by

2 Nov, 2021

Allí, acaba de presenter su trabajo “Eigenvector-based spatial ECG filtering improved QT delineation in stress test recordings”

Explica Cristina Pérez que, actualmente, se estudian las características de las diferentes curvas que componen la señal de electrocardiograma (ECG), así como sus puntos característicos, con la idea de definir biomarcadores sin la necesidad de recurrir a pruebas invasivas. Entre ellos, un mayor tiempo de adaptación del intervalo QT ante cambios abruptos de la variabilidad del ritmo cardiaco (HR) se ha definido como un marcador de riesgo arrítmico.  Producir estos cambios en el HR es complejo. Nuestra alternativa más reciente es estudiar este tiempo de adaptación en variaciones del HR tipo rampa, las cuales se observan en los test de prueba de esfuerzo.

Sin embargo, las señales de ECG grabadas durante prueba de esfuerzo están fácilmente contaminadas por ruido derivado de la actividad muscular o el movimiento de los electrodos, limitando así la delineación de la señal y dificultando, en este caso, la detección del final de la onda T (Te). El objetivo de este trabajo es comparar y proponer diferentes métodos para enfatizar la onda T y así mejorar la precisión de la delineación del punto Te.

Se han descrito seis métodos diferentes basados en dos técnicas de reducción de dimensiones (LSR): PCA y 𝜋CA y se ha calculado el intervalo QT para cada una de ellas. Los resultados obtenidos al analizar 222 señales de ECG grabadas durante prueba de esfuerzo son que:

  • Se consigue un menor error calculando el punto Te usando la primera derivación transformada de las distintas técnicas de LSR, en comparación con aplicar una multidelineación a lo largo de las 8 derivaciones estándar del ECG.
  • El menor error observado fue en los diferentes métodos propuestas con la técnica de 𝜋

Más información del congreso.