Detección de la apnea obstructiva del sueño mediante el análisis de la variabilidad de frecuencia cardíaca de muy corto plazo utilizando señales electrocardiográficas
No Thumbnail Available
Date
2022
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Santiago de Cali
Abstract
The obstructive sleep apnea syndrome (OSAS) is a currently prevalent respiratory disorder, which can cause short, medium and long- term alterations in the health of those who suffer from it. This is due to the cessation or interruption of gas exchange produced during each episode, so is very important it’s identification and diagnosis. However, only a small part of this population is diagnosed and treated, since the costs and inconveniences associated with the standard test used by physicians and specialized sleep centers are high. Based on the aforementioned issues, the present study proposes a method for detecting obstructive sleep apnea (OSAS) by analyzing very short-term heart rate variability (ultra-short-term HRV) of ECG signals. For this purpose, we used the free distribution database The Apnea-ECG Database, provided by PhysioNet/Computers in Cardiology Challenge 2000, from which we calculated 1-min series of RR intervals byusing algorithms that make it possible to extract parameters, both in the time and frequency domains, and non-linear parameters (Poincaré plots), which could suggest the presence of an episode of apnea. According to the results obtained, the parameters showing greater reliability in terms of sensitivity and specificity are the standard deviation of the NN intervals (SDNN), the standard deviation of the successive differences between adjacent NN intervals (SDSD), the square root of the mean of the squares of the successive differences between adjacent NN intervals (RMSSD), and the cardiac vagal index (CVI), being the one with the highest sensitivity (Se) and negative predictive value (VPN) the CVI with Se= 99.73% and VPN= 99.36%, and the one with the highest specificity (Sp) and positive predictive value (VPP) was SDNN with values of Sp= 82.90% and VPP= 67.86%, suggesting that these parameters might be used for the future development of system or devise that can detect OSAS episodes in a short time.
Description
El síndrome de apnea obstructiva del sueño (SAOS) es un trastorno respiratorio prevalente en la actualidad, el cual puede traer alteraciones a corto, mediano y largo plazo en la salud de quienes lo padecen. Esto debido al cese o interrupción del intercambio gaseoso producido durante los episodios de apnea, por lo cual es muy importante su identificación y diagnóstico. Sin embargo, solo una pequeña parte de esta población es diagnosticada y tratada, pues los costos e incomodidades que conlleva la prueba estándar utilizada por médicos y centros especializados del sueño, son elevados. Con base en esto, el presente estudio propone un método para detección de la apnea obstructiva del sueño (SAOS) mediante el análisis a muy corto plazo de la variabilidad de la frecuencia cardíaca (ultra short-term HRV) de señales ECG. Para ello, se utilizó la base de datos de libre distribución The Apnea-ECG Database, elaborada por PhysioNet/Computers in Cardiology Challenge 2000, y se calcularon series de intervalos RR de un minuto utilizando algoritmos que hacen posible la extracción de parámetros, tanto en el dominio del tiempo, como en el de la frecuencia, y parámetros no lineales (diagramas de Poincaré), que podrían sugerir la presencia de un episodio de apnea. De acuerdo a los resultados obtenidos, los parámetros que muestran mayor confiabilidad en términos de sensibilidad y especificidad son la desviación estándar de los intervalos NN (SDNN), la desviación estándar de las diferencias sucesivas entre intervalos NN adyacentes (SDSD), la raíz cuadrada de la media de los cuadrados de las diferencias sucesivas entre intervalos NN adyacentes (RMSSD), y el índice cardíaco vagal (CVI), siendo el de mayor sensibilidad (Se) y valor predictivo negativo (VPP) la CVI con Se = 99,73% y VPN = 99,36%, y el de mayor especificidad (Sp) y valor predictivo positivo (VPN) fue SDNN con valores de Sp = 82,90% y VPP = 67,86%, sugiriendo que dichos parámetros podrían ser utilizados para el futuro desarrollo de sistemas o dispositivos que puedan detectar en corto tiempo episodios de SAOS.
Keywords
Apnea obstructiva del sueño, Variabilidad cardíaca, Desviación estándar de los intervalos NN, Índice cardíaco, Tamaño del efecto, Sensibilidad, Especificidad, Significancia
Citation
Figueroa Peláez, D. C. (2022). Detección de la apnea obstructiva del sueño mediante el análisis de la variabilidad de frecuencia cardíaca de muy corto plazo utilizando señales electrocardiográficas. Universidad Santiago de Cali.