Simulación de la dinámica cardiaca en estado agudo

Resumen

Introducción

La teoría de sistemas dinámicos, junto con la probabilidad y las proporciones de la entropía, sustentan una nueva metodología diagnóstica predictiva que diferencia estados normales, agudos, crónicos y progresión hacia la enfermedad.

Objetivo

Desarrollar simulaciones físico-matemáticas de procesos de evolución de pacientes con estados cardiacos agudos.

Métodos

Se tomaron 5 dinámicas cardiacas de pacientes en la Unidad de Cuidados intensivos, con estados cardiacos críticos, a partir de las cuales se realizaron simulaciones tomando como base las alteraciones de los valores de las frecuencias cardiacas máximas y mínimas y el número de latidos/hora. Se construyeron los atractores de cada secuencia, se calculó la probabilidad, la entropía y las proporciones de la entropía del atractor, y se compararon las simulaciones para establecer cuantitativamente estados de mayor o menor gravedad.

Resultados

Las medidas de probabilidad, entropía y proporciones de la entropía del atractor permitieron cuantificar el nivel de gravedad de las simulaciones logradas.

Conclusión

Las simulaciones logradas revelan la eficacia de la metodología para la detección de alteraciones aun de carácter muy leve en estados agudos, confirmando su carácter preventivo en la práctica clínica al proporcionar cuantificaciones de los cambios de la dinámica en el tiempo.

Abstract

Background

Dynamic systems theory, along with probability and entropy proportions, support a new predictive diagnostic method that differentiates normality from acute, chronic, and “progression-to-disease” dynamics.

Objective

To develop physical-mathematical simulations of evolution processes of patients with acute cardiac dynamics.

Methods

Five electrocardiographic traces of patients admitted into the Intensive Care Unit with critical cardiac dynamics were used to perform simulations, taking into account the alteration of minimal and maximal heart rates, as well as the quantity of heart beats per hour. Cardiac attractors were then built from each sequence, with the probability, entropy and proportions of entropy for all attractors, being calculated. Finally, the simulations generated were compared to quantitatively establish dynamics of greater or lesser severity.

Results

The measurement of probability, entropy, and proportions of entropy of attractors, the severity of cardiac dynamics to be quantified.

Conclusion

The simulations obtained reveal the efficacy of the methodology for detecting alterations of cardiac dynamics, and even slight changes in acute dynamics. This demonstrated its preventive capacity in the clinical praxis in order to provide quantifications of changes of the dynamics in time.