ANÁLISIS DE SERIES TEMPORALES PROVENIENTES DE PULSOS CARDÍACOS

Abstract

Según datos de la Organización Mundial de la Salud, las enfermedades cardíacas constituyen la primera causa de decesos a nivel mundial. En Colombia, el DANE reporta estadísticas similares para cada departamento. En el distrito de Buenaventura la situación no es diferente, agravándose por múltiples problemas de abandono estatal y mala gestión de la salud pública. Por esta razón, está investigación se centró en la implementación y operación de un sensor cardíaco. Su puesta en operación fue realizada usando hardware y software en plataforma Arduino y lenguaje Python. Se logró un registro de series temporales con una duración superior a 42 minutos, las cuales contenían más de 3000 pulsos de interés en el electrocardiograma. Una vez adquiridas, se calcularon empleando lenguaje Python, parámetros estadísticos como la media, la desviación estándar e histogramas del tiempo entre pulsos de diferentes tipos, presentes en un evento cardíaco. Adicionalmente, se estudiaron e implementaron técnicas de análisis numérico, tales como la función de auto correlación, consiguiendo los gráficos que corresponden a 5 individuos evaluados con el dispositivo anteriormente mencionado. Los análisis desarrollados nos permitieron identificar diferencias, tiempos característicos y correlaciones presentes en las series temporales, con la intención de cimentar las bases para una investigación a mediano y a largo plazo, la cual permitirá establecer predicciones sobre datos cuantitativos, tomados mediante la aplicación de un dispositivo robusto, controlable y de bajo costo.

Heart disease is the leading cause of death worldwide according to the World's Health Organization reports. In Colombia, the National Department of Statistics-DANE showed a similar tendency for each county and region. Therefore, this research aimed to develop a method to analyze real-time heart signals. For that purpose, an external cardiac sensor was designed for electrocardiographic signal acquisition using hardware and software platform Arduino and Python programming language. Time series were recorded for about 42 minutes showing more than 3000 pulses of interest throughout the electrocardiogram. Using Python language were calculated statistical parameters and histograms of time between the peaks observed along the cardiac activity. Additionally, methods for numerical analysis such as autocorrelation function were designed and applied to present graphically the data obtained from five individuals using our cardiac sensor above mentioned. All this analysis showed differences between signals, specific times and correlations observed in the time series. This will be useful to establish the bases for middle term and long-term research focused on predictions-based on quantitative data from signals acquired using a robust, controlled, and low-cost device.