Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Amoxicilina en plasma
I. INTRODUCCIÓN
sanguíneo La amoxicilina es un antibiótico de la
familia de penicilinas para destruir microbios, este
Jose Ricardo Cañedo Verdugo fármaco es estable en un medio ácido, por lo que
Department of Biomedical es altamente recomendable que su uso sea vía oral.
Engineering Instituto Tecnológico Al pasar por el tracto digestivo se obtiene una
y de Estudios Superiores de óptima concentración del fármaco en la sangre,
Monterrey Monterrey, México cuando se incorpora al plasma sanguíneo comienza
a01253727@tec.mx a distribuirse por todo el sistema circulatorio. [1]
La amoxicilina es uno de los recursos más
Daniela Alejandra Valdes Torres importantes para la industria farmacéutica, el
Department of Biomedical plasma sanguíneo es la parte líquida de la sangre y
Engineering Instituto Tecnológico constituye más de la mitad de la sangre, contiene
y de Estudios Superiores de proteínas muy importantes y en su mayoría tienen
Monterrey Monterrey, México la función de curar heridas, sin embargo, otras son
a00832312@tec.mx utilizadas para el tratamiento de trastornos
autoinmunes. La amoxicilina junto con el plasma
sanguíneo logra que las proteínas se unan más que
Abstract: Para este trabajo de si fuera solamente la unión de las proteínas con la
concentración de amoxicilina en el plasma amoxicilina por sí sola, lo que genera una
sanguíneo el objetivo era poder comprender el desventaja en comparación con la penicilina. [3]
comportamiento que tenía esta concentración Debido a esto los pacientes que cuentan con algún
respecto al tiempo en el cuerpo de un sujeto tipo de enfermedad con deficiencia inmunológica
planteado con 70kg para poder finalmente y precisamente hablando de trastornos de
darle una recomendación de que tan seguido coagulación de la sangre necesitan medicamentos
debía ingerir una tableta de 500mg de a partir del plasma. La amoxicilina se absorbe
amoxicilina, para realizar esto tuvimos que rápidamente después de la administración oral y
implementar conceptos y metodologías alcanza los niveles máximos séricos, la dosis que
matemáticas que nos permitieron manipular se administra depende de la patología subyacente
señales y funciones para ver el y las comorbilidades del paciente. Es importante
comportamiento que presentaba esta
que el uso de los antibióticos como la amoxicilina
concentración del medicamento, resultando en
sean recetados de manera correcta debido a que al
gráficas y funciones claves que nos arrojaban
tratar con infecciones puede también tener efectos
información respecto a la concentración,
vimos como al ingerirse presentaba un secundarios y contribuir a que exista una
aumento de la concentración muy rápido en resistencia a los antibióticos, por lo que el uso de
solamente 1 hora llegando al pico en solamente este fármaco es de suma importancia que se trate
60 minutos, pero al transcurrir el tiempo y con sus debidas precauciones y evitar el avance de
llegar a las 4 horas y 47 minutos este las bacterias y/o enfermedades que lleguen a
medicamente perdía su utilidad, por lo tanto presentarse.[2]
finalizamos en dar una recomendación de En esta situación problema se nos pide
tomar un medicamento cada 5 horas para calcular la cantidad de amoxicilina en plasma y
maximizar la utilidad sin ponerse en riesgo líquido intersticial en el tiempo Δ𝑞, la cantidad que
por toxicidad, un resultado que entra 𝑞𝑖𝑛 y la cantidad que sale 𝑞𝑜𝑢𝑡 . Para poder
argumentamos con las gráficas que podrán determinar cual es la concentración de en cierto
observar más adelante. volumen hay que considerar que el plasma y tejido
intersticial se mantienen constantes, por lo que se
2
𝐹(𝑠) 𝑘𝑉𝐶(𝑠)
𝑠= −
III. RESULTADOS 𝑉[𝐶(𝑠)] 𝑉[𝐶(𝑠)]
Pregunta 1 𝐹(𝑠)
𝑠= −𝑘
El primer objetivo que se tuvo en mente fue 𝑉[𝐶(𝑠)]
el de la obtención de una función de transferencia
que considerara a todas las condiciones iniciales Luego buscamos nuestra función “H(s)”
como 0, por lo tanto, comenzamos por analizar la despejando a “C(s)/F(s)”.
ecuación dinámica que se demuestra en la 𝐹(𝑠)
𝑠= −𝑘
metodología para lograr identificar cuales la 𝑉[𝐶(𝑠)]
entrada y salida del sistema. 𝐹(𝑠)
𝑉𝑑𝐶 𝑠+𝑘 =
𝑉[𝐶(𝑠)]
= 𝑓(𝑡) − 𝑘𝑉𝐶 𝐹(𝑠)
𝑑𝑡
𝑉(𝑠 + 𝑘) =
Luego le realizamos una transformada de Laplace [𝐶(𝑠)]
para transferirnos al dominio de “s”. −1
𝐹(𝑠)
Utilizamos la propiedad de Laplace que dice: (𝑉(𝑠 + 𝑘) = )
[𝐶(𝑠)]
𝑑𝑥(𝑡) 1 [𝐶(𝑠)]
ℒ[ ] = 𝑠𝑋(𝑠) − 𝑥(0) = = 𝐻(𝑠)
𝑡 𝑉(𝑠 + 𝑘) 𝐹(𝑠)
Y graficamos de nuevo.
computacional MATLAB la ecuación de f(t). Por Una vez finalizados estos ploteos
lo tanto el siguiente paso es el ajuste de una curva procedemos a la pregunta importante, ¿Cuál es la
de calibración para poder generar una función que frecuencia máxima que nuestro modelo posee?
se acerca a la función verdadera que desconocemos Para ello hay que retomar la información
de f(t). que planteamos en la metodología anteriormente y
En este caso utilizamos una curva de ajuste la información que obtuvimos de los datos.
exponencial con la ayuda de la app extra de Matlab Si observamos a la columna del tiempo en
“Curve Fitting Toolbox”. horas podemos ver como la diferencia entre
renglón y renglón es siempre 1/6 de 100, y al saber
que las 2 columnas se mueven en términos de
horas, podemos concluir que se refiere a 1/6 del
100% de 1 hora, por lo tanto, el periodo entre
entrada y entrada fue de 1/6 de hora.
Sabemos que para poder obtener la
frecuencia de un fenómeno se debe calcular el
reciproco del periodo entre repetición y repetición
del fenómeno, por lo tanto, la frecuencia de
muestreo en este caso es el reciproco de este
periodo de 1/6 de hora.
1
𝑓𝑠 = = 6 𝐻𝑧
1
6
Fig.6 f(t) respecto al tiempo con la predicción de Y si recordamos el teorema de Nyquist-
función exponencial superpuesta Shannon que planteamos en la metodología,
sabemos que la velocidad de muestreo debe de ser
El cual nos brinda la siguiente función de siempre mayor que el doble del valor de frecuencia
predicción con un 95% de confianza. máximo que hay en la señal medida.
Esta función se conoce como función de 𝑓𝑠 ≥ 2 ∗ 𝑓𝑚𝑎𝑥
entrada al sistema que modela la cantidad de Por lo tanto:
amoxicilina en sangre y liquido intersticial. 6 ≥ 2 ∗ 𝑓𝑚𝑎𝑥
6
≥ 𝑓𝑚𝑎𝑥
2
𝑓𝑚𝑎𝑥 ≤ 3 𝐻𝑧
Concluyendo que la frecuencia máxima
que se puede capturar con la tasa de muestreo que
tenemos es mayor o igual a 3 Hz
Pregunta 3
En el punto 3 lo que queríamos era obtener
una señal discreta de salida que nos ayudara a decir
como cambiaba la concentración en relación con el
tiempo una vez introducida la señal de entrada al
sistema que modela la cantidad de amoxicilina en
sangre y liquido intersticial.
Fig.7 Ajuste de función. Para este punto establecimos 2 constantes que nos
ayudaron a resolver nuestro problema.
𝑘 = 1.12[ℎ−1 ]
𝑉 = 42000[𝑚𝐿]
𝑉 = 𝑣𝑜𝑙𝑢𝑚𝑒𝑛 𝑑𝑒 𝑙í𝑞𝑢𝑖𝑑𝑜 𝑖𝑛𝑡𝑒𝑟𝑠𝑡𝑖𝑐𝑖𝑎𝑙
𝑦 𝑝𝑙𝑎𝑠𝑚𝑎 𝑒𝑛 𝑢𝑛 𝑠𝑢𝑗𝑒𝑡𝑜 𝑑𝑒 70 𝑘𝑔
𝑓(𝑡) = 560000𝑒 −1.12𝑡
6
Ahora con los coeficientes ya separados podemos Al haber realizado previamente la grafica
desarrollar la señal dada por la ecuación C(n) anterior con esferas que nos ayudaban a ver el pico
𝑓(𝑛)𝑇𝑠 𝑉𝐶(𝑛 − 1) de concentración en el instante de tiempo
𝐶(𝑛) = + correspondiente, detectar cual y cuando fue la
(𝑉 + 𝑉𝑘𝑇𝑠 ) (𝑉 + 𝑉𝑘𝑇𝑠 )
Dando los valores a las variables de las constantes concentración máxima es algo muy sencillo.
establecidas al inicio del punto 3. Primeramente, revisamos la gráfica y
𝑘 = 1.12[ℎ−1 ] buscamos el punto más alto.
𝑉 = 42000[𝑚𝐿]
Y también retomamos la señal de entrada para
sustituirles las variables por las constantes y la
igualamos a y(n).
𝑓(𝑡) = 560000𝑒 −1.12𝑡 = 𝑦(𝑛)
Entonces nuestra ecuación que nos muestra la
señal discreta de salida que nos ayuda a decir cómo
cambia la concentración en función del tiempo es:
𝐶(𝑛) = 𝑎𝑘 𝑦(𝑛) + 𝑏𝑚 𝑦(𝑛)
1−𝑉
𝐶(𝑛) = ∗ 560000𝑒 −𝑘𝑛
(𝑉 + 𝑘𝑉𝑇𝑠 )
𝑇𝑠
+ ∗ 560000𝑒 −𝑘𝑛
(𝑉 + 𝑉𝑘𝑇𝑠 ) Fig. 9 Gráfica de señal discreta Concentración vs
1−𝑉
𝐶(𝑛) = ∗ 560000𝑒 −1.12𝑛 Muestra.
(𝑉 + 1.12 ∗ 𝑉𝑇𝑠 )
𝑇𝑠
+ ∗ 560000𝑒 −1.12𝑛
(𝑉 + 1.12 ∗ 𝑉𝑇𝑠 )
(no sustituimos V ni T_s porque queda muy grande
la ecuación, pero valen 42000 y 1/6
respectivamente)
La ingresamos a MATLAB y vemos los resultados
de la concentración en función del
tiempo discretizado:
establecimos en los puntos anterior que entre No obstante, no tenemos todavía a F(s), por
muestras hay un intervalo de 1/6 de hora, por lo lo tanto, debemos de calcularla apoyándonos de la
tanto, el instante 6 es aquel que completa la hora. transformada de Laplace, transfiriendo a “f(t)” que
Resultando finalmente en que se dio la esta en el dominio de “t” al dominio de “s”.
concentración máxima de: 𝑓(𝑡) = 𝐴0 𝛾𝑒 −𝛾𝑡
𝜇𝑔
4.59483 𝑎 𝑙𝑜𝑠 60 min 𝑑𝑒 𝑐𝑜𝑚𝑒𝑛𝑧𝑎𝑟 ℒ[𝑓(𝑡)] = ℒ[𝐴0 𝛾𝑒 −𝛾𝑡 ]
𝑚𝑙
Ahora que tenemos una nueva ecuación Procedemos a plantearla en MATLAB a ver si nos
para la concentración ya estamos más cerca de demuestra el comportamiento continúo esperado.
nuestro objetivo final, pero para ello necesitamos
cambiar el domino de nuestra función de “s” a
tiempo, por lo tanto, aplicamos una transformada
de Laplace inversa.
ℒ −1 [𝐶(𝑠)]
𝐴0 𝛾
ℒ −1 [ ]
𝑉(𝑠 + 𝑗)2
Pregunta 7
En esta etapa final se nos pide aplicar el Fig.15 Gráfica de señal continua de
aprendizaje que adquirimos a lo largo el proyecto, tiempo Concentración vs Muestra con zoom en el
se nos explica que se requiere de una mínima 0.3 de concentración
concentración de 0.3[𝜇𝑔/𝑚𝑙] de amoxicilina para
poder garantizar su función bactericida en el En esta imagen podemos ver que el punto
plasma, nos aclaran esta información para poder que corta el eje de la “x” para 0.3 en la
dar una recomendación de frecuencia de consumo concentración es el de 4.788 horas, por lo tanto,
a un paciente para tomar una tableta de 500mg, una vez convertido esto a horas minutos y
siendo que la concentración no puede exceder un segundos, podremos dar nuestra recomendación.
valor de 15[𝜇𝑔/𝑚𝑙] en el plasma sanguíneo Aplicamos regla de 3:
porque puede llegar a niveles tóxicos, por lo tanto, 1 ℎ𝑜𝑟𝑎 = 60 𝑚𝑖𝑛
¿Qué frecuencia de consumo recomendamos? 0.788 ℎ𝑜𝑟𝑎𝑠 = 47.28 𝑚𝑖𝑛
Para poder resolver este punto requerimos
Y aplicamos de nuevo para los segundos.
de volver a la función resultado del punto 5.
40 −1.12𝑡 1 𝑚𝑖𝑛 = 60 𝑠𝑒𝑔
𝐶(𝑡) = 𝑡𝑒
3 0.28 𝑚𝑖𝑛 = 16.8 𝑠𝑒𝑔
Con está función pudimos obtener una grafica que Resultando en que el efecto termino pasadas:
mostraba el comportamiento de la concentración
con respecto al tiempo en horas. 4 ℎ𝑜𝑟𝑎𝑠 47 min 16.8 𝑠𝑒𝑔
Por lo tanto nuestra recomendación sería
que el paciente ingiriera esta pastilla cada 5 horas,
damos el margen de 13 minutos para que no se
sobrecargue de pastillas y llegue al tope de lo
permitido.
IV. DISCUSIÓN
En las anteriores ecuaciones se presentaron
los resultados obtenidos de los diferentes teoremas
aplicados a los planteamientos. Como se mostró en
los resultados anteriormente presentados podemos
hacer interpretaciones y deducciones acerca de los
resultados de las señales que se mostraron en las
gráficas elaboradas en matlab con los códigos
Fig.14 Gráfica de señal continua de tiempo correspondientes para transformar las señales en
Concentración vs Muestra.
12
función al dominio del tiempo, frecuencias, interesante porque a simple vista se podía
amplitudes, etc.. corroborar cuál era el intervalo en el que se
colocaba esta concentración máxima.
En el apartado lll con las interpretaciones
de las gráficas de frecuencia máxima con las tasas El modelo con una entrada exponencial
de muestreo realizadas en matlab (Fig.3), además representado por expresiones continuas
de los cálculos realizados con la transformada de sustituyendo a las discretas nos mostró cómo en la
laplace se pudieron demostrar los índices de pregunta 1 también se implementó la ecuación
concentración en el plasma sanguíneo y líquido dinámica y nuevamente la retomamos para obtener
intersticial (Fig.6) plasmados en la situación la concentración con respecto al tiempo en las
problema y por ende se puede dar una funciones de transferencia se obtuvieron los
recomendación clara con los resultados obtenidos valores de H(s), sin embargo, apoyándonos en la
sobre la administración de este fármaco y cómo transformada de laplace pudimos cambiar el
afecta o puede llegar a alterar en caso de que no sea dominio ‘t’ al dominio ‘s’. Los resultados
utilizado de una manera adecuada, es por eso que obtenidos fueron los esperados en lo que respecta
se tiene que contar con resultados antes de la a los cálculos, por otra parte se graficó en el
prescripción de este medicamento y controlar las programa matlab el comportamiento continuo
dosis que son recetadas dependiendo de la donde la señal reitera que nuestros cálculos fueron
morfología de cada paciente en específico (Fig. 7). exitosos (Fig.12).
una regla de 3 para definir la recomendación de y ver los resultados con tan buena lógica y
dosis de consumo sin tener una saturación de dosis argumentación me hace darme cuenta de que voy
permitida. por buen camino con mi metodología de trabajo y
organización.
V. CONCLUSIONES Los métodos aplicados en las fases fueron
complejos pero posibles de realizar, las
Este proyecto fue demasiado retador transformadas y propiedades utilizadas en los
debido a que fue interesante utilizar de manera ejercicios eran los necesarios para poder hacer
práctica el software de matlab, en conjunto con la que pasos complicados y largos se hicieran mas
transformada de laplace que fueron utilizadas para cortos y es por esto por lo que pudimos llegar a
determinar el grado de concentración necesario de resultados concisos de puntos tan complejos.
amoxicilina para la administración de este Considero que el hallazgo mas importante
antibiótico a un paciente, además de que nos en este trabajo fue el del comportamiento de la
ayudaron a poder obtener los cálculos para concentración respecto al tiempo en los 2
nuestras gráficas y de esta forma poder visualizar modelos realizados, tiempo continuo y discreto,
cuáles eran los comportamientos de estas para un ver como ambos resultados y graficas eran
análisis más amplio. similares pero no idénticos me hizo darme cuenta
de que verdaderamente hay una pérdida de datos a
Se analizaron las ecuaciones dinámicas la hora de discretizar, pero, se vuelve mucho más
para las funciones de transferencia, también para la fácil evaluar una función cuando solamente
frecuencia máxima para la tasa de muestreo con buscan muestras por instantes de tiempo, aunque
funciones logaritmicas y el comportamiento del también fue interesante ver como la función
fármaco en un paciente por lo que fue interesante continua daba resultados que podíamos considerar
comprender cómo es que se mostraban las señales precisos, permitiendo ver el desarrollo pleno de la
discretas de salida en función del tiempo, al igual función respecto al tiempo.
la concentración máxima considerando las En resumen, este trabajo me ayudo a
funciones de entrada y salida al sistema. aprender mas sobre señales, frecuencias,
transformadas y cálculo, aprendizajes útiles para
mi carrera de ingeniería biomédica y que sé que
Daniela Alejandra Valdes Torres:
aplicare ene l futuro.
Creo muy importante mencionar que los
temas que hemos abordado en esta situacion
problema son de gran interés, además de VI. APÉNDICE
interesantes debido a que estamos aplicando
nuestros conocimientos en las transformadas de Códigos de MATLAB:
laplace para realizar los cálculos necesarios y Problema 2:
también para graficar los resultados que requieran t_h=readmatrix("t_h.csv")
de un análisis más especializado como lo es f_t=readmatrix("f(t).csv")
matlab. Considero que es de mucha utilidad que plot(t_h,f_t,'r',LineWidth=1.5)
sepamos cómo relacionar las transformadas y ylabel('f(t) [ug/h]')
ecuaciones con situaciones de la vida cotidiana y xlabel('Tiempo (Horas)')
el impacto que esto tiene. ylim([4.374061851 560000])
xlim([0 10.5])
Jose Ricardo Cañedo Verdugo: grid
Este trabajo fue increíblemente retados, log_10_f_t=log10(f_t)
siendo sinceros, tal vez el mas retador de todo el
plot(t_h,log_10_f_t,'b',LineWidth=1.5)
semestre, plantear las ecuaciones y funciones,
resolverlas y analizar los resultados fueron sin ylabel('log10 [f(t)]')
duda cosas que tomaron mucho tiempo y esfuerzo xlabel('Tiempo (Horas)')
de mi parte, no obstante, fue un esfuerzo que ylim([0.640884919844298 5.74818802700620])
valió la pena, ya que el ver los puntos de los xlim([0 10.5])
problemas tan bien estructurados y desarrollados grid
14
xlabel('Tiempo (Horas)')
x=readmatrix("t_h.csv") grid on
y=readmatrix("f(t).csv")
ajuste_funcion = fit(x,y,'exp1'); VII. REFERENCIAS
plot(x,y,LineWidth=0.5)
ylabel('f(t) [ug/h]') [1] Pérez-González, M. (2019). Estudio
xlabel('Tiempo (Horas)') Farmacocinético de dos formulaciones de
ylim([4.374061851 560000]) Amoxicilina (500 mg T.I.D. en Cápsulas vs. 750
mg B.I.D. en tabletas dispersibles) en voluntarios
xlim([0 10.5])
humanos sanos. scielo.
grid
http://ve.scielo.org/scielo.php?script=sci_arttext&
hold on pid=S0798-02642001000100006
plot(ajuste_funcion,'r--'); http://ve.scielo.org/scielo.php?script=sci_arttext&
ylabel('f(t) [ug/h]') pid=S0798-02642001000100006
xlabel('Tiempo (Horas)')
legend('exp1') [2] Amoxicilina: MedlinePlus medicinas. (2020).
hold off Medicine.
https://medlineplus.gov/spanish/druginfo/meds/a6
plot(ajuste_funcion,x,y,'residuals'); 85001-es.html
ajuste_funcion https://medlineplus.gov/spanish/druginfo/meds/a6
85001-es.html
Problema 3:
t_h=readmatrix("t_h.csv") [3] S. (2021). Cuando y cómo tomar Amoxicilina.
semg.
f_t=readmatrix("f(t).csv")
https://www.semg.es/index.php/component/k2/ite
k=1.12
m/492-cuando-y-como-tomar-amoxicilina
T_s=1/6
V=42000 [4]Adquirir una Señal Analógica: Ancho de
C_anterior=0 Banda, Teorema de Muestreo de Nyquist y
for n=1:1:64 %64 por la cantidad de entradas que Aliasing. (2020). NI. https://www.ni.com/es-
hubo mx/innovations/white-papers/06/acquiring-an-
y=f_t(n) analog-signal--bandwidth--nyquist-sampling-
C_n=(y+V/T_s*C_anterior)/((V/T_s)+k*V) theorem-.html
C_anterior=C_n
C_s(1,n)=C_n [5]
end Gil Nobajas, J. J. (2010, 15 agosto). CONTROL
stem(C_s,'b') AUTOMATICO DE SISTEMAS CONTINUOS
title('Concentración vs Muestra') Y MUESTREADOS. Guía Control. Recuperado
xlabel('Número de muestra (Instante de tiempo)') 20 de junio de 2022, de
ylabel('Concentración (ug/mL)') https://core.ac.uk/download/pdf/83559623.pdf
grid on
[6]Adquirir una Señal Analógica: Ancho de
Banda, Teorema de Muestreo de Nyquist y
Problema 5:
t_h=readmatrix("t_h.csv") Aliasing. (2019). NI.
j=1.12 https://www.ni.com/es-mx/innovations/white-
C_t=(40/3).*t_h.*exp(-j.*t_h) papers/06/acquiring-an-analog-signal--
bandwidth--nyquist-sampling-theorem-
plot(t_h,C_t,'r',LineWidth=1.5)
.html#:~:text=El%20Teorema%20de%20Muestre
o%20de%20Nyquist%20explica%20la%20relaci
title('Concentración vs T(Horas)') %C3%B3n%20entre,alto%20en%20la%20se%C3
ylabel('Concentración [ug/ml]') %B1al%20medida.
15
[9]
Hernandez Granados, L. (2018, septiembre).
Definición de derivada. UNIVERSIDAD
AUTÓNOMA DEL ESTADO DE HIDALGO.
Recuperado 20 de junio de 2022, de
https://www.uaeh.edu.mx/docencia/P_Presentacio
nes/prepa_ixtlahuaco/2019/4/Calculo.pdf