Detección y análisis del componente endógeno CNV

Abstract

El experimento clásico evocador de la onda CNV consiste en la presentación consecutiva de dos estímulos. El primero advierte al sujeto de la aparición de un segundo estímulo, tras el que deberá realizar algún tipo de acción, generalmente motora (Walter et als., 1964). La onda eléctrica registrada en el intervalo de estos dos estímulos, mediante la utilización de electrodos situados en la superficie del cuero cabelludo, es la que se identifica como macrocomponente CNV.<br/><br/>Todos los registros de fenómenos bioeléctricos realizados en el ser humano se enfrentan con un problema fundamental: la presencia de ruido acompañando a la señal eléctrica que se desea registrar. En el caso de los potenciales relacionados con el evento este problema resulta ser extremadamente complicado, debido a que la razón señal/ruido (SNR), o sea el cociente de las variabilidades presentadas por ambas, suele ser extremadamente bajo.<br/><br/>Tradicionalmente el aumento de la SNR se ha solventado registrando gran cantidad de ensayos individuales, y promediando los valores obtenidos en cada punto "t" de la serie temporal. Este procedimiento, comúnmente utilizado en la mayoría de laboratorios, presenta graves inconvenientes de aplicación por lo que respecta al complejo CNV. En primer lugar cabe destacar la importante contaminación que sufre este multicomponente como resultado de los movimientos oculares producidos por el sujeto (Hillyard y Galambos, 1970). Esto hace que, si el rechazo de los ensayos contaminados por artefactos se produce simultáneamente a la obtención del registro, pueda dilatarse excesivamente la sesión experimental, con objeto de conseguir un número de ensayos suficientes en base a los que poder obtener la estimación de la señal. La producción de un número excesivo de ensayos comporta, a su vez, fatiga en el sujeto, resultando de esta forma bastante difícil el registro de la señal en población psicopatológica o en niños y ancianos. Por otra parte, si la selección de ensayos libres de movimientos oculares u otros artefactos se realiza con posterioridad a la finalización de la sesión de registro, es posible que el número de ensayos finalmente seleccionados sea tan reducido que impida la correcta estimación de la señal mediante el promediado simple, puesto que no serán suficientes para magnificar de forma conveniente la SNR.<br/><br/>Siguiendo la sugerencia realizada por Tukey (1978), se propone en esta tesis la utilización, conjuntamente con el promediado, de alguna técnica de suavizado (Tukey, 1977; Velleman y Hoaglin, 1981). La aplicación de estas técnicas produce un cambio en la perspectiva de la estimación de la señal, sustituyendo el promediado transversal clásico que utiliza el promediado simple por otro longitudinal.<br/><br/>Las técnicas de suavizado utilizadas son las contempladas por el Análisis Exploratorio de Datos (EDA) y comparten, por tanto, sus propiedades y ventajas, que pueden resumirse en:<br/><br/>- sencillez de formalización<br/>- utilización de índices resistentes y robustos<br/>- análisis gráfico<br/>- análisis de los residuales<br/><br/>La técnica se plantea conseguir una descripción simple de variable "v" (diferencia de potencial) en función del tiempo, descomponiéndose cada valor (Dato = Parte Suavizada + Parte Rugosa). La parte suavizada no pretende ser una descripción mediante una fórmula sino simplemente una curva alisada que recoja, a gran escala, la estructura de la secuencia de datos, y por consiguiente la parte rugosa sea un proceso aleatorio.<br/><br/>Este tipo de alisado aplicado a una secuencia de datos EEG actúa como un filtro de pasa-bajos, por lo tanto elimina los componentes que presentan frecuencias altas, siendo a nuestro entender este hecho lo que los hace especialmente adecuados para el análisis de componentes lentos como la CNV. Ciertamente este proceso dependerá básicamente de dos parámetros, la amplitud de ventana empleada y la ponderación de los elementos que la componen.<br/><br/>La utilización de las técnicas de suavizado, al actuar sobre las respuestas eléctricas de alta frecuencia, permite eliminar aquellos ensayos contaminados que no hayan sido mitigados mediante el uso del filtrado analógico, o cualquier otro método de rechazo de artefactos.<br/><br/>La aplicación de los alisadores se realizará de forma exploratoria, o sea, observando la actuación de diferentes tipos de éstos sobre la serie registrada. Esto no puede ser de otra forma debido a que no es conocida la función de transferencia que permitiría el cambio del análisis en el dominio del tiempo al dominio de la frecuencia, siendo ésta, en la actualidad, su principal limitación.<br/><br/>Se ha realizado una aplicación de las técnicas de suavizado a unos datos obtenidos en experimentos CNV y RP (Potencial de Preparación). Tanto en los experimentos CNV como los RP la aplicación combinada de alisadores y el promediado simple proporciona una estimación de la señal a partir de un reducido número de ensayos individuales, evitando de esta forma la aparición de los procesos de fatiga y habituación. Esta es una de las grandes ventajas en comparación con el promediado simple, que requiere un mayor número de ensayos para obtener una estimación similar.<br/><br/>Esta mejora en la estimación redundará en la de los posibles análisis realizados utilizando este componente corno variable dependiente, en estudios de relación con otras variables experimentales con las que puede encontrarse relacionado.<br/><br/>La utilización de alisadores demasiado fuertes, corno por ejemplo la regresión Lowess, afecta a componentes corno el P300 y el RP deformando excesivamente su estimación.<br/><br/>En el apéndice se realiza un estudio de simulación en el que parece confirmarse la mejora que supone la realización de un proceso de suavizado de forma complementaria al del promediado. En un primer estadio se constató que en caso de que las SNR se aproxime a la unidad, el suavizado consigue una correcta estimación utilizando únicamente un sólo ensayo, incluso con los alisadores considerados más blandos. Ciertamente, en el caso de los registros ERP no es frecuente encontrar SNR's tan elevadas, ni siquiera en el caso de la CNV, que quizás sea uno de los componentes en el cual ésta es de las más altas. Por este motivo se trabajó con una SNR más próxima a la que suele ser habitual en este tipo de macrocomponente. En esta situación se constató que, si bien la estimación en base al ensayo individual resultó muy deformada, sí que es posible la correcta detección de la señal en base a un menor número de ensayos, tanto si se suaviza el promedio de éstos, como si se calcula el promedio de los mismos ensayos previamente suavizados.

<i>The classic CNV evoking experiment consists on the consecutive presentation of two stimuli. First advises the subject the forthcoming second stimulus, after which some kind of action has to be done, often motor (Walter et als., 1964). The registered electric wave in the interval between these two stimuli, by using scalp electrodes, is named as CNV macrocomponent.<br/><br/>Every bioelectric phenomena registered on the human being are confronted to a main problem: the presence of noise going along with the electric signal intended to register. Signal extraction from noise has been traditionally solved by registering a great number of individual trials and averaging the values obtained on each "t" point of the time series. This proceeding, commonly used on most laboratories, presents serious application problems on the CNV complex. Following Tukey's suggestions (1978), it is proposed on the thesis the use, along with averaging, of some smoothing technique (Tukey, 1977; Velleman & Hoaglin, 1981). These techniques application yields to a perspective change on the signal estimation, by substituting classic transversal averaging that uses simple averaging, by a longitudinal one.<br/><br/>In the thesis it has been done an application of smoothing techniques to a data obtained on CNV and RP (Readiness Potential) experiments. On both, combined application of smoothing and simple averaging offers an signal estimation from a reduced number of individual trials, avoiding in such a way the fatigue and habituation processes. Is this one of the major advantages comparing to the simple averaging that needs a great number of trials to obtain a similar estimation. </i>