Transformada wavelet estacionaria y redes neuronales para la detección de pulso en episodios de parada cardiorrespiratoria

Abstract

La disponibilidad de un detector automático de pulso durante un episodio de parada cardiorrespiratoria extrahospitalaria (PCREH) permitiría una rápida identificación de la parada cardiaca y una temprana detección del retorno de la circulación espontánea. El objetivo de este estudio fue desarrollar un algoritmo de detección de pulso basado en el electrocardiograma (ECG) y la impedancia torácica (IT), las señales que registra la mayoría de los desfibriladores comerciales. La base de datos de estudio se compuso de 456 segmentos de 5 s que contenían las señales ECG e IT. Un total de 281 segmentos correspondieron a ritmos con pulso (RP) mientras que 175 correspondieron a actividad eléctrica sin pulso (AESP). Primero, la componente circulatoria de la impedancia (CCI) fue extraída de la señal de IT a través de la transformada wavelet estacionaria. Después, se extrajeron características para la discriminación RP/AESP del ECG preprocesado (0.5–30 Hz), de la CCI y de su primera derivada. Estas características fueron introducidas en una red neuronal que clasificó el segmento como RP/AESP. Un procedimiento basado en validación cruzada de 5-subconjuntos quasi-estratificada en términos de paciente fue usada para la selección del mejor conjunto de características y para optimizar y testear la red neuronal. Este procedimiento se repitió 50 veces para estimar la distribución estadística de las métricas de rendimiento del método. La solución óptima consistió en una red neuronal basada en 3 características y con 20 neuronas en su capa oculta que obtuvo una media (desviación estándar) en términos de sensibilidad, especificidad, precisión balanceada y precisión de 90.2% (1.9), 90.9% (1.2), 90.6% (0.9) y 90.5% (1.1), respectivamente. Se ha desarrollado un detector de pulso para uso en PCREH que hace uso de las señales disponibles en los desfibriladores.