Search

El electrocardiograma (ECG) es probablemente el método de diagnóstico no invasivo más importante de la medicina. Numerosos estudios han tratado el problema de la clasificación de enfermedades cardíacas mediante el uso de técnicas de deep learning generalmente, llegando a obtener una alta precisión en muchos casos. Sin embargo, la interpretación clínica que ofrecen es bastante limitada y el coste computacional llega a ser desorbitado. Se propone un enfoque interpretable a través de la descomposición de los latidos del ECG en sus cinco ondas primordiales (P, Q, R, S y T) mediante el novedoso modelo 3DFMMecg, formulado simultáneamente para las 12 derivaciones del ECG. A partir de estadísticos construidos sobre los parámetros de dicho modelo y de distintas covariables demográficas, se han entrenado distintos modelos de machine learning y se ha llevado a cabo un análisis sobre la base de datos PTB-XL. Se han obtenido resultados muy competitivos, de hasta 0,933 de macro AUC con tan solo 228 variables, algunas de las cuales han demostrado tener una gran nivel discriminante entre las clases. En este trabajo, se han desarrollado diversos modelos construidos en base a los parámetros del modelo 3DFMMecg que permiten hacer un diagnóstico automático interpretable y eficaz en tiempo real, de forma que pueda ser útil como apoyo en la toma de decisiones de los profesionales sanitarios., The electrocardiogram (ECG) is probably the most important noninvasive diagnostic method in medicine. Numerous studies have addressed the problem of classifying cardiac diseases by using deep laerning techniques in general, achieving high accuracy in many cases. However, the clinical interpretation they offer is quite limited and the computational cost becomes exorbitant. An interpretable approach is proposed through the decomposition of ECG beats into their five primordial waves (P, Q, R, S and T) by means of the novel 3DFMMecg model, formulated simultaneously for all 12 ECG leads. Based on statistics constructed on the parameters of this model and different demographic covariates, different machine learning models were trained and an analysis was performed on the PTB-XL database. Very competitive results of up to 0.933 macro AUC have been obtained with only 228 variables, some of which have been shown to have a high discriminant level between classes. In this work, several models built on the basis of the parameters of the 3DFMMecg model have been developed to provide an interpretable and efficient automatic diagnosis in real time, so that it can be useful as a decision support for health professionals., Departamento de Estadística e Investigación Operativa, Grado en Estadística

El electrocardiograma (ECG) es el método no invasivo más importante para dilucidar información sobre el corazón y para el diagnóstico de enfermedades cardiovasculares. Normalmente, las empresas fabricantes de sistemas de ECG proporcionan imágenes de ECG, pero almacenan los datos numéricos en un formato propietario y cifrado, de modo que no es interpretable y, por tanto, no se puede utilizar para el diagnóstico automático. En la literatura existen trabajos previos centrados en digitalizar imágenes de ECG para obtener los valores numéricos correspondientes. Las principales limitaciones de dichos trabajos son que requieren la selección manual de las regiones de interés, que sólo proporcionan información parcial de las señales y que ofrecen una precisión limitada. Este trabajo presenta ECGMiner, un software para digitalizar imágenes de ECG. Este software realiza la digitalización en tres pasos: 1) preprocesado, que incluye un reconocimiento de la imagen y una posterior eliminación de la cuadrícula; 2) extracción de las señales, en el que se detectan las regiones de interés y las señales a extraer; 3) posprocesado, en el que se detectan los pulsos de referencia y se normalizan las señales. Adicionalmente, se ofrece la posibilidad de extraer los metadatos con la información clínica del paciente anotada en el ECG. Las capacidades de digitalización de ECGMiner han sido evaluadas utilizando el coeficiente de correlación de Pearson (PCC) y la raíz del error cuadrático medio (RMSE) sobre los ECG de dos grandes bases de datos públicas y ampliamente utilizadas en el campo: LUDB y PTB-XL. Se han comparado los valores digitalizados por ECGMiner para las señales de ambas bases de datos con los valores originales. También se ha validado la capacidad del software para digitalizar correctamente las ondas P, R y T, típicamente usadas en el análisis de ECG. En concreto, los valores de PCC se sitúan entre 0,971 y 0,995, y los de RMSE entre 11,4 y 30,9. El software ECGMiner es de acceso a, The electrocardiogram (ECG) is the most important noninvasive method for elucidating information about the heart and for the diagnosis of cardiovascular diseases. Typically, ECG system manufacturing companies provide ECG images, but store the numerical data in a proprietary and encrypted format, so that it is not interpretable and therefore cannot be used for automatic diagnosis. Previous work in the literature has focused on digitizing ECG images to obtain the corresponding numerical values. The main limitations of such work are that it requires manual selection of the regions of interest, provides only partial signal information, and offers limited accuracy. This work presents ECGMiner, a software for digitizing ECG images. This software performs digitization in three steps: 1) preprocessing, which includes image recognition and subsequent grid removal; 2) signal extraction, in which regions of interest and signals to be extracted are detected; 3) post-processing, in which reference pulses are detected and signals are normalized. Additionally, it offers the possibility of extracting metadata with the patient’s clinical information annotated on the ECG. The digitization capabilities of ECGMiner have been evaluated using Pearson’s correlation coefficient (PCC) and root mean square error (RMSE) on ECGs from two large public databases widely used in the field: LUDB and PTB-XL. The values digitized by ECGMiner for signals from both databases have been compared with the original values. The ability of the software to correctly digitize P, R and T waves, typically used in ECG analysis, has also been validated. Specifically, the PCC values are between 0.971 and 0.995, and the RMSE values are between 11.4 and 30.9. ECGMiner software is open access, easy to install, easy to use and capable of accurately digitizing ECG signal data. ECGMiner outperforms existing digitization algorithms in terms of PCC and RMSE., Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos), Departamento de Estadística e Investigación Operativa, Grado en Ingeniería Informática

El cerebro es la estructura más compleja y a la vez más desconocida de nuestro cuerpo. Este desconocimiento hace que aún hoy haya muchos interrogantes acerca de las causas de múltiples trastornos mentales como el Parkinson o la esquizofrenia. Existen diferentes técnicas para alcanzar un conocimiento más profundo del cerebro, entre las que se encuentra el estudio de su actividad neuronal mediante señales oscilatorias de diferencia de potencial. Estas señales se han analizado tradicionalmente con diferentes modelos, como el modelo Cosinor o el modelo de Fourier. Sin embargo, estos modelos caracterizan las señales de una forma bastante imprecisa y dan como resultados unos parámetros no interpretables. El objetivo principal de este trabajo es el análisis de las señales de la base de datos del proyecto Blue Brain con diferentes modelos oscilatorios, entre ellos, el modelo Frequency Modulated Möbius (FMM). Es un modelo paramétrico que consigue unos mejores resultados que otros modelos oscilatorios en el ajuste de señales electrofisiológicas, además de proporcionar parámetros interpretables. Estos revelan diferencias existentes entre las señales de las distintas clases de neuronas. Por otro lado, incorporados como características a procedimientos de aprendizaje, permitirán discriminar los diferentes tipos neuronales, lo que será clave para el tratamiento y diagnóstico de múltiples enfermedades y trastornos mentales., The brain is the most complex and the most unknown structure of our body. This lack of knowledge makes that even today there are still many questions about the causes of many mental disorders such as Parkinson’s disease or schizophrenia. There are different techniques for getting a deeper understanding of the brain, including the study of the oscillatory signals of their neuronal activity through oscillatory signals of potential difference. These signals have traditionally been analysed with different models, such as the Cosinor model or the Fourier model. However, these models characterise the signals in a rather imprecise way and give us uninterpretable parameters. The main objective of this work is the analysis of the signals of the Blue Brain project database with different oscillatory models, among them, the Frequency Modulated Möbius model (FMM). It is a parametric model that achieves better results than other oscillatory models in fitting electrophysiological signals, as well as providing interpretable parameters. These reveal differences between the signals of different classes of neurons. On the other hand, incorporated as features in learning procedures, they make possible to discriminate between different neuronal types, which will be essential for the treatment and diagnosis of multiple diseases and mental disorders., Departamento de Estadística e Investigación Operativa, Grado en Estadística

La electrofisiología ocular se encarga de dar diagnóstico clínico a pacientes mediante señales recogidas de la retina, el córtex cerebral y los múlculos oculares. Se presenta en este trabajo un análisis de señales PERG (electroretinograma en patrón), obtenidas de pacientes del Instituto de Oftalmobiología Aplicada de la Universidad de Valladolid. Este análisis preliminar se lleva a cabo mediante la metodología FMM (Frequency Modulated Möbius), un modelo para señales oscilatorias aplicado con éxito en otras señales fisiológicas. Además se propone en este trabajo una extensión del modelo para errores no independientes y una propuesta para el análisis de señales incompletas., Departamento de Estadística e Investigación Operativa, Máster en Matemáticas

El objeto de estudio de esta tesis es el análisis de las señales eléctricas neuronales, que registran los efímeros aumentos de voltaje que se dan en las neuronas, llamados curvas de potencial de acción o spikes. La motivación fundamental de esta tesis es demostrar el potencial de modelos estadísticos oscilatorios para describir, analizar y generar conclusiones a partir de señales neuronales. La formulación paramétrica de los modelos empleados resulta sencilla a la vez que flexible, lo que los hace eficaces para caracterizar las formas de los spikes. En concreto, se ha demostrado su potencial en la clasificación en tipos celulares y el Spike Sorting., Departamento de Estadística e Investigación Operativa, Doctorado en Matemáticas

Producción Científica, Background and Objective: The automatic diagnosis of heart diseases from the electrocardiogram (ECG) signal is crucial in clinical decision-making. However, the use of computer-based decision rules in clinical practice is still deficient, mainly due to their complexity and a lack of medical interpretation. The objetive of this research is to address these issues by providing valuable diagnostic rules that can be easily implemented in clinical practice. In this research, efficient diagnostic rules friendly in clinical practice are provided. Methods: In this paper, interesting parameters obtained from the ECG signals analysis are presented and two simple rules for automatic diagnosis of Bundle Branch Blocks are defined using new markers derived from the so-called FMM delineator. The main advantages of these markers are the good statistical properties and their clear interpretation in clinically meaningful terms. Results: High sensitivity and specificity values have been obtained using the proposed rules with data from more than 35000 patients from well known benchmarking databases. In particular, to identify Complete Left Bundle Branch Blocks and differentiate this condition from subjects without heart diseases, sensitivity and specificity values ranging from 93% to 99% and from 96% to 99%, respectively. The new markers and the automatic diagnosis are easily available at https://fmmmodel.shinyapps.io/fmmEcg/, an app specifically developed for any given ECG signal. Conclusions: The proposal is different from others in the literature and it is compelling for three main reasons. On the one hand, the markers have a concise electrocardiographic interpretation. On the other hand, the diagnosis rules have a very high accuracy. Finally, the markers can be provided by any device that registers the ECG signal and the automatic diagnosis is made straightforwardly, in contrast to the black-box and deep learning algorithms., Ministerio de Ciencia, Innovación y Universidades (grant PID2019-106363RB-I00)

Objective. To know if there has been an increase in the number of falls registered in the Central Hospital of Defense "Gómez Ulla" during the health emergency situation of COVID-19, as well as the different circumstances and consequences thereof. Methodology. Longitudinal descriptive observational study, in which the incidence of falls in the HCDGU was analysed during the period from March 1 to June 30, 2020, making a comparison with respect to the same period in the previous 2 years; Likewise, a descriptive analysis of the characteristics of these patients, factors associated with these falls and their consequences was carried out. Results. 109 falls in 105 patients. Incidence ‰ stay/year: 1.5980 (2018), 0.6366 (2019), 0.9349 (2020). 63.3% of the falls occurred in men. The mean age at admission was 77.91 years (SD=11.923) CI95% [37-97]. Factors that showed a statistically significant relationship for falls were: place of occurrence, causes, surrounding circumstances, time and consequences. Discussion. Although it is true that the accumulated incidence is higher in 2018, the number of falls in the month of April 2020, which is where the peak of the pandemic occurred, doubles the falls compared to the two years previous. During this period, hospitals were subjected to pressures regarding space, material and health personnel that were difficult to foresee., Objetivo. Conocer si ha existido un incremento en número de caídas registradas en el Hospital Central de la Defensa “Gómez Ulla” durante la situación de emergencia sanitaria de COVID-19, así como las diferentes circunstancias y consecuencias de las mismas. Metodología. Estudio observacional descriptivo longitudinal, en el que se analizó la incidencia de caídas en el HCDGU durante el periodo del 1 de marzo a 30 de junio de 2020, realizando una comparativa con respecto al mismo periodo en los 2 años anteriores; asimismo se realizó un análisis descriptivo de las características de estos pacientes, factores asociados a dichas caídas y de las consecuencias de las mismas. Resultados. 109 caídas en 105 pacientes. Incidencia ‰ estancia/año: 1,5980 (2018), 0.6366 (2019), 0,9349 (2020). El 63,3% de las caídas se produjeron en hombres. La edad media al ingreso fue de 77,91 años (DT=11,923) IC95% [37-97]. Factores que mostraron relación estadísticamente significativa para las caídas fueron: lugar de ocurrencia, causas, circunstancias que la rodean, hora y consecuencias. Discusión. Si bien es verdad que la incidencia acumulada es mayor en el año 2018, el número de caídas en el mes de abril del año 2020, que es donde se produjo el pico de la pandemia, duplica las caídas con respecto a los dos años anteriores. En este periodo, los hospitales fueron sometidos a presiones referentes a espacio, material y personal sanitario difíciles de prever.

Cardiovascular disease was the second most common cause of morbimortality at Hospital Central de la Defensa in 2018, with economic and social implications for both the institution and the patients. There are many risk factors associated with cardiovascular disease. Thus, our goal was to identify the evolution of risk factor prevalence among patients admitted to the hospital with the aim of establishing the appropriate measures to manage and control them., En el Hospital Central de la Defensa la enfermedad cardiovascular supuso la segunda causa de morbimortalidad en el año 2018, con implicaciones económicas y sociales para la institución y los pacientes. Son múltiples los factores de riesgo que favorecen su aparición, por lo que nos planteamos como objetivo el conocer la evolución de la prevalencia de estos factores, entre los pacientes ingresados en el hospital, para establecer líneas de actuación.

La interpretación de los electrocardiogramas (ECG) juega un papel muy importante de cara a la identificación de enfermedades o trastornos cardiovasculares. Un análisis automático correcto es de gran ayuda en el diagnóstico y prevención de estas enfermedades. El modelo Frequency Modulated Möbius (FMM), desarrollado recientemente por el grupo de investigación de Inferencia con Restricciones de la Universidad de Valladolid, es adecuado para el análisis de señales oscilatorias, entre las que se encuentra el ECG. En este trabajo se describe este modelo y la extensión desarrollada específicamente para el análisis de las señales ECG. El objetivo principal del trabajo es la implementación de una aplicación en R Shiny que permite a un usuario general la estimación del modelo. Además, la aplicación proporciona dos marcadores nuevos, diseñados también por el grupo de investigación, que son las bases de reglas de diagnótico para la detección de bloqueos de rama cardíacos., The interpretation of electrocardiograms (ECG) plays a very important role in identifying cardiovascular diseases or disorders. A correct automatic analysis is very useful in the diagnosis and prevention of these diseases. The Frequency Modulated Möbius model (FMM), recently developed by the Inferencia con Restricciones research group at the University of Valladolid, is suitable for the analysis of oscillatory signals, including the ECG. This work describes this model and the extension developed specifically for the ECG signals analysis. The main goal of this work is the implementation of an application in R Shiny that allows a general user to estimate the model. In addition, the application provides two new markers, also designed by the research group, that define the diagnostic rules for the detection of cardiac bundle branch blocks., Grado en Estadística

La pandemia por SARS-Cov-2 produce clínica predominantemente respiratoria, que puede tener afectación sistémica severa. Los síntomas son leves en la mayoría de los pacientes, pero en torno a un 20% precisan hospitalización e ingreso en Unidad de cuidados intensivos (UCI). A pesar de las medidas de control de los contagios para reducir el número de pacientes afectados, un gran número de personas ha precisado hospitalización o ingreso en UCI, sobrepasando la capacidad estructural de muchos hospitales. Esto ha dificultado la atención a pacientes No COVID, a pesar de la reestructuración de la atención hospitalaria. El objetivo de este trabajo es analizar la afectación de la pandemia Covid-19 en la atención sanitaria No COVID. Se trata de un estudio retrospectivo, comparativo, en el que se han analizado las altas hospitalarias desde 2016 hasta 2020 en los hospitales públicos de Castilla y León, recogidas en la base de datos del CMBD y su clasificación en GRD. Resultados: El número de altas en Castilla y León en 2020 fue un 14,39% menor que en el año 2019, un 14.46%, en 2018, 12.64% en 2017 y 12.19% en 2016. Aumentaron significativamente los GRD relacionados con COVID19, pero los GRD relacionados con problemas médicos, quirúrgicos o con neoplasias se redujeron significativamente. Sólo la cirugía urgente se mantuvo estable. Concluimos que el número de altas hospitalarias en los hospitales de Castilla y León en 2020 se redujo respecto a los 4 años previos, entre el 12.19 y el 14,39%. Aunque los GRD relacionados con COVID19 han aumentado, el resto de GRD médicos, quirúrgicos y relacionados con neoplasias, han disminuido significativamente. Sólo la cirugía urgente mantuvo una actividad estable en 2020. Las consecuencias a medio y largo plazo de este descenso en el diagnóstico de problemas médicos, neoplásicos o en la demora quirúrgica, deben ser vigilados y es imprescindible un plan de recuperación de la actividad hospitalaria., Grado en Medicina

Cyrcadian clock, cell cycle, astrophysics, are only the top of a much bigger iceberg of oscillatory signals. The study of this signals has been adressed since the decade of 90's, but it is now when the improvements of computer science allow us to achieve more results on these studies. Many models have been developed, including Cosinor methodology and some machine learning techniques. However, the rst one displays one major drawback, failing to represent a vast number of morphologies, while the second one acts as a black box with no enough precission. This work focuses on a novel approach called Frecuency Modulated Möbius (FMM) developed by the research group Inferencia con Restricciones (University of Valladolid) in 2019. It also serves as the natural sequel to a previous work of this author [6]. Three papers establish the basis of the methodology and interesting applications. The rst one describes the FMM methodology and was published in 2019 [1]. The second one studies the application of this model in an automatic analysis of electrocardiogram data, which is currently under revision [3]. The last one focuses on details of implementation, and it is still in development [2]. The author of this TFM has participated in the last two of them. Chapter 1 describes the theoretical details of FMM model and its derivations, including the multicomponent FMM model, restricted FMM model, and ECG-based FMM model. In Chapter 2, we discuss in more depth the details and implications of an automatic analysis of ECGs based on this methodology. Last Chapter is focused on practical uses of these models, and examples of use of the software developed., Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos), Departamento de Estadística e Investigación Operativa, Máster en Inteligencia de Negocio y Big Data en Entornos Seguros / Business Intelligence and Big Data in Cyber-Secure Environments

Una de las preocupaciones para los gobiernos y un importante reto para gran parte de la sociedad, está en priorizar avances sobre la igualdad de género y la reducción de la brecha salarial, nacional e internacional. Es muy importante clarificar los métodos de medición, porque nos va a permitir obtener los datos y compartir la información de los resultados obtenidos, y determinar si solo se ciñe al género (hombres y mujeres) o bien está ajustada al resto de causas y efectos que intervienen. Este TFG, se centra en la brecha salarial existente en España y presenta una propuesta de estimación de esta, basada en la descomposición de dos elementos. Del primero, permite medir los factores y diferencias que intervienen entre hombres y mujeres. En la descomposición del segundo, se mide el denominado “efecto discriminatorio”, el principal componente de la verdadera brecha salarial, lo que hace que sea un fenómeno complejo y poliédrico. Poder realizar y mostrar comparativas entre comunidades autónomas del estado español, se convierte en un objetivo clave de este trabajo. Para la realización de este estudio se ha contado con los datos provenientes de la Encuesta cuatrienal de Estructura Salarial del año 2014, fuente del Instituto Nacional de Estadística. Esta encuesta recoge características personales de los trabajadores asalariados, como edad, educación, experiencia laboral y características del tipo de empresa para el que trabajan los empleados encuestados., Grado en Estadística

El presente trabajo tiene como objetivo realizar una introducción al tema de agregación de órdenes circulares y a como resuelve un problema de interés en el ámbito de la cronobiología. Además se pretende proponer algunas alternativas metodológicas y validar las mismas., The objective of this document is to introduct the circular order aggregation topic and his relevance in chronobiology. Moreover, we proppose some methodological alternatives and we validate them with real data., Grado en Estadística

Many physiological and biological phenomena, such as menstrual cycles (Draper et al. (2018)), reproductive activity (Simonneaux and Bahougne (2015), Caba et al. (2018)), cell cycle (Liu et al. (2017)) or circadian biology (Hughes et al. (2009), Zhang et al. (2014), Andreani et al. (2015), Seney et al. (2019)), are governed by oscillatory systems consisting of numerous signals that exhibit rhythmic patterns over time. For example, the circadian clock is a molecular pacemaker that orchestrates daily functional activity including metabolic state, endocrine activity or neural excitability. Genes involved in those processes that exhibit rhythmic expression patterns along ~24-hour periods are called circadian genes. The study of such signals with temporal rhythmic patterns, and how these patterns change under different conditions, is called chronobiology. Chronobiology has been an active area of research during the past two decades, with major impact on treating cardiovascular disorders like hypertension (Halberg et al. (2013)), detecting genes associated with neurodegenerative disorders (Li et al. (2013)) or depression (Chauhan et al. (2017)), and improving the effectiveness of cancer treatments (Chan et al. (2017)). For instance, Haus (2009) demonstrated that the timing of radiation according to host and/or tumour rhythms improves the toxic/therapeutic ratio of the treatment. These and other findings in biomedical sciences have increased interest in chronobiological experiments. From a statistical point of view, the analysis of rhythmic signals ( ) in chronobiology has several challenges because of: (a) displays a wide variety of rhythmic patterns over time, which are not exactly sinusoidal or even symmetric (Koren£i£ et al. (2012), Zhang et al. (2014), Rueda et al. (2019)); (b) the density of the time points and the number of periods of data is usually very small (Panda et al. (2002), Hughes et al. (2007, 2009), Yang and Su (2010)); (c) the intrinsic circular nature of, Departamento de Estadística e Investigación Operativa, Doctorado en Matemáticas