Análisis de la actividad muscular respiratoria mediante técnicas temporales,frecuenciales y estadísticas

Abstract

La enfermedad pulmonar obstructiva crónica (EPOC) es la enfermedad crónica de los pulmones más común representando una causa importante de incapacidad y de muerte. La actividad respiratoria está definida en gran medida por la acción de músculos respiratorios. En esta tesis se realiza el análisis de la actividad del músculo esternocleidomastoideo (ECM) considerado el músculo respiratorio accesorio más importante en la función respiratoria. En sujetos sanos está activo sólo con altos niveles de ventilación. Sin embargo, en pacientes con EPOC su contribución es más importante incluso a bajos niveles respiratorios. Se selecciona por su accesibilidad permitiendo utilizar técnicas no invasivas como los registros de señales electromiográficas (EMG) y vibromiográficas (VMG) que están relacionadas con la actividad eléctrica y mecánica del músculo, respectivamente.<br/><br/>En el primer capítulo se realiza una breve introducción sobre tres temas básicos: la actividad respiratoria con los músculos que la activan, la EPOC y las señales biomédicas de interés correspondientes a la presión inspiratoria y las señales miográficas: EMG y VMG.<br/><br/>En el siguiente capítulo se define los objetivos y el método para la evaluación de la actividad muscular respiratoria propuesto en la presente tesis: análisis del músculo ECM durante un protocolo ventilatorio compuesto de cinco pruebas para estudiar la función muscular en diferentes niveles de ventilación hasta alcanzar la fatiga. Para el análisis se propone diversos parámetros relacionados con la actividad y fatiga muscular: temporales, frecuenciales y calculados a partir de la función de correlación cruzada entre valores cuadráticos de las señales miográficas.<br/><br/>En el capítulo tercero se realiza el diseño del sistema completo de instrumentación para la adquisición de las diferentes señales biomédicas en el Hospital. Se estudia y configura las diferentes etapas de la cadena de adquisición: transductores, amplificadores, y tarjeta A/D para el almacenamiento de los datos en un ordenador personal. Se analiza detalladamente las interferencias que afectan en la adquisición y se describe las medidas adoptadas para reducirlas. Por último se detecta la zona de inervación del músculo ECM que determina la posición de los electrodos en el registro. <br/><br/>Se realiza un procesado previo a las señales biomédicas para su acondicionamiento que se explica en el capítulo cuarto. Principalmente, se describe un algoritmo implementado para la detección automática de períodos inspiratorios y espiratorios mediante la señal de presión. Esto permite el análisis de la actividad del músculo ciclo a ciclo respiratorio.<br/><br/>En el quinto capítulo se reduce la actividad cardíaca interferente en las señales miográficas mediante diferentes técnicas de filtrado: en el dominio analógico mediante un circuito no lineal por 'slew rate' que reduce los complejos QRS de la señal ECG y de forma digital mediante procesado diferido. Se propone dos métodos de filtrado digital que son analizados en simulación mediante señales artificiales con diferente SNR y en señales miográficas reales registradas en la población en estudio: filtrado adaptativo mediante el algoritmo LMS y descomposición en valores singulares. Se determina un filtro adaptativo con unas características específicas de ganancia, retardo existente entre señales primaria y de referencia y vector de pesos inicial. Para un correcto filtrado se presenta un algoritmo de detección automática de complejos QRS en la señal EMG. Se analiza la influencia de la SNR en los parámetros de análisis, así como la de la carga en las pruebas de esfuerzo incremental. Finalmente se propone los filtros más adecuados para cada señal dependiendo del esfuerzo muscular. <br/><br/>En el capítulo sexto se estudia en detalle las variaciones en sesgo, resolución y varianza de diferentes estimadores espectrales univariantes no paramétricos: periodograma de Welch y correlograma; y paramétricos: modelos AR, MA y ARMA, con cambios en algunas variables de estimación y ventanas utilizadas. Se analiza la influencia del estimador y de la variable de estimación en los parámetros frecuenciales y en la variabilidad entre ciclos respiratorios. A partir de este estudio se propone los mejores estimadores con sus variables correspondientes para la obtención de los parámetros relacionados con la actividad y fatiga muscular. Se presenta resultados en la población de pacientes con EPOC donde variaciones de un parámetro temporal y frecuenciales al principio y final de las pruebas respiratorias están relacionadas con el nivel de severidad pulmonar obstructiva del enfermo.<br/><br/>En el capítulo siete se presenta una metodología de análisis basada en la unión de tres técnicas estadísticas multivariables y se aplica en el análisis de la actividad muscular respiratoria. En primer lugar se realiza un análisis multivariable de la varianza para el diseño de medidas repetidas mediante la definición de factores o efectos: ciclo, tramo y grupo. Se selecciona las variables de interés para separar grupos mediante diferentes contrastes. A continuación se propone un métodos de análisis factorial para obtener componentes principales con una elevada interpretación fisiológica. Por último se obtiene funciones del análisis discriminante que separa poblaciones de sujetos sanos y pacientes con EPOC con diferentes niveles de obstrucción respiratoria. Se evalúa la importancia de las pruebas y los instantes o efectos de las mismas (adaptación al esfuerzo, fatiga muscular, etc) que mejor separa los grupos en estudio. <br/><br/>La metodología aportada permite analizar las estrategias de funcionamiento, actividad y fatiga del músculo respiratorio. Los resultados y conclusiones obtenidos detectan una diferente función muscular entre los sujetos sanos y pacientes con EPOC. Por tanto, el análisis de señales miográficas de músculos respiratorios puede convertirse en una herramienta no invasiva para estudiar patologías respiratorias.