Título : Una introducción acerca de la detección de la fibrilación auricular en una población de adultos mayores en Uruguay
Autor(es) : Scavino, Marco
Estragó, Virginia
Muñoz, Matı́as
Castrillejo, Andrés
Álvarez-Vaz, Ramón
Fecha de publicación : 7-oct-2020
Tipo de publicación: Documento de conferencia
Versión: Publicado
Publicado en: Seminario SIESTA. Instituto de Estadística, Facultad de Ciencias Económicas y de Administración, Universidad de la República, 7 de octubre de 2020
Areas del conocimiento : Ciencias Naturales y Exactas
Matemáticas
Estadística y Probabilidad
Ciencias Médicas y de la Salud
Medicina Clínica
Sistemas Cardíaco y Cardiovascular
Otros descriptores : Machine learning
Inteligencia artificial
Electrocardiograma
Fibrilación auricular
Clasificación supervisada
Resumen : En este trabajo desarrollamos los procedimientos basados en algoritmos de aprendizaje automático diseñados para la identificación de una patologı́a cardı́aca, la fibrilación auricular (FA), a partir de la señal electrocardiográfica (ECG) de una derivación y de corta duración registrada con un dispositivo de tecno- logı́a electrónica móvil (DTEM). El dispositivo móvil tiene un método interno de clasificación que permite un análisis instantáneo del registro de ECG en ritmo normal, posible FA, o sin clasificar. Visto la importancia del diagnóstico temprano de patologı́as cardiovasculares tales como la FA, nuestro objetivo es mejorar la capacidad de clasificación del DTEM el cual, en la práctica, deja sin clasificar un conjunto relevante de registros de ECG. A tal efecto, utilizamos métodos de extracción de caracterı́sticas, basados en técnicas de filtrado y de análisis de la morfologı́a de la señal ECG, detectando, en particular, el llamado complejo QRS de cada latido del corazón y ubicando el respectivo pico R, siendo la medida del intervalo RR, que transcurre desde el inicio de una onda R hasta el inicio de la onda siguiente, un aspecto clı́nicamente relevante. Analizamos el desempeño predictivo de técnicas de clasificación supervisada, tales como árboles generados por partición recursiva y bosques aleatorios, empleadas en combinación con los métodos de extracción de caracterı́sticas de la señal ECG. Consideramos un banco de entrenamiento internacional, constituido para la competencia 2017 “PhysioNet/Computing in Cardiology (CinC)”, y un conjunto de prueba de registros de ECG de una población de adultos mayores de Uruguay, generado en 2019 en virtud de una colaboración entre la CHSCV y el Plan Ibirapitá. Los resultados obtenidos se interpretan a través de los diagnósticos disponibles de los ECG realizados por expertos cardiólogos clı́nicos.
URI / Handle: https://hdl.handle.net/20.500.12381/486
Recursos relacionados en REDI: https://hdl.handle.net/20.500.12381/487
Otros recursos relacionados: https://hdl.handle.net/20.500.12381/487
Financiadores: Agencia Nacional de Investigación e Innovación
Identificador ANII: FSDA_1_2018_1_154651
Nivel de Acceso: Acceso abierto
Licencia CC: Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. (CC BY-NC-SA)
Aparece en las colecciones: Publicaciones de ANII

Archivos en este ítem:
archivo Descripción Tamaño Formato  
Presentación Siesta 14 10 2020.pdfPresentación2.98 MBAdobe PDFDescargar

Las obras en REDI están protegidas por licencias Creative Commons.
Por más información sobre los términos de esta publicación, visita: Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. (CC BY-NC-SA)