Publique en esta revista
Información de la revista

Congreso

Contenidos del congreso
Congreso
SEC 2019 - El Congreso de las Enfermedades Cardiovasculares
Barcelona, 17-19 Octubre 2019
Listado de sesiones


Introducción
Dr. Arturo Evangelista Masip
Presidente del Comité Científico del Congreso

Comité ejecutivo
Comité de evaluadores
Índice de autores

Listado de sesiones


Introducción
Dr. Arturo Evangelista Masip
Presidente del Comité Científico del Congreso

Comité ejecutivo
Comité de evaluadores
Índice de autores

Comunicación
5001. Estable pero no estático
Texto completo

5001-11 - DETECCIÓN DE FIBROSIS CON ELECTROCARDIOGRAMA DE SUPERFICIE EN PACIENTES CON MIOCARDIOPATÍA HIPERTRÓFICA

Francisco Manuel Melgarejo Meseguer1, Carmen Muñoz Esparza1, María Eladia Salar Alcaraz1, Francisco Javier Gimeno Blanes2, José Luis Rojo Álvarez3, Juan Ramón Gimeno Blanes1 y Arcadi García Alberola1, del 1Hospital Clínico Universitario Virgen de la Arrixaca, El Palmar (Murcia), 2Universidad Miguel Hernández, Elche (Alicante) y 3Universidad Rey Juan Carlos, Madrid.

Introducción y objetivos: La detección de fibrosis mediante resonancia magnética con secuencia de realce tardío de gadolinio (RM-RTG) en la miocardiopatía hipertrófica (MHC), se relaciona con el desarrollo de eventos arrítmicos. No obstante, su disponibilidad y uso en pacientes portadores de dispositivos intracardiacos es limitada. Por ello, se propone un algoritmo que permita una primera valoración clínica de la presencia de fibrosis de forma rápida, no invasiva, compatible con existencia de dispositivos intracardiacos, y económicamente generalizable a partir de ECG de superficie.

Métodos: Se estudiaron 68 pacientes con MCH (48,9 ± 16,1 años, 2/3 varones), de los cuales se disponía simultáneamente de ECG digital y RM-RTG. El número de pacientes que (no) presentaron QRS fragmentado evaluado mediante doble ciego es de 21 (47). El número de pacientes que (no) presentaron fibrosis medida mediante RM-RTG es de 41 (27). El método propuesto para la detección automática de fibrosis fue el siguiente: a) adecuación de la señal, extracción de las derivaciones linealmente independientes (I, II, V1, V2, V3, V4, V5 y V6) y filtrado no estricto para mantener características fisiológicas; b) creación del latido plantilla, mediante filtrado estadístico con selección por correlación estricta entre latidos; c) segmentación y análisis de características alrededor de la onda R. Las características analizadas fueron: media, desviación estándar, oblicuidad, curtosis y número de extremos positivos. Todas ellas calculadas tanto sobre la señal enventanada como sobre la expresión espectral frecuencias bajas, medias y altas; y d) Todas las características fueron finalmente sometidas a clasificador mediante árbol de decisión binario con entrenamiento y validación cruzada (70/30) (figura).

Resultados: Como algoritmo de decisión para la detección de fibrosis, el modelo arrojó una sensibilidad del 75,0%, una especificidad del 75,0%, un valor predictivo positivo del 81,8% y un valor predictivo negativo del 66,7%, mientras que para la fragmentación evaluada por el clínico presenta una sensibilidad del 34,0%, una especificidad del 66,7%, un valor predictivo positivo del 64,0% y un valor predictivo negativo del 36,7%.

Algoritmo de decisión para la evaluación de fibrosis.

Conclusiones: La utilización de técnicas de análisis de señal aplicadas al ECG convencional mejora la capacidad predictiva del análisis visual del mismo para la detección de fibrosis en la MCH.

Idiomas
Revista Española de Cardiología

Suscríbase a la newsletter

es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?