2026-04-28T21:15:43Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/613612025-02-21T07:49:57Zcom_10324_38col_10324_852
Fernández Vaquerizo, María
2023-09-04T08:46:08Z
2023-09-04T08:46:08Z
2023
https://uvadoc.uva.es/handle/10324/61361
El síndrome post – COVID o COVID persistente (SPC-CP) hace referencia a los
síntomas que continúan o se desarrollan después de una infección por coronavirus SARS-CoV-2,
conocido por COVID-19, y que no se pueden explicar por un diagnóstico alternativo, incluyendo
este término a los síntomas que continúan más allá de las 12 semanas posteriores a la infección,
exhibiendo las personas que lo padecen un deterioro en la estructura y en la función de múltiples
órganos. El SPC-CP es un gran desafío para la comunidad médica ya que su estudio y
comprensión todavía es insuficiente. Entre el 10% y el 35% de los pacientes que han sido
diagnosticados de COVID-19 refieren la persistencia de al menos un síntoma después de tres
semanas de seguimiento a partir del diagnóstico, destacando como dos de los síntomas más
frecuentes la fatiga y la disnea. Esta incidencia se incrementa hasta el 50-84% en caso de que
los pacientes hayan requerido hospitalización durante el periodo de infección.
El presente trabajo se ha desarrollado bajo la hipótesis principal de que
el análisis de la actividad cardiaca, actividad respiratoria y acoplamiento cardiorrespiratorio
podría aportar información relevante y complementaria útil en la gestión de pacientes con
síndrome post-COVID. El objetivo general del estudio consistió en analizar y caracterizar los
patrones cardiorrespiratorios de pacientes con y sin diagnóstico de SPC-CP para identificar los
índices autonómicos, oximétricos y de acoplamiento con mayor nivel de asociación con la
persistencia de los síntomas y poder diferenciar a estos pacientes de otros sujetos sin
diagnóstico de SPC-CP.
Se reclutaron pacientes que acudían de forma consecutiva al Servicio de
Neumología del Hospital Río Hortega de Valladolid, que fueron agrupados en las siguientes
categorías: (i) sujetos de control sin diagnóstico previo de COVID-19; (ii) pacientes con
diagnóstico confirmado de COVID-19; (iii) pacientes con diagnóstico de SPC-CP. A todos los
participantes se les registró la señal de electrocardiograma y oximetría en reposo durante un
mínimo de 7 minutos. La metodología llevada a cabo en este estudio se dividió en tres fases:
extracción, selección y clasificación de características. En la primera fase se aplicaron métodos
de análisis en el dominio temporal, espectral y no lineal para caracterizar las señales de HRV
derivada del ECG, SpO2 y el acoplamiento cardiorrespiratorio, incorporándose además variables
de la historia clínica de cada paciente. En la segunda fase se seleccionó un subconjunto óptimo
de características con la mayor cantidad de información complementaria para realizar el
diagnóstico de SPC-CP, empleando para ello algoritmos genéticos. Por último, la clasificación se
realizó mediante una red neuronal perceptrón multicapa (MLP), entrenada para identificar a los
3 grupos de pacientes bajo estudio (controles, COVID, SPC-CP).
Un total de 105 pacientes cumplieron los criterios de inclusión y se incorporaron al
estudio. De ellos, 83 sujetos pasaron finalmente a la etapa de modelado de datos: (i) 25
controles, (ii) 25 con diagnóstico previo de COVID sin persistencia de síntomas y (iii) 33 con
diagnóstico confirmado de SPC-CP. Las siguientes características fueron seleccionadas
automáticamente mediante el algoritmo genético: presencia de apnea obstructiva del sueño,
potencia total en la banda de altas frecuencias de la señal de variabilidad del ritmo cardiaco,
magnitud de la coherencia espectral (acoplamiento cardiorrespiratorio) y la puntuación del test
CAT de calidad de vida. La red MLP alcanzó una precisión del 75%, un índice Kappa de 0.621 y
un Macro F1-score del 76.52% en la identificación de las 3 clases de pacientes en una población
independiente de test. Alternativamente, se alcanzó una precisión del 90% (92% Se y 88% Sp)
en la diferenciación entre sujetos con y sin SPC-CP bajo un enfoque binario. El análisis automático de la actividad cardiaca, respiratoria y de la interacción
entre ambas ha demostrado aportar información complementaria relevante en la
caracterización del SPC-CP. Los resultados obtenidos sugieren que el empleo de esta
información como entrada a una red neuronal podría resultar útil en la identificación y gestión
de pacientes con SPC-CP.
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Algoritmos genéticos
Estudio de las señales de variabilidad del ritmo cardiaco y saturación de oxígeno en sangre en pacientes con COVID-19 persistente
info:eu-repo/semantics/bachelorThesis