Practica 2
Integrantes: Luna, Nadia; Bola˜
nos, Luis; Rangel, Maria Fernanda;
Angulo,
´ Anibal.
BI2010.441 - An´
alisis de señales y sistemas biomédicos
Departamento de Mecatrónica, Tecnológico de Monterrey, Campus Ciu-
dad de Mexico, CDMX, México
12 de marzo de 2021
1. Introducción
Durante el desarrollo de esta situación proble-
ma examinamos la actividad cardı́aca de un grupo
de personas, especı́ficamente su variabilidad de
frecuencia cardiaca, mediante métodos de análi-
sis de los ı́ndices que ésta posee en el tiempo y en
la frecuencia para obtener información relevante
sobre los pacientes. La variabilidad de la frecuen-
cia cardı́aca (VFC) es la variación que existe en la
distancia entre los intervalos RR’ de un electrocar-
diograma, el estudio de la VFC nos permite explo-
rar la influencia del sistema nervioso autónomo
sobre el corazón. [1]
Los intervalos RR’ fluctúan de forma cı́clica,
modulados por la respiración, los barorrecepto-
res y otros factores genéticos y ambientales, los
electrocardiogramas realizados en un espacio de
tiempo corto nos ayudan a reconocer y analizar
la respuesta del sistema nervioso autónomo, y la
identificación de la VFC puede ser un señalizador
importante sobre la función cardı́aca y cómo es
afectada por el SNA. [2]
El propósito del estudio es investigar si al usar
una intervención de biorretroalimentación HRV
puede tener efectos positivos como un comple-
mento terapéutico en la terapia de exposición a
fobias especı́ficas.
El total de sujetos fueron 80 personas de en-
tre 18 y 40 años de edad con fobia a las arañas.
Sin embargo, al final el conjunto de datos fueron
de 57 personas divididas en 3 grupos de mane-
ra aleatoria. Se descarto el primer grupo debido a
que los sujetos aplicaron un técnica de respiración
que afectarı́a los datos. Tampoco se incluyeron los
datos de 3 personas más ya que se presentaron
problemas técnicos durante la realización del ex-
perimento. (Figura 1)
Los métodos que se usaron fueron los siguien-
tes:
Todas las personas que participaron en el gru-
po recibieron una sesión de entrenamiento en las
1
cuales se practican dos tareas: biorretroalimenta-
ción HRV y una tarea de pseudobiorretroalimen-
tación motora o dos tareas de pseudobiorretro-
alimentación motora. Las dos tareas de pseudo-
biofeedback requieren que los participantes sin-
cronicen un golpe repetitivo en una mesa (A) o
un movimiento rı́tmico de la mano (B) con una
señal pseudofisiológica. Después de esta sesión de
entrenamiento los sujetos entrenaron estas tareas
6 dı́as en casa.
El segundo grupo que si se incluyó en el es-
tudio realizaba HRV biofeedback y una pseudo-
tarea antes de la exposición a los videos, y con-
tinuaban la tarea durante los mismos, el grupo
tres practicaba dos tareas de pseudo-biofeedback
y continuaban una de ellas durante los videos, y
el último grupo realizaba las mismas dos tareas
pero durante la exposición a los videos se descon-
tinuaban.
A los 3 grupos se les mostró una serie de vi-
deoclips de arañas. Cada sesión comenzaba con
un clip de muestra de 1 minuto, después seguı́an
16 clips de videos de arañas de 1 minuto. Se de-
be destacar que estos fueron tomados de docu-
mentales que mostraban de manera detallada a
las arañas. Al final se daba un tiempo de 5 minu-
tos dedicado al reposo. Los clips de arañas fueron
divididos en dos grupos: 1-8 y 9-16 y su orden
dentro de cada grupo fue de manera aleatoria.
La VFC puede ser analizada mediante métodos
de análisis en los dominios del tiempo y de la fre-
cuencia, pero estos solo tienen significancia si se
calculan sobre registros de 24 horas de duración
o más.
Métodos de análisis en el dominio del tiempo:
• SDNN que corresponde a la desviación
estándar de los intervalos NN.
• pNN50 que es el porcentaje de intervalos NN
consecutivos mayores a 50ms.
• rMSSD que corresponde al valor RMS de las
diferencias consecutivas de los intervalos RR.
Figura 1: Descripción de los grupos de estudio
• AVNN siendo la media de todos los intervalos
NN.
Los métodos de análisis en el dominio de la fre-
cuencia son diferentes por el algoritmo matemáti-
co que se utiliza y se dividen en dos gruos, pa-
ramétricos y no paramétricos. Algunos de los más
conocidos son la transformada rápida de Fourier,
autoregresiva y la entropı́a aproximada. Al mismo
tiempo, cuando contamos con registros de breve
duración se esperan ver los siguientes tres com-
ponentes:
• VLF, muy baja frecuencia (0-0.04 Hz)
• LF, baja frecuencia (0.04-.15 Hz)
• HF, alta frecuencia (.15-.4Hz)
• LF/HF es la relación entre baja frecuencia y
alta frecuencia.
2. Metodologı́a
Comenzamos realizando una lectura de los es-
tudios proporcionados, ya que de esta forma nos
dimos una idea más concisa de lo que debı́amos
hacer para responder a las preguntas de la situa-
ción problema. Realizamos un código en Matlab
que nos permitió conocer la Variabilidad de la
Frecuencia Cardı́aca (VFC) a través del cálculo de
la distancia de los intervalos NN de las señales de
electrocardiograma de los 57 pacientes, esto se
realizó siguiendo los siguientes pasos:
• Extraer los datos de cada paciente y graficar
la señal de su ECG en función del tiempo.
• Extraer los pics R con ayuda de un “template
matching”, en este caso se utilizó una señal
triangular.
• Calcular la correlación. (Veremos que los
puntos con mayor correlación es donde se
encuentran los picos R)
• Extraer las ubicaciones de los picos R y cal-
2
cular la diferencia en tiempo entre éstos, si
queremos verlos de forma gráfica, se pueden
graficar.
Una vez obtenidos los picos R de los 57 pa-
cientes divididos en los tres grupos, procedemos a
realizar los estudios de estadı́stica descriptiva co-
rrespondientes, en nuestro caso obtuvimos los si-
guientes ı́ndices de la VFC en el dominio del tiem-
po:
• AVNN
• SDNN
• rMSSD
• pNN50
Y los siguientes en el dominio de la frecuencia:
• LF
• HF
• LF/HF
3. Resultados
Realizamos la metodologı́a propuesta anterior-
mente y obtuvimos las siguientes gráficas:
• Extraer los datos del paciente y graficar su
ECG en función del tiempo. (Figura 2)
• Extraer los picos R con ayuda de un template
matching (una señal triangular en este caso)
(Figura 3)
• Calcular la correlación. (Figura 4)
• Extraer las ubicaciones de los picos R. (Figu-
ra 5)
Primero realizamos el análisis de los métodos
en el dominio del tiempo en Excel. Comenzamos
con:
• AVNN, se puede interpretar como la media
de todos los intervalos RR que obtuvimos;
nos permite saber si la persona se encuen-
tra en estrés y en esta situación los pacien-
tes qtienen fobia a las arañas, por lo que al
Figura 2: ECG para un paciente

Figura 3: Template triangular utilizado

Figura 4: Correlación

3
Figura 5: Ubicación de los picos R
mostrarles estas imágenes la variabilidad de
la frecuencia se ve reflejada en la duración
de los intervalos RR. (Figura 6), (Figura 7),
(Figura 8)
• SDNN, con este método de tiempo pudimos
calcular la desviación estándar que ocurre en
los intervalos rr. que es la medida que usa-
mos para valorar la variabilidad de la fre-
cuencia cardiaca. (Figura 9), (Figura 10), (Fi-
gura 11)
• rMMSSD, este parámetro nos indica las va-
riaciones que se producen en los intervalos
RR durante un corto periodo de tiempo. Al
mismo tiempo, obtenemos información de
cómo el sistema cardiovascular se ve afec-
tado por el sistema nervioso parasimpático.
(Figura 12), (Figura 13), (Figura 14)
• pNN50. (Figura 15), (Figura 16), (Figura 17)
Seguimos realizando el análisis en el dominio
de la frecuencia y obtuvimos los siguientes gráfi-
cos.
• LF, se encuentra entre 0.04 Hz y 0.15 Hz, es
una zona complicada de interpretar ya que
puede atribuirse a la influencia del sistema
nervioso simpático y a la del sistema nervioso
parasimpático. Según varios estudios parece
ser que en registros a largo plazo nos propor-
ciona más información sobre la actividad del
SNS. Las influencias del SNP se dan cuando
existe una frecuencia respiratoria baja (infe-
rior a 7 ciclos/min.). También se considera
una zona representativa de la actividad baro-
rreceptora. (Figura 18), (Figura 19), (Figura
4
20)
• HF, son frecuencias que se encuentran situa-
das entre 0,15 Hz y 0,4 Hz. La HF está rela-
cionada con la actividad del Sistema Nervio-
so Parasimpático y tiene un efecto relaciona-
do con la relajación sobre la Frecuencia car-
diaca. La frecuencia respiratoria también in-
fluye sobre este espectro. Cuando cambia la
frecuencia respiratoria también cambia el pi-
co de HF, esto demuestra hasta qué punto es
importante la influencia de la frecuencia res-
piratoria.. (Figura 21), (Figura 22), (Figura
23)
• LF/HF, indica la proporción entre la densi-
dad espectral de baja y alta frecuencia, es-
ta relación entre las bajas frecuencias y las
altas del análisis espectral de la VFC puede
estimar la influencia vagal relacionada a la
relajación y las HF mientras la simpática está
relacionada al estrés y las LF. Ası́ podemos
estimar el equilibrio simpático-vagal. Si hay
una mayor influencia de SNS, puede ser cau-
sa de trastornos de salud, depresiones, etc,
y puede perjudicar en general el equilibrio
biofı́sico de la persona. En este caso, encon-
trarı́amos que la VFC está disminuida. Una
VFC alta parece ser un indicador de buena
salud, de menor mortalidad si hablamos de
un estado post-enfermedad, o de correcta to-
lerancia a las cargas de trabajo y a los en-
trenamientos. Debido a la controversia en la
interpretación de las LF de forma aislada, se
utiliza la proporción LF/HF para estimar de
Figura 6: Media del AVNN para cada paciente

Figura 7: Summary del ı́ndice AVNN

Figura 8: ANOVA de ı́ndice AVNN

5
Figura 9: Media del SDNN para cada paciente

Figura 10: Summary del ı́ndice SDNN

Figura 11: ANOVA de ı́ndice SDNN

6
Figura 12: Media del rMSSD para cada paciente

Figura 13: Summary del ı́ndice rMMSD

Figura 14: ANOVA de ı́ndice rMMSSD

7
Figura 15: Media del pNN50 para cada paciente

Figura 16: Summary del ı́ndice pNN50

Figura 17: ANOVA de ı́ndice pNN50

8
Figura 18: Media de LF para cada paciente

Figura 19: Summary de ı́ndice LF

Figura 20: ANOVA de ı́ndice LF

9
Figura 21: Media de HF para cada paciente

Figura 22: Summary de ı́ndice HF

Figura 23: ANOVA de ı́ndice HF

10
 manera más efectiva la actividad del SNS.
(Figura 24), (Figura 25), (Figura 26)
4. Discusión
Comenzamos analizando el valor P, el cual nos
ayuda a identificar los datos útiles para analizar,
ya que mientras sea más cercano a 0 podemos in-
ferir que nuestra variable es más significativa y
existe una mayor relación entre los datos. Debido
a los P-Values obtenidos en los análisis estadı́sticos
de Low Frequency (LF) y High Frequency (HF) los
cuales fueron .60 y .90 respectivamente, decidi-
mos descartarlos pues al encontrarse tan alejados
de 0 no nos dan información confiable y no hay
una verdadera significancia entre los datos ob-
tenidos, además de que de esta forma podemos
analizar los demás valores sin encontrar contra-
dicciones. El primer método (AVNN), el cual re-
presenta la media de los intervalos NN que no es
más que la fluctuación de la duración de los in-
tervalos de los latidos del corazón y representa
la capacidad que tiene el corazón de responder a
una variedad de estı́mulos tanto psicológicos co-
mo fisiológicos, nos dice que existe menos espacio
entre latido y latido en el grupo 3, por lo que po-
demos afirmar que el grupo 3 tiene una frecuen-
cia cardiaca más alta, creemos que esto se debe
al estrés y ansiedad generados una vez que co-
mienza la exposición a los videos de arañas. Tam-
bién se debe recordar que este grupo solamen-
te realizó una tarea de pseudo-feedback durante
la exposición a los videos. En el análisis de las
variaciones en periodos cortos de los intervalos
(RMSSD) identificamos que el que tiene más fluc-
tuaciones repentinas y es el grupo 3 es el que tie-
ne mayor control cardiaco cagal ya que sus inter-
valos son más altos el grupo 3 tiene un RMSSD
de 121.29 mientras que los los grupos 2 y 4 son
mucho más bajos con 73.24 y 70.94 respectiva-
mente. En el ı́ndice de PNN50 se puede notar
una varianza ya que a diferencia de los anterio-
res métodos habı́a tenido una mayor influencia el
aumento de la frecuencia cardiaca por la pseudo-
biorretroalimentación previa y durante la prueba
en el grupo 3 es por eso que se da esta diferencia
en los parámetros. El siguiente método de análi-
sis en tiempo es el SDNN el cual corresponde a
la desviación estándar de los intervalos NN, un
promedio más alto en el SDNN nos indica una
variabilidad de frecuencia mayor, lo cual signifi-
11
ca que hay un mejor equilibrio entre el sistema
simpático y parasimpático, cuando se encuentran
en este estado generado por el estrés el sistema
parasimpático está sobreactivado. En este caso,
comparando los promedios de los valores obteni-
dos, podemos ver que el grupo 3 tiene un SDNN
más de 20 puntos por encima (108.6972) com-
parado a los del grupo 2 y el grupo 4 (87.6174
y 86.1652, respectivamente), esto nos indica una
mejor adaptabilidad al estrés y ansiedad impues-
tos. Por último, el método de análisis en el do-
minio de la frecuencia que si tomamos en cuenta
(LF/HF) nos ayuda a observar qué grupo respon-
de mejor a la ansiedad generada siendo el grupo
con un promedio más cercano a 1 el que reaccio-
na de mejor manera. Se puede observar que el
promedio más alto es el del grupo 3 (3.4182), lo
cual se contrapone a nuestros resultados obteni-
dos previamente. Sin embargo, podemos concluir
que este método de análisis puede no ser tomado
en cuenta en comparación a los previamente rea-
lizados pues su P-Value es mayor comparado a los
métodos anteriores.
5. Conclusiones
De acuerdo a los resultados obtenidos con la es-
tadı́stica descriptiva y la discusión realizada, lle-
gamos a la conclusión de que el grupo 3, el cual
realizó dos tareas de pseudo-biofeedback y con-
tinúo una de ellas durante la exposición es el
grupo que tuvo una mayor variabilidad de la fre-
cuencia cardiaca (VFC), lo cual representa un me-
jor equilibrio entre la acción del Sistema Nervio-
so Simpático (SNS) y el Sistema Nervioso Para-
simpático (SNP), esto, a su vez, nos indica una
mejor adaptabilidad al estrés y la ansiedad causa-
dos al ser expuestos a los videos de arañas. Gra-
cias a esto podemos concluir que las tareas de
pseudo-biofeedback tienen un efecto positivo so-
bre los sı́ntomas de estrés y ansiedad causados
por la exposición a un miedo en especı́fico.
6. Apéndice
Utilizamos el siguiente código para resolver las
interrogantes planteadas en la situación proble-
ma. (Figura 27)
Referencias
[1] Kleiger RE, Stein PK, Bigger JT Jr. Heart
rate variability: measurement and clinical
Figura 24: Media de LF/HF para cada paciente

Figura 25: Summary de ı́ndice LF/HF

Figura 26: ANOVA de ı́ndice LF/HF

12
Figura 27: Código de MatLab

13
 utility. Ann Noninvasive Electrocardiol. 2005
Jan;10(1):88-101. doi: 10.1111/j.1542-
474X.2005.10101.x. PMID: 15649244;
PMCID: PMC6932537.

[2] Cabrera Rojo, I., Cabrera Santos, A., Gallardo

Montes de Oca, G. (1997). Variabilidad de la
frecuencia cardı́aca en el joven normal. Re-
vista Cubana de Investigaciones Biomédicas,
16(2), 98-103.

[3] Gil Rodas, Carles Pedret Carballido. (2008).

Variabilidad de la frecuencia cardiaca:
concepto, medidas y relación con as-
pectos clı́nicos.. 11/03/2021, de Archi-
vos de Medicina del Deporte Sitio web:
https://archivosdemedicinadeldeporte.com/articulos

[4] Laura Veloza, Camilo Jiménez, Varia-

bilidad de la frecuencia cardı́aca como
factor predictor de las enfermedades
cardiovasculares, Revista Colombiana
de Cardiologı́a, Volume 26, Issue 4,
2019, Pages 205-210, ISSN 0120-5633,
https://doi.org/10.1016/j.rccar.2019.01.006.
(https://www.sciencedirect.com/science/article)

14