno de estos sujetos se han tomado tres registros ECG de 24 horas tal y como podemos ver en la gura C.3. La única diferencia respecto a la campaña DLR consistirá en el primer periodo de la campaña, la cual contará con un día más. Esto transformará el registro BCD-5 de la campaña DLR en el BCD-6. Aspecto que no inuirá en el estudio posterior de los mismos. De esa manera los registros a estudio quedarán de la siguiente forma: El registro ECG Holter de 24 horas correspondiente a la tarde del día BCD-6 a la mañana del día BCD-5. Este registro corresponde al periodo en el cual el sujeto todavía no se ha encontrado expuesto a una posición anti-ortostática. El registro ECG correspondiente a la mañana del día HDT-5 a la mañana del día R0, último día de los cinco en los cuales el sujeto se encuentra en posición anti-ortostática. El registro ECG correspondiente a la tarde R0 hasta la tarde del día R1, primer día del periodo de recuperación. C.3. Formato de adquisición de datos 67 Figura C.4: Representación gráca de los registros a estudio para cada individuo de las campañas realizadas en Toulouse Dada la diferente notación que deberíamos de seguir para designar a los registros BCD-6 y BCD-5 hemos decido llamar a ambos de la misma manera BCD. Por simplicidad también hemos eliminado el número de los registros HDT5 y R0 quedando HDT y R respectivamente. C.3. Formato de adquisición de datos Los datos ECG fueron tomados durante las campañas Head Down Tilt Bed Rest con un registrador Holter Mortara versión H12+ de la compañía Mortara Instruments,Inc. Estos datos fueron registrados a una frecuencia de muestreo de 1000 Hz, registrando 8 derivaciones ( I, II, V1, ..., V6 ) con una resolución de 15,16 µ Voltios que se extrajeron usando un programa propietario de Mortara Instruments. A continuación fueron calculadas las derivaciones III y las derivaciones extendidas usando las relaciones adecuadas. Estas ecuaciones se pueden consultar en la sección A.2. Una frecuencia de muestreo baja puede producir variabilidad espurea en la localización de los puntos duciales y alterar el espectro de forma considerable. La frecuencia de muestreo necesaria para medir series RR (of The European Society of Cardiology et al., 1996) se encuentra por encima de los 250 Hz mientras que en el caso de series QT (M.Risck, 2005) la frecuencia de muestreo mínima sube hasta los 300 Hz. Utilizar una frecuencia de muestreo inferior (siempre mayor a 100 Hz) puede ser suciente para medir el RR, si se usa un algoritmo de interpolación (por ejemplo el parabólico) es usado para denir el punto ducial de la onda R de forma más exacta of The European Society of Cardiology et al. (1996). Apéndice D Periodos de sueño en campañas DLR y MEDES Resumen: En este apéndice vamos a incluir las tablas con la selección de horas para las campañas MEDES y DLR, eligiendo los periodos de tiempo en que los sujetos se encontraban dormidos. De esta manera, intentaremos obtener segmentos con la mayor estacionariedad posible. D.1. Campaña MEDES Hemos de comentar sobre estas tablas el hecho de que las horas aquí reejadas no hacen referencia a horas naturales del día. Están referenciadas al comienzo de la recogida de datos en cada caso. Es decir, en el caso del sujeto A en su registro BCD en D.1 las horas 5 a 12 no corresponden al periodo de las 5 de la mañana a las 12 horas del medio día. Primera subcampaña - MEDES A D G J BCD 5-12h 5-12h 5-12h 5-12h HDT 14-22h 14-22h 14-22h 14-22h R 15-21h 15-21h 15-21h 15-21h Tabla D.1: Periodo de sueño para los sujetos de la primera subcampaña MEDES 69 70 Apéndice D. Periodos de sueño en campañas DLR y MEDES Segunda subcampaña - MEDES B H K BCD 5-12h 5-12h 5-12h HDT 14-22h 14-22h 14-22h R 15-21h 15-21h 15-21h Tabla D.2: Periodo de sueño para los sujetos de la segunda subcampaña MEDES Tercera subcampaña - MEDES C E F I L BCD 5-12h 5-12h 5-12h 5-12h 5-12h HDT 14-22h 14-22h 14-22h 14-22h 14-22 R 15-21h 15-21h 15-21h 15-21h 15-21h Tabla D.3: Periodo de sueño para los sujetos de la tercera subcampaña MEDES D.2. Campaña DLR Primera subcampaña - DLR C F K BCD 10h-17h 9h-16h 10h-17h HDT 16-23h 16-23h 16-23h R 9-16h 7-14h 9-16h Tabla D.4: Periodo de sueño para los sujetos de la primera subcampaña DLR Segunda subcampaña - DLR B E H BCD 9-16h 10-17h 9-16h HDT 16-23h 16-23h 16-23h R 6-13h 8-14h 6-13h Tabla D.5: Periodo de sueño para los sujetos de la segunda subcampaña DLR D.2. Campaña DLR 71 Tercera subcampaña - DLR A D G L BCD 11-17h 10-16h 11-17h 10-16h HDT 16-23h 16-23h 16-23h 16-23h R 8-14h 6-12h 8-14h 6-12h Tabla D.6: Periodo de sueño para los sujetos de la tercera subcampaña DLR Apéndice E Ejemplicación del método de trabajo Resumen: A lo largo de este apéndice intentaremos ilustrar mediante grácos y tablas para un sujeto en concreto todo el proceso desarrollado en el capítulo 2. De tal manera que pueda servir como ejemplo del proceso llevado a cabo para el estudio del resto de sujetos. Para ello incluiremos los datos del individuo J perteneciente a la primera subcampaña MEDES. Partiremos de los datos de las series RR generados por el BSB, realizaremos la segmentación y obtendremos los datos de la estimación espectral eliminando aquellos datos que no consideremos válidos. E.1. Segmentación de las series En las guras E.1, E.2 y E.3 podemos ver reejado el proceso de segmentación realizado en los registros BCD, HDT y R del sujeto J para la primera subcamapaña MEDES. Partimos de las series de color azul generadas por el BSB. Sobre estas series se llevará a cabo la segmentación por parte de la primera etapa generando las series de color rojo, para nalmente aplicar la última de las etapas de segmentación generando sobre las series válidas de la primera las series de color negro. Los criterios de segmentación de las series pueden ser consultados en 2.3. Sobre estos datos se puede resaltar en primer lugar el tamaño de los segmentos. En color rojo aparecen segmentos con una longitud mayor o igual a 300 latidos (delimitados con lineas verticales de color verde) mientras que los segmentos de color negro presentan una longitud ja de 300 latidos (delimitados por líneas verticales de color amarillo). La longitud de los segmentos puede ser consultada en la tabla E.1 así como el número de segmentos en cada caso. El segundo aspecto que se puede resaltar sobre los mismos hace referencia a su estacionariedad. Podemos comprobar como a medida que vamos siendo más restrictivos en los criterios aplicados la estacionariedad aumenta y esto puede ser constatado visualmente sobre las guras. 73 80 Apéndice E. Ejemplicación del método de trabajo Índices del segmento Orden del modelo ARARX Potencia del modelo AR ( s−2 ) Potencia de la contribución no correlada con el RR ( s−2 ) Potencia de la contribución correlada con el RR ( s−2 ) Potencia Total ( s−2 ) LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF 580 879 3 74,817 0,274 189,369 0,693 0,395 4,379 0,421 4,997 0,480 0,876 0,027 0,094 0,188 0,645 0,146 4,406 0,459 5,185 0,541 0,850 880 1179 4 264,994 0,594 167,079 0,375 1,586 2,654 0,226 4,100 0,348 0,647 0,123 0,169 0,441 0,607 0,278 2,777 0,379 4,541 0,621 0,611 3647 3946 4 632,426 0,774 163,506 0,200 3,868 1,517 0,147 4,041 0,392 0,376 0,659 0,344 1,224 0,638 0,538 2,176 0,292 5,265 0,708 0,413 4175 4474 4 169,924 0,545 118,840 0,381 1,430 0,944 0,132 3,538 0,493 0,267 0,011 0,025 0,100 0,237 0,106 0,955 0,208 3,638 0,792 0,262 5431 5730 8 497,530 0,757 138,788 0,211 3,585 7,911 0,264 13,129 0,438 0,603 1,007 0,741 -0,001 -0,001 -830,013 8,918 0,405 13,128 0,595 0,679 5945 6244 5 2144,027 0,839 410,341 0,161 5,225 1,822 0,190 7,079 0,740 0,257 0,901 0,657 0,227 0,165 3,973 2,723 0,271 7,306 0,729 0,373 6683 6982 6 505,971 0,536 408,353 0,433 1,239 0,741 0,077 5,424 0,561 0,137 0,372 0,252 0,406 0,276 0,916 1,114 0,160 5,830 0,840 0,191 7281 7580 4 1164,042 0,797 296,120 0,203 3,931 2,581 0,211 4,538 0,371 0,569 1,529 0,513 1,537 0,515 0,995 4,109 0,403 6,075 0,597 0,676 7581 7880 5 256,131 0,488 233,482 0,445 1,097 1,264 0,136 4,651 0,501 0,272 0,077 0,135 0,314 0,553 0,244 1,341 0,213 4,964 0,787 0,270 7881 8180 6 131,545 0,299 290,854 0,661 0,452 2,728 0,302 3,835 0,425 0,711 0,365 0,171 1,780 0,836 0,205 3,093 0,355 5,615 0,645 0,551 8181 8480 4 211,714 0,334 393,979 0,621 0,537 0,000 0,000 7,960 1,000 0,000 0,036 0,018 2,001 0,981 0,018 0,036 0,004 9,961 0,996 0,004 9644 9943 7 742,737 0,780 183,225 0,192 4,054 1,265 0,133 6,499 0,684 0,195 0,378 0,584 0,189 0,292 2,001 1,643 0,197 6,688 0,803 0,246 10642 10941 4 840,038 0,740 243,413 0,214 3,451 0,981 0,170 4,373 0,756 0,224 0,344 0,384 0,460 0,513 0,749 1,325 0,215 4,833 0,785 0,274 11608 11907 3 1475,946 0,800 333,162 0,181 4,430 2,220 0,296 4,296 0,573 0,517 0,263 0,452 0,219 0,377 1,200 2,483 0,355 4,515 0,645 0,550 12124 12423 4 360,089 0,502 312,058 0,435 1,154 0,907 0,105 7,746 0,895 0,117 0,408 0,307 0,838 0,630 0,487 1,315 0,133 8,583 0,867 0,153 12424 12723 3 318,990 0,615 181,519 0,350 1,757 0,000 0,000 6,256 0,683 0,000 0,621 0,593 0,378 0,361 1,642 0,621 0,086 6,634 0,914 0,094 12724 13023 4 48,200 0,213 153,967 0,680 0,313 0,310 0,039 7,646 0,961 0,041 0,141 0,224 0,286 0,452 0,495 0,452 0,054 7,932 0,946 0,057 13024 13323 3 68,064 0,240 190,008 0,671 0,358 0,000 0,000 5,286 0,748 0,000 0,119 0,202 0,362 0,616 0,328 0,119 0,021 5,648 0,979 0,021 13324 13623 3 410,509 0,682 169,433 0,281 2,423 1,454 0,143 5,514 0,542 0,264 0,547 0,695 0,178 0,226 3,073 2,001 0,260 5,692 0,740 0,352 13624 13923 7 235,680 0,553 177,848 0,417 1,325 2,564 0,188 7,994 0,585 0,321 0,089 0,246 0,133 0,370 0,667 2,653 0,246 8,127 0,754 0,326 14319 14618 3 1080,331 0,728 327,416 0,221 3,300 3,428 0,246 7,653 0,550 0,448 0,496 0,393 0,503 0,398 0,986 3,924 0,325 8,156 0,675 0,481 15184 15483 3 535,858 0,634 308,741 0,366 1,736 3,023 0,268 5,780 0,513 0,523 0,044 0,086 0,473 0,913 0,094 3,067 0,329 6,253 0,671 0,491 15531 15830 3 1169,364 0,788 314,665 0,212 3,716 1,531 0,138 5,621 0,505 0,272 0,434 0,348 0,739 0,593 0,587 1,965 0,236 6,359 0,764 0,309 16541 16840 7 1891,793 0,617 1176,196 0,383 1,608 4,390 0,231 14,295 0,752 0,307 1,172 0,935 0,091 0,073 12,846 5,562 0,279 14,386 0,721 0,387 17057 17356 5 251,660 0,339 491,063 0,661 0,512 3,616 0,335 4,105 0,380 0,881 -0,065 -0,117 0,707 1,270 -0,092 3,551 0,425 4,813 0,575 0,738 17357 17656 10 540,436 0,527 450,622 0,439 1,199 2,221 0,234 6,038 0,638 0,368 0,411 0,303 0,877 0,645 0,469 2,632 0,276 6,914 0,724 0,381 17657 17956 8 391,484 0,445 435,504 0,496 0,899 3,134 0,233 6,902 0,513 0,454 0,180 0,197 0,497 0,543 0,363 3,315 0,309 7,399 0,691 0,448 17957 18256 7 232,855 0,281 595,469 0,719 0,391 1,067 0,093 6,747 0,585 0,158 -0,019 -0,013 1,453 1,009 -0,013 1,048 0,113 8,200 0,887 0,128 21332 21631 3 833,071 0,591 576,659 0,409 1,445 2,277 0,217 8,215 0,783 0,277 0,399 0,532 0,351 0,468 1,135 2,676 0,238 8,566 0,762 0,312 21632 21931 7 1037,113 0,483 1025,072 0,478 1,012 1,895 0,229 4,673 0,566 0,406 0,149 0,180 0,337 0,405 0,443 2,044 0,290 5,009 0,710 0,408 22045 22344 5 846,298 0,599 565,758 0,401 1,496 1,402 0,139 8,691 0,861 0,161 0,704 0,823 0,151 0,177 4,665 2,106 0,192 8,842 0,808 0,238 22345 22644 3 945,842 0,508 915,598 0,492 1,033 1,504 0,172 7,256 0,828 0,207 0,180 0,519 0,167 0,481 1,080 1,684 0,185 7,422 0,815 0,227 23038 23337 3 436,602 0,432 573,943 0,568 0,761 1,468 0,158 7,850 0,842 0,187 0,377 0,890 0,047 0,110 8,072 1,844 0,189 7,896 0,811 0,234 23338 23637 3 414,306 0,573 277,455 0,384 1,493 0,687 0,064 10,078 0,936 0,068 0,363 0,616 0,108 0,183 3,363 1,050 0,093 10,186 0,907 0,103 23638 23937 5 360,265 0,640 175,809 0,312 2,049 3,343 0,304 5,733 0,521 0,583 0,251 0,190 1,036 0,784 0,242 3,594 0,347 6,769 0,653 0,531 23938 24237 12 23,297 0,116 178,251 0,884 0,131 2,754 0,240 6,318 0,551 0,436 0,282 0,648 0,049 0,113 5,718 3,036 0,323 6,367 0,677 0,477 24238 24537 10 173,525 0,409 218,855 0,516 0,793 4,315 0,276 8,176 0,523 0,528 0,291 0,159 1,050 0,573 0,277 4,606 0,333 9,226 0,667 0,499 24538 24837 5 275,741 0,511 231,805 0,430 1,190 4,587 0,361 1,659 0,131 2,765 0,079 0,167 0,333 0,702 0,238 4,666 0,701 1,992 0,299 2,343 24838 25137 12 108,834 0,385 158,250 0,559 0,688 1,886 0,193 6,538 0,668 0,289 0,132 0,172 0,443 0,575 0,298 2,019 0,224 6,981 0,776 0,289 26065 26364 3 1228,626 0,871 182,499 0,129 6,732 1,679 0,178 4,381 0,464 0,383 0,642 0,608 0,744 0,704 0,863 2,321 0,312 5,125 0,688 0,453 26963 27262 3 720,773 0,633 417,634 0,367 1,726 2,139 0,236 6,909 0,764 0,310 0,313 0,650 0,168 0,350 1,860 2,452 0,257 7,077 0,743 0,346 27263 27562 3 1032,768 0,697 368,563 0,249 2,802 1,145 0,172 4,299 0,644 0,266 0,453 0,677 0,142 0,212 3,197 1,598 0,265 4,441 0,735 0,360 32549 32848 8 698,891 0,917 48,985 0,064 14,268 36,352 0,273 32,165 0,242 1,130 0,193 0,164 0,352 0,300 0,548 36,545 0,529 32,516 0,471 1,124 Media 5,162 599,607 0,560 343,492 0,408 2,176 2,932 0,190 6,953 0,603 0,414 0,360 0,371 0,513 0,485 -17,784 3,292 0,267 7,466 0,733 0,425 Varianza 2,506 489,528 0,194 237,985 0,186 2,409 5,430 0,095 4,587 0,192 0,442 0,329 0,264 0,484 0,274 126,837 5,434 0,133 4,536 0,133 0,374 Tabla E.3: Valores de potencia para las distintas bandas de la estimación espectral en el registro HDT del individuo J de la primera subcampaña MEDES E.2. Modelado ARARX y estimación espectral 81 Índices del segmento Orden del modelo ARARX Potencia del modelo AR ( s−2 ) Potencia de la contribución no correlada con el RR ( s−2 ) Potencia de la contribución correlada con el RR ( s−2 ) Potencia Total ( s−2 ) LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF 841 1140 4 509,247 0,687 195,632 0,264 2,603 1,517 0,130 8,660 0,741 0,175 0,553 0,493 0,494 0,440 1,119 2,070 0,184 9,154 0,816 0,226 1141 1440 4 182,860 0,507 159,643 0,442 1,145 2,203 0,212 5,158 0,496 0,427 0,077 0,115 0,590 0,887 0,130 2,279 0,284 5,748 0,716 0,397 1441 1740 5 479,362 0,712 160,069 0,238 2,995 1,155 0,128 5,198 0,575 0,222 0,863 0,313 1,755 0,636 0,492 2,018 0,225 6,953 0,775 0,290 1741 2040 7 38,499 0,222 118,988 0,686 0,324 2,377 0,253 4,841 0,515 0,491 -0,031 -0,041 0,710 0,945 -0,044 2,346 0,297 5,552 0,703 0,423 2041 2340 5 147,521 0,445 175,843 0,530 0,839 0,501 0,059 5,413 0,636 0,093 -0,020 -0,035 0,610 1,074 -0,032 0,482 0,074 6,023 0,926 0,080 2341 2640 7 34,529 0,126 203,753 0,741 0,169 2,432 0,297 2,657 0,325 0,915 0,582 0,354 0,494 0,301 1,176 3,014 0,489 3,152 0,511 0,956 2641 2940 9 75,289 0,259 194,490 0,668 0,387 1,593 0,126 7,470 0,590 0,213 -0,039 -0,060 0,543 0,833 -0,073 1,554 0,162 8,013 0,838 0,194 2941 3240 3 145,031 0,363 216,997 0,543 0,668 0,224 0,020 5,324 0,472 0,042 0,007 0,007 0,782 0,831 0,008 0,230 0,036 6,106 0,964 0,038 5436 5735 4 1083,791 0,769 308,853 0,219 3,509 1,849 0,260 4,410 0,620 0,419 1,369 0,701 0,355 0,182 3,858 3,219 0,403 4,765 0,597 0,676 5736 6035 5 578,759 0,568 393,883 0,386 1,469 1,569 0,218 3,098 0,431 0,506 0,671 0,214 1,891 0,605 0,355 2,239 0,310 4,989 0,690 0,449 6177 6476 4 98,115 0,228 308,764 0,716 0,318 0,631 0,101 2,937 0,469 0,215 0,018 0,014 1,274 0,973 0,014 0,649 0,134 4,212 0,866 0,154 6477 6776 5 204,506 0,229 485,606 0,543 0,421 2,026 0,155 5,542 0,424 0,366 0,453 0,334 0,827 0,609 0,548 2,480 0,280 6,369 0,720 0,389 6777 7076 4 322,724 0,509 293,836 0,463 1,098 0,867 0,109 3,129 0,392 0,277 0,434 0,152 2,318 0,813 0,187 1,301 0,193 5,447 0,807 0,239 7077 7376 3 189,806 0,298 406,764 0,638 0,467 2,080 0,238 3,180 0,364 0,654 0,099 0,040 2,134 0,857 0,046 2,179 0,291 5,314 0,709 0,410 7377 7676 4 267,619 0,329 505,634 0,622 0,529 1,370 0,142 4,160 0,432 0,329 0,094 0,037 2,123 0,838 0,044 1,463 0,189 6,283 0,811 0,233 7677 7976 5 464,090 0,409 642,054 0,566 0,723 2,403 0,193 6,072 0,487 0,396 0,152 0,126 0,969 0,807 0,156 2,555 0,266 7,041 0,734 0,363 7977 8276 4 358,321 0,351 615,662 0,603 0,582 1,682 0,154 3,986 0,366 0,422 0,302 0,101 2,495 0,832 0,121 1,984 0,234 6,481 0,766 0,306 8442 8741 4 477,734 0,542 381,639 0,433 1,252 1,232 0,116 4,851 0,458 0,254 0,800 0,469 0,730 0,429 1,095 2,032 0,267 5,581 0,733 0,364 9197 9496 7 99,076 0,650 29,675 0,195 3,339 0,896 0,101 3,470 0,392 0,258 0,385 0,428 0,106 0,118 3,616 1,280 0,264 3,577 0,736 0,358 9797 10096 4 1055,798 0,761 272,479 0,196 3,875 0,906 0,150 4,611 0,763 0,196 0,793 0,614 0,421 0,326 1,883 1,698 0,252 5,032 0,748 0,338 11482 11781 4 984,450 0,763 260,088 0,202 3,785 1,921 0,231 3,019 0,362 0,636 0,618 0,446 0,667 0,481 0,926 2,539 0,408 3,687 0,592 0,689 11846 12145 4 289,128 0,456 313,205 0,494 0,923 1,584 0,236 3,298 0,491 0,480 0,134 0,120 0,964 0,866 0,139 1,717 0,287 4,262 0,713 0,403 12252 12551 12 550,498 0,644 284,362 0,333 1,936 1,625 0,221 3,578 0,486 0,454 0,441 0,172 1,648 0,642 0,268 2,066 0,283 5,226 0,717 0,395 12613 12912 4 118,493 0,271 292,076 0,668 0,406 2,564 0,270 3,754 0,395 0,683 0,049 0,085 0,520 0,905 0,094 2,612 0,379 4,274 0,621 0,611 13192 13491 4 221,857 0,382 323,274 0,556 0,686 2,614 0,281 4,195 0,452 0,623 0,168 0,109 1,340 0,870 0,126 2,782 0,335 5,535 0,665 0,503 13492 13791 4 418,773 0,551 321,038 0,422 1,304 2,305 0,327 3,881 0,550 0,594 0,263 0,147 1,491 0,831 0,176 2,568 0,323 5,373 0,677 0,478 13792 14091 4 517,390 0,563 361,645 0,394 1,431 0,825 0,099 7,475 0,901 0,110 0,861 0,520 0,411 0,248 2,095 1,686 0,176 7,886 0,824 0,214 14092 14391 4 462,016 0,527 387,155 0,442 1,193 5,076 0,443 2,730 0,238 1,860 0,657 0,392 0,891 0,532 0,737 5,733 0,613 3,621 0,387 1,583 14757 15056 4 1297,334 0,812 216,901 0,136 5,981 1,905 0,130 10,753 0,734 0,177 1,289 0,848 0,228 0,150 5,645 3,194 0,225 10,982 0,775 0,291 15319 15618 6 394,614 0,566 256,847 0,368 1,536 2,511 0,203 5,890 0,475 0,426 -0,131 -0,126 1,012 0,971 -0,129 2,380 0,256 6,902 0,744 0,345 15878 16177 4 1259,840 0,779 344,585 0,213 3,656 1,923 0,206 5,134 0,551 0,375 0,352 0,312 0,738 0,653 0,477 2,275 0,279 5,872 0,721 0,387 17121 17420 4 1578,528 0,789 336,936 0,168 4,685 1,978 0,177 6,375 0,572 0,310 0,516 0,695 0,201 0,271 2,567 2,494 0,275 6,577 0,725 0,379 17616 17915 4 704,048 0,810 165,270 0,190 4,260 2,205 0,221 4,507 0,452 0,489 0,253 0,406 0,085 0,137 2,971 2,458 0,349 4,592 0,651 0,535 17916 18215 4 666,393 0,882 89,125 0,118 7,477 1,240 0,150 6,232 0,753 0,199 1,119 1,388 -0,313 -0,388 -3,575 2,359 0,285 5,919 0,715 0,398 18216 18515 3 1133,671 0,732 415,798 0,268 2,726 1,878 0,261 5,308 0,739 0,354 0,327 0,377 0,541 0,623 0,604 2,204 0,274 5,849 0,726 0,377 18516 18815 7 2561,932 0,967 87,304 0,033 29,345 3,691 0,257 7,780 0,541 0,474 4,215 0,877 0,622 0,129 6,780 7,907 0,485 8,402 0,515 0,941 20304 20603 4 543,564 0,553 399,829 0,407 1,359 2,147 0,169 7,674 0,605 0,280 0,639 0,631 0,272 0,269 2,346 2,786 0,260 7,946 0,740 0,351 21029 21328 6 1629,424 0,673 791,354 0,327 2,059 2,819 0,204 8,448 0,611 0,334 2,931 0,690 1,456 0,343 2,013 5,750 0,367 9,905 0,633 0,581 21329 21628 4 561,315 0,397 802,960 0,568 0,699 0,932 0,119 2,603 0,333 0,358 0,519 0,264 1,369 0,696 0,379 1,450 0,267 3,972 0,733 0,365 22233 22532 3 1018,584 0,502 969,391 0,478 1,051 3,131 0,346 5,293 0,585 0,592 0,810 0,254 2,143 0,671 0,378 3,941 0,346 7,436 0,654 0,530 22632 22931 5 1516,670 0,668 753,479 0,332 2,013 1,209 0,155 4,489 0,576 0,269 0,430 0,390 0,596 0,541 0,721 1,639 0,244 5,085 0,756 0,322 22984 23283 4 1533,166 0,621 933,994 0,379 1,642 1,294 0,169 2,517 0,330 0,514 0,880 0,743 0,231 0,195 3,810 2,173 0,442 2,748 0,558 0,791 23284 23583 6 2141,368 0,637 1128,940 0,336 1,897 0,581 0,081 4,228 0,587 0,137 0,486 0,538 0,219 0,243 2,219 1,067 0,194 4,447 0,806 0,240 25222 25521 3 1823,239 0,776 479,865 0,204 3,799 3,152 0,268 8,608 0,732 0,366 1,779 0,821 0,234 0,108 7,600 4,931 0,358 8,842 0,642 0,558 25522 25821 5 810,774 0,482 795,839 0,474 1,019 2,874 0,277 7,486 0,723 0,384 0,441 0,351 0,635 0,506 0,694 3,315 0,290 8,121 0,710 0,408 26123 26422 4 1792,769 0,646 928,329 0,335 1,931 1,846 0,190 7,063 0,726 0,261 1,207 0,590 0,886 0,433 1,362 3,053 0,277 7,949 0,723 0,384 Media 4,717 724,837 0,552 402,388 0,403 2,511 1,855 0,192 5,141 0,531 0,405 0,626 0,357 0,885 0,549 1,220 2,482 0,285 6,026 0,715 0,434 Varianza 1,668 621,681 0,201 262,709 0,180 4,350 0,907 0,082 1,941 0,145 0,282 0,770 0,309 0,669 0,317 1,944 1,379 0,104 1,821 0,104 0,256 Tabla E.4: Valores de potencia para las distintas bandas de la estimación espectral en el registro R del individuo J de la primera subcampaña MEDES 82 Apéndice E. Ejemplicación del método de trabajo Índices del segmento Orden del modelo ARARX Potencia del modelo AR ( s−2 ) Potencia de la contribución no correlada con el RR ( s−2 ) Potencia de la contribución correlada con el RR ( s−2 ) Potencia Total ( s−2 ) LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF 2373 2672 4 559,876 0,591 347,894 0,367 1,609 1,428 0,134 9,170 0,859 0,156 0,284 0,221 0,854 0,663 0,333 1,712 0,146 10,024 0,854 0,171 2973 3272 1 243,287 0,445 303,721 0,555 0,801 0,000 0,000 11,212 1,000 0,000 0,382 0,464 0,441 0,536 0,867 0,382 0,032 11,653 0,968 0,033 3985 4284 4 67,650 0,214 215,200 0,681 0,314 3,200 0,254 7,023 0,558 0,456 0,033 0,082 0,266 0,665 0,124 3,233 0,307 7,290 0,693 0,443 4285 4584 4 83,263 0,283 184,568 0,628 0,451 2,380 0,257 5,579 0,603 0,427 0,080 0,082 0,631 0,647 0,126 2,460 0,284 6,209 0,716 0,396 4585 4884 4 304,765 0,469 311,220 0,479 0,979 3,856 0,309 4,827 0,387 0,799 0,200 0,150 0,657 0,494 0,304 4,056 0,425 5,485 0,575 0,740 5749 6048 6 90,103 0,266 219,223 0,648 0,411 1,994 0,138 6,850 0,475 0,291 0,496 0,615 0,211 0,261 2,355 2,490 0,261 7,060 0,739 0,353 6314 6613 4 517,059 0,500 454,882 0,440 1,137 0,978 0,135 5,956 0,822 0,164 0,054 0,158 0,296 0,861 0,184 1,033 0,142 6,252 0,858 0,165 7044 7343 4 1197,350 0,717 385,695 0,231 3,104 1,236 0,145 5,284 0,619 0,234 0,966 0,534 0,402 0,222 2,404 2,202 0,279 5,686 0,721 0,387 7532 7831 5 622,121 0,605 371,555 0,361 1,674 1,945 0,229 6,554 0,771 0,297 0,151 0,291 0,243 0,468 0,623 2,096 0,236 6,797 0,764 0,308 9321 9620 5 219,492 0,388 325,934 0,576 0,673 1,455 0,182 3,367 0,422 0,432 0,314 0,537 0,164 0,280 1,918 1,769 0,334 3,530 0,666 0,501 9621 9920 5 94,137 0,233 309,908 0,767 0,304 1,450 0,157 4,871 0,527 0,298 0,202 0,617 0,049 0,150 4,111 1,652 0,251 4,920 0,749 0,336 9921 10220 3 30,051 0,079 338,330 0,887 0,089 3,260 0,249 9,829 0,751 0,332 0,008 0,018 0,417 0,939 0,019 3,268 0,242 10,246 0,758 0,319 10221 10520 4 32,088 0,110 233,254 0,799 0,138 0,428 0,045 9,018 0,955 0,047 0,015 0,043 0,017 0,047 0,898 0,443 0,047 9,035 0,953 0,049 10521 10820 4 361,480 0,572 259,985 0,412 1,390 2,366 0,201 6,138 0,522 0,385 0,362 0,679 0,150 0,282 2,412 2,728 0,303 6,288 0,697 0,434 10821 11120 3 192,505 0,426 232,279 0,514 0,829 4,957 0,476 5,450 0,524 0,910 0,441 0,823 0,070 0,131 6,286 5,398 0,494 5,520 0,506 0,978 11923 12222 7 287,637 0,455 298,313 0,472 0,964 2,024 0,229 6,150 0,695 0,329 0,261 0,450 0,275 0,473 0,952 2,285 0,262 6,425 0,738 0,356 13245 13544 4 247,462 0,386 342,705 0,535 0,722 1,535 0,249 3,937 0,640 0,390 0,180 0,179 0,750 0,747 0,240 1,715 0,268 4,688 0,732 0,366 13545 13844 5 1082,434 0,719 390,405 0,259 2,773 1,258 0,173 4,554 0,627 0,276 0,465 0,311 1,099 0,735 0,424 1,724 0,234 5,653 0,766 0,305 13845 14144 10 144,539 0,366 215,764 0,546 0,670 2,252 0,258 5,292 0,605 0,426 0,293 0,512 0,223 0,390 1,310 2,545 0,316 5,515 0,684 0,462 16104 16403 4 519,173 0,741 153,478 0,219 3,383 1,107 0,154 5,075 0,704 0,218 0,299 0,632 0,152 0,321 1,965 1,406 0,212 5,228 0,788 0,269 16404 16703 8 714,594 0,609 377,169 0,321 1,895 1,971 0,240 5,121 0,623 0,385 0,219 0,188 0,834 0,713 0,263 2,190 0,269 5,955 0,731 0,368 16704 17003 3 612,141 0,706 202,413 0,233 3,024 4,272 0,471 4,797 0,529 0,891 0,500 0,397 0,666 0,529 0,750 4,772 0,466 5,463 0,534 0,874 17124 17423 7 259,354 0,579 172,042 0,384 1,508 4,469 0,330 4,495 0,332 0,994 0,369 0,488 0,338 0,447 1,092 4,839 0,500 4,833 0,500 1,001 17424 17723 8 198,403 0,522 176,431 0,465 1,125 1,283 0,126 6,922 0,677 0,185 0,314 0,405 0,339 0,437 0,926 1,597 0,180 7,260 0,820 0,220 17724 18023 3 168,030 0,440 213,481 0,560 0,787 1,103 0,111 4,849 0,489 0,228 0,164 0,261 0,456 0,724 0,360 1,268 0,193 5,305 0,807 0,239 18024 18323 8 314,504 0,519 239,333 0,395 1,314 2,481 0,237 5,887 0,562 0,421 0,182 0,146 0,791 0,633 0,230 2,663 0,285 6,678 0,715 0,399 18400 18699 4 181,267 0,473 183,456 0,479 0,988 0,867 0,136 5,114 0,801 0,170 0,079 0,195 0,325 0,798 0,244 0,946 0,148 5,439 0,852 0,174 20581 20880 4 628,342 0,746 166,012 0,197 3,785 0,444 0,155 1,827 0,636 0,243 0,134 0,374 0,051 0,142 2,628 0,578 0,235 1,878 0,765 0,308 20971 21270 3 304,619 0,582 178,847 0,341 1,703 2,792 0,355 3,816 0,486 0,732 0,080 0,126 0,520 0,817 0,155 2,872 0,398 4,336 0,602 0,662 23694 23993 4 977,430 0,779 257,676 0,205 3,793 0,651 0,205 2,121 0,669 0,307 0,604 0,632 0,328 0,343 1,843 1,255 0,339 2,448 0,661 0,513 24277 24576 3 271,763 0,426 341,342 0,535 0,796 1,074 0,225 2,295 0,481 0,468 0,286 0,433 0,374 0,566 0,765 1,360 0,337 2,670 0,663 0,509 27083 27382 3 286,143 0,452 283,470 0,447 1,009 1,935 0,264 5,404 0,736 0,358 0,063 0,537 0,046 0,388 1,384 1,998 0,268 5,450 0,732 0,367 28044 28343 4 390,235 0,708 139,169 0,252 2,804 1,032 0,253 2,528 0,619 0,408 0,106 0,216 0,360 0,733 0,294 1,138 0,283 2,888 0,717 0,394 28691 28990 5 510,163 0,643 282,690 0,357 1,805 0,719 0,234 2,360 0,766 0,305 0,519 0,767 0,157 0,233 3,299 1,238 0,330 2,517 0,670 0,492 28991 29290 5 203,570 0,380 295,105 0,551 0,690 1,324 0,284 3,330 0,716 0,398 0,753 0,721 0,125 0,120 6,016 2,077 0,375 3,455 0,625 0,601 Media 4,628 369,058 0,489 268,656 0,460 1,413 1,872 0,217 5,343 0,634 0,382 0,282 0,379 0,374 0,484 1,374 2,154 0,277 5,717 0,723 0,414 Varianza 1,832 289,193 0,181 79,972 0,173 1,046 1,194 0,099 2,152 0,151 0,231 0,216 0,226 0,268 0,242 1,562 1,205 0,107 2,193 0,107 0,225 Tabla E.5: Valores de potencia para las distintas bandas de la estimación espectral en el registro BCD del individuo J de la primera subcampaña MEDES después de haber realizado la eliminación de los outliers y valores negativos de potencia E.2. Modelado ARARX y estimación espectral 83 Índices del segmento Orden del modelo ARARX Potencia del modelo AR ( s−2 ) Potencia de la contribución no correlada con el RR ( s−2 ) Potencia de la contribución correlada con el RR ( s−2 ) Potencia Total ( s−2 ) LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF 580 879 3 74,817 0,274 189,369 0,693 0,395 4,379 0,421 4,997 0,480 0,876 0,027 0,094 0,188 0,645 0,146 4,406 0,459 5,185 0,541 0,850 880 1179 4 264,994 0,594 167,079 0,375 1,586 2,654 0,226 4,100 0,348 0,647 0,123 0,169 0,441 0,607 0,278 2,777 0,379 4,541 0,621 0,611 3647 3946 4 632,426 0,774 163,506 0,200 3,868 1,517 0,147 4,041 0,392 0,376 0,659 0,344 1,224 0,638 0,538 2,176 0,292 5,265 0,708 0,413 4175 4474 4 169,924 0,545 118,840 0,381 1,430 0,944 0,132 3,538 0,493 0,267 0,011 0,025 0,100 0,237 0,106 0,955 0,208 3,638 0,792 0,262 6683 6982 6 505,971 0,536 408,353 0,433 1,239 0,741 0,077 5,424 0,561 0,137 0,372 0,252 0,406 0,276 0,916 1,114 0,160 5,830 0,840 0,191 7581 7880 5 256,131 0,488 233,482 0,445 1,097 1,264 0,136 4,651 0,501 0,272 0,077 0,135 0,314 0,553 0,244 1,341 0,213 4,964 0,787 0,270 7881 8180 6 131,545 0,299 290,854 0,661 0,452 2,728 0,302 3,835 0,425 0,711 0,365 0,171 1,780 0,836 0,205 3,093 0,355 5,615 0,645 0,551 9644 9943 7 742,737 0,780 183,225 0,192 4,054 1,265 0,133 6,499 0,684 0,195 0,378 0,584 0,189 0,292 2,001 1,643 0,197 6,688 0,803 0,246 10642 10941 4 840,038 0,740 243,413 0,214 3,451 0,981 0,170 4,373 0,756 0,224 0,344 0,384 0,460 0,513 0,749 1,325 0,215 4,833 0,785 0,274 11608 11907 3 1475,946 0,800 333,162 0,181 4,430 2,220 0,296 4,296 0,573 0,517 0,263 0,452 0,219 0,377 1,200 2,483 0,355 4,515 0,645 0,550 12124 12423 4 360,089 0,502 312,058 0,435 1,154 0,907 0,105 7,746 0,895 0,117 0,408 0,307 0,838 0,630 0,487 1,315 0,133 8,583 0,867 0,153 12424 12723 3 318,990 0,615 181,519 0,350 1,757 0,000 0,000 6,256 0,683 0,000 0,621 0,593 0,378 0,361 1,642 0,621 0,086 6,634 0,914 0,094 12724 13023 4 48,200 0,213 153,967 0,680 0,313 0,310 0,039 7,646 0,961 0,041 0,141 0,224 0,286 0,452 0,495 0,452 0,054 7,932 0,946 0,057 13024 13323 3 68,064 0,240 190,008 0,671 0,358 0,000 0,000 5,286 0,748 0,000 0,119 0,202 0,362 0,616 0,328 0,119 0,021 5,648 0,979 0,021 13324 13623 3 410,509 0,682 169,433 0,281 2,423 1,454 0,143 5,514 0,542 0,264 0,547 0,695 0,178 0,226 3,073 2,001 0,260 5,692 0,740 0,352 13624 13923 7 235,680 0,553 177,848 0,417 1,325 2,564 0,188 7,994 0,585 0,321 0,089 0,246 0,133 0,370 0,667 2,653 0,246 8,127 0,754 0,326 14319 14618 3 1080,331 0,728 327,416 0,221 3,300 3,428 0,246 7,653 0,550 0,448 0,496 0,393 0,503 0,398 0,986 3,924 0,325 8,156 0,675 0,481 15184 15483 3 535,858 0,634 308,741 0,366 1,736 3,023 0,268 5,780 0,513 0,523 0,044 0,086 0,473 0,913 0,094 3,067 0,329 6,253 0,671 0,491 15531 15830 3 1169,364 0,788 314,665 0,212 3,716 1,531 0,138 5,621 0,505 0,272 0,434 0,348 0,739 0,593 0,587 1,965 0,236 6,359 0,764 0,309 17357 17656 10 540,436 0,527 450,622 0,439 1,199 2,221 0,234 6,038 0,638 0,368 0,411 0,303 0,877 0,645 0,469 2,632 0,276 6,914 0,724 0,381 17657 17956 8 391,484 0,445 435,504 0,496 0,899 3,134 0,233 6,902 0,513 0,454 0,180 0,197 0,497 0,543 0,363 3,315 0,309 7,399 0,691 0,448 21332 21631 3 833,071 0,591 576,659 0,409 1,445 2,277 0,217 8,215 0,783 0,277 0,399 0,532 0,351 0,468 1,135 2,676 0,238 8,566 0,762 0,312 21632 21931 7 1037,113 0,483 1025,072 0,478 1,012 1,895 0,229 4,673 0,566 0,406 0,149 0,180 0,337 0,405 0,443 2,044 0,290 5,009 0,710 0,408 22045 22344 5 846,298 0,599 565,758 0,401 1,496 1,402 0,139 8,691 0,861 0,161 0,704 0,823 0,151 0,177 4,665 2,106 0,192 8,842 0,808 0,238 22345 22644 3 945,842 0,508 915,598 0,492 1,033 1,504 0,172 7,256 0,828 0,207 0,180 0,519 0,167 0,481 1,080 1,684 0,185 7,422 0,815 0,227 23038 23337 3 436,602 0,432 573,943 0,568 0,761 1,468 0,158 7,850 0,842 0,187 0,377 0,890 0,047 0,110 8,072 1,844 0,189 7,896 0,811 0,234 23338 23637 3 414,306 0,573 277,455 0,384 1,493 0,687 0,064 10,078 0,936 0,068 0,363 0,616 0,108 0,183 3,363 1,050 0,093 10,186 0,907 0,103 23638 23937 5 360,265 0,640 175,809 0,312 2,049 3,343 0,304 5,733 0,521 0,583 0,251 0,190 1,036 0,784 0,242 3,594 0,347 6,769 0,653 0,531 23938 24237 12 23,297 0,116 178,251 0,884 0,131 2,754 0,240 6,318 0,551 0,436 0,282 0,648 0,049 0,113 5,718 3,036 0,323 6,367 0,677 0,477 24238 24537 10 173,525 0,409 218,855 0,516 0,793 4,315 0,276 8,176 0,523 0,528 0,291 0,159 1,050 0,573 0,277 4,606 0,333 9,226 0,667 0,499 24838 25137 12 108,834 0,385 158,250 0,559 0,688 1,886 0,193 6,538 0,668 0,289 0,132 0,172 0,443 0,575 0,298 2,019 0,224 6,981 0,776 0,289 26065 26364 3 1228,626 0,871 182,499 0,129 6,732 1,679 0,178 4,381 0,464 0,383 0,642 0,608 0,744 0,704 0,863 2,321 0,312 5,125 0,688 0,453 26963 27262 3 720,773 0,633 417,634 0,367 1,726 2,139 0,236 6,909 0,764 0,310 0,313 0,650 0,168 0,350 1,860 2,452 0,257 7,077 0,743 0,346 27263 27562 3 1032,768 0,697 368,563 0,249 2,802 1,145 0,172 4,299 0,644 0,266 0,453 0,677 0,142 0,212 3,197 1,598 0,265 4,441 0,735 0,360 Media 4,971 541,613 0,550 323,159 0,414 1,834 1,875 0,183 6,097 0,626 0,327 0,313 0,378 0,452 0,466 1,376 2,188 0,246 6,549 0,754 0,347 Varianza 2,679 391,023 0,182 208,578 0,173 1,448 1,098 0,090 1,635 0,161 0,202 0,191 0,232 0,387 0,207 1,793 1,068 0,097 1,580 0,097 0,174 Tabla E.6: Valores de potencia para las distintas bandas de la estimación espectral en el registro HDT del individuo J de la primera subcampaña MEDES después de haber realizado la eliminación de los outliers y valores negativos de potencia 84 Apéndice E. Ejemplicación del método de trabajo Índices del segmento Orden del modelo ARARX Potencia del modelo AR ( s−2 ) Potencia de la contribución no correlada con el RR ( s−2 ) Potencia de la contribución correlada con el RR ( s−2 ) Potencia Total ( s−2 ) LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF LF LF/TP HF HF/TP LF/HF 841 1140 4 509,247 0,687 195,632 0,264 2,603 1,517 0,130 8,660 0,741 0,175 0,553 0,493 0,494 0,440 1,119 2,070 0,184 9,154 0,816 0,226 1141 1440 4 182,860 0,507 159,643 0,442 1,145 2,203 0,212 5,158 0,496 0,427 0,077 0,115 0,590 0,887 0,130 2,279 0,284 5,748 0,716 0,397 1441 1740 5 479,362 0,712 160,069 0,238 2,995 1,155 0,128 5,198 0,575 0,222 0,863 0,313 1,755 0,636 0,492 2,018 0,225 6,953 0,775 0,290 2341 2640 7 34,529 0,126 203,753 0,741 0,169 2,432 0,297 2,657 0,325 0,915 0,582 0,354 0,494 0,301 1,176 3,014 0,489 3,152 0,511 0,956 2941 3240 3 145,031 0,363 216,997 0,543 0,668 0,224 0,020 5,324 0,472 0,042 0,007 0,007 0,782 0,831 0,008 0,230 0,036 6,106 0,964 0,038 5436 5735 4 1083,791 0,769 308,853 0,219 3,509 1,849 0,260 4,410 0,620 0,419 1,369 0,701 0,355 0,182 3,858 3,219 0,403 4,765 0,597 0,676 5736 6035 5 578,759 0,568 393,883 0,386 1,469 1,569 0,218 3,098 0,431 0,506 0,671 0,214 1,891 0,605 0,355 2,239 0,310 4,989 0,690 0,449 6177 6476 4 98,115 0,228 308,764 0,716 0,318 0,631 0,101 2,937 0,469 0,215 0,018 0,014 1,274 0,973 0,014 0,649 0,134 4,212 0,866 0,154 6477 6776 5 204,506 0,229 485,606 0,543 0,421 2,026 0,155 5,542 0,424 0,366 0,453 0,334 0,827 0,609 0,548 2,480 0,280 6,369 0,720 0,389 6777 7076 4 322,724 0,509 293,836 0,463 1,098 0,867 0,109 3,129 0,392 0,277 0,434 0,152 2,318 0,813 0,187 1,301 0,193 5,447 0,807 0,239 7077 7376 3 189,806 0,298 406,764 0,638 0,467 2,080 0,238 3,180 0,364 0,654 0,099 0,040 2,134 0,857 0,046 2,179 0,291 5,314 0,709 0,410 7377 7676 4 267,619 0,329 505,634 0,622 0,529 1,370 0,142 4,160 0,432 0,329 0,094 0,037 2,123 0,838 0,044 1,463 0,189 6,283 0,811 0,233 7677 7976 5 464,090 0,409 642,054 0,566 0,723 2,403 0,193 6,072 0,487 0,396 0,152 0,126 0,969 0,807 0,156 2,555 0,266 7,041 0,734 0,363 7977 8276 4 358,321 0,351 615,662 0,603 0,582 1,682 0,154 3,986 0,366 0,422 0,302 0,101 2,495 0,832 0,121 1,984 0,234 6,481 0,766 0,306 8442 8741 4 477,734 0,542 381,639 0,433 1,252 1,232 0,116 4,851 0,458 0,254 0,800 0,469 0,730 0,429 1,095 2,032 0,267 5,581 0,733 0,364 9197 9496 7 99,076 0,650 29,675 0,195 3,339 0,896 0,101 3,470 0,392 0,258 0,385 0,428 0,106 0,118 3,616 1,280 0,264 3,577 0,736 0,358 9797 10096 4 1055,798 0,761 272,479 0,196 3,875 0,906 0,150 4,611 0,763 0,196 0,793 0,614 0,421 0,326 1,883 1,698 0,252 5,032 0,748 0,338 11482 11781 4 984,450 0,763 260,088 0,202 3,785 1,921 0,231 3,019 0,362 0,636 0,618 0,446 0,667 0,481 0,926 2,539 0,408 3,687 0,592 0,689 11846 12145 4 289,128 0,456 313,205 0,494 0,923 1,584 0,236 3,298 0,491 0,480 0,134 0,120 0,964 0,866 0,139 1,717 0,287 4,262 0,713 0,403 12252 12551 12 550,498 0,644 284,362 0,333 1,936 1,625 0,221 3,578 0,486 0,454 0,441 0,172 1,648 0,642 0,268 2,066 0,283 5,226 0,717 0,395 12613 12912 4 118,493 0,271 292,076 0,668 0,406 2,564 0,270 3,754 0,395 0,683 0,049 0,085 0,520 0,905 0,094 2,612 0,379 4,274 0,621 0,611 13192 13491 4 221,857 0,382 323,274 0,556 0,686 2,614 0,281 4,195 0,452 0,623 0,168 0,109 1,340 0,870 0,126 2,782 0,335 5,535 0,665 0,503 13492 13791 4 418,773 0,551 321,038 0,422 1,304 2,305 0,327 3,881 0,550 0,594 0,263 0,147 1,491 0,831 0,176 2,568 0,323 5,373 0,677 0,478 13792 14091 4 517,390 0,563 361,645 0,394 1,431 0,825 0,099 7,475 0,901 0,110 0,861 0,520 0,411 0,248 2,095 1,686 0,176 7,886 0,824 0,214 14757 15056 4 1297,334 0,812 216,901 0,136 5,981 1,905 0,130 10,753 0,734 0,177 1,289 0,848 0,228 0,150 5,645 3,194 0,225 10,982 0,775 0,291 15878 16177 4 1259,840 0,779 344,585 0,213 3,656 1,923 0,206 5,134 0,551 0,375 0,352 0,312 0,738 0,653 0,477 2,275 0,279 5,872 0,721 0,387 17121 17420 4 1578,528 0,789 336,936 0,168 4,685 1,978 0,177 6,375 0,572 0,310 0,516 0,695 0,201 0,271 2,567 2,494 0,275 6,577 0,725 0,379 17616 17915 4 704,048 0,810 165,270 0,190 4,260 2,205 0,221 4,507 0,452 0,489 0,253 0,406 0,085 0,137 2,971 2,458 0,349 4,592 0,651 0,535 18216 18515 3 1133,671 0,732 415,798 0,268 2,726 1,878 0,261 5,308 0,739 0,354 0,327 0,377 0,541 0,623 0,604 2,204 0,274 5,849 0,726 0,377 20304 20603 4 543,564 0,553 399,829 0,407 1,359 2,147 0,169 7,674 0,605 0,280 0,639 0,631 0,272 0,269 2,346 2,786 0,260 7,946 0,740 0,351 21029 21328 6 1629,424 0,673 791,354 0,327 2,059 2,819 0,204 8,448 0,611 0,334 2,931 0,690 1,456 0,343 2,013 5,750 0,367 9,905 0,633 0,581 21329 21628 4 561,315 0,397 802,960 0,568 0,699 0,932 0,119 2,603 0,333 0,358 0,519 0,264 1,369 0,696 0,379 1,450 0,267 3,972 0,733 0,365 22233 22532 3 1018,584 0,502 969,391 0,478 1,051 3,131 0,346 5,293 0,585 0,592 0,810 0,254 2,143 0,671 0,378 3,941 0,346 7,436 0,654 0,530 22632 22931 5 1516,670 0,668 753,479 0,332 2,013 1,209 0,155 4,489 0,576 0,269 0,430 0,390 0,596 0,541 0,721 1,639 0,244 5,085 0,756 0,322 22984 23283 4 1533,166 0,621 933,994 0,379 1,642 1,294 0,169 2,517 0,330 0,514 0,880 0,743 0,231 0,195 3,810 2,173 0,442 2,748 0,558 0,791 23284 23583 6 2141,368 0,637 1128,940 0,336 1,897 0,581 0,081 4,228 0,587 0,137 0,486 0,538 0,219 0,243 2,219 1,067 0,194 4,447 0,806 0,240 25522 25821 5 810,774 0,482 795,839 0,474 1,019 2,874 0,277 7,486 0,723 0,384 0,441 0,351 0,635 0,506 0,694 3,315 0,290 8,121 0,710 0,408 26123 26422 4 1792,769 0,646 928,329 0,335 1,931 1,846 0,190 7,063 0,726 0,261 1,207 0,590 0,886 0,433 1,362 3,053 0,277 7,949 0,723 0,384 Media 4,526 715,079 0,547 440,006 0,408 1,858 1,716 0,187 4,935 0,525 0,381 0,560 0,347 0,958 0,554 1,180 2,275 0,278 5,893 0,722 0,406 Varianza 1,555 555,053 0,186 267,736 0,167 1,416 0,696 0,073 1,915 0,142 0,183 0,525 0,233 0,693 0,263 1,361 0,946 0,085 1,833 0,085 0,176 Tabla E.7: Valores de potencia para las distintas bandas de la estimación espectral en el registro R del individuo J de la primera subcampaña MEDES después de haber realizado la eliminación de los outliers y valores negativos de potencia Apéndice F Tablas y guras adicionales Resumen: En este apéndice se incluirán aquellas tablas y guras que debiendo de haber sido incluidas en el grueso de la memoria, por su gran tamaño, no han podido situarse allí. F.1. Relación entre el origen del registro y su número asignado A lo largo del proyecto se ha asignado a cada registro BCD, HDT o R perteneciente a alguna de las campañas MEDES o DLR un número para poder trabajar con ellos de forma más ecaz. Esto se ha mantenido a la hora de realizar las grácas para que estas resultaran mucho más claras. La referencia cruzada entre los nombres y los números asignados se puede ver en F.1 85 86 Apéndice F. Tablas y guras adicionales Campaña Individuo Registro Número Primera subcampaña DLR C BCD 1 HDT 2 R 3 F BCD 4 HDT 5 R 6 K BCD 7 HDT 8 R 9 Primera subcampaña MEDES A BCD 10 HDT 11 R 12 D BCD 13 HDT 14 R 15 G BCD 16 HDT 17 R 18 J BCD 19 HDT 20 R 21 Segunda subcampaña DLR B BCD 22 HDT 23 R 24 E BCD 25 HDT 26 R 27 H BCD 28 HDT 29 R 30 Segunda subcampaña MEDES B BCD 31 HDT 32 R 33 H BCD 34 HDT 35 R 36 K BCD 37 HDT 38 R 39 Tercera subcampaña DLR A BCD 40 HDT 41 R 42 D BCD 43 HDT 44 R 45 G BCD 46 HDT 47 R 48 L BCD 49 HDT 50 R 51 Tercera subcampaña MEDES C BCD 52 HDT 53 R 54 E BCD 55 HDT 56 R 57 F BCD 58 HDT 59 R 60 I BCD 61 HDT 62 R 63 L BCD 64 HDT 65 R 66 Tabla F.1: Relación existente entre el origen de registro con el número asignado en este proyecto F.2. Grácas de dispersión de las series RR y QT 87 F.2. Grácas de dispersión de las series RR y QT En esta sección vamos a incluir todas las grácas de dispersión correspondientes a la sección 3.1.3 ya que consideramos todas ellas de interés y no creemos que sea oportuno situarlas en el grueso de la memoria. Las grácas de dispersión añadidas han sido las siguientes : Los valores de las series RR y QT de cada uno de los segmentos. Grácas F.1, F.2 y F.3. Los valores medios de los segmentos de las series RR y QT de cada registro. Grácas F.4, F.5 y F.6. Los valores de desviación estándar de los segmentos de las series RR y QT de cada registro. Grácas F.7, F.8 y F.6. Figura F.1: Gráca de dispersión para los valores de las series RR-QT del registro BCD. 88 Apéndice F. Tablas y guras adicionales Figura F.2: Gráca de dispersión para los valores de las series RR-QT del registro HDT. Figura F.3: Gráca de dispersión para los valores de las series RR-QT del registro R. F.2. Grácas de dispersión de las series RR y QT 89 Figura F.4: Gráca de dispersión para el valor medio de los segmentos de las series RR-QT para el registro BCD. Figura F.5: Gráca de dispersión para el valor medio de los segmentos de las series RR-QT para el registro HDT. 96 Bibliografía HDBR experimentos de microgravedad simulada por reposo en una supercie con inclinación negativa (Head down tilt bed rest) BSB BioSigbrowser Cv coeciente de variación GTC Grupo de Tecnología de las Comunicaciones I3A Instituto de Investigación de Ingeniería de Aragón