Predicciones de dinámica cardiaca basadas en probabilidad y proporciones de entropía de atractores: simulaciones de evolución normal-crónica y crónico-aguda

Publicado 2016-12-31


https://doi.org/10.30554/archmed.16.2.1730.2016
##galleys.btn##
PDF (espanhol) FLIP HTML (espanhol) XML (espanhol)
Edição
v. 16 n. 2
Seção
Artigos de pesquisa
Como Citar
Rodríguez Velásquez, J. O., Prieto, S., & Ramirez, L. (2016). Predicciones de dinámica cardiaca basadas en probabilidad y proporciones de entropía de atractores: simulaciones de evolución normal-crónica y crónico-aguda. Archivos De Medicina (Manizales), 16(2), 223-236. https://doi.org/10.30554/archmed.16.2.1730.2016
Baixar Citação
Endnote/Zotero/Mendeley (RIS) BibTeX
DOI

https://doi.org/10.30554/archmed.16.2.1730.2016
Dimensions
PlumX

Como Citar

Rodríguez Velásquez, J. O., Prieto, S., & Ramirez, L. (2016). Predicciones de dinámica cardiaca basadas en probabilidad y proporciones de entropía de atractores: simulaciones de evolución normal-crónica y crónico-aguda. Archivos De Medicina (Manizales), 16(2), 223-236. https://doi.org/10.30554/archmed.16.2.1730.2016

Baixar Citação

##articleSummary.license##
Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Javier Oswado Rodríguez Velásquez
Signe Prieto
Leonardo Ramirez
##submission.authorBio##

Artigos mais lidos pelo mesmo(s) autor(es)

Objetivos: desarrollar simulaciones físico-matemáticas de dinámicas cardiacas desde estados de normalidad hasta estados agudos. Materiales y métodos: se tomaron 4 dinámicas cardíacas con diagnósticos de normalidad, a partir de las cuales se realizaron 4 simulaciones de cada dinámica, a partir de alteraciones de los valores máximos y mínimos de frecuencias cardiacas y número de latidos, mediante un algoritmo aleatorio, para luego realizar simulaciones de la totalidad de las secuencias y construir atractores. Posteriormente, se calcularon  probabilidades, entropías y proporciones de entropía, y se establecieron los diagnósticos de cada simulación, determinando así trayectorias desde normalidad, pasando por enfermedad crónica hasta enfermedad aguda. Resultados: La metodología permitió establecer medidas de probabilidad, entropía y proporciones de la entropía del atractor  que matemáticamente dan cuenta del nivel de gravedad de cada simulación, evidenciando variaciones entre diferente niveles de enfermedad crónica y aguda. Conclusión: las trayectorias desarrolladas evidencian el carácter preventivo a nivel clínico de la metodología al cuantificar variaciones en el tiempo y señalar alteraciones leves que pueden dar lugar a estados agudos.

Visão geral | Visualizações de PDF

Downloads

Os dados de download ainda não estão disponíveis.
  1. WHO. Enfermedades cardiovasculares. Nota descriptiva, enero 2015. Disponible en: http://www.who.int/mediacentre/factsheets/fs317/es/
  2. Pineda M, Matiz H, Rozo R. Enfermedad coronaria. Bogotá: Editorial Kimpres Ltda. 2002.
  3. Voss A, Schulz S, Schroeder R, Baumert M, Caminal P. Methods derived from nonlinear dynamics for analysing heart rate variability. Philosophical Transactions of Royal Society A. 2009; 367(1887): 277-296.
  4. Peitgen H, Jürgens H, Saupe D. Strange attractors, the locus of chaos. En: Chaos and Fractals: New Frontiers of Science. New York: Springer-Verlag. 1992. pp. 655-768.
  5. Devaney R. A first course in chaotic dynamical systems theory and experiments. Reading Mass: Addison-Wesley 1992.
  6. Calabrese JL. Ampliando las fronteras del reduccionismo. Deducción y sistemas no lineales. Psicoanálisis APdeBA. 1999; 21(3):431-453.
  7. Feynman RP, Leighton RB, Sands M. Probabilidad. En: Física. Feynman RP, Leighton RB, Sands M. Física. Vol. 1. Primera edición Wilmington: Addison-Wesley Iberoamericana, S. A. México. 1998. p. 6-1, 6-16.
  8. Feynman RP, Leighton RB, Sands M. Leyes de la termodinámica. En: Física. Feynman RP, Leighton RB, Sands M. Física. Vol. 1. Primera edición Wilmington: Addison-Wesley Iberoamericana, S. A. México. 1998. p. 44-1, 44-19.
  9. Frodden E, Royo J. Entropía e información, Seminario Final del curso de Termodinámica, Depto. de Física, Facultad de Ciencias, Universidad de Chile, 2004. Disponible en: URL: http://fisica.ciencias.uchile.cl/~gonzalo/cursos/termo_II-04/seminarios/seminarios1.htm. Consultado: febrero 6 2012.
  10. Wu GQ, Arzeno NM, Shen LL, Tang DK, Zheng DA, Zhao NQ, Eckberg DL, Poon CS. Chaotic Signatures of Heart Rate Variability and Its Power Spectrum in Health, Aging and Heart Failure. PLoS ONE. 2009; 4(2): e4323.
  11. Braun C, Kowallik P, Freking A, Hadeler D, Kniffki K, Meesmann M. Demonstration of nonlinear components in heart rate variability of healthy persons Am. J. Physiol. 1998; 275, H1577–H1584.
  12. Goldberger A, Amaral L, Hausdorff JM, Ivanov P, Peng Ch, Stanley HE. Fractal dynamics in physiology: alterations with disease and aging. PNAS 2002; 99: 2466 - 2472.
  13. Juha S, Perkio¨Mä Ki, Timo H. MäKikallio, Huikuri H. Fractal and complexity measures of heart rate variability. ClinExpHypertens 2005; 2 y 3: 149-58.
  14. Rodríguez J. Entropía Proporcional de los sistemas dinámicos cardiacos: Predicciones físicas y matemáticas de la dinámica cardiaca de aplicación clínica. Rev Colomb Cardiol. 2010; 17:115-129.
  15. Rodríguez J, Prieto S, Correa C, Soracipa Y, Mora J, Bernal P, Forero M, Acuña C. Predicciones de la entropía proporcional en la dinámica cardiaca. Rev Med. 2015; 23(2):60-70.
  16. Rodríguez J, Prieto S, Domínguez D, Melo M, Mendoza F, Correa C, et al. Mathematical-physical prediction of cardiac dynamics using the proportional entropy of dynamic systems. J. Med. Med. Sci. 2013; 4(8): 370-381.
  17. Rodríguez J, Prieto S, Correa C, Soracipa Y, Aguirre G, Méndez L. Proportional entropy applied to the clinical diagnostic of cardiac dynamic: blind study with 600 holter. The 61st Annual Conference of the Israel Heart Society in association with The Israel Society of Cardiothoracic Surgery. 2014.
  18. Rodríguez J, Prieto S, Bernal P, Izasa D, Salazar G, Correa C, et al. Entropía proporcional aplicada a la evolución de la dinámica cardiaca Predicciones de aplicación clínica. La emergencia de los enfoques de la complejidad en América Latina. Tomo I. Argentina: Comunidad del Pensamiento complejo. 2015; 247-264.
  19. Fernández A. 1990. Introducción. En: orden y Caos. Scientific American. Prensa Científica S.A. 4-8.
  20. Perkiömäki Js, Mäkikallio Th, Huikuri Hv. Fractal and complexity measures of heart rate variability. Clin Exp Hypertens 2005; 2-3: 149-158.
  21. Norris PR, Anderson SM, Jenkins JM, Williams AE, Morris Jr JA. Heart rate multiscale entropy at three hours predicts hospital mortality in 3,154 trauma patients. Shock 2008; 30: 17–22.
  22. Huikuri HV, Mäkikallio T, Peng C, Goldberger A, Hintze U, Moller M. Fractal correlation properties of R-R interval dynamics and mortality in patients with depressed left ventricular function after an acute myocardial infarction. Circulation 2000; 101: 47-53.
  23. Mäkikallio Th, Hoiber S, Kober L, Torp-Pedersen C , Peng Ck , Goldberger Al, et al. Fractal analysis of heart rate dynamics as a predictor of mortality in patients with depressed left ventricular function after acute myocardial infarction. Am J Cardiol 1999; 83: 836–839.
  24. Feynman R. Comportamiento cuántico. En: Feynman RP, Leighton RB, Sands M. Física. Wilmington: Addison-Wesley Iberoamericana, S. A. 1964. Vol. 1, cap.37.
  25. R. Tolman, Principles of statistical mechanics, Eds. (Dover, New York, 1979), pp. 134-136.
  26. Rodríguez J. Mathematical law of chaotic cardiac dynamics: Predictions for clinical application. J. Med. Med. Sci. 2011; 2(8): 1050-1059.
  27. Prieto S, Rodríguez J, Correa C, Soracipa Y. Diagnosis of cervical cells based on fractal and Euclidian geometrical measurements: Intrinsic Geometric Cellular Organization. BMC Medical Physics 2014, 14(2):1-9.
  28. Velásquez J, Prieto S, Catalina C, Dominguez D, Cardona DM, Melo M. Geometrical nuclear diagnosis and total paths of cervical cell evolution from normality to cancer. Journal of Cancer Research and Therapeutics 2015; 11(Issue 1): 98-104.
  29. Rodríguez J, Prieto S, Correa C, Bernal P, Puerta G, Vitery S, Soracipa Y, Muñoz D. Theoretical generalization of normal and sick coronary arteries with fractal dimensions and the arterial intrinsic mathematical harmony. BMC Med Phys 2010;10:1-6. http://www.biomedcentral.com/1756-6649/10/1
  30. Correa C, Rodríguez J, Prieto S, Álvarez L, Ospino B, Munévar A, et al. Geometric diagnosis of erythrocyte morphophysiology: Geometric diagnosis of erythrocyte. J. Med. Med. Sci. 2012; 3(11): 715-720.
  31. Rodríguez J, Prieto S, Correa C, Pérez C, Mora J, Bravo J, Soracipa Y, Álvarez L. Predictions of CD4 lymphocytes’ count in HIV patients from complete blood count. BMC Medical Physics. 2013; 13:3.
  32. Rodríguez J, Bernal P, Prieto P, Correa C, Álvarez L, Pinilla L, et al. Predicción de unión de péptidos de Plasmodium falciparum al HLA clase II. Probabilidad, combinatoria y entropía aplicadas a las proteínas MSP-5 y MSP-6. Archivos de alergia e inmunología clínica. 2013; 44(1): 7-14.
  33. Rodríguez, Método para la predicción de la dinámica temporal de la malaria en los municipios de Colombia. Rev. Panam. Salud Pública. 27(3), 211-218 (2010).
  34. Rodríguez J. Dynamical systems applied to dynamic variables of patients from the intensive care unit (ICU): Physical and mathematical mortality predictions on ICU. J. Med. Med. Sci. 2015; 6(8):209-220.
  35. Rodríguez J, Prieto S, Flórez M, Alarcón C, López R, Aguirre G, Morales L, Lima L, Méndez L. Physical-mathematical diagnosis of cardiac dynamic on neonatal sepsis: predictions of clinical application. J. Med. Med. Sci.2014; 5(5): 102-108.
  36. Rodríguez J, Prieto S, Correa C, Mendoza F, Weiz G, Soracipa Y, Velásquez N, Pardo J, Martínez M, Barrios F. Physical mathematical evaluation of the cardiac dynamic applying the Zipf – Mandelbrot law. Journal of Modern Physics 2015, 6: 1881-1888. http://dx.doi.org/10.4236/jmp.2015.613193.

Informações

Perfil do Google Acadêmico

Guia dos Autores