Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
TRABAJO DE FIN DE GRADO Grado en Ingeniería Biomédica EVALUACIÓN DE PACIENTES CON SÍNDROME DE BRUGADA A TRAVÉS DE BIOMARCADORES DEL ELECTROCARDIOGRAMA Memoria y Anexos Autor: Yara Acebo Barreiro Director: Pedro Gomis Román Convocatoria: Junio 2020 Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma i Resumen El síndrome de Brugada es una enfermedad de origen genético que provoca anormalidades en el funcionamiento del sistema eléctrico cardíaco que pueden derivar en complicaciones como las arritmias, síncopes o, en los casos más graves, la muerte súbita. Hoy en día estratificar los riesgos derivados de este síndrome sigue siendo un gran reto debido a su naturaleza compleja influenciada por diversos factores. Hasta la fecha, las principales investigaciones de este trastorno se han centrado en la evaluación del sistema autonómico nervioso en los pacientes con síndrome de Brugada. Dichas investigaciones han podido obtener evidencias del papel que juega el desequilibrio autonómico en la patología que muestra la enfermedad. Tras llevar a cabo una investigación de los métodos que existen actualmente para detectar este síndrome, se procederá a elaborar un código de Matlab a partir de algoritmos previos para el análisis de diferentes biomarcadores obtenidos mediante un simple y no invasivo procedimiento como lo es el ECG o electrocardiograma. En el siguiente trabajo se midió de cada derivación de los ECGs de los pacientes, las duraciones, áreas absolutas y amplitudes RMS del complejo QRS y de la onda T y las duraciones de los segmentos QT y QTc. Se realizó un estudio estadístico con el software SPSS para analizar las diferencias que podían existir entre los valores de los biomarcadores de los pacientes asintomáticos frente a los sintomáticos y también comparar los valores que adquirían estas medidas en momentos diferentes del día y de la noche de las 24 horas del registro de los ECGs. Los resultados mostraron que no se apreciaban diferencias significativas en ninguno de los marcadores entre los pacientes asintomáticos y los sintomáticos. Por el contrario, sí que se detectaron diferencias con significancia en la media de la duración de la onda T, la media de la duración del segmento QT y la media de la duración del segmento QT corregido al realizar la comparación entre los momentos del día y los de la noche. Memoria ii Resum La síndrome de Brugada és una malaltia d’origen genètic que provoca anormalitats en el funcionament del sistema elèctric cardíac que poden derivar en complicacions com les arrítmies, síncopes o, en els casos més greus, la mort sobtada. Avui en dia estratificar els riscos derivats d’aquesta síndrome segueix essent un gran repte degut a la seva naturalesa complexa influenciada per diversos factors. Fins la data, les principals investigacions d’aquest trastorn s’han centrat en l’avaluació del sistema autonòmic nerviós en els pacients amb síndrome de Brugada. Aquestes investigacions han pogut obtenir evidències del paper que juga el desequilibri autonòmic en la patologia que mostra la malaltia. Després de portar a terme una investigació dels mètodes que existeixen actualment per a detectar aquesta síndrome, es procedirà a elaborar un codi de Matlab a partir de algoritmes previs per a l’anàlisi de diferents biomarcadors obtinguts mitjançant un simple i no invasiu procediment com ho es l’ECG o electrocardiograma. En el següent treball s’ha mesurat de cada derivació dels ECGs dels pacients, les duracions, àrees absolutes i amplituds RMS del complex QRS i de l’ona T i les duracions dels segments QT i QTc. S’ha realitzat un estudi estadístic amb el software SPSS per a analitzar les diferències que podien existir entre els valors dels biomarcadors dels pacients assimptomàtics enfront als simptomàtics i també comparar els valors que adquirien aquestes mesures en moments diferents del dia i de la nit de les 24 hores del registre dels ECGs. Els resultats han mostrat que no s’aprecien diferències significatives en ningun dels marcadors entre els pacients assimptomàtics i els simptomàtics. Pel contrari, sí que s’han detectat diferències significatives en la mesura de la duració de l’ona T, la mesura de la duració del segment QT i la mitja de la duració del segment QT corregit al realitzar la comparació entre els moments del dia i els de la nit. Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma iii Abstract Brugada syndrome is a genetic disorder that causes abnormalities in the correct functioning of the electrical system of the heart, which can derive in health complications such as arrythmias, syncope or, in the most severe cases, sudden death. Nowadays, stratification of the risks derived from this disease is still a great challenge due to the disorder’s complex nature influenced by several factors. To date, studies on this disease has been focused on the evaluation of the autonomic nervous system in patients who suffer Brugada syndrome. Said investigations have been able to obtain evidence of the role that the autonomic imbalance plays in the pathology of the disorder. After carrying out an investigation on the methods that are nowadays used to detect this syndrome, a Matlab code was written, inspired on preexisting algorithms, in order to study the different biomarkers obtained through a simple, non-invasive procedure as it is the EKG or electrocardiogram. In the following study, from each of the patients’ EKGs, the length, absolute area and RMS amplitude of the QRS complex and T wave were measured, along with the length of the QT and QTc segments. A statistical study was carried out with SPSS software to analyze the differences that may exist in the values of the biomarkers between asymptomatic and symptomatic patients and also to compare the values that these markers showed during different moments of the day and the night in the 24-hour recording of the EKGs. The results showed that there were no noteworthy differences in neither of the biomarkers when comparing asymptomatic and symptomatic patients. On the contrary, some significant differences were detected in the mean length of the T wave, the mean length of the QT interval and the mean length of the QTc interval when the comparison was done between the different moments of the day and night. Memoria iv Agradecimientos Primero de todo me gustaría agradecer a Pedro Gomis el haber confiado en mí para llevar a cabo este proyecto. Sus consejos y toda su ayuda han hecho posible este trabajo y espero poder haber aportado mi granito de arena a su investigación con el Hospital Clínic. También quiero darle las gracias a la Dra. Elena Arbelo de la unidad de arritmias de cardiología del Hospital Clinic por dejarnos formar parte del proyecto de investigación ANVERSO. Además, me gustaría dar las gracias a Lexa Nescolarde, ya que sin ella seguro que no habría podido hacer este proyecto. Después de “quedarme en la estocada”, Lexa movió cielo y tierra para ayudarme a encontrar un trabajo final de grado que me gustara y con un gran tutor. Quiero darle las gracias a mis compañeros de clase, que me han ayudado a mejorar como futura ingeniera y que han sufrido y disfrutado conmigo estos últimos cuatro años de estudiar una ingeniería. Especial gracias a Daniel Costa por ser mi “compañero de TFG” en muchos sentidos y por todos los consejos mutuos que nos hemos dado. Por supuesto, darle las gracias a Daniel Escandell, quien ha estado ahí en cada avance que he conseguido con este TFG y ha aguantado mis frustraciones y compartido mis alegrías en estos últimos meses que hemos pasado confinados juntos. Estoy segura que no ha sido fácil lidiar con una estudiante de ingeniería de último año trabajando incansablemente en suTFG pero tú has aguantado como un campeón. Y por último y, por supuesto, más importante que nadie, quiero darle las gracias a Esther Barreiro. Mamá, has estado ahí apoyándome desde el principio. Has sacrificado tantas cosas porque yo cumpla mis sueños y alcance mis metas que creo que nunca seré capaz de darte las gracias las suficientes veces. Me has acompañado en cada paso que he dado, hacia delante o hacia atrás, aún si creías que me equivocaba, jamás me has dado la espalda. Es cierto que todas las personas que he mencionado arriba han contribuido a que este trabajo se completara, pero si de una cosa estoy segura es que sin ti, nunca habría conseguido llegar hasta aquí. A todos y todas, muchas gracias. “Never Give Up” Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma v Índice RESUMEN ____________________________________________________________ I RESUM ______________________________________________________________ II ABSTRACT ___________________________________________________________ III AGRADECIMIENTOS ___________________________________________________ IV LISTA DE TABLAS ____________________________________________________ VIII LISTA DE FIGURAS ____________________________________________________ XI 1. PREFACIO ________________________________________________________ 1 1.1. Origen del trabajo ......................................................................................................... 1 1.2. Motivación ..................................................................................................................... 2 2. INTRODUCCIÓN ___________________________________________________ 3 2.1. Objetivos del trabajo .................................................................................................... 3 2.2. Metodología empleada ................................................................................................ 3 2.3. Alcance del trabajo ....................................................................................................... 4 3. CONTEXTO DEL ESTUDIO ___________________________________________ 7 3.1. El Síndrome de Brugada ............................................................................................... 7 3.1.1. Diagnóstico del síndrome de Brugada........................................................................ 7 3.1.2. Tratamiento del síndrome de Brugada ...................................................................... 8 3.2. El corazón ....................................................................................................................... 9 3.2.1. Anatomía del corazón .................................................................................................. 9 3.3. Estado del arte ............................................................................................................ 11 3.3.1. La señal ECG ................................................................................................................11 3.3.2. El dispositivo Holter para la obtención continua de registros electrocardiográficos 14 4. HERRAMIENTAS EXPERIMENTALES __________________________________ 16 4.1. Dispositivo Holter ........................................................................................................ 16 4.1.1. El formato ISHNE ........................................................................................................17 4.2. Software ....................................................................................................................... 17 5. DESARROLLO DEL ESTUDIO ________________________________________ 18 5.1. Base de datos .............................................................................................................. 18 Memoria vi 5.2. Diseño del estudio ...................................................................................................... 18 5.3. Adquisición y conversión de las señales ECG ........................................................... 19 5.3.1. Reclutamiento de voluntarios ................................................................................... 19 5.3.2. Lectura de las señales mediante herramientas de Matlab .................................... 19 5.4. Selección de los intervalos de interés ....................................................................... 20 5.4.1. Procedimiento para la selección de los intervalos .................................................. 20 5.4.2. Intervalos seleccionados para cada paciente .......................................................... 22 5.5. Procesado de las señales ........................................................................................... 24 5.5.1. Pre-procesado de las señales ECG ............................................................................ 24 5.5.2. Filtrado......................................................................................................................... 25 5.5.3. Detección del RR y adquisición del intervalo........................................................... 27 5.6. Extracción de características ..................................................................................... 28 5.6.1. Complejo QRS ............................................................................................................. 30 5.6.2. Segmentos QT y QT corregido .................................................................................. 32 5.6.3. Onda T ......................................................................................................................... 33 5.6.4. Matriz M resultante ................................................................................................... 35 6. ANÁLISIS ESTADÍSTICO ____________________________________________ 36 6.1. Evaluación del tipo de distribución de las variables ................................................ 36 6.2. Evaluación intra e inter pacientes ............................................................................. 38 7. RESULTADOS ____________________________________________________ 40 7.1. Análisis intra-paciente: día vs. noche ....................................................................... 40 7.2. Análisis inter-paciente: asintomáticos vs. sintomáticos ......................................... 43 8. DISCUSIÓN ______________________________________________________ 50 9. ANÁLISIS DE IMPACTO MEDIOAMBIENTAL ____________________________ 52 CONCLUSIONES ______________________________________________________ 53 VIABILIDAD TÉCNICA DEL ESTUDIO_______________________________________ 55 Equipo .................................................................................................................................... 55 Software ................................................................................................................................. 55 Análisis DAFO......................................................................................................................... 56 Efecto del COVID-19 en la viabilidad del estudio ............................................................... 57 PRESUPUESTO _______________________________________________________ 58 Mano de obra ........................................................................................................................ 58 Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma vii Recursos materiales .............................................................................................................. 59 Software ................................................................................................................................. 61 BIBLIOGRAFÍA ________________________________________________________ 63 ANEXO A. “PROCESSISHNE_24H_HR_BH0025.M”:CÓDIGO DE MATLAB PARA LA SELECCIÓN DE LOS INTERVALOS DEL PACIENTE BH0025 _________________ 67 ANEXO B. INTERVALOS DE UN MINUTO SELECCIONADOS PARA CADA PACIENTE EN VALORES DE MUESTRAS. __________________________________________ 71 ANEXO C. “EXTRACCION_CARACTERISTICAS_ECG.M”: CÓDIGO DE MATLAB PARA LA EXTRACCIÓN DE CARACTERÍSTICAS DEL PACIENTE BH0005 EN TODAS LAS DERIVACIONES __________________________________________________ 74 ANEXO D. “PROCESSISHNE2.M” PARA LA CREACIÓN DE LOS GRÁFICOS DE LAS SEÑALES ________________________________________________________ 94 ANEXO E. RESULTADOS DEL ANÁLISIS INTER-PACIENTE DE LA DERIVACIÓN V1 ___ 96 ANEXO F. RESULTADOS DEL ANÁLISIS INTER-PACIENTE DE LA DERIVACIÓN V3 ___ 99 Memoria viii Lista de tablas Tabla 1: Datos de los pacientes del estudio ___________________________________________ 18 Tabla 2: Formato de la matriz de un intervalo _________________________________________ 30 Tabla 3: Valores de significancia y tipo de distribución de las primeras cuatro variables de la derivación II_________________________________________________________________________ 37 Tabla 4: Valores de significancia y tipo de distribución de las últimas cuatro variables de la derivación II __________________________________________________________________________ 38 Tabla 5: Valores de mediana (rango intercuartil) y significancia p para las pruebas de variables relacionadas. _______________________________________________________________ 41 Tabla 6: Valores de mediana (IQR) y significancia para la variable QRSd ____________________ 44 Tabla 7: Valores de mediana (IQR) y significancia para la variable Twaved __________________ 44 Tabla 8: Valores de media ± SD o mediana (IQR) y significancia para la variable QT ___________ 44 Tabla 9: Valores de mediana (IQR) y significancia para la variable QTc_Bazett _______________ 44 Tabla 10: Valores de media ± SD y significancia para la variable QRSrms ____________________ 45 Tabla 11: Valores de media ± SD o mediana (IQR) y significancia para la variable AreaQRSabs __ 45 Tabla 12: Valores de media ± SD o mediana (IQR) y significancia para la variable Twrms _______ 45 Tabla 13: Valores de media ± SD o mediana (IQR) y significancia para la variable AreaTwabs ___ 45 Tabla 14: Análisis DAFO del trabajo. _________________________________________________ 56 Tabla 15: Coste de la mano de obra _________________________________________________ 58 Tabla 16: Coste de los recursos materiales ____________________________________________ 59 Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma ix Tabla 17: Coste del software empleado ______________________________________________ 61 Tabla 18: Coste total del proyecto ___________________________________________________ 61 Tabla 18: Intervalos de un minuto en valores de muestras de los pacientes BH0001 a BH0020 __ 72 Tabla 19: Intervalos de un minuto en valores de muestras de los pacientes BH0021 a BH0045 __ 73 Tabla 21: Valores de mediana (IQR) o media ± SD y significancia para la variable QRSd de V1 ___ 96 Tabla 22: Valores de mediana (IQR) y significancia para la variable Twaved de V1 ____________ 96 Tabla 23: Valores de media ± SD o mediana (IQR) y significancia para la variable QT de V1 _____ 96 Tabla 24: Valores de mediana (IQR) y significancia para la variable QTc_Bazett de V1 _________ 97 Tabla 25: Valores de media ± SD y significancia para la variable QRSrms de V1 _______________ 97 Tabla 34: Valores de mediana (IQR) y significancia para la variable AreaQRSabs de V1 _________ 97 Tabla 27: Valores de mediana (IQR) o media ± SD y significancia para la variable Twrms de V1 __ 97 Tabla 28: Valores de mediana (IQR) y significancia para la variable AreaTwabs de V1 __________ 98 Tabla 29: Valores de mediana (IQR) o media ± SD y significancia para la variable QRSd de V3 ___ 99 Tabla 22: Valores de mediana (IQR) o media ± SD y significancia para la variable Twaved de V3 _ 99 Tabla 31: Valores de media ± SD o mediana (IQR) y significancia para la variable QT de V3 _____ 99 Tabla 32: Valores de mediana (IQR) y significancia para la variable QTc_Bazett de V3 ________ 100 Tabla 33: Valores de media ± SD y significancia para la variable QRSrms de V3 ______________ 100 Tabla 34: Valores de mediana (IQR) y significancia para la variable AreaQRSabs de V3 ________ 100 Tabla 35: Valores de mediana (IQR) o media ± SD y significancia para la variable Twrms de V3 _ 100 Memoria x Tabla 36: Valores de mediana (IQR) y significancia para la variable AreaTwabs de V3_________ 101 Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma xi Lista de figuras Figura 1: Izquierda: Josep Brugada. Derecha: Pedro Brugada. _____________________________ 1 Figura 2: Los tres tipos de patrón del ECG típico de un paciente con síndrome de Brugada. ______ 8 Figura 3: Esquema del corazón humano. _____________________________________________ 10 Figura 4: Componentes de la señal electrocardiográfica. _________________________________ 12 Figura 5: Complejo QRS del ECG de uno de los pacientes del estudio. ______________________ 13 Figura 6: Segmento QT del ECG de uno de los pacientes del estudio. _______________________ 13 Figura 7: Onda T del ECG de uno de los pacientes del estudio. ____________________________ 14 Figura 8: Dispositivo Holter de 12 derivaciones. ________________________________________ 15 Figura 9: Dispositivo Holter de Spiderview Plus. ________________________________________ 16 Figura 10: Señal ECG bruta del paciente BH0025 _______________________________________ 20 Figura 11: Gráfica de la variación de la frecuencia cardíaca del paciente BH0005 durante el periodo de 24h _______________________________________________________________________ 22 Figura 12: Intervalo Día 1 del paciente BH0025. ________________________________________ 23 Figura 13: Detalle del intervalo Día 1 del paciente BH0025. ______________________________ 24 Figura 14: Señal ECG del paciente BH0025. Se compara la señal bruta (azul) con la señal filtrada (naranja). __________________________________________________________________ 26 Figura 15: Detalle de la comparación de la señal ECG bruta (azul) con la señal ECG filtrada (naranja). __________________________________________________________________________ 26 Figura 16: Ejemplo de la señal ECG del paciente BH005 donde se han detectado 3 picos de la onda R. __________________________________________________________________________ 28 Memoria xii Figura 17: Gráfica de la distribución de probabilidad normal. _____________________________ 37 Figura 18: Diagramas de caja de la duración media de la onda T. __________________________ 41 Figura 19: Diagramas de caja de la duración media del segmento QT. ______________________ 42 Figura 20: Diagramas de caja de la duración media del segmento QT corregido. _____________ 42 Figura 21: Comparativa de la duración media del complejo QRS en función de la sintomatología. 46 Figura 22: Comparativa de la duración media de la onda T en función de la sintomatología. ____ 46 Figura 23: Comparativa de la duración media del segmento QT en función de la sintomatología. 47 Figura 24: Comparativa de la duración media del segmento QTc en función de la sintomatología.47 Figura 25: Comparativa de la amplitud RMS media del QRS en función de la sintomatología. ___ 47 Figura 26: Comparativa del área absoluta media del QRS en función de la sintomatología. _____ 48 Figura 27: Comparativa de la amplitud RMS media de la onda T en función de la sintomatología. 48 Figura 28: Comparativa del área absoluta media de la onda T en función de la sintomatología. _ 49 Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 1 1. Prefacio 1.1.Origen del trabajo Desde que los hermanos Pedro y Josep Brugada detectaran e identificaran por primera vez el síndrome del bloqueo de rama derecha, más conocido como síndrome de Brugada, el grupo de cardiología del Hospital Clínic de Barcelona ha liderado la investigación relativa a esta enfermedad, estudiando su prevención, diagnóstico, prognosis, tratamiento… Figura 1: Izquierda: Josep Brugada. Derecha: Pedro Brugada. Fuentes: Izquierda: "Josep Brugada | Editorial Médica Panamericana". 2020. Medicapanamericana.Com. https://www.medicapanamericana.com/es/autor/josep-brugada. Derecha: "Dr. Pedro Brugada Recibe El Gran Premio Científico Del Instituto De Francia". 2020. San Pedro Información. https://sanpedroinformacion.com/dr-pedro-brugada- recibe-gran-premio-cientifico-instituto-francia/. Es en ese grupo de cardiólogos y cardiólogas donde se originó el grupo de estudio al que pertenece la investigación llevada a cabo en este trabajo. Mediante la estrecha colaboración mantenida entre profesores de universidades como la UPC y la UB y el propio Hospital Clínic, a lo largo de los últimos años diversos estudiantes de último curso del grado de ingeniería biomédica han realizado estudios con los datos obtenidos de los pacientes de síndrome de Brugada que son tratados en este hospital. Más recientemente las investigaciones se han centrado en el estudio de la morfología del ECG de los pacientes. Estos ECGs se obtienen mediante la colocación de un dispositivo Holter a pacientes de los cuales se sabe que padecen síndrome de Brugada, y realizando un registro de 24h. Este trabajo pretende recoger el testigo de previos estudiantes que se dedicaron a la identificación de algunas de las características más significativas de los ECGs en cuestión y ampliar los conocimientos que se tienen para así mejorar el diagnóstico y tratamiento de este trastorno. https://www.medicapanamericana.com/es/autor/josep-brugada https://sanpedroinformacion.com/dr-pedro-brugada-recibe-gran-premio-cientifico-instituto-francia/ https://sanpedroinformacion.com/dr-pedro-brugada-recibe-gran-premio-cientifico-instituto-francia/ Pág. 2 Memoria 2 1.2. Motivación La autora de este trabajo siempre ha tenido gran pasión por el mundo de la medicina y en especial por la cardiología, la rama que estudia uno de los órganos más importantes del cuerpo humano. Otra de sus pasiones, ésta más específica, consiste en conseguir aplicar aquello que ha estudiado a una investigación real, que pueda llegar a mejorar la vida de las personas. Dicho en pocas palabras: poder “aportar su granito de arena” a un proyecto que cause un impacto. Teniendo en cuenta ambas cosas, cuando se le ofreció la oportunidad de realizar un trabajo de investigación en colaboración con uno de los hospitales pioneros del país, el Hospital Clínic, no pudo negarse a participar. Al tratarse de un proyecto basado en el procesado de señales suponía, además, un reto en sí mismo, puesto que esta área nunca se la había dado especialmente bien. Así, este trabajo ofrecía también la oportunidad de pulir su dominio del procesado y de la programación con Matlab. El procesado señales es una de las herramientas más esenciales que hay hoy en día para el diagnóstico de enfermedades, por lo que cualquier avance o descubrimiento que se haga en esta área es de gran ayuda para los profesionales de la medicina. La investigación realizada en este trabajo dará un punto de partida a los futuros investigadores del síndrome de Brugada, igual que trabajos anteriores se lo han aportado a este proyecto. Con la colaboración de todas las personas implicadas en esta investigación se podrá llegar a perfeccionar el diagnóstico de esta enfermedad para así poder mejorar la calidad de vida de las personas que la sufren. Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 3 2. Introducción En este trabajo se intentará hallar las características de la morfología del electrocardiograma de los pacientes con síndrome de Brugada que permiten diferenciar a las personas que lo padecen de aquellas que no mediante un procedimiento tan sencillo como un ECG. Para ello se llevará a cabo el análisis de los electrocardiogramas de un total de 42 pacientes y se realizará una comparación de los valores obtenidos con los considerados “valores normales” en una persona sana. 2.1. Objetivos del trabajo La meta principal del grupo de trabajo al que pertenece esta investigación es desarrollar algoritmos para la detección automática y continua de algunos parámetros del electrocardiograma asociados con la despolarización y repolarización cardiaca y que se relacionan con los pacientes sintomáticos de síndrome de Brugada. Esta meta principal se alcanzará mediante el cumplimiento de diferentes objetivos. Primeramente, se debe llevar a cabo la conversión del formato de las señales ECG grabadas con el monitor Livanova a un formato que permita procesar la señal en Matlab, y se debe llevar a cabo este procesado en los diferentes canales del ECG para disminuir el ruido y solventar la variación de la línea base, entre otras preparaciones previas, para tomar las medidas de interés. A continuación, se deben realizar las mediciones sobre la morfología de los ECGs de los pacientes con síndrome de Brigada. Las medidas que se tomarán en este trabajo son las duraciones, amplitudes RMS y áreas absolutas medias del complejo QRS y de la onda T, y las duraciones de los segmentos QT y QT corregido, durante diferentes periodos del día y de la noche de las 24 horas de registro de ECGs. Por último, una vez realizadas las medidas deseadas se debe hacer un análisis estadístico que estudie las diferencias que muestran los ECGs en estas variables entre los pacientes sintomáticos y los asintomáticos y entre los diferentes momentos del día y la noche. 2.2. Metodología empleada La primera parte de este trabajo consistirá en la investigación bibliográfica del síndrome de Brugada para entender la enfermedad en profundidad, su diagnóstico, la base genética de su transmisión de padres a hijos, su prognosis y su tratamiento, entre otros aspectos relevantes para este estudio. Se investigará también el estado de arte del síndrome, para así conocer cuáles son las tecnologías y los Memoria 4 métodos que están siendo utilizados hoy en día para la estratificación de riesgo y el diagnóstico del síndrome de Brugada. El siguiente paso en el estudio será obtener los registros de ECG de la base de datos del Hospital Clínic y su exportación en formato ISHNE para analizar las señales utilizando el software de Matlab. Para cada uno de los pacientes se seleccionarán cinco intervalos de un minuto correspondientes a tres momentos del día, donde se han observado instantes en que las pulsaciones son máximas, y dos momentos de la noche, donde las pulsaciones observadas son las mínimas del periodo de 24h. Con estos intervalos seleccionados se llevará a cabo el preprocesado de los ECG y la obtención de las señales RR, de donde se obtendrán las medidas de los parámetros objetivo de este trabajo (duración del complejo QRS, morfología de la onda T…). Por último, se hará un estudio estadístico con los resultados obtenidos mediante las herramientas incluidas en el software de SPSS para detectar correlaciones, durante el día y la noche, entre los parámetros estudiados, así como establecer relaciones entre las características de los pacientes (como el sexo, el tipo de vida que llevan, si son sintomáticos o no…) y las mediciones de los ECG llevadas a cabo. 2.3. Alcance del trabajo Este trabajo es parte de un grupo de estudio conocido como “ANVERSO”, el cual se dedica al análisis automático y continuo de variables electrocardiográficas en relación al riesgo de muerte súbita en pacientes con síndrome de Brugada. El proyecto “ANVERSO” se lleva a cabo en el Instituto deInvestigaciones Biomédicas August Pi i Sunyer con la Dra. Elena Arbelo, investigadora en la unidad de arritmias del departamento de cardiología del Hospital Clínic, como investigadora principal. La hipótesis es que el análisis de ciertas características del ECG es útil para la estratificación del riesgo de muerte súbita en pacientes con síndrome de Brugada. Es por esto que el objetivo principal del grupo es desarrollar un algoritmo automático que detecte los parámetros del ECG relacionados con peores prognosis en el síndrome de Brugada. En este trabajo el interés principal es medir algunas de las características más significativas del ECG y establecer algunos de los parámetros que se pueden relacionar con los mayores riesgos de muerte súbita. Para llevar a cabo estas tareas, se cuenta con una base de datos de 42 pacientes que sufren el síndrome de Brugada y de los cuales se tienen registros de ECG obtenidos mediante un dispositivo Holter por un periodo de 24h. Sabiendo que se trata de pacientes con el síndrome y observando las características del ECG que son de interés en este estudio, se podrán establecer los parámetros previamente mencionados. Estos parámetros, integrados en un análisis multivariable, proporcionarán una mejor Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 5 valoración de riesgo, permitiendo determinar con mayor precisión el riesgo al que se enfrenta un paciente y posibilitando un mejor diagnóstico de los sujetos. Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 7 3. Contexto del estudio 3.1. El Síndrome de Brugada El síndrome de Brugada es una enfermedad genética (hereditaria) que causa la muerte súbita principalmente en personas jóvenes, de entre 35 y 40 años. Fue descrita por primera vez en 1992 por Pedro y Josep Brugada en ocho pacientes (Arbelo y Brugada, 2014). Lo que al principio se trató como una curiosidad médica, se convirtió rápidamente en una entidad clínica reconocida debido a la gran afectación que se observaba, sobre todo, en ciertas zonas asiáticas, como Filipinas. En la actualidad se asocia a la muerte súbita cardiaca, principalmente de varones, en 1 de cada 10000 personas del mundo occidental, y se le atribuye un 20% de las muertes súbitas en personas que presentaban un corazón sano. El síndrome de Brugada implica una alteración en los canales iónicos que controlan la actividad eléctrica del corazón. Estas alteraciones, convertidas en fallos totales de los canales, provocan arritmias cardíacas e incluso la muerte súbita cardíaca. Desde su identificación en 1992 hasta la actualidad se han llegado a diagnosticar centenares de pacientes que padecen el síndrome de Brugada, y se ha podido establecer una base genética e identificado hasta 20 genes que se asocian con esta enfermedad. 3.1.1. Diagnóstico del síndrome de Brugada El diagnóstico del síndrome de Brugada se puede obtener con diversos mecanismos. Cuando el paciente tiene un historial familiar de muertes súbitas cardíacas o arritmias se puede realizar una prueba genética que identificará a un portador de este síndrome o a una persona que está en riesgo de padecerlo. También se puede realizar un estudio electrofisiológico, con el que a un paciente que padece el síndrome de Brugada se le provocará una arritmia. Pero el diagnóstico del síndrome de Brugada principalmente tiene como base el electrocardiograma de 12 derivaciones donde se identifica un patrón conocido como “aleta de tiburón”. Un paciente afectado por esta enfermedad mostrará uno o varios de los siguientes tipos de patrón electrocardiográfico: Memoria 8 • Tipo 1: Es el único tipo de patrón ECG diagnóstico. Se caracteriza por una elevación cóncava en el segmento ST, o punto J, mayor de 2mm, seguida de una onda T negativa en al menos una de las derivaciones precordiales derechas. • Tipo 2: Se caracteriza por una elevación del punto J de más de 2mm seguida de un descenso de aproximadamente 1mm y una onda T positiva. Este patrón se conoce como “silla de montar”. • Tipo 3: Es semejante al patrón de tipo 2 con la excepción de que, en este caso, la elevación del punto J es menor a 1mm. Figura Figura 2: Los tres tipos de patrón del ECG típico de un paciente con síndrome de Brugada. Fuente: Benito, Begoña, Josep Brugada, Ramón Brugada, and Pedro Brugada. 2009. "Síndrome De Brugada". Revista Española De Cardiología 62 (11): 1297-1315. doi:10.1016/s0300-8932(09)73082-9. Tanto el patrón tipo 2 como el tipo 3 son considerados como no diagnósticos, y precisan de una prueba con flecainida. La flecainida es un medicamento que provoca arritmias en pacientes con síndrome de Brugada y hace que los patrones tipo 2 y 3 de un ECG se conviertan en tipo 1 durante una prueba de provocación de arritmias. 3.1.2. Tratamiento del síndrome de Brugada Una vez un paciente ha sido diagnosticado con el síndrome de Brugada el tratamiento más eficaz que existe actualmente es la inserción de un DAI o desfibrilador automático implantable, ya que existen pocos medicamentos que sean eficaces contra la muerte súbita. Los DAI son dispositivos médicos que detectan la arritmia en un paciente y automáticamente suministran una descarga eléctrica que Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 9 restaurará el ritmo normal. En los casos en que un paciente presente con síntomas como una muerte súbita recuperada o la ocurrencia de síncopes, la solución será implantar un desfibrilador automático. Existen casos en que los pacientes son intolerantes a estos dispositivos, son muy jóvenes para llevarlos o simplemente están en contra de la implantación. En estos casos existe un medicamento conocido como quinidina que se les puede administrar y puede llegar a reducir algunos de los síntomas del síndrome de Brugada; pero no se considera 100% eficaz, por lo que es una medida reservada para las excepciones previamente mencionadas. En los últimos años se ha trabajado en el desarrollo de una técnica conocida como ablación cardíaca, que consiste en quemar parte del tejido del corazón mediante un catéter epicárdico. En el caso de los pacientes con síndrome de Brugada, se utiliza la ablación para quemar el tejido del tracto de salida del ventrículo derecho, el cual se cree que es la zona responsable de esta enfermedad. En los pacientes que han sido intervenidos se ha observado que el patrón característico del síndrome de Brugada desaparece del ECG y que ni la flecainida ni el estudio electrofisiológico les provocan arritmias. La combinación de estos acontecimientos es muy importante, ya que invita a pensar que el riesgo de muerte súbita ha prácticamente desaparecido. Sin embargo, debido a la novedad de esta técnica, aún es muy pronto para afirmar que sea una cura a largo plazo y se debe realizar una valoración en un periodo prolongado. 3.2. El corazón El corazón es el órgano encargado de impulsar la sangre a través de los vasos sanguíneos, haciendo que circule alrededor de todo el cuerpo humano y llevando todas las sustancias que esta transporta hasta sus destinos. Junto con las venas y las arterias forma el aparato circulatorio. 3.2.1. Anatomía del corazón El corazón está compuesto principalmente por cuatro cavidades: dos ventrículos, izquierdo y derecho, y dos aurículas, izquierda y derecha. Los ventrículos y aurículas de cada lado están conectados por dos válvulas que permiten el paso de la sangre en un sentido y lo impiden en el otro. Los ventrículos de ambos lados están separados por el tabique interventricular. La sangre entra y sale del corazón a través de diversas venas y arterias que lo conectan con el resto del cuerpo. Memoria 10 Figura Figura 3: Esquema del corazón humano. Fuente: Colaboradores de Wikipedia. 2010. "Corazón”.https://es.wikipedia.org/wiki/Coraz%C3%B3n. • Vena cava: La vena cava introduce en el corazón la sangre rica en CO2 procedente del resto del cuerpo. • Aurícula derecha: La aurícula derecha es la cavidad en la que la vena cava introduce la sangre rica en CO2 y la envía al ventrículo derecho a través de la válvula tricúspide. • Válvula tricúspide: La válvula tricúspide separa la aurícula derecha del ventrículo derecho. Permite el paso de la sangre desde la aurícula al ventrículo y lo impide al contrario. • Ventrículo derecho: El ventrículo derecho recibe la sangre carboxigenada de la aurícula derecha y la impulsa a través de la arteria pulmonar para que llegue a los pulmones. • Arteria pulmonar: La arteria pulmonar lleva la sangre rica en CO2 desde el corazón hasta los pulmones para que se produzca el intercambio gaseoso. • Vena pulmonar: La vena pulmonar introduce la sangre rica en oxígeno en la aurícula izquierda desde los pulmones. • Aurícula izquierda: La aurícula izquierda aloja la sangre oxigenada y la hace pasar al ventrículo izquierdo a través de la válvula mitral. • Válvula mitral: La válvula mitral separa la aurícula izquierda del ventrículo izquierdo. Permite el paso de la sangre oxigenada de aurícula a ventrículo y lo impide al contrario. • Ventrículo izquierdo: El ventrículo izquierdo impulsa la sangre rica en O2 recibida de la aurícula izquierda a través de la arteria aorta para su distribución en el cuerpo. Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 11 • Arteria aorta: La arteria aorta lleva la sangre rica en oxígeno a todos los rincones del cuerpo para permitir el intercambio de sustancias y el correcto funcionamiento de todos los tejidos y órganos. 3.3. Estado del arte 3.3.1. La señal ECG Un electrocardiograma es una prueba que registra la actividad eléctrica del corazón. Esta actividad se recoge con un electrocardiógrafo mediante una serie de electrodos situados en la piel del paciente, conectados al dispositivo mediante cables. Se emplea para medir el ritmo y la regularidad de los latidos, junto con diversos parámetros tales como el tamaño y posición de las aurículas (representados en la onda P) y los ventrículos (en el complejo QRS). El electrocardiograma se guía por una línea isoeléctrica o base, que se identifica como la línea horizontal entre cada uno de los latidos. Estos últimos se representan a través de diferentes oscilaciones en la línea isoeléctrica en forma de ángulos, segmentos, ondas e intervalos. Los componentes principales del ECG son los siguientes: • Onda P: Corresponde al primer pico hacia arriba del ECG y representa la desfibrilación y contracción de las aurículas. • Segmento PR: Es la parte de la línea base que sigue a la onda P y va hasta el siguiente pico. Durante este periodo, las aurículas se vacían y se ralentiza la transmisión de corriente eléctrica a través del corazón antes de la contracción de los ventrículos. • Intervalo PR: Es el intervalo comprendido desde el inicio de la onda P hasta el comienzo del complejo QRS. • Complejo QRS: Representa la contracción de los ventrículos. Es una combinación de 3 picos diferentes. El primer pico, la denominada onda Q, es negativo y ocurre al final del segmento PR; el segundo, conocido como la onda R, es positivo; y por último la onda S, un pico negativo que ocurre justo después de la onda R. • Segmento ST: Es la parte de la línea isoeléctrica que va desde la onda S hasta el siguiente pico, la onda T. Se trata de la contracción de los ventrículos en ausencia de corriente eléctrica a través de estos. • Intervalo QT: Es un intervalo medido desde el comienzo de la onda Q hasta el final de la onda T. • Onda T: Es el último pico que aparece en una representación normal de un latido. Aparece al final del segmento ST y es, en la mayoría de los casos, una onda positiva. Representa la Memoria 12 repolarización de las células de los ventrículos y el momento en que el corazón se prepara para el siguiente latido. Figura 4: Componentes de la señal electrocardiográfica. Fuente: Shea, Michael J. 2017. "Electrocardiografía - Trastornos Cardiovasculares - Manual MSD Versión Para Profesionales". Manual MSD Versión Para Profesionales. https://www.msdmanuals.com/es/professional/trastornos- cardiovasculares/pruebas-y-procedimientos-cardiovasculares/electrocardiograf%C3%ADa. En este trabajo se trabajará con la duración y área del complejo QRS, la duración del intervalo QT y la duración, área y simetría de la onda T, puesto que se considera que tienen una posible correlación con el síndrome de Brugada. 3.3.1.1. El complejo QRS Como se explica en el apartado 3.3.1, el complejo QRS es un conjunto de dos ondas negativas con una positiva entre ellas que representa eléctricamente a la despolarización ventricular que se corresponde mecánicamente con la contracción de los ventrículos del corazón durante un latido. La morfología de estas ondas cambiará dependiendo de las características que tengan los vectores eléctricos originados en el músculo cardíaco y el recorrido que estos realicen a través del sistema de conducción. Si el vector eléctrico generado se acerca más a la derivación empleada, el complejo QRS será tanto más positivo como directo vaya el vector a la derivación. En caso de que el vector se aleje de la derivación, el QRS será más negativo. Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 13 Figura 5: Complejo QRS del ECG de uno de los pacientes del estudio. La duración normal de este complejo oscila entre 60 y 100ms y su amplitud suele ser menor a 3,5mV. Un complejo QRS de duración mayor a 0,1s o menor a 0,06s suele implicar que el paciente está sufriendo una taquicardia ventricular. 3.3.1.2. El intervalo QT El intervalo QT se mide desde el inicio de la onda Q hasta el final de la onda T y representa el periodo de despolarización y repolarización ventricular. Es inversamente proporcional a la frecuencia cardíaca, es decir, a mayor frecuencia cardíaca, menor duración del intervalo QT. Figura 6: Segmento QT del ECG de uno de los pacientes del estudio. Memoria 14 Normalmente se trabaja con el intervalo QT corregido, calculado para una frecuencia cardíaca mediante la fórmula de Bazett. El intervalo QT corregido máximo aceptado es de 440ms en hombres y 460ms en mujeres, y una duración superior a esta se considera patológica. Las personas que presentan intervalo QT alargado sufren un retraso en la repolarización ventricular, lo que los pone en riesgo de sufrir síncopes, taquicardias ventriculares y hasta la muerte súbita. 3.3.1.3. La onda T La onda T representa la repolarización de los ventrículos. Una onda T normal tienen una duración de entre 120 y 200ms y una amplitud menor a 2,5mV en la derivación II. Suele ser una onda asimétrica, presentando una pendiente más pronunciada en la porción descendente. Figura 7: Onda T del ECG de uno de los pacientes del estudio. Una onda T negativa es delatora del síndrome de Brugada puesto que es una de las características claves del patrón de ECG tipo 1 típico de esta enfermedad. 3.3.2. El dispositivo Holter para la obtención continua de registros electrocardiográficos La electrocardiografía ambulatoria es una prueba diagnóstica no invasiva utilizada en todo el mundo que ha evolucionado en gran manera en las últimas décadas. Su uso de la tecnología de monitorización y grabación de ECG a largo plazo la han convertido en una de las pruebas más utilizadas para el diagnóstico de eventos arrítmicos. Sus orígenes se remontan a 1856 con el “padre de la electrocardiografía”, William Einthoven, y a 1965 con el “padre de la electrocardiografía ambulatoria”, Norman Jefferis Holter, quien en ese año creó el primer dispositivo Holter. Tras la invención de este dispositivohan sido muchos los científicos y Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 15 médicos que han contribuido a su desarrollo y mejora hasta llegar a los Holters que se utilizan en la actualidad. Hoy en día, el dispositivo Holter de alta resolución es la herramienta de diagnóstico más empleada para monitorizar el electrocardiograma de un paciente mientras este continúa realizando las actividades de su vida cotidiana. Se considera una herramienta esencial, ya que permite obtener un registro continuo durante largos periodos de tiempo de la actividad cardiaca de pacientes con diferentes trastornos cardiacos como arritmias y otras alteraciones. Figura 8: Dispositivo Holter de 12 derivaciones. Fuente: "HOLTER: 24 Horas Observando Al Corazón - Clínica Magnasalud (Valencia)". 2018. Clínica Magnasalud (Valencia). https://www.clinicamagnasalud.es/articulos/cardiologia/holter-ecg-tension-arterial/. Los dispositivos Holter utilizados en la actualidad contienen pequeñas tarjetas de memoria con cada vez mayor espacio de almacenamiento, permitiendo la obtención de grabaciones de diversos canales a frecuencias de muestreo tan altas como 1000Hz o muestras por segundo. Debido a esto, estos dispositivos poseen entre tres y diez electrodos que graban a la vez, posibilitando la reconstrucción de los 12 canales estándar. Además, gracias a los avances en la tecnología digital de los Holter, las señales obtenidas tienen mejor calidad y mejores ratios de señal-ruido lo que facilita una reconstrucción de las ondas ECG más precisa. En términos generales, el dispositivo Holter destaca hoy en día por ser una técnica no invasiva y económica altamente práctica para diagnóstico y terapia. Al ser capaz de realizar medidas como la variabilidad del ritmo cardíaco o la detección de anormalidades en el segmento ST, la combinación de información obtenida con el análisis del Holter resulta muy útil para la evaluación del riesgo cardíaco. Memoria 16 4. Herramientas experimentales Para realizar este trabajo se ha hecho uso de dos tipos de herramientas, el dispositivo Holter para la grabación de las señales ECG de los pacientes voluntarios y el software de Matlab, Microsoft Office y SPSS. 4.1. Dispositivo Holter Las señales ECG de alta resolución de los pacientes durante los periodos de 24hrs se obtuvieron mediante un Holter de ECG digital diseñado con propósito ambulatorio. Los equipos utilizados fueron SpiderView Plus (Spiderview Plus, Livanova-Sorin group, ELA Medical, Montrouge, France) que son pequeños, compactos y fáciles de usar. SpiderView Plus permite realizar grabaciones de largos periodos de tiempo en alta resolución con frecuencias de muestreo de hasta 1000Hz y resolución de amplitud en voltaje de hasta 2,5 μV. Los datos son guardados en tarjetas SD, para ser posteriormente exportados con el software de análisis Synescope (Livanova-Sorin group, Paris, France) en formato ISHNE (Badilini, 1998). Este software también permite la detección de complejo QRS y la delineación del ECG, midiendo la variabilidad del ritmo cardíaco, analizando el complejo QT y las ondas P y T. Figura 9: Dispositivo Holter de Spiderview Plus. Fuente: "ELA MEDICAL SPIDERVIEW | Holter | (ID1367330)". 2019. Bimedis. https://es.bimedis.com/a-item/holters-ela- medical-spiderview-1367330. Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 17 4.1.1. El formato ISHNE El formato de archivo estándar del holter, ISHNE, es un archivo en binario simple estructurado en una cabecera seguida de un bloque de información en el que están guardadas todas las muestras electrocardiográficas digitales. La cabecera proporciona toda la información esencial respecto a la señal ECG, incluyendo características de los leads, o entradas, como la calidad de este, la resolución de la amplitud (nV) o la frecuencia de muestreo (Hz). Los datos electrocardiográficos se guardan siguiendo el orden de las entradas (I, II, III, aVR, aVL, aVF, V1, V2, V3, V4, V5 y V6) en dos bytes por muestra con formato de signo, de los cuales el bit más significativo es aquel que indica el signo. Debido a esto, el tamaño es dos veces el número de muestras multiplicado por los leads que haya. Las muestras de dos bytes son guardadas en el sistema little- endian, donde el byte menos significativo va primero y se utiliza para expresar la resolución como una función de unidades ADC, 2.5 μV/ADC. La resolución del grabador de SpiderView es de 16 bits. Los valores de analógico a digital varían en un intervalo de -32768 a +32768 cuando se está frente a una resolución de 1000nV. 4.2. Software En este trabajo se ha utilizado el software de Matlab (MathWorks, Inc., Natick, MA, USA) para llevar a cabo el procesado de datos y el análisis estadístico. Como estudiante de la Universitat Politècnica de Catalunya este software está disponible gratuitamente para el uso académico personal. Matlab es un programa de cómputo numérico ampliamente utilizado en todo el mundo. Es una herramienta que facilita a un desarrollador o programador el desarrollo de software mediante un lenguaje propio (lenguaje M) que trabaja directamente con las matemáticas de matrices y vectores. Para facilitar el análisis estadístico se ha utilizado la herramienta Microsoft Excel (una hoja de cálculo desarrollada por Microsoft) para la recolección de los resultados obtenidos para cada uno de los pacientes y para cada una de las características de ECG medidas. El uso del Excel ha permitido recopilar todos los datos de todos los pacientes del estudio en un solo archivo .xlsx para facilitar su manejo a la hora de realizar el estudio estadístico. Para el análisis estadístico se ha utilizado el software de IBM “SPSS Statistics” cortesía de la prueba gratuita que esta empresa ofrece a los estudiantes. El SPSS es un software potente de análisis estadístico ampliamente utilizado en el ámbito científico que permite realizar el análisis de grandes cantidades de datos complejos, así como crear gráficas y tablas que permitan sintetizar la información. Memoria 18 5. Desarrollo del estudio 5.1. Base de datos La base de datos utilizada en este trabajo ha sido proporcionada por la unidad de arritmias del departamento de cardiología del Hospital Clínic. Está compuesta por las señales electrocardiográficas de 46 pacientes voluntarios de síndrome de Brugada obtenidas mediante dispositivos Holter de 24h. De estos voluntarios se tienen, además, datos clínicos (como el sexo, la edad, si son sintomáticos o no) que se utilizaran para el análisis comparativo entre pacientes. Tabla 1: Datos de los pacientes del estudio 5.2. Diseño del estudio Para llevar a cabo el estudio se ha establecido un plan de acción estructurado en los siguientes seis pasos: 1. Registro de las señales electrocardiográficas durante 24h. 2. Adquisición de los datos en formato ISHNE. ASINTOMÁTICOS N=34 SINTOMÁTICOS N=8 Mujeres 6 (17,65%) 2 (25%) Hombres 28 (82,35%) 6 (75%) Edad al momento de diagnóstico (años) 45,5 ± 9,2 47,1 ± 12,4 Familiares con historial de síndrome de Brugada 13 (38,24%) 4 (50%) Implante de DAI 4 (11,76%) 6 (75%) Patrón de ECG tipo 1 observado 12 (35,29%) 3 (37,5%) Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 19 3. Selección de los cinco intervalos de un minuto que se utilizarán para realizar las medidas: Se seleccionarán tres instantes durante el día y dos durante la noche. 4. Pre-procesado de las señales: Aplicación de filtros paso alta y paso baja. 5. Procesado de las señales y extracción de características: complejo QRS, intervalo QT y QTc, y onda T. 6. Análisis estadístico de las medidas obtenidas. 5.3. Adquisición y conversión de las señales ECG 5.3.1. Reclutamiento de voluntariosPara el reclutamiento de voluntarios para este estudio, el personal de la unidad de arritmias del Hospital Clínic informó a los pacientes que padecen síndrome de Brugada sobre la posibilidad de participar en este estudio y aquellos interesados fueron llamados para realizar las grabaciones de ECG. A los voluntarios se les colocaron los dispositivos Holter en la unidad de cardiología del hospital para que los llevasen puestos durante las 24 horas que duraría la grabación. 5.3.2. Lectura de las señales mediante herramientas de Matlab Una vez se obtienen los registros electrocardiográficos exportado de Synscope con extensión “.ecg” que están codificados en formato binario ISHNE se convierten para ser analizados con el software de Matlab. Esta conversión se puede hacer con dos herramientas diferentes del Matlab. La primera opción es utilizar un archivo de Matlab proporcionado por Telemetric and Holter ECG Warehouse (Couderc, 2010)1. La segunda opción es utilizar el ecg-kit (Demski, 2016), el cual devuelve un objeto de Matlab llamado ECGwrapper que contiene la información principal de la cabecera del ISHNE y un método para la lectura de las señales ECG. La cabecera se presenta siguiendo el estilo de formato Physionet-MIT. Además, este software también realiza una detección del complejo QRS y la delineación de cada uno de los latidos del ECG. Ambos métodos proporcionan la misma señal ECG en formato Matlab. 1 Disponible en http://thew-project.org/THEWFileFormat.htm Memoria 20 Para este estudio se ha decidido emplear el software ecg-kit para la lectura de las señales al resultar más sencillo de ejecutar, además de proporcionar una herramienta para la detección y delineación de los latidos sin necesidad de elaborar un código propio. Figura 10: Señal ECG bruta del paciente BH0025 5.4. Selección de los intervalos de interés 5.4.1. Procedimiento para la selección de los intervalos Para cada uno de los pacientes es necesario escoger cinco instantes durante las 24 horas de señal ECG que puedan proporcionar medidas representativas para el estudio estadístico. Con este objetivo en mente se han seleccionado tres momentos del día donde las pulsaciones son altas y dos intervalos durante la noche donde las pulsaciones son más bajas. La frecuencia cardiaca se ha obtenido mediante la detección de intervalos RR de la señal. Puesto que este trabajo forma parte de un grupo de investigación más grande, los intervalos para los 20 primeros pacientes ya habían sido seleccionados previamente en otro estudio realizado por otra estudiante. Teniendo esto en cuenta, se han utilizado dos métodos diferentes para la selección de los segmentos de un minuto de interés de cada paciente. Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 21 Posteriormente, con la ayuda de la hoja de cálculo de Excel, se ha calculado el tiempo en segundos que transcurre desde la colocación del Holter al paciente hasta cada uno de los intervalos seleccionados. Estos tiempos se convertirán a su equivalente en muestras teniendo en cuenta que la frecuencia de muestreo es 1000Hz para poder llevar a cabo las mediciones deseadas con el procedimiento que se explicará en los apartados de procesado de señales y extracción de características más adelante. Para la selección de los intervalos de los pacientes BH0001 a BH0020 se ha empleado el método propuesto por el grupo de cardiólogos del proyecto ANVERSO del Hospital Clinic, que previamente se había utilizado en otros trabajos de final de grado. En dichos trabajos se seleccionan cinco momentos de las 24h en los que estadísticamente hablando las personas suelen tener las pulsaciones más altas y las más bajas. De esta manera se escogen los siguientes tres intervalos del día y dos de noche: • Día 1: 14:00-16:00h • Día 2: 19:00-21:00h • Día 3 (la mañana del día que se retira el Holter): 08:00-10:00h • Noche 1: 24:30-02:00h • Noche 2: 04:00-05:00h De estos cinco intervalos se visualiza entonces la señal ECG y se procede a escoger los segmentos de un minuto de duración que más interesen para el estudio, es decir, aquellos con pulsaciones máximas y mínimas. Para visualizar los intervalos deseados de los ECG de cada paciente se utiliza el código de Matlab “ProcessISHNE_24h_HR_BH00XX.m” (BH00XX se debe completar con el identificador de cada paciente) el cual está incluido en el Anexo A . Este código permite visualizar la variación de la frecuencia cardíaca en el periodo deseado y así poder seleccionar los segmentos de un minuto. En la siguiente figura se puede ver como la gráfica de variabilidad del ritmo cardíaco que proporciona el código mencionado. En este caso se muestra el ejemplo del paciente BH0005. Memoria 22 Figura 11: Gráfica de la variación de la frecuencia cardíaca del paciente BH0005 durante el periodo de 24h Para hacer la selección de los pacientes BH0021 a BH0045 ha sido necesario visualizar la gráfica de variabilidad de frecuencia cardíaca de cada uno de los pacientes durante las 24 horas que llevan puestos los dispositivos Holter. Debido a la falta de capacidad de memoria que tiene el programa Matlab, no ha sido posible procesar los datos de las 24 horas de grabación de una sola vez. Por esto, ha sido necesario dividir la señal en cuatro partes de seis horas, procesar estos fragmentos por separado y, finalmente, crear una gráfica donde se unan las cuatro gráficas de frecuencia cardíaca. De esta manera se consigue visualizar los cambios en la frecuencia cardíaca durante las 24 horas. Para poder observar la frecuencia cardíaca y realizar la selección de los intervalos correctamente, los intervalos RR son filtrados con un algoritmo deslizante de ventana de cinco latidos. Este algoritmo elimina los latidos que se desvíen más de un 15% de la longitud media del intervalo RR previo. Una vez se ha obtenido el gráfico de la frecuencia cardíaca de la señal ECG completa se realiza la selección de los cinco intervalos de un minuto para cada uno de los pacientes. Así, los distintos intervalos seleccionados son diferentes para cada paciente, procurando de este modo que se obtengan muestras de los momentos de mayor y menor actividad cardíaca para todos los voluntarios por igual. 5.4.2. Intervalos seleccionados para cada paciente Los intervalos seleccionados para cada uno de los pacientes están incluídos en el Anexo B. Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 23 En la figura 11 se muestra la gráfica de la variación del ritmo cardíaco del paciente BH0025 durante el registro de las 24 horas. En las siguiente se muestra la misma gráfica haciendo zoom en uno de los intervalos seleccionados. Figura 12: Intervalo Día 1 del paciente BH0025. Memoria 24 Figura 13: Detalle del intervalo Día 1 del paciente BH0025. En el momento de la visualización de las señales para la selección de los intervalos se observó que algunos de los ECG tenían demasiado ruido en todas las derivaciones como para poder realizar un análisis correcto. Por este motivo se han eliminado de la muestra los pacientes BH0024, BH0036, BH0038 y BH0041. 5.5. Procesado de las señales 5.5.1. Pre-procesado de las señales ECG Las señales ECG extraídas directamente de los electrodos de superficie en cada uno de los pacientes suelen estar contaminadas con ruido dentro de la banda de frecuencia de interés debido a la baja amplitud de dichas señales (entre 0,1mV y 3mV). Es por esto que es necesario filtrar las señales antes de poder extraer datos válidos para el posterior análisis. Los artefactos típicos que se encuentran en las señales ECG son el ruido de las interferencias de la línea eléctrica, la deriva de la línea base, ruido de electromiograma, ruido por contacto con los electrodos y artefactos de movimiento. De todos estos,los que más afectan a la señal son el ruido de la línea eléctrica y la deriva de la línea base. Para eliminar los efectos que tienen estos artefactos sobre la señal se han aplicado filtros pasa alta y pasa baja a la señal ECG original. Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 25 5.5.2. Filtrado 5.5.2.1. Filtro pasa baja Las interferencias de la línea eléctrica son ruidos de banda estrecha de unos 50 o 60Hz de interferencias sinusoidales. Estos ensucian la señal ECG superponiéndose a las ondas P y T, dificultando su análisis. Teniendo en cuenta que este estudio se centra en la extracción de características como la duración o amplitud de la onda T, estas interferencias deben ser eliminadas. Para ello se aplica un filtro Butterworth de tercer orden con una frecuencia de corte de 35Hz a la señal ECG. 5.5.2.2. Filtro pasa alta La deriva de la línea base es un artefacto que provoca que esta línea se mueva de arriba abajo en el eje X, causando, por lo tanto, el movimiento de la señal completa, alejándose de su base original. Normalmente está causada por la respiración o el movimiento corporal y su frecuencia ronda en torno a los 0,15 y 0,3Hz. Para eliminar este ruido se ha aplicado un filtro Butterworth pasa baja de tercer orden de inicio a fin y de fin a inicio (conocido como “forward-backward”) con una frecuencia de corte de 0,6Hz. Además del filtro Butterworth también se puede hacer uso de una transformada de wavelet, la cual podría eliminar la deriva de la línea base al sustraer la tendencia de la señal ECG. En las siguientes figuras se muestra la comparativa entre la señal ECG original y la señal ECG una vez se ha realizado el filtrado. En la primera figura se puede apreciar la corrección de la deriva de la línea base y en la segunda se observa como se han eliminado las interferencias en el patrón electrocardiográfico. Memoria 26 Figura 14: Señal ECG del paciente BH0025. Se compara la señal bruta (azul) con la señal filtrada (naranja). Figura 15: Detalle de la comparación de la señal ECG bruta (azul) con la señal ECG filtrada (naranja). Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 27 5.5.3. Detección del RR y adquisición del intervalo Para la identificación de los latidos primero es necesario detectar los picos R de la señal ECG. Esto se hace con el software de Matlab mediante las funciones “QRS detection” y “ECG delineation”. A continuación se muestra la parte del código correspondiente: % *QRS DETECTION* ECG = ECGwrapper('recording_name','/Volumes/ToshibaYara/TFG/BH0005_1.mat'); ECG.ECGtaskHandle = 'QRS_detection'; ECG.ECGtaskHandle.detectors = { 'wavedet'}; ECG.Run; load 'BH0005_1_QRS_detection.mat'; ECGs = ECG.read_signal(1,ECG.ECG_header.nsamp); % *DELINEATION* ECG = ECGwrapper('recording_name','/Volumes/ToshibaYara/TFG/BH0005_1.mat'); ECG.ECGtaskHandle = 'ECG_delineation'; ECG.Run; load 'BH0005_1_ECG_delineation.mat'; Dentro de la matriz wavedet creada en la detección de QRS (obtenida con la detección por wavelets) se encuentran 15 vectores de variables diferentes de la morfología del ECG. Entre ellos se encuentra la localización de los picos de la onda R en el complejo QRS y, a partir de ellos se crea un vector con el nombre RII que contiene todos los picos R de la derivación II. Para evitar errores en cálculos posteriores se elimina el primer valor del vector. RII=wavedet.II.R; RII(1) = []; A continuación, se aplica el comando diff a este vector para calcular la duración entre picos R y obtener un nuevo vector llamado RR. Por si hubiera valores NaN (not-a-number o no existencia del dato en Matlab) dentro del vector que puedan dar lugar a errores de computación, se aplica la función isnan() para eliminar estos posibles valores vacíos. El intervalo RR consiste en el tiempo en milisegundos que transcurre entre las detecciones de picos R sucesivas y corresponde con cada uno de los latidos. RR = diff(RII); %RR en ms Debido a las interferencias que pueda tener la señal, puede ser necesario aplicar un algoritmo deslizante sobre cinco latidos “filter1” al vector RR, el cual rechaza cualquier latido que sobrepase en más de un 15% la duración del promedio de los cinco intervalos RR anteriores. RRII=filter1(RRII); % Solo si es necesario Por último, se elimina el primer valor del vector y las posiciones NaN y se calcula la media de la duración de los latidos en el intervalo. RR(1)=[]; RR=RR(~isnan(RR)); Memoria 28 RRmean = mean(RR); La siguiente figura representa el ECG del paciente BH0005 en la derivación II. Se pueden ver los picos de la onda R marcados con un círculo. Figura 16: Ejemplo de la señal ECG del paciente BH005 donde se han detectado 3 picos de la onda R. 5.6. Extracción de características Para llevar a cabo la extracción de las características del ECG deseadas se ha utilizado un código de Matlab de elaboración propia. Este código, de nombre “Extraccion_Caracteristicas_ECG.m”, está incluido en el Anexo C con uno de los pacientes como sujeto de ejemplo. El algoritmo comienza con la creación del vector tiempos en el que el usuario debe escribir los intervalos seleccionados previamente para la extracción de las características del paciente en cuestión. A continuación, se crea también una matriz vacía M en la que, más tarde, se guardarán los resultados de la extracción para su posterior escritura en un archivo .xlsx. Una vez creados estos dos elementos se inicia una iteración que realizará la extracción de características para cada uno de los intervalos. Lo primero que se hace dentro del bucle es acceder a la señal ECG mediante el comando ECGwrapper y utilizar ECG.read_signal para leer la señal en cada uno de los intervalos seleccionados y “cortarla” para trabajar solo con dichos intervalos de un minuto. Una vez se puede trabajar con los segmentos de 60000 muestras se lleva a cabo el pre-procesado y filtrado de la señal aplicando una serie de filtros para eliminar las interferencias, según lo explicado en apartados anteriores. Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 29 A continuación, se aplica el algoritmo de detección de QRS mediante el comando ECG.ECGtaskHandle utilizando el detector de wavedet. Esto da como resultado una matriz estructural de nombre wavedet que a su vez contiene 13 matrices estructurales, un para cada una de las derivaciones. Dentro de la matriz de cada derivación hay 15 vectores de las diferentes variables (comienzo y fin de la onda P, del complejo QRS, de la onda T…) que ha obtenido el detector de wavedet. Una vez se ha obtenido la matriz de wavedet es necesario delinear la señal con el comando ECG.ECGtaskHandle para la correcta extracción los inicios y finales de ondas (P, QRS y T) de cada latido. Las mediciones para caracterizar los distintos índices se hicieron en cada latido, y cada derivación, a lo largo de un minuto, debido al ruido presente que produce una variabilidad apreciable entre una medida de un latido a otro. Entonces se decidió que el valor de cada índice (por ejemplo, duración del QRS, intervalo QT, duración de la onda T, etc.) se calcule sobre cada latido del segmento de un minuto y luego se promediaran las medidas para obtener los índices de esa etapa del día o la noche. En las líneas siguientes del bucle se incluyen los procedimientos para obtener las medidas deseadas en cada una de las derivaciones. Estos procedimientos se explican en los sub-apartados 5.6.1, 5.6.2 y 5.6.3. Al final de las iteraciones la matriz M creada al inicio del código se va rellenando, según lo indicado en el código, con los resultados obtenidos. Cada una de las columnas de la matriz corresponde a una de las variables del estudio;cada fila corresponde a una de las derivaciones siguiendo el orden V1, V2, V3, V4, V5, V6 y II. Para cada uno de los intervalos se incluyen en la matriz ocho variables de estudio, las cuales están listadas a continuación con su identificador*: • Duración media del complejo QRS: QRSd • Área absoluta del complejo QRS: AreaQRSabs • Amplitud RMS del complejo QRS: QRSrms • Duración media de la onda T: Twaved • Área absoluta de la onda T: AreaTwabs • Amplitud RMS de la onda T: Twrms • Duración media del segmento QT: QT • Duración media del segmento QT corregido o QTc: QTc_Bazett *Al final de cada identificador se incluye “_D1”, “_D2”, “_N1” o “_N2” en función del intervalo al que corresponda (Día 1, Día 2, Noche 1 o Noche 2). El resultado es, por lo tanto, una matriz de 7x8 para cada uno de los cinco intervalos escogidos para el paciente. El formato de la matriz de un intervalo se ilustra en la siguiente tabla: Memoria 30 Variable 1 … Variable 8 Derivación V1 ---- --- --- … --- --- --- Derivación II --- --- --- Tabla 2: Formato de la matriz de un intervalo Una vez termina de ejecutarse el bucle, habiendo pasado por todos los intervalos, la matriz M, ahora de tamaño 7x40, se escribe en un archivo .xlsx con el nombre del paciente. Este archivo contiene, por lo tanto, los valores de las ocho variables de estudio para cada una de las siete derivaciones y en cada uno de los cinco intervalos escogidos para ese paciente. 5.6.1. Complejo QRS En este sub-apartado se explica cómo extraer las características del QRS para una de las derivaciones del ECG, en concreto, para la derivación II. Para realizar las medidas deseadas en relación al complejo QRS primero se crean los vectores QRSon_II y QRSoff_II llamando a los vectores correspondientes obtenidos con el detector de wavedet para esa derivación. QRSon_II = wavedet.II.QRSon; QRSoff_II = wavedet.II.QRSoff; Como el delineado de las señales no es perfecto, se puede dar el caso de que haya valores no detectados de inicio o final de onda, colocando el valor NaN en algunas posiciones dentro de los vectores. Para solucionar los problemas que puedan causar, se eliminan los valores de las mismas posiciones en ambos vectores. Además, se elimina también el primer y último valor de los vectores por si se diera la casualidad de que el intervalo escogido empieza o termina en medio de un complejo QRS. QRSoff_II(1)=[]; % elimino primer valor de QRSoff QRSon_II(1)=[]; % elimino primer valor de QRSon QRSon_II(end) =[]; %Eliminamos el ultimo valor de QRSon QRSoff_II(end) =[]; %Eliminamos el ultimo valor de QRSoff pos1_QRS_II = find(isnan(QRSon_II)); %Encuentra las posiciones NaN pos2_QRS_II = find(isnan(QRSoff_II)); QRSon_II(pos1_QRS_II)=[]; QRSoff_II(pos2_QRS_II)=[]; QRSon_II(pos2_QRS_II)=[]; QRSoff_II(pos1_QRS_II)=[]; Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 31 5.6.1.1. Duración media del complejo QRS Una vez se han obtenido los dos vectores QRSon_II y QRSoff_II y se han eliminado las posibles causas de error en las medidas, se procede al cálculo de la duración del complejo QRS creando un vector QRSd_seg_II. QRSd_seg_II = (QRSoff_II-QRSon_II); El vector obtenido contiene los valores de las duraciones en [ms] de los segmentos QRS en todos los latidos del intervalo y, de nuevo, es necesario eliminar los valores NaN que se puedan haber creado. Para calcular la duración media simplemente se ha de aplicar el comando mean al vector QRSd_seg_II y se obtiene la variable mean_QRSd_II del intervalo. QRSd_seg_II = QRSd_seg_II(~isnan(QRSd_seg_II)); mean_QRSd_II=mean(QRSd_seg_II); 5.6.1.2. Amplitud RMS y área absoluta medias del complejo QRS Para calcular el área absoluta y la amplitud RMS del complejo QRS se crea la variable Nbeats_II, que contiene el número de latidos del intervalo, y una nueva matriz MeasQRS_II donde se guardarán los valores obtenidos para estas características. En esta matriz también se incluyen los valores calculados de la potencia media del QRS y energía del QRS entre otras variables. Para este estudio solo son de interés el área absoluta y la amplitud RMS, por eso serán los que se utilicen para el análisis estadístico. A continuación, se crea una estructura iterativa que realizará las medidas deseadas a lo largo de todo el intervalo. Para el cálculo de la amplitud RMS se debe computar la raíz cuadrada de la potencia media del QRS (Pavg_II), la cual se ha calculado previamente dentro del bucle. QRSrms_II = (sqrt(Pavg_II))*1000; % (4) amplitud RMS del QRS en µV El resultado es el vector QRSrms_II que contiene los valores de amplitud RMS en [µV] de todos los segmentos QRS del intervalo. Para el cálculo del área absoluta se realiza una integración numérica trapezoidal. AreaQRSabs_II = (trapz(tqrs_II, abs(qrs_II)))*1000; %(6) Area del QRS (Abs) en µV·s Donde tqrs_II es el vector tiempo del QRS y qrs_II es el segmento QRS del lead II. Como resultado se obtiene el vector AreaQRSabs_II que contiene los valores de área absoluta en [µV·s] de todos los segmentos QRS detectados en el intervalo. Finalmente, ambos vectores se incluyen en la matriz MeasQRS_II. Memoria 32 Una vez finalizado el bucle, se calculan las medias y desviaciones estándar de cada uno de los vectores que conforman la matriz MeasQRS_II para su posterior inclusión en la matriz principal M. MeasQRSmean_II = mean(MeasQRS_II); MeasQRSstd_II = std(MeasQRS_II); 5.6.2. Segmentos QT y QT corregido El cálculo de las duraciones de los segmentos QT y QT corregido se realizará únicamente sobre la derivación II, ya que es lo recomendado por diversos estudios que tratan sobre estos segmentos y sus mediciones. Para obtener el segmento QT se utilizan los vectores Toff_II y QRS_on que se han obtenido del detector de wavedet y, como para el complejo QRS, se eliminan los primeros valores de los vectores para evitar valores negativos en caso de que el intervalo con el que se trabaja comience en medio de un segmento QT. Toff = wavedet.II.Toff; Toff(1)= []; QRSon = wavedet.II.QRSon; QRSon(1) = []; 5.6.2.1. Duración media del segmento QT La duración de todos los segmentos QT de un intervalo se calcula de la siguiente manera: QT = Toff - QRSon; Se obtiene así el vector QT con los valores de la duración en [ms] de todos los segmentos QT detectados en el intervalo. Por último, se eliminan los posibles valores NaN que haya en el vector y se calcula la media de todas las duraciones del segmento QT aplicando el comando mean al vector y creando la nueva variable QTmean. QT = QT(~isnan(QT)); QTmean = mean(QT); % Media de QT en ms 5.6.2.2. Duración media del segmento QT corregido El cálculo de la duración media del segmento QTc se realiza a partir de la variable QTmean creada en el apartado anterior y de la variable RRmean obtenida en el apartado 5.5.3 siguiendo la fórmula de corrección de Bazett: 𝑄𝑇𝑐 = 𝑄𝑇 √𝑅𝑅 (Eq. 5.1) Evaluación de pacientes con síndrome de Brugada a través de biomarcadores del electrocardiograma 33 Simplemente se traduce esta fórmula a código de Matlab y se ejecuta para obtener la variable QTc_Bazett_mean, que representa la media de la duración de los segmentos QT corregidos en [ms] en el intervalo. QTc_Bazett_mean = QTmean/RRmean^(1/2); 5.6.3. Onda T En este sub-apartado se explica cómo obtener las medidas de la onda T para una de las derivaciones del ECG, en concreto, para la derivación II. Lo primero que se hace es crear los vectores Ton_II y Toff_II obteniéndolos de la matriz wavedet. Ton_II = wavedet.II.Ton; Toff_II = wavedet.II.Toff; Igual que para el segmento QRS, puede haber posiciones en los vectores que tengan valor NaN, lo que puede ocasionar errores en el momento de tomar las medidas deseadas. Para solucionar el problema se eliminan estos
Compartir