APLICACION DE LA LEY DE ZIPF-MANDELBROT AL DIAGNOSTICO DE LA DINAMICA CARDIACA NORMAL Y AGUDA





APLICACION DE LA LEY DE ZIPF-MANDELBROT AL DIAGNOSTICO DE LA DINAMICA CARDIACA NORMAL Y AGUDA

(especial para SIIC © Derechos reservados)
Es conocida la capacidad de los fractales estadísticos en la evaluación de la complejidad de diferentes sistemas cuya dinámica pueda ser evaluada a partir de las frecuencias de una variable; para esto, se utiliza la medida de la dimensión fractal estadística, la cual puede ser calculada con la ley de Zipf-Mandelbrot.
Autor:
Javier Rodríguez
Columnista Experto de SIIC

Institución:
Centro de investigaciones Clínica del Country


Artículos publicados por Javier Rodríguez
Coautores
Signed Prieto* Catalina Correa** Frank Pernett*** Dharma Rodríguez**** Sefirot Rodríguez* Katherine Páez***** Jairo Jattin*** Andrés Ibarra***** Eduardo Méndez***** 
Investigadora, Centro de investigaciones Clínica del Country, Bogotá, Colombia*
Psicóloga, Centro de investigaciones Clínica del Country, Bogotá, Colombia**
Médico, Centro de investigaciones Clínica del Country, Bogotá, Colombia***
Médica, Centro de investigaciones Clínica del Country, Bogotá, Colombia****
Estudiante de medicina, Universidad Militar Nueva Granada, Bogotá, Colombia*****
Recepción del artículo
1 de Febrero, 2019
Aprobación
14 de Febrero, 2020
Primera edición
27 de Febrero, 2020
Segunda edición, ampliada y corregida
3 de Septiembre, 2021

Resumen
Introducción: Es conocida la capacidad de los fractales estadísticos en la evaluación de la complejidad de diferentes sistemas cuya dinámica pueda ser evaluada a partir de las frecuencias de una variable; para esto, se utiliza la medida de la dimensión fractal estadística, la cual puede ser calculada con la ley de Zipf-Mandelbrot. Esta ley matemática ha sido aplicada en cardiología para evaluar el grado de complejidad de la dinámica cardíaca. En el presente trabajo se aplicó la ley de Zipf-Mandelbrot junto con la metodología diagnóstica desarrollada previamente para evaluar dinámicas cardíacas normales y con enfermedad aguda. Materiales y métodos: Se tomaron 15 registros Holter; 10 con diagnóstico normal y 5 con patologías agudas de pacientes de la Unidad de Cuidados Intensivos. Se organizaron jerárquicamente las frecuencias de aparición de las frecuencias cardíacas de cada dinámica en rangos de a 15 lat/min, en busca del comportamiento hiperbólico necesario para la aplicación de la ley de Zipf-Mandelbrot. Posteriormente se realizó una linealización y se obtuvo la dimensión fractal estadística para cada dinámica. Resultados: Los valores de la dimensión fractal estadística para una dinámica cardíaca aguda variaron entre 0.4925 y 0.6061, mientras que para una dinámica normal variaron entre 0.7134 y 0.9749, evidenciando la diferenciación entre ambos grupos. Conclusiones: El comportamiento fractal estadístico de la dinámica cardíaca fue corroborado, de igual forma la pérdida de complejidad para las dinámicas agudas respecto a las dinámicas normales.

Palabras clave
enfermedad aguda cardíaca


Artículo completo

(castellano)
Extensión:  +/-6.14 páginas impresas en papel A4
Exclusivo para suscriptores/assinantes

Abstract
Background: The capacity of statistical fractals in the evaluation of the complexity of different systems whose dynamics can be evaluated from the frequencies of a variable is known. This is why the measure of the statistical fractal dimension is used, which can be calculated with the Zipf-Mandelbrot law, this mathematical law has been applied in cardiology evaluating the degree of complexity of cardiac dynamics. In the present work, the Zipf-Mandelbrot law was applied together with the diagnostic methodology previously developed to evaluate normal cardiac dynamics and acute disease. Material and methods: 15 Holter records were taken; 10 with normal diagnosis and 5 with acute pathologies of patients of the Intensive Care Unit. The frequencies of occurrence of the heart frequencies of each dynamics were organized hierarchically in ranges of 15 lat/min, in search of the hyperbolic behavior required for the application of the law of Zipf-Mandelbrot. Subsequently, a linearization was performed and the statistical fractal dimension was obtained for each dynamics. Results: The values of the statistical fractal dimension for acute cardiac dynamics varied between 0.4925 and 0.6061, whereas for normal dynamics they varied between 0.7134 and 0.9749, evidencing the differentiation between both groups. Conclusions: The statistical fractal behavior of the cardiac dynamics was corroborated, as well as the loss of complexity for the acute dynamics with respect to the normal dynamics.

Key words
acute heart disease


Clasificación en siicsalud
Artículos originales > Expertos de Iberoamérica >
página   www.siicsalud.com/des/expertocompleto.php/

Especialidades
Principal: Cardiología, Cuidados Intensivos
Relacionadas: Cuidados Intensivos, Informática Biomédica, Medicina Interna, Pediatría



Comprar este artículo
Extensión: 6.14 páginas impresas en papel A4

file05.gif (1491 bytes) Artículos seleccionados para su compra



Enviar correspondencia a:
Javier Rodríguez, Calle 83 No. 16 A-43, Bogotá, Colombia
Bibliografía del artículo
1. Mandelbrot B. Scaling and power laws without geometry. In: The Fractal Geometry of Nature. Freeman Ed. San Francisco, pp. 344-8, 1972.
2. Zipf GK. The human behavior and the principle of least effort. Addison-Wesley Press, Cambridge, MA, 1949.
3. Mandelbrot B. Information theory and psycholinguistics: a theory of words frequencies, in: Lazafeld P, Henry N. (Eds.) Readings in mathematical social science, MIT Press, Cambridge, MA, 1966.
4. Mandelbrot B. Structure formelle des textes et comunication. World. 10:1-27, 1954.
5. Corral Á, Boleda G, Ferrer-i-Cancho R. Zipf's law for word frequencies: Word forms versus lemmas in long texts. PloS one, 10(7), e0129031, 2015.
6. Hernández A, Diéguez F. La ley de Zipf y la detección de la evolución verbal en la enfermedad de Alzheimer. Anuario de Psicología 43(1):67-82, 2013.
7. WHO. The atlas of heart disease and stroke. Deaths from coronary heart disease. Disponible en: http://www.who.int/cardiovascular_diseases/en/cvd_atlas_14_deathHD.pdf?ua=1.
8. Nichols M, Townsend N, Scarborough P, Rayner M. Cardiovascular disease in Europe 2014: epidemiological update. European Heart Journal 35(42):2950-2959, 2014. doi: 10.1093/eurheartj/ehu299.
9. Mozaffarian D, Benjamin E, Go AS, Arnett DK, Blaha MJ, et al. Heart disease and stroke statistics. Update. A report from the American Heart Association. Circulation 131:e29-e322, 2015.
10. OMS. Centro de prensa. Enfermedades cardiovasculares. Disponible en: http://www.who.int/mediacentre/factsheets/fs317/es/.
11. Harris P, Stein PK, Fung GL, Drew BJ. Heart rate variability measured early in patients with evolving acute coronary syndrome and 1-year outcomes of rehospitalization and mortality. Vasc Health Risk Manag 10:451, 2014.
12. Shahbazi F, Asl BM. Generalized discriminant analysis for congestive heart failure risk assessment based on long-term heart rate variability. Comput Methods Programs Biomed pii: S0169-2607(15)00217-5, 20105. doi: 10.1016/j.cmpb.2015.08.007.
13. Lakusic N, Mahovic D, Kruzliak P, Cerkez Habek J, Novak M, Cerovec D. Changes in heart rate variability after coronary artery bypass grafting and clinical importance of these findings. Biomed Res Int. 2015;2015:680515. doi: 10.1155/2015/680515. Epub 2015 May 20.
14. Gallo J, Farbiarz J, Alvarez D. Análisis espectral de la variabilidad de la frecuencia cardíaca. Iatreia 12(2):61-71, 1999.
15. Goldberger A, Amaral L, Hausdorff JM, Ivanov P, Peng Ch, Stanley HE. Fractal dynamics in physiology: alterations with disease and aging. PNAS 99:2466-2472, 2002.
16. Rodríguez J, Prieto S, Correa C, Bernal P, Puerta G, Vitery S, et al. Theoretical generalization of normal and sick coronary arteries with fractal dimensions and the arterial intrinsic mathematical harmony. BMC Medical Physics 10:1-6, 2010.
17. Rodríguez J, Prieto S, Correa C, Bernal P, Álvarez L, Forero G, et al. Diagnóstico fractal del ventriculograma cardíaco izquierdo. Geometría fractal del ventriculograma durante la dinámica cardíaca. Rev Colomb Cardiol 19(1):18-24, 2012.
18. Goldberger AL, West BJ. Applications of nonlinear dynamics to clinical cardiology. Ann N Y Acad Sci 504:195, 1987.
19. Goldberger AL, Rigney DR, Mietus J, Antman EM, Greenwald S. Nonlinear dynamics in sudden cardiac death syndrome: heart rate oscillations and bifurcations. Experientia 44:983, 1988.
20. Pincus SM. Approximate entropy as a measure of system complexity. Proc Natl Acad Sci USA 88:2297, 1991.
21. Ksela J, Avbelj V, Kalisnik JM. Multifractality in heartbeat dynamics in patients undergoing beating-heart myocardial revascularization. Comput Biol Med 60:66-73, 2015.
22. Chang MC, Peng CK, Stanley HE. Emergence of dynamical complexity related to human heart rate variability. Phys Rev E Stat Nonlin Soft Matter Phys 90(6):062806, 2014.
23. Porta A, Bari V, Marchi A, De Maria B, Cysarz D, Van Leeuwen P, Takahashi AC, Catai AM, Gnecchi-Ruscone T. Complexity analyses show two distinct types of nonlinear dynamics in short heart period variability recordings. Front Physiol 6:71, 2015.
24. Rodríguez J. Nuevo diagnóstico físico y matemático de la monitoria fetal: predicción de aplicación clínica. Momento Revista de Física 44:49-65, 2012.
25. Rodríguez J, Prieto S, Ortiz L, Bautista A, Bernal P, Avilán N. Diagnóstico matemático de la monitoria fetal aplicando la ley de Zipf Mandelbrot. Rev Fac Med Univ Nac Colomb 54(2):96-107, 2006.
26. Rodríguez J. Entropía proporcional de los sistemas dinámicos cardíacos: Predicciones físicas y matemáticas de la dinámica cardíaca de aplicación clínica. Rev Colomb Cardiol 17:115-129, 2010.
27. Rodríguez J. Mathematical law of chaotic cardiac dynamic: Predictions of clinic application. J Med Med Sci 2(8):1050-1059, 2011.
28. Rodríguez J, Prieto S, Flórez M, Alarcón C, López R, Aguirre G, Morales L, Lima L, Méndez L. Physical-mathematical diagnosis of cardiac dynamic on neonatal sepsis: predictions of clinical application. J Med Med Sci 5(5):102-108, 2014.
29. Rodríguez J, Narváez R, Prieto S, Correa C, Bernal P, Aguirre G, Soracipa Y, Mora J. The mathematical law of chaotic dynamics applied to cardiac arrhythmias. J Med Med Sci 4(7):291-300, 2013.
30. Rodríguez J, Álvarez L, Tapia D, López F, Cardona M, Mora J, et al. Evaluación de la dinámica cardíaca de pacientes con arritmia con base en la teoría de la probabilidad. Medicina (Bogotá) 34(1):7-16, 2012.
31. Rodríguez J, Correa C, Melo M, Domínguez, D, Prieto S, Cardona DM, et al. Chaotic cardiac law: Developing predictions of clinical application. J Med Med Sci 4(2):79-84, 2013.
32. Rodríguez J, Prieto S, Domínguez D, Melo M, Mendoza F, Correa C, Soracipa Y, Pinilla L, Pardo J, Ramírez N. Mathematical-physical prediction of cardiac dynamics using the proportional entropy of dynamic systems. J Med Med Sci 4(8):370-381, 2013.
33. Rodríguez J, Prieto S, Bernal P, Izasa D, Salazar G, Correa C, Soracipa Y. Entropía proporcional aplicada a la evolución de la dinámica cardíaca. Predicciones de aplicación clínica. En: Rodríguez LG, coordinador. La emergencia de los enfoques de la complejidad en América Latina: implicancias políticas, epistemológicas y metodológicas para las ciencias del siglo XXI. Tomo 1,1a ed. Buenos Aires: Comunidad Editora Latinoamericana pp. 315-334, 2015.
34. Rodríguez J, Prieto S, Correa C, Mendoza F, Weisz G, Soracipa Y, Velásquez N, Pardo J, Martínez M, Barrios F. Physical mathematical evaluation of the cardiac dynamic applying the Zipf ? Mandelbrot law. Journal of Modern Physics 6:1881-1888, 2015. http://dx.doi.org/10.4236/jmp.2015.613193.
35. Rodríguez J, Correa C, Ortiz L, Prieto S, Bernal P, Ayala J. Evaluación matemática de la dinámica cardíaca con la teoría de la probabilidad. Rev Mex Cardiol 20(4):183-189, 2009.
36. Rodríguez J, Correa C, Prieto S, Bernal P, Forero G, Salazar G, Vitery S, Álvarez L, Puerta G. Confirmación del método de ayuda diagnóstica de la dinámica cardíaca de aplicación clínica desarrollado con base en la teoría de la probabilidad. Rev Fac Med 19(2):167-177, 2011.
37. Huikuri HV, Mäkikallio T, Peng CK et al. Fractal correlation properties of R ? R interval dynamics and mortality in patients with depressed left ventricular function after and acute myocardial infarction. Circulation 101:47-53, 2000.
38. Voss A, Schulz S, Schroeder R, Baumert M, Caminal P. Methods derived from nonlinear dynamics for analysing heart rate variability. Phil Trans R Soc A 367:277, 2009.
39. Rodríguez J. Comportamiento fractal del repertorio T específico contra el alérgeno Poa P9. Rev Fac Med Univ Nac Colomb 53:72-8, 2005.
40. Rodríguez J. Dynamical systems theory and Zipf-Mandelbrot Law applied to the development of a fetal monitoring diagnostic methodology. XVIII FIGO World Congress of Gynecology and Obstetrics. Kuala Lumpur, Malaysia. November 2006.
41. Borgatta L, Shrout PE, Divon MY. Reliability and reproducibility of nonstress test readings. Am J Obstet Gynecol 159(3):554-8, 1988.
42. Rodríguez J, Prieto S, Correa C, Pérez C, Mora J, Bravo J, Soracipa Y, Álvarez L. Predictions of CD4 lymphocytes count in HIV patients from complete blood count. BMC Medical Physics 13:3, 2013.
43. Rodríguez J, Bernal P, Prieto S, Correa C. Teoría de péptidos de alta unión de malaria al glóbulo rojo. Predicciones teóricas de nuevos péptidos de unión y mutaciones teóricas predictivas de aminoácidos críticos. Inmunología 29(1):7-19, 2010.
44. Rodríguez J. Método para la predicción de la dinámica temporal de la malaria en los municipios de Colombia. Rev Panam Salud Pública 27(3):211-218, 2010.
45. Rodríguez J, Prieto S, Correa C, et al. Theoretical generalization of normal and sick coronary arteries with fractal dimensions and the arterial intrinsic mathematical harmony. BMC Medical Physics 10:1-6, 2010.
46. Prieto S, Rodríguez J, Correa C, Soracipa Y. Diagnosis of cervical cells based on fractal and Euclidian geometrical measurements: intrinsic geometric cellular organization. BMC Medical Physics 14(2):1-9, 2014.

 
 
 
 
 
 
 
 
 
 
 
 
Está expresamente prohibida la redistribución y la redifusión de todo o parte de los contenidos de la Sociedad Iberoamericana de Información Científica (SIIC) S.A. sin previo y expreso consentimiento de SIIC.
ua31618