iLook over y

Abstract

A síncope refere-se à perda temporária de consciência, causada por uma redução da pressão arterial (BP) sistémica, responsável pela queda da perfusão cerebral global. A BP, por sua vez, depende do débito cardíaco e da resistência vascular sistémica, que são regulados pelo sistema nervoso autónomo (ANS). Devido a estas conexões, qualquer fator externo que afete esse equilíbrio pode originar síncope. Quando esse fator é neuronal, o episódio é classificado como síncope neuromediada (NMS) A síncope é, de facto, uma condição comum e dispendiosa, implicando um custo anual direto de $1.7 a $2 biliões para os serviços de saúde de todo o mundo. Assim sendo, é essencial encontrar formas de evitar custos tão elevados associados à síncope e a condições relacionadas – por exemplo, doenças cardiovasculares (CVD) e quedas –, a favor do investimento em soluções preventivas de p-health e m-health. A variabilidade da frequência cardíaca (HRV) é um marcador promissor de regulação autónoma, mas que requer a aquisição de eletrocardiograma (ECG) para calcular a frequência cardíaca (HR) de forma confiável. Este equipamento, contudo, não é confortável para soluções de p-health. Devido ao progresso no desenvolvimento de sensores óticos (mais convenientes e menos intrusivos), o fotopletismograma (PPG) torna-se numa alternativa interessante para medições de pulso cardíaco (PR) em vez de HR, levando ao interesse na avaliação de índices de HRV baseados na análise de PPG (variabilidade do pulso cardíaco – PRV). Na primeira parte desta tese, a hipótese de se utilizarem índices de PRV como substitutos para os índices de HRV é investigada em três contextos diferentes: sujeitos saudáveis em repouso, indivíduos saudáveis após exercício físico e sujeitos com CVD. Seis pontos característicos do PPG também foram avaliados, de forma a encontrar o mais adequado para análise de PRV nesses contextos. A análise é baseada na avaliação da correlação, erro e distribuição dos sinais. Os resultados obtidos sugerem que a PRV pode ser utilizada como alternativa à análise de HRV em indivíduos saudáveis, tendo produzido correlações acima de 82%, tanto para tempo como para frequência. Contrariamente, nos sujeitos em pós-exercício e com CVD, as características do domínio do tempo e, mais importante, da frequência, devem ser usadas com precaução (correlações médias variando de 68% a 88%). Vários algoritmos de monitorização da BP foram propostos para prever síncope iminente em tempo real. No entanto, ainda apresentam algumas desvantagens quanto ao seu uso em contextos de p-health: enquanto alguns usam BP adquirida com braçadeira, outros usam abordagens baseadas em ECG, sendo que ambos implicam o uso de hardware caro e desconfortável. Por outro lado, abordagens mais adequadas para usos pessoais, tais como algoritmos construídos unicamente com PPG, são menos confiáveis. O objetivo da segunda parte deste trabalho é acompanhar os esforços do grupo para preencher essa lacuna, fornecendo um algoritmo totalmente baseado em PPG para prever síncope iminente, com maior confiabilidade. Utilizou-se a métrica da distância de Minkowski (que se provou ser a melhor métrica testada), com expoente p=2-0.5. Diversos parâmetros foram avaliados para alimentar o algoritmo: PR, tempo de ejeção do ventrículo esquerdo (LVET), índice de rigidez (SI), índice de reflexão (RI), bem como vários índices relacionados com: o PRV, a segunda derivada do PPG, o crescimento sistólico da onda de pulso do PPG e a dinâmica de informação dos dados. A partir dos parâmetros mencionados, foram calculados vários atributos, resultando num conjunto de 94 índices diferentes avaliados. Os mais apropriados para prever síncope foram classificados usando um sistema de pontuação e selecionados de acordo com as suas pontuações. Com estes, diferentes configurações do algoritmo foram avaliadas e os resultados mais relevantes foram discutidos. A configuração destacada, utilizada na terceira parte do trabalho, foi testada com F-measure de 86%, 100% de sensibilidade, 85% de especificidade, uma taxa de falsos positivos por hora de 1.9h-1, bem como 242.3±226.9 segundos de tempo de previsão, incorporando índices derivados de SI, PR, LVET e RI. A terceira e última etapa do projeto diz respeito ao desenvolvimento de um sistema de previsão de síncope em tempo real, utilizando dispositivos comerciais (biosignalsplux® com um sensor PPG e um PC com Windows®). O back-end do sistema consiste na configuração do algoritmo apresentado acima, escrito em MATLAB®. O front-end do sistema é escrito em Java® e executa três tarefas: é wrapper do back-end MATLAB®, suporta a comunicação Bluetooth® em tempo real entre os terminais e interage com o utilizador através de uma interface. Uma vez que depende de um PC, trata-se de um sistema de p-health algo limitado, mas já é uma prova de conceito satisfatória que fornece, além de uma ferramenta de pesquisa válida, uma solução útil para meios hospitalares, idosos, motoristas e operadores de maquinaria pesada