Análisis de la variabilidad de los sistemas complejos utilizando entropía aproximada
DOI:
https://doi.org/10.31053/1853.0605.v67.n2.23423Palabras clave:
sistemas complejos, entropía aproximada, variabilidadResumen
Los sistemas biológicos son sistemas altamente complejos, tanto espacial como temporalmente. Los mismos están cimentados en una red dinámica interconectada marcadamente interdependiente, redundante y pleiotrópica. Las propiedades de un sistema son distintas de las de sus partes, aunque ellas dependen de la integridad del todo. Las propiedades sistémicas desaparecen cuando el sistema se rompe, mientras que las propiedades de sus componentes se mantienen. La enfermedad puede entenderse como una alteración funcional sistémica del organismo humano, y se presenta con una enorme variabilidad en los patrones de severidad, estabilidad y duración. Los sistemas biológicos complejos se caracterizar por presentar ritmos o ciclos medibles y objetivables, los ritmos anormales están asociados a la enfermedad y pueden estar involucrados en su patogénesis, este fenómeno se denomina “enfermedad dinámica”. Los médicos hace más de 20 siglos que reconocen la asociación de las alteraciones de los ritmos fisiológicos con la presencia de enfermedad. La medición de los valores absolutos de los parámetros clínicos es una fuente altamente significativa y relevante de datos sobre el estado de los pacientes, sin embargo la medición de la variabilidad de estos ofrece una muy valiosa información adicional. El objetivo de esta revisión fue estudiar uno de los avances más recientes en la medición y caracterización de la variabilidad biológica posibilitados por el desarrollo de modelos matemáticos basados en la teoría del caos y de las dinámicas no lineales, como el cálculo de la entropía aproximada, que ofrece una herramienta para poder discernir el significado de las diferencias en la variabilidad de los signos biológicos en diferentes grupos de pacientes.
Descargas
Referencias
Kolmogorov AN. Dokl Akad Nauk SSSR 1968;119:861- 864.
Sinai Ya G. Dokl Akad Nauk SSSR 1959;124:768-771.
Oseledets VI. Trna Moscow Math Soc 1968;19:197- 231.
Pincus SM. Approximate entropy as a measure of system complexity. Proc Nat Acad Sci USA 1991;88:2297-2301.
Pincus SM. Approximate entropy (ApEn) as a complexity measure. Chaos 1995;5:110-117.
Pincus SM, Singer BH. Randomness and degrees of irregularity. Proc Nat Acad Sci USA 1995;93:2083-2088.
Cunningham S, Symon AG, McIntosh N. The practical management of artifacts on computerized physiological data. Int J Clin Monit Comput 1994;11:211-216.
Heisemberg W. Über den anschaulichen Inhalt der quantuentheorischen Kinetik und Mechanik. Zeitscrift für Physik 1927:43:172-198.
Richman JS, Moorman JR. Physiological time-series analysis using approximate entropy and sample entropy. Am J Physiol 2000;278:2039-2049.
Pincus SM. Assessing serial irregularity and its implications for health. Ann NY Acad Sci 2001;954:245-267.
Pincus SM, Cummings TR, Haddad GG. Hearth rate control in normal and aborted –SIDS infants. Am J Physiol 1993;264:638-646.
Veldman RG, Frolich M, Pincus SM, Veldhuis JD, Roelfsema F. Patients with Cushing’s disease secrete adrenocorticotropin and cortisol jointly more asynchronous than healthy subjects. J Clin Endocrinol Metab 1998;83:688-692.
Engoren M, Approximate entropy of respiratory rate and tidal volume during weaning from mechanical ventilation. Crit Care Med 1998;26:1817-1823.
Burnsed J, Quigg M, Zanelli S, Goodkin HP .Clinical Severity, Rather Than Body Temperature, During the Rewarming Phase of Therapeutic Hypothermia Affect Quantitative EEG in Neonates With Hypoxic Ischemic Encephalopathy. J Clin Neurophysiol. 2011 Jan 10. [Epub ahead of print]
Varela M, Jimenez L, Farina R. Complexity analysis of the temperatura curve: new information from body temperatura. Eur J Appl Physiol 2003;89:230-237.
Pincus SM, Goldberger AL. Physiological time-series analysis: what do regularity quantify? Am J Physiol 1994;643-656.
Ryan SM, Goldberger AL, Pincus SM, Mietus J, Lipsitz LA. Gender and age-ralated differences in hearth rate dynamics: are woman more complex than men? Am Coll Cardiol 1994;24:1700-1707.
Costa M, Goldberger AL, Peng CK. Multiscale entropy to analysis of complex physiologic time series. Phys Rev Lett 2002;89:68-102.
Pan YH, Wang YH, Liang SF, Lee KT. Fast computation of sample entropy and approximate entropy in biomedicine. Comput Methods Programs Biomed. 2011 Jan 3. [Epub ahead of print].
Deffeyes JE, Harbourne RT, Stuberg WA, Stergiou N. Approximate entropy used to assess sitting postural sway of infants with developmental delay. Infant Behav Dev. 2010 Dec 1. [Epub ahead of print].
Jovic A, Bogunovic N. Electrocardiogram analysis using a combination of statistical, geometric, andnonlinear heart rate variability features. Artif Intell Med. 2010 Oct 25. [Epub ahead of print].
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2010 Universidad Nacional de Córdoba
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Se permite la generación de obras derivadas siempre que no se haga con fines comerciales. Tampoco se puede utilizar la obra original con fines comerciales.