TFG-Evaluacion de pacientes con sindrome de brugada a traves de biomarcadores del electrocardiograma

Medicina

•

SIN SIGLA

angel martelo

15/10/2023

¡Este material tiene más páginas!

Entonces, ¿te gustó este material?

Ayude a animar a otros estudiantes a mejorar el contenido

¿Te gustó este material? ¡Compartir! 🧡

Medicina

241.656 Materiales compartidos

Descarga la aplicación para disfrutar aún más

Lea materiales sin conexión, sin usar Internet. Además de muchas otras características!

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