ES2342056T3 - Proceso de deteccion del estres por segmentacion y analisis de una señal de latidos de corazon. - Google Patents
Proceso de deteccion del estres por segmentacion y analisis de una señal de latidos de corazon. Download PDFInfo
- Publication number
- ES2342056T3 ES2342056T3 ES03787831T ES03787831T ES2342056T3 ES 2342056 T3 ES2342056 T3 ES 2342056T3 ES 03787831 T ES03787831 T ES 03787831T ES 03787831 T ES03787831 T ES 03787831T ES 2342056 T3 ES2342056 T3 ES 2342056T3
- Authority
- ES
- Spain
- Prior art keywords
- stress
- relaxation
- heart rate
- state
- level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/083—Measuring rate of metabolism by using breath test, e.g. measuring rate of oxygen consumption
- A61B5/0833—Measuring rate of oxygen consumption
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/221—Ergometry, e.g. by using bicycle type apparatus
- A61B5/222—Ergometry, e.g. by using bicycle type apparatus combined with detection or measurement of physiological parameters, e.g. heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Procedimiento para la detección de un estado de estrés, donde se mide la señal ambulatoria de los latidos de corazón, caracterizado por el hecho de que - los segmentos se definen a partir de la señal de los latidos de corazón con una regla de segmentación seleccionada, y - al menos un segmento que describe un estado fisiológico con una actividad cardíaca elevada debido a una esfuerzo físico y/o un nivel metabólico elevado se identifica y se excluye, en caso de existir, y - otros segmentos que los segmentos excluidos se detectan para un estado de estrés potencial, el cual se identifica mediante el uso de una regla predeterminada para la señal de los latidos de corazón.
Description
Proceso de detección del estrés por segmentación
y análisis de una señal de latidos de corazón.
La innovación presente se refiere a un método de
detección de un estado de estrés, donde se mide la frecuencia
cardiaca ambulatoria y se segmenta la señal derivada en estados
fisiológicos. El término "estado de estrés" significa también
aquí el "estado de relajación" opuesto.
La frecuencia cardiaca forma parte de encuentra
de los parámetros más usados habitualmente en un control
fisiológico. El uso amplio de frecuencia cardiaca se refiere, por
una parte, a la disponibilidad de un dispositivo de adquisición de
electrocardiograma (ECG) de electrocardiógrafo para un control no
invasivo y, por otra parte, a un papel esencial de la frecuencia
cardiaca en la función y sensibilidad del sistema nervioso
autonómico con respecto a varios estados fisiológicos y condiciones.
La frecuencia cardiaca (o ritmo cardíaco recíproco) forma una base
para diferentes tipos de análisis y se puede definir como la serie
de intervalos entre formas de onda QRS consecutivas en la señal del
ECG. Otro método para obtener información sobre el tiempo
transcurrido entre latidos de corazón consecutivos es la detección
de intervalos de latidos del corazón a partir de una señal de pulso
cardíaco.
El hecho de que la frecuencia cardíaca sea un
producto complejo de varios mecanismos fisiológicos supone un
desafío para el uso de la frecuencia cardiaca en contextos
aplicados. Es especialmente el caso durante la medición ambulatoria,
que es una medición realizada en pruebas en condiciones naturales,
libremente o en condiciones reales, fuera del entorno de laboratorio
controlado y sin protocolos. No obstante, la naturaleza
multideterminada de la frecuencia cardiaca también puede potenciar
una derivación de medidas fisiológicas adicionales a partir de la
señal de frecuencia cardiaca mediante la descomposición de una serie
de frecuencias cardiacas en componentes separados que tienen una
interpretación fisiológica.
Se sabe que ambas ramas del sistema nervioso
autonómico (ANS), del sistema nervioso simpático (SNS) y del sistema
nervioso parasimpático (PNS) tiene una influencia sobre el ritmo
cardíaco. Se sabe en general que la actividad del SNS y PNS produce,
respectivamente, un aumento y reducción del nivel del ritmo
cardíaco. Por lo que no es sorprendente que la mayoría de las
operaciones para determinar las funciones fisiológicas y estados en
las que se usa información sobre la señal de latidos de corazón se
refiera frecuentemente a unos cambios de los latidos de corazón como
derivación de la influencia de SNS y/o PNS. Desafortunadamente,
normalmente es muy difícil determinar precisamente los efectos del
SNS y PNS sobre el ritmo cardíaco, ya que frecuentemente no se sabe
de manera evidente cuál es la rama del ANS que determina cambios en
el ritmo cardíaco y, además de estos mecanismos, existen otros
mecanismos distintos que alteran el nivel del ritmo cardíaco directa
como indirectamente, muchos de los cuales no se conocen bien.
La técnica anterior ha indicado varias líneas de
investigación que tratan de usar la variabilidad del ritmo cardíaco
(HRV) para cuantificar más selectivamente la actividad del SNS y
PNS. Se ha enseñado que, particularmente la fuerza del componente
llamado de alta frecuencia (HF) de la HRV en la región de frecuencia
de 0.15-0.50 Hz provee una información sobre el
nivel del flujo de salida parasimpático hacia el corazón.
Desafortunadamente, aunque se ha reivindicado en algunos ejemplos
que el componente llamado de baja frecuencia (LF) de la HRV en la
región de frecuencia de 0.04-0.15 refleja una
actividad de SNS, los efectos del SNS sobre la HRV son más bien
confusos y se sabe que otros mecanismos distintos también tienen
influencia sobre la HRV y especialmente el componente LF, incluyendo
el PNS, respuestas hormonales, ajustes metabólicos, y control de
presión sanguínea. Por lo que, unos aumentos y disminuciones del
nivel del ritmo cardíaco y de HRV pueden ser debidos a varias
fuentes y por lo tanto, se puede interpretar únicamente cambios al
nivel del ritmo cardíaco y de la variabilidad del ritmo cardíaco
como indicativos del nivel de actividad del SNS y PNS durante una
situación controlada y preferiblemente con la ayuda de otras
medidas.
El concepto de estrés se refiere generalmente a
un dominio fisiológico en un estado de nivel intenso de actividad
fisiológica sin necesidad inmediata o aparente de tal carencia. En
este documento, se usa el estado de estrés para indicar un
equilibrio corporal donde la función cardiovascular global, tal como
se indica, por ejemplo, en el resultado del ritmo cardíaco y
cardiovascular, es sustancialmente superior al nivel requerido por
necesidades físicas metabólicas inmediatas. El estado fisiológico de
estrés se puede deber a distintas fuentes, tales como, por ejemplo,
el esfuerzo físico (por ejemplo, la postura), la condición física
(por ejemplo, menor), el estrés mental, el bajo nivel de recursos
(por ejemplo, estado de agotamiento), o carencia emocional.
Se debe tener en cuenta que la detección del
estrés se refiere también estrechamente a los procesos metabólicos
tales como el consumo de oxígeno y consumo calórico, ya que unos
índices de resultado cardiovascular aislados indicarían erróneamente
que se han incrementado las necesidades metabólicas durante un
estado de estrés.
\newpage
La retroacción e información sobre el estado de
estrés personal y más generalmente, los recursos serían de gran
ayuda para que muchos individuos controlen y administren sus niveles
de estrés, para evitar un estado de agotamiento, y generalmente
mantener y mejorar el estado de salud. El reposo y la relajación son
características importantes para controlar el estrés, ya que ayudan
a reducir el estrés y también a proteger y acumular recursos contra
la aparición y los efectos adversos del estrés.
Se ha demostrado en la bibliografía científica
que un estado de estrés se asocia a una influencia elevada del SNS
sobre el corazón y a una influencia reducida o disminuida del PNS
sobre el corazón (por ejemplo, Porges 1992). También se sabe en la
técnica anterior que, con reposo en condiciones estables, la
relajación produce un nivel reducido de actividad cardiovascular y
en particular, una reducción del nivel del ritmo cardíaco, y un
aumento de la magnitud del componente HF de la HRV se asocia
frecuentemente con un estado de relajación elevado. Algún estudio
previo ha demostrado cómo aprovechar la función de HR y HRV en
fenómenos relacionados de estrés y relajación (Patentes
estadounidenses 4,832,038, 4,862,361, 5,891,044, 5,941,837,
6,104,947, 6,212,427, 6,358,201).
A pesar de esta relación correlacional, no ha
habido muchos progresos en la detección de estados fisiológicos
relacionados con el estrés en base a una señal de frecuencia
cardiaca. Se ha realizado algún estudio previo sobre el uso de la
información sobre la frecuencia cardiaca y HRV para identificar los
estados de usuarios, en particular en combinación con otras medidas
fisiológicas como la temperatura de la piel. El estudio previo
basado en la adquisición del electrocardiograma se ha centrado
principalmente en la determinación de la situación clínica con el
uso de pruebas sobre el sistema nervioso autonómico específico y es
por lo tanto muy limitado en su aplicación para caracterizar estados
conductuales y fisiológicos en la vida cotidiana con respecto a, por
ejemplo, una medida ambulatoria (Patentes estadounidenses 6,358,201,
5,299,199, 5,419,338, 6,390,986, 6,416,473). Por ejemplo, el estudio
presentado por Childre et al ('201) se aplica a parámetros de
variabilidad del ritmo cardíaco en el contexto de retroacción
biológica. La invención descrita se puede aplicar de manera
apropiada a una situación controlada (por ejemplo, en laboratorio,
en práctica de relajación) pero claramente no se puede aplicar al
control ambulatorio, donde sería crucial diferenciar las fuentes
físicas y emocionales de las reacciones y respuestas. Por
consiguiente, si se usa en instalaciones ambulatorias se debería
usar un método de selección manual de períodos de tiempo, por
ejemplo, de práctica de relajación, para el análisis, ya que el
trabajo descrito no incluye ningún medio de separación de distintos
tipos de contextos físicos.
También existe algún estudio documentado sobre
el uso de un electrocardiograma y de medidas derivadas de una
frecuencia cardiaca para detectar ciertas condiciones fisiológicas,
donde se controlan habitualmente uno o más parámetros y se establece
un límite umbral para señalar un cambio de estado (Patentes
estadounidenses 5,267,568, 6,126,595, 6,358,201). Estas soluciones
se limitan necesariamente en el contenido de estados de
clasificación y soportan el hecho de que el valor de señal de la
frecuencia cardiaca y de los parámetros de HRV no siempre es el
mismo y de que además, varía típicamente en combinación con los
estados fisiológicos. En otras palabras, éstas no tienen en cuenta
las relaciones (condicionales) de las variaciones de estados entre
la frecuencia cardiaca, los parámetros de HRV, y los estados
fisiológicos.
Se ha realizado algún trabajo sobre el modelado
de relaciones de variación de estados en señales fisiológicas. No
obstante, el trabajo previo no se relaciona habitualmente con la
determinación del estrés, y puede implicar la medición del ritmo
cardíaco pero requiere el uso de dos o más medidas fisiológicas
(Patentes estadounidenses 5,810,014, 5,846,206, 5,902,250,
5,921,937). Un ejemplo de lo que se ha mencionado anteriormente es
el trabajo de Davis et al. ('014) que presenta un método
general para una identificación en base a un modelo de los estados
según una medición múltiple de bioseñales sin tratar tales como,
datos electrocardiográficos electromiográficos, y
electroencefalográficos. El sistema presentado se orienta hacia la
detección de estados anormales específicos a partir de formas de
onda fisiológicas mediante el uso de un método de adaptación del
modelo específico. Es obvio para un experto en la materia que la
eficiencia del proceso de modelado del estado presentado depende en
gran medida de la disponibilidad de datos múltiples repetitivos, y
de esta manera no se requiere el análisis y la descomposición en
profundidad de una señal, tal como los latidos de corazón, para
diferenciar unos estados corporales específicos con una dinámica
característica. Además, debe ser evidente que el trabajo descrito no
se puede aplicar claramente al análisis de señal de latidos de
corazón para diferenciar unos estados de estrés emocionales de otras
fuentes de estrés internas.
Es por lo tanto evidente que, desde el punto de
vista de la diferenciación de diferentes estados fisiológicos de
usuarios y en comparación con la adquisición de una señal sólo,
estos métodos requieren más esfuerzo para la medición de señales
fisiológicas y pueden implicar por lo tanto más costes de material y
protocolos de usuario más restringidos. De forma más importante, el
trabajo referido no incluye ninguna contribución para la
identificación del estrés y de la relajación, donde no se puede
considerar la incidencia de actividad física en el contexto del uso
de una señal de latidos de corazón como la única entrada.
Como se ha indicado anteriormente, el problema
más importante de operacionalización, medición y control del estrés
con el uso de información sobre la función cardiovascular, tal como
la adquisición de un ECG y los latidos de corazón, sería la
detección y diferenciación de las fuentes de función cardíaca
reducida e elevada. Esto es evidente en particular con una actividad
cardíaca elevada (por ejemplo, tal como mostrado por un nivel
elevado del ritmo cardíaco y una amplitud reducida de HRV), que
puede producir, por ejemplo, a partir de un estado de estrés
elevado, un estado de actividad física, o cambios posturales
superiores.
El objetivo de la presente invención es proveer
una herramienta de análisis automático con el fin de proveer
información sobre el estado fisiológico del usuario en base a un ECG
o medición de la frecuencia cardiaca. Cualquier método para obtener
información sobre la diferencia temporal entre latidos de corazón
posteriores (por ejemplo, sensores diferentes) se pueden utilizar
para formar la señal de latidos de corazón de entrada necesaria para
esta innovación. Más específicamente, el objetivo de la invención
consiste en proveer un procedimiento para la diferenciación de
diferentes estados fisiológicos y proveer especialmente un método
basado en la detección de estados de obtención de una medida de
estrés en base a unos datos de frecuencia cardiaca. Las
características de la invención se describen en las reivindicaciones
anexas.
La invención se basa en varias etapas
computacionales donde el orden de las computaciones presenta algunas
limitaciones. Las etapas se pueden caracterizar de la manera
siguiente: (1) transformaciones iniciales del ECG y/o de datos de
frecuencia cardiaca; (2) segmentación de los datos de frecuencia
cardiaca en segmentos fijos; (3) detección de los segmentos
asociados con otros aumentos que los aumentos relacionados con el
estrés en una actividad cardíaca, incluyendo ejercicio físico,
actividad física, recuperación de actividad física, y cambio de
posturas; (4) detección de segmentos caracterizados por un estado
relajado; (5) detección de segmentos que contienen un posible estado
de estrés; y (6) combinación de información obtenida durante las
etapas 3 a 5 para proveer un índice de estrés global. El
procedimiento también puede comprender un sistema inicial de
parámetros, tal como un ritmo cardíaco mínimo, donde algunas
propiedades del sistema de detección del estado se introducen o bien
se determinan automáticamente.
Según el presente sistema, la detección del
estado de estrés se basa en las siguientes asunciones fisiológicas:
existe una dominancia simpática en relación con la dominancia
parasimpática, como indicado en los parámetros de latidos de
corazón, y no hay ninguna constancia de reactividad cardíaca
influida por la actividad física, el ejercicio, el movimiento o la
posición.
La invención puede ser descrita como un sistema
especializado que consiste en una secuencia de computaciones e
inferencias y provee un nuevo método para la detección de estados
fisiológicos y particularmente del estrés en base a una señal de
latidos de corazón. Los tipos y métodos para proporcionar al
paciente una retroacción dependen de la finalidad del equipamiento
de medición de los latidos de corazón y del software asociado con el
que se han aplicado la clasificación y el proceso de detección del
estado.
La invención se puede aplicar a y asociarse con
dispositivos tales como monitores de ritmo cardíaco y otros
dispuestos sobre el cuerpo y dispositivos de computación móviles,
otros tipos de equipamientos para un control físico y especialmente
que implican la detección de ECG, y productos de software adecuados
para el análisis de la señal de frecuencia cardiaca. La presente
invención es útil en combinación con cualquier control fisiológico
en la región de control, aumento y optimización de recursos
fisiológicos para llevar un mejor estilo de vida saludable y
bienestar, la práctica de deportes y mantenimiento físico, y aptitud
para trabajar. Esta puede ser especialmente útil para el control y
la información provista sobre el estado de estrés, donde se puede
utilizar para el control a largo plazo de los recursos, es decir, la
acumulación y la disminución del estrés y los recursos para tratar
el estrés.
Figura 1. Vista global de las secuencias en el
procedimiento.
Figura 2. Transformaciones iniciales del ECG y
señal de frecuencia cardiaca.
Figura 3. Ilustración del procedimiento para
obtener ejercicio, recuperación de ejercicio, actividad física,
movimiento y cambios posturales.
Figura 4. Proceso para la detección de un estado
de relajación, de estrés, y combinación de información para
describir recursos corporales globales.
Figura 5. Ejemplo de períodos de estrés y
estados de relajación detectados durante un periodo de medición.
Figura 6. Ejemplo de recursos acumulados durante
una jornada laboral
La innovación se describe aquí con la ayuda de
un ejemplo de aplicación. Se debe tener en cuenta que el sistema
descrito no está ligado a cualquier modelo específico o
especificaciones, pero al contrario, diferentes alteraciones,
formas, y mejoras son posibles y éstas van en el sentido de la
innovación. En consecuencia, lo que se indica a continuación
contiene sólo una descripción de las formas de realización
preferidas de la innovación.
El sistema implica inicialmente una estimación,
contribución, o uso de valores de parámetros medidos previamente
para caracterizar valores de parámetros individuales que influyen
sobre la detección de estados dentro del sistema. Esta estimación de
valores es opcional para el sistema. Los valores pueden ser
calculados usando fórmulas basadas en datos empíricos y valores
introducidos por el usuario, como la edad, el peso, la altura, y el
sexo. Los valores pueden estar basados también en valores de
historiales en base a medidas fisiológicas empíricas, o pueden ser
introducidos por el usuario o experto. Ejemplos de valores que
pueden ser utilizados en este contexto son niveles máximos y mínimos
de consumo de oxígeno, nivel de ritmo cardíaco, o nivel de HRV.
La figura 2 muestra una visión de conjunto de
las transformaciones iniciales del ECG y de la señal de frecuencia
cardiaca. La señal del ECG se transforma en intervalos
R-R consecutivos mediante el uso de complejos de QRS
secuenciales como marcadores del inicio y del final de un intervalo
R-R. También otros componentes de señal del ECG se
pueden utilizar para detectar el intervalo R-R. Los
intervalos R-R consecutivos son escaneados a través
de un filtro de detección del artefacto para ejecutar una corrección
inicial de latidos de corazón detectados erróneamente, fallados y
prematuros. Otros métodos posibles de obtener información sobre los
intervalos entre latidos de corazón consecutivos se puede basar en
la detección de intervalos de señal de pulso en base a algoritmos de
detección diferentes. Por lo que se debe considerar, en principio,
que la presente innovación se aplica a todos los dominios donde se
obtiene una información temporal sobre las señales de periodos de
tiempo entre latidos de corazón consecutivos.
Los intervalos R-R corregidos de
artefacto consecutivos se transforman en series temporales de
frecuencia cardiaca equidistantes mediante el uso de una
interpolación lineal ponderada de los intervalos
R-R. Por ejemplo, se puede utilizar un índice de
muestreo del dominio temporal de 5 Hz.
Las características iniciales que se pueden
utilizar en la segmentación del estado fisiológico del usuario en
segmentos fijos se computan antes de la segmentación. Las
características pueden incluir varios componentes, incluyendo los
siguientes: fuerza espectral (ms^{2}) en las regiones de
frecuencia LF y HF, información sobre el ritmo respiratorio y la
ventilación obtenida, por ejemplo, a partir de una frecuencia
cardíaca según Kettunen & Saalasti (PCT/FI03/00426), variación e
incoherencias en parámetros respiratorios, y consumo de oxígeno
derivado a partir de, por ejemplo, la frecuencia cardiaca y periodo
respiratorio o ventilación derivados de una frecuencia cardiaca. Si
están disponibles, también se puede usar medidas externas de
actividad física en forma de componente para la segmentación de los
procesos fisiológicos en periodos fijos. Todas estas medidas se
computan según una base continua con tamaños de ventana programados
o que se alternan dinámicamente, con el fin de aumentar la capacidad
de uso en tiempo real.
Un conjunto univariable o multivariable de
características se combina para segmentar los procesos fisiológicos
en segmentos fijos. En otras palabras, el objetivo del presente
procedimiento consiste en diferenciar segmentos donde las
propiedades del sistema fisiológico son similares y coherentes
dentro del segmento, usando la información obtenida a partir de las
características fisiológicas derivadas. Un ejemplo de algoritmo para
realizar que permite realizar lo anterior es la denominada prueba de
proporción de verosimilitud generalizada, que ejecuta básicamente la
minimización de la varianza dentro de los segmentos y maximización
de la varianza entre los segmentos (consecutivos). Este proceso es
controlado por parámetros umbral que determinan la sensibilidad del
proceso de segmentación. El uso de un conjunto multivariable de
parámetros que describe un estado de usuario se recomienda para
conseguir más estabilidad y fiabilidad para la segmentación de datos
en épocas fijas.
La prueba de proporción de probabilidades
generalizada se aplica habitualmente a una selección modelo pero se
adapta también a algoritmos de segmentación, por ejemplo a uno
presentado por Fancourt y Principe. En esta forma de realización la
función utilizada para determinar la señal en el segmento es la
mediana. El error se calcula a partir del error absoluto medio entre
la mediana y la señal al interior del segmento. Para detalles más
próximos del algoritmo véase el artículo de Fancourt et al.
Es evidente que la segmentación se puede implementar en vías
alternativas, por ejemplo, con un método descrito en "The
biomedical engineering"; Bronzino, Joseph D, CRC Press, Inc.,
1995.
En general los segmentos se definen a partir de
una señal de latidos de corazón con una regla seleccionada (por
ejemplo Francourt) para una segmentación, y al menos un segmento que
describe un estado fisiológico con una actividad cardíaca elevada
debido a una esfuerzo físico y/o se identifica y se excluye un
índice metabólico elevado (por ejemplo ecuación 1)), cuando existe,
y otros segmentos que los segmentos excluidos se detectan para un
estado de estrés potencial, que se identifica por el uso de una
regla predeterminada para la señal de latidos de corazón (por
ejemplo Ecuaciones 3 y 4). En una forma sencilla, la segmentación
utiliza el método denominado de ventana en movimiento con una
longitud de ventana predefinida.
A continuación, se presenta el procedimiento
para detectar un estado fisiológico. Unos parámetros fisiológicos
seleccionados se analizan a partir de cada segmento fijo para formar
una base de inferencia en estados que incluyen una actividad
cardíaca elevada. Se realiza la detección de estados de reactividad
cardíaca elevada inducidos por una actividad física (es decir,
metabolismo relacionado) y esos segmentos son excluidos antes de la
detección de posibles estados e intensidades de relajación y de
estrés. La figura 3 presenta una organigrama sobre el proceso de
detección de estados relacionados con una actividad física.
El nivel elevado de actividad cardíaca (por
ejemplo, nivel de ritmo cardíaco elevado o nivel de frecuencia
cardiaca reducido) se puede deber al proceso de recuperación gracias
al ejercicio físico o de cualquier actividad física. El estado de
recuperación gracias al ejercicio puede ser detectado, por ejemplo,
por aplicación del método descrito en Saalasti, Kettunen, Pulkkinen;
solicitudes de patentes 20025038, PCT, para determinar el nivel de
requisitos de recuperación del cuerpo y clasificar segmentos que
implican unas demandas de recuperación superiores a cierto umbral
predeterminado de estado de recuperación.
El sistema requiere información sobre la
intensidad de la actividad física y del ejercicio para diferenciar
los efectos relacionados con el ejercicio sobre el sistema cardíaco
por ejemplo, a partir de efectos relacionados con el estrés. La
transformación del nivel de latidos de corazón en intensidad
proporcional de actividad física se realiza mediante la aplicación
por ejemplo de una información sobre la relación del nivel de ritmo
cardíaco con respecto al consumo de oxígeno. Una forma muy práctica
de determinar el consumo de oxígeno a partir del ritmo cardíaco y de
dispositivo externo, por ejemplo un acelerador y un uso posterior
del valor derivado del consumo de oxígeno para determinar si existe
una esfuerzo físico (no un estado de estrés). Este dispositivo
externo puede comprender uno o más sensores de detección de
movimiento, tal como un acelerómetro o simplemente éste puede ser un
dispositivo manual.
También se puede usar información sobre unos
parámetros iniciales, tales como niveles máximos y mínimos de ritmo
cardíaco y de consumo de oxígeno o de energía y variabilidad del
ritmo cardíaco para incrementar la exactitud de determinación de la
intensidad de la actividad física. No obstante, es evidente que la
transformación directa del ritmo cardíaco que debe ejercer una
intensidad no produce resultados óptimos según los objetivos que
consisten en diferenciar un aumento relacionado con algo distinto al
ejercicio en la actividad cardíaca a partir de una reactividad
inducida por el ejercicio.
La estimación de la intensidad proporcional de
actividad física se puede mejorar mediante la inclusión de
información sobre el periodo respiratorio y de ventilación,
obtenido, por ejemplo, a partir de la frecuencia cardiaca. Además,
si se considera que el ejercicio presenta también cierto patrón de
cambios en la actividad respiratoria (por ejemplo, el ejercicio se
asocia a una respiración elevada, mientras que otra reactividad
cardíaca relacionada con otra actividad que el ejercicio no se
asocia frecuentemente con una reactividad respiratoria similar) y la
HRV (por ejemplo, un nivel determinado de HRV se asocia típicamente
con un nivel determinado de ritmo cardíaco durante el ejercicio), y
la longitud temporal (es decir que la actividad física intensiva y
el ejercicio se relacionan necesariamente con una longitud temporal
determinada). También se podrían usar sensores externos para
detectar la incidencia e intensidad de movimiento y la actividad
física, por ejemplo, con un acelerómetro o sensores de temperatura
de la piel, ubicación, distancia, ventilación, o consumo de oxígeno,
para soportar la determinación de cambios relacionados con la
intensidad del ejercicio en una señal de latidos del corazón.
Un valor umbral determinado se programa para
determinar si un segmento determinado implica ejercicio o ejercicio
físico intensivo. En consideración de que no existen otras razones
relacionadas con la respiración, la HRV, o la longitud temporal de
ritmo cardíaco elevado provee una prueba de que no se asocia un
aumento potencial inducido por ejercicio en la actividad cardíaca
con una actividad física intensiva, los segmentos que contienen una
intensidad media de actividad física superior a, por ejemplo, un 50%
de intensidad de ejercicio puede ser definida como un ejercicio
intensivo.
Los movimientos, el inicio de una actividad
física, y cambios posturales presentan todos requisitos metabólicos
y aumentan también el nivel del ritmo cardíaco. Es por lo tanto
necesario diferenciar estos efectos de otros, factores no
metabólicos con una influencia sobre la actividad cardíaca. Se sabe
que el PNS controla frecuentemente el aumento de la actividad
cardíaca durante el inicio de un movimiento y la reducción de la
actividad cardíaca al final de movimiento. También se sabe que la
posición de pie, que implica una reacción denominada ortostática, se
asocia con un aumento de la fuerza espectral en la región de
frecuencia LF de HRV en relación con la fuerza HF, que se reduce
normalmente en una posición de pie. En base a estas asunciones, un
parámetro de covarianza según la Ecuación 1 se ha derivado en
cambios relacionados con un movimiento de índice en la actividad
cardíaca. "E" indica un valor medio.
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
Un aumento del nivel del parámetro descrito
indica la prevalencia de aumentos relacionados con un movimiento en
la actividad cardíaca y se puede utilizar así para diferenciar
estados de movimiento, inicio y final de actividad física, y cambios
posturales. Cuando éste supera el valor umbral programado, se
detecta la actividad física.
La información sobre el derivado del ritmo
cardíaco o variabilidad del ritmo cardíaco se usa como un indicador
de la reactividad cardíaca inducida por movimiento. Un aumento y
reducción relativamente rápido del nivel del ritmo cardíaco indica
una esfuerzo físico (no un estado de estrés).
La detección de una actividad física moderada es
similar a la de una actividad física intensiva pero los valores
umbral son diferentes. No obstante, la detección de una actividad
física moderada difiere de la detección de una actividad física
intensiva ya que se espera que unas demandas metabólicas sean
sustancialmente inferiores y que los cambios relacionados con la
actividad cardíaca sean por consiguiente también diferentes. En
otras palabras, el término covarianza introducido en la Ecuación 1
se utiliza para diferenciar aumentos relacionados con una actividad
física moderada en el metabolismo a partir de una reactividad
cardíaca debido a fuentes distintas. También aquí se debe tener en
cuenta que, de forma similar a la actividad física intensiva,
también se puede usar sensores adicionales de detección de
incidencia y de intensidad de movimiento como fuente de información
para diferenciar los segmentos de los latidos de corazón que
incluyen una actividad física moderada.
La detección del movimiento y de la reactividad
debido a cambios de posturas se realiza usando el término covarianza
presentado en la Ecuación 1 con valores umbral programados y un
periodo adyacente a la covarianza. El término covarianza se puede
asociar, por ejemplo, con una ventana de Hanning.
En general, se sabe que el ejercicio, la
actividad física, y el movimiento tienen todos sus estructuras
temporales típicas con necesidades temporales mínimos para la
recuperación. Con este fin, se puede usar una frecuencia o medida de
dominio temporal para proveer información sobre las propiedades
temporales de los cambios de la actividad cardíaca, potenciando así
la comparación de estos con aquellos típicos en el caso de
diferentes tipos de actividad física.
Es importante considerar que, por ejemplo, ya
que los cambios en los ritmos cardíacos durante una actividad física
se asocian a varios tipos de cambios diferentes, estos cambios se
pueden combinar en una función de decisión automática que puede ser,
por ejemplo, determinista, heurística, o basada en métodos
multivariados tales como sistemas difusos y red neuronal.
En una forma de realización, la información
sobre el hecho de saber si el segmento del ritmo cardíaco se detecta
o no se detecta con una esfuerzo físico en aumento tal como un
movimiento o cambios posturales se usa en forma de información en un
modelo que determina el consumo de oxígeno o nivel de consumo de
energía en base a una información sobre el ritmo cardíaco. En su
forma más simple, la fórmula de predicción del consumo de oxígeno o
nivel de consumo de energía será condicionada por la información
sobre el segmento, de modo que se pueda usar una fórmula diferente o
un factor de corrección que depende del hecho de saber si el
segmento se definirá incluyendo un movimiento u otra forma de
esfuerzo físico. En otros términos, si se considera que el estrés y
el movimiento alteran ambos la actividad cardíaca y sin embargo
tienen respuestas metabólicas diferentes, la información obtenida
con la presente innovación se puede aplicar al contexto de
evaluación de procesos metabólicos.
Es importante tener en cuenta que en esta forma
de realización el consumo de oxígeno y de energía se puede utilizar
en el proceso de detección. Además, un sensor de movimiento puede
dar otra información y proveer una detección mejorada para la
segmentación de una esfuerzo físico a partir de una señal de los
latidos de corazón, y de esta manera se puede mejorar ambas
estimaciones de consumo de oxígeno y de energía. De manera evidente,
también pueden existir otras aplicaciones.
La figura 4 muestra una vista global de la
detección de relajación y de estrés. El índice de relajación para el
segmento se determina por la combinación de frecuencia cardiaca y
fuerza HF tal come se ilustra en la Ecuación 2.
Las estimaciones de fuerza LF y HF se pueden
calcular, por ejemplo, con una transformación de Fourier de tiempo
corto (transformación de Gabor a.k.a.), que provee una
generalización de transformación de Fourier fija en un análisis de
serie temporal no fijo. También se puede usar una clase Cohen de
distribuciones de frecuencia temporal, por ejemplo, una pseudo
transformación de Wigner-Ville suavizada, o
presentaciones de escalas temporales, por ejemplo, transformación
wavelet. Además, para mejorar la exactitud y comportamiento del
sistema, la señal se puede alterar con diferentes fases de
tratamiento de señal digital, por ejemplo, filtración digital,
detección y corrección de artefacto, rectificación, transformaciones
logarítmicas o ajuste a escala y normalización de señal.
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
La fuerza de relajación puede ser detectada, por
ejemplo, mediante el cálculo de una fuerza HF media con respecto al
ritmo cardíaco al interior del segmento detectado. Un umbral límite
fuerte se puede definir para confirmar el rango de función razonable
para la relajación mediante la explotación del conocimiento de la
escala de las variables usada en el cálculo, por ejemplo, un umbral
proporcional al ritmo cardíaco mínimo y máximo y a la fuerza HF. Un
ejemplo de fuerza de relajación se presenta en la Ecuación 2.
Si no se detecta el estado de relajación, el
segmento de datos es un candidato potencial de inclusión del estrés.
La Ecuación 3 muestra un ejemplo de cómo un índice de estrés puede
ser computado al interior del segmento. En la Ecuación 3, HR indica
un nivel del ritmo cardíaco, CT indica las contradicciones de la
distribución de frecuencia de HRV debido a los cambios en el periodo
respiratorio, o de forma alternativa, de variabilidad de la señal
respiratoria. HFpow y LFpow indican fuerzas
espectrales en las regiones HF y LF de HRV, respectivamente.
Será evidente para alguien familiarizado con el
campo de la invención que la fórmula presentada para computar el
índice de estrés es sólo ilustrativa y se puede formar según varios
métodos. Ambos índices mostrados en las Ecuaciones 2 y 3 pueden
tener formas diferentes. Ambos índices también pueden ser usados
para obtener parámetros continuos, que pueden ser útiles en algunos
contextos de deducción de información global, a largo plazo sobre el
estrés y la relajación.
El principio consiste en buscar períodos de
ritmo cardíaco elevado con otros marcadores de estrés potenciales y
relacionados en general con un nivel elevado de actividad SNS y un
nivel reducido de actividad PNS. El nivel de recuperación del ritmo
cardíaco y/o de variabilidad del ritmo cardíaco de un estado de
actividad cardíaca elevado también puede ser usado como indicador
del estrés de bajo nivel y de los recursos de nivel elevado.
Los índices de relajación y de estrés se pueden
combinar aprovechando la proporción de distintos estados y la
intensidad de relajación y de los estados de estrés. Un ejemplo de
esta combinación se presenta en la Ecuación 4.
donde c_{1} y c_{2} son
constantes, T es el tiempo total de medición o un tiempo de
referencia, por ejemplo, 24 horas, T_{R} es el tiempo definido de
relajación, T_{S} es el tiempo definido de estrés, RLXpow es la
intensidad de relajación, que se puede ajustar a escala en valores
absolutos o proporcionales a un valor máximo, por ejemplo, y STRpow
es la intensidad del estado de estrés (véase la computación del
índice de estrés en la Ecuación 3), que se pueden ajustar a escala
en valores absolutos también o en proporción al valor máximo. Las
intensidades pueden ser calculadas a través de valores medios o
medianos de los índices de series temporales correspondientes. El
índice combinado puede ser útil especialmente para la comparación de
días diferentes. Las constantes c_{1} y c_{2} se pueden utilizar
para incrementar las intensidades de estrés y de relajación la una
con respecto a la
otra.
La figura 5 demuestra un ejemplo simplificado de
los períodos de estrés y de estados de relajación detectados durante
un periodo de medición. Se debe tener en cuenta que la información
se obtiene sobre la intensidad (indicada como constantes fijas
a-f en la figura) y la longitud (por ejemplo;
duración) de períodos de relajación y de estrés.
Los períodos de tiempo detectados como estrés o
relajación se excluyen del análisis ya que incluyen ejercicio u
otros tipos de esfuerzo físico elevada, o no se excluyen del
análisis del estrés pero no se detectan por un estado de estrés o de
relajación.
Ejemplo del uso de la ecuación 4 con datos
presentados en la Fig 5. En este ejemplo el nivel de RLXpow y STRpow
son ambos preestablecidos en escala entre 0 y 1, que es proporcional
a sus valores máximos y mínimos. Los valores máximos y mínimos
pueden ser introducidos o bien detectados a partir de los datos. Si
se usan valores fuera de escala, las constantes c_{1} y c_{2}
pueden tener valores sustancialmente superiores o inferiores para
representar, por ejemplo, diferencias logarítmicas en las escalas de
STR pow y RLX pow.
donde RLXpow = promedio de
intensidades de relajación (e, f) y STRpow = promedio de
intensidades de estrés (a, b, c,
d).
En principio, un segmento se identifica en forma
de estrés si el ritmo cardíaco presenta de manera constante un nivel
alto y es evidente que éste se produce por un nivel reducido de PNS,
nivel elevado de SNS, y de que no existe ninguna evidencia de
reactividad del ritmo cardíaco determinada físicamente. De hecho,
como el estrés se asocia con un bajo nivel tónico de PNS y que un
nivel elevado de PNS refuerza la reactividad, la ausencia de
respuestas mediadas por PNS también es un indicador del estrés y se
puede considerar de manera más formal. Si una persona está muy
estresada, puede que no se detecten estados de relajación incluso
durante períodos largos.
La retroacción de los resultados del presente
proceso se puede presentar al usuario por aplicación en tiempo real
o bien en tiempo diferido, después de la medición. Es posible
proveer una retroacción de estados, en componentes de relajación y
de estrés, y en recursos globales. La retroacción se puede proveer
de muchas formas, por ejemplo, en gráficos o como un único parámetro
fácil de interpretar. Existen diferentes métodos para establecer el
proceso de cuantificación del estrés de informe sobre cambios
acumulativos y dinámicos en un estado de estrés. La acumulación del
nivel de estrés (y de relajación) se puede determinar de la
siguiente manera,
El mismo tipo de métodos se puede usar también
en el caso de recursos disponibles, que pueden incrementarse (es
decir, más relajación que estrés) y reducirse (es decir, más estrés
que relajación). Para estos objetivos, puede ser útil determinar el
cambio de recursos, en general tal como se indica a
continuación,
Cambio_recursos_{t} =
f(nivel_estrés_{t}, nivel_relajación_{t}), donde el
nivel_estrés_{t} y el nivel_relajación_{t} se pueden determinar
por STRpowt y RLXpowt, respectivamente.
En su forma más simple, los cambios de recursos
se pueden determinar en forma de
en particular cuando los niveles de
estrés y de relajación están en una escala entre 0 y 1. En este
ejemplo de escala, la reducción de recursos debido al estrés sería
máxima en comparación con el aumento debido a recursos en su nivel
máximo.
La acumulación de recursos debido a reducciones
y aumentos momentáneos de los recursos se puede determinar de la
siguiente manera,
La Fig. 6 indica el producto de un cálculo de
recursos acumulados, donde la relajación aumenta los recursos y el
estado de estrés reduce los recursos acumulados. En este ejemplo
particular, el nivel de estrés y el nivel de relajación se ajustan a
escala en proporción con su nivel máximo.
Una ventaja inherente del índice acumulado es su
capacidad para describir la dinámica acumulada durante el estrés y
el uso de recursos. Otra ventaja muy importante del índice acumulado
es su uso para poner en escala la acumulación del estrés y el uso de
recursos según una escala predeterminada.
Se puede poner en escala los componentes de
relajación y de estrés para satisfacer un criterio predefinido en
términos de uso de recursos. Por ejemplo, los parámetros pueden ser
establecidos según una escala que tardaría un periodo de 150 minutos
para su recuperación, en un nivel de relajación total, a partir de
un estado de estrés que se puede adquirir, con un nivel de estrés
total, en sólo 75 minutos. Otro criterio preestablecido puede
influir sobre la acumulación del nivel de estrés y del uso acelerado
de recursos, donde la información sobre el historial del estado de
estrés acumulado puede ampliar también los efectos del estado de
estrés presente para acelerar aún más el uso de recursos
disponibles.
También se pueda usar otra escala para referirse
a la acumulación y al uso del estrés y/o de recursos en una escala
que describe una probabilidad de que un estado particular de estrés
acumulado o de recursos tenga consecuencias físicas saludables o no
saludables.
Unas implementaciones de la invención pueden ser
un software de ordenador en un ordenador personal, un monitor del
ritmo cardíaco (ordenador de muñeca), visualización de
electrocardiograma o equipamiento de control del pulso tal como un
marcapasos cardíaco y un ergómetro (una bicicleta fija) u otro
equipamiento de ejercicio de mantenimiento físico. Generalmente una
implementación consiste en una unidad de procesamiento, una
terminal, un software y al menos un dispositivo de entrada.
\vskip1.000000\baselineskip
Esta lista de referencias citada por el
solicitante ha sido recopilada exclusivamente para la información
del lector. No forma parte del documento de patente europea. Aunque
la misma ha sido confeccionada con la mayor diligencia; la OEP sin
embargo no asume responsabilidad alguna por eventuales errores u
omisiones.
- - US 4832038 A [0009]
- - US 6390986 B [0010]
- - US 4862361 A [0009]
- - US 6416473 B [0010]
- - US 5891044 A [0009]
- - US 5267568 A [0011]
- - US 5941837 A [0009]
- - US 6126595 A [0011]
- - US 6104947 A [0009]
- - US 5810014 A [0012]
- - US 6212427 A [0009]
- - US 5846206 A [0012]
- - US 6358201 A [0009] [0011]
- - US 5902250 A [0012]
- - US 6358201 B [0010]
- - US 5921937 A [0012]
- - US 5299199 A [0010]
- - FI 0300426 W, Kettunen & Saalasti [0025]
- US 5419338 A [0010]
- Bronzino, Joseph D The biomedical
engineering CRC Press, Inc. 1995. [0027]
Claims (13)
1. Procedimiento para la detección de un estado
de estrés, donde se mide la señal ambulatoria de los latidos de
corazón, caracterizado por el hecho de que
- -
- los segmentos se definen a partir de la señal de los latidos de corazón con una regla de segmentación seleccionada, y
- -
- al menos un segmento que describe un estado fisiológico con una actividad cardíaca elevada debido a una esfuerzo físico y/o un nivel metabólico elevado se identifica y se excluye, en caso de existir, y
- -
- otros segmentos que los segmentos excluidos se detectan para un estado de estrés potencial, el cual se identifica mediante el uso de una regla predeterminada para la señal de los latidos de corazón.
\vskip1.000000\baselineskip
2. Procedimiento según la reivindicación 1,
caracterizado por el hecho de que una primera regla
seleccionada se utiliza para identificar uno o más estados y periodo
siguientes: ejercicio, actividad física, movimiento, recuperación
después del ejercicio y cambios posturales.
3. Proceso según la reivindicación 1 o 2,
caracterizado por el hecho de que una segunda regla
seleccionada comprende un proceso para identificar segmentos
coherentes internamente a partir de una señal de los latidos de
corazón.
4. Procedimiento según la reivindicación 1 o 2,
caracterizado por el hecho de que se usan segmentos
identificados para corregir la estimación del consumo de oxígeno y
de energía en base al ritmo cardíaco.
5. Procedimiento según la reivindicación 1,
caracterizado por el hecho de que el estado de relajación se
determina además de dicho estado de estrés, y el estrés y la
relajación se miden en base a una medición de frecuencia cardiaca,
donde la información sobre la duración de la relajación y la
duración del estrés detectadas se usan para informar de la detección
y cuantificación de estados de relajación y de estrés.
6. Procedimiento según cualquiera de las
reivindicaciones 1 o 2, caracterizado por el hecho de que la
información sobre el ejercicio, la actividad física, el movimiento,
o los cambios posturales se obtiene a partir de una señal de latidos
de corazón y al menos una entrada separada.
7. Procedimiento según la reivindicación 1 o 2,
caracterizado por el hecho de que un índice de estrés que
indica la intensidad del estado de estrés se define con la
fórmula:
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
donde HR indica el nivel de
ritmo cardíaco, CT indica las incoherencias de la
distribución de frecuencias de la variabilidad del ritmo cardíaco
debido a cambios del periodo respiratorio, o de forma alternativa,
de variabilidad de la señal respiratoria. HFpow y
LFpow indican respectivamente fuerzas espectrales EN las
regiones HF y LF de variabilidad del ritmo
cardíaco.
8. Procedimiento según la reivindicación 5,
caracterizado por el hecho de que un índice de relajación que
describe la intensidad de dicho estado de relajación se define por
la fórmula:
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
donde HR indica el nivel del
ritmo cardíaco y HFpow indica fuerzas espectrales en las
regiones HF de variabilidad del ritmo
cardíaco.
\newpage
9. Procedimiento según las reivindicaciones 7 y
8, caracterizado por el hecho de que dichos estados de estrés
y de relajación se combinan en un índice de recursos totales, donde
el índice de recursos totales es definido por la fórmula:
donde c_{1} y c_{2} son
constantes de escala, T es el tiempo total de medición, T_{R} es
el tiempo que indica la relajación, T_{S} es el tiempo que indica
el estrés, RLXpow es el índice de relajación y STRpow es el índice
de
estrés.
10. Procedimiento según una de las
reivindicaciones 1-9, caracterizado por el
hecho de que el procedimiento se usa en un ordenador colocado sobre
el cuerpo.
11. Procedimiento según una de las
reivindicaciones 1-9, caracterizado por el
hecho de que el procedimiento se usa en un equipamiento de
ejercicios de mantenimiento físico.
12. Procedimiento según una de las
reivindicaciones 1-9, caracterizado por el
hecho de que el procedimiento se usa en un software de PC.
13. Procedimiento según una de las
reivindicaciones 1-9, caracterizado por el
hecho de que el procedimiento se usa en un equipamiento de control
de electrocardiograma/pulso.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20025039 | 2002-08-16 | ||
| FI20025039A FI20025039A0 (fi) | 2002-08-16 | 2002-08-16 | Menetelmä II fysiologisen signaalin analysoimiseksi |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2342056T3 true ES2342056T3 (es) | 2010-07-01 |
Family
ID=8565208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES03787831T Expired - Lifetime ES2342056T3 (es) | 2002-08-16 | 2003-08-18 | Proceso de deteccion del estres por segmentacion y analisis de una señal de latidos de corazon. |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US7330752B2 (es) |
| EP (1) | EP1545309B1 (es) |
| AT (1) | ATE461658T1 (es) |
| AU (1) | AU2003251023A1 (es) |
| DE (1) | DE60331842D1 (es) |
| ES (1) | ES2342056T3 (es) |
| FI (1) | FI20025039A0 (es) |
| WO (1) | WO2004016172A1 (es) |
Families Citing this family (58)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130158367A1 (en) * | 2000-06-16 | 2013-06-20 | Bodymedia, Inc. | System for monitoring and managing body weight and other physiological conditions including iterative and personalized planning, intervention and reporting capability |
| US7676262B1 (en) * | 2004-04-20 | 2010-03-09 | Pacesetter, Inc. | Methods and devices for determining exercise compliance diagnostics |
| US7031766B1 (en) | 2004-04-20 | 2006-04-18 | Pacesetter, Inc. | Methods and devices for determining exercise diagnostic parameters |
| EP1637075A1 (fr) * | 2004-09-20 | 2006-03-22 | Centre Hospitalier Regional Universitaire de Lille | Procédé et dispositif d'évaluation de la douleur chez un être vivant |
| JP4469746B2 (ja) * | 2005-03-29 | 2010-05-26 | 株式会社東芝 | 心拍計測装置及び心拍計測装置の作動方法 |
| US7839279B2 (en) * | 2005-07-29 | 2010-11-23 | Dp Technologies, Inc. | Monitor, alert, control, and share (MACS) system |
| US8864663B1 (en) * | 2006-03-01 | 2014-10-21 | Dp Technologies, Inc. | System and method to evaluate physical condition of a user |
| US8725527B1 (en) | 2006-03-03 | 2014-05-13 | Dp Technologies, Inc. | Method and apparatus to present a virtual user |
| US9390229B1 (en) | 2006-04-26 | 2016-07-12 | Dp Technologies, Inc. | Method and apparatus for a health phone |
| US8902154B1 (en) | 2006-07-11 | 2014-12-02 | Dp Technologies, Inc. | Method and apparatus for utilizing motion user interface |
| US20100113893A1 (en) * | 2006-10-12 | 2010-05-06 | Massachusetts Institute Of Technology | Method for measuring physiological stress |
| US8620353B1 (en) | 2007-01-26 | 2013-12-31 | Dp Technologies, Inc. | Automatic sharing and publication of multimedia from a mobile device |
| US8949070B1 (en) | 2007-02-08 | 2015-02-03 | Dp Technologies, Inc. | Human activity monitoring device with activity identification |
| US8208999B2 (en) | 2007-04-04 | 2012-06-26 | Pacesetter, Inc. | System and method for estimating electrical conduction delays from immittance values measured using an implantable medical device |
| US8504152B2 (en) | 2007-04-04 | 2013-08-06 | Pacesetter, Inc. | System and method for estimating cardiac pressure based on cardiac electrical conduction delays using an implantable medical device |
| US8555282B1 (en) | 2007-07-27 | 2013-10-08 | Dp Technologies, Inc. | Optimizing preemptive operating system with motion sensing |
| US8529457B2 (en) * | 2008-02-22 | 2013-09-10 | Koninklijke Philips N.V. | System and kit for stress and relaxation management |
| US9320448B2 (en) | 2008-04-18 | 2016-04-26 | Pacesetter, Inc. | Systems and methods for improved atrial fibrillation (AF) monitoring |
| US8320578B2 (en) | 2008-04-30 | 2012-11-27 | Dp Technologies, Inc. | Headset |
| FI20085402A0 (fi) * | 2008-05-02 | 2008-05-02 | Firstbeat Technologies Oy | Kuntotesti |
| US8285344B2 (en) | 2008-05-21 | 2012-10-09 | DP Technlogies, Inc. | Method and apparatus for adjusting audio for a user environment |
| US8996332B2 (en) | 2008-06-24 | 2015-03-31 | Dp Technologies, Inc. | Program setting adjustments based on activity identification |
| US8872646B2 (en) | 2008-10-08 | 2014-10-28 | Dp Technologies, Inc. | Method and system for waking up a device due to motion |
| US8298131B2 (en) * | 2008-10-31 | 2012-10-30 | The Hong Kong Polytechnic University | System and method for relaxation |
| DE102008061997A1 (de) * | 2008-12-12 | 2010-06-17 | Karlsruher Institut für Technologie | System und Verfahren zum Stresstraining eines Benutzers |
| US8788002B2 (en) | 2009-02-25 | 2014-07-22 | Valencell, Inc. | Light-guiding devices and monitoring devices incorporating same |
| JP5789199B2 (ja) | 2009-02-25 | 2015-10-07 | ヴァレンセル，インコーポレイテッド | ヘッドセット及びイアバッド |
| US20120065480A1 (en) * | 2009-03-18 | 2012-03-15 | Badilini Fabio F | Stress monitor system and method |
| US8155733B2 (en) * | 2009-05-15 | 2012-04-10 | Nanjing University | Lie detection method and system |
| US9529437B2 (en) | 2009-05-26 | 2016-12-27 | Dp Technologies, Inc. | Method and apparatus for a motion state aware device |
| US9017256B2 (en) | 2010-09-22 | 2015-04-28 | Milieu Institute, Llc | System and method for physiological monitoring |
| WO2012097436A1 (en) * | 2011-01-18 | 2012-07-26 | Toronto Rehabilitation Institute | Method and device for swallowing impairment detection |
| US8698639B2 (en) | 2011-02-18 | 2014-04-15 | Honda Motor Co., Ltd. | System and method for responding to driver behavior |
| US9292471B2 (en) | 2011-02-18 | 2016-03-22 | Honda Motor Co., Ltd. | Coordinated vehicle response system and method for driver behavior |
| US20120277603A1 (en) * | 2011-04-26 | 2012-11-01 | Martin Camenzind | Device and Method for Detecting and reporting of a stress condition of a person |
| US20130184517A1 (en) * | 2011-07-07 | 2013-07-18 | Ronda Collier | System and Method for Measuring and Controlling Stress |
| FI124367B (fi) * | 2011-11-11 | 2014-07-31 | Firstbeat Technologies Oy | Menetelmä ja järjestelmä henkilön fysiologisen tilan kartoittamiseksi |
| EP2698112B1 (en) * | 2012-08-13 | 2019-03-06 | Tata Consultancy Services Limited | Real-time stress determination of an individual |
| US11185241B2 (en) | 2014-03-05 | 2021-11-30 | Whoop, Inc. | Continuous heart rate monitoring and interpretation |
| EP2892421A1 (en) | 2012-09-04 | 2015-07-15 | Whoop, Inc. | Systems, devices and methods for continuous heart rate monitoring and interpretation |
| EP2721999A1 (de) | 2012-10-16 | 2014-04-23 | xotoxtools ag | Vorrichtung und Verfahren zum Erkennen und Melden eines Belastungszustandes einer Person |
| EP2911579B1 (en) * | 2012-10-23 | 2020-12-09 | Koninklijke Philips N.V. | Stress-measuring system |
| US9420958B2 (en) | 2013-03-15 | 2016-08-23 | Honda Motor Co., Ltd. | System and method for determining changes in a body state |
| US9751534B2 (en) | 2013-03-15 | 2017-09-05 | Honda Motor Co., Ltd. | System and method for responding to driver state |
| US10499856B2 (en) | 2013-04-06 | 2019-12-10 | Honda Motor Co., Ltd. | System and method for biological signal processing with highly auto-correlated carrier sequences |
| US20140364702A1 (en) | 2013-06-06 | 2014-12-11 | Valeriy Nasedkin | Apparatus and method for functional state and/or performance assessment and training program adjustment |
| CN105578957B (zh) * | 2013-10-30 | 2018-06-29 | 圣犹达医疗用品心脏病学部门有限公司 | 用于电描记图的基于电压的评估的心脏标测系统和方法 |
| US20160324462A1 (en) * | 2014-01-31 | 2016-11-10 | Firstbeat Technologies Oy | Method and system for providing feedback automatically on physiological measurements to a user |
| US11000437B2 (en) * | 2016-04-18 | 2021-05-11 | Vmas Solutions Inc. | System and method for reducing stress |
| US10674959B2 (en) | 2016-12-21 | 2020-06-09 | Firstbeat Technologies Oy | Method and an apparatus for determining training status |
| US10580532B2 (en) | 2016-12-21 | 2020-03-03 | Firstbeat Technologies Oy | Method and an apparatus for determining training status |
| RU2695888C2 (ru) * | 2017-03-24 | 2019-07-29 | Общество С Ограниченной Ответственностью "Многопрофильное Предприятие "Элсис" | Способ оценки психофизиологического состояния человека |
| EP4179967A1 (en) | 2017-05-18 | 2023-05-17 | GN Audio A/S | Communication headset with a stress management function |
| EP3745958A1 (en) | 2018-02-02 | 2020-12-09 | Sony Corporation | Method and device for sensing physiological stress |
| WO2019210434A1 (en) | 2018-05-02 | 2019-11-07 | Biovotion Ag | Method and apparatus for determining the impact of behavior-influenced activities on the health level of a user |
| US20220079504A1 (en) * | 2019-02-08 | 2022-03-17 | Shimadzu Corporation | Brain function measurement device |
| CN111728603A (zh) * | 2020-01-09 | 2020-10-02 | 成都维客昕微电子有限公司 | 一种光学心率传感器采样率自调整方法 |
| CN111387955B (zh) * | 2020-03-27 | 2023-01-17 | 河南经方云科技有限公司 | 基于脉象波形的中医脉象分析与识别方法及系统 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4862361A (en) | 1985-06-05 | 1989-08-29 | Massachusetts Institute Of Technology | Methods and apparatus for monitoring cardiovascular regulation using heart rate power spectral analysis |
| US4832038A (en) | 1985-06-05 | 1989-05-23 | The Board Of Trustees Of University Of Illinois | Apparatus for monitoring cardiovascular regulation using heart rate power spectral analysis |
| JPH04180730A (ja) | 1990-11-16 | 1992-06-26 | Atsufuku Takara | ストレスレベル測定装置 |
| DE69333330T2 (de) * | 1992-05-18 | 2004-10-21 | Cardiac Pacemakers Inc | System zur Verarbeitung von Ereignissen bei biologischen Anwendungen |
| US5299199A (en) | 1992-06-05 | 1994-03-29 | Motorola, Inc. | Channel re-assignment method for time division multiple access (TDMA) trunked systems |
| US5891044A (en) | 1992-10-06 | 1999-04-06 | Gw Scientific, Inc. | Detection of abnormal and induction of normal heart rate variability |
| US5713367A (en) * | 1994-01-26 | 1998-02-03 | Cambridge Heart, Inc. | Measuring and assessing cardiac electrical stability |
| US5419338A (en) | 1994-02-22 | 1995-05-30 | City Of Hope | Autonomic nervous system testing by bi-variate spectral analysis of heart period and QT interval variability |
| SE508285C2 (sv) | 1994-06-07 | 1998-09-21 | Biosys Ab | Metod och anordning för bedömning av vakenhetsgrad och dåsighet i olika stadier mellan vakenhet och sömn på ett för en övervakad ej störande sätt |
| FI110303B (fi) | 1994-12-29 | 2002-12-31 | Polar Electro Oy | Menetelmä ja laite kunto- tai urheiluharjoittelun rasitustasojen ja harjoittelun rasittavuuden määrittämiseksi |
| US6126595A (en) | 1995-05-12 | 2000-10-03 | Seiko Epson Corporation | Device for diagnosing physiological state and device for controlling the same |
| EP0809965B1 (en) | 1995-12-18 | 2005-01-26 | Seiko Epson Corporation | Health care device and exercise supporting device |
| US5810014A (en) | 1997-03-25 | 1998-09-22 | Davis; Dennis W. | Method and system for detection of physiological conditions |
| US5902250A (en) | 1997-03-31 | 1999-05-11 | President And Fellows Of Harvard College | Home-based system and method for monitoring sleep state and assessing cardiorespiratory risk |
| US6212427B1 (en) | 1999-02-02 | 2001-04-03 | J&J Engineering | Heart rate variability feedback monitor system |
| US6358201B1 (en) | 1999-03-02 | 2002-03-19 | Doc L. Childre | Method and apparatus for facilitating physiological coherence and autonomic balance |
| US6390986B1 (en) | 1999-05-27 | 2002-05-21 | Rutgers, The State University Of New Jersey | Classification of heart rate variability patterns in diabetics using cepstral analysis |
| US6416473B1 (en) | 2000-06-13 | 2002-07-09 | Boston Medical Technologies, Inc. | Methods and apparatus for providing an indicator of autonomic nervous system function |
-
2002
- 2002-08-16 FI FI20025039A patent/FI20025039A0/fi unknown
-
2003
- 2003-08-18 WO PCT/FI2003/000608 patent/WO2004016172A1/en not_active Application Discontinuation
- 2003-08-18 AT AT03787831T patent/ATE461658T1/de not_active IP Right Cessation
- 2003-08-18 DE DE60331842T patent/DE60331842D1/de not_active Expired - Lifetime
- 2003-08-18 AU AU2003251023A patent/AU2003251023A1/en not_active Abandoned
- 2003-08-18 US US10/523,160 patent/US7330752B2/en not_active Expired - Lifetime
- 2003-08-18 EP EP03787831A patent/EP1545309B1/en not_active Expired - Lifetime
- 2003-08-18 ES ES03787831T patent/ES2342056T3/es not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| US20050256414A1 (en) | 2005-11-17 |
| US7330752B2 (en) | 2008-02-12 |
| EP1545309A1 (en) | 2005-06-29 |
| WO2004016172A1 (en) | 2004-02-26 |
| EP1545309B1 (en) | 2010-03-24 |
| AU2003251023A1 (en) | 2004-03-03 |
| FI20025039A0 (fi) | 2002-08-16 |
| DE60331842D1 (de) | 2010-05-06 |
| ATE461658T1 (de) | 2010-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2342056T3 (es) | Proceso de deteccion del estres por segmentacion y analisis de una señal de latidos de corazon. | |
| Charlton et al. | Breathing rate estimation from the electrocardiogram and photoplethysmogram: A review | |
| US10687757B2 (en) | Psychological acute stress measurement using a wireless sensor | |
| US10278647B2 (en) | Method and apparatus for removing motion artifacts from biomedical signals | |
| US7460901B2 (en) | Procedure for deriving reliable information on respiratory activity from heart period measurement | |
| US8668649B2 (en) | System for cardiac status determination | |
| Tayel et al. | Poincaré plot for heart rate variability | |
| JP2005514099A (ja) | Ｑｔまたはｒｒ間隔のデータセットを用いて不整脈の危険を評価する方法およびシステム | |
| Porta et al. | Frequency domain assessment of the coupling strength between ventricular repolarization duration and heart period during graded head-up tilt | |
| Sadek et al. | Continuous and unconstrained vital signs monitoring with ballistocardiogram sensors in headrest position | |
| Lay-Ekuakille et al. | Low-frequency detection in ECG signals and joint EEG-Ergospirometric measurements for precautionary diagnosis | |
| Zhang et al. | Study of cuffless blood pressure estimation method based on multiple physiological parameters | |
| KR101645212B1 (ko) | 일상생활 중 심부 체온 일주기 리듬 추정 방법 | |
| Nikolic-Popovic et al. | Measuring heart rate, breathing rate and skin conductance during exercise | |
| Garde et al. | Time-varying signal analysis to detect high-altitude periodic breathing in climbers ascending to extreme altitude | |
| WO2016143365A1 (ja) | Ｃｖｈｒ形状測定装置 | |
| Ahmed et al. | PPG signal morphology-based method for distinguishing stress and non-stress conditions | |
| WO2022210570A1 (ja) | 血糖値推定装置、血糖値推定方法及びプログラム | |
| Jindal et al. | Heart rate variability: objective assessment of autonomic nervous system | |
| Liu et al. | The differential method of phase space matrix for AF/VF discrimination application | |
| Rezaei Yousefi et al. | Atrial fibrillation detection from wrist photoplethysmography data using artificial neural networks | |
| Buikis et al. | In depth mathematical algorithm for heart rate variability analysis | |
| Sinichi et al. | Quality in Question: Assessing the accuracy of four heart rate wearables and the implications for psychophysiological research. | |
| Kheder et al. | Application of a nonlinear dynamic method in the analysis of the HRV (Heart Rate Variability) towards clinical application: Tiresome diagnosis | |
| WO2017180617A1 (en) | Psychological acute stress measurement using a wireless sensor |