Aplicacion Variabilidad Frecuencia Cardiaca Estudio Emociones

Escuela Internacional de Doctorado
Pedro Cuesta Morales
TESIS DOCTORAL
Aplicación de la Variabilidad de la Frecuencia Cardı́aca al Estudio de las Emociones
Dirigida por los Doctores:

Marı́a José Lado Touriño
Xosé Antón Vila Sobrino
Año: 2018
A Bea y Carlos, porque sois lo más importante en mi vida.
A mis padres, porque siempre seréis mis mejores maestros.
A mi familia, por vuestro cariño y comprensión.
Agradecimientos
En primer lugar, y de manera muy especial, tengo que dar las gracias a las dos
personas que han hecho posible que este proyecto se haga realidad, mis directores de
Tesis, la Doctora Marı́a José Lado Touriño, y el Doctor Xosé Antón Vila Sobrino.
Gracias Pepa, porque sin tu apoyo constante, tu colaboración, tu entusiasmo,
esta Tesis no hubiera sido posible. Gracias por animarme a trabajar diariamente,
por llenarme de optimismo, y ası́ poder avanzar en la investigación.
Gracias Antón, tu ayuda incondicional, tus aportaciones, tus sabias correcciones,
han sido claves para alcanzar las metas marcadas. Gracias por tu iniciativa, por tus
brillantes ideas, y por capitanear el trabajo.
Tengo también que dar las gracias a dos compañeros cuya colaboración ha si-
do clave en esta Tesis, Leandro Rodrı́guez Liñares y José Baltasar Garcı́a Perez-
Schofield. Ambos me han ayudado en el desarrollo de la herramienta VARSE, Bal-
tasar con su amplia experiencia en la programación Android, y Leandro con su ver-
satilidad y destreza en la programación de las técnicas de análisis de la variabilidad
de la frecuencia cardı́aca.
Otra persona a la que tengo que agradecer su cooperación, sus contribuciones,
sus aportaciones en este trabajo, es a Arturo José Méndez Penı́n. Gracias Arturo,
por bautizar la herramienta, por tus correcciones, y por tu apoyo incondicional.
En esta Tesis he realizado varios estudios en colaboración con profesionales de
otras áreas cientı́ficas, como la publicidad o la psiquiatrı́a. Me gustarı́a agradecer
la inestimable colaboración de Alejandro Garcı́a Caballero, psiquiatra e investiga-
dor del Complejo Hospitalario Universitario de Ourense (CHOU), Gerardo Flórez
Menéndez, psiquiatra y director de la Unidad para el Tratamiento de Conductas
Adictivas (CHOU), y de José Rúas Araújo, profesor de la Facultad de Ciencias
Sociales y de la Comunicación de la Universidad de Vigo. Gracias porque vuestra
participación ha permitido comprobar la utilidad de la variabilidad de la frecuencia
cardı́aca en diferentes campos de investigación.
¡Y gracias a todas las personas que me han animado a terminar esta Tesis!
Índice general
1. Variabilidad de la frecuencia cardı́aca 1

1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. El sistema nervioso autónomo y la HRV . . . . . . . . . . . . . . . . 4
1.3. Cuantificación de la HRV . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1. Índices de HRV en el dominio del tiempo . . . . . . . . . . . . 8
1.3.2. Índices de HRV en el dominio de la frecuencia . . . . . . . . . 12
1.3.3. Medidas no lineales de la HRV . . . . . . . . . . . . . . . . . . 19
2. Regulación emocional y HRV 21

2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2. HRV y psiquiatrı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3. Algunos estudios relacionados . . . . . . . . . . . . . . . . . . . . . . 26
2.3.1. Esquizofrenia . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.2. Depresión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.3. Fibromialgia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3.4. Otros trastornos . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.5. Impacto de la medicación . . . . . . . . . . . . . . . . . . . . 33
3. Hipótesis y objetivos 35
3.1. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4. Bases de datos de frecuencia cardı́aca 39

4.1. Frecuencia cardı́aca y estı́mulos visuales . . . . . . . . . . . . . . . . 43
4.2. Frecuencia cardı́aca y orientación polı́tica . . . . . . . . . . . . . . . . 44
i
ii Índice general
4.3. Recomendaciones para la adquisición de señal de HR . . . . . . . . . 49

4.4. Repositorio de registros de señales fisiológicas . . . . . . . . . . . . . 52
5. Aplicaciones de la HRV 57
5.1. Protocolos comunes de actuación . . . . . . . . . . . . . . . . . . . . 58
5.2. Regulación emocional . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2.1. Estimulación visual y regulación emocional en población normal 61
5.2.2. Diagnóstico de psicopatı́a y HRV . . . . . . . . . . . . . . . . 71
5.3. HRV en ciencias sociales . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.3.1. Análisis del sentimiento patriota y su influencia en la HRV . . 83
5.3.2. Estudio de las actitudes polı́ticas a través de la HRV . . . . . 94
6. VARSE: herramienta para adquisición y análisis de HRV 103

6.1. Escenario actual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.1.1. Herramientas de adquisición de señal fisiológica . . . . . . . . 104
6.1.2. Herramientas de análisis de la HRV . . . . . . . . . . . . . . . 107
6.2. Descripción de VARSE . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.2.1. Funcionalidades . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.2.2. Arquitectura . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.2.3. Implementación . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.2.4. Instalación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.2.5. Interfaz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.3. Análisis de usabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
6.4. Discusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
6.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7. Conclusiones y trabajo futuro 135
Acrónimos 137
Bibliografı́a 141
Índice de figuras
1.1. Ondas que componen un latido cardı́aco . . . . . . . . . . . . . . . . 3

1.2. Intervalo RR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Modelo de control cardiovascular propuesto por Akselrod . . . . . . . 5
1.4. Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5. Transformada de Fourier de Tiempo Reducido . . . . . . . . . . . . . 17
1.6. Transformada Wavelet . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.1. SAM para evaluación de imágenes del IAPS . . . . . . . . . . . . . . 22
4.1. Ficheros de un registro de HR en el estudio de estı́mulos visuales . . . 42

4.2. Formulario de obtención de datos en el estudio de estı́mulos visuales . 45
4.3. Evaluación de las imágenes del IAPS mediante SAM . . . . . . . . . 46
4.4. Formulario de obtención de datos en el estudio de orientación polı́tica 48
4.5. Ficheros de un registro de HR en el estudio de orientación polı́tica . . 49
4.6. Registro de HR en el estudio de recomendaciones para la adquisición 51
4.7. Vista principal de PhysioDataBase . . . . . . . . . . . . . . . . . . . 53
4.8. Información general de un experimento en PhysioDataBase . . . . . . 53
4.9. Extensiones de los ficheros en PhysioDataBase . . . . . . . . . . . . . 54
4.10. Acceso a los datos de los participantes en un experimento en Physio-
DataBase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.11. Información General de cada participante en un experimento en Phy-
sioDataBase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.12. Ficheros asociados a cada participante en PhysioDataBase . . . . . . 56
iii
iv Índice de figuras
5.1. Potencia total HRV para el orden de presentación de imágenes neutras-

desagradables-agradables . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.2. Potencia total HRV para el orden de presentación de imágenes desagradables-
neutras-agradables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.3. Relación entre la HRV y la carga emocional . . . . . . . . . . . . . . 91
5.4. Cociente LF/HF para estudiantes con ideologı́as de izquierdas y de
derechas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.1. Arquitectura de VARSE . . . . . . . . . . . . . . . . . . . . . . . . . 114

6.2. Sitio Web de VARSE . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.3. Pantalla principal de VARSE . . . . . . . . . . . . . . . . . . . . . . 120
6.4. Crear un nuevo experimento en VARSE . . . . . . . . . . . . . . . . . 121
6.5. Adición de actividades a un experimento en VARSE . . . . . . . . . . 122
6.6. Edición de una actividad manual en VARSE . . . . . . . . . . . . . . 124
6.7. Ejecución de un experimento en VARSE . . . . . . . . . . . . . . . . 125
6.8. Ejemplo de análisis de HRV de un registro en VARSE . . . . . . . . . 127
6.9. Dimensiones de VARSE evaluadas con el UEQ . . . . . . . . . . . . . 131
Índice de tablas
4.1. Caracterización por género y edad . . . . . . . . . . . . . . . . . . . . 43

4.2. Caracterización por género . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3. Caracterización por sector . . . . . . . . . . . . . . . . . . . . . . . . 47
4.4. Caracterización por orientación polı́tica . . . . . . . . . . . . . . . . . 47
4.5. Situaciones de registro de HR en el 4o estudio . . . . . . . . . . . . . 51
5.1. Valores globales de los parámetros espectrales para los diferentes sub-
conjuntos muestrales . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.2. Parámetros espectrales obtenidos al visualizar las imágenes agrada-
bles, desagradables y neutras en primer lugar . . . . . . . . . . . . . . 66
5.3. Valores subjetivos de valencia y activación para los tres grupos de
imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.4. Información de partida para la realización del estudio de significación
estadı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.5. Relación entre los ı́ndices espectrales y valores de los test PCL-R,
CAPP e IPDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.6. Comparación de parámetros de HRV para hombres y mujeres . . . . . 89
5.7. Patrones secuenciales encontrados para las emociones . . . . . . . . . 89
5.8. Distribución de categorı́as de carga emocional por participantes, uni-
versidades, versiones del himno, y género . . . . . . . . . . . . . . . . 91
6.1. Indicadores estadı́sticos obtenidos con el UEQ . . . . . . . . . . . . . 130
v
Capı́tulo 1
Variabilidad de la frecuencia
cardı́aca
1.1. Introducción
Las enfermedades cardiovasculares son la principal causa de muerte en todo el
mundo. Según datos de la Organización Mundial de la Salud1 , en 2015 se calcula
que murieron por esta causa 17.7 millones de personas, lo que representa un 31 % de
todas las muertes registradas en el mundo (7.4 millones se debieron a cardiopatı́as
coronarias y 6.7 millones a enfermedades vasculares cerebrales).
La Asociación Americana del Corazón (American Heart Association) elabora
cada año estadı́sticas sobre incidencia de enfermedades del corazón y sus factores de
riesgo. Según el último informe [60], en Estados Unidos una de cada tres muertes
tiene como causa subyacente las enfermedades cardiovasculares. Estas enfermedades
se cobran más vidas que todos los tipos de cáncer y enfermedades crónicas de vı́as
respiratorias juntos. La cardiopatı́a isquémica causa una de cada siete muertes en
Estados Unidos, y mata más de 360 mil personas al año. Cada año, alrededor de 790
mil norteamericanos tienen ataques al corazón.
La alta incidencia de enfermedades cardı́acas ha supuesto que se dediquen grandes
esfuerzos de investigación en este campo. Ası́, se han desarrollado múltiples sistemas
y algoritmos para ayudar a los médicos en la detección y clasificación de anomalı́as
1
http://www.who.int/
1
2 Capı́tulo 1. Variabilidad de la frecuencia cardı́aca
cardı́acas (arritmias del corazón, bloqueos, etc.) [152, 231] o de enfermedades respi-
ratorias [10, 43, 107].
La principal prueba diagnóstica para evaluar la función cardı́aca es el electrocar-
diograma (ECG), con el cual se registra la actividad eléctrica del corazón a lo largo
del tiempo. Además de los estudios propios de ECG, los principales trabajos de in-
vestigación realizados en este ámbito se han centrado en el análisis de dos medidas:
la frecuencia cardı́aca (Heart Rate o HR) y la variabilidad de la frecuencia cardı́aca
(Heart Rate Variability o HRV).
La frecuencia cardı́aca es uno de los parámetros básicos en el análisis y valoración
de la actividad cardı́aca. La HR se puede definir como el número de latidos del co-
razón por unidad de tiempo, por lo general minutos [124]. En reposo, la HR normal
para adultos varı́a de 50 a 100 latidos/minuto. Ha sido un parámetro ampliamente
utilizado debido a su facilidad de medida (no invasiva), y a que no necesita una pre-
cisión extrema. Hoy en dı́a existen numerosos dispositivos electrónicos (entre ellos
algunos de los conocidos como “wearables”: bandas, pulseras, relojes, etc.) que per-
miten obtener de forma sencilla información de la frecuencia cardı́aca, con diferentes
niveles de exactitud. Esto ha facilitado la medición continua en diferentes situacio-
nes, por ejemplo durante la realización de ejercicio fı́sico, lo que permite evaluar el
esfuerzo cardiovascular llevado a cabo.
Normalmente los valores bajos de HR se obtienen en reposo o descanso, y una
frecuencia alta se corresponde con la realización de ejercicio fı́sico o esfuerzo. En gene-
ral, una HR en reposo baja corresponde a una persona que posee un funcionamiento
del corazón más eficiente y una mejor salud cardiovascular.
La HR mide el promedio de latidos por minuto, pero no tiene en cuenta las varia-
ciones en el tiempo entre latidos sucesivos del corazón. Estas variaciones representan
un mecanismo por el que el organismo trata de adaptarse a los factores de estrés
internos y externos. La variabilidad de la frecuencia cardı́aca se define como la va-
riación a lo largo del tiempo de las distancias entre latidos sucesivos del corazón
[148]. La manera habitual de medir la HRV es a partir del ECG [142]. Los diferentes
potenciales que se producen durante la estimulación cardı́aca y que se repiten de un
latido a otro dan lugar a una serie de ondas (Figura 1.1). La onda P es la primera
onda del ciclo cardı́aco y representa la despolarización de las aurı́culas. El complejo
1.1. Introducción 3
Figura 1.1: Ondas que componen un latido cardı́aco
QRS representa la despolarización de los ventrı́culos. La onda T, generalmente de

menor amplitud que el complejo QRS, representa la repolarización de los ventrı́culos
[142].
Para medir la HRV se detecta cada una de las ondas R y se calcula el tiempo
entre las diferentes ondas R consecutivas, o intervalo RR (Figura 1.2). Este tiempo
se mide habitualmente en milisegundos (ms).
Los avances tecnológicos han permitido que dispositivos electrónicos puedan re-
gistrar y procesar el ECG o, como mı́nimo, obtener la información de la HR y de la
HRV. La conexión utilizando protocolos estándar de transmisión, como Bluetooth2
o ANT+3 , está facilitando el desarrollo de aplicaciones móviles que, a partir de la
información obtenida de HR y HRV, ofrecen servicios añadidos pensados para el
deporte o la salud (un ejemplo serı́a la app EliteHRV4 ).
También se están desarrollando nuevos métodos y técnicas algorı́tmicas a partir
de los datos de frecuencia cardı́aca registrados por un dispositivo móvil. En un tra-
bajo previo realizado [46], desarrollamos un algoritmo para detectar contracciones
ventriculares prematuras (tipo de anomalı́a cardı́aca) utilizando las distancias entre
2
https://www.bluetooth.com/
3
https://www.thisisant.com/developer/ant-plus/
4
https://elitehrv.com/
Figura 1.2: Intervalo RR
latidos (intervalos RR), registradas con un dispositivo móvil y un sensor de frecuen-

cia cardı́aca (banda Polar). Los resultados obtenidos fueron comparables a técnicas
más costosas que emplean grabación de ECG.
La HRV es uno de los parámetros más utilizados en el análisis y valoración de la
actividad cardı́aca para conocer el estado de salud del corazón. Niveles bajos de varia-
bilidad están directamente relacionados con una mayor incidencia de enfermedades
cardiovasculares, y con un ı́ndice más elevado de mortalidad por causas cardı́acas
[203]. La regulación del sistema cardiovascular se lleva a cabo por el sistema ner-
vioso autónomo (Autonomic Nervous System o ANS); de este modo, la HRV es un
marcador que permite conocer la actividad de nuestro ANS de manera no invasiva.
1.2. El sistema nervioso autónomo y la HRV

El ANS está asociado a cada proceso automático que se lleva a cabo en el cuerpo
humano [147]. Es el encargado de regular la presión arterial, los niveles de azúcar
en la sangre, la temperatura corporal, la digestión y muchos procesos más. La HRV
es el resultado de las interacciones entre el ANS y el sistema cardiovascular. La
HRV es un indicador del correcto funcionamiento del sistema nervioso (dado que el
ANS también está vinculado a los principales sistemas y procesos biológicos, la HRV
también vincula la actividad cardiovascular con otros sistemas como el respiratorio
o el digestivo). Por tanto, la HRV es una herramienta de utilidad para entender la
salud general, la resistencia y la capacidad de soportar el estrés.
El ANS está compuesto de dos ramas principales que controlan el estrés y los
procesos de recuperación. La actividad del ANS se basa en un equilibrio entre el sis-
1.2. El sistema nervioso autónomo y la HRV 5
Figura 1.3: Modelo de control cardiovascular propuesto por Akselrod
tema nervioso simpático (Sympathetic Nervous System o SNS) y el sistema nervioso

parasimpático (Parasympathetic Nervous System o PNS). En estados de ansiedad,
estrés y actividad fı́sica predomina la actuación del SNS, aumentando la frecuencia
cardı́aca mediante impulsos lentos de baja frecuencia (disminuyendo la HRV). En
cambio, en un estado de reposo predomina el PNS, encargado de realizar una dis-
minución de la frecuencia cardı́aca por impulsos eléctricos vagales de alta frecuencia
(aumentando la HRV) [124].
Una actividad cardı́aca sana implica un alto grado de variabilidad latido a latido,
proporcionando un efecto protector contra el infarto de miocardio o la insuficiencia
cardı́aca. Un tono parasimpático alto ayuda a mantener la estabilidad del corazón y
proteger contra posibles eventos cardı́acos adversos. Por el contrario, el aumento del
tono simpático aumenta el riego de arritmias malignas y muerte cardı́aca [99].
Esta relación entre el ANS y la HRV se explica a partir de los resultados del
experimento descrito por Akselrod y col. [8], que supuso un hito importante en los
estudios de HRV, sobre todo de cara a su uso clı́nico. En este trabajo se estableció que
las variaciones en HR no eran solo ruido, y que si la serie de frecuencias cardı́acas

instantáneas se consideraba como una serie temporal y se analizaba su espectro,
aparecı́an algunos picos predominantes en ciertas frecuencias.
El experimento se diseñó para probar si habı́a realmente tres componentes es-
pectrales de HRV. Para ello utilizaron perros conscientes, sin anestesiar, a los que
suministraron algunos medicamentos cuyos efectos sobre el ANS eran conocidos. En
primer lugar les administraron glicopirrolato para bloquear el sistema parasimpático
observando que se eliminaban los picos de frecuencia media y alta, mientras que
los picos de baja frecuencia se reducı́an. Luego, administraron propranolol para blo-
quear el sistema simpático y observaron una reducción en los picos de baja frecuencia.
Cuando administraban ambas drogas, se dieron cuenta de la eliminación de todos
los picos, haciendo la serie de frecuencia cardı́aca constante.
Para explicar estos resultados propusieron un modelo simple de control cardiovas-
cular (Figura 1.3). El SNS y el PNS eran directamente responsables de la modulación
de la frecuencia cardı́aca en respuesta a las fluctuaciones en variables como la presión
arterial. El tiempo de respuesta del PNS es más rápido que el SNS, por lo que es el
único que tiene efectos en los picos de frecuencias medias y altas. Sin embargo, el
pico de baja frecuencia está influenciado por ambos sistemas.
1.3. Cuantificación de la HRV

A pesar de que se continúa investigando la utilidad del análisis de la HRV, existen
numerosas limitaciones para que la HRV se convierta en una práctica clı́nica habitual.
Disponer de valores de referencia para los diferentes grupos de población, o guı́as
clı́nicas sobre protocolos de medida son dos ejemplos de estas limitaciones.
Cuando se mide la HRV de una persona, lo ideal serı́a poder establecer si los
valores de los parámetros obtenidos son valores normales o no. Pero para ello habrı́a
que conocer dichos valores de “normalidad” para el resto de la población, para ası́
poder llevar a cabo la comparación. En este sentido, cabe indicar que la comparación
con otras personas es difı́cil, ya que existen muchos factores como la edad, el género,
la salud, o las condiciones fı́sicas que tienen que tenerse en cuenta, ya que influyen
directamente en la HRV [146]. Entre otros aspectos, la HRV es sensible a cambios
1.3. Cuantificación de la HRV 7
en la salud fı́sica y mental. Por todo esto, la comparación deberı́a establecerse con
personas de grupos demográficos similares.
Otro problema añadido es que los métodos de medida, las herramientas utilizadas
y los protocolos establecidos no son estándar, y dependen del equipo que los lleve a
cabo. Esto hace que en numerosas ocasiones los valores del análisis realizado no sean
comparables entre sı́. Se necesitan metodologı́as que establezcan métodos y procesos
uniformes de medida y análisis de la HRV.
Uno de los trabajos que trataron de avanzar en la obtención de valores normales
de la población fue el metaanálisis llevado a cabo por Nunan [146]. Cuarenta y
cuatro estudios cumplieron con los criterios de inclusión preestablecidos, para un
total de 21438 participantes. Los resultados obtenidos mostraron que la edad es uno
de los factores más importantes que influyen en los valores de la HRV. A medida
que la edad avanza, la HRV baja. Otros estudios también han corroborado este
hecho [4, 12, 95, 207, 217]. Este cambio indica una disminución de la activación
parasimpática con el aumento de la edad. Una mayor HRV se correlaciona con una
mejor condición fı́sica, con la salud y la juventud.
Además de estos factores, los estudios realizados han encontrado también dife-
rencias en la HRV en cuanto al género. Los hombres suelen tener la HRV menor que
las mujeres en los mismos rangos de edad [217]. Curiosamente, las diferencias por
género en la HRV disminuyen con la edad [207, 217]. Ası́, en edades más tempranas
el género tiene una incidencia mayor en la HRV, mientras que a medida que pasan
los años, la edad tiene una mayor contribución a la HRV y a la salud en general.
Está demostrado que practicar ejercicio de forma regular contribuye a mantener
una buena salud, mejora la función cardiovascular y ayuda prevenir enfermedades. El
ejercicio aeróbico habitual es un modulador beneficioso de la HRV [52]. La intensidad,
duración y frecuencia del entrenamiento aeróbico están directamente relacionadas
con los cambios en la HRV [132]. Este hecho, unido a los avances en los dispositivos
que permiten su medida, está contribuyendo a que el análisis de la HRV se esté
convirtiendo en una herramienta muy utilizada por deportistas. El análisis de la
HRV aporta una ventaja competitiva que permite modular la intensidad, duración
y frecuencia de los entrenamientos para obtener un mejor rendimiento [159].
Ya se ha comentado que la HRV se refiere a las alteraciones latido a latido en
la frecuencia cardı́aca, y no presenta un valor constante. De hecho, valores elevados

de la misma son un indicativo de una función cardı́aca saludable [184], mientras que
una menor variabilidad se relaciona con diversas patologı́as (isquemia, fallo cardı́aco,
o funcionamiento incorrecto de los sistemas autorreguladores) [185, 190, 201].
El estudio de la HRV a partir de un registro electrocardiográfico es un instru-
mento cada vez más importante para evaluar la actividad del sistema nervioso en
un gran número de enfermedades y condiciones, como el infarto de miocardio [21],
la apnea del sueño [108], la enfermedad pulmonar obstructiva crónica [230], o la dia-
betes [216]. Aunque existen numerosos trabajos recientes, la medida de la HRV ha
sido desde hace muchos años [176] un tema de estudio importante en la comunidad
cientı́fica, aunque hasta finales de la década de 1980 su análisis se limitaba al estudio
de sus valores en el dominio del tiempo, ası́ como de las bandas espectrales obtenidas
mediante la Transformada de Fourier (Fourier Transform o FT) [26]. Con posterio-
ridad, concretamente en 1990, se publicaron dos trabajos importantes sobre fractales
y dinámica caótica de la frecuencia cardı́aca [54, 73], en los cuales se cuestionaban
las técnicas clásicas de análisis lineal, y se presentaba como alternativa el análisis de
dinámica no lineal de la frecuencia cardı́aca.
En el año 1996 la Sociedad Europea de Cardiologı́a, junto con la Sociedad Nor-
teamericana de Marcapasos y Electrofisiologı́a [148], publicó una propuesta meto-
dológica para el análisis de la HRV; sin embargo, a pesar de ser una contribución
relevante, no se consideraban estimadores espectrales diferentes a los obtenidos me-
diante la FT, y tampoco se incluı́an otras técnicas de análisis no lineal [181].
Actualmente existen diferentes métodos que permiten medir o cuantificar las al-
teraciones que se producen en la HRV, partiendo de diferentes registros de frecuencia
cardı́aca. Entre ellos, se pueden destacar básicamente, tres tipos [69]: análisis en el
dominio del tiempo, análisis en el dominio de la frecuencia, y análisis no lineal.
1.3.1. Índices de HRV en el dominio del tiempo

Los ı́ndices que se utilizan en el dominio del tiempo se basan en la cuantificación
de las variaciones de la duración de los ciclos cardı́acos (diferencia de tiempo entre
dos latidos consecutivos o intervalos RR) durante periodos de tiempo seleccionados
[148]. Los métodos de análisis en el dominio temporal son las medidas más simples
que se pueden obtener a partir de los intervalos RR, y a un coste computacional

bajo. Generalmente, se calculan sobre segmentos de datos de 24 horas, pero también
se pueden estimar en segmentos más reducidos, por ejemplo 5 minutos.
Existe un gran número de ı́ndices de HRV que se pueden estimar en el dominio
del tiempo [3, 70, 148]. Se citarán a continuación los más habituales.
En primer lugar, consideremos definida la media aritmética de la serie de inter-
valos RR de la forma siguiente:
N
1 X
RR = RRi
N i=1
donde N es la longitud de la serie RR, y RRi es el intervalo RR entre los latidos

i e i-1, donde cada posición de latido se corresponde con el instante de detección del
latido. La correspondiente desviación estándar, SDNN viene dada por:
v
u N
u 1 X
SDN N = t (RRi − RR)2
N − 1 i=1
Esta desviación estándar refleja la variabilidad global de la serie. Su valor depen-

de de la longitud del registro analizado, por lo que una buena práctica consiste en
estandarizar la duración de dichos registros para poder comparar diferentes resulta-
dos.
Otras medidas ampliamente utilizadas en el dominio del tiempo se estiman a
partir de segmentos del registro, de una duración tı́pica de 5 minutos. La desviación
estándar de la media de estos segmentos se denomina SDANN, mientras que SDN-
NIDX es la media de las desviaciones estándar de dichos segmentos. Para calcular
estos ı́ndices se divide la serie RR en fragmentos de 5 minutos de duración, obte-
niéndose, para cada uno de ellos, la media y la desviación estándar de las distancias
RR calculadas en cada porción, de acuerdo a las expresiones:
Ns
1 X
RRs = RRi
Ns i=1
v
u Ns
u 1 X
SDN Ns = t (RRi − RRs )2
Ns − 1 i=1
RRs y SDN Ns son la media y la desviación estándar de las distancias RR en

el fragmento s, y Ns es el número de elementos en dicha porción. Como ya se ha
indicado, SDANN es la desviación estándar de la media de todos los segmentos que
forman el registro, y SDNNIDX es la media de la desviación estándar de todos los
fragmentos:
m
1 X
RRalls = RRs
m s=1
v
m
1 X
u
u
SDAN N = t (RRs − RRalls )2
m − 1 s=1
m
1 X
SDN N IDX = SDN Ns
m s=1
donde RRalls es la media de todos los segmentos, y m es el número total de

segmentos. El parámetro SDANN evalúa la variabilidad a largo plazo, debida a ci-
clos superiores a 5 minutos, y SDNNIDX cuantifica la variabilidad a corto plazo,
producida por ciclos menores de 5 minutos.
Existe también un conjunto de ı́ndices que cuantifican la potencia debida a las
componentes de alta frecuencia, y que se basan en la diferencia entre valores adyacen-
tes de RR. Los más empleados son pNN50 (proporción de intervalos RR adyacentes
que difieren del valor previo más de 50 milisegundos), SDSD (desviación estándar de
las diferencias entre intervalos RR adyacentes) y rMSSD (raı́z cuadrada de la media
de los cuadrados de las diferencias entre intervalos RR adyacentes). Sus expresiones
matemáticas se calculan como:
∆RRj = RRj+1 − RRj , f or j = 1, ..., N − 1
N N 50 = number of ∆RRj > 50ms
1
pN N 50 = N N 50 · 100
N −1
−1
1 NX
∆RR = ∆RRj
N − 1 j=1
v
−1
u
u 1 NX
SDSD = (∆RRj − ∆RR)2
u
t
N − 2 j=1
v
−1
u
u 1 NX
rM SSD = ∆RRj2
u
t
N − 1 j=1
Estos tres ı́ndices estiman variaciones en las altas frecuencias, y están fuerte-
mente correlacionados entre ellos. Además, son sensibles a la presencia de artefactos
o errores en la señal de frecuencia cardı́aca. Otras medidas basadas en los cuarti-
les, correlacionados con los ı́ndices anteriores, pero más robustas, son el IRRR y el
MADRR.
El ı́ndice IRRR es una medida que representa el rango intercuartil (diferencia
entre el tercer y primer cuartil de la serie RR), y que se obtiene de la siguiente
manera:
IRRR = Q3 (∆RR) − Q1 (∆RR)
El ı́ndice MADRR se define como la mediana de las diferencias absolutas entre

valores adyacentes de RR, que se puede calcular a partir del segundo cuartil Q2 de
|∆RR|
M ADRR = Q2 (|∆RR|)
Además de estos parámetros estadı́sticos, existen algunas medidas geométricas

que se pueden estimar a partir del histograma de los intervalos RR, como pueden ser
TINN, anchura de la lı́nea base de la interpolación triangular del histograma de los
intervalos, y que puede ser calculada como el área total del histograma de la serie
RR, dividida por el doble del máximo del histograma, y el ı́ndice HRVi, que define la
integral del histograma de intervalos (esto es, el número de todos los intervalos RR)
dividida por su máximo. Estos dos parámetros reflejan la HRV general, y están más
influenciados por las bajas frecuencias. Se pueden obtener a partir de las siguientes
expresiones:
N · bin size
T IN N = ·2
max(histogram(RR))
N
HRV i =
max(histogram(RR))
1.3.2. Índices de HRV en el dominio de la frecuencia

El análisis espectral permite medir la HRV descomponiendo la señal (mediante
transformación matemática) en diferentes bandas de frecuencia que se correlacionan
con la actuación de diferentes componentes del ANS [8]. Tanto el sistema simpático
como el parasimpático, partes funcionales del sistema nervioso autónomo o neu-
rovegetativo, influyen en los mecanismos de control de la frecuencia cardı́aca. La

actividad del sistema simpático aumenta la frecuencia cardı́aca, mientras que la del
parasimpático la disminuye. Además ambos actúan a diferente velocidad, con re-
tardos de entre 0.2 y 0.6 segundos. Debido a ello, es posible emplear el análisis de
frecuencias para estudiar las contribuciones de los sistemas simpático y parasimpáti-
co a la HRV. Ası́, el análisis espectral proporciona un análisis cuantitativo y una
evaluación del sistema neurovegetativo.
Akserlrod y col. [8], pioneros en percatarse de que el análisis del espectro de
la frecuencia cardı́aca proporciona información sobre la función de los sistemas de
control cardiovasculares, describieron tres componentes con relevancia fisiológica en
el espectro de potencias de la HRV: a) componentes de muy baja frecuencia por
debajo de 0.03 Hz, que pueden dividirse en la banda VLF (Very Low Frequency)
entre 0.003 y 0.03 Hz, y la banda ULF (Ultra Low Frequency), que va desde 0 hasta
0.003 Hz; b) componentes de baja frecuencia (Low Frequency o LF), que varı́an entre
0.03 y 0.15 Hz, que están influenciadas por los sistemas simpático y parasimpático;
y c) las componentes de alta frecuencia (High Frequency o HF), entre 0.15-0.4 Hz,
que estiman el tono parasimpático relacionado con el ritmo respiratorio [7].
Aunque estos son los valores más habituales en las bandas de frecuencias, no
siempre son los más adecuados. Por ejemplo, cuando se trabaja con poblaciones
infantiles, estos lı́mites de bandas espectrales no son válidos [74], ni tampoco cuando
se analiza la HRV durante la realización de ejercicio fı́sico [14], circunstancias en las
que el lı́mite superior de la banda HF puede llegar hasta el valor de 1 Hz. Existen,
por tanto, numerosas posibilidades en esta aproximación, de forma que en varios
estudios se proponen otras regiones espectrales [206], o se aplican diferentes métodos
de estimación espectral [131].
Analizaremos a continuación, en más detalle, cada una de las componentes espec-
trales de la HRV. En primer lugar, la componente HF contiene también una contri-
bución importante de la arritmia sinusal respiratoria (Respiratory Sinus Arrhythmia
o RSA) [88], la cual se puede definir como una aceleración del número de contraccio-
nes cardı́acas o latidos del corazón durante la inspiración y una disminución de las
mismas durante la espiración, y representa un signo indirecto de anomalı́a o enferme-
dad, causado por un desequilibrio del sistema vegetativo. Además, una contribución
importante para el componente HF es la actividad vagal eferente [128].

Con respecto a la componente LF de la HRV, no existe realmente una postura
unánime acerca de su origen. Algunos autores indican que está afectada por los
sistemas simpático y parasimpático [8, 13], mientras que otras investigaciones se
inclinan hacia el predominio del sistema simpático [96, 128]. Esta discrepancia se debe
fundamentalmente al hecho de que, en una situación de excitación simpática, decrece
la potencia absoluta de la HRV en la banda LF. Esto significa que, en determinadas
circunstancias de excitación simpática, se observa una disminución en la potencia
absoluta de la componente LF. Cuando se produce estrés mental, se realiza ejercicio
moderado, o se permanece de pie, aumenta esta componente de bajas frecuencias.
Tanto la HF como la LF presentan patrones circadianos [22, 143]. La componente
HF alcanza sus mayores valores durante la noche, con un mı́nimo en torno a las
2:00 p.m., mientras que los picos máximos de LF se encuentran entre las 5:00-9:00
a.m. y las 4:00-6:00 p.m., reduciéndose su valor al mı́nimo entre las 11:00 p.m. y
las 3:00 a.m. Existe también otro parámetro espectral digno de mención, que es el
cociente LF/HF, que mide de forma cuantitativa el balance simpático-vagal [53, 127],
y alcanza su máximo valor en su patrón circadiano entre las 6.00-9.00 a.m., mientras
que se reduce significativamente entre medianoche y las 5:00 a.m..
En relación a las otras bandas de frecuencia citadas, la VLF y la ULF, hay que
decir que su correlación fisiológica aún no está completamente determinada [148]. La
estimación de las componentes de LF y HF es posible con señales con una duración
entre 1 y 5 minutos; sin embargo, para el cálculo de la VLF y ULF, son necesarios
registros de duración superior a los 5-10 minutos en el primer caso, y superior a 30-60
minutos en el segundo.
Existen diferentes técnicas de análisis en el dominio de frecuencias, en función
del tipo de señal con el que se esté trabajando. A continuación se detallarán algunas
de las técnicas más habituales, y que se emplean para el análisis de las componentes
espectrales de la HRV.
Señales estacionarias
Un fenómeno se dice estacionario si sus propiedades son estadı́sticamente inva-

riantes con la evolución temporal. Una señal estacionaria puede provocar la aparición
Figura 1.4: Transformada de Fourier
de eventos imprevistos, pero se conoce a priori la probabilidad de aparición. Se habla,

por tanto, de imprevistos estadı́sticamente previsibles.
La herramienta ideal para el estudio de los fenómenos estacionarios es la FT,
que representa una señal f(t) en el plano de frecuencias [125, 133] (Figura 1.4). Esto
significa que las señales estacionarias se descomponen en combinaciones lineales de
ondas, de la forma:
Z +∞
fˆ(ω) = f (t) e−iωt dt
−∞
donde ω es un número real. Con la FT, dada una función f(t) perfectamente
localizada en tiempo, se puede construir una función perfectamente localizada en
frecuencia.
La implementación discreta de la FT se llama Transformada de Fourier Discreta
(Discrete Fourier Transform o DFT) y requiere del orden de N 2 operaciones, siendo
N el número de puntos de la señal. Su implementación eficiente es la Transformada
de Fourier Rápida (Fast Fourier Transform o FFT), mediante la cual se reduce la
complejidad numérica al orden de O(N log2 N ). Para una serie RR, la correspondiente
DFT de N puntos vendrá dada por:
L−1
n
RRn · e−2πki N
X
Xk = k = 0, 1, 2, ..., N − 1
n=0
donde Xk contiene información sobre la frecuencia angular normalizada 2πk/N, k =

0, 1, 2, . . . , N − 1, que está presente en la señal RRn .

La FT requiere que los datos que se utilizan (en nuestro caso, las señales de
frecuencia cardı́aca) estén uniformemente muestreados, lo cual significa que se asu-
me que la señal discreta se ha construido midiendo el valor de una variable fı́sica
continua con una frecuencia de muestreo constante. Sin embargo, esto no es lo que
sucede con los intervalos RR, que no han sido muestreados de forma uniforme. Una
solución a este problema consiste en emplear métodos de interpolación que permitan
convertir la señal no equidistante en una serie temporal uniformemente muestreada.
Otra posible solución es usar métodos de estimación de la Potencia de la Densidad
Espectral (Power Spectral Density o PSD), diseñados para trabajar con señales no
equiespaciadas. Una de las técnicas más utilizadas es el periodograma de Lomb-
Scargle [119, 183], que estima las frecuencias presentes en una señal ajustando los
datos a una sinusoide.
Señales transitorias
Las técnicas anteriormente citadas son válidas cuando se están analizando señales
estacionarias, que no evolucionan en el tiempo. Sin embargo, cuando se trata de anali-
zar señales transitorias, que sufren evolución temporal, no son las herramientas más
adecuadas. Necesitamos en este caso transformadas tiempo-frecuencia, capaces de
analizar la energı́a de la señal en ese dominio bidimensional. En ocasiones se emplea
la Transformada de Fourier de Tiempo Reducido (Short Time Fourier Transform
o STFT), que descompone o segmenta la señal original mediante una ventana de
análisis de tamaño constante, de duración reducida (Figura 1.5). Seguidamente, se
calcula la FT usual de la señal segmentada, con lo cual se obtiene una función en
el plano tiempo-frecuencia. Las ventanas de análisis que se emplean en la STFT de-
ben ser siempre las mismas a lo largo de todo el análisis, por lo que no se adaptan
óptimamente a las frecuencias de las señales a analizar. Además, la resolución del
análisis es la misma en todas las posiciones del plano tiempo-frecuencia.
Debido al tamaño constante de las ventanas de análisis, cuando se realiza un
estudio espectral de la HRV empleando la STFT, puede existir una cierta confronta-
ción a la hora de analizar fenómenos de muy pequeña duración, como la apnea, que
pueden aparecer en las bandas espectrales de altas frecuencias, y tratar de obtener
Figura 1.5: Transformada de Fourier de Tiempo Reducido
a la vez información en las bandas de frecuencia VLF y ULF. Ya se ha indicado

que si se desea extraer información de la banda VLF, será necesario trabajar con un
registro en torno a los 5-10 minutos. Sin embargo, si lo que se pretende es obtener
información de un picos de corta duración, como la apnea, de alta frecuencia, la
ventana de análisis debe ser estrecha, entre 30-60 segundos, dado que no será posible
capturarlo con ventanas de tamaño superior. En estos casos se suelen realizar dos
análisis diferentes. Con el primero se obtendrá información sobre las frecuencias en
las bandas VLF y ULF, pero no se podrán capturar eventos cortos, y con el segun-
do, se extraerán componentes espectrales HF y LF, pero no se obtendrá una buena
estimación de VLF y ULF.
Otra posibilidad serı́a utilizar la Transformada Wavelet (Wavelet Transform o
WT), que permite analizar eficazmente señales en las cuales se combinan fenómenos
de escalas o frecuencias muy diferentes [134]. En lugar de elegir una ventana de
análisis de tamaño constante, se elige una ventana de tamaño variable, denominada
wavelet (Figura 1.6).
La WT es una representación estable, que conserva la energı́a, y permite des-
componer una señal a diferentes resoluciones, en cada una de las cuales disminuye
Figura 1.6: Transformada Wavelet
progresivamente el tamaño de dicha señal [126]. Desde el punto de vista del procesa-
do de señales, las wavelets actúan como filtros pasa-banda [212], y pueden ser de tipo
tiempo-frecuencia, o de tipo tiempo-escala, dependiendo de la naturaleza de la señal
a analizar. En ambos casos se efectúa una “descomposición atómica”, consistente en
extraer las componentes simples de las señales.
Aunque el Principio de incertidumbre excluye la posibilidad de obtener arbitra-
riamente alta resolución en tiempo y frecuencia, la WT permite variar el tamaño de
la ventana de análisis, con lo cual se puede obtener una mejor resolución en tiempo,
a costa de una pérdida resolutiva en frecuencias, y viceversa.
De modo similar a la DFT, que se aplica sobre señales discretas, se puede cons-
truir una Transformada Wavelet Discreta (Discrite Wavelet Transform o DWT).
Las transformadas a diferentes resoluciones se calculan con el algoritmo de la FFT,
que requiere del orden de O(N log2 N ) operaciones.
Aplicado al análisis de la HRV, existe un mayor número de estudios que emplean
la STFT que la WT, lo cual puede ser debido a la falta de herramientas de análisis
que incluyan la WT, y a la mayor complejidad de implementación que esta presenta.
1.3.3. Medidas no lineales de la HRV
Existen evidencias de que, al menos en determinadas situaciones, el sistema car-

diovascular sigue una dinámica no lineal. Por ello, tiene interés el análisis de la HR
con técnicas que no presuponen la linealidad del sistema [218]. Las técnicas emplea-
das en el análisis no lineal para el estudio de la HRV se basan en sistemas dinámicos,
que se pueden representar mediante un conjunto de N variables de estado, que des-
criben el estado total del sistema en cualquier instante de tiempo t, e incluyen reglas
dinámicas de comportamiento futuro de todas las variables de estado [204]. En el
contexto de la HRV, muchas aproximaciones asumen que la serie RR es un proce-
so determinista no lineal con una pequeña perturbación lineal aleatoria. Entre las
medidas que se pueden realizar están la entropı́a de Kolmogorov-Sinai, que mide
la imprevisibilidad de la serie temporal (a mayor entropı́a, mayor imprevisibilidad),
pero no es viable a nivel práctico, dado que requiere un gran número de datos y es
sensible a la presencia de ruido. Como alternativa se emplean la entropı́a muestral
[169] y la entropı́a aproximada [157].
Otro parámetro utilizado en análisis no lineal es el máximo exponente de Liapu-
nov, que caracteriza el grado de separación entre dos trayectorias infinitesimalmente
cercanas; esto es, permite medir la velocidad con la cual dos trayectorias muy próxi-
mas inicialmente se acercan o alejan con el tiempo, con lo que se mide el grado
de sensibilidad del sistema a variaciones en las condiciones iniciales [64]. La dimen-
sión de correlación, por su parte, proporciona información acerca de las regiones con
mayor densidad de puntos [2].
Otra medida empleada en el análisis no lineal es el gráfico de Poincaré [31],
que representa la dependencia entre intervalos RR sucesivos, y que se obtiene al
representar un intervalo cualquiera RRj+τ como función de RRj , siendo τ un entero
positivo. De este modo, se obtiene una representación similar a una elipse, cuyo
diámetro longitudinal describe la desviación de la frecuencia cardı́aca a largo plazo,
mientras que el diámetro transversal mide las variaciones existentes a corto plazo.
Para hacer un análisis de Poincaré, se calculan los parámetros SD1 y SD2, donde SD1
referencia la desviación estándar de los puntos perpendiculares a la lı́nea identidad,
y SD2 se calcula como la desviación estándar a lo largo de dicha lı́nea. Los puntos
situados fuera de la nube de puntos se pueden considerar arritmias o artefactos.
Todas estas medidas de análisis no lineal requieren trabajar con registros de

gran duración. Por ejemplo, el gráfico de Poincaré se suele emplear con señales de
24 horas. Dado que en este trabajo de investigación se emplean registros de corta
duración, no se han empleado para el estudio de la HRV métodos no lineales, por lo
que únicamente se han indicado algunas nociones básicas acerca de los mismos.
Capı́tulo 2
Regulación emocional y HRV
2.1. Introducción
Es un hecho contrastado que el sistema nervioso periférico prepara al cuerpo
para la realización de diversas acciones [34] que pueden realizarse como respuesta
a determinados estı́mulos externos (como la visualización de imágenes o vı́deos),
y que provocan la aparición de diversas respuestas. Diferentes manifestaciones fı́si-
cas controladas por el sistema nervioso periférico, como pueden ser los patrones de
frecuencia cardı́aca, conductancia dérmica o electromiografı́a facial, deberı́an verse
afectados por estos estı́mulos, que a su vez provocan diversas reacciones emocionales.
Esto significa que las variaciones sufridas podrı́an ser estudiadas mediante varia-
bles fisiológicas, como puede ser la HRV, que permite analizar el ritmo cardı́aco y,
de forma indirecta, el estado del sistema nervioso autónomo. Por ejemplo, en [35]
se muestran indicios sobre la relación entre la regulación emocional y HRV en los
directivos varones. Los datos del estudio mostraron que tener una regulación emo-
cional baja, o ser mayor de 41 años tenı́a un efecto negativo en la HRV. Además,
la regulación emocional media o alta moderaba el efecto negativo de la edad en la
HRV.
El avance de la investigación en el ámbito de la emoción se ha debido en par-
te a la aparición de diversos conjuntos de materiales estandarizados para provocar
emociones en contextos de laboratorio. Uno de los más utilizados es la colección de
más de 1000 fotografı́as del International Affective Picture Systems (IAPS) [111],
21
22 Capı́tulo 2. Regulación emocional y HRV
Figura 2.1: SAM para evaluación de imágenes del IAPS
desarrollada por el Instituto Nacional del Centro de Salud Mental para la Emoción y
la Atención de la Universidad de Florida. Contiene más de 1000 fotografı́as en color,
en formato JPEG, con un tamaño máximo de imagen de 1024 x 768 pı́xeles, y cada
una de ellas ha sido evaluada en tres dimensiones: valencia (nivel de agrado/desagra-
do), activación (nivel de activación/calma) y dominancia (nivel de control del sujeto
sobre la imagen). La evaluación de cada una de las fotografı́as en cada una de estas
dimensiones se realizó utilizando el Maniquı́ de Auto-evaluación (Self-Assessment
Manikin o SAM). En el SAM, cada una de las tres dimensiones afectivas (valencia,
activación y dominancia) se representan en una escala compuesta por cinco picto-
gramas de figuras humanas graduadas en intensidad, con una puntuación numérica
equivalente entre 1 y 9 (figura 2.1).
IAPS ha sido diseñado considerando la escala de emociones obtenidas a partir de
datos de estudiantes de Estados Unidos. Sin embargo, para evitar posibles diferencias
demostrables en los resultados entre culturas diferentes [59, 104], se han realizado
varias adaptaciones, incluyendo poblaciones españolas [138]. En todos los casos se
han mantenido las imágenes originales del IAPS, pero se han puntuado de nuevo en
términos de valencia y activación, considerando las particularidades de cada una de
2.1. Introducción 23
las poblaciones estudiadas.

La visión de las imágenes del IAPS puede producir cambios en cada uno de los
tres sistemas de respuesta emocional: el subjetivo-verbal, el conductual y el fisiológi-
co. Las respuestas fisiológicas de tasa cardı́aca ante el visionado de imágenes del
IAPS constituyen un campo abierto, donde se tratarı́a de correlacionar la regulación
emocional y la variabilidad de la frecuencia cardı́aca. Varios trabajos han tratado de
aplicar el análisis de la HRV en la inducción de emociones que se produce a través
de la exposición ante estı́mulos externos, como el visionado de imágenes del IAPS
[41, 163, 164, 178].
La mayorı́a de los trastornos mentales presentan como caracterı́stica común la
alteración de algún aspecto emocional. Como el IAPS es uno de los instrumentos
más adecuados para provocar y medir emociones, se ha utilizado en numerosos es-
tudios relacionados con patologı́as psiquiátricas (esquizofrenia, depresión, trastornos
de ansiedad, etc.). Henzel y col. [86] estudiaron la respuesta psicofisiológica de su-
jetos esquizofrénicos al visionado de imágenes del IAPS, registrando medidas como
la frecuencia cardı́aca, la frecuencia respiratoria y la conductancia de la piel, encon-
trando que los esquizofrénicos mostraron un menor incremento de la tasa cardı́aca
en respuesta a imágenes agradables, lo que supone una alteración ante emociones
positivas.
En otras áreas, como la publicidad y comunicación, también existe interés por
estudiar la respuesta neurofisiológica ante estı́mulos externos. Diferentes patrones
de respuestas del sistema nervioso periférico deberı́an verse afectados ante diver-
sos estı́mulos, ante diferentes entradas que provoquen reacciones emocionales, como
puede ser por ejemplo el visionado de spots electorales [222]. Esto significa que las
variaciones sufridas por personas de distintas ideologı́as polı́ticas pueden ser estudia-
das mediante variables fisiológicas, como puede ser la HRV, que permite analizar el
ritmo cardı́aco y, de forma indirecta, el estado del ANS.
En un trabajo en el que ha colaborado el doctorando [172] se estudiaron las
variaciones que sufre la HR al visionar anuncios polı́ticos de las elecciones gallegas
del 2012. De los resultados obtenidos se desprende que el electorado con ideologı́as
polı́ticas más extremas proporcionan valores de HR más bajos que la población
cuya ideologı́a polı́tica es más moderada. La HRV y el cociente LF/HF son, por el
contrario, más elevados en las ideologı́as extremas.

En otros trabajos relacionados, hemos estudiado el impacto derivado de ver dife-
rentes anuncios polı́ticos (con contenido emocional positivo y negativo), pertenecien-
tes a las campañas de los principales candidatos a las elecciones presidenciales de la
República de Ecuador celebradas en 2013 [165], y analizamos el impacto provocado
por la audición de versiones en distintas lenguas del himno oficial de Ecuador entre
un grupo de estudiantes universitarios ecuatorianos, a través del registro de las al-
teraciones fı́sicas (estudio de la HRV) y emocionales (programa de reconocimiento
facial de emociones) de los participantes[166]. Los resultados no encontraron dife-
rencias estadı́sticamente significativas en la HRV de los participantes al escuchar las
versiones en distintas lenguas del Himno del Ecuador; tan solo se observaron diferen-
cias en la percepción por género, sobre el total de hombres y mujeres que integraron
la muestra.
2.2. HRV y psiquiatrı́a

Ya se ha indicado anteriormente que el corazón está controlado fundamental-
mente por el sistema simpático y parasimpático del sistema nervioso central. Para
desentrañar el funcionamiento de dicho sistema se han propuesto dos teorı́as prin-
cipales. La teorı́a polivagal [160, 161, 193] intenta enlazar de forma significativa la
investigación cientı́fica básica, el comportamiento social, y la práctica clı́nica, según
la cual existen condicionantes fisiológicos en la mayor parte de la conducta social y
las emociones, y trata de explicar las diferentes funciones del núcleo dorsal motor y
del núcleo ambiguo del nervio vago.
Esta teorı́a se basa en diferentes premisas, algunas de ellas fuertemente ligadas
a datos neurofisiológicos y neuroanatómicos, y otras más especulativas. Entre estas
premisas se pueden citar: 1) la bradicardia neurogénica y la RSA están mediadas
por el nervio vago, y no necesitan responder de la misma forma; 2) la bradicardia
neurogénica asociada con la orientación es un vestigio filogenético del cerebro repti-
liano, mediada por el núcleo dorsal motor del nervio vago; 3) el retraimiento del tono
vagal cardı́aco mediante mecanismos del núcleo ambiguo es una adaptación de los
mamı́feros para seleccionar aspectos novedosos en el entorno, mientras se afronta la
2.2. HRV y psiquiatrı́a 25
necesidad de mantener una respuesta metabólica y comunicación social continua; 4)

la capacidad del núcleo ambiguo para regular eferentes generales y viscerales puede
ser controlada por la amplitud de la RSA; 5) la emoción, definida por saltos en la
regulación de las expresiones faciales y vocalizaciones, produce cambios en la RSA y
el tono broncomotor, mediados por el núcleo ambiguo.
Además de este teorı́a se encuentra el modelo de integración neurovisceral, que
supone una función reguladora sobre los circuitos subcorticales que se relacionan
con la regulación emocional a estructuras corticales prefrontales. Según este modelo,
los procesos conductuales, cognitivos y fisiológicos implicados en las emociones se
consideran partes de un sistema mayor que se organiza a sı́ mismo, y controlado por
la red central neuronal autónoma (Central Autonomous Network o CAN) [199, 201].
El CAN interacciona con el corazón a través de las vı́as simpática y parasimpática
del ANS, y como resultado se producen variaciones en la frecuencia cardı́aca, esto
es, la HRV [182]. Por tanto, la HRV se relaciona de forma directa con la actividad
reguladora del CAN, por lo que una medida no invasiva de la función de la CAN es
el análisis espectral de la HRV.
La HRV en reposo puede reflejar el funcionamiento de importantes procesos fi-
siológicos, incluyendo la regulación vagal [98]. La investigación sobre los efectos de
los trastornos afectivos en la HRV tiene, por lo tanto, importantes implicaciones para
la salud y el bienestar de los pacientes. Los estudios han demostrado que la HRV se
reduce en pacientes con algún trastorno psiquiátrico (depresión, esquizofrenia, etc.),
y que comportamientos caracterı́sticos de estos trastornos, como la falta de activi-
dad fı́sica o el consumo de tabaco y alcohol, o la medicación (como en el caso de
antidepresivos) no justifican las reducciones observadas en la HRV.
El nervio vago es uno de los más importantes en el cuerpo humano [32]. Es el ner-
vio primario en el sistema nervioso parasimpático, y está involucrado en una variedad
de importantes funciones psicológicas y fisiológicas, que incluyen el reconocimiento
y la regulación de la emoción, o el control del sistema cardiovascular. La HRV refleja
la actividad en el nervio vago.
Mientras que la disminución en la actividad vagal es una respuesta normal al
desafı́o ambiental o al estrés, su aumento facilita la regulación emocional. Un nervio
vago que funcione adecuadamente ayuda al bienestar psicológico y a la salud cardio-
vascular. Por el contrario, su deterioro está asociado con la rigidez psicofisiológica, el

aumento de la morbilidad y el riesgo de mortalidad [98]. La disfunción vagal también
puede manifestarse con sı́ntomas propios de los trastornos afectivos. Estas observa-
ciones justifican el interés creciente actual de la investigación en HRV en múltiples
disciplinas, sobre todo para analizar el impacto de los trastornos afectivos en la HRV.
Algunos de los estudios realizados emplean grabaciones de ECG ambulatorias de
24 horas. En estos casos, una de las medidas más utilizadas es SDNN, demostran-
do ser un buen predictor de eventos cardiovasculares adversos. También se pueden
obtener medidas fiables y válidas de HRV a partir de grabaciones más cortas en
condiciones estandarizadas y bajo control [147]. En los casos de grabaciones más
cortas, los valores más utilizados de HRV son rMSSD y HF, medidas de tiempo y
frecuencia respectivamente. Aunque ambas están correlacionadas, el valor de rMSSD
se ve menos afectado por los cambios en la frecuencia respiratoria [155].
La mayorı́a de las enfermedades psiquiátricas conllevan trastornos emocionales,
que inciden en el funcionamiento del sistema nervioso. Numerosos estudios han tra-
tado de analizar estos trastornos mediante la evaluación de la HRV. Como veremos
a continuación, los resultados analizados indican, en la mayorı́a de los casos, una
disminución de la HRV en pacientes con desórdenes afectivos.
2.3. Algunos estudios relacionados

2.3.1. Esquizofrenia
La esquizofrenia es un trastorno psiquiátrico complejo definido por varios sı́nto-
mas, como anormalidades en habilidades motoras, deterioro cognitivo, percepción y
pensamiento distorsionados, y dificultades en la comunicación y en el procesamiento
emocional [197].
El análisis de la HRV se ha convertido en una herramienta potente y útil en la
investigación clı́nica para evaluar la actividad del ANS en pacientes con esquizofrenia.
Estudios recientes han mostrado una disminución de la actividad parasimpática en
el sistema cardiovascular de pacientes esquizofrénicos [6, 37, 84].
En [6] se analizó la HRV de pacientes con esquizofrenia y sujetos sanos durante la
exposición ante estı́mulos auditivos (cuatro periodos de 2 minutos: preestimulación,
2.3. Algunos estudios relacionados 27
ruido blanco, música relajante y postestimulación). En el análisis de la HRV se uti-

lizaron señales de fotopletismografı́a [122]. Los resultados mostraron que la HRV fue
menor en las personas enfermas que en las sanas, indicando una disfunción autónoma
durante todo el experimento. Los pacientes con esquizofrenia mostraron menor HF y
mayor LF/HF. En los sujetos sanos, escuchar el ruido blanco disminuyó su actividad
parasimpática, mientras que en los pacientes esquizofrénicos no se observaron cam-
bios significativos entre la estimulación auditiva y el resto de periodos. Este es uno
de los primeros estudios que demuestran la reducción de la HRV en pacientes con
esquizofrenia, durante diferentes periodos de estimulación con contenido emocional,
ası́ como la reducción en la actividad parasimpática en pacientes con esquizofrenia.
Otros estudios, como [37], pretendı́an comprobar si pacientes con esquizofrenia

mostraban un patrón diferente de HRV en comparación con personas sanas, basándo-
se en la hipótesis de que combinar medidas de HRV tanto lineales como no lineales
podı́a proporcionar información útil sobre el patrón de regulación neurocardı́aca en
esquizofrenia. El análisis multivariante de varianza demostró un efecto de grupo sig-
nificativo. En el grupo de pacientes con esquizofrenia se obtuvo una entropı́a muestral
significativamente menor y una tendencia hacia una mayor proporción LF/HF. Igual
que en estudios anteriores [6], la disminución de la potencia HF y el correspondiente
aumento de la relación LF/HF sugieren como resultado una reducción de la actividad
parasimpática en los pacientes con esquizofrenia.
Para investigar la respuesta psicofisiológica a la emoción en pacientes con esquizo-

frenia se han realizado estudios utilizando imágenes del IAPS [111]. En [84] se midió
la respuesta cardı́aca de 33 pacientes masculinos con esquizofrenia (9 con medicación
antipsicótica y 24 sin medicación) frente a 40 personas sanas. Las diferencias en la
respuesta cardı́aca entre pacientes y sujetos sanos se limitó a los pacientes medica-
dos. Sólo estos pacientes mostraron una significativa disminución de las respuestas
cardı́acas guiadas en comparación con las personas sanas. Los pacientes medicados
dirigen menos atención hacia las imágenes provocadoras de emoción que los sanos,
y tienen un valor significativamente más bajo de HF que los no medicados, mientras
que estos últimos no difieren significativamente de los otros grupos. Las imágenes po-
sitivas fueron calificadas como más agradables, después las neutras y las negativas.
La prueba de Games-Howell mostró que las calificaciones de excitación del grupo de
pacientes medicados tendı́an a ser más altas que los libres de antipsicóticos y que
las personas sanas [84]. Los pacientes libres de antipsicóticos tendı́an a mostrar una
menor diferenciación en las calificaciones de excitación entre imágenes negativas y
neutras, y positivas y neutras, comparadas tanto con el grupo de los medicados como
los de control.
2.3.2. Depresión
La depresión mayor es una enfermedad psiquiátrica grave y común que afecta a
un porcentaje alto de la población. Es un tipo de trastorno del estado de ánimo cuyos
sı́ntomas principales son pérdida de energı́a, pérdida de placer e interés, trastornos
del sueño y pensamientos suicidas [11]. Numerosas pruebas clı́nicas han mostrado
que la disfunción en la actividad del sistema nervioso autónomo tiene un papel
significativo en la depresión (aumento de la frecuencia cardı́aca, disminución del
tono vagal, arritmias, diferencias en las propiedades electrofisiológicas ventriculares
o cambios en el tono simpático).
También son numerosos los estudios que han tratado de analizar la HRV en
pacientes depresivos. A pesar de que no todos los resultados han apuntado en la mis-
ma lı́nea, existen considerables evidencias del desequilibrio entre el sistema nervioso
simpático y parasimpático y el deterioro de la actividad cardiovascular autónoma
en pacientes depresivos. Una HRV baja es un indicativo de una disminución en la
modulación cardiovascular vagal, un predictor conocido de mortalidad y morbili-
dad cardı́aca, y un indicativo de vulnerabilidad al estrés y baja capacidad para la
inhibición parasimpática de la activación autónoma en la regulación emocional.
En [5] se realizó un análisis comparativo de HRV de personas sanas y pacientes
con depresión mayor. Se analizaron diferentes caracterı́sticas en el dominio de la fre-
cuencia (LF, HF y LF/HF) basado en la Transformada Wavelet Packet (Wavelet
Packet Transform o WPT) [24]. Los resultados mostraron que los pacientes presen-
taban una HF significativamente menor, mayores valores de LF y también mayores
valores de LF/HF. Además, encontraron una correlación positiva en los pacientes
entre el ı́ndice LF/HF y el valor de la escala de Hamilton para la depresión [78], de
tal manera que a medida que se incrementa la gravedad de la depresión aumenta
también la relación LF/HF. Demostraron que las deficiencias en la coordinación en-
tre el comportamiento parasimpático y simpático en pacientes con depresión mayor

pueden ser evaluadas mediante un análisis de la HRV, usando WPT.
Como ya se comentó, la HRV está relacionada con la edad, y por lo general se pro-
duce un decremento en la HRV con su avance, que tiene que ver con la degeneración
del sistema neurovegetativo [4, 12, 95, 146, 207, 217]. A pesar de ello, la HRV puede
ser un predictor importante, tanto de trastornos depresivos como de enfermedades
cardiovasculares, en personas de edad avanzada. Estudios recientes [77] han trata-
do de evaluar la HRV en pacientes ancianos con diagnóstico reciente de trastorno
depresivo mayor, frente a personas sanas. Los resultados corroboran lo esperado, y
tanto el análisis espectral como el análisis de diferentes parámetros en el dominio del
tiempo presentaban diferencias significativas entre ambos grupos, con menor HRV
en los pacientes ancianos diagnosticados con depresión.
Como ha quedado reflejado con anterioridad, las personas con depresión tienden
a tener menor HRV, pero no siempre se entiende correctamente la relación entre
ambos. En [93] llevaron a cabo un estudio prospectivo (1997-1999 y 2007-2009, me-
dia de seguimiento de 10,5 años) para examinar si las medidas de la HRV predicen
sı́ntomas depresivos posteriores o si los sı́ntomas depresivos son los que predicen ni-
veles subsiguientes de HRV. Los resultados obtenidos en la evaluación de seguimiento
mostraron que los sı́ntomas depresivos se asocian inversamente con las medidas de
la HRV, de forma independiente al uso de los fármacos antidepresivos en los hom-
bres, pero no en las mujeres. Medidas de frecuencia cardı́aca menor y HRV mayor se
asociaron con una menor probabilidad de sı́ntomas de incidentes depresivos durante
el seguimiento en los hombres sin sı́ntomas depresivos, al comienzo del estudio. Aso-
ciaciones similares, pero no estadı́sticamente significativas, se encontraron también
en las mujeres. Estos resultados son consistentes con un papel etiológico del ANS en
el comienzo de la depresión (causantes de la enfermedad).
Como se ha podido observar, son numerosos los trabajos de investigación rea-
lizados que tratan de avanzar en la relación entre la HRV y la depresión. En este
sentido, son de utilidad algunos metaanálisis publicados hasta la fecha, que tratan de
obtener generalizaciones a partir de revisiones bibliográficas más objetivas. La depre-
sión se asocia con un aumento en la probabilidad de desordenes cardı́acos, y muchos
estudios que investigan la relación entre la depresión y la HRV se han centrado en
pacientes con enfermedad cardiovascular. El metaanálisis [99] examinó el impacto de

la depresión y el tratamiento antidepresivo en la HRV, en pacientes deprimidos sin
enfermedad cardiovascular. El trabajo se basó en 18 artı́culos, publicados entre 1990
y 2009, que comprendı́a un total de 673 participantes deprimidos y 407 participantes
sanos. Los participantes con depresión tuvieron una HRV más baja que los sujetos
sanos bajo control, y la gravedad de la depresión se correlacionó negativamente con
la HRV. El trabajo concluye que la depresión sin enfermedades cardiovasculares está
asociada con la reducción de la HRV, que disminuye con el incremento de la grave-
dad de la depresión. Además, el estudio destaca que el tratamiento antidepresivo ni
aumenta ni disminuye la HRV.
2.3.3. Fibromialgia
La fibromialgia es un trastorno cuyo sı́ntoma principal es el dolor generalizado y
difuso no asociado a alteraciones degenerativas ni inflamatorias, acompañado de otros
sı́ntomas como alteraciones en el sueño, fatiga, rigidez muscular, dificultades para
concentrarse, y en general problemas cognitivos y emocionales [57]. La prevalencia
en España en la población general de más de 20 años está en torno al 2.5 %, siendo
más frecuente en mujeres. La fibromialgia puede limitar las áreas de calidad de vida
de las personas que la padecen, y es un problema que lleva asociados importantes
costes económicos.
A pesar del importante impacto, aún no hay evidencia cientı́fica de las causas que
provocan esta enfermedad y la existencia de alteraciones concretas objetivables que
expliquen su sintomatologı́a. Algunas investigaciones experimentales han comproba-
do que se produce un desequilibrio del ANS, denominado disautonomı́a (desequilibrio
simpático-vagal), y caracterizada porque en estado de reposo hay una hiperactividad
del SNS e hipoactividad del PNS, y paradójicamente en estado de estrés se presenta
una hipoactividad del SNS. Para evaluar el funcionamiento del ANS, estos trabajos
han empleado diferentes métodos, aunque destaca el análisis de la HRV [118, 130]. La
mayorı́a de las investigaciones realizadas encuentran una menor HRV en los pacientes
con fibromialgia que en las personas sanas, lo que se interpreta como una regulación
autónoma global disminuida propia de la enfermedad. La alteración de la HRV en
los pacientes con fibromialgia también se caracteriza por presentar hiperactividad
simpática, hipoactividad parasimpática y menor HRV a lo largo del sueño.

Los estudios realizados utilizan diferente parámetros de la HRV en el dominio
del tiempo y de frecuencia, ası́ como medidas geométricas. Los parámetros de HRV
más utilizados, y que con más consistencia han diferenciado a los pacientes con
fibromialgia de los sanos son el SDNN, HF y LF/HF [205]. Esto viene a apoyar la
disautonomı́a, desequilibrio simpático-vagal, que caracteriza la fibromialgia, y que
también es común en otros trastornos donde existe un desequilibrio del ANS.
Otra utilidad del análisis de la HRV es servir de apoyo a test en la evaluación
clı́nica de enfermedades del ANS. Potencialmente, se pueden utilizar como método
de diagnóstico auxiliar, en conjunción con otros test clı́nicos. En [23] se investigó
la relación entre las sub-bandas de frecuencia de la HRV, mediante WPT [24], el
test de ansiedad de Beck (Beck Anxiety Inventory o BAI) y la escala de calificación
de ansiedad de Hamilton (Hamilton Anxiety Rating Scale o HAM-A), utilizados
por los especialistas para determinar la ansiedad que acompaña la fibromialgia. Los
resultados obtenidos obtuvieron correlación de cada uno de estos test con dos sub-
bandas diferentes de HF. Esto es un paso adelante para la introducción de parámetros
fisiológicos como herramientas auxiliares de diagnóstico en otras enfermedades.
2.3.4. Otros trastornos

La HRV, como técnica no invasiva para evaluar el funcionamiento del ANS, ha
sido utilizada en estudios con pacientes con diversos trastornos psiquiátricos. En al-
gunos se ha intentado comprobar si la HRV permitı́a discriminar entre diferentes
enfermedades psiquiátricas. En un estudio comparativo de HRV en pacientes con
esquizofrenia, trastorno bipolar, trastorno de estrés postraumático y trastorno de-
presivo mayor [141] se concluyó que la HRV no es lo suficientemente potente para
discriminar entre diferentes enfermedades psiquiátricas. Sin embargo, sus resultados
sugieren que la HRV, en particular el parámetro HF, podrı́a ser utilizada como una
herramienta para discriminar entre pacientes psiquiátricos y personas sanas.
A pesar de que los sistemas de diagnóstico actuales distinguen la esquizofrenia
y el trastorno bipolar como enfermedades distintas, están surgiendo evidencias que
sugieren que ambas comparten una serie de caracterı́sticas clı́nicas, como el aumento
en el riesgo de enfermedades cardiovasculares. Con el objetivo de comprobar si una
pobre regulación del ANS, indicada de manera no invasiva por la HRV, contribuye
a este factor de riesgo en ambas enfermedades, Quintana y col. [162] trataron de
encontrar diferencias en la HRV entre pacientes con esquizofrenia, trastorno bipolar
y personas sanas. Los resultados obtenidos mostraron que en ambos trastornos se
redujo significativamente la HRV, en comparación con los participantes sanos. Estas
reducciones fueron independientes de los efectos de la medicación, la edad, o el ı́ndice
de masa corporal. También hubo evidencias de que en los pacientes con HRV reducida
habı́a aumentado la gravedad general de los sı́ntomas de psicosis, independientemente
del diagnóstico de esquizofrenia o trastorno bipolar. Como conclusión, la HRV puede
proporcionar un posible biomarcador del riesgo de enfermedad cardiovascular y la
gravedad de los sı́ntomas en la enfermedad mental severa, pero no para discriminar
el tipo de enfermedad.
En el caso de la HRV en el trastorno bipolar, se ha realizado recientemente

un primer metaanálisis [63]. Este metaanálisis investigó las diferencias en la HRV
en pacientes bipolares en comparación con personas sanas, y frente a personas con
trastorno depresivo mayor o esquizofrenia. Además, se tuvieron en cuenta trabajos
donde se estudiaban diferencias en la HRV entre estados afectivos, cambios en la HRV
de manı́a/depresión a estado de ánimo normal, y cambios en la HRV después de las
intervenciones. En total, se seleccionaron 15 artı́culos que incluı́an 2534 individuos.
Los resultados muestran que la HRV se redujo en los pacientes con trastorno bipolar
frente a los sanos. Pero la heterogeneidad y las cuestiones metodológicas limitan la
evidencia. Se justifican estudios futuros que empleen una metodologı́a más estricta.
La neurosis o neuroticismo es un grupo de trastornos mentales que se caracteri-

zan por la tendencia al nerviosismo, la ansiedad y las alteraciones emocionales. Las
disfunciones en la regulación de las respuestas emocionales están relacionados con
un pobre bienestar psicológico y con un aumento del impacto de las enfermedades
cardiovasculares. Esta desregulación del ANS también ha tratado de medirse a través
de la HRV. En un estudio clı́nico [189] se llevó a cabo una tarea de regulación de
las emociones, durante el cual se enseñó a los participantes a ver imágenes negativas
de forma pasiva, o intentar regular a la baja el efecto provocado por las imágenes.
Durante esta tarea se registró un ECG y se midió la HRV, realizando un análisis es-
pectral tomando como base las altas frecuencias. Los sujetos con bajo neuroticismo
presentan mayor HF durante la regulación a la baja, en comparación con la expo-

sición pasiva a estı́mulos negativos, mientras que los sujetos con alto neuroticismo
presentaron la tendencia opuesta. Estos resultados muestran una reducción de HF
durante la reevaluación cognitiva de estı́mulos negativos en alto neuroticismo, e in-
dican un vı́nculo especı́fico entre la pérdida de flexibilidad en el tono cardiovascular
parasimpático y la regulación de las emociones, en consonancia con otros trabajos
previos.
La medida de la regulación emocional a través de la HRV se ha utilizado también
para mostrar su utilidad en el caso de otros trastornos psiquiatricos. Por ejemplo,
se examinó el efecto del entrenamiento de la regulación emocional en pacientes con
trastorno de pánico a través de la medida de la variabilidad de la frecuencia cardı́aca
[220]. Cuarenta y ocho pacientes con trastorno de pánico fueron divididos aleatoria-
mente en dos grupos, un grupo con regulación de las emociones, y otro sin regulación.
El experimento consistió en tomar tres registros de ECG de 5 minutos al comienzo,
mientras veı́an 15 imágenes (estı́mulo activo), y en estado de reposo después de ver
dichas imágenes aversivas. El análisis espectral mostró que el cambio medio en la
relación LF/HF, desde el inicio hasta el estı́mulo activo, fue significativamente me-
nor en el grupo con regulación emocional que en el grupo sin regulación emocional.
Esto permite concluir que, en pacientes con trastorno de pánico, un breve entrena-
miento de aceptación de las emociones podrı́a disminuir la hiperactividad simpática
inducida por estı́mulos.
2.3.5. Impacto de la medicación

Como se ha podido comprobar anteriormente, la disfunción del sistema nervioso
autónomo es un mecanismo subyacente para el aumento del riesgo de enfermedades
cardiovasculares en individuos con trastornos psiquiátricos. Numerosas investigacio-
nes han tratado de analizar si la HRV se reduce cuando existe un trastorno emocional,
o si, en su lugar, estas reducciones son debidas a los medicamentos que se prescriben
a tal efecto, sobre todo en el caso de medicamentos psicotrópicos.
En [9] se analizaron estudios publicados con anterioridad donde se utilizaba la
HRV para determinar el efecto de la enfermedad psiquiátrica y el uso de medica-
mentos. Se incluyeron trabajos que comparaban la HRV en adultos con un trastorno
psiquiátrico diagnosticado frente a personas sanas, y que compararan la HRV antes

y después del tratamiento con una medicación psicotrópica. Los resultados indicaron
que la HRV se redujo en todos los grupos de pacientes en comparación con los sa-
nos, con un gran efecto en los trastornos psicóticos. Las diferencias siguieron siendo
altamente significativas para los pacientes sin medicación, en comparación con los
sanos en todos los trastornos. El trabajo concluye que las reducciones en la HRV
pueden representar un mecanismo significativo que contribuye al aumento del riesgo
cardiovascular en individuos con trastornos psiquiátricos. El impacto negativo de
determinados medicamentos sobre la HRV sugiere un mayor riesgo de enfermedad
cardiovascular en estos grupos, destacando la necesidad de que los proveedores de
tratamiento consideren factores de riesgo cardiovascular modificables para atenuar
este riesgo.
Capı́tulo 3
Hipótesis y objetivos
3.1. Hipótesis
A partir de la revisión del estado del arte se plantean las siguientes hipótesis:
La HRV es una medida no invasiva de la actividad del ANS, es un indicador

del correcto funcionamiento del sistema nervioso.
El análisis de la HRV se puede utilizar para el estudio de las emociones.
Valores altos de HRV son un indicativo de buena salud, mientras que una menor
variabilidad se relaciona con diversas patologı́as.
La HRV refleja la actividad en el nervio vago, nervio primario en el sistema

nervioso parasimpático, involucrado en una variedad de importantes funciones
psicológicas y fisiológicas, que incluyen el reconocimiento y la regulación de la
emoción, o el control del sistema cardiovascular.
La mayorı́a de las enfermedades psiquiátricas conllevan trastornos emocionales,

que inciden en el funcionamiento del sistema nervioso. El análisis de la HRV
se puede utilizar en psiquiatrı́a como un marcador de salud mental. La HRV
se reduce en pacientes con algún trastorno psiquiátrico.
El análisis de la HRV también se puede utilizar como medida de la regulación

emocional en otros campos como la publicidad o el marketing.
35
36 Capı́tulo 3. Hipótesis y objetivos
Para que se generalice el uso de la HRV se necesitan herramientas, bases de

datos y valores de referencia para diferentes grupo de población.
La HRV depende de factores como la edad, el género, la salud o las condiciones

fı́sicas de la persona.
3.2. Objetivos
Este trabajo tiene como principal finalidad analizar la relación entre los ı́ndices
de HRV y la respuesta emocional. Para ello, se han diseñado y construido varias
bases de datos especializadas, se han estudiado aplicaciones prácticas en diferentes
campos, como la publicidad o la psiquiatrı́a, y se ha desarrollado una herramienta
para el análisis de la HRV en respuesta a diferentes estı́mulos visuales. A continuación
se describe cada uno de estos objetivos:
1. Para analizar la relación entre los ı́ndices de variabilidad y la respuesta emocio-

nal, se trata de establecer si existe una correlación entre regulación emocional
y la HRV, en base al estudio de los ı́ndices más adecuados para contrastar esta
hipótesis. Para alcanzar este objetivo se diseñó un experimento consistente en
registrar la frecuencia cardı́aca mientras se visualizaban bloques de imágenes
con distinta carga emocional (agradables, neutras y desagradables).
2. Otro de los objetivos de este trabajo consiste en diseñar y construir diversas

bases de datos, con colecciones de registros de frecuencia cardı́aca e información
emocional asociada, que permitan a otros investigadores experimentar en este
campo.
3. Además, se pretende estudiar aplicaciones prácticas en diferentes campos. En

contacto con especialistas de otras disciplinas, como la publicidad, el marketing
o la psiquiatrı́a, se han aplicado los resultados obtenidos a investigaciones de
interés en esos campos relacionados con el control emocional y las respuestas
fisiológicas, como la HRV.
4. Por último, se pretende proporcionar a la comunidad cientı́fica una herramien-

ta para la adquisición de datos de HR y análisis de HRV. Esta herramienta,
3.2. Objetivos 37
que mejora VARVI (Variability of the heArt Rate in response to Visual stI-
muli ) [171], permite registrar la frecuencia cardı́aca mientras se llevan a cabo
diferentes actividades y poder realizar análisis de la HRV de cada uno de los
registros almacenados.
Capı́tulo 4
Bases de datos de frecuencia

cardı́aca
Como se comentó anteriormente, uno de los objetivos de esta Tesis Doctoral ha

sido diseñar y construir diversas base de datos, con colecciones de registros de HR e
información emocional asociada, que permitan a otros investigadores realizar nuevos
estudios en este campo.
En los últimos años, ha crecido de manera exponencial las investigaciones que han
tratado de aplicar el análisis de la HRV en muy diversos campos. Se han llevado a
cabo experimentos que han registrado la HRV, ası́ como otras señales fisiológicas, de
muestras de población objeto de estudio. Los experimentos han utilizado diferentes
mecanismos para registrar la señal HR y calcular la HRV. Para el análisis de la
HRV cada equipo de trabajo ha utilizado aplicaciones software especı́ficas (Kubios1 ,
RHRV2 , etc.), para obtener diferentes ı́ndices en el dominio del tiempo y la frecuencia,
o en combinación con medidas no lineales.
Uno de los problemas que aparecen cuando los investigadores desean validar sus
resultados, comparándolos con otros presentados en otros trabajos de investigación,
es la ausencia total de bases de datos comunes que permitan testar diferentes méto-
dos. De hecho, el empleo de bases de datos especı́ficas pueden afectar en gran manera
el rendimiento y capacidad de las diferentes técnicas. Por tanto, es necesario poner
1
http://www.kubios.com/
2
http://rhrv.r-forge.r-project.org/
39
40 Capı́tulo 4. Bases de datos de frecuencia cardı́aca
especial cuidado en la base de datos con la que se entrenan y validan los algoritmos,
ya que determinados casos pueden sesgar tanto los estudios como las conclusiones
derivadas de ellos.
En relación con el estudio de la HRV cabe indicar que, hasta donde conocemos,
existen únicamente algunos sitios Web que proporcionan registros de ECG o señales
de frecuencia cardı́aca de forma gratuita, ası́ como información relevante asociada
a ellos. Uno de estos sitios es PhysioNet 3 , que ofrece acceso gratuito en lı́nea a
colecciones de registros de señales fisiológicas (PhysioBank 4 ), y software de procesado
de las mismas (PhysioToolKit 5 ). Las bases de datos contenidas en esta Web están
disponibles con licencia y dedicación de dominio público ODC v1.0. En este portal
hay alrededor de 80 bases de datos, conteniendo más de 90 mil registros. Con respecto
a HR, las bases de datos que podrı́an utilizar los investigadores en sus trabajos son
las que ofrecen información de intervalos RR obtenidos a partir de registros de ECG
(Interbeat RR Interval Databases).
Además de PhysioNet existen otros servicios Web donde también es posible obte-
ner registros de frecuencia cardı́aca. En la mayorı́a de los casos, se publican registros
de señales fisiológicas, incluyendo HR, obtenidos como resultado del trabajo de in-
vestigación en campos especı́ficos. Por ejemplo, en Sleep Heart Rate and Stroke
Volume Data Bank 6 han creado una base de datos y una herramienta de minerı́a
de datos para ayudar en la investigación de la clasificación automática de etapas de
sueño a partir de datos de HR. En HCI Tagging Database, con el fin de facilitar la
investigación en el área del etiquetado multimedia, han publicado una base de datos7
que contiene datos de respuestas humanas a estı́mulos afectivos, incluyendo algunas
respuestas fisiológicas como ECG, señal respiratoria, o temperatura dérmica [195].
En el mismo campo de las emociones se puede citar también la Database for Emotion
Analysis using Physiological Signals (DEAP) Dataset 8 [101], que proporciona vı́deos
faciales y registros fisiológicos.
En conclusión, actualmente existen muy pocas bases de datos de frecuencia
3
https://www.physionet.org
4
https://www.physionet.org/physiobank
5
https://physionet.org/physiotools/
6
http://www.pri.kmu.lt/datbank/
7
https://mahnob-db.eu/hci-tagging/
8
https://www.eecs.qmul.ac.uk/mmv/datasets/deap/
41
cardı́aca, y menos todavı́a con información adicional de tipo demográfico o social, úti-
les para testar herramientas y métodos de HRV en psiquiatrı́a y sociologı́a. Tampoco
es sencillo en estos repositorios actuales realizar búsquedas sobre tipos especı́ficos de
registros, asociados con una información determinada, por ejemplo, mujeres a partir
de 40 años, que padecen apnea del sueño, o bien varones menores de 30 sin patologı́as
asociadas.
Como una aportación más al estudio de la HRV, se han construido distintas bases
de datos, las cuales han sido utilizadas en los estudios realizados en esta Tesis Docto-
ral. Todas ellas se han generado a partir de registros de frecuencia cardı́aca tomados
a diferentes muestras de la población, complementados con datos demográficos y
sociales, recogidos a partir de cuestionarios adaptados a cada estudio particular.
Algunas de estas bases de datos han sido obtenidas de forma combinada con in-
vestigadores de otras disciplinas y, aunque han sido empleadas para alcanzar algunos
de los objetivos de esta Tesis, no son exclusivas de la misma. Por lo tanto, no se han
considerado parte integrante de este Capı́tulo.
Existen sin embargo bases de datos que sı́ han sido generadas para esta Tesis,
y pertenecen en su totalidad a este trabajo de investigación. En concreto, se han
construido tres bases de datos diferentes: la primera de ellas para estudiar la relación
entre la HRV y la regulación emocional ante determinados estı́mulos externos, la
segunda, para analizar la influencia ejercida por la publicidad electoral sobre la HRV,
en población votante de diferentes ideologı́as polı́ticas, y la tercera, para determinar
los factores de distorsión que afectan a la VFC, establecer los ı́ndices más estables
y hacer recomendaciones para diseñar experimentos donde se registre la HR. Estas
bases de datos han sido puestas a disposición de la comunidad cientı́fica a través del
portal PhysioDataBase 9 [137], con el fin de facilitar la disponibilidad y búsqueda de
registros de diferentes caracterı́sticas, que puedan ayudar en el desarrollo y validación
de nuevos métodos de estudio de la HRV.
En el contexto de los recursos de investigación para señales fisiológicas, donde
PhysioNet es considerado el portal de referencia, una base de datos es una colección
de grabaciones (registros) disponibles como un conjunto de archivos planos. A di-
ferencia de las bases de datos relacionales tı́picas, donde la información se organiza
9
https://milserver.esei.uvigo.es/
Figura 4.1: Ficheros de un registro de HR en el estudio de estı́mulos visuales
en tablas, estas bases de datos consisten en cantidades relativamente pequeñas de

registros (archivos) de longitud variable.
Cada base de datos proporcionada en esta Tesis Doctoral consiste en una colec-
ción de registros de HR. Cada registro tiene un identificador único, representa la
captura de la frecuencia cardı́aca de una persona que está realizando un experimen-
to, y está formado por dos ficheros de texto (con el mismo identificador y diferentes
extensiones). El primero de ellos, con la extensión .rr, se utiliza para almacenar la
distancia entre latidos (intervalo RR), y está formado por una serie de datos numéri-
cos que representan el tiempo transcurrido desde un latido a otro, en milisegundos.
El segundo fichero, con la extensión .tag, ofrece información de cómo se ha llevado a
cabo la realización del experimento para un usuario particular.
Cada experimento consiste en el registro de HR mientras se realizan diferentes
actividades (visualización de bloques de imágenes, vı́deos, etc.). Se emplean etiquetas
para marcar cada una de ellas. En el fichero .tag se almacenan las etiquetas, en el
orden en el que se llevan a cabo las actividades, ası́ como el tiempo en el que se inicia
y la duración de las mismas. En la Figura 4.1 se muestra un ejemplo de un registro de
un usuario (identificador MMA30 1 ) formado por un fichero de HR (MM30 1.rr.txt)
conteniendo los tiempos entre latidos, y otro fichero (MM30 1.tag.txt) con informa-
ción de la realización de las actividades del experimento para dicho usuario (tres
etiquetas, con el orden en el que se visualizan, y sus tiempos de inicio y duración).
Los ficheros de cada registro de HR se han obtenido utilizando las herramientas
VARVI [171] o gVARVI [215], que permiten configurar cada experimento, definien-
do las actividades, ficheros de imágenes o vı́deo que se visualizan en cada una, y
registrando la HR de cada una de las personas que participaron en cada estudio.
4.1. Frecuencia cardı́aca y estı́mulos visuales 43
4.1. Frecuencia cardı́aca y estı́mulos visuales

Con el fin de poner a disposición de la comunidad cientı́fica una base de datos
que permita analizar las posibles relaciones entre la HRV y la regulación emocional
que se presenta ante diversos estı́mulos externos, se procedió al registro de señales
de frecuencia cardı́aca de una muestra de la población, al ser sometidos a estı́mulos
externos visuales de carácter agradable, desagradable y neutro. Posteriormente, se
recogió información en un formulario en lı́nea.
El procedimiento se describe en secciones posteriores de esta Tesis Doctoral, y ha
sido utilizado para el estudio de la HRV y su relación con la regulación emocional
en [106].
Se detalla a continuación más información de la base de datos construida.
Población
Participaron en este estudio personas mayores de 18 años que, de forma volunta-
ria, dieron consentimiento para participar en el experimento, y no padecı́an ninguna
enfermedad comprobada, ni cardı́aca, ni de otro tipo, y no tenı́an prescrita ninguna
medicación. El tamaño final de la muestra fue de 98 individuos: 57 hombres y 41
mujeres. La caracterización por género y edad de los participantes en el experimento
se puede comprobar en la Tabla 4.1.
Tabla 4.1: Caracterización por género y edad
MENORES 30 AÑOS MAYORES 30 AÑOS TOTAL

MUJERES 21 20 41
HOMBRES 37 20 57
Procedimiento
El experimento comenzaba explicando a cada participante la finalidad del estudio
y el protocolo a seguir. En primer lugar se procedı́a al registro de HR. Las condiciones
de medida fueron similares: sala sin interferencias, entre las 10 y las 13 horas, en
posición sentados delante de un ordenador portátil, con la banda de HR colocada

y con cascos para evitar ruidos. Mediante VARVI se lanzaba el experimento, que
mostraba en pantalla los tres bloques de imágenes con diferente carga afectiva en
orden aleatorio, mientras se registraba la HR.
Las imágenes que se utilizaron eran procedentes de la base de datos IAPS (des-
critas en la Sección 2.1). Se trabajó con tres bloques de 10 imágenes cada uno (30
imágenes en total), correspondientes a estı́mulos positivos, negativos y neutros, que
fueron visionados por cada participante en el estudio durante un tiempo de 9 segun-
dos por imagen (4:30 en total).
Después de finalizar el registro de HR, cada participante cubrió un formulario
donde se recogı́an algunos datos sociodemográficos y médicos (Figura 4.2). A conti-
nuación, se les explicaba en que consistı́a el SAM, y se procedı́a a la evaluación de
las imágenes visualizadas previamente en las dos dimensiones afectivas utilizadas en
el estudio: valencia y activación (Figura 4.3).
Descripción de los registros

Por cada participante se obtuvo un registro de frecuencia cardı́aca, con una du-
ración de 4:30 minutos, realizado mientras visualizaba los tres bloques de imágenes,
mostrados en orden aleatorio para cada persona. El registro de HR de cada usuario
estaba constituido por dos archivos(Figura 4.1): un fichero .rr conteniendo los datos
de HR y un fichero .tag con información del orden en el que se habı́an visualizado
cada uno de los bloques de imágenes (ası́ como de su duración, que era de 90 segun-
dos para cada bloque). Los 98 registros (196 archivos) conforman la base de datos
obtenida.
4.2. Frecuencia cardı́aca y orientación polı́tica

La segunda base de datos generada se relaciona con la influencia que sobre la HRV
ejercen los anuncios electorales en votantes potenciales, con el fin de determinar, a
partir de los parámetros de la HRV, si las actitudes polı́ticas están influenciadas
por la atención selectiva mediada por la ideologı́a [165], de forma similar al trabajo
descrito en [175].
4.2. Frecuencia cardı́aca y orientación polı́tica 45
Figura 4.2: Formulario de obtención de datos en el estudio de estı́mulos visuales

Figura 4.3: Evaluación de las imágenes del IAPS mediante SAM
Se eligió como campaña electoral la realizada para las elecciones autonómicas

gallegas de 21 de octubre de 2012. Los anuncios electorales elegidos corresponden a los
spots de diferentes partidos polı́ticos. Más especı́ficamente, se seleccionaron los vı́deos
oficiales emitidos en las campañas televisivas de los partidos Alternativa Galega
de Esquerdas (AGE); Bloque Nacionalista Galego (BNG); Compromiso por Galicia
(CXG); Partido Popular (PP); Partido Socialista de Galicia (PSdeG); Sociedad Civil
y Democracia (SCyD); y Unión, Progreso y Democracia (UPyD). Aunque el PP tenı́a
dos vı́deos oficiales, se eligió para este trabajo únicamente uno, igual para todos los
participantes.
Población
Participaron en el estudio personas correspondientes a los diferentes sectores uni-
versitarios, que a afectos de garantizar la protección de datos personales se nombra-
ron como sector1, sector2 y sector3, tanto de sexo femenino como masculino, con
edades comprendidas entre los 18 y los 60 años, y con distintas ideologı́as polı́ticas.
La participación en el estudio fue completamente voluntaria, y se mantuvo en todo
4.2. Frecuencia cardı́aca y orientación polı́tica 47
momento la privacidad de cada participante. El tamaño final de la muestra fue de

78 participantes: 59 hombres y 19 mujeres.
Tabla 4.2: Caracterización por género
Edad Media Ideologı́as 1,2 Ideologı́as 3 Ideologı́as 4,5 Voto Emitido

Mujeres 30.69 13 6 0 15
Hombres 30.47 38 18 3 50
Tabla 4.3: Caracterización por sector
Edad Media Ideologı́as 1,2 Ideologı́as 3 Ideologı́as 4,5 Voto Emitido

Sector 1 41.94 16 8 1 20
Sector 2 44.0 7 1 0 8
Sector 3 22.2 28 15 2 37
De forma similar al estudio anterior, se procedió a caracterizar la población de

acuerdo al género, sector y orientación polı́tica proporcionada por cada participante.
Para el total de 59 hombres y 19 mujeres, la edad media fue de 30,71 años, y 13
no habı́an votado en las últimas elecciones autonómicas. Las Tablas 4.2, 4.3 y 4.4
muestran los datos de la población de acuerdo a estos valores. Con respecto a la
orientación polı́tica, y tal cual se indicaba en los formularios de recogida de datos, el
valor de ideologı́a 1 se corresponde con la más a la izquierda, y la ideologı́a 5 con la
más a la derecha.
Tabla 4.4: Caracterización por orientación polı́tica
Edad Media Sector 1 Sector 2 Sector 3 Voto Emitido

Ideologı́as 1,2 31.57 16 7 28 45
Ideologı́as 3 21.17 8 1 15 17
Ideologı́as 4,5 28.67 1 0 2 3
Figura 4.4: Formulario de obtención de datos en el estudio de orientación polı́tica
Procedimiento
Antes del registro de HR mientras se visualizaban los anuncios electorales, se

procedió a la recogida de información personal acerca de género, edad, sector laboral,
ideologı́a polı́tica y, de ser el caso, agrupación a la que habı́a votado en las últimas
elecciones autonómicas gallegas (Figura 4.4).
Tras la recogida de datos personales, cada individuo, utilizando condiciones de
medida similares, fue sometido al visionado de los anuncios electorales, los cuales
aparecieron en orden aleatorio para cada uno de ellos, simultáneamente se grabó su
4.3. Recomendaciones para la adquisición de señal de HR 49
Figura 4.5: Ficheros de un registro de HR en el estudio de orientación polı́tica
frecuencia cardı́aca, obteniéndose un registro final con una duración cercana a los 3
minutos (en torno a 30 segundos de duración cada anuncio).

Como en la anterior base de datos, cada registro constaba de dos ficheros (Figura
4.5), el que contenı́a los datos de la posición de los latidos, y el que suministraba
información (mediante etiquetas) del orden de visualización de los diferentes spots
electorales. La base de datos finalmente obtenida estaba formada por los 78 registros
de HR (156 archivos)
4.3. Recomendaciones para la adquisición de señal

de HR
Uno de los problemas más habituales que surgen al tratar de analizar la HRV
es el hecho de que la frecuencia cardı́aca puede verse alterada por diversos factores,
que influyen en el ritmo del latido del corazón. Estos factores pueden tener orı́genes
diversos, como estilo de vida, motivos ambientales, o condicionantes fisiológicos [62].
Algunas de estas causas son no modificables, como la edad o el género [4, 140,
202], la genética [191], o la etnia [221]. Entre los factores fisiológicos se pueden citar
la influencia de las hormonas sobra la HRV [188], o factores respiratorios [227] o
neurológicos [210], ası́ como enfermedades cardiovasculares [203]. Con respecto a
las causas ambientales, se pueden citar entornos laborales quı́micos y polución [38],
mientras que la actividad fı́sica [14] o el consumo de alcohol, tabaco y drogas [151]
determinan un estilo de vida que puede influir en la HRV.
Dada la gran cantidad de factores que afectan la HRV, no es sencillo realizar es-
tudios fiables que permitan extraer conclusiones válidas. Además, la metodologı́a de
adquisición de registros de HR puede incluso condicionar los resultados obtenidos, so-
bre todo si se trata de comparar métodos sobre registros adquiridos de varias formas,
como puede ser la adquisición a diferentes horas del dı́a o en distintas posiciones.
Como una aportación más de esta Tesis Doctoral, se ha construido una base
de datos correspondiente a registros de frecuencia cardı́aca, adquiridos siempre en
las mismas condiciones, y que pueden ser utilizados por cualquier investigador para
testar algoritmos o técnicas, ası́ como para establecer protocolos de adquisición de
datos o analizar la estabilidad de los ı́ndices de la HRV [47].
Población
Dadas las caracterı́sticas especiales de este estudio, que requerı́a varios registros
diarios durante un periodo prolongado de tiempo, solo participaron dos voluntarios
sanos, de género masculino, de edad media, sin enfermedades cardı́acas conocidas.
Procedimiento
La adquisición de señales de frecuencia cardı́aca se extendió durante un perı́odo

de 25 dı́as. Diariamente, cada uno de los participantes registró su HR, utilizando
la herramienta VARVI [171] en tres ocasiones diferentes, correspondientes a tres
intervalos temporales de mañana, tarde y noche. A su vez, en cada intervalo temporal
se realizaron dos medidas, en dos posiciones distintas: posición sentada y tumbada.
Cada registro tuvo una duración de 5 minutos, y fue adquirido siempre antes de
ingerir alimentos por la mañana y por la noche, y en condiciones similares en la
mayorı́a de los registros de tarde, aunque en algunas ocasiones se pudo producir
alguna ingesta.
4.3. Recomendaciones para la adquisición de señal de HR 51
Figura 4.6: Registro de HR en el estudio de recomendaciones para la adquisición
En este caso cada registro de HR solo estaba formado por un fichero con las
distancias RR de los latidos registrados en cada muestra de 5 minutos. En el identi-
ficador del fichero se codificó el usuario que realizaba el registro (user1 o user2), el
intervalo del dı́a (ma: mañana, ta: tarde y no: noche), posición (tu: tumbada y se:
sentada) y la fecha en la que se realizó (Figura 4.6). De este modo, se almacenaron,
para cada participante, 150 ficheros (con la extensión .rr ) conteniendo los datos de
HR, y correspondientes a las situaciones descritas en la Tabla 4.5.
Tabla 4.5: Situaciones de registro de HR en el 4o estudio
Intervalo Posición No Registros

mañana tumbada 25
mañana sentada 25
tarde tumbada 25
tarde sentada 25
noche tumbada 25
noche sentada 25
En total, los 300 registros de HR obtenidos conforman la base de datos de este

estudio.
4.4. Repositorio de registros de señales fisiológicas
Ya se ha indicado en este Capı́tulo que una de las aportaciones de este trabajo a la

comunidad cientı́fica serı́a proporcionar las bases de datos construidas para estudios
posteriores en el campo de la HRV. Para ello, las tres bases de datos descritas han sido
puestas a disposición de forma pública y gratuita, en el repositorio PhysioDataBase 10 .
PhysioDataBase [137] ha sido desarrollado como un Trabajo de Fin de Grado en

Ingenierı́a Informática (EI16/17 - 022), y se ha colaborado activamente en su puesta
a punto, de forma simultánea al desarrollo de esta Tesis Doctoral, tanto a nivel de
definición de funcionalidades como de diseño e implementación. Dado que la creación
de este repositorio no ha sido un objetivo de este trabajo, sino la construcción de las
bases de datos para el análisis de la HRV, no se proporcionarán en esta Tesis detalles
acerca del diseño, tecnologı́as empleadas y arquitectura de la aplicación, sino que
únicamente se describirá la información almacenada en PhysioDataBase relacionada
con los trabajos de investigación aquı́ descritos.
Este repositorio Web multilenguaje (inglés, castellano y gallego) (Figura 4.7),

permite a cualquier investigador que se registre en la aplicación de forma completa-
mente gratuita, y sin aportar más datos personales que un nombre y una dirección de
correo electrónico, compartir toda la información que desee relacionada con cualquier
experimento o trabajo de investigación realizado.
10
https://milserver.esei.uvigo.es/
4.4. Repositorio de registros de señales fisiológicas 53
Figura 4.7: Vista principal de PhysioDataBase
Desde la ventana principal se puede acceder a cualquiera de los experimentos

y datos almacenados en el repositorio. Aquellos experimentos públicos podrán ser
consultados por cualquier usuario, mientras que los de carácter privado estarán úni-
camente accesibles a aquellos usuarios autorizados.
En este caso, las tres bases de datos que se han construido para el análisis de la
HRV se presentan como experimentos públicos en la vista principal del repositorio,
bajo los nombres “IAPS and Emotion Regulation”, “Emotion Regulation and Political
Ads” y “Recommendations for HR Signal Acquisition”.
Figura 4.8: Información general de un experimento en PhysioDataBase
Al acceder a cada uno de estos experimentos se presenta la información asociada

a cada uno de ellos. Como ejemplo, se presenta el experimento “Emotion Regulation
and Political Ads”. A través de las diferentes pestañas se puede acceder a toda la
información almacenada en PhysioDataBase, y relativa al experimento (Figura 4.8):
Información General: presenta los aspectos generales del experimento (quién

puede acceder, cuándo se creó en el repositorio, quién es el propietario, etc.).
Información del Experimento: permite acceder a los atributos del experimento

(pequeña descripción, fecha de realización, población participante y números
de registros asociados).
Ficheros del Experimento: proporciona archivos generales asociados al experi-

mento (descripción, información demográfica, etc.), con posibilidad de descar-
garlos por parte de los usuarios.
Atributos de los Individuos: describe los atributos de cada uno de los individuos
o participantes involucrados en la realización del experimento.
Extensiones de los Ficheros: indica el tipo de fichero que se puede descargar

por cada participante, ası́ como su extensión. Como un ejemplo, la Figura
4.9 presenta los tipos de ficheros asociados para el trabajo de investigación
relacionado con la propaganda electoral. Estos ficheros se corresponden con el
registro de las señales fisiológicas capturadas en el experimento.
Figura 4.9: Extensiones de los ficheros en PhysioDataBase
Además de toda esta información general, desde el repositorio se tiene acceso a

los datos de todos los participantes en el estudio, mostrando los valores particulares
de cada uno de ellos (Figura 4.10).
El acceso a cada individuo que forma parte de la población participante en el
estudio permite disponer de toda la información asociada a cualquier investigador
4.4. Repositorio de registros de señales fisiológicas 55
Figura 4.10: Acceso a los datos de los participantes en un experimento en PhysioDa-

taBase
interesado en replicar el trabajo de investigación presentado, o que desee realizar

estudios similares.
De esta forma, la pestaña de Información General (Figura 4.11) permite disponer
de los atributos de los individuos anteriormente descritos, mientras que la pestaña
de Ficheros proporciona acceso a los ficheros de frecuencia cardı́aca, intervalos RR y
otra información relacionada con el visionado de propaganda electoral, que pueden ser
también descargados por cualquier investigador que ası́ lo desee (Figura 4.12). Esta
última es la información más importante suministrada, ya que constituye el registro
de la señal fisiológica proporcionada en el experimento, en este caso el registro de
HR.
Tanto la base de datos, conteniendo registros de HR, construida para el estudio de
las emociones ante estı́mulos visuales externos agradables, desagradables y neutros,
como la construida para recomendaciones en la adquisición de señal de HR, se han
puesto también a disposición de la comunidad cientı́fica de un modo similar, a través
del mismo repositorio.
Figura 4.11: Información General de cada participante en un experimento en Phy-

sioDataBase
Figura 4.12: Ficheros asociados a cada participante en PhysioDataBase

Capı́tulo 5
Aplicaciones de la HRV
Con el fin de demostrar la utilidad del análisis de la HRV en diferentes campos

de investigación, se han llevado a cabo varios estudios en los cuales se han obtenido
resultados interesantes que desarrollaremos a continuación.
Los estudios realizados se han clasificado en dos categorı́as, los relacionados con la
regulación emocional, y los enmarcados en las ciencias sociales. Dentro de la primera
categorı́a, un primer trabajo se ha centrado en estudiar la eficacia de la HRV a la hora
de discriminar en la población sana entre diferentes estados emocionales provocados
por estı́mulos visuales externos. Un segundo trabajo ha estudiado la utilidad de la
HRV como una herramienta válida para el diagnóstico de la psicopatı́a.
En el marco de las ciencias sociales, se han realizado otros dos estudios. En el

primero de ellos, se ha analizado si la HRV podı́a ser una medida del sentimiento
patriota cuando se escuchaba el himno nacional de un determinado paı́s. En otro
trabajo, se han medido las variaciones en la frecuencia cardı́aca ante la visualización
de diversos anuncios electorales de una campaña polı́tica.
En todos estos estudios, realizados en colaboración con investigadores expertos de

otras disciplinas, se han utilizado protocolos similares de recogida de datos, sensores
de medida de la frecuencia cardı́aca y equipos de caracterı́sticas similares, y se han
seguido metodologı́as parecidas. Se presentan a continuación los aspectos comunes a
todas estas investigaciones.
57
58 Capı́tulo 5. Aplicaciones de la HRV
5.1. Protocolos comunes de actuación

Sensor de medida de la frecuencia cardı́aca
Para medir la frecuencia cardı́aca se empleó un sensor Polar WearLink con Blue-
tooth1 . Dicho sensor está formado por dos zonas de electrodos de plástico situados
en el reverso de la correa, que detectan la frecuencia cardı́aca. Posee además un co-
nector que envı́a la señal de frecuencia cardı́aca vı́a bluetooth al dispositivo receptor
que, en este caso concreto, fue un ordenador portátil. El sensor funciona gracias a
una pila CR 2025, con una vida útil de 150 horas, en un rango de temperaturas entre
0o C y 50o C.
Equipo informático
Para ejecutar los programas y herramientas se utilizó un ordenador portátil con
sistema operativo Linux (distribución Ubuntu), y otro con sistema operativo Win-
dows. Ambos con prestaciones similares a un equipo de gama media.
Software para el registro y análisis de la HRV

Para facilitar el registro y posterior análisis de la HRV se utilizó VARVI [171].
VARVI es una herramienta de software libre, desarrollada en Python por nuestro
grupo de investigación2 , que permite registrar los datos de frecuencia cardı́aca de
cada uno de los participantes en un estudio, en respuesta a diferentes estı́mulos
(visualización de imágenes, vı́deos, etc.). Esta herramienta facilita la configuración
de cada experimento, permitiendo establecer algunos parámetros importantes, como
los archivos a visualizar, o el orden en el que se mostrarán. Como resultado genera
tanto los datos de HR como la información de los intervalos de tiempo en el que se
visualizaron los diferentes estı́mulos (utiliza etiquetas para cada uno de los vı́deos o
conjunto de imágenes que conforman el estudio).
Para el análisis de la HRV se utilizaron las herramientas RHRV3 y gHRV4 . RHRV
1
http://www.polar.es
2
http://milegroup.github.io/varvi/
3
4
https://milegroup.github.io/ghrv/
5.1. Protocolos comunes de actuación 59
[69] es un paquete de código abierto para el entorno R5 que comprende un conjunto

completo de utilidades para llevar a cabo análisis en el dominio del tiempo, fre-
cuencias, ası́ como análisis no lineal. Por otro lado, gHRV es una herramienta de
software libre, disponible para las principales plataformas (Windows, MacOSX y
Linux ), pensada para facilitar el análisis de HRV a investigadores y profesionales
médicos [173].
Protocolo de recogida de datos de frecuencia cardı́aca
Como se comentó en el apartado anterior, la recogida de datos de frecuencia

cardı́aca se realizó utilizando la herramienta VARVI, que permitió configurar a me-
dida cada estudio, seleccionando los elementos audiovisuales apropiados, que serán
detallados más adelante, en cada experimento particular.
Esta herramienta se comunicaba con el sensor de medición de la frecuencia
cardı́aca y, a medida que recogı́a los datos anteriores, los almacenaba en un fichero
etiquetando los valores en función de la actividad correspondiente, con la duración
concreta de cada una de ellas y el tiempo de inicio asociado.
Para la obtención de datos de frecuencia cardı́aca de cada participante se desa-
rrolló un sencillo protocolo de actuación. En primer lugar se les explicaba la finalidad
del estudio y los pasos a seguir. A continuación cada participante se ajustó inicial-
mente la banda con el sensor de frecuencia cardı́aca en la parte superior del tórax, se
situó delante de un ordenador portátil y, una vez que VARVI detectaba que se estaba
recibiendo correctamente datos de la frecuencia cardı́aca, comenzaba el proceso de
adquisición.
Las diferentes actividades (estı́mulos visuales o auditivos) de los distintos estu-
dios iban apareciendo, por lo general en orden aleatorio, garantizando siempre que
todas eran mostradas a la población incluida en la muestra. Finalizado el proceso
de adquisición, el programa almacenaba dos ficheros diferentes. El primero de ellos
contenı́a los datos de frecuencia cardı́aca (intervalos RR), y el segundo asociaba estos
datos a cada una de las diferentes actividades incluidas en el estudio (Figura 4.1).
5
https://www.r-project.org/
Protocolo de recogida de otro tipo de datos

Para la recogida de otro tipo de información, como personal, médica, o socio-
demográfica, se emplearon cuestionarios que en unos casos fueron cubiertos por los
propios participantes en el estudio, mientras que en otras ocasiones fueron recogidos
por personal clı́nico o especialistas. Estos cuestionarios fueron construidos principal-
mente utilizando la herramienta de Formularios de Google Drive 6 .
Metodologı́a para el análisis de HRV

Una vez finalizada la adquisición de datos de frecuencia cardı́aca, se procedió
al análisis de la HRV. Para ello, las señales de frecuencias cardı́aca presentes en la
base de datos se procesaron empleando el paquete de software RHRV, anteriormente
citado.
El proceso de análisis de la HRV consta de cinco etapas:
1. Cálculo de las posiciones de los latidos: obtenidas a partir de los registros de

frecuencia cardı́aca almacenados para cada participante.
2. Extracción de la señal de frecuencia cardı́aca instantánea: como ya se ha co-

mentado, la distancia entre dos latidos consecutivos es el intervalo RR. La
frecuencia cardı́aca instantánea se define como la inversa de la separación tem-
poral entre dos latidos consecutivos, esto es, el ya conocido intervalo RR. Este
intervalo se calcula a partir de las posiciones de latidos obtenidas en la etapa
anterior.
3. Supresión de artefactos: dado que los algoritmos para detectar y clasificar lati-
dos pueden fallar, la señal de frecuencia cardı́aca instantánea puede deteriorarse
y ser inválida para el estudio. Para solucionar este problema, se ha aplicado un
algoritmo de filtrado, proporcionado en el paquete de software RHRV, que usa
umbralización adaptativa para descartar aquellos latidos cuya amplitud exce-
de un determinado valor. También se eliminan en esta etapa aquellos puntos
cuyos valores no están dentro del rango de valores fisiológicos aceptables [214].
6
https://docs.google.com/forms/
5.2. Regulación emocional 61
De esta forma, se obtiene la señal de frecuencia cardı́aca no interpolada. En

aquellos casos en los que este algoritmo falla, se puede proceder a una supresión
manual de artefactos.
4. Interpolación de la señal de frecuencia cardı́aca: la señal de frecuencia cardı́aca

no interpolada se puede emplear para realizar diferentes medidas en el dominio
del tiempo y no lineal. Sin embargo, para realizar la estimación espectral se
necesita interpolar la señal (una interpolación de spline cúbico a 4 Hz), de
modo que se obtiene la señal de frecuencia cardı́aca equiespaciada.
5. Análisis en el dominio de frecuencias: primeramente, se obtiene el espectrogra-

ma de frecuencias empleando la STFT sobre segmentos de señal de media 0,
y con un tamaño de ventana adecuado (habitualmente 40 segundos). De es-
ta forma, se obtuvieron los valores de HF, LF, LF/HF y potencia total HRV
(obtenida como la suma de las potencias en las bandas LF y HF).
Una vez comentados los aspectos generales de todos los estudios realizados, se
detallan las particularidades de cada uno de ellos.
5.2. Regulación emocional
5.2.1. Estimulación visual y regulación emocional en pobla-

ción normal
Desde un punto de vista clı́nico, se ha constatado la importancia del análisis
de la HRV debido a su relación directa con el ANS. De hecho, existe un número
creciente de trabajos de investigación estudiando la HRV en diferentes condiciones y
enfermedades [6, 39, 113]. Como ya se comentó en el capı́tulo 1, un campo importante
de estudio es el análisis de la influencia de factores como edad o género sobre la HRV.
Algunos estudios han encontrado diferencias en la HRV por género [202], y otros por
edad [217]. Varios autores consideran que se producen variaciones importantes en los
parámetros de la HRV después de los 30 años. Los resultados indican que, en general,
las funciones parasimpáticas decrecen en hombres a partir de los 30 años [207, 229].
Dado que la respuesta emocional en humanos se puede regular por la CAN, y el

análisis de la HRV proporciona una medida del mismo, se podrı́a emplear el estudio
de la HRV como una ventana privilegiada para entrever cómo el CAN y el ANS
responden a diferentes estı́mulos.
En este sentido, es posible provocar emociones exponiendo a las personas a
estı́mulos externos. Dado que la HRV se asocia con ı́ndices cardı́acos de atención
y emoción [200], diferentes investigaciones analizaron los valores de la HRV de di-
ferentes individuos que eran expuestos a estı́mulos positivos (agradables), neutros y
negativos (desagradables) en controles normales [164, 178, 209] y muestras clı́nicas
con esquizofrenia [85, 139] o desórdenes afectivos [208]. En los controles normales,
la visualización de imágenes desagradables produjo una menor respuesta simpática.
Además, una HRV elevada podrı́a permitir a las personas procesar de forma más
eficiente los estı́mulos emocionales, y reconocer tanto señales seguras como amena-
zas. Para las muestras con esquizofrenia, se encontró que los pacientes medicados
prestaban menos atención a las emociones provocadas por imágenes que la pobla-
ción sana de control. Finalmente, los resultados demostraron que, en pacientes con
desorden afectivo, no habı́a cambios significativos en la dinámica del ANS en sesiones
de visualización.
Como forma de verificar si existe relación entre la regulación emocional mediante
estı́mulos visuales y la HRV, se puso en marcha un trabajo de investigación [106]
consistente en estimular de forma externa y visual (mediante imágenes agradables,
desagradables y neutras) a la población muestral seleccionada, mientras se medı́a su
frecuencia cardı́aca, para un posterior análisis de la misma, en busca de diferencias
significativas. Se estudiaron también las dependencias con el género y la edad de los
valores de la HRV bajo estimulación visual externa, en poblaciones de menos y de
más de 30 años.
Estı́mulos visuales
Para seleccionar las imágenes que servirı́an como estı́mulo para provocar las emo-
ciones se recurrió a la base de datos IAPS [111], considerando su adaptación española
[138] a la hora de puntuar la valencia y la activación.
Dado que el objetivo del estudio era el de comprobar si habı́a variaciones en la
HRV antes estı́mulos positivos, negativos y neutros, se seleccionaron 30 imágenes

verificando los siguientes criterios: 1) imágenes agradables: valencia alta (6-8, siendo
8 el máximo nivel de placer) y activación alta (6-9, siendo 9 la ausencia total de
calma); 2) imágenes desagradables: baja valencia (1-3, donde 1 indica desagrado
total) y activación alta; y 3) imágenes neutras: valores moderados para valencia (4-
5, donde 5 indica neutralidad) y activación (4-5, donde 5 indica neutralidad). Las
imágenes seleccionadas fueron las siguientes:
1. Agradables: 8400, 4810, 8370, 4670, 8490, 4658, 8341, 8492, 8178, 8179.
2. Desagradables: 9075, 3213, 3000, 1525, 3168, 6510, 3080, 3530, 6550, 3069.
3. Neutras: 2400, 7011, 6837, 2445, 7013, 2279, 7043, 7023, 7137, 7044.
Además, se seleccionaron los valores de valencia y activación en los tres conjuntos
de imágenes de forma que fuesen estadı́sticamente diferentes. Ası́, se obtuvo un p −
valor < 0,0001 en todos los casos para las valencias. Con respecto a la activación,
se obtuvieron diferencias estadı́sticamente significativas al comparar las imágenes
agradables con las neutras, y estas con las desagradables.
Población
Se estimó inicialmente una población muestral asumiendo un nivel de confianza
del 95 %. El margen de error permitido fue de 10 %, y la desviación estándar de 0.5.
La población muestral, asumiendo estos valores, debı́a ser de 96 individuos, por lo
que se consideró para el estudio una muestra formada por 100 personas sanas.
Todos los participantes fueron voluntarios mayores de 18 años que proporcionaron
consentimiento oral informado, y no padecı́an ninguna dolencia cardı́aca, desorden
mental, diabetes, hipertensión u otra enfermedad comprobada. Tampoco consumı́an
drogas y, en el caso de las mujeres, no estaban embarazadas.
De los 100 participantes iniciales se descartaron dos, debido a que la correspon-
diente señal de frecuencia cardı́aca no fue correctamente registrada y almacenada. La
población final estuvo compuesta por 98 individuos, divididos en cuatro categorı́as
para el estudio: 1) hme30: hombres menores de 30 años (37 participantes); 2) HMA30:
hombres mayores de 30 años (20 participantes); 1) mme30: mujeres menores de 30
años (21 participantes); 2) MMA30: mujeres mayores de 30 años (20 participantes).
Cuestionario
Una vez adquirida la señal de frecuencia cardı́aca, cada participante debió cubrir
un formulario donde proporcionaba información sobre género, edad, sociodemográfi-
ca y clı́nica. Para garantizar que todos los participantes gozaban de buena salud,
se incluyeron en el cuestionario cuestiones sobre medicación y enfermedades, tenien-
do en cuenta que aquellas personas que estuviesen tomando medicación regular o
padeciesen alguna enfermedad deberı́an ser excluidas del estudio.
Una segunda parte del cuestionario consistió en puntuar cada una de las imágenes
del IAPS que previamente habı́an visionado en términos de valencia y activación,
empleando el sistema de calificación afectivo SAM [28].
Metodologı́as particulares del estudio

En este estudio se registró la frecuencia cardı́aca mientras se visualizaban las
diferentes imágenes de la base de datos IAPS, anteriormente descritas. La duración
de cada registro coincidió con el tiempo total de visualización de las 30 imágenes, y
fue de 4:30 minutos (9 segundos para cada imagen, 1:30 minutos por cada uno de
los bloques de imágenes: agradables, desagradables y neutras).
Posteriormente, tras llevar a cabo el análisis de la HRV en el dominio de frecuen-
cias, se realizaron los siguientes estudios: 1) análisis global de los valores espectrales
en cada uno de los grupos en los que se habı́a dividido la muestra; 2) análisis especı́fico
para todos los grupos de imágenes, comparando los parámetros espectrales obteni-
dos para las cuatro muestras al visionar los diferentes tipos de imágenes; 3) análisis
especı́fico para los diferentes grupos de imágenes visualizadas en orden aleatorio, con
el objeto de establecer si el orden de visualización de los distintos grupos de imágenes
afecta a la regulación emocional; y 4) análisis de los valores subjetivos de valencia y
activación indicados por cada participante. Los datos fueron estudiados mediante un
análisis de significación estadı́stica, considerando un nivel de significación de 0.05.
Resultados
A partir de los cuatro análisis desarrollados se obtuvieron diferentes resultados,
detallados en los siguientes apartados:
Análisis global de los valores espectrales
Se calcularon los valores espectrales globales para toda la muestra estudiada

(Tabla 5.1).
Tabla 5.1: Valores globales de los parámetros espectrales para los diferentes subcon-
juntos muestrales
hme30 mme30 HMA30 MMA30
HRV (ms2 ) 1289.59 1200.97 751.69 680.47
LF (ms2 ) 519.87 384.33 293.29 256.93
HF (ms2 ) 376.08 466.17 156.46 167.74
LF/HF 2.04 1.34 2.35 1.76
Con el fin de obtener un valor promedio adecuado, se recurrió a la media truncada,

empleando un valor de truncado de 0.01, con lo cual se descartó el 10 % de datos en
los extremos superior e inferior de la distribución de valores.
Se encontraron diferencias en los parámetros HRV, LF y HF, entre participantes
menores y mayores de 30 años. La población joven presenta valores espectrales su-
periores, y lo contrario sucede al analizar el parámetro LF/HF, que fue de 1.69 en
dicha población, alcanzando un valor de 2.05 en la muestra de mayor edad.
Las principales diferencias entre hombres y mujeres se dieron en HRV, LF y
LF/HF, con valores superiores en hombres que en mujeres. La diferencia es supe-
rior al visualizar imágenes agradables. En cualquier caso, las diferencias no fueron
estadı́sticamente significativas.
Análisis especı́fico para todos los grupos de imágenes
Se obtuvieron los parámetros espectrales cuando los participantes estaban visio-

nando los tres grupos de imágenes, y se compararon entre sı́. Dado que en el análisis
previo se encontraron diferencias por edad, se consideraron en el estudio estos grupos
de participantes. Nuevamente, se obtuvo la media truncada.
Aunque no se obtuvieron diferencias estadı́sticamente significativas, se alcanzaron
mayores valores para todos los ı́ndices espectrales para imágenes desagradables, con
la única excepción del parámetro HRV para población mayor de 30 años.
Análisis especı́fico para los diferentes grupos de imágenes visualizados en

orden aleatorio
Los participantes visualizaron los diferentes grupos de imágenes en orden alea-

torio. Se obtuvieron los parámetros espectrales cuando las imágenes agradables se
visionaban en primer lugar, y se repitió el procedimiento para las imágenes desagra-
dables y neutras. Los principales resultados se presentan en la Tabla 5.2 (los valores
marcados con * indican la existencia de diferencias significativas). Se encontraron
diferencias estadı́sticamente significativas en la potencia total HRV y LF cuando
se veı́an en primer lugar las imágenes desagradables. Esto indica que el orden de
visionado de las imágenes afecta claramente a los valores de la HRV.
Tabla 5.2: Parámetros espectrales obtenidos al visualizar las imágenes agradables,

desagradables y neutras en primer lugar
Imágenes Agradables Imágenes Desagradables Imágenes Neutras

1o Agrad. Resto 1o Desagrad. Resto 1o Neutras Resto
HRV (ms2 ) 1008.41 1107.65 1572.17* 944.75* 929.34 1186.44
LF (ms2 ) 378.59 414.79 723.76* 390.03* 338.35 482.79
HF (ms2 ) 340.04 344.12 474.98 340.04 350.61 357.34
LF/HF 1.64 2.16 2.63 1.88 1.42 2.52
Además, si se consideran únicamente imágenes agradables visualizadas en pri-

mer lugar, y se compara el resultado con el obtenido para el visionado de imágenes
desagradables en primer lugar, aparecen más diferencias. Además de la potencia to-
tal HRV y el parámetro LF, aparece también diferencia significativa en el cociente
LF/HF.
Para las imágenes neutras, el orden de visualizado no fue relevante.
Figura 5.1: Potencia total HRV para el orden de presentación de imágenes neutras-
desagradables-agradables
En este trabajo se ha encontrado que el orden de presentación de las imágenes

puede afectar a los valores de la HRV, en particular, cuando se visualizan en primera
lugar las imágenes desagradables. En un intento de verificar la idea de Ruiz-Padial y
col. [178], quienes sugirieron que los individuos con baja HRV en reposo mostraban
respuestas indiferentes a imágenes desagradables y neutras, se dividió la muestra
estudiada en dos nuevas categorı́as: individuos con potencia total HRV menor que la
media (representado como IM, Inferior a la Media), e individuos con HRV superior
al valor promedio (representado como SM, Superior a la Media). En ambos grupos
se analizaron los valores de HRV para el orden de presentación de imágenes neutras-
desagradables-agradables (Figura 5.1), y desagradables-neutras-agradables (Figura
5.2).
Nuestros resultados confirman que los sujetos con menor HRV no mostraron
diferencias en las respuestas independientemente del orden en el que se mostraron
Figura 5.2: Potencia total HRV para el orden de presentación de imágenes

desagradables-neutras-agradables
las imágenes, mientras que los individuos con mayor HRV, cuando fueron expuestos
a imágenes desagradables en primer lugar, mostraron una mayor respuesta a las
imágenes neutras posteriores.
Análisis de los valores subjetivos de valencia y activación
Se realizó también un estudio acerca de las puntuaciones de valencia y activación

proporcionadas por los participantes de forma subjetiva (Tabla 5.3). Para imágenes
agradables, las puntuaciones proporcionadas fueron siempre menores que las tabu-
ladas en la adaptación española de la base de datos IAPS [138]. Al puntuar las
imágenes desagradables sucedió la situación contraria. Esto indica que la población
de estudio empleada es menos sensible a las imágenes agradables y desagradables
que la utilizada para categorizar las imágenes. Esta falta de sensibilidad es mayor en
la muestra joven, lo cual indica que esta población no siente el agrado o desagrado
de las imágenes de la misma forma que la población mayor.
Tabla 5.3: Valores subjetivos de valencia y activación para los tres grupos de imágenes
Imágenes Agradables Imágenes Desagradables Imágenes Neutras

Valencia Activación Valencia Activación Valencia Activación
IAPS 7.00 7.53 1.81 7.79 4.50 4.19
Todos los participantes 6.56 5.55 2.31 6.59 4.99 3.31
Participantes < 30 años 6.44 5.41 2.54 6.28 4.98 3.13
Participantes > 30 años 6.74 5.77 1.99 7.05 5.01 3.52
Mujeres 6.39 6.01 2.08 7.05 5.02 3.84
Hombres 6.68 5.22 2.47 6.26 4.98 2.93
Analizando por género, las mujeres son menos sensibles a las imágenes agradables,
pero más sensibles a las desagradables. Con respecto a los valores de activación, las
puntuaciones subjetivas fueron menores que las tabuladas, pero no hubo diferencias
relevantes en ningún caso.
Discusión
La conexión entre la estimulación visual y las respuestas emocionales es un tema
ampliamente estudiado por diferentes investigadores en campos diversos desde hace
ya algunos años [92, 117, 219]. En particular, numerosos estudios analizan la relación
entre la HRV y la regulación emocional [66, 109, 144, 199].
Como una aportación más en este campo, se ha presentado en esta Tesis Doctoral
un estudio acerca de la HRV y la regulación emocional bajo estimulación visual,
mediante la visualización de imágenes agradables, desagradables y neutras, y se ha
verificado también la existencia de la conocida dependencia de la HRV con la edad
y el género [202, 207]. De hecho, los ı́ndices espectrales para los hombres jóvenes
fueron superiores al resto, siendo el parámetro LF/HF menor. Para el análisis de la
HRV por los diferentes tipos de imágenes, los valores más altos se obtuvieron para
la potencia total HRV y el parámetro LF cuando se observaron en primer lugar las
imágenes desagradables.
Con respecto al estudio de los valores de la HRV por edad, los resultados obtenidos
son consistentes con muchos de los trabajos publicados, que indican una disminución
de la HRV con la edad. En este caso, se han obtenido valores más elevados para los
parámetros espectrales en poblaciones de edad por debajo de los 30 años. Además, el
cociente LF/HF obtenido fue menor para las personas jóvenes, lo cual confirma los
resultados de Moodithaya y Avadhany, que encontraron valores superiores para el
parámetro HF/LF en adolescentes, comparado con población de mediana edad [140].
Otros autores encontraron también que la HRV depende de la edad, y los valores más
bajos se esperan en mujeres jóvenes, comparados con los de hombres de la misma
edad [207].
Con respecto a la estimulación emocional, se ha analizado durante años la po-

sibilidad de emplear la HRV como un ı́ndice objetivo y no invasivo para controlar
emociones [94, 201]. En el presente trabajo, se han analizado los ı́ndices HRV en tres
contextos diferentes: visualizando imágenes de contenido agradable, desagradable, y
neutro. Una vez probada la existencia de diferencias importantes en la HRV antes y
después de los 30 años, se dividió la muestra poblacional en dos grupos con edades
inferiores y superiores a esta edad. El resultado obtenido más relevante fue la va-
riación de la HRV en ambos grupos cuando se visualizaban imágenes desagradables
en individuos jóvenes. Aunque en los demás parámetros no se encontraron diferen-
cias significativas, parece que los ı́ndices LF y HF son superiores cuando se visualiza
también este tipo de imagen, lo cual indica nuevamente la influencia de las emocio-
nes en la regulación de la HRV. Numerosos autores han estudiado las variaciones
en la frecuencia cardı́aca durante estimulación emocional [164, 209]. Los resultados
presentados en estos trabajos indicaron diferencias en los valores de LF/HF al visua-
lizar los diferentes tipos de imágenes, mayores en las imágenes desagradables, y son
consistentes con los aquı́ obtenidos, donde el mayor valor para LF/HF fue de 2.63,
al visionar las imágenes desagradables, frente al valor de 1.88 al visualizar el resto.
Cabe indicar que, dado que se han presentado tres tipos de imágenes diferentes a
los participantes, resultó también interesante analizar si el orden de presentación de
las mismas podı́a influir en los valores de la HRV. Los resultados obtenidos indicaron
que las imágenes desagradables fueron las más relevantes, de acuerdo con [164]. Si las
imágenes desagradables se visualizan en primer lugar, esto puede afectar a los ı́ndices
HRV cuando los participantes visionan a continuación las imágenes agradables y

neutras. Una posible explicación a este hecho ha sido sugerida por Ruiz-Padial y
Thayer [178], quienes indicaron que, en sujetos sin una patologı́a obvia, se potencian
las respuestas al sobresalto en presencia de contextos desagradables.
Finalmente, también se analizaron los valores subjetivos de valencia y activación
proporcionados por los participantes, y se compararon con los valores tabulados de
la versión española del IAPS. Los individuos con edad inferior a 30 años evaluaron
las imágenes agradables con las puntuaciones más bajas, tanto en valencia como en
activación. En relación al género, no se encontraron diferencias significativas entre
hombres y mujeres.
Conclusiones
En este trabajo se ha analizado la influencia de la respuesta emocional debida a
la estimulación visual sobre la HRV, ası́ como las dependencias del género y la edad.
Se encontró que los valores de la HRV, en general, son mayores para los hombres
que para las mujeres, siendo esta diferencia mayor cuando se visualizaban imágenes
agradables. En relación al orden de visualización de las imágenes, se puede concluir
que las imágenes desagradables son las que más influyen sobre los parámetros es-
pectrales cuando se visionan al principio del experimento. Esto podrı́a ser un factor
a considerar en futuros trabajos de investigación, ya que un orden aleatorio puede
sesgar los resultados.
5.2.2. Diagnóstico de psicopatı́a y HRV

Aunque no existe un acuerdo unánime respecto a la denominación ni a la defini-
ción de psicopatı́a, esta puede considerarse como un trastorno de la personalidad en
el cual existe una respuesta afectiva deficiente hacia los demás, por lo que hay una
incapacidad para experimentar emociones, aunque haya un comportamiento normal
aparente. Es la denominada afasia semántica, que implica imposibilidad de adaptar
el significado del lenguaje al sentido general de las experiencias emocionales [136].
La psicopatı́a posee una gran relevancia clı́nica y crimonológica, y prueba de ello
es la gran cantidad de estudios realizados en las últimas décadas, que relacionan la
psicopatı́a con una trayectoria vital criminal [58, 75, 83, 192, 225]. De hecho, se ha
demostrado que la psicopatı́a se asocia a un incremento de agresividad instrumental
o predatoria [168]. Además, la presencia de psicopatı́a pronostica, además de la
agresividad instrumental, un desajuste social, familiar y laboral mayor, y es un factor
predictivo muy potente [89].
Los métodos más utilizados para valorar la presencia de psicopatı́a emplean en-
trevistas semiestructuradas, con el fin de encontrar signos y sı́ntomas que revelen
la presencia de rasgos afectivos, interpersonales y conductuales [226]. Entre los pro-
cedimientos más habituales se encuentra la escala de evaluación de psicopatı́a de
Hare revisada (Psychopathy Checklist Revised o PCL-R) [80], que es una escala de
20 ı́tems para evaluar la psicopatı́a en contextos de investigación, clı́nicos y forenses.
Se aplica a través de una entrevista semiestructurada y en ella, las puntuaciones son
dimensionales. Esta escala posee el inconveniente de que basa en gran medida su
decisión acerca de la presencia de la psicopatı́a en el comportamiento antisocial [81].
Existen dos factores:
1. Interpersonal/afectivo, se consideran los elementos: encanto superficial y locua-

cidad, sentimiento de grandiosidad personal, mentira patológica, manipulación,
falta de sentimiento de culpa y de arrepentimiento, emociones superficiales, in-
sensibilidad y falta de empatı́a, no reconocimiento de la responsabilidad de los
actos propios.
2. Comportamiento antisocial e impulsivo, compuesto por los elementos: búsque-

da de sensaciones, estilo de vida parásito, falta de autocontrol, problemas de
conducta precoces, ausencia de metas realistas, impulsividad, irresponsabili-
dad, delincuencia juvenil, violación grave de la libertad condicional.
El test PCL-R presenta además cuatro facetas, obtenidas como suma de las pun-
tuaciones de los diferentes ı́tems del PCL-R: 1) interpersonal, 2) afectiva, 3) estilo
de vida, y 4) antisocial.
Otra alternativa es la entrevista semiestructurada conocida como evaluación ex-
haustiva de la personalidad psicopática (Comprehensive Assessment of Psychopathic
Personality o CAPP) [44], diseñada para recoger evidencias relevantes en la evalua-
ción de sı́ntomas del trastorno de personalidad psicopático en personas en régimen
institucional, como hospitales psiquiátricos forenses o prisiones, y en la cual las pun-

tuaciones son también dimensionales. Tanto el PCL-R como el CAPP pueden estar
limitados por la subjetividad del clı́nico y por la calidad de la información disponible.
Se puede emplear también el examen Internacional de los trastornos de la per-
sonalidad (International Personality Disorder Examination o IPDE), una entrevis-
ta semiestructurada que cuenta con una estabilidad inter-examinador y estabilidad
diagnóstica a lo largo del tiempo [120].
El test de asociación implı́cita (Implicit Association Test o IAT) [76] valora ac-
titudes implı́citas desde el punto de vista de cognición social. Adquiere importancia
cuando los participantes rechazan sus propios sentimientos o no son conscientes de
ellos, y se ha usado con éxito para valorar adicciones [151] y predecir el suicidio
[82]. Es una tarea informatizada que mide los tiempos de respuesta ante distintos
estı́mulos con valencia social o moral diferente. Otra tarea informatizada es el juego
de azar de Iowa (Iowa Gambling Test o IGT) [18], que simula la toma de decisiones
en función de contingencias presentes en el medio, y que se emplea para valorar la
integridad prefrontal.
Ya se ha indicado que la HRV es un marcador de funcionamiento del ANS, amplia-
mente empleado en estudios de supervivencia global. Refleja también la integración
de las estructuras corticales, especialmente el córtex prefrontal, con los sistemas de
respuesta automática. Esta integración influirı́a en el control inhibitorio y la memoria
de trabajo. Una HRV baja se asocia a una mala integración cognitivo - emocional,
que trae consigo una capacidad de respuesta ante la demanda del medio poco flexible.
La variabilidad cardı́aca se asocia más con la función del córtex prefrontal derecho,
más implicado en la respuesta emocional. Por ello, la HRV puede ser considerada
un marcador de la capacidad de regulación cognitiva, afectiva y fisiológica de cada
persona. Estudios en población diagnosticada de psicopatı́a reflejan alteraciones en
la HRV [79, 201].
Como ya se ha indicado anteriormente, diversos estudios cientı́ficos han demos-
trado que, cuando se somete a las personas a estı́mulos relevantes, es posible suscitar
emociones [15, 164]. De hecho, en un trabajo reciente, Ruiz-Padial y Thayer [178]
sugirieron que poblaciones con HRV baja no mostraban respuestas diferenciadas ante
imágenes con contenido neutro y desagradable, pudiendo presentar dificultades para
reconocer señales seguras. Esto podrı́a ser un indicativo de que estos individuos no
poseen capacidad para producir un contexto apropiado de respuesta.
Hemos visto también que una de las bases de datos más empleada para evaluar
las emociones humanas en un contexto de laboratorio es IAPS [29, 111].
En este trabajo de investigación se han comparado las puntuaciones del IAT y
de la HRV en una muestra poblacional penada, con el fin de validar y contrastar sus
capacidades para detectar psicopatı́a [65]. Para ello, cada participante debió realizar
una serie de pruebas y cubrir diferentes test mientras se registraba su frecuencia
cardı́aca y se visionaban diferentes imágenes previamente seleccionadas de la adap-
tación española de la base de datos IAPS. Los aspectos más importantes de este
estudio se describen a continuación.
Estı́mulos visuales
Para poder disponer de una serie de estı́mulos visuales se seleccionaron una serie
de imágenes pertenecientes a la base de datos IAPS. Además, como se detalla más
adelante, se construyeron dos IATs, uno moral y otro afectivo, cada uno de los cuales
llevaba asociadas diferentes imágenes de dicha base de datos, y que constituyeron
también las actividades empleadas para el registro de la frecuencia cardı́aca, según
el protocolo de recogida de datos ya comentado.
IAT moral: se establecieron dos categorı́as para las imágenes seleccionadas

del IAPS: correcto (imágenes 2217, 3216, 4614, 4625, 5833, 7499), incorrecto
(2745.2, 2751, 4635, 6560, 6571, 9252). Además, se construyeron imágenes con
palabras con contenido negativo (asqueroso, cobarde, cruel, egoı́sta, estúpido,
falso, inútil, traidor), y positivo (alegre, amable, generoso, genial, hermoso, leal,
seguro, valiente).
IAT afectivo: las categorı́as contempladas para las imágenes del IAPS fueron:
feliz (imágenes 2224, 2347, 2395, 2530, 4574, 8497) e infeliz (2205, 2301, 2456,
2700, 2703, 2900.1). Se trabajó también con imágenes construidas a partir de
palabras con sentido negativo (desastre, engaño, infierno, insulto, odio, pesadi-
lla, porquerı́a, tortura) y positivo (amor, belleza, confianza, esperanza, libertad,
optimismo, paraı́so, paz).
Población
Este estudio se realizó en la prisión de Pereiro de Aguiar (Ourense), desde abril

de 2014 a abril de 2016. Se seleccionaron 204 reclusos para el estudio. Como criterios
de inclusión se consideraron haber cumplido al menos 6 meses de la condena en esta
prisión, y dar consentimiento escrito informado a participar en el estudio.
Se excluyeron aquellas personas que no hablaban español fluido o padecı́an una
enfermedad mental grave. Cuando los reclusos entraron en prisión, se les realizó a
todos ellos un examen fı́sico y mental, el cual fue repetido pasados 6 meses. Cual-
quier interno con una historia previa o actual de cualquier enfermedad neurológica
que afectase a la regulación cognitiva, sensorial o autonómica, o cualquier desorden
psicótico, bipolar, obsesivo-compulsivo, pánico, depresión, o estrés postraumático fue
excluido del estudio.
Para el estudio con los registros de frecuencia cardı́aca, después de una revisión
manual para descartar registros incorrectos o con mucho ruido, se consideró un total
de 185 registros de los extraı́dos de los 204 participantes.
Cuestionario
Se recogió, para cada participante en el estudio, información sociodemográfica

y forense. Se incluyeron datos generales, como código de cada participante, género,
edad, estado civil o nacionalidad. También se aportó información sobre la situación
legal y delitos cometidos, y sobre el consumo de drogas y alcohol.
Otros datos de interés fueron obtenidos a partir del test PCL-R, formado por 20
preguntas de respuesta binaria (Sı́/No), en las cuales se medı́a la faceta afectiva, la
interpersonal, el estilo de vida, y la desviación social. También se empleó la entrevista
IPDE para puntuar diversos rasgos de la personalidad, como paranoide, esquizoide,
obsesivo o narcisista, entre otros.
Además, se incluyó en el cuestionario final información obtenida a partir del
IGT y del IAT (puntuaciones numéricas en base a cuyo valor se pueden detectar
trastornos).

En relación con la recogida de datos de frecuencia cardı́aca, las actividades selec-
cionadas consistieron en una colección de imágenes extraı́das del IAPS, y ya men-
cionadas anteriormente, e imágenes de palabras con contenido positivo y negativo.
Se registraron dos señales de frecuencia cardı́aca por cada participante, una con las
imágenes y palabras del IAT moral, y la otra con las del afectivo. La duración de
cada una de ellas fue de 4 min 45 segundos, tiempo total del visionado de todas las
imágenes y palabras.
Como ya se comentó, en este trabajo de investigación se ha combinado el uso
de las puntuaciones del IAT y de la HRV para detectar psicopatı́a. Con respecto
al análisis de la HRV, se ha llevado a cabo tanto en el dominio de la frecuencia
(metodologı́a descrita con anterioridad), como en el dominio del tiempo. Para al
análisis en el dominio del tiempo, se han obtenido su valores más representativos:
SDNN, pNN50, rMSDD, IRRR, MADRR, TINN y HRVi.
Con respecto a la toma de datos y análisis relacionados con los métodos ca-
racterı́sticos para detección de psicopatı́as (PCL-R, CAPP e IPDE), un psiquiatra
experto en el empleo de estos test entrevistó a cada participante, codificando las pun-
tuaciones obtenidas en cada uno de ellos. Para obtener los datos del IGT se empleó
el programa Inquisit 4 Lab7 .
A continuación se construyeron los dos análisis IAT: uno moral, diseñado para
testar diferencias entre actitudes implı́citas hacia las emociones y hacia la moralidad,
y otro afectivo, en el cual se enfrentaban las categorı́as felicidad frente a tristeza. Los
datos fueron recogidos empleando también el software Inquisit 4 Lab.
Una vez obtenidos todos los datos necesarios para el análisis, se realizó un estudio
de significación estadı́stica para contrastar aquellos test que diagnosticaban mejor la
psicopatı́a, comparando además los resultados particulares del análisis de la HRV y
del IAT (Tabla 5.4).
En concreto, se aplicaron los test t de Student y de Fisher. Para ello, los parti-
cipantes fueron divididos de acuerdo a los resultados del test PCL-R, empleando el
umbral claśico de 25, y estableciendo de este modo los grupos PCL-25 y PCL+25.
Otra clasificación realizada fue en base a los valores de umbral, también conocidos
7
http://www.millisecond.com/download/
Tabla 5.4: Información de partida para la realización del estudio de significación

estadı́stica
Tipo de análisis Variables Descripción/Dimensiones
SDANN
SDNNIDX
Índices de la HRV pNN50
en el dominio del rMSSD -
tiempo SDSD
IRR
HRVi
LF
Índices de la HRV
HF
en el dominio de -
LF/HF
frecuencias
HRV
PCL-R Puntuación total
PCL-R Factor 1
Faceta 1 Suma de ı́tems 1, 2, 4, 5
Test PCL-R Faceta 2 Suma de ı́tems 6, 7, 8, 16
PCL-R Factor 2
Faceta 3 Suma de ı́tems 3, 9, 13, 14, 15
Faceta 4 Suma de ı́tems 10, 12, 18, 19, 20
CAPP Puntuación total
apego Suma de ı́tems 18, 8, 24, 25
conductual Suma de ı́tems 3, 6, 15, 17, 26, 32
Test CAPP cognitivo Suma de ı́tems 7, 19, 27, 28, 29
dominancia Suma de ı́tems 9, 10, 11, 12, 23, 30
emocional Suma de ı́tems 4, 5, 16, 31, 33
egocentrismo Suma de ı́tems 1, 2, 13, 14, 20, 21, 22
IPDE paranoide Diagnóstico categórico IPDE
IPDE antisocial Diagnóstico categórico IPDE
Test IPDE
IPDE lı́mite Diagnóstico categórico IPDE
IPDE evitativo Diagnóstico categórico IPDE
Test IGT IGT Valores, puntuación total
Test IAT IAT Expresiones, puntuación
20 y 30, que determinaron los grupos PCL-20 y PCL+30. Para el análisis de PCL-R
Factor 1 o PCL-R Factor 2 no existe un valor umbral común establecido. Se observó
que el valor medio del PCL-R es aproximadamente 20, y el valor de 30 está próximo
al tercer cuartil, por lo que se han usado dicha media (8.6) y valor del tercer cuartil
(12) como valores umbral para los análisis posteriores. La misma situación ocurre
con las distintas facetas de PCL-R Factor 1 y la puntuación total y dimensiones del
test CAPP. Para el test IPDE cada dimensión se puntuó como 1 o 0, por lo que los
análisis estadı́sticos se realizaron entre los individuos puntuados como 0 o 1.
Finalmente, se entrenó un clasificador lineal para tratar de relacionar el PCL-R
con la HRV. El conjunto de entrenamiento estaba constituido por el 80 % de los
casos, dejando el 20 % restante para el conjunto de test. Se realizó además validación
cruzada de 4 iteraciones.
Resultados
Dado que se han realizado diferentes análisis, se han obtenido resultados diversos,
los cuales se describen a continuación (Tabla 5.5).
En la tabla anterior, los valores en negrita indican un p − valor < 0,01 y n.s.
significa no significativo.
Análisis IAT
No se encontraron diferencias significativas entre los grupos PCL-25 y PCL+25,

y entre PCL-20 y PCL+30. Tampoco aparecieron discrepancias al comparar las pun-
tuaciones de los IAT con las de las diversas facetas del PCL-R, y con las puntuaciones
del CAPP, IGT e IPDE.
Análisis IGT
No se apreciaron diferencias significativas en el análisis IGT en los grupos ante-

riormente citados del PCL-R.
Tabla 5.5: Relación entre los ı́ndices espectrales y valores de los test PCL-R, CAPP
e IPDE
Test PCL-R
Experimento moral Experimento afectivo
Índice T N
HRV LF HF HRV LF HF
PCL-R (<25, ≥25) (114,71) n.s. n.s. n.s. n.s. 770-370 n.s.
PCL-R (<20, ≥30) (91, 26) n.s. 594-308 n.s. 2337-825 805-239 n.s.
Factor 1 (<8.6, ≥12) (90, 63) n.s. n.s. n.s. 2588-1178 899-331 n.s.
Faceta 1 (<3.9, ≥6) (87, 64) n.s. n.s. n.s. n.s. n.s. n.s.
Faceta 2 (<4.7, ≥7) (93, 55) n.s. n.s. 505-235 2603-1010 886-285 n.s.
Test CAPP
Índice T N
HRV LF HF HRV LF HF
Global 13.1/18.4 (88, 6) 2312-1187 716-341 506-202 2693-996 922-300 542-196
Apego 2.37/3.75 (99, 47) n.s. n.s. 472-235 2293-871 778- 260 491-183
Conductual 2.07/3 (91, 56) n.s. 702-372 n.s. n.s. n.s. n.s.
Cognitivo 2.02/3 (98, 47) n.s. 7134- 361 490-264 2543-1208 865-294 508-215
Dominancia 2.17/3.17 (94, 43) 2238-1165 699-343 476-181 2341-999 822-277 502 - 210
Emocional 2.36/3.2 (83, 55) 2212-1173 663-333 493-236 n.s. 767-308 n.s.
Egocentrismo 2.1/3.14 (89, 46) n.s. 650-326 429-188 n.s. n.s. n.s.
Test IPDE
Índice Grupos N
HRV LF HF HRV LF HF
Paranoide (0, 1) (159, 26) n.s. n.s. n.s. n.s. 668-303 426-212
Antisocial (0, 1) (152, 33) n.s. n.s. 403-223 n.s. n.s. n.s.
Lı́mite (0, 1) (172, 13) n.s. 569-267 n.s. n.s. n.s. n.s.
Evitativo (0, 1) (169, 16) n.s. n.s. n.s. 2035-828 651-254 415-200
Índices HRV y PCL-R
Inicialmente, se agruparon los individuos de acuerdo a la puntuación del PCL-

R. En este caso, los ı́ndices en el dominio del tiempo de la HRV no fueron nunca
estadı́sticamente significativos.
Comparando las diferencias entre el factor de interpersonalidad afectiva del PCL-
R con la dimensión social, se observó que ninguno de los ı́ndices HRV para esta
última era estadı́sticamente significativo. Sin embargo, sı́ se encontraron diferencias
importantes entre los distintos grupos de PCL-R para el factor de interpersonalidad
afectiva en algunos ı́ndices espectrales tanto en el experimento moral (LF) como en
el afectivo (HRV, LF).
Índices HRV y otros test
Únicamente se observaron diferencias estadı́sticamente significativas entre los gru-

pos PCL-R establecidos en el CAPP e IPDE, en algunos ı́ndices espectrales.
Capacidad de los ı́ndices HRV y el test CAPP para la predicción de la

psicopatı́a
Finalmente, se procedió a analizar la capacidad potencial de los ı́ndices HRV y

CAPP para predecir la existencia de psicopatı́a en un individuo. Para ello, todos
los individuos del grupo PCL+30 se consideraron psicópatas, y los del grupo PCL-
20 fueron etiquetados como normales. De entre los ı́ndices espectrales que habı́an
proporcionado resultados estadı́sticamente significativos para la discriminación entre
ambos grupos, se seleccionaron para el estudio LF y HF, y se procedió a realizar un
análisis lineal relacionando las puntuaciones del PCL-R. Se obtuvo una precisión
discriminadora de 79 % en el conjunto de entrenamiento, y del 87 % en el conjunto
de test.
Discusión
La psicopatı́a, como ya se ha indicado anteriormente, viene definida por varios
rasgos de la personalidad y conductas sociales anormales, con carencia de emociones
e incapacidad para situarse en el lugar de otra persona [121]. En esta Tesis Doctoral
se ha verificado que el estudio de la HRV por sı́ mismo, o junto con otras herramien-
tas, como los test CAPP, PCL-R, IAT e IGT, puede contribuir al diagnóstico de
psicopatı́as en el marco de población penada, tanto en experimentos morales como
afectivos.
En un primer análisis, se han comparado los parámetros del análisis de la HRV,
tanto en el dominio del tiempo como en el de frecuencias, con las puntuaciones del
test PCL-R. Los individuos con mayor valor de PCL-R (más psicópatas), mostraron
ı́ndices menores de HRV. Por otro lado, como ya se indicado en este trabajo en
ocasiones anteriores, existe una relación ya demostrada entre la HRV y la edad.
Por ello, se ha comparado la edad de aquellos individuos con puntuaciones PCL-R
mayores y menores, pero no se han encontrado diferencias significativas, por lo que se
puede descartar la edad como la causa de la reducción en la HRV. Además, el ı́ndice
HRV con mayores diferencias fue LF sobre todo cuando se realizó el experimento
afectivo.
Es también sabido que las personas que sufren psicopatı́a muestran un deterioro
generalizado para reconocer tristeza y miedo. En alguno de los experimentos pre-
sentados en este trabajo se ha utilizado la tristeza como la emoción clave, y se ha
podido demostrar que la población penada psicópata con una marcada insensibilidad
emocional puede ser detectada a través del análisis de la HRV. Además, los internos
con una mayor insensibilidad emocional (Factor 1 del PCL-R superior a 1), están
menos regulados emocionalmente [189, 223]. Aunque los ı́ndices HRV pueden ser úti-
les para detectar este tipo de individuos, hay que tener en cuenta también que hay
numerosas condiciones que influyen en la variación de los valores de la HRV, por lo
que no se puede concluir que un individuo que tenga una baja HRV sea un psicópata
con insensibilidad emocional.
En relación con las Facetas 1 y 2 del test PCL-R, los ı́ndices de la HRV son
significativamente distintos, sobre todo en la Faceta 2, lo cual es esperado, ya que
esta faceta evalúa la experiencia anormal afectiva de los psicópatas, ı́ntimamente
relacionada con el reconocimiento emocional y los déficits de regulación. Por tanto,
se puede sugerir, a partir de los resultados obtenidos, que la HRV puede servir para
detectar población penada con elevadas experiencias anormales emocionales (mayor
insensibilidad emocional de nuevo).
Otra de las herramientas empleadas en esta Tesis Doctoral para colaborar al

diagnóstico de la psicopatı́a ha sido el test CAPP, junto con la HRV. Se ha encontrado
una mayor relación de los ı́ndices HRV en aquellos casos con puntuaciones de CAPP
superiores, tanto a nivel global como en la dimensión de dominancia. Esto indica que
estos dos elementos son una de las mejores formas de evaluar la deficiencia general
psicopática para la regulación y el reconocimiento de emociones, asociada con la
insensibilidad emocional temprana. Una vez más, se encontró un valor reducido de
LF en las diferentes dimensiones, lo cual es el reflejo de una deficiencia emocional
generalizada.
El test IPDE mostró diferencias menos significativas que los anteriores, y las úni-
cas encontradas pueden indicar nuevamente insensibilidad emocional. No se encontró
tampoco una asociación significativa entre los resultados de los test IGT e IAT y la
HRV. Esta falta total de relación puede ser debida a que los psicópatas sufren in-
capacidad emocional, lo cual pudo sesgar los resultados de los estudios realizados,
ya que todas las imágenes y palabras se podı́an asociar a diversas emociones. Ası́,
para verificar si el test IAT puede ser útil en el diagnóstico de la psicopatı́a, deberı́a
realizarse otro experimento centrado únicamente en palabras no relacionadas con
sentimientos como tristeza, alegrı́a, disgusto, miedo o sorpresa.
Conclusiones
En este estudio se ha contrastado la capacidad del análisis HRV frente al IAT

para detectar psicopatı́as. Cabe señalar la ausencia de asociaciones relevantes en-
tre IAT, psicopatı́a y los ı́ndices HRV. Esto puede ser debido al hecho de que el
daño emocional que padecen los psicópatas puede sesgar el estudio, ya que todas las
imágenes que visualizaron tienen contenido emocional. También puede ser debido
a que la psicopatı́a se relaciona con déficit de atención emocional. Esto se podrı́a
demostrar en otro experimento de IAT empleando únicamente palabras que no estén
relacionadas con tristeza, enfado, miedo o sorpresa.
5.3. HRV en ciencias sociales 83
5.3. HRV en ciencias sociales
5.3.1. Análisis del sentimiento patriota y su influencia en la

HRV
Durante las últimas décadas, uno de los temas de investigación más en auge ha
sido el estudio del cerebro, del tal modo que el término “neuro”, que tradicionalmente
se asociaba a las ciencias de la salud, se generalizó como sustantivo en múltiples
sectores, desde la neurologı́a, psiquiatrı́a y fisiologı́a, a las ciencias sociales y humanas.
Ası́, se comenzó a estudiar no solo el cerebro fı́sico y sus lesiones [51], sino también
el cerebro social [71] y el emocional [50].
Un campo de estudio importante relacionado con el cerebro es, como ya se ha
dicho anteriormente, saber lo que puede pensar o sentir una determinada población
acerca de un tema especı́fico, y conocer la motivación de las posibles elecciones que
pueda realizar. De hecho, diversos estudios indican que más del 90 % de la cognición
se produce por debajo del nivel de conciencia, lo cual provoca una distorsión entre
la conducta indicada y la realidad [30, 116].
Una de las cuestiones que es, desde hace muchos años, objeto de estudio en
la comunidad cientı́fica, es la relación existente entre la música y el cerebro [55],
ası́ como las emociones que despierta en los seres humanos. A nivel fisiológico y
psicológico existen diversos estudios que indican que escuchar una música adecuada
puede llegar a producir efectos relajantes, con descenso de la curva respiratoria y
la frecuencia cardı́aca [105]. Otras investigaciones determinan que la música puede
provocar respuestas emocionales en dos dimensiones, de acuerdo con su valencia
(positiva o negativa) e intensidad (alta o baja), además de producir alteraciones
fisiológicas [196].
Cuando se somete al cerebro a actividad musical, casi todas sus regiones se ven
afectadas, gestionando cada una de ellas diferentes aspectos de la música, desde
los centros del lenguaje de los lóbulos temporal y frontal hasta el área de Broca y
Wernicke. También las emociones experimentadas influyen en las regiones reptilia-
nas primitivas y en la amı́gdala, activándose además el cerebelo [33], con lo que se
favorece también el desarrollo de otros procesos cognitivos al margen de la música,
dado que este es determinante en el aprendizaje escolar.
A pesar de que la relación entre la música y las respuestas fı́sicas corporales

parece evidente, no se han establecido todavı́a relaciones directas y veraces entre la
música que produce las variaciones y las emociones que involucra. Sin embargo, la
música sı́ permite influir en los sentimientos de pertenencia o de tipo identitario, e
incluso generar comportamientos determinados, por lo que puede ser utilizada como
un instrumento de control o con fines motivadores.
Un análisis de la HRV podrı́a ayudar a establecer relaciones entre la música y

las respuestas corporales a la misma. Además, el rostro también es un reflejo de las
emociones de cada persona (incluso los movimientos faciales pueden producirse de
manera involuntaria, aunque la persona esté tratando de controlar su expresión),
por lo que una categorización de las expresiones faciales podrı́a contribuir también
al análisis de las emociones que se producen ante determinados estı́mulos externos
[61, 129].
Partiendo de las ideas anteriores, en este trabajo se analizaron las posibles di-
ferencias o semejanzas en la percepción del himno de Ecuador [166] tanto en los
diferentes géneros masculino y femenino como en diferentes lugares geográficos a lo
largo del paı́s, y se trataron de confrontar los resultados obtenidos en la medición
de la percepción con el sentimiento identitario nacionalista y lingüı́stico. Para ello,
se estudió la HRV y se analizaron las expresiones de un conjunto de personas ante
la audición del himno de Ecuador, en tres diferentes versiones. En este trabajo se
analizó, por un lado, la HRV, y por el otro se realizó un reconocimiento facial de
expresiones de aquellas personas que colaboraron en el estudio, mientras escuchaban
diferentes versiones del himno de Ecuador.
Posteriormente, cada una de ellas cubrió un sencillo cuestionario proporcionando

información personal y referente a su orientación polı́tica y lingüı́stica. Cada partici-
pante se sometió a una audición de tres versiones diferentes del himno de Ecuador,
aunque el orden de audición en cada caso fue diferente y aleatorio. Durante di-
cha audición, se recogió la frecuencia cardı́aca correspondiente, y se identificaron
simultáneamente sus expresiones faciales, con el fin de poder categorizarlas y ex-
traer información relevante. Se describirán en las siguientes secciones cada uno de
los elementos importantes del estudio.
Himnos de Ecuador y versiones
Las tres versiones empleadas en las audiciones del himno de Ecuador duraban,
en total, 9:07 minutos, y fueron las siguientes:
1. Versión oficial cantada en español (2:40 minutos de duración).
2. Versión kichwa (2:54 minutos de duración): se inicia con las palabras de Jaime
Roldós Aguilera [87]: “Este Ecuador amazónico, desde siempre y hasta siempre.
¡Viva la Patria!”.
3. Versión en varias lenguas indı́genas (4:13 minutos): comienza con un relato y

canto amazónico de un hombre, y finaliza con otro cántico, también en kichwa
amazónico, de una mujer. En el medio se intercala el himno cantado en español
y kichwa con chapala (hablado por los indı́genas “chachis” de la provincia
costeña de Esmeraldas, AwaPit o Awá), y con la lengua indı́gena del sur de
Colombia y norte de Ecuador. Además, se introduce la marimba, instrumento
de percusión que en Ecuador tiene una clara identificación con los pueblos de
origen afro.
Población
Para verificar la validez de la HRV y las medidas de las expresiones se trabajó

con una población muestral de 20 estudiantes de Universidad, procedentes de Ecua-
dor, de la siguiente forma: 10 estudiantes (5 hombres y 5 mujeres) provenı́an de la
Universidad de Los Andes (UDLA), situada en Quito, en la región centro-norte del
paı́s, y 10 estudiantes (5 hombres y 5 mujeres) de la Universidad Técnica Particular
de Loja (UTPL), al sur del paı́s, en la frontera con Perú.
Toda la población que integraba la base de datos era mestiza, por lo que cualquier
integrante era susceptible de recibir influencias ante la audición del himno de Ecuador
en las diferentes lenguas ecuatorianas. Además, la participación en el estudio fue
completamente voluntaria, y en ningún caso los datos indicados por cada participante
fueron hechos públicos.
Cuestionario
Cada participante cubrió un sencillo cuestionario en el cual proporcionó infor-
mación sobre su procedencia geográfica, género, etnia (tanto suya como de sus pro-
genitores), y sobre su propia identificación desde el punto de vista administrativo
y de gobierno (centralista, plurinacionalista, nacionalista étnico), y de preferencia
lingúı́stica (el español como lengua dominante del paı́s, el español al mismo nivel
que otras lenguas del paı́s y, como tercera cuestión, si defendı́a el dominio de otras
lenguas de Ecuador sobre el español).
Con el fin de poder contrastar las respuestas del cuestionario con las medidas
fı́sicas de la HRV y las emocionales, a través del reconocimiento facial, cada estu-
diante debı́a aportar también información acerca del idioma o idiomas que reconocı́a
en cada versión del himno.

En este estudio se trabajó con dos tipos de aplicaciones software bien diferencia-
das. Las herramientas para el registro y análisis de la HRV (descritas en el apartado
5.1), y la herramienta HER (Human Emotion Recognition) para el reconocimiento
de las expresiones faciales. HER ha sido diseñada por investigadores de la UTPL, y
permite identificar las emociones en las personas a través de las expresiones faciales.
Se basa en la matriz de emociones de Parrot [68], y se fundamenta en el recono-
cimiento de cinco emociones: pasión, sorpresa, alegrı́a, disgusto y miedo. Para ello,
emplea filtros Binary y Canny para obtener patrones de la imagen, y la curva de Be-
zier [115] para identificar partes del rostro (ojos, cejas, boca). Los datos de entrada
en HER son vı́deos o imágenes de rostros de personas, y la salida es el porcentaje de
las emociones que se reconocen en el rostro de cada participante.
Con respecto a la adquisición de la señal de frecuencia cardı́aca, en este caso se
realizó una medida de la misma mientras se realizaban las audiciones de las diferentes
versiones del himno de Ecuador, las cuales iban apareciendo en orden aleatorio para
cada participante, garantizando siempre que toda la población incluida en la muestra
escuchaba todas y cada una de las versiones del himno de Ecuador. El tiempo total
de la audición escuchada por cada estudiante fue de 9:07 minutos, duración que
también corresponde al registro de frecuencia cardı́aca asociado.

En relación con el reconocimiento facial, y con el fin de obtener la información de
entrada para el programa HER, cada persona participante en el estudio fue filmada
de forma simultánea mientras se registraba su frecuencia cardı́aca al escuchar las
diferentes versiones del himno.
De forma similar a los estudios anteriores, se obtuvo una señal de frecuencia
cardı́aca corregida, sobre la que se realizó el análisis espectral, extrayendo los corres-
pondientes parámetros, los cuales fueron analizados de forma similar a los estudios
anteriores.
Los valores anteriores se obtuvieron para cada participante de dos formas diferen-
tes: 1) a nivel global, para todos los participantes de las dos universidades observadas;
y 2) de forma especı́fica, con el objetivo de estudiar si se observan diferencias en la
población cuando escucha cada una de las tres versiones del himno de Ecuador, y
si dicha recepción viene condicionada por su procedencia geográfica (centro-norte
o sur), género (masculino o femenino) e ideologı́a, distinguiendo entre los que se
identificaban desde el punto de vista administrativo y de gobierno con la opción
centralista, plurinacionalista o nacionalista étnico.
Con respecto al reconocimiento facial a partir de los vı́deos registrados, cada uno
de ellos fue sometido a HER, y se obtuvo el correspondiente porcentaje de emociones.
Con el fin de que este análisis fuese coincidente con el de la HRV, se seleccionaron los
peirı́odos en los cuales se tomaron los datos de frecuencia cardı́aca para coincidir con
el análisis de emociones en los vı́deos. Conocido el intervalo de tiempo, se filtraron
las emociones para tener solo las que se mostraban en ese periodo.
Llegados a este punto, se seleccionó la emoción o conjunto de ellas que mayor
porcentaje tenı́a en el intervalo. Para ello, se tomó un umbral de diferencia (pu-
diéndose tomar distintos umbrales en experimentaciones futuras). Si la diferencia
entre la emoción de mayor porcentaje con las demás no superaba el umbral del 5 %,
entonces se la escogı́a como presente en el intervalo temporal. Finalmente, se ubica-
ron las emociones que más aparecieron en el intervalo temporal como columnas de
datos, al lado del análisis de frecuencia cardı́aca.
De esta forma, se analizaron los vı́deos con las grabaciones de la imagen de las
personas mientras visionaban los tres himnos, y se obtuvieron automáticamente las
emociones que se presentaban. Ası́, se obtuvieron 5 patrones de secuencias tempo-

rales de emociones que se repetı́an en los participantes del experimento al visio-
nar alguno de los himnos: “Sorprendido-Alegre”, “Sorprendido-Alegre-Disgustado”,
“Normal-Sorprendido”, “Sorprendido-Enojado” y “Normal”. Para cada una de estas
categorı́as se realizó un análisis espectral, extrayendo los diferentes componentes de
frecuencias (LF, HF, LF/HF y HRV).
Resultados
Se realizaron diversos análisis, y se obtuvieron diferentes tipos de resultados,
descritos a continuación.
Análisis de la HRV
En un primer análisis, se realizó un estudio de la HRV por Universidad de pro-

cedencia, obteniéndose que los estudiantes de la UTPL (sur de Ecuador) presentan
valores más elevados de HF, con respecto a los participantes de la UDLA. Con res-
pecto al parámetro de bajas frecuencias LF, alcanza valores similares en las dos
poblaciones, lo cual implica que el cociente LF/HF sea menor para los estudiantes
de la UTPL.
Analizando por ideologı́a, al estudiar los cuestionarios iniciales de información,
se comprobó que un único participante se identificó desde el punto de vista admi-
nistrativo y de gobierno con el nacionalismo étnico, por lo que el análisis espectral
por ideologı́a solo se pudo realizar enfrentando la opción centralista con la plurina-
cionalista. Se encontraron diferencias en las bajas frecuencias, que eran superiores
en la población identificada con el centralismo, llegando a ser incluso más elevadas
al escuchar la versión oficial del himno.
En un estudio por género, se observó que la HRV total era superior en mujeres al
escuchar cada uno de los tres himnos, al igual que los parámetros de HF y LF. Con
respecto al cociente LF/HF fue superior en los hombres.
A partir del estudio de género se procedió a hacer un análisis más detallado
centrado en esta distinción. Los resultados se presentan en la Tabla 5.6. Se observaron
diferencias significativas para los parámetros HF y LF.
Tabla 5.6: Comparación de parámetros de HRV para hombres y mujeres
Media Mujeres Media Hombres IC 95 % p-valor

HRV 996.556 559.504 (-27.670, 901.803) 0.063
LF 282.950 226.312 (-79.566, 192.842) 0.392
HF 398.804 100.539 (4.329, 592.202) 0.047
LF/HF 1.641 4.516 (-5.354, -0.394) 0.227
Dado que las diferencias más significativas se presentaban por género, se decidió
trasladar este estudio también a la distinción por ideologı́a. En este caso, se encontra-
ron medidas significativas en cuanto al estudio de la potencia total. Mientras que en
los hombres, la potencia total HRV sube para centralistas (633.812 frente a 500.054),
la situación se invierte para las mujeres, donde esta variable es superior en las que
se declararon en el cuestionario como pluri nacionalistas (926.923 frente a 847.648).
Análisis con HER
Una vez finalizado el análisis de la HRV, se procedió al reconocimiento facial con

HER. Definiremos el patrón individual “1-secuencia” como aquel conformado por
una emoción. Únicamente se encontró una persona participante en el estudio con
un patrón individual normal (estado expectante, sin interés si significancia estadı́sti-
ca). Con respecto al resto de estudiantes, la Tabla 5.7. muestra los resultados más
relevantes del estudio realizado.
Tabla 5.7: Patrones secuenciales encontrados para las emociones

Patrón Secuencial: Patrón Universidad Se registró
n-secuencia
2-secuencia Normal- UDLA En pocos individuos.
Sorprendido Más en mujeres
2-secuencia Sorprendido- UDLA- En la mayorı́a de los
Alegre UTPL individuos
3-secuencia Sorprendido- UTPL En la mayorı́a hom-
Alegre- bres
Disgustado
El patrón “2-secuencia” está formado por los estados “Sorprendido-Alegre”. Es

el más repetido, y además está presente en las dos Universidades. Este patrón im-
plica satisfacción al escuchar el himno [158], lo cual podrı́a relacionarse con que
“todo ecuatoriano siente emoción al cantar el Himno Nacional, melodı́a que resalta
la historia, los valores cı́vicos, alentadores permanentes del espı́ritu de ecuatoriano,
el carácter del pueblo y el esfuerzo cotidiano que alimenta la libertad, la justicia y el
derecho.” [170].
Por otra parte, la única universidad donde aparece el patrón correspondiente a la
“3-secuencia” “Sorprendido-Alegre-Disgustado” es en la UTPL, mostrándose además
más entre la población masculina, al igual que el patrón “2-secuencia” “Sorprendido-
Enojado”, mientras que el patrón “2-secuencia” “Normal-Sorprendido” se mues-
tra más entre las mujeres. Esta contraposición de emociones (alegre-disgustado) se
corresponde con la posible ambigüedad o sentimientos encontrados al escuchar el
himno.
Análisis cualitivo de la carga emocional
En un tercer y último estudio se han relacionado los parámetros de la HRV con el

reconocimiento facial, descartando para las emociones la categorı́a “Normal”, dado
que habı́a únicamente un participante a partir del cual se habı́a obtenido (Figura
5.3).
Se obtuvieron ı́ndices más elevados para HF, LF y la potencia total HRV en la ca-
tegorı́a “Normal-Sorprendido”, frente a las otras categorı́as, (“Sorprendido-Alegre”,
“Sorprendido-Alegre-Disgustado” y “Sorprendido-Enojado”), con valores medios sin
diferencias apreciables entre ellos. Con respecto al cociente LF/HF, su valores más
elevados se encuentran en la categorı́a “Sorprendido-Enojado”.
Se realizó también un análisis cuantitativo de las categorı́as emocionales por
universidad y género, y de acuerdo a las diferentes versiones del himno (Tabla 5.8).
Por universidades, la categorı́a más repetida fue “Sorprendido-Alegre”, que apareció
tanto en la UDLA como en la UTPL. En esta última se observó también la categorı́a
“Sorprendido-Alegre-Disgustado”, mientras que la UDLA aparecieron en exclusiva las
categorı́as “Normal-Sorprendido”, “Sorprendido-Enojado” y “Normal” (esta última
en un solo caso).
Figura 5.3: Relación entre la HRV y la carga emocional
Tabla 5.8: Distribución de categorı́as de carga emocional por participantes, univer-

sidades, versiones del himno, y género
CATEGORÍA UTPL UDLA Oficial Kichwa Varias Lenguas Hombres Mujeres
Sorprendido-
22 16 12 14 12 15 23
Alegre
Sorprendido-
Alegre- 8 0 3 2 3 6 2
Disgustado
Normal-
0 5 1 1 3 1 4
Sorprendido
Sorprendido-
0 5 3 1 1 4 1
Enojado
Normal 0 1 0 1 0 1 0
Con respecto a las diferencias con las versiones del himno, no son destacables,
dado que todas las categorı́as emocionales están presentes en todos los himnos, con
la única excepción de la categorı́a “Normal”, que aparece únicamente cuando una
persona escucha la versión Kichwa del himno.
Finalmente, se encontraron diferencias significativas por género. Los patrones
“Sorprendido-Alegre” y “Sorprendido-Enojado” fueron las categorı́as emocionales
más frecuentes entre hombres, mientras que entre las mujeres destacó, sobre todo, la
categorı́a “Normal-Sorprendido”.
Discusión
Dada la influencia de los estı́mulos visuales en la regulación emocional, y su
relación con la HRV, se pensó en la posibilidad de emplear la HRV como indicador
del sentimiento patriota de una determinada población, en concreto la de Ecuador,
al recibir como estı́mulo de entrada la audición del himno, tanto en su versión oficial
como en distintas versiones en varias lenguas ecuatorianas.
Existen numerosos trabajos de investigación que ponen de manifiesto los efectos
terapéuticos de la música, que puede inducir cambios en el estado fisiológico de las
personas, y resultan de gran utilidad en determinados entornos clı́nicos para la recu-
peración de los pacientes [40, 102, 149]. Además, se ha probado también la influencia
que tiene la música sobre la HRV. Por ejemplo, se ha demostrado que la audición de
música de Mozart aumenta el tono parasimpático y disminuye las convulsiones en
pacientes con epilepsia [228]. Otros estudios de la HRV muestran los beneficios de
la música para fomentar la relajación y aumentar la actividad del sistema nervioso
parasimpático en supervivientes de cáncer [42], o presentan resultados de una HRV
parasimpática baja en pacientes pediátricos oncológicos [100].
Cuando se escuchan piezas de diferentes estilos musicales, la respuesta emocional
puede variar de modo significativo, afectando de este modo a la HRV. Ası́, en una
investigación en mujeres sanas se demostró que el heavy metal presenta respuestas
fisiológicas más intensas en el ı́ndice LF, comparado con la música barroca [177],
mientras que en hombres, este ı́ndice presentó valores reducidos para los dos estilos
de música citados [48].
A pesar del gran número de trabajos publicados sobre la influencia de la música
de estilos variados sobre la HRV, no se han encontrado estudios acerca de las varia-
ciones que se pueden producir en los parámetros de la HRV al escuchar el himno del
paı́s. Sı́ se ha demostrado que la HRV puede verse afectada, aumentando de modo
significativo, cuando se canta dicho himno, en comparación al canto de otro tipo de
canciones [213].
Es por tanto complicado comparar los resultados obtenidos en este trabajo con
los existentes en la literatura. Sin embargo, sı́ se puede indicar que no se han hallado
diferencias relevantes al escuchar ninguna de las versiones del himno, pero sı́ se han
constatado nuevamente diferencias en los ı́ndices espectrales entre hombres y mujeres.
El estudio aquı́ presentado ha proporcionado resultados similares a los descritos
en numerosas publicaciones. En general, la actividad del sistema parasimpático se
atenúa con la edad en hombres y mujeres [229], mientras que el parámetro LF/HF
se correlaciona de forma positiva con la edad, sugiriendo un aumento en la actividad
del sistema simpático [1].
Hay que tener en cuenta que este estudio se realizó con una muestra poblacional
de reducido tamaño, por lo que serı́a necesario un trabajo futuro, con un mayor
número de participantes, para poder concluir si existen diferencias o no en la HRV
al escuchar las diferentes versiones de un himno.
Conclusiones
En este estudio se puede extraer como conclusión principal que no existen dife-
rencias significativas en la HRV al realizar las audiciones de las diferentes versiones
del himno de Ecuador. Sı́ se obtuvieron algunas diferencias significativas por género,
pero es bien sabido que existen dichas diferencias en la HRV entre hombres y mujeres
[229].
Con respecto al reconocimiento facial, las emociones que mayoritariamente con-
forman un patrón son “Sorprendido- Alegre-Disgustado”. Esta combinación de emo-
ciones de “sorprendido y alegre” muestra una clara emoción compleja de “complacen-
cia” y “placentero”, es decir, que a la mayorı́a de las personas les resultó placentera
la escucha del himno, de acuerdo con el análisis de sus rostros.
5.3.2. Estudio de las actitudes polı́ticas a través de la HRV
En numerosas ocasiones, el éxito que un determinado producto pueda tener entre

los consumidores depende del mensaje inicial con que sea lanzado al mercado. De
modo similar, una campaña polı́tica puede tener éxito entre el electorado si a este se
le envı́a el mensaje correcto, junto con los gestos y melodı́as adecuados. En la actua-
lidad, existe un número considerable de estudios que analiza el impacto televisivo en
diferentes entornos electorales [36, 91], y se ha demostrado además que los anuncios
televisivos de los diferentes candidatos pueden tener un impacto significativo en el
resultado electoral obtenido por cada uno de ellos [67].
Algunos autores han indicado la preferencia de los votantes por los formatos
audiovisuales, en los cuales los anuncios son fundamentales, dado que incluyen una
gran cantidad de información en un periodo de tiempo corto, en torno a los 30-60
segundos [19]. Además, el éxito o fracaso de un anuncio individual dependerá de la
armonı́a entre los tres elementos básicos: oral (qué se habla o escribe en la pantalla),
visual (color, perspectiva, sı́mbolos, iconos) y auditivo (voz, canciones y música)
[145].
Uno de los temas más estudiados en los últimos años en la polı́tica y la comuni-
cación es el papel que juegan los anuncios electorales a lo largo de los periodos de
campaña previos a las elecciones, sin importar el carácter de las mismas (municipal,
estatal, autonómico), sobre el electorado. Se trata, sobre todo, de convencer a aquella
sección del mismo que está indeciso, por lo cual cuestiones importantes de análisis
son la influencia de dichos anuncios en la decisión final de la población, o el efecto
que provocan sobre la misma los diferentes tipos de anuncios [186].
Los anuncios electorales suelen dividirse en tres tipos: positivos (destacan méritos
de la candidatura a la que representan), negativos (subrayan los puntos débiles de las
fuerzas polı́ticas rivales), y comparativos (enfrentan los dos aspectos anteriores) [187].
Esta división ignora en ocasiones la dinámica emocional, ya que algunos anuncios
no se pueden categorizar como positivos o negativos, ya que pueden contener mezcla
de estos dos aspectos. Existen además las campañas sucias, basadas en mentiras, y
que son diferentes de las negativas, en las cuales las acusaciones entre candidatos son
reales.
A la hora de analizar la influencia de los anuncios electorales sobre votantes
potenciales, es importante considerar que cada uno de ellos filtra la información

recibida de forma diferente, en función de su ideologı́a polı́tica, por lo que se producirá
un procesado selectivo de la información. Investigaciones recientes han puesto de
manifiesto que, de modo general, el electorado ignora los anuncios electorales de
las candidaturas opuestas a su ideologı́a, lo cual quiere decir que evita información
polı́tica que pueda interferir en sentido negativo con su tendencia polı́tica [222].
Como ya se ha indicado, el sistema nervioso periférico prepara al cuerpo para la
realización de diversas acciones que pueden realizarse como respuesta a determinados
estı́mulos externos [34], como pueden ser los anuncios electorales, y que provocan la
aparición de diferentes respuestas. Por tanto, diferentes patrones de respuestas del
sistema nervioso, como los patrones de frecuencia cardı́aca, pueden verse afectados
antes el visionado de anuncios. Ello significa que las variaciones sufridas por personas
de distintas ideologı́as polı́ticas pueden ser estudiadas mediante variables fisiológicas
reales, como puede ser la HRV, que permite analizar el ritmo cardı́aco y, de forma
indirecta, el estado del ANS.
En un trabajo reciente [172] se analizó la HRV cuando un grupo de personas
voluntarias visionaban anuncios electorales en las elecciones autonómicas gallegas del
año 2012. Aunque el tamaño de la población muestral no fue suficientemente grande
como para obtener datos estadı́sticamente significativos, los resultados obtenidos
indican que los valores de la HRV en votantes con ideologı́as extremas son menores
que en votantes con una ideologı́a polı́tica moderada. Sin embargo, el cociente LF/HF
fue superior en el primer grupo, lo cual indica un desplazamiento del tono simpático.
En el presente estudio [165] se realizó un análisis de la respuesta emocional en
un conjunto de personas de mayor tamaño, mientras estaban visionando propagan-
da electoral. Simultáneamente, se registró su señal de frecuencia cardı́aca, que fue
posteriormente analizada con el fin de establecer relaciones entre los valores de los
parámetros de la HRV y las tendencias polı́ticas del electorado. Ası́, se analizó la HRV
de la población participante en el estudio mientras visionaban diferentes anuncios
electorales de una campaña polı́tica de Ecuador.
De forma similar a la mayorı́a de los estudios anteriores, cada una de ellas cu-
brió un sencillo cuestionario proporcionando información personal referente a su
orientación polı́tica. A continuación, cada participante visionó diferentes anuncios
electorales, en orden diferente y aleatorio en cada caso. Simultáneamente, se recogió

la frecuencia cardı́aca correspondiente, y se procedió al estudio de la HRV, con el fin
de establecer relaciones entre la misma y las ideologı́as polı́ticas.
Anuncios electorales
Se seleccionaron los siguientes seis anuncios electorales, correspondientes a la
campaña polı́tica de Ecuador de 2013:
1. “La bicicleta” (58 segundos de duración): perteneciente a la campaña oficial

del presidente y candidato Rafael Correa, de “Alianza Paı́s”.
2. “Ya viene otro Ecuador” (30 segundos de duración): correspondiente a Gui-

llermo Lasso, del partido opositor “CREA”.
3. Réplica a “Ya viene otro Ecuador” (30 segundos de duración): publicidad ne-
gativa contra Guillermo Lasso.
4. “La Feriatta” (3:29 minutos de duración): publicidad negativa contra Guillermo

Lasso.
5. “La revolución blablableada” (2:17 minutos de duración): publicidad negativa

contra Rafael Correa.
6. “Migrantes” (43 segundos de duración): publicidad negativa contra Rafael Co-

rrea.
Población
La participación en el estudio de todas las personas que componı́an la muestra
fue voluntaria, y en ningún caso los datos personales o de frecuencia cardı́aca de cada
participante fueron hechos públicos. La muestra se compuso de 20 estudiantes de la
Universidad Técnica del Norte (UTN) de Ecuador, localizada en el pueblo de Ibarra,
Imbabura. Habı́a 15 estudiantes de Grado en Relaciones Públicas (10 hombres, 5
mujeres), y 5 estudiantes hombre del Grado de Gestión y Desarrollo Social. El rango
de edades fue de 19 a 26 años.
Cuestionario
Cada participante cubrió un cuestionario en el cual proporcionó información so-

bre su orientación polı́tica. Para ello, indicó en qué orientación polı́tica se sentı́a
más identificado, entre la extrema izquierda (4 estudiantes), el centro-izquierda (2
estudiantes), derecha liberal (13 estudiantes), y derecha conservadora (1 estudiante).
De forma similar, para confirmar las respuestas anteriores, debieron indicar, según
una escala de 10 valores (1 - más a la izquierda, 10 - más a la izquierda) la posición
de la que estaban más cerca. Finalmente, se les pidió información sobre su grado
de afinidad y/o simpatı́a con diferentes lı́deres polı́ticos (un total de 9 candidatos),
según una escala de 5 valores (1 - ninguna afinidad, 5 - afinidad máxima).
Nuevamente, se empleó un protocolo de recogida de datos similar a los anteriores.

En este caso, se registró la frecuencia cardı́aca de cada participante mientras estaban
visionando los diferentes anuncios electorales, almacenando, en los correspondientes
ficheros, la información asociada a cada uno de ellos. La duración de cada registro
de frecuencia cardı́aca fue la misma que el visionado completo de todos los vı́deos,
esto es, 8:45 minutos.
Con la misma metodologı́a que en los casos previos se procedió a realizar el
análisis espectral sobre la señal de frecuencia cardı́aca corregida. Se obtuvieron los
valores de HRV, LF, HF y LF/HF para cada participante y cada anuncio electoral,
de modo que se obtuvo un total de 24 valores por cada individuo. A partir de estos
valores se realizaron diferentes estudios. Primeramente, se obtuvieron los valores a
nivel global, para todos los participantes en el estudio. Seguidamente, se realizó un
estudio por género. Un tercer estudio consistió en comparar los anuncios oficiales y
negativos. A continuación se realizó un análisis por ideologı́a polı́tica, y finalmente
se analizó la afinidad con los candidatos. Se detallan a continuación los resultados
obtenidos.
Resultados
A partir de los análisis espectrales comentados se obtuvieron diferentes resultados.
En primer lugar, cuando se realizó el estudio de valores globales, no se encontraron
diferencias significativas cuando los participantes estaban visualizando los diferentes
anuncios electorales en los ı́ndices de la HRV.
Con respecto al análisis de género, en este trabajo se han verificado las diferencias
existentes, ya que pueden ayudar a comprender mejor los resultados provenientes de
los demás análisis.
Primeramente, se calcularon los ı́ndices HF, LF, LF/HF y HRV para todos los
participantes. Los valores medios revelaron la existencia de diferencias significativas
entre hombres y mujeres. En particular, los hombres presentaban mayores valores
para HRV, LF y LF/HF.
A continuación se procedió a analizar los valores de HRV cuando se visionaban
los anuncios oficiales y los negativos. Considerando las diferencias encontradas entre
hombres y mujeres, se repitió el estudio para los dos géneros de forma separada. No
se encontraron diferencias significativas.
En el análisis por ideologı́a polı́tica, y considerando la escala de 10 valores en
la que cada participante debió indicar su postura polı́tica, las mayores diferencias
en los ı́ndices de la HRV se encontraron en el parámetro LF, que fue superior para
estudiantes de ideologı́as de izquierdas (postura indica en la escala entre 1 y 4) frente
a los de ideologı́as de derechas (valores 7 a 10 en la escala). La única excepción fue la
visualización del anuncio negativo contra Guillermo Lasso. Los valores de HF fueron
superiores en participantes de derechas en la mayorı́a de los anuncios electorales,
excepto en el caso negativo contra Rafael Correa. Con respecto al parámetro LF/HF,
fue superior en participantes de izquierdas, en relación con los de derechas (Figura
5.4).
Finalmente, se hizo un estudio por afinidad con los candidatos. Los resultados
obtenidos no indicaron ninguna predisposición, y las opiniones proporcionadas por los
estudiantes acerca de los 9 candidatos en el cuestionario inicial fueron muy parecidas.
Por ello, para realizar este estudio, se seleccionaron los 4 candidatos con opiniones
más variadas, con el fin de poder establecer grupos de análisis. De esta forma, los 20
estudiantes se dividieron en dos grupos, uno englobado por quienes mostraban una
Figura 5.4: Cociente LF/HF para estudiantes con ideologı́as de izquierdas y de de-
rechas
mayor afinidad con los polı́ticos, y otro con los participantes que mostraban menos
simpatı́a. Se analizaron sus parámetros espectrales cuando estaban visionando “La
Feriatta”, anuncio elegido por la crı́tica explı́cita que contiene contra la banca y el
capitalismo. Únicamente se obtuvieron diferencias significativa en el ı́ndice LF/HF,
con valores superiores en el grupo que mostró mayor afinidad con los polı́ticos.
Discusión
De forma similar al estudio de las variaciones de la HRV al escuchar el himno
de un determinado paı́s, se trató de verificar en otro de los estudios presentados
en esta Tesis Doctoral si la HRV variaba al visionar diferentes spots electorales.
Los resultados obtenidos no indican la existencia de diferencias importante antes el
visionado de propaganda electoral de diferentes lı́deres.
El impacto de los anuncios electorales sobre la población puede cuantificarse
a través de sus efectos fisiológicos y cognitivos [49]. En este sentido, los impactos
pueden ser capturados de forma inmediata y concurrente, al exponer a los estı́mulos
a los votantes. Estas respuestas rápidas, de modo similar a las emociones, no son
por lo general conscientes, y repercuten en las actitudes cuando se percibe y procesa
la información, siendo difı́cil discernir su contribución en el comportamiento general
en cuanto desaparecen [27]. Todas estas reacciones se traducen como cambios en
las respuestas fisiológicas, por lo que las respuestas emocionales a la propaganda
electoral se pueden registrar midiendo una serie de indicadores fisiológicos, que es lo
que se ha tratado de hacer con el estudio aquı́ presentado.
Al analizar los resultados obtenidos se ha observado que no hay reacciones fi-
siológicas significativas al visionar los spots electorales. Comparando con otros re-
sultados actuales, Daignault y col. [49], combinando HRV y conductancia dérmica
para el análisis de una campaña canadiense de 2011, sı́ han encontrado, en cambio,
que la propaganda negativa genera niveles de atención más elevados y una mayor
activación fisiológica, pero no habı́a diferencias notables con otro tipo de publicidad.
Es evidente la gran cantidad de esfuerzo y recursos personales y económicos que
destinan los partidos polı́ticos a la publicidad durante las campañas electorales. Con
ello, tratan de convencer al electorado indeciso. Es sabido ya que cuando se visionan
anuncios televisivos de cualquier ı́ndole, las variables fisiológicas no se ven afectadas
[56]. Sin embargo, el contenido de los mismos sı́ podrı́a influir en la HRV [25, 110].
En relación con la propaganda electoral, a partir de nuestro estudio podrı́a ser
posible conocer el grado de influencia que ejerce la publicidad basada en mensajes
televisivos sobre dicho electorado, dado que parece que este tipo de mensajes no
resultan efectivos.
Sı́ se encontró una diferencia relevante cuando se realizó un análisis por ideologı́a
polı́tica. Los estudiantes que se declararon de derechas tenı́an una HRV mayor a
altas frecuencias, y más reducida a bajas. Resultados diferenciados por ideologı́as se
encuentran también en el trabajo de Chang y col. [222], que concluyeron que cuando
un votante de una determinada ideologı́a es sometido al visionado de propaganda
electoral de partidos polı́ticos de ideologı́a opuesta, presenta patrones cardı́acos que
indican una atención dispar a la información publicitada. Sin embargo, será nece-
saria, igual que en el estudio anterior, una muestra poblacional mayor para poder
determinar posibles variaciones en el impacto de la publicidad electoral negativa
frente a la positiva.
Conclusiones
En este trabajo se ha tratado de validar el empleo de la medida de la HRV como
herramienta para medir la influencia en la respuesta emocional al visionar anun-
cios electorales. Las mayores diferencias se han obtenido en el análisis por ideologı́a
polı́tica, de forma que los estudiantes que se declararon como de derechas presentan
una HRV superior a altas frecuencias, y más reducida a bajos valores de la misma.
Aunque es necesario repetir el estudio con una muestra de tamaño superior, parece
adecuado emplear los parámetros de la HRV para obtener diferencias en la respues-
ta emocional, ante determinadas situaciones. De este modo, el uso de herramientas
y técnicas de neurociencias se puede aplicar a las ciencias sociales, siendo además
apropiada la combinación de las mismas en el estudio del comportamiento humano
y las relaciones sociales.
Capı́tulo 6
VARSE: herramienta para

adquisición y análisis de HRV
Una vez realizados diferentes estudios de la HRV en campos diversos como los pre-
sentados en el Capı́tulo anterior, y probada su relación con la regulación emocional,
se procedió al desarrollo de una herramienta software, denominada VARSE (VARvi
Second Edition), que facilitase la adquisición de datos de frecuencia cardı́aca, ası́
como su análisis, especialmente en el campo de estudio de la regulación emocional.
Para el desarrollo de VARSE se tuvieron en cuenta aspectos como facilidad de uso
o utilidad de las funcionalidades implementadas. Además, se ha puesto a disposición
de la comunidad cientı́fica, de forma gratuita1 .
6.1. Escenario actual
Existen dos aspectos fundamentales que deben ser tenidos en consideración en

las herramientas de software que permiten trabajar con la frecuencia cardı́aca y su
variabilidad: 1) adquisición de la señal de partida, 2) procesado de la señal y estudio
de la HRV. Detallaremos en esta sección el marco actual de desarrollo de las mismas.
1
https://milegroup.github.io/varse/
103
104 Capı́tulo 6. VARSE: herramienta para adquisición y análisis de HRV
6.1.1. Herramientas de adquisición de señal fisiológica

Centrándonos en el ECG y sus beneficios, en algunos casos resulta complicado
detectar determinadas enfermedades y patologı́as en un estudio ordinario en un hos-
pital, por lo que los pacientes necesitan emplear dispositivos portátiles que registren
la actividad cardı́aca durante un perı́odo de tiempo largo, como puede ser un equi-
po Holter de electrocardiografı́a ambulatoria, que registra la actividad eléctrica del
corazón que se desarrolla en una jornada normal, y durante un perı́odo de 1 a 3
dı́as. En condiciones óptimas, la electrocardiografı́a ambulatoria deberı́a permitir un
procesado en tiempo real del ECG, alertando al paciente o usuario sano en caso de
ocurrencia de eventos crı́ticos.
Actualmente existen diversos dispositivos móviles para monitorización y diagnósti-
co en tiempo real, como HeartSaver, que permite detectar de forma automática dife-
rentes patologı́as cardı́acas, analizando el ECG correspondiente [179], la plataforma
basada en teléfonos inteligentes desarrollada por Oresko y col. [150], o los equipos
portátiles de monitorización de personas mayores en el hogar [153, 224]. Se pue-
den citar también sistemas más recientes de diagnóstico de anomalı́as cardı́acas, a
través del análisis automático de sonidos procedentes del corazón [20], la detección
de latidos en sistemas de monitorización portátil [194], nuevos sistemas basados en
teléfonos inteligentes [90], o detección de anomalı́as como la fibrilación atrial em-
pleando registros de vı́deos faciales [45].
Los últimos avances tecnológicos han permitido a un número creciente de la po-
blación (enferma y sana) disponer de un teléfono inteligente o un dispositivo móvil
capaz de medir la frecuencia cardı́aca, sin necesidad de emplear una señal electro-
cardiográfica. Dependiendo de la tecnologı́a empleada, estos dispositivos se pueden
dividir en dos grandes bloques.
El primer bloque estarı́a formado por las aplicaciones que utilizan fotopletismo-
grafı́a, una técnica que se puede emplear para monitorizar el ciclo cardı́aco, y que
está basada en la medida de la absorción de la luz por la piel. Esta medida se puede
realizar empleando diodos y sensores LED, o incluso mediante el empleo de la cámara
y el flash de los teléfonos inteligentes. Algunas aplicaciones basadas en esta técnica
son Instant Heart Rate, desarrollada por Azumio2 para iOS y Android, Runtastic
2
http://www.azumio.com/
6.1. Escenario actual 105
Heart Rate Pro3 , también para iOS y Android, o Cardiio4 , para iOS. Esta técnica la
emplean también relojes inteligentes como el de Apple5 o el de Polar6 .
El segundo bloque está integrado por aplicaciones que emplean una banda pecto-
ral para adquirir los datos de frecuencia cardı́aca, que se transmiten en tiempo real a
un determinado dispositivo (tableta, teléfono inteligente, ordenador portátil, equipo
de sobremesa, entre otras posibilidades). Algunas de las aplicaciones que emplean
esta técnica son Elite 7 , Sports Tracker 8 , o Endomondo 9 . En estos casos, el sensor
que emplea la banda para obtener la señal no registra el ECG, sino que utiliza un
algoritmo para detectar las posiciones de cada latido.
Muchas de estas aplicaciones únicamente almacenan la frecuencia cardı́aca media,
pero algunas bandas pectorales pueden detectar también posiciones instantáneas de
los latidos, y permiten almacenar y exportar estos valores. Una de ellas en la Polar
WearLink 10 , algunos de cuyos modelos han sido utilizados para la adquisición de la
señal de frecuencia cardı́aca en varios estudios presentados en esta Tesis Doctoral.
Con la información proporcionada por la banda se puede obtener de manera sencilla
la distancia RR y, a partir de ella, es posible analizar la señal de frecuencia cardı́aca
y su variabilidad, con el fin tanto de detectar anomalı́as en el ritmo cardı́aco, co-
mo analizar cualquier información que pueda ser relevante para el estudio de las
emociones y las respuestas ante determinados estı́mulos externos.
Además, ya se ha comentado que el análisis de la HRV sirve para estudiar las
reacciones ante diferentes estı́mulos externos, por lo que resultarı́a interesante dispo-
ner de una herramienta que lleve a cabo el registro de la frecuencia cardı́aca mientras
se está realizando alguna actividad que puede modificar nuestro estado emocional,
como la visualización de imágenes o vı́deos, audición de estı́mulos sonoros, o la eje-
cución de ejercicio fı́sico.
Con el fin de poder etiquetar las actividades cuando se registra la frecuencia
cardı́aca, nuestro grupo de investigación ha desarrollado VARVI [171], un paquete
3
https://www.runtastic.com/
4
https://www.cardiio.com/
5
https://www.apple.com/watch/
6
https://www.polar.com/
7
https://elitehrv.com/
8
https://www.sports-tracker.com/
9
https://www.endomondo.com/
10
https://www.polar.com
de software escrito en Python que permite el registro de datos de frecuencia cardı́aca,

junto con la información contextual necesaria (tipo de actividad, tiempo de inicio,
duración del evento) para su posterior análisis. Como se ha indicado en Capı́tulos
anteriores, VARVI ha sido una de las herramientas utilizada para la adquisición de
datos de HR en los trabajos presentados en esta Tesis Doctoral.
VARVI permite registrar señales de frecuencia cardı́aca mientras el usuario está
visionando una serie de vı́deos o imágenes. Las posiciones de los latidos se adquieren
a través de una banda pectoral, y se pueden asignar etiquetas a los diferentes vı́deos
o imágenes, que se corresponden con diferentes contenidos emocionales. El orden
de presentación de los vı́deos o imágenes puede ser preseleccionado o aleatorio, en
función de las necesidades especı́ficas de cada estudio.
Esta herramienta, a pesar de su utilidad, presenta una serie de limitaciones.
En primer lugar, únicamente es válida para trabajar junto con la banda pectoral
Polar WearLink, y no es posible la conectividad con otras bandas o dispositivos.
Además, únicamente es posible visionar vı́deos o imágenes, pero no se puede trabajar
con otro tipo de eventos, como determinadas actividades fı́sicas o señales auditivas.
Finalmente, VARVI no posee una interfaz gráfica que facilite su empleo a usuarios
inexpertos, sino que únicamente se puede configurar y ejecutar a través de lı́nea
de comandos, por lo que su empleo queda limitado a investigadores y personal con
conocimientos informáticos.
Una versión posterior de VARVI, que trata de subsanar los problemas de esta,
es gVARVI (graphical VARVI ) [215], codificado también en Python, y que dispone
de una interfaz de usuario gráfica y amigable, permitiendo la conexión de diferen-
tes bandas pectorales para registrar y transmitir los datos (además del protocolo
Bluetooth admite la conexión de dispositivos con el protocolo ANT+). Además, per-
mite la adquisición de señales de frecuencia cardı́aca mientras se realizan diferentes
actividades (definidas como una secuencia de acciones, y que pueden ser fı́sicas o
mentales), etiquetando cada una de ellas, y se pueden incluir en los diversos estudios
estı́mulos variados y de distinto tipo, como visuales o auditivos.
Una de las desventajas de gVARVI tiene que ver con los problemas de portabili-
dad del protocolo Bluetooth, que hace que sea una herramienta fácilmente instalable
y estable en entornos Linux, pero que presenta algunas dificultades para instalarse
correctamente en entornos Windows. Todo esto hace que gVARVI no resulte una he-
rramienta de fácil manejo para usuarios no expertos en la administración de sistemas
informáticos.
6.1.2. Herramientas de análisis de la HRV

En la actualidad, son muchas y variadas las herramientas de análisis de la HRV
que se pueden encontrar, tanto dentro del software comercial como de las aplicaciones
gratuitas y de código abierto. Aunque los productos existentes presentan funciona-
lidades que pueden resultar útiles en algunos casos, a veces el software existente
puede no ajustarse a las necesidades especı́ficas de cada estudio concreto. Por ejem-
plo, cuando se realiza análisis en frecuencias, en ocasiones no es posible parametrizar
las bandas espectrales, o configurar variables como el tamaño de la ventana de análi-
sis, o el tipo de estimadores, entre otros. Por ello, algunos investigadores tratan
de desarrollar aplicaciones propias, que se adecuen totalmente a sus requerimientos
particulares.
Entre los sistemas comerciales, una de las herramientas para análisis de la HRV
que se puede encontrar es aHRV, desarrollada por Nevrokard 11 . Este paquete permite
trabajar con registros en diferentes formatos, e incluye análisis en el dominio del
tiempo y la frecuencia, flexibilidad para modificar parámetros y una interfaz de
usuario amigable y fácil de manejar. Proporciona además versiones modificadas,
como LT-HRV, que permite analizar segmentos de registros, OSAS, para cribado de
apnea, o BPV, para análisis de variabilidad de la presión sanguı́nea.
Otro sistema comercial posible para realizar el análisis de la HRV es LabView, de
National Instruments 12 , un software de instrumentación virtual que incluye funcio-
nalidades para el procesado de señales, y que permite crear aplicaciones de análisis
de HRV personalizadas.
El paquete de software CODESNA - Ultimate Stress Measurements 13 , también
software propietario, permite el procesado de la HRV en tiempo real, ası́ como la
obtención de gráficos de la actividad del ANS, también en tiempo real.
11
http://www.nevrokard.eu
12
http://sine.ni.com/nips/cds/view/p/lang/es/nid/210828
13
https://www.codesna.com/
También ofrece opciones de procesado y análisis de la HRV el paquete comercial

ACKHRV 14 , de BIOPAC Systems, Inc., que permite obtener medidas de HRV sobre
segmentos definidos de los datos, emplea análisis de frecuencias, y calcula la HRV a
través de métodos estadı́sticos y geométricos.
Con el software para el procesado y el análisis MindWare HRV 15 , de MindWare
Technologies LTD., se pueden calcular, entre otros, los parámetros espectrales de la
HRV, la tasa de respiración, o la serie temporal IBI (intervalos entre latidos).
Por su parte, PowerLab y LabChart de AD Instruments 16 , constituyen un sistema
flexible y personalizable para registrar y analizar la HRV, para un amplio rango
de señales, y permiten realizar estudios tanto en el dominio del tiempo como de
frecuencias, ası́ como realizar análisis lineales y no lineales.
Actiheart 17 , de CamNtecth, es otra aplicación comercial, enfocada al análisis de
la variabilidad, y permite obtener medidas de diversos parámetros de la HRV en
condiciones ambulatorias.
Plux, dentro de su lı́nea de productos Biosignals 18 , distribuye software para el
estudio de la HRV, que permite realizar análisis en el dominio de tiempo y frecuen-
cias, ası́ como análisis no lineal, a partir de datos procedentes de un ECG o de
pletismografı́a.
Neurosoft pone a la venta el software Poly-Spectrum-Rhythm/MEP 19 , que permi-
te realizar estudios en el dominio de frecuencias y de tiempo, y ofrece la posibilidad
de analizar otras variables, ası́ como la realización de test cardiovasculares reflejos
para el diagnóstico de neuropatı́as alcohólicas y diabetes.
El paquete de software HRVLife! 20 , de Biofeedback Instrument Corporation, pro-
porciona en tiempo real medidas de las actividades simpática y parasimpática, per-
mitiendo además diseñar protocolos de evaluación de la HRV, y realizar un análisis
completo de la misma, correspondiente a los datos registrados durante los últimos 5
minutos.
14
https://www.biopac.com/product/heart-rate-variability-analysis-software/
15
https://www.mindwaretech.com/product_detail.asp?ItemID=554
16
https://www.adinstruments.com/
17
https://www.camntech.com/products/actiheart/heart-rate-variability
18
http://www.biosignalsplux.com/index.php/en/software/add-ons
19
http://neurosoft.com/en/catalog/view/id/1201/sid/164
20
https://www.biof.com/hrvlive.asp
Únicamente se han citado aquı́ una serie de herramientas comerciales para el

análisis de la HRV. Como puede verse, existen numerosos paquetes de software dis-
tribuidos por diferentes compañı́as. Sin embargo, la necesidad de personalizar las
herramientas y poder modificar y adaptar cada una de ellas a los estudios particu-
lares, ha provocado la aparición y desarrollo constantes de nuevas aplicaciones de
software, un gran número de las cuales son gratuitas, dedicadas al estudio y análisis
de la HRV. En general, la mayorı́a de estos paquetes de software ofrecen análisis
tanto en el dominio del tiempo como de frecuencias.
Estas herramientas gratuitas de software libre pueden incluir o no una interfaz
gráfica de usuario. Aunque la ausencia de dicha interfaz puede no resultar útil para
usuarios sin experiencia ni conocimientos en programación, sı́ puede proporcionar
aplicaciones potentes y eficientes a aquellos investigadores que sean capaces de tra-
bajar en modo lı́nea de comandos, sin interfaz gráfica.
Entre los paquetes de software gratuitos sin interfaz se pueden citar HRV-Toolkit 21
[135], que no permite análisis no lineal y debe ser ejecutado en modo lı́nea de co-
mandos. Esta herramienta acepta únicamente datos de entrada en formato WFDB
(WaveForm DataBase)22 .
También carece de interfaz gráfica el software implementado por Kaplan y Staf-
fin23 , escrito en Matlab, y que permite diversos análisis, tanto en el dominio del
tiempo como de frecuencias, ası́ como técnicas no lineales, entre otras funcionalida-
des.
Otro de los paquetes de software sin interfaz gráfica empleados en la actualidad
para el estudio de la HRV, y usado en el análisis de HRV en los estudios realizados
en esta Tesis Doctoral, es RHRV 24 [69, 174], un paquete de software escrito en
lenguaje R, que permite trabajar con diferentes formatos de datos, y que incluye
funcionalidades para realizar análisis tanto en el dominio de frecuencias como en el
tiempo, lineal y no lineal, y para comparar diferentes segmentos dentro del mismo
registro. Es de código abierto y gratuito.
Aunque estas herramientas resultan de gran utilidad en ocasiones particulares, es
21
http://physionet.org/tutorials/hrv-toolkit
22
http://www.physionet.org/physiotools/wfdb.shtml
23
https://www.macalester.edu/~kaplan/hrv/doc/
24
innegable que las herramientas con interfaz gráfica de usuario pueden ser empleadas
por un número mucho mayor de usuarios de forma sencilla. Uno de los más antiguos
es POLYAN [123], válido únicamente para Windows, y escrito en Matlab, y que
permite estudiar varias señales de forma simultánea, y realizar diversos análisis de
HRV.
Uno de los paquetes más extendidos es Kubios-HRV 25 [198], basado en Matlab
y multiplataforma, y que permite análisis en el dominio del tiempo, en frecuencias y
no lineal.
Se puede citar también el paquete desarrollado por Kudrynski y col. [103], el cual
permite realizar análisis de HRV a partir de un ECG, estudiar los alternantes de la
onda T y las turbulencias.
ARTiiFACT fue presentado por Kaufmann y col. [97], y está escrito en Matlab,
aunque no se necesita licencia para su ejecución. Permite procesar artefactos, extraer
intervalos IBI, y obtener diversos análisis de la HRV en diferentes dominios.
Funcionalidades similares proporciona HRVAS 26 , desarrollado en Matlab, y que
incluye filtrado para los intervalos IBI, ası́ como la posibilidad de realizar análisis en
el dominio del tiempo, de frecuencias, y no lineales.
Otra herramienta basada en Matlab es Kardia [156], con la cual se pueden analizar
las respuestas de las fases cardı́acas provocadas por estı́mulos ambientales, ası́ como
estimar los parámetros de la HRV en diferentes dominios.
El paquete de aparición reciente SinusCor [17], gratuito e implementado en
Matlab, permite trabajar con diferentes formatos de los datos de entrada, y posibilita
análisis tanto en el dominio del tiempo como de frecuencias, ası́ como detección del
pico R y diferentes funciones de filtrado de datos.
Finalmente, gHRV [173], programado en Python y válido para cualquier plata-
forma, es un programa gratuito, de código abierto, que puede realizar análisis de
HRV en un determinado intervalo, y da la posibilidad de configurar los parámetros
de dicho análisis. Soporta diversos formatos para los datos de entrada, y cuenta con
rutinas para filtrado de datos y eliminación de artefactos. Permite realizar análisis
en el dominio del tiempo, de frecuencias y no lineal.
A partir del análisis de los paquetes de software existentes en la actualidad para
25
http://www.kubios.com/
26
https://sourceforge.net/projects/hrvas/
6.2. Descripción de VARSE 111
adquisición de datos de HR y estudio de la HRV, se ha desarrollado VARSE, una

herramienta que combina estas dos funcionalidades.
6.2. Descripción de VARSE

En la revisión realizada sobre herramientas existentes para la adquisición de
señales de frecuencia cardı́aca se ha constatado que la mayorı́a de las aplicaciones
existentes no permiten discriminar entre las diferentes actividades (fı́sicas y mentales)
que se están llevando a cabo mientras se registran los datos.
En un gran número de ocasiones esta adquisición se lleva a cabo a través de
sensores, que transmiten los datos en su mayorı́a a dispositivos móviles (aunque
también se pueden almacenar en portátiles o equipos de sobremesa). No sucede lo
mismo con las aplicaciones existentes para el análisis de la HRV, que se ejecutan
sobre todo en equipos bajo Linux, Windows o Mac OS.
Se ha planteado la herramienta VARSE a partir del paquete de software VARVI,
anteriormente descrito [171], como una ayuda para el estudio de la relación entre
la HRV y la regulación emocional. Ha sido implementada teniendo en mente un
doble propósito. Por un lado, se ha pretendido desarrollar una aplicación que permita
adquirir datos de frecuencia cardı́aca a través de una banda pectoral, y que posibilite
el etiquetado de las diferentes actividades que se pueden llevar a cabo mientras se
realiza la toma de datos, incluyendo visionado de imágenes, vı́deos o actividades
fı́sicas, las cuales pueden afectar en un momento dado al control emocional. Una
segunda consideración a la hora de desarrollar esta herramienta, dado que a dı́a de
hoy no se han encontrado muchas aplicaciones similares, fue la de poner a disposición
de los usuarios una aplicación que permitiese, junto con la toma de datos de HR,
el análisis de la HRV en dispositivos móviles, con el fin de favorecer la movilidad
al emplear estos dispositivos. Para ello, se decidió realizar el desarrollo de una app
Android, dado que es uno de los sistemas operativos más empleados en dispositivos de
este tipo, extendiendo su funcionamiento tanto a teléfonos inteligentes como tabletas.
Se describen a continuación los aspectos fundamentales de VARSE, detallando
sus funcionalidades, arquitectura e implementación. Finalmente, se describe detalla-
damente la interfaz de la aplicación desarrollada.
6.2.1. Funcionalidades
En primer lugar, cabe indicar que los objetivos básicos (requisitos no funcionales)
a la hora de desarrollar VARSE han sido que la herramienta permitiese trabajar con
diferentes bandas pectorales, y que la interfaz gráfica de usuario fuese lo más sencilla
y amigable posible.
Como ya se ha comentado, VARSE tiene como objetivo registrar la frecuencia
cardı́aca mientras se llevan a cabo diferentes actividades, configuradas en lo que
denominamos experimento, y poder realizar análisis de la HRV de cada uno de los
registros almacenados (los datos de HR de cada una de las personas que realizan un
experimento).
Los requisitos funcionales que se han tenido en cuenta a la hora de desarrollar
VARSE han sido los siguientes:
Crear y configurar un experimento: tiene como objetivo especificar cómo va a

ser el registro de HR, qué actividades lo forman (se utiliza un etiqueta para
marcar la actividad), qué ficheros se utilizan en cada actividad, duración de
las mismas, etc.
Conectar con la banda: antes de proceder a realizar el registro de HR de un

experimento es necesario detectar los dispositivos Bluetooth que están en su
alcance, y proceder a enlazar con la banda seleccionada a través de la cual se
van o obtener los datos de los latidos.
Registrar HR: es el proceso más complejo a realizar. Consiste en mostrar al

usuario las imágenes o vı́deos de cada una de las actividades del experimen-
to (cada una con su correspondiente etiqueta), mientras se obtienen los datos
de las distancias entre latidos (intervalos RR). Una vez finalizado el proce-
so, hay que filtrar la señal eliminando los valores incorrectos (outliers), para
comprobar si el registro es válido (los valores incorrectos no superan un um-
bral, previamente definido), almacenando el resultado en la memoria privada
del dispositivo (dos ficheros con información de latidos y de la ejecución del
experimento).
Visualizar los valores de HR: la app permite visualizar los datos de HR del
registro, distinguiendo entre las distintas actividades del experimento.
Realizar análisis en el dominio del tiempo: a partir de los intervalos RR se

calculan los principales ı́ndices de HRV en el dominio del tiempo, y se visualizan
dichos valores. Se obtienen tanto los ı́ndices globales (todo el registro), como
los correspondientes a cada actividad del experimento (representadas a través
de las etiquetas).
Realizar análisis de HRV en el dominio de la frecuencia: para poder llevarlo

a cabo, es necesario interpolar primeramente la señal. Una vez interpolada, se
obtienen los principales ı́ndices del análisis espectral de la señal. Estos ı́ndices
se muestran al usuario. Igual que en el caso del análisis anterior, los ı́ndices
que se obtienen son tanto los globales como los parciales de cada actividad del
experimento.
6.2.2. Arquitectura
La arquitectura de la aplicación Android desarrollada es la que muestra la Figura
6.1. En primer lugar, un usuario (normalmente un investigador), crea y configura
un experimento con la herramienta en el dispositivo. Después, cada persona que
participa en dicho experimento se coloca la banda de HR, y se inicia la adquisición
de datos mientras se visualizan los estı́mulos externos (imágenes o vı́deos), o se realiza
alguna otra actividad. La app también permite visualizar los resultados del análisis
de variabilidad de cualquiera de los registros almacenados. Los módulos principales
de los que consta VARSE son:
Interfaz: formada por un conjunto de actividades, que permiten la interacción

del usuario con la aplicación. Cada una de estas actividades, que en la práctica
se corresponde básicamente con una pantalla, se ha diseñado empleando XML
(eXtensible Markup Language). Cada funcionalidad del sistema se corresponde
con una o varias actividades interrelacionadas, a las que se accede desde una
principal.
Figura 6.1: Arquitectura de VARSE
Lógica: capa de software que se encarga de satisfacer los requisitos funcionales

de la aplicación. Es la encargada de responder a las peticiones que el usuario
ha realizado a través de la interfaz. Está formada por código Java que realiza
las funciones principales de la aplicación. Permite configurar un experimento
especificando cómo se va a producir el registro de HR (qué estı́mulos se van
a utilizar, imágenes o vı́deos, duración, etc.). Recibe los datos de frecuencia
cardı́aca que le envı́a el módulo de Bluetooth, almacena los ficheros con la
señal de HR una vez filtrada y validada, realiza el análisis de HRV, y permite
visualizar los principales ı́ndices de HRV de cada uno de los registros realizados.
Bluetooth: este módulo está compuesto del código fuente que, utilizando las
librerı́as Java de Bluetooth, permite reconocer la banda y registrar la HR. Es el
encargado de realizar la comunicación entre el dispositivo Android y la banda
de frecuencia cardı́aca.
Almacenamiento privado: dentro de las diferentes opciones para persisten-

cia de datos en Android, se ha optado por la opción del almacenamiento en la
memoria interna del dispositivo. El registro de HR de un experimento para un

usuario, una vez filtrada y validada la señal, supone el almacenamiento de dos
ficheros conteniendo las distancias RR de los latidos, e información propia del
experimento (etiquetas para los diferentes episodios, con inicio y duración de
los mismos), como ya se comentó previamente.
6.2.3. Implementación
La implementación de VARSE se ha llevado a cabo utilizando Android Studio 27 .
Como es sabido, un aspecto importante a la hora de comenzar el desarrollo de una
app Android es elegir la versión del sistema para la que se quiere implementar la
aplicación. Android se caracteriza por su continua actualización, y eso supone que
cada cierto tiempo se lancen nuevas versiones y niveles de su interfaz de programación
de aplicaciones (Application Programming Interface o API). En el caso de VARSE, la
plataforma de desarrollo elegida ha sido la 5.0 - Lollipop (nivel de API 21), que ofrece
una alta cobertura (funcionarı́a aproximadamente en el 71.3 % de los dispositivos
Android ).
La interfaz de usuario de VARSE está formada por un conjunto de pantallas o
actividades (objetos de la clase Activity). Los elementos básicos que componen la in-
terfaz son las vistas (objetos de la clase View ), por ejemplo un botón, o una entrada
de texto. Los layouts son disposiciones que agrupan diferentes vistas, de manera que
ciertos elementos se mantengan juntos o alineados. Como ya se ha comentado pre-
viamente, el diseño de la interfaz se especifica en XML, internamente el compilador
crea los objetos correspondientes según dicho diseño. Un ejemplo serı́a:
<L i n e a r L a y o u t a n d r o i d : o r i e n t a t i o n =” h o r i z o n t a l ”>
<TextView a n d r o i d : l a y o u t w i d t h=”w r a p c o n t e n t ”
a n d r o i d : l a y o u t h e i g h t =”w r a p c o n t e n t ”
a n d r o i d : t e x t =”Nombre” />
<EditText a n d r o i d : l a y o u t w i d t h=”w r a p c o n t e n t ”
a n d r o i d : l a y o u t h e i g h t =”w r a p c o n t e n t ” />
</LinearLayout>
El fragmento de XML especificado anteriormente define un texto que aparecerá

27
https://developer.android.com/studio/
junto a un cuadro de edición de texto, uno al lado del otro, pues están dentro de un
LinearLayout de orientación horizontal.
En el momento de la compilación, es decir, de forma transparente, el compila-
dor generará el código necesario para dicho diseño (que asumiremos se trata de la
actividad 1 o actv1 ). A continuación se muestra una simplificación de dicho código:
L i n e a r L a y o u t l 1 = new L i n e a r L a y o u t ( a c t v 1 ) ;
l 1 . s e t O r i e n t a t i o n ( LinearLayout . Horizontal ) ;
L i n e a r L a y o u t . LayoutParams paramsTv1 = new L i n e a r L a y o u t . LayoutParams (

L i n e a r L a y o u t . LayoutParams .WRAP CONTENT,
L i n e a r L a y o u t . LayoutParams .WRAP CONTENT ) ;
L i n e a r L a y o u t . LayoutParams paramsEd1 = new L i n e a r L a y o u t . LayoutParams (

L i n e a r L a y o u t . LayoutParams .WRAP CONTENT,
L i n e a r L a y o u t . LayoutParams .WRAP CONTENT ) ;
TextView tv1 = new TextView ( a c t v 1 ) ;

tv1 . s e t T e x t ( ”Nombre” ) ;
tv1 . setLayoutParams ( paramsTv1 ) ;
EditText ed1 = new EditText ( a c t v 1 ) ;
ed1 . setLayoutParams ( paramsEd1 ) ;
l 1 . addView ( tv1 ) ;
l 1 . addView ( ed1 ) ;
Para la implementación del módulo de Bluetooth se han utilizado directamen-

te las funcionalidades proporcionadas por la API Bluetooth Android (paquete an-
droid.bluetooh). Esta API permite llevar a cabo las cuatro tareas necesarias para es-
tablecer la comunicación a través de Bluetooth con una banda de frecuencia cardı́aca:
configuración del Bluetooth, búsqueda de dispositivos disponibles, conexión y trans-
ferencia de datos. El modulo desarrollado soporta cualquier dispositivo compatible
con Bluetooth Low Energy.
Para utilizar las funciones de Bluetooth (aceptar una conexión y transferir datos),
en primer lugar, es necesario declarar el permiso correspondiente (la arquitectura de
seguridad de Android establece que ninguna aplicación, de manera predeterminada,
tenga permiso para realizar operaciones que pudieran tener consecuencias negativas
para otras aplicaciones, el sistema operativo o el propio usuario). Para comunicar a

través de Bluetooth, hay que verificar que sea compatible con la banda, y si es ası́,
asegurar que está habilitado (esto se hace utilizando BluetoothAdapter ). Una vez
sincronizado el dispositivo Android y la banda de HR, es necesario establecer una
conexión, actuando la banda como servidor GATT (Generic Attributes o atributos
genéricos), y el dispositivo Android como cliente que recibe el intervalo entre pulsa-
ciones. En concreto, se trata del HRP (Heart Rate Profile, o perfil de ritmo cardı́aco),
que combina los servicios de información del dispositivo y el de medición de pulsacio-
nes. Dentro de este servicio se incluyen las caracterı́sticas especı́ficas, como el ritmo
entre pulsaciones, la posición de la banda, etc.
Una vez adquirida la señal de HR, a través del dispositivo Bluetooth, es necesario
filtrar la señal para comprobar su validez. El algoritmo de filtrado implementado es
una adaptación del utilizado en las herramientas gHRV y RHRV [214]. Este algo-
ritmo rechazará aquellos latidos cuya valor de frecuencia cardı́aca asociado supere
un conjunto de umbrales adaptativos, determinados de modo empı́rico. La regla in-
cluye la comparación de cada valor con el anterior, con el siguiente y con la media
actualizada. Adicionalmente, se utilizan unos lı́mites mı́nimo y máximo basados en
criterios fisiológicos. En el caso de que el registro sea correcto (la proporción de la-
tidos rechazados sea inferior a un valor fijado) se procederá a almacenar la señal, y
si es incorrecto se informa al usuario, por si se quiere proceder a realizar un nuevo
registro.
Los ficheros de cada registro de HR se almacenan en la memoria interna del
dispositivo. De manera predeterminada, los archivos que se guardan en el almacena-
miento interno son privados para la aplicación, por lo que cualquier otra aplicación
instalada en el dispositivo no podrá tener acceso a ellos. Para las operaciones básicas
de entrada/salida se han utilizado las funcionalidades proporcionadas por la API de
Java (File).
Se optó por usar el almacenamiento interno que proporciona Android por eficien-
cia y seguridad, dado que la información obtenida de la banda no se adapta a una
estructura de base de datos relacional clásica.
Otro de los requisitos de VARSE, relacionado con el análisis de HRV, fue el po-
der visualizar el registro de HR de cualquiera de los usuarios que han realizado un
experimento. Para la visualización de la señal de HR se ha utilizado MPAndroid-

Chart 28 , una potente librerı́a gratuita para Android, que permite crear gráficos de
diferentes tipos (barras, lı́neas, área, etc.), facilitando el escalado, animaciones y
personalización de los mismos.
Además de visualizar la señal, otra de las principales aportaciones de VARSE
es permitir realizar un análisis en el dominio del tiempo y de las frecuencias. Para
el análisis en el dominio del tiempo se han implementado en Java, a partir de los
ficheros de la señal de HR, los principales ı́ndices: media de los intervalos RR, rMSSD,
Ln(rMSSD), SDNN, pNN50. Estos ı́ndices se obtienen tanto globales como para cada
una de las actividades del experimento (identificadas con etiquetas).
Además de los ı́ndices en el dominio del tiempo, VARSE también obtiene los
principales ı́ndices en el dominio de las frecuencias: HRV total, HF, LF y LF/HF.
Para el cálculo del espectro de potencia de la señal de frecuencia cardı́aca, se necesita
obtener una señal de HR equiespaciada, obtenida mediante una interpolación lineal,
con una frecuencia de interpolación de 4 Hz. A partir de este momento, se dispone
de una señal de HR adecuada para realizar el análisis espectral.
El resultado final del desarrollo de VARSE es una app, empaquetada en el fichero
VARSE.apk, que puede ser instalada en cualquier dispositivo Android (compatible
con la versión API 21, Android 5.0 - Lollipop).
6.2.4. Instalación
Para instalar la aplicación29 habrá que copiar el fichero VARSE.apk, disponible
en la sección DOWNLOAD (Figura 6.2), en una carpeta del dispositivo móvil. A
continuación, habrá que comprobar, o en su caso habilitar, la instalación de aplica-
ciones que no procedan de la tienda de Google Play 30 . Esta comprobación se hace
desde la opción de Ajustes + Seguridad + Orı́genes desconocidos.
Para proceder a la instalación, en la carpeta donde está el fichero VARSE.apk
se pulsará sobre dicho fichero. Esta acción hace que aparezca un menú con infor-
mación de la aplicación, y la opción de “Instalar” en el dispositivo. Un vez elegida
28
https://github.com/PhilJay/MPAndroidChart
29
https://milegroup.github.io/varse/
30
https://play.google.com/store
Figura 6.2: Sitio Web de VARSE
esta opción, se mostrará un menú con los permisos necesarios requeridos. VARSE no
requiere de permisos especiales, por lo que tras esta confirmación ya quedará insta-
lada, y disponible para ser utilizada (su icono aparecerá en la interfaz del dispositivo
Android ).
6.2.5. Interfaz
Como ya se comentó previamente, una de las cuestiones que se ha tenido en cuenta
a la hora de desarrollar VARSE ha sido que su interfaz gráfica fuese lo más sencilla y
amigable posible. Este hecho facilitarı́a a usuarios no expertos la experimentación en
el campo de la HRV. Este fue también uno de los motivos de optar por la plataforma
Android. Hasta ahora, en estudios en colaboración con otras áreas, se utilizaron
equipos y configuraciones que requerı́an de algunos conocimientos técnicos (sobre
todo, se utilizó la herramienta VARVI desde equipos Linux, que requiere lanzar el
registro de HR a través de lı́nea de comandos).
La ejecución de VARSE en el dispositivo móvil permite acceder a su pantalla
principal, donde están disponibles las funcionalidades que se pueden realizar en la
aplicación (Figura 6.3), y que son las siguientes:
Perform experiment: llevar a cabo el registro de HR de acuerdo al experimento

que se seleccione.
Figura 6.3: Pantalla principal de VARSE

Figura 6.4: Crear un nuevo experimento en VARSE
Experiments: definir y configurar experimentos.
Results: comprobar el resultado del análisis de HRV de cualquiera de los regis-

tros realizados en algún experimento.
Experimentos
VARSE se ha diseñado para poder realizar experimentos en los que se registra la
HR en diferentes situaciones (en respuesta a estı́mulos visuales, ya sean imágenes,
vı́deos, o simplemente en determinados periodos de tiempo).
Figura 6.5: Adición de actividades a un experimento en VARSE
Lo primero que hay que hacer al utilizar VARSE es crear y configurar un ex-
perimento. Desde la pantalla principal se debe seleccionar la opción de Experiment
y pulsar el botón de nuevo experimento (Figura 6.4). A continuación se pide un
nombre y confirmar si las actividades de las que consta se van a presentar en orden
aleatorio o no. Un experimento estará formado por un conjunto de actividades, cada
una de las cuales determina las condiciones en las que se va a realizar la adquisición
de HR. El siguiente paso consiste en especificar cada una de las actividades que lo
conforman. VARSE permite tres tipos de actividades (Figura 6.5):
Imagen (Images group): el registro de HR se realiza mientras se visualizan una

serie de imágenes.
Vı́deo (Videos group): el registro de HR se realiza mientras se visualizan una

serie de vı́deos.
Manual (Manual group): no se utilizan estı́mulos externos, se registra HR du-

rante un periodo determinado de tiempo.
Para añadir una actividad compuesta por un conjunto de imágenes en un expe-

rimento (Images group) hay que: especificar una etiqueta, indicar si las diferentes
imágenes se van a visualizar en orden aleatorio, dar la duración en segundos de la
visualización de cada imagen y especificar el archivo correspondiente de cada imagen
(archivo que tienen que estar accesible en el dispositivo).
El procedimiento a seguir es muy similar para el caso de una actividad compuesta
por varios vı́deos (Videos group): se especifica la etiqueta, si los vı́deos (en el caso de
que haya varios) se van a visualizar en orden aleatorio, y los ficheros en el dispositivo
correspondientes a cada vı́deo. La diferencia es que no hay que especificar duración
porque se corresponde con la duración del vı́deo.
En el caso de elegir una actividad manual (Manual group) solo será necesario
especificar una etiqueta y la duración en segundos (Figura 6.6), que será el tiempo
que se esté registrando la HR (mientras tanto se visualizará una imagen neutra con
un mensaje en pantalla).
Registro de HR
En primer lugar, la persona que va a realizar el experimento tiene que colocarse
la banda o dispositivo a través del cual se va a proceder al registro de HR. Otro de
los requisitos necesarios es que ya exista al menos un experimento creado. Si es ası́,
se puede proceder a la adquisición de la señal de HR. Para ello, desde la pantalla
principal de VARSE se elige la opción de llevar a cabo un experimento (Perform
experiment). También es posible hacer lo mismo desde la opción de experimentos
(Experiments), haciendo clic sobre el botón de llevar a cabo un experimento, para
alguno de los experimentos que se muestran.
En cualquier caso, para ejecutar un experimento hay que especificar un identifi-
cador para el usuario (que se utilizará para identificar el registro de HR, es decir, los
Figura 6.6: Edición de una actividad manual en VARSE

Figura 6.7: Ejecución de un experimento en VARSE
ficheros conteniendo los datos de las distancias RR y de las actividades del experi-
mento), seleccionar el experimento concreto y el dispositivo que se va a utilizar para
el registro de HR (Figura 6.7).
VARSE permite detectar los dispositivos Bluetooth que están en su alcance (nor-
malmente una banda de HR), y proceder a enlazar con la banda seleccionada a través
de la cual se van o obtener los datos de los latidos. Al hacer clic sobre el botón, el
experimento comienza y se ejecutan las actividades que lo forman. En el caso de
una actividad de tipo imagen o vı́deo, las diferentes imágenes o vı́deos se visualizan
en el dispositivo, con la duración especificada. En el caso de una actividad manual,
simplemente se procede al registro de HR con un mensaje informativo.

Una vez que finalizan las diferentes actividades del experimento, si el registro es
correcto, VARSE genera dos ficheros con los datos de los latidos y de la ejecución
concreta para el usuario en cuestión (etiquetas, organización y tiempos). En el caso
de que el registro no sea válido (el filtrado de la señal ha detectado demasiados
latidos incorrectos) se informa al usuario, por si se quiere proceder a realizar un
nuevo registro.
Análisis de HRV
La realización de un experimento por un usuario supone el registro de HR, y el
almacenamiento de dos ficheros, conteniendo la información necesaria para realizar
un análisis de HRV. Para llevar a cabo este análisis se elegirá la opción de resultados
(Results) de la pantalla principal de VARSE.
Eligiendo el experimento concreto y el registro de HR deseado, se accederá a la
información relevante de HRV, compuesta por:
Señal de HR(HRVPlot): visualización de la señal de HR (bps) en el tiempo.
Datos de la señal: (Signal data): información de interés de los datos de la señal

de HR.
Análisis en el dominio del tiempo (HRV time-domain results): se muestran los

valores de los ı́ndices más importantes en el dominio del tiempo.
Análisis en el dominio de la frecuencia(HRV fecuency-domain results): valores

resultado del análisis espectral del registro de HR.
Los resultados de cada registro de HR comienzan con un gráfico que muestra

la evolución de la HR en el tiempo (Figura 6.8). La señal se visualiza utilizando
diferentes colores para cada una de las etiquetas (cada etiqueta es una actividad del
experimento). Cada valor que se muestra en el gráfico es el correspondiente a la HR
instantánea, número de latidos por segundo, obtenido a partir del valor registrado
del tiempo transcurrido entre latidos, una vez filtrada la señal.
Figura 6.8: Ejemplo de análisis de HRV de un registro en VARSE

La gráfica de la señal de HR se complementa con algunos datos como son la

longitud de la señal original (el número de intervalos RR registrados), la longitud
de la señal filtrada (el número de intervalos RR después de filtrar la señal de HR),
el porcentaje de latidos rechazados, la frecuencia de interpolación utilizada y la
cantidad de datos interpolados.
Los ı́ndices en el dominio del tiempo que ofrece VARSE son: Mean RR (AVNN),
SDNN, rMSSD y normHRV. El análisis espectral que realiza VARSE permite visua-
lizar los valores de: HRV power, HF, LFy LF/HF. En ambos análisis se muestran los
datos globales y para cada una de las actividades (etiquetas) del experimento.
6.3. Análisis de usabilidad

Ya se ha mencionado que, con independencia del paquete de software empleado,
en algunas ocasiones, y debido a la naturaleza de los estudios realizados, o la especi-
ficidad de resultados, pueden no resultar adecuadas las rutinas de software estándar,
por lo que una alternativa podrı́a ser la personalización del código, adaptándolo o
modificándolo conforme a las necesidades especı́ficas de los usuarios. Esta es una de
las grandes ventajas que presenta el software libre: la posibilidad de incluir modifi-
caciones en el código fuente, que permitan adaptarlo a las necesidades particulares
en cada situación.
En cualquier caso, cuando se desarrollan paquetes de software, es necesario eva-
luar su usabilidad, esto es, su facilidad de uso, dado que proporciona una medida
de la calidad y eficiencia de la aplicación implementada. Para evaluar VARSE se ha
empleado el cuestionario de experiencia de usuarios (User Experience Questionnaire
o UEQ) descrito en [112]. Especı́ficamente, se ha empleado la versión española del
UEQ [167], aunque se realizaron algunas adaptaciones a nivel léxico, con el fin de que
algunos adjetivos resultasen más adecuados en este caso particular. Como describe
Rauschenberger, “la experiencia del usuario describe el impacto total que tiene un
producto sobre el usuario final”, y este ha sido exactamente el objetivo de esta eva-
luación. Por tanto, se puede entender el UEQ como una herramienta que proporciona
la impresión general de un usuario después de probar un producto, dando cobertura
tanto aspectos prácticos como de agradabilidad y calidad del mismo.
6.3. Análisis de usabilidad 129
La construcción y validación del UEQ fue presentada por Laugwitz y col. [112].
Tanto las escalas como los ı́tems del cuestionario se crearon empleando una aproxi-
mación analı́tica. Inicialmente, se consideró un conjunto de 229 ı́tems potenciales, los
cuales fueron el resultado de una serie de sesiones de lluvia de ideas con expertos en
usabilidad. A continuación, un experto en evaluación redujo el conjunto a 80 ı́tems.
Finalmente, a partir de ellos, se extrajeron las escalas y los ı́tems en cada una de
ellas empleando análisis principal de componentes. De esta forma, el UEQ definitivo
contiene 6 dimensiones, y un total de 26 ı́tems:
Atracción: molesto / ameno, bueno / malo, desagradable / agradable, incómodo

/ cómodo, atractivo / no atractivo, amigable / no amigable.
Eficiencia: rápido / lento, ineficiente / eficiente, inútil / útil, ordenado / sobre-

cargado.
Claridad: no entendible / entendible, fácil de aprender / difı́cil de aprender,

complicado / fácil, claro / confuso.
Fiabilidad: impredecible / predecible, obstructivo / colaborativo, fiable / no

fiable, cubre expectativas / no cubre expectativas.
Estimulación: valioso / de poco valor, aburrido / emocionante, no interesante

/ interesante, motivante / desmotivante.
Novedad: creativo / sin imaginación, imaginativo / convencional, convencional

/ novedoso, conservador / innovador.
El UEQ consiste en pares de atributos opuestos. El orden de los ı́tems y su

orientación es aleatoria. Los usuarios pueden evaluar un producto simplemente se-
leccionando el ı́tem que mejor refleja su impresión, en una escala de 7 valores.
La validez de este cuestionario fue analizada en diversos estudios [167], y la in-
formación acerca de ella, además de acerca su construcción, está accesible a toda la
comunidad cientı́fica31 .
Además, para procesar los datos recogidos de los cuestionarios, en el anterior sitio
Web se encuentra también una herramienta, basada en hoja de cálculo, que permite
31
http://www.ueq-online.org/
introducir los datos obtenidos y produce, como resultado, los valores de las escalas,
proporcionando además gráficos y estadı́sticas. Este ha sido el instrumento empleado
para evaluar la usabilidad de la herramienta desarrollada.
Para ello, diversos usuarios con conocimientos en HRV, aunque no necesariamen-
te en Informática, utilizaron VARSE para la adquisición de señales de HRV, ası́ como
para la obtención de valores procedentes del análisis de HRV. Posteriormente, cu-
brieron el UEQ, y sus datos fueron procesados a través de la utilidad anteriormente
citada.
Como resultado de la validación de la herramienta de software VARSE a través del
cuestionario UEQ, se han obtenido una serie de puntuaciones acerca de su atracción,
transparencia, eficiencia, fiabilidad, estimulación y novedad. Los resultados obtenidos
se presentan en la Tabla 6.1 y en la Figura 6.9.
Tabla 6.1: Indicadores estadı́sticos obtenidos con el UEQ
Dimensión Valor UEQ Desv. estándar

Atracción 2.633 0.380
Transparencia 2.500 0.500
Eficiencia 2.700 0.326
Fiabilidad 2.500 0.586
Estimulación 2.150 0.379
Novedad 2.300 0.411
A partir de los resultados anteriores se puede observar que la dimensión mejor

evaluada ha sido la eficiencia, seguida por la atracción y la transparencia. Cabe decir
que una evaluación positiva se da a partir de una puntuación de 0.8, mientras que una
evaluación negativa se produce cuando la calificación es inferior a -0.8, siendo neutra
cuando alcanza valores entre -0.8 y 0.8. A la vista de las puntuaciones obtenidas en
las 6 dimensiones, todos los valores son superiores a 2.0, siendo el máximo posible
3.0, por lo que se puede concluir que aplicación desarrollada es útil para aquellos
usuarios que trabajen en el campo de adquisición de la señal de frecuencia cardı́aca
y análisis de la HRV en diversas situaciones.
6.4. Discusión 131
Figura 6.9: Dimensiones de VARSE evaluadas con el UEQ
Además, los elevados valores UEQ obtenidos en la evaluación de usabilidad de

VARSE, ponen de manifiesto tanto la calidad de la app desarrollada como su facilidad
de uso, su eficiencia, y su fiabilidad
6.4. Discusión
Los parámetros de la frecuencia cardı́aca y su variabilidad pueden resultar útiles a
la hora de establecer diagnósticos médicos y respuestas emocionales en determinadas
condiciones. Para obtener dichos ı́ndices, es necesario partir de una señal fisiológica
inicial (bien un ECG o directamente una señal de frecuencia cardı́aca), y proceder
a su estudio para extraer las variables relacionadas con la HRV, tanto en el dominio
de frecuencias como en el del tiempo.
Tanto las aplicaciones móviles como las de escritorio existentes permiten adquirir
la señal de frecuencia cardı́aca, pero almacenan únicamente datos, y no tienen en
cuenta la actividad, tanto fı́sica como mental, que están realizando los usuarios a
la hora de recoger los datos. Muchas de ellas emplean una banda pectoral o bien
fotopletismografı́a para registrar la señal, y aunque los datos de frecuencia cardı́aca
obtenidos mediante bandas pectorales son más precisos que los obtenidos mediante
fotopletismografı́a, existen evidencias cientı́ficas de que ambas técnicas se pueden
utilizar para el análisis de la HRV [16, 154], sin embargo algunas publicaciones re-
cientes indican que los datos pueden perder fiabilidad cuando se realiza la toma de
datos de frecuencia cardı́aca en ejercicios fı́sicos de gran intensidad [72].
Con el fin de subsanar esta limitación y avanzar en el campo del estudio entre la
relación entre la HRV y la regulación emocional, se ha desarrollado una herramien-
ta combinada de adquisición de datos de frecuencia cardı́aca y análisis de la HRV
que permite el etiquetado de registros de frecuencia cardı́aca mientras el usuario
realiza actividades de distinta naturaleza, como el visionado de imágenes o vı́deos,
realización de ejercicio fı́sico o cualquier otra actividad que precise capturar la HR.
Para evaluar la usabilidad se puede emplear un UEQ, que suele incluir aspectos
como si la aplicación es visualmente atractiva, su utilidad, claridad, fiabilidad, o
satisfacción del usuario [114, 167, 180, 211]. Una vez implementada la aplicación
VARSE, se ha procedido a evaluar su usabilidad, su utilidad, calidad de la interfaz
de usuario, y facilidad de uso, entre otros aspectos.
En este caso concreto, la evaluación del software desarrollado ha sido satisfactoria,
por lo que puede verse como una herramienta útil en el estudio de la relación entre
la HRV y la regulación emocional, principal objetivo de esta Tesis Doctoral.
6.5. Conclusiones
En la actualidad, existen diversas aplicaciones que permiten a cualquier usuario
capturar sus datos de frecuencia cardı́aca a través de diferentes dispositivos equi-
pados con sensores, como pueden ser determinados relojes inteligentes, o bandas
pectorales de fácil colocación que transmiten la señal registrada, generalmente de
forma inalámbrica, a otro dispositivo para su almacenamiento.
Estas señales pueden ser posteriormente procesadas y analizadas con el fin de
realizar estudios de la HRV, para lo cual es necesario utilizar paquetes de software
especı́ficos que, en ocasiones, deben adaptarse a las necesidades particulares de cada
6.5. Conclusiones 133
experimento, dado que no es lo mismo, por ejemplo, utilizar los datos de frecuencia
cardı́aca registrados por un deportista mientras realizar una actividad fı́sica, que por
una persona que esté realizando un ejercicio de control o regulación emocional.
En esta Tesis Doctoral se ha presentado la herramienta gratuita y de código
abierto VARSE, que combina en una única aplicación tanto la recogida de datos
de frecuencia cardı́aca como el análisis de variabilidad. Además, se ha diseñado la
aplicación de forma que pueda realizar recogidas de datos mientras los usuarios rea-
lizan diferentes actividades, fı́sicas y mentales, y cada una de ellas con una duración
determinada. Con ello se pretende que el empleo de VARSE pueda ser extensible al
mayor número de usuarios posible, y que pueda ayudar en el estudio de la relación
entre la HRV y la regulación emocional, sin descartar también su utilidad en otros
ámbitos de investigación.
La herramienta ha sido evaluada por un grupo de usuarios, que debieron valorar su
funcionamiento a través de un UEQ. Los resultados obtenidos han sido satisfactorios,
en términos de evaluación de la interfaz gráfica, usabilidad, facilidad de uso, fiabilidad
o novedad, entre otros aspectos.
Capı́tulo 7
Conclusiones y trabajo futuro
Una vez finalizado este trabajo de Tesis Doctoral, se presentan a continuación las
conclusiones del mismo.
1. Se ha demostrado la existencia de relación entre la HRV y la respuesta emo-

cional.
2. Se han construido diferentes bases de datos que permitirán a los investigadores

que ası́ lo deseen realizar estudios en el campo de la HRV.
3. Se ha implementado y puesto a disposición de la comunidad cientı́fica una

herramienta que permite la adquisición de datos de HR y análisis de HRV en
el dominio en tiempo y frecuencias, en tiempo real.
4. Con el desarrollo de esta técnica se ha dado un paso más en el estudio de la

variabilidad, que contribuirá a que el análisis de la HRV sea parte integral de
la práctica clı́nica diaria.
Con respecto al trabajo futuro, se plantean tres lı́neas, fundamentalmente:
1. Generación nuevas bases de datos que puedan servir para entrenar y testar
nuevas técnicas de análisis.
2. Estudio de la HRV y la regulación emocional en otros campos diferentes.
3. Ampliación de las funcionalidades de la herramienta desarrollada, incluyendo

nuevas técnicas de estudio, como el análisis no lineal.
135
Acrónimos
API: Application Programming Interface (Interfaz de Programación de Aplicacio-

nes)
ANS: Autonomic Nervous System (Sistema Nervioso Autónomo)
BAI: Beck Anxiety Inventory (Inventario de Ansiedad de Beck)
CAN: Central Autonomous Network (Red Central Neuronal Autónoma)
CAPP: Comprehensive Assessment of Psychopathic Personality (Evaluación Ex-

haustiva de la Personalidad Psicopática)
DFT: Discrete Fourier Transform (Transformada de Fourier Discreta)
DWT: Discrete Wavelet Transform (Transformada Wavelet discreta)
ECG: Electrocardiogram (Electrocardiograma)
FFT: Fast Fourier Transform (Transformada de Fourier Rápida)
FT: Fourier Transform (Transformada de Fourier)
HAM-A: Hamilton Anxiety Rating Scale (Escala de Calificación de Ansiedad de

Hamilton)
HF: High Frecuency (Alta Frecuencia)
HR: Heart Rate (Frecuencia Cardı́aca)
HRV: Heart Rate Variability (Variabilidad de la Frecuencia Cardı́aca)
137
138 Acrónimos
IAPS: International Affective Picture System (Sistema Internacional de Imágenes

Afectivas)
IAT: Implicit Association Test (Test de Asociación Implı́cita)
IGT: Iowa Gambling Test (Juego de Azar de Iowa)
IPDE: International Personality Disorder Examination Examen (Examen Interna-

cional de los Trastornos de la Personalidad)
LF: Low Frecuency (Baja Frecuencia)
PCL-R: Psychopathy Checklist Revised (Escala de Evaluación de Psicopatı́a de

Hare Revisada)
PNS: Parasympathetic Nervous System (Sistema Nervioso Parasimpático)
PSD: Power Spectral Density (Potencia de la Densidad Espectral)
RR: RR Interval (Intervalo RR)
RSA: Respiratory Sinus Arrhythmia (Arritmia Sinusal Respiratoria)
RFCOMM: Radio Frequency Communication (Comunicación por Radio Frecuen-

cia)
SAM: Self-Assessment Manikin (Maniquı́ de Auto-evaluación)
SNS: Sympathetic Nervous System (Sistema Nervioso Simpático)
STFT: Short Time Fourier Transform (Transformada de Fourier de Tiempo Redu-

cido)
UEQ: User Experience Questionnaire (Cuestionarios de experiencia de los usuarios)
ULF: Ultra Low Frequency (Ultra Baja Frecuencia)
VLF: Very Low Frequency (Frecuencia Muy Baja)
WPT: Wavelet Packet Transform (Transformada Wavelet Packet)

139
WT: Wavelet Transform (Transformada Wavelet)
XML: eXtensible Markup Language (Lenguaje de Marcas eXtensible)

Bibliografı́a
[1] H. A. Abhishekh, P. Nisarga, R. Kisan, A. Meghana, S. Chandran, T. Raju,

y T. N. Sathyaprabha. Influence of age and gender on autonomic regulation
of heart. Journal of Clinical Monitoring and Computing, 27(3):259–264, 2013.
doi:10.1007/s10877-012-9424-3.
[2] R. U. Acharya, C. M. Lim, y P. Joseph. Heart rate variability analysis

using correlation dimension and detrended fluctuation analysis. ITBM-RBM,
23(6):333–339, 2002. doi:10.1016/S1297-9562(02)90002-1.
[3] U. R. Acharya, K. P. Joseph, N. Kannathal, C. M. Lim, y J. S. Suri. Heart

rate variability: a review. Medical and Biological Engineering and Computing,
44(12):1031–1051, 2006. doi:10.1007/s11517-006-0119-0.
[4] M. W. Agelink, R. Malessa, B. Baumann, T. Majewski, F. Akila, T. Zeit, y

D. Ziegler. Standardized tests of heart rate variability: normal ranges obtained
from 309 healthy humans, and effects of age, gender, and heart rate. Clinical
Autonomic Research, 11(2):99–108, 2001. doi:10.1007/BF02322053.
[5] S. A. Akar, S. Kara, y V. Bilgic. Investigation of heart rate variability in

major depression patients using wavelet packet transform. Psychiatry Research,
238:326–332, 2016. doi:10.1016/j.psychres.2016.02.058.
[6] S. A. Akar, S. Kara, F. Latifoglu, y V. Bilgic. Analysis of heart rate va-

riability during auditory stimulation periods in patients with schizophrenia.
Journal of Clinical Monitoring and Computing, 29(1):153–162, 2015. doi:
10.1007/s10877-014-9580-8.
141
142 Bibliografı́a
[7] S. Akselrod. Components of heart rate variability: basic studies, págs. 147–163.
Futura Publishing Company, 1995.
[8] S. Akselrod, D. Gordon, F. A. Ubel, D. C. Shannon, A. C. Barger, y R. J.

Cohen. Power spectrum analysis of heart rate fluctuation: a quantitative probe
of beat-to-beat cardiovascular control. Science, 213(4504):220–222, 1981. doi:
10.1126/science.6166045.
[9] G. A. Alvares, D. S. Quintana, I. B. Hickie, y A. J. Guastella. Autonomic ner-

vous system dysfunction in psychiatric disorders and the impact of psychotro-
pic medications: a systematic review and meta-analysis. Journal of Psychiatry
and Neuroscience, 41(2):89–104, 2016. doi:10.1503/jpn.140217.
[10] J. L. Amaral, A. J. Lopes, J. M. Jansen, A. C. Faria, y P. L. Melo. An improved

method of early diagnosis of smoking-induced respiratory changes using ma-
chine learning algorithms. Computer Methods and Programs in Biomedicine,
112(3):441–454, 2013. doi:10.1016/j.cmpb.2013.08.004.
[11] G. Andrews, T. Brugha, M. E. Thase, F. F. Duffy, P. Rucci, y T. Slade. Dimen-

sionality and the category of major depressive episode. International Journal
of Methods in Psychiatric Research, 16:S41–S51, 2007. doi:10.1002/mpr.216.
[12] I. Antelmi, R. S. de Paula, A. R. Shinzato, C. A. Peres, A. J. Mansur, y C. J.

Grupi. Influence of age, gender, body mass index, and functional capacity
on heart rate variability in a cohort of subjects without heart disease. 2004.
doi:10.1016/j.amjcard.2003.09.065.
[13] M. L. Appel, R. D. Berger, J. P. Saul, J. M. Smith, y R. J. Cohen. Beat to beat

variability in cardiovascular variables: noise or music. Journal of the Ameri-
can College of Cardiology, 14(5):1139–1148, 1989. doi:10.1016/0735-1097(89)
90408-7.
[14] Y. Arai, J. P. Saul, P. Albrecht, L. H. Hartley, L. S. Lilly, R. J. Cohen, y

W. S. Colucci. Modulation of cardiac autonomic activity during and imme-
diately after exercise. American Journal of Physiology - Heart and Circulatory
Physiology, 256(1), 1989. doi:10.1152/ajpheart.1989.256.1.H132.
Bibliografı́a 143
[15] C. Athanasopoulou, S. Suni, H. Hatonen, I. Apostolakis, C. Lionis, y M. Vali-

maki. Attitudes towards schizophrenia on youtube: a content analysis of finnish
and greek videos. Informatics for Health and Social Care, 41(3):307–324, 2016.
doi:10.3109/17538157.2015.1008485.
[16] M. P. Barbosa, N. T. da Silva, F. M. de Azevedo, C. M. Pastre, y L. C.

Vanderlei. Comparison of polar R rs800g3TM heart rate monitor with polar R
s810iTM and electrocardiogram to obtain the series of rr intervals and analysis
of heart rate variability at rest. Clinical Pphysiology and Functional Imaging,
36(2):112–117, 2016. doi:10.1111/cpf.12203.
[17] R. Bartels, L. Neumamm, T. Pecanha, y A. Roncally. Sinuscor: an advanced

tool for heart rate variability analysis. Biomedical Engineering Online, 16:110,
2017. doi:10.1186/s12938-017-0401-4.
[18] A. Bechara, H. Damasio, D. Tranel, y A. R. Damasio. The iowa gambling task

and the somatic marker hypothesis: some questions and answers. Trends in
Cognitive Sciences, 9(4):159–162, 2005. doi:10.1016/j.tics.2005.02.002.
[19] S Berrocal, L. Abad, y E. Cebrián. Comunicación polı́tica en televisión y

nuevos medios. Ariel, 2003.
[20] A. Bhattacharya, M. Mishra, A. Singh, y M. K. Dutta. Machine learning ba-

sed portable device for detection of cardiac abnormality. En 2017 International
Conference on Emerging Trends in Computing and Communication Technolo-
gies, ICETCCT 2017, págs. 1–4. 2017. doi:10.1109/ICETCCT.2017.8280307.
[21] J. T. Bigger, J. L. Fleiss, R. C. Steinman, L. M. Rolnitzky, R. E. Kleiger, y

J. N. Rottman. Frequency domain measures of heart period variability and
mortality after myocardial infarction. Circulation, 85(1):164–171, 1992.
[22] A. Bilan, A. Witczak, R. Palusinski, W. Myslinski, y J. Hanzlik. Circadian

rhythm of spectral indices of heart rate variability in healthy subjects. Journal
of Electrocardiology, 38(3):239–243, 2005. doi:10.1016/j.jelectrocard.2005.01.
012.
144 Bibliografı́a
[23] S. Bilgin, E. Arslan, O. Elmas, S. Yildiz, O. H. Colak, G. Bilgin, H. R. Koyun-

cuoglu, S. Akkus, S. Comlekci, y E. Koklukaya. Investigation of the relationship
between anxiety and heart rate variability in fibromyalgia: a new quantitative
approach to evaluate anxiety level in fibromyalgia syndrome. Computers in
Biology and Medicine, 67:126–135, 2015. doi:10.1016/j.compbiomed.2015.10.
003.
[24] S. Bilgin, O. H. Colak, E. Koklukaya, y N. Ari. Efficient solution for frequency

band decomposition problem using wavelet packet in hrv. Digital Signal Pro-
cessing, 18(6):892–899, 2008. doi:10.1016/j.dsp.2008.04.007.
[25] P. D. Bolls, D. D. Muehling, y K. Yoon. The effects of television commercial pa-

cing on viewersáttention and memory. Journal of Marketing Communications,
9(1):17–28, 2003. doi:10.1080/1352726032000068032.
[26] R. N. Bracewell y R. N. Bracewell. The Fourier transform and its applications.

McGraw-Hill New York, 1986.
[27] T. Brader. Striking a responsive chord: how political ads motivate and per-
suade voters by appealing to emotions. American Journal of Political Science,
49(2):388–405, 2005. doi:10.2307/3647684.
[28] M. M. Bradley y P. J. Lang. Measuring emotion: the self-sssessment mannequin

and the semantic differential. Journal of Behavior Therapy and Experimental
Psychiatry, 25(1):49–59, 1994. doi:10.1016/0005-7916(94)90063-9.
[29] M. M. Bradley y P. J. Lang. The international affective picture system (IAPS)

in the study of emotion and attention. En Handbook of Emotion Elicitation
and Assessment, págs. 29–46. Oxford University Press, 2007.
[30] N. Braidot. ¿Por qué tus clientes se acuestan con otro si dicen que les gustas
tú? Barcelona: Gestión, 2000.
[31] M. Brennan, M. Palaniswami, y P. Kamen. Do existing measures of poin-

care plot geometry reflect nonlinear features of heart rate variability? Ieee
Transactions on Biomedical Engineering, 48(11):1342–1347, 2001. doi:10.1109/
10.959330.
Bibliografı́a 145
[32] P. Brodal. The Central Nervous System: structure and function. Oxford Uni-
versity Press, 2004.
[33] S. Brown, M. J. Martinez, y L. M. Parsons. The neural basis of human dance.

Cerebral Cortex, 16(8):1157–1167, 2006. doi:10.1093/cercor/bhj057.
[34] J. T. Cacioppo y G. G. Berntson. Relationship between attitudes and ava-

luative space: a critical review, with emphasis on the separability of positive
and negative substrates. Psychological Bulletin, 115(3):401–423, 1994. doi:
10.1037//0033-2909.115.3.401.
[35] R. Castillo, J. Anelo, y P. Fernández-Berrocal. Regulación emocional y varia-

bilidad de la frecuencia cardiaca en directivos varones sanos. Revista Española
de Cardiologı́a, 66(09):753–754, 2013. doi:10.1016/j.recesp.2013.04.017.
[36] C. Chang. The impacts of emotion elicited by print political advertising

on candidate evaluation. Media Psychology, 3(2):91–118, 2001. doi:10.1207/
S1532785XMEP0302 01.
[37] J. S. Chang, C. S. Yoo, S. H. Yi, K. H. Hong, H. S. Oh, J. Y. Hwang, S. G.

Kim, Y. M. Ahn, y Y. S. Kim. Differential pattern of heart rate variability in
patients with schizophrenia. Progress in Neuropsychopharmacology and Biolo-
gical Psychiatry, 33(6):991–995, 2009. doi:10.1016/j.pnpbp.2009.05.004.
[38] J. C. Chen, P. H. Stone, R. L. Verrier, B. D. Nearing, G. MacCallum, J. Y.

Kim, R. F. Herrick, J. You, H. Zhou, y D. C. Christiani. Personal coronary risk
profiles modify autonomic nervous system responses to air pollution. Journal
of Occupational and Environmental Medicine, 48(11):1133–1142, 2006. doi:
10.1097/01.jom.0000245675.85924.7e.
[39] S. W. Chen, J. W. Liaw, Y. J. Chang, L. L. Chuang, y C. T. Chien. Combined

heart rate variability and dynamic measures for quantitatively characterizing
the cardiac stress status during cycling exercise. Computers in Biology and
Medicine, 63:133–142, 2015. doi:10.1016/j.compbiomed.2015.05.026.
[40] L. Cheng. Physiological evidence in support of music intervention in a clinical

environment. Tesis Doctoral, Boston University, 2013.
146 Bibliografı́a
[41] K. H. Choi, J. Kim, O. S. Kwon, M. J. Kim, Y. H. Ryu, y J. E. Park. Is heart

rate variability (hrv) an adequate tool for evaluating human emotions? - a
focus on the use of the international affective picture system (iaps). Psychiatry
Research, 251:192–196, 2017. doi:10.1016/j.psychres.2017.02.025.
[42] C. Y. Chuang, W. R. Han, P. C. Li, y S. T. Young. Effects of music therapy

on subjective sensations and heart rate variability in treated cancer survivors:
A pilot study. Complementary Therapies in Medicine, 18(5):224–226, 2010.
doi:10.1016/j.ctim.2010.08.003.
[43] L. Cnockaert, P. F. Migeotte, L. Daubigny, G. K. Prisk, F. Grenez, y R. C.

Sa. A method for the analysis of respiratory sinus arrhythmia using con-
tinuous wavelet transforms. IEEE Transactions on Biomedical Engineering,
55(5):1640–1642, 2008. doi:10.1109/TBME.2008.918576.
[44] D. J. Cooke, S. D. Hart, C. Logan, y C. Michie. Explicating the construct

of psychopathy: development and validation of a conceptual model, the com-
prehensive assessment of psychopathic ersonality (capp). International Journal
of Forensic Mental Health, 11(4):242–252, 2012. doi:10.1080/14999013.2012.
746759.
[45] J. P. Couderc, S. Kyal, L. K. Mestha, B. Xu, D. R. Peterson, X. Xia, y B. Hall.

Detection of atrial fibrillation using contactless facial video monitoring. Heart
Rhythm, 12(1):195–201, 2015. doi:10.1016/j.hrthm.2014.08.035.
[46] P. Cuesta, M. J. Lado, X. A. Vila, y R. Alonso. Detection of premature

ventricular contractions using the RR-interval signal: a simple algorithm for
mobile devices. Technology and Health Care, 22(4):651–656, 2014. doi:10.3233/
THC-140818.
[47] P. Cuesta-Morales, X. A. Vila, y M. J. Lado. Evidence-based recommendations

for designing heart rate variability studies. Medical and Biological Engineering
and Computing (enviado y pendiente de aceptación), 2018.
[48] S. A. da Silva et al. Acute auditory stimulation with different styles of music
Bibliografı́a 147
influences cardiac autonomic regulation in men. International Cardiovascular

Research Journal, 8(3):105–110, 2014.
[49] P. Daignault, S. Soroka, y T. Giasson. The perception of political adverti-

sing during an election campaign: A measure of cognitive and emotional ef-
fects. Canadian Journal of Communication, 38(2), 2013. doi:10.22230/cjc.
2013v38n2a2566.
[50] A. R. Damasio. El error de Descartes: la razón de las emociones. Andrés Bello,

1994.
[51] H. Damasio y A. R. Damasio. Cerebro y lenguaje. Investigación y Ciencia,

194:58–66, 1992.
[52] R. E. de Meersman. Heart rate variability and aerobic fitness. American Heart
Journal, 125(3):726–731, 1993. doi:10.1016/0002-8703(93)90164-5.
[53] G. Debenedittis, M. Cigada, A. Bianchi, M. G. Signorini, y S. Cerutti. Autono-

mic changes during hypnosis: a heart rate variability power spectrum analysis
as a marker of sympathovagal balance. International Journal of Clinical and
Experimental Hypnosis, 42(2):140–152, 1994. doi:10.1080/00207149408409347.
[54] T. A. Denton, G. A. Diamond, R. H. Helfant, S. Khan, y H. Karagueuzian.

Fascinating rhythm: a primer on chaos theory and its application to cardiology.
American Heart Journal, 120(6):1419–1440, 1990. doi:10.1016/0002-8703(90)
90258-Y.
[55] J. P. Despins, J. J. Nattiez, y M. R. Segura. La música y el cerebro. Gedisa,

1994.
[56] B. H. Detenber, R. F. Simons, y J. E. Reiss. The emotional significance of

color in television presentations. Media Psychology, 2(4):331–355, 2000. doi:
10.1207/S1532785XMEP0204 02.
[57] C. Diaz-Piedra, L. L. Di Stasi, C. M. Baldwin, G. Buela-Casal, y A. Catena.

Sleep disturbances of adult women suffering from fibromyalgia: a systematic
148 Bibliografı́a
review of observational studies. Sleep Medicine Reviews, 21:86–99, 2015. doi:

10.1016/j.smrv.2014.09.001.
[58] K. S. Douglas, G. M. Vincent, y J. F. Edens. Risk for criminal recidivism:

the role of psychopathy. En Handbook of Psychopathy, págs. 533–554. Guilford
Press, 2006.
[59] M. Dufey, A. M. Fernández, y R. Mayol. Adding support to cross-cultural

emotional assessment: validation of the international affective picture system
in a chilean sample. Universitas Psychologica, 10(2):521–533, 2011.
[60] E-Benjamin y other. Heart disease and stroke statistics—2017 update: a report
from the american heart association. Circulation, 135(10), 2017. doi:10.1161/
CIR.0000000000000485.
[61] H. A. Elfenbein, M. Der Foo, J. White, H. H. Tan, y V. C. Aik. Reading your

counterpart: the benefit of emotion recognition accuracy for effectiveness in
negotiation. Journal of Nonverbal Behavior, 31(4):205–223, 2007. doi:10.1007/
s10919-007-0033-7.
[62] J. Fatisson, V. Oswald, y F. Lalonde. Influence diagram of physiological and en-

vironmental factors affecting heart rate variability: an extended literature over-
view. Heart International, 11(1):E32–E40, 2016. doi:10.5301/heartint.5000232.
[63] M. Faurholt-Jepsen, L. V. Kessing, y K. Munkholm. Heart rate variability

in bipolar disorder: a systematic review and meta-analysis. Neuroscience and
Biobehavioral Reviews, 73:68–80, 2017. doi:10.1016/j.neubiorev.2016.12.007.
[64] A. Fernández y P. Grau. Dinámica caótica en economı́a:(teorı́a y aplicaciones).

McGraw-Hill, Interamericana de España, 1999.
[65] G. Flórez, X. A. Vila, M. J. Lado, P. Cuesta, V. Ferrer, L. S. Garcı́a, M. R.

Crespo, y M. Pérez. Diagnosing psychopathy through emotional regulation
tasks: Heart rate variability versus implicit association test. Psychopathology,
50(5):334–341, 2017. doi:10.1159/000479884.
Bibliografı́a 149
[66] A. Fonfrı́a, R. Poy, P. Segarra, R. López, , A. Esteller, C. Ventura, P. Ribes, y

J. Moltó. Variabilidad de la tasa cardı́aca (hrv) y regulación emocional. Fòrum
de Recerca, (16):903–913, 2011.
[67] M. M. Franz y T. N. Ridout. Political advertising and persuasion in the 2004

and 2008 presidential elections. American Politics Research, 38(2):303–329,
2010. doi:10.1177/1532673X09353507.
[68] N. H. Frijda y W. G. Parrott. Basic emotions or ur-emotions? Emotion Review,

3(4):406–415, 2011. doi:10.1177/1754073911410742.
[69] C. A. Garcı́a, A. Otero, X. A. Vila, M. J. Lado, L. Rodrı́guez-Liñares, J. M.

Rodrı́guez, y A. J. Méndez. Heart rate variability analysis with the R package
RHRV. Springer International Publishing, 2017.
[70] M. A. Garcı́a-González y R. Pallas-Areny. A novel robust index to assess

beat-to-beat variability in heart rate time-series analysis. Ieee Transactions on
Biomedical Engineering, 48(6):617–621, 2001. doi:10.1109/10.923779.
[71] M. S. Gazzaniga. El cerebro social. Anaya-Spain, 1993.
[72] K. Georgiou, A. V. Larentzakis, N. N. Khamis, G. I. Alsuhaibani, Y. A.

Alaska, y E. J. Giallafos. Can wearable devices accurately measure heart
rate variability? a systematic review. Folia Medica, 60(1):7–20, 2018. doi:
10.2478/folmed-2018-0012.
[73] A. L. Goldberger, D. R. Rigney, y B. J. West. Chaos and fractals in human

physiology. Scientific American, 262(2):43–49, 1990.
[74] D. Gordon, V. L. Herrera, L. McAlpine, R. J. Cohen, S. Akselrod, P. Lang,

y W. I. Norwood. Heart-rate spectral analysis: a noninvasive probe of car-
diovascular regulation in critically ill children with heart disease. Pediatric
cardiology, 9(2):69–77, 1988. doi:10.1007/BF02083703.
[75] M. Grann, N. Langstrom, A. Tengstrom, y G. Kullgren. Psychopathy (pcl-r)

predicts violent recidivism among criminal offenders with personality disorders
150 Bibliografı́a
in sweden. Law and Human Behavior, 23(2):205–217, 1999. doi:10.1023/A:

1022372902241.
[76] A. G. Greenwald, B. A. Nosek, y M. R. Banaji. Understanding and using the

implicit association test: I. an improved scoring algorithm. Journal of Perso-
nality and Social Psychology, 85(2):197–216, 2003. doi:10.1037/0022-3514.85.
2.197.
[77] J. H. Ha, S. Park, D. Yoon, y B. Kim. Short-term heart rate variability in

older patients with newly diagnosed depression. Psychiatry Research, 226(2-
3):484–488, 2015. doi:10.1016/j.psychres.2015.02.005.
[78] M. Hamilton. Development of a rating scale for primary depressive illness. The
British Journal of Social and Clinical Psychology, 6(4):278–296, 1967.
[79] A. L. Hansen, B. H. Johnsen, D. Thornton, L. Waage, y J. F. Thayer. Fa-

cets of psychopathy, heart rate variability and cognitive function. Journal of
Personality Disorders, 21(5):568–582, 2007. doi:10.1521/pedi.2007.21.5.568.
[80] R. D. Hare. Manual for the hare psychopathy checklist. Revised 2nd
ed.Toronto, ON: Multi-Health Systems, 2003.
[81] R. D. Hare y C. S. Neumann. Structural models of psychopathy. Current

Psychiatry Reports, 7(1):57–64, 2005. doi:10.1007/s11920-005-0026-3.
[82] D. P. Harrison, W. G. Stritzke, N. Fay, T. M. Ellison, y A. R. Hudaib. Probing

the implicit suicidal mind: does the death/suicide implicit association test re-
veal a desire to die, or a diminished desire to live? Psychological Assessment,
26(3):831–840, 2014. doi:10.1037/pas0000001.
[83] S. D. Hart y R. D. Hare. Psychopathy: assessment and association with cri-

minal conduct. En Handbook of Antisocial Behavior, págs. 22–35. John Wiley
and Sons Inc, 1997.
[84] R. J. Hempel, J. F. Thayer, C. H. Röder, H. G. van Steenis, N. J. Van Beveren,

y J. H. Tulen. Cardiac responses during picture viewing in young male patients
Bibliografı́a 151
with schizophrenia. Cardiovascular Psychiatry and Neurology, 2012, 2012. doi:

10.1155/2012/858562.
[85] R. J. Hempel, J. H. Tulen, N. J. van Beveren, C. H. Röder, F. H. de Jong,

y M. W. Hengeveld. Diurnal cortisol patterns of young male patients with
schizophrenia. Psychiatry and Clinical Neurosciences, 64(5):548–554, 2010.
doi:10.1111/j.1440-1819.2010.02121.x.
[86] R. J. Hempel, J. H. Tulen, N. J. van Beveren, H. G. van Steenis, P. G. Mul-

der, y M. W. Hengeveld. Physiological responsivity to emotional pictures
in schizophrenia. Journal of Psychiatric Research, 39(5):509–518, 2005. doi:
10.1016/j.jpsychires.2004.11.004.
[87] J. I. Herrerı́a-Barba. Manual para generación de contenidos relacionados al

contexto y legado de jaime roldós aguilera. Bachelor’s thesis, Universidad
Casa Grande. Facultad de Administración y Ciencias Polı́ticas, 2015.
[88] J. A. Hirsch y B. Beverly. Respiratory sinus arrhythmia in humans: how

breathing pattern modulates heart rate. American Journal of Physiology,
241(4):H620–H629, 1981. doi:10.1152/ajpheart.1981.241.4.H620.
[89] R. Howard, L. McCarthy, N. Huband, y C. Duggan. Re-offending in forensic

patients released from secure care: the role of antisocial/borderline persona-
lity disorder co-morbidity, substance dependence and severe childhood con-
duct disorder. Criminal Behaviour and Mental Health, 23(3):191–202, 2013.
doi:10.1002/cbm.1852.
[90] J. Hu, X. Cui, Y. Gong, X. Xu, B. Gao, T. Wen, T. J. Lu, y F. Xu. Portable
microfluidic and smartphone-based devices for monitoring of cardiovascular
diseases at the point of care. Biotechnology Advances, 34(3):305–320, 2016.
doi:10.1016/j.biotechadv.2016.02.008.
[91] S. Iyengar y K. S. Hahn. Red media, blue media: evidence of ideological

selectivity in media use. Journal of Communication, 59(1):19–U6, 2009. doi:
10.1111/j.1460-2466.2008.01402.x.
152 Bibliografı́a
[92] D. C. Jackson, J. R. Malmstadt, C. L. Larson, y R. J. Davidson. Suppression

and enhancement of emotional responses to unpleasant pictures. Psychophy-
siology, 37(4):515–522, 2000. doi:10.1111/1469-8986.3740515.
[93] V. K. Jandackova, A. Britton, M. Malik, y A. Steptoe. Heart rate variability

and depressive symptoms: a cross-lagged analysis over a 10-year period in the
whitehall ii study. Psychological Medicine, 46(10):2121–2131, 2016. doi:10.
1017/S003329171600060X.
[94] J. R. Jennings, B. Allen, P. J. Gianaros, J. F. Thayer, y S. B. Manuck. Focusing

neurovisceral integration: cognition, heart rate variability, and cerebral blood
flow. Psychophysiology, 52(2):214–224, 2015. doi:10.1111/psyp.12319.
[95] K. Jensen-Urstad, N. Storck, F. Bouvier, M. Ericson, L. E. Lindblad, y

M. Jensen-Urstad. Heart rate variability in healthy subjects is related to
age and gender. Acta Physiologica Scandinavica, 160(3):235–241, 1997. doi:
10.1046/j.1365-201X.1997.00142.x.
[96] M. V. Kamath y E. L. Fallen. Power spectral analysis of heart rate variability:

a noninvasive signature of cardiac autonomic function. Critical Reviews in
Biomedical Engineering, 21(3):245–311, 1993.
[97] T. Kaufmann, S. Suetterlin, S. M. Schulz, y C. Voegele. Artiifact: a tool for

heart rate artifact processing and heart rate variability analysis. Behavior
Research Methods, 43(4):1161–1170, 2011. doi:10.3758/s13428-011-0107-7.
[98] A. H. Kemp. Heart rate variability, affective disorders and health. En Car-
diovascular Diseases and Depression, págs. 167–185. Springer International
Publishing, 2016. doi:10.1007/978-3-319-32480-7 11.
[99] A. H. Kemp, D. S. Quintana, M. A. Gray, K. L. Felmingham, K. Brown, y

J. M. Gatt. Impact of depression and antidepressant treatment on heart rate
variability: a review and meta-analysis. Biological Psychiatry, 67(11):1067–
1074, 2010. doi:10.1016/j.biopsych.2009.12.012.
Bibliografı́a 153
[100] K. J. Kemper, C. A. Hamilton, T. W. McLean, y J. Lovato. Impact of music

on pediatric oncology outpatients. Pediatric Research, 64(1):105–109, 2008.
doi:10.1203/PDR.0b013e318174e6fb.
[101] S. Koelstra, C. Muhl, M. Soleymani, J. S. Lee, A. Yazdani, T. Ebrahimi,

T. Pun, A. Nijholt, y I. Patras. Deap: a database for emotion analysis using
physiological signals. Ieee Transactions on Affective Computing, 3(1):18–31,
2012. doi:10.1109/T-AFFC.2011.15.
[102] B. Kotchoubey, Y. G. Pavlov, y B. Kleber. Music in research and rehabilitation

of disorders of consciousness: psychological and neurophysiological foundations.
Frontiers in Psychology, 6:1753, 2015. doi:10.3389/fpsyg.2015.01763.
[103] K. Kudrynski, P. Strumillo, y J. Ruta. Computer software tool for heart ra-
te variability (hrv), t-wave alternans (twa) and heart rate turbulence (hrt)
analysis from ecgs. Medical Science Monitor, 17(9):MT63–MT71, 2011. doi:
10.12659/MSM.881919.
[104] C. L., R. L. Ribeiro, y O. F. Bueno. Brazilian norms for the international

affective picture system (iaps): comparison of the affective ratings for new
stimuli between brazilian and north-american subjects. Jornal Brasileiro de
Psiquiatria, 57(4):270–275, 2008. doi:10.1590/S0047-20852008000400008.
[105] J. Lacárcel. Psicologı́a de la música y emoción musical. Educatio Siglo XXI,

20:213–226, 2003.
[106] M. J. Lado, P. Cuesta, A. Garcı́a-Caballero, y X. A. Vila. Influence of visual

elicitation over emotion regulation: an investigation employing the heart rate
variability. Journal of Integrative Neuroscience, 16(2):209–226, 2017. doi:10.
3233/JIN-170014.
[107] M. J. Lado, A. J. Méndez, L. Rodrı́guez-Liñares, A. Otero, y X. A. Vila.

Nocturnal evolution of heart rate variability indices in sleep apnea. Computers
in Biology and Medicine, 42(12):1179–1185, 2012. doi:10.1016/j.compbiomed.
2012.09.009.
154 Bibliografı́a
[108] M. J. Lado, X. A. Vila, L. Rodrı́guez-Liñares, A. J. Méndez, D. N. Olivieri, y

P. Félix. Detecting sleep apnea by heart rate variability analysis: assessing the
validity of databases and algorithms. Journal of Medical Systems, 35(4):473–
481, 2011. doi:10.1007/s10916-009-9383-5.
[109] R. D. Lane, K. McRae, E. M. Reiman, K. Chen, G. L. Ahern, y J. F. Tha-

yer. Neural correlates of heart rate variability during emotion. NeuroImage,
44(1):213–222, 2009. doi:10.1016/j.neuroimage.2008.07.056.
[110] A. Lang, S. H. Zhou, N. Schwartz, P. D. Bolls, y R. F. Potter. The effects of

edits on arousal, attention, and memory for television messages: when an edit
is an edit can an edit be too much? Journal of Broadcasting and Electronic
Media, 44(1):94–109, 2000. doi:10.1207/s15506878jobem4401 7.
[111] P. J. Lang. International affective picture system (iaps): affective ratings of

pictures and instruction manual. Inf. téc., University of Florida, 2008.
[112] B. Laugwitz, T. Held, y M. Schrepp. Construction and evaluation of a user

experience questionnaire. En 2008 Hci and Usability for Education and Work
(USAB), tomo 5298, págs. 63–76. 2008. doi:10.1007/978-3-540-89350-9 6.
[113] R. J. Laumbach, H. M. Kipen, S. Ko, K. Kelly-McNeil, C. Cepeda, A. Pettit,

P. Ohman-Strickland, L. Zhang, J. Zhang, J. Gong, M. Veleeparambil, y A. J.
Gow. A controlled trial of acute effects of human exposure to traffic particles
on pulmonary oxidative stress and heart rate variability. Particle and Fibre
Toxicology, 11:45, 2014. doi:10.1186/s12989-014-0045-5.
[114] E. L. Law, V. Roto, M. Hassenzahl, A. P. Vermeeren, y J. Kort. understanding,

scoping and defining user experience: a survey approach. En 2009 SIGCHI
Conference on Human Factors in Computing Systems, págs. 719–728. ACM,
2009. doi:10.1145/1518701.1518813.
[115] Y. H. Lee, W. Han, y Y. Kim. Emotional recognition from facial expression

analysis using bezier curve fitting. En 2013 16th International Conference on
Network-Based Information Systems (Nbis 2013), págs. 250–254. 2013. doi:
10.1109/NBiS.2013.39.
Bibliografı́a 155
[116] M. Lindström. Buyology: verdades y mentiras de por qué compramos. Grupo

Planeta (GBS), 2010.
[117] G. I. Liverant, T. A. Brown, D. H. Barlow, y L. Roemer. Emotion regulation

in unipolar depression: the effects of acceptance and suppression of subjective
emotional experience on the intensity and duration of sadness and negative
affect. Behaviour Research and Therapy, 46(11):1201–1209, 2008. doi:10.1016/
j.brat.2008.08.001.
[118] A. Lledó, E. Fernández-Dı́ez, M. A. Pastor, S. López-Roig, J. Ibáñez, y J. So-

rinas. Funcionamiento del sistema nervioso autónomo y estado de salud en
la fibromialgia. Revista de Psicopatologia y Psicologia Clinica, 21(2), 2016.
doi:10.5944/rppc.vol.21.num.2.2016.15499.
[119] N. R. Lomb. Least-squares frequency analysis of unequally spaced data. As-

trophysics and Space Science, 39(2):447–462, 1976. doi:10.1007/BF00648343.
[120] A. W. Loranger, N. Sartorius, A. Andreoli, P. Berger, P. Buchheim, S. M.

Channabasavanna, B. Coid, A. Dahl, R. F. W. Diekstra, B. Ferguson, L. B.
Jacobsberg, W. Mombour, C. Pull, Y. Ono, y D. A. Regier. The international
personality disorder examination. the world health organization/alcohol, drug
abuse, and mental health administration international pilot study of persona-
lity disorders. Archives of General Psychiatry, 51(3):215–224, 1994.
[121] M. J. López y M. C. Núñez Gaitán. Psicopatı́a versus trastorno antisocial

de la personalidad. Revista Española de Investigación Criminológica (REIC),
(7):1–17, 2009.
[122] S. Lu, H. Zhao, K. Ju, K. Shin, M. Lee, K. Shelley, y K. H. Chon. Can photo-
plethysmography variability serve as an alternative approach to obtain heart
rate variability information? Journal of Clinical Monitoring and Computing,
22(1):23–29, 2008. doi:10.1007/s10877-007-9103-y.
[123] R. Maestri y G. D. Pinna. Polyan: A computer program for polyparametric

analysis of cardio-respiratory variability signals. Computer Methods and Pro-
grams in Biomedicine, 56(1):37–48, 1998. doi:10.1016/S0169-2607(98)00004-2.
156 Bibliografı́a
[124] M. Malik y A. J. Camm. Heart rate variability. Futura Publishing Company,

1995.
[125] S. Mallat. A wavelet tour of signal processing. Academic press, 1999.
[126] S. G. Mallat y W. L. Hwang. Singularity detection and processing with wa-

velets. IEEE Transactions on Information Theory, 38(2):617–643, 1992. doi:
10.1109/18.119727.
[127] A. Malliani, F. Lombardi, y M. Pagani. Power spectrum analysis of heart

rate variability: a tool to explore neural regulatory mechanisms. British Heart
Journal, 71(1):1–2, 1994.
[128] A. Malliani, M. Pagani, F. Lombardi, y S. Cerutti. Cardiovascular neural

regulation explored in the frequency domain. Circulation, 84(2):482–492, 1991.
[129] M. G. Marquez y A. R. Delgado. Revisión de las medidas de reconocimiento

y expresión de emociones. Anales de Psicologı́a, 28(3), 2012.
[130] M. Meeus, D. Goubert, F. De Backer, F. Struyf, L. Hermans, I. Coppieters,

I. De Wandele, H. Da Silva, y P. Calders. Heart rate variability in patients
with fibromyalgia and patients with chronic fatigue syndrome: a systematic
review. Seminars in Arthritis and Rheumatism, 43(2):279–287, 2013. doi:
10.1016/j.semarthrit.2013.03.004.
[131] D. Melkonian, A. Korner, R. Meares, y H. Bahramali. Increasing sensitivity

in the measurement of heart rate variability: the method of non-stationary
rr time-frequency analysis. Computer Methods and Programs in Biomedicine,
108(1):53–67, 2012. doi:10.1016/j.cmpb.2012.01.002.
[132] R. C. Melo, M. D. Santos, E. Silva, R. J. Quitério, M. A. Moreno, M. S. Reis,

I. A. Verzola, L. Oliveira, L. E. Martins, L. Gallo-Junioe, y A. M. Catai. Effects
of age and physical activity on the autonomic control of heart rate in healthy
men. Brazilian Journal of Medical and Biological Research, 38(9):1331–1338,
2005. doi:S0100-879X2005000900007.
[133] Y. Meyer. Ondelettes et algorithmes concurrents. Editions Hermann, 1992.

Bibliografı́a 157
[134] Y. Meyer, S. Jaffard, y O. Rioul. L’analyse par ondelettes. Pour la Science,

119:28–37, 1987.
[135] J. E. Mietus, A. L. Goldberger, y J. E. Mietus. Heart rate variability analysis

with the hrv toolkit. https://physionet.org/tutorials/hrv-toolkit/, 2012.
[136] T. Millon, R. Davis, C. Millon, L. Escovar, y S. Meagher. Trastornos de la

personalidad en la vida moderna. Masson Barcelona, 2001.
[137] B. Méndez-Candeias, P. Cuesta-Morales, L. Rodrı́guez-Liñares, M. J. Lado,

y V. Mondelo. Physiodatabase. free online repository for heart rate variabi-
lity studies. En 2018 13th Iberian Conference on Information Systems and
Technologies (CISTI), págs. 1–6. 2018. doi:10.23919/CISTI.2018.8399419.
[138] J. Moltó, P. Segarra, R.López, À. Esteller, A. Fonfrı́a, M. C. Pastor, y R. Poy.

Adaptación española del international affective picture system (iaps): tercera
parte. Anales de Psicologı́a, 29(3):965–984, 2013. doi:10.6018/analesps.29.3.
153591.
[139] J. M. Montaquila, B. J. Trachik, y J. S. Bedwell. Heart rate variability and

vagal tone in schizophrenia: A review. Journal of psychiatric research, 69:57–
66, 2015. doi:10.1016/j.jpsychires.2015.07.025.
[140] S. Moodithaya y S. T. Avadhany. Gender differences in age-related changes in

cardiac autonomic nervous function. Journal of Aging Research, 2012:679345,
2012. doi:10.1155/2012/679345.
[141] E. Moon, S. H. Lee, D. H. Kim, y B. Hwang. Comparative study of heart

rate variability in patients with schizophrenia, bipolar disorder, post-traumatic
stress disorder, or major depressive disorder. Clinical Psychopharmacology and
Neuroscience, 11(3):137–143, 2013. doi:10.9758/cpn.2013.11.3.137.
[142] R. Moreno-Gómez y M. A. Garcı́a-Fernández. Electrocardiografı́a básica: cómo

leer electrocardiogramas. McGraw-Hill Interamericana, 1999. ISBN 84-486-
0259-5.
158 Bibliografı́a
[143] M. Nakagawa, T. Iwao, S. Ishida, H. Yonemochi, T. Fujino, T. Saikawa, y

M. Ito. Circadian rhythm of the signal averaged electrocardiogram and its
relation to heart rate variability in healthy subjects. Heart, 79(5):493–496,
1998.
[144] M. Nardelli, G. Valenza, A. Greco, A. Lanata, y E. P. Scilingo. Recog-

nizing emotions induced by affective sounds through heart rate variabi-
lity. Ieee Transactions on Affective Computing, 6(4):385–394, 2015. doi:
10.1109/TAFFC.2015.2432810.
[145] J. S. Nelson y G. R. Boynton. Video rhetorics: Televised advertising in Ame-

rican politics. University of Illinois Press, 1997.
[146] D. Nunan, G. R. Sandercock, y D. A. Brodie. A quantitative systema-

tic review of normal values for short-term heart rate variability in healthy
adults. Pacing and Clinical Electrophysiology, 33(11):1407–1417, 2010. doi:
10.1111/j.1540-8159.2010.02841.x.
[147] Task Force of the European Society of Cardiology, The North American Society
of Pacing, y Electrophysiology. Heart rate variability: standards of measure-
ment, physiological interpretation, and clinical use. European Heart Journal,
17:354–381, 1996.
[148] Task Force of the European Society of Cardiology, the North American So-
ciety of Pacing, y Electrophysiology. Heart rate variability: standards of mea-
surement, physiological interpretation and clinical use. Circulation, 93(5):1043–
1065, 1996. doi:10.1161/01.CIR.93.5.1043.
[149] J. O’Kelly. Music therapy and neuroscience: opportunities and challenges.

Voices: A World Forum for Music Therapy, 16(2), 2016.
[150] J. J. Oresko, Z. Jin, J. Cheng, S. Huang, Y. Sun, H. Duschl, y A. C. Cheng. A

wearable smartphone-based platform for real-time cardiovascular disease detec-
tion via electrocardiogram processing. Ieee Transactions on Information Tech-
nology in Biomedicine, 14(3):734–740, 2010. doi:10.1109/TITB.2010.2047865.
Bibliografı́a 159
[151] B. D. Ostafin, G. A. Marlatt, y A. G. Greenwald. Drinking without thinking:

an implicit measure of alcohol motivation predicts failure to control alcohol
use. Behaviour Research and Therapy, 46(11):1210–1219, 2008. doi:10.1016/j.
brat.2008.08.003.
[152] R. Oweis y L. Hijazi. A computer-aided ecg diagnostic tool. Computer Methods

and Programs in Biomedicine, 81(3):279–284, 2006. doi:10.1016/j.cmpb.2006.
01.003.
[153] P. Pelegris, K. Banitsas, T. Orbach, y K. Marias. A novel method to detect

heart beat rate using a mobile phone. En 2010 Annual International Confe-
rence of the Ieee Engineering in Medicine and Biology Society (Embc), págs.
5488–5491. 2010. doi:10.1109/IEMBS.2010.5626580.
[154] R. C. Peng, X. L. Zhou, W. H. Lin, y Y. T. Zhang. Extraction of heart

rate variability from smartphone photoplethysmograms. Computational and
Mathematical Methods in Medicine, 2015. doi:10.1155/2015/516826.
[155] J. Penttilä, A. Helminen, T. Jartti, T. Kuusela, H. V. Huikuri, M. P. Tulppo,

R. Coffeng, y H. Scheinin. Time domain, geometrical and frequency domain
analysis of cardiac vagal outflow: effects of various respiratory patterns. Clinical
Physiology, 21(3):365–376, 2001. doi:10.1046/j.1365-2281.2001.00337.x.
[156] P. Perakakis, M. Joffily, M. Taylor, P. Guerra, y J. Vila. Kardia: A matlab

software for the analysis of cardiac interbeat intervals. Computer Methods and
Programs in Biomedicine, 98(1):83–89, 2010. doi:10.1016/j.cmpb.2009.10.002.
[157] S. M. Pincus. Approximate entropy: a complexity measure for biological ti-

me series data. En 1991 IEEE Seventeenth Annual Northeast Bioengineering
Conference, págs. 35–36. 1991. doi:10.1109/NEBC.1991.154568.
[158] J. Pittermann, A. Pittermann, y W. Minker. Handling emotions in human-

computer dialogues. Springer, 2010.
[159] D. J. Plews, P. B. Laursen, A. E. Kilding, y M. Buchheit. Heart-rate variability

and training-intensity distribution in elite rowers. International Journal of
160 Bibliografı́a
Sports Physiology and Performance, 9(6):1026–1032, 2014. doi:10.1123/ijspp.

2013-0497.
[160] S. W. Porges. Orienting in a defensive world: mammalian modifications of our

evolutionary heritage. a polyvagal theory. Psychophysiology, 32(4):301–318,
1995. doi:10.1111/j.1469-8986.1995.tb01213.x.
[161] S. W. Porges. The polyvagal theory: neurophysiological foundations of emo-

tions, attachment, communication, and self-regulation (Norton Series on In-
terpersonal Neurobiology). WW Norton and Company, 2011.
[162] D. S. Quintana, L. T. Westlye, T. Kaufmann, O. G. Rustan, C. L. Brandt,

B. Haatveit, N. E. Steen, y O. A. Andreassen. Reduced heart rate variabi-
lity in schizophrenia and bipolar disorder compared to healthy controls. Acta
Psychiatrica Scandinavica, 133(1):44–52, 2016. doi:10.1111/acps.12498.
[163] A. Rantanen, S. J. Laukka, M. Lehtihalmes, y T. Seppanen. Heart rate variabi-

lity (hrv) reflecting from oral reports of negative experience. Procedia - Social
and Behavioral Sciences, 5:483–487, 2010. doi:10.1016/j.sbspro.2010.07.128.
[164] A. Rantanen, A. Siipo, T. Seppänen, E. Väyrynen, M. Lehtihalmes, y S. J.

Laukka. Heart rate variability (hrv) of male subjects related to oral reports of
affective pictures. Procedia - Social and Behavioral Sciences, 84:13–17, 2013.
doi:10.1016/j.sbspro.2013.06.501.
[165] J. Rúas-Araújo, P. Cuesta-Morales, y X. A. Vila-Sobrino. Study of political

campaign ads from ecuador employing heart rate variability (hrv). En New
Advances in Information Systems and Technologies, págs. 421–430. Springer,
2016.
[166] J. Rúas-Araújo, M. I. Punin, H. Gomez, P. Cuesta-Morales, y S. Ratte. Neu-

rociencias aplicadas al análisis de la percepción: Corazón y emoción ante el
himno de ecuador. Revista Latina de Comunicacion Social, 70(4):401–422,
2015. doi:10.4185/RLCS-2015-1052.
[167] M. Rauschenberger, M. Schrepp, M. Pérez-Cota, S. Olschner, y J. Thomas-

chewski. Efficient measurement of the user experience of interactive products.
Bibliografı́a 161
how to use the user experience questionnaire (ueq). example: spanish language
version. International Journal of Artificial Intelligence and Interactive Multi-
media, 2(1):39–45, 2013. doi:10.9781/ijimai.2013.215.
[168] D. E. Reidy, A. Zeichner, y L. A. Seibert. Unprovoked aggression: effects of

psychopathic traits and sadism. Journal of Personality, 79(1):75–100, 2011.
doi:10.1111/j.1467-6494.2010.00691.x.
[169] J. S. Richman y J. R. Moorman. Physiological time-series analysis using

approximate entropy and sample entropy. American Journal of Physio-
logy - Heart and Circulatory Physiology, 278(6):H2039–H2049, 2000. doi:
10.1152/ajpheart.2000.278.6.H2039.
[170] O. Rivera. Himno nacional: reverencia y civismo. La Hora, 26, 2003.
[171] L. Rodrı́guez-Liñares, P. Cuesta, R. Alonso, A. J. Méndez, M. J. Lado, y X. A.

Vila. Varvi: a software tool for analyzing the variability of the heart rate in
response to visual stimuli. En Computing in Cardiology 2013, págs. 401–404.
2013.
[172] L. Rodrı́guez-Liñares, P. Cuesta, A. J. Méndez, X. A. Vila, y M. J. Lado.

¿Afectan los spots electorales al ritmo cardı́aco? En 2013 XIII Congreso Inter-
nacional Ibercom: Comunicación, Cultura y Esferas de Poder, págs. 3559–3570.
2013.
[173] L. Rodrı́guez-Liñares, M. J. Lado, X. A. Vila, A. J. Méndez, y P. Cuesta. ghrv:

heart rate variability analysis made easy. Computer Methods and Programs in
Biomedicine, 116(1):26–38, 2014. doi:10.1016/j.cmpb.2014.04.007.
[174] L. Rodrı́guez-Liñares, A. J. Méndez, M. J. Lado, D. N. Olivieri, X. A. Vila,

y I. Gómez-Conde. An open source tool for heart rate variability spectral
analysis. Computer Methods and Programs in Biomedicine, 103(1):39–50, 2011.
doi:10.1016/j.cmpb.2010.05.012.
[175] L. Rodrı́guez-Liñares, A. J. Méndez, M. J. Lado, X. A. Vila, y P. Cuesta. An

user-friendly toolkit for heart rate variability analysis suitable for automatic
162 Bibliografı́a
analysis of episodes. En 2013 8th Iberian Conference on Information Systems

and Technologies (CISTI), págs. 1–4. 2013.
[176] O. Rompelman, A. J. Coenen, y R. I. Kitney. Measurement of heart-rate

variability: part 1 — comparative study of heart-rate variability analysis met-
hods. Medical and Biological Engineering and Computing, 15(3):233, 1977.
doi:10.1007/BF02441043.
[177] A. L. Roque, V. E. Valenti, H. L. Guida, M. F. Campos, A. Knap, L. C.

Vanderlei, C. Ferreira, y L. C. de Abreu. The effects of different styles of musical
auditory stimulation on cardiac autonomic regulation in healthy women. Noise
and Health, 15(65):281–287, 2013. doi:10.4103/1463-1741.113527.
[178] E. Ruiz-Padial y J. F. Thayer. Resting heart rate variability and the startle
reflex to briefly presented affective pictures. International Journal of Psy-
chophysiology, 94(3):329–335, 2014. doi:10.1016/j.ijpsycho.2014.10.005.
[179] Z. Sankari y H. Adeli. Heartsaver: a mobile cardiac monitoring system for

auto-detection of atrial fibrillation, myocardial infarction, and atrio-ventricular
block. Computers in Biology and Medicine, 41(4):211–220, 2011. doi:10.1016/
j.compbiomed.2011.02.002.
[180] H. B. Santoso, M. Schrepp, R. Y. Isal, A. Y. Utomo, y B. Priyogi. User

experience questionnaire: development of an indonesian version and its usage
for product evaluation. The Journal of Educators Online JEO, 13(1):58–79,
2016.
[181] R. Sassi, S. Cerutti, F. Lombardi, M. Malik, H. V. Huikuri, C. K. Peng, G. Sch-

midt, y Y. Yamamoto. Advances in heart rate variability signal analysis: joint
position statement by the e-cardiology esc working group and the european
heart rhythm association co-endorsed by the asia pacific heart rhythm society.
Europace, 17(9):1341–1353, 2015. doi:10.1093/europace/euv015.
[182] J. P. Saul. Beat-to-beat variations of heart rate reflect modulation of cardiac

autonomic outflow. News in Physiological Sciences, 5:32–37, 1990. doi:10.1152/
physiologyonline.1990.5.1.32.
Bibliografı́a 163
[183] J. D. Scargle. Studies in astronomical time-series analysis. ii. statistical aspects

of spectral analysis of unevenly spaced data. Astrophysical Journal, 263(2):835–
853, 1982. doi:10.1086/160554.
[184] R. Schroeder y A. Voss. Age and gender dependency of complexity measures of

short-term heart rate time series, págs. 469–502. Complexity and Nonlinearity
in Cardiovascular Signals. Springer, 2017.
[185] S. C. Segerstrom y L. S. Nes. Heart rate variability reflects self-regulatory

strength, effort, and fatigue. Psychological Science, 18(3):275–281, 2007. doi:
10.1111/j.1467-9280.2007.01888.x.
[186] D. V. Shah, J. Cho, S. Nah, M. R. Gotlieb, H. Hwang, N. J. Lee, R. M.

Scholl, y D. M. McLeod. Campaign ads, online messaging, and participation:
extending the communication mediation model. Journal of Communication,
57(4):676–U113, 2007. doi:10.1111/j.1460-2466.2007.00363.x.
[187] M. A. Shapiro y R. H. Rieger. Comparing positive and negative political

advertising on radio. Journalism Quarterly, 69(1):135–145, 1992.
[188] M. Shuvy, J. E. Arbelle, A. Grosbard, y A. Katz. A simple test of one minute

heart rate variability during deep breathing for evaluation of sympatovagal im-
balance in hyperthyroidism. Israel Medical Association Journal, 10(8-9):603–
606, 2008.
[189] M. Di Simplicio, G. Costoloni, D. Western, B. Hanson, P. Taggart, y C. J.

Harmer. Decreased heart rate variability during emotion regulation in subjects
at risk for psychopathology. Psychological Medicine, 42(8):1775–1783, 2012.
doi:10.1017/S0033291711002479.
[190] D. H. Singer, G. J. Martin, N. Magid, J. S. Weiss, J. W. Schaad, R. Kehoe,

T. Zheutlin, D. J. Fintel, A. M. Hsieh, y M. Lesch. Low heart rate variability
and sudden cardiac death. Journal of Electrocardiology, 21:S46–S55, 1988.
[191] J. P. Singh, M. G. Larson, C. J. ODonnell, H. Tsuji, J. C. Evans, y D. Levy.

Heritability of heart rate variability - the framingham heart study. Circulation,
99(17):2251–2254, 1999.
164 Bibliografı́a
[192] J. L. Skeem y D. J. Cooke. Is criminal behavior a central component of psy-

chopathy? conceptual directions for resolving the debate. Psychological As-
sessment, 22(2):433–445, 2010. doi:10.1037/a0008512.
[193] T. Slonim. The polyvagal theory: Neuropsychological foundations of emo-

tions, attachment, communication, and self-regulation. International Journal
of Group Psychotherapy, 64(4):593–600, 2014.
[194] G. Smaoui, A. Young, y M. Abid. Single scale cwt algorithm for ecg beat
detection for a portable monitoring system. Journal of Medical and Biological
Engineering, 37(1):132–139, 2017. doi:10.1007/s40846-016-0212-2.
[195] M. Soleymani, J. Lichtenauer, T. Pun, y M. Pantic. A multimodal databa-

se for affect recognition and implicit tagging. Ieee Transactions on Affective
Computing, 3(1):42–55, 2012. doi:10.1109/T-AFFC.2011.25.
[196] G. Soria-Urios, P. Duque, y J. M. Garcı́a-Moreno. Música y cerebro: fundamen-

tos neurocientı́ficos y trastornos musicales. Revista de Neurologı́a, 52(1):45–55,
2011.
[197] R. Tandon, H. A. Nasrallah, y M. S. Keshavan. Schizophrenia, ”just the facts”4.

clinical features and conceptualization. Schizophrenia Research, 110(1-3):1–23,
2009. doi:10.1016/j.schres.2009.03.005.
[198] M. P. Tarvainen, J. P. Niskanen, J. A. Lipponen, P. O. Ranta-aho, y P. A.

Karjalainen. Kubios hrv: heart rate variability analysis software. Computer
Methods and Programs in Biomedicine, 113(1):210–220, 2014. doi:10.1016/j.
cmpb.2013.07.024.
[199] J. F. Thayer, F. Ahs, M. Fredrikson, J. J. Sollers, y T. D. Wager. A meta-

analysis of heart rate variability and neuroimaging studies: implications for
heart rate variability as a marker of stress and health. Neuroscience and Bio-
behavioral Reviews, 36(2):747–756, 2012. doi:10.1016/j.neubiorev.2011.11.009.
[200] J. F. Thayer, B. H. Friedman, T. D. Borkovec, B. H. Johnsen, y S. Moli-

na. Phasic heart period reactions to cued threat and nonthreat stimuli in
Bibliografı́a 165
generalized anxiety disorder. Psychophysiology, 37(3):361–368, 2000. doi:

10.1111/1469-8986.3730361.
[201] J. F. Thayer, A. L. Hansen, E. Saus-Rose, y B. H. Johnsen. Heart rate varia-

bility, prefrontal neural function, and cognitive performance: the neurovisceral
integration perspective on self-regulation, adaptation, and health. Annals of
Behavioral Medicine, 37(2):141–153, 2009. doi:10.1007/s12160-009-9101-z.
[202] J. F. Thayer, J. J. Sollers III, B. H. Friedman, y J. Koenig. Gender differences

in the relationship between resting heart rate variability and 24-hour blood
pressure variability. Blood Pressure, 25(1):58–62, 2016. doi:10.3109/08037051.
2016.1090721.
[203] J. F. Thayer, S. S. Yamamoto, y J. F. Brosschot. The relationship of

autonomic imbalance, heart rate variability and cardiovascular disease risk
factors. International Journal of Cardiology, 141(2):122–131, 2010. doi:
10.1016/j.ijcard.2009.09.543.
[204] J. M. Thompson y H. B. Stewart. Nonlinear dynamics and chaos. John Wiley

and Sons, 2002.
[205] L. M. Tracy, L. Ioannou, K. S. Baker, S. J. Gibson, N. Georgiou-Karistianis, y

M. J. Giummarra. Meta-analytic evidence for decreased heart rate variability in
chronic pain implicating parasympathetic nervous system dysregulation. Pain,
157(1):7–29, 2016. doi:10.1097/j.pain.0000000000000360.
[206] K. K. Tripathi. Very low frequency oscillations in the power spectra of

heart rate variability during dry supine immersion and exposure to non-
hypoxic hypobaria. Physiological Measurement, 32(6):717–729, 2011. doi:
10.1088/0967-3334/32/6/008.
[207] K. Umetani, D. H. Singer, R. McCraty, y M. Atkinson. Twenty-four hour time

domain heart rate variability and heart rate: relations to age and gender over
nine decades. Journal of the American College of Cardiology, 31(3):593–601,
1998. doi:10.1016/S0735-1097(97)00554-8.
166 Bibliografı́a
[208] G. Valenza, L. Citi, C. Gentili, A. Lanata, E. P. Scilingo, y R. Barbieri.

Point-process nonlinear autonomic assessment of depressive states in bipo-
lar patients. Methods of Information in Medicine, 53(4):296–302, 2014. doi:
10.3414/ME13-02-0036.
[209] G. Valenza, A. Lanata, y E. P. Scilingo. Oscillations of heart rate and

respiration synchronize suring affective visual stimulation. IEEE Transac-
tions on Information Technology in Biomedicine, 16(4):683–690, 2012. doi:
10.1109/TITB.2012.2197632.
[210] C. A. van Ravenswaaij-Arts, L. A. Kollee, J. W. Hopman, G. A. Stoelin-

ga, y H. P. van Geijn. Heart rate variability. Annals of Internal Medicine,
118(6):436–447, 1993. doi:10.7326/0003-4819-118-6-199303150-00008.
[211] A. P. Vermeeren, E. L. Law, V. Roto, M. Obrist, J. Hoonhout, y K. Väänänen-

Vainio-Mattila. User experience evaluation methods: current state and develop-
ment needs. En 2010 6th Nordic Conference on Human-Computer Interaction:
Extending Boundaries, págs. 521–530. ACM, 2010.
[212] M. Vetterli y C. Herley. Wavelets and filter banks: theory and design. Ieee
Transactions on Signal Processing, 40(9):2207–2232, 1992. doi:10.1109/78.
157221.
[213] B. Vickhoff, H. Malmgren, R. Astrom, G. Nyberg, S. R. Ekstrom, M. Engwall,

J. Snygg, M. Nilsson, y R. Jornsten. Music structure determines heart rate
variability of singers. Frontiers in Psychology, 4:334, 2013. doi:10.3389/fpsyg.
2013.00334.
[214] J. Vila, F. Palacios, J. Presedo, M. Fernandez-Delgado, P. Felix, y S. Barro.

Time-frequency analysis of heart-rate variability. IEEE Engineering in Medi-
cine and Biology Magazine, 16(5):119–126, 1997. doi:10.1109/51.620503.
[215] N. Vila, L. Rodrı́guez-Liñares, P. Cuesta, M. J. Lado, A. J. Méndez, y X. A.

Vila. gvarvi: a graphical software tool for the acquisition of the heart rate in
response to external stimuli. Computer Methods and Programs in Biomedicine,
132:197–205, 2016. doi:10.1016/j.cmpb.2016.05.005.
Bibliografı́a 167
[216] A. I. Vinik y D. Ziegler. Diabetic cardiovascular autonomic neuropathy. Cir-

culation, 115(3):387–397, 2007. doi:10.1161/CIRCULATIONAHA.106.634949.
[217] A. Voss, R. Schroeder, A. Heitmann, A. Peters, y S. Perz. Short-term heart

rate variability-influence of gender and age in healthy subjects. Plos One,
10(3):e0118308, 2015. doi:10.1371/journal.pone.0118308.
[218] A. Voss, S. Schulz, R. Schroeder, M. Baumert, y P. Caminal. Methods derived

from nonlinear dynamics for analysing heart rate variability. Philosophical
Transactions of the Royal Society A-Mathematical Physical and Engineering
Sciences, 367(1887):277–296, 2009. doi:10.1098/rsta.2008.0232.
[219] P. Vrticka, D. Sander, y P. Vuilleumier. Effects of emotion regulation strategy

on brain responses to the valence and social content of visual scenes. Neuropsy-
chologia, 49(5):1067–1082, 2011. doi:10.1016/j.neuropsychologia.2011.02.020.
[220] S. M. Wang, H. K. Lee, Y. S. Kweon, C. T. Lee, J. H. Chae, J. J. Kim, y K. U.

Lee. Effect of emotion regulation training in patients with panic disorder:
evidenced by heart rate variability measures. General Hospital Psychiatry,
40:68–73, 2016. doi:10.1016/j.genhosppsych.2016.01.003.
[221] X.L. Wang, J. F. Thayer, F. Treiber, y H. Snieder. Ethnic differences and heri-
tability of heart rate variability in african and european american youth. Ame-
rican Journal of Cardiology, 96(8):1168–1174, 2005. doi:10.1016/j.amjcard.
2005.06.050.
[222] Z. Wang, A. C. Morey, y J. Srivastava. Motivated selective attention during

political ad processing: the dynamic interplay between emotional ad content
and candidate evaluation. Communication Research, 41(1):119–156, 2014. doi:
10.1177/0093650212441793.
[223] D. P. Williams, C. Cash, C. Rankin, A. Bernardi, J. Koenig, y J. F. Tha-

yer. Resting heart rate variability predicts self-reported difficulties in emotion
regulation: a focus on different facets of emotion regulation. Frontiers in Psy-
chology, 6:261, 2015. doi:10.3389/fpsyg.2015.00261.
168 Bibliografı́a
[224] J. Winkley, P. Jiang, y W. Jiang. Verity: an ambient assisted living platform.

Ieee Transactions on Consumer Electronics, 58(2):364–373, 2012. doi:10.1109/
TCE.2012.6227435.
[225] M. Woodworth y S. Porter. In cold blood: characteristics of criminal homicides

as a function of psychopathy. Journal of Abnormal Psychology, 111(3):436–445,
2002. doi:10.1037//0021-843X.111.3.436.
[226] E. M. Wright. The measurement of psychopathy dimensional and taxome-

tric approaches. International Journal of Offender Therapy and Comparative
Criminology, 53(4):464–481, 2009. doi:10.1177/0306624X08319416.
[227] F. Yasuma y J. Hayano. Respiratory sinus arrhythmia - why does the heartbeat
synchronize with respiratory rhythm? Chest, 125(2):683–690, 2004. doi:10.
1378/chest.125.2.683.
[228] A. W. Yuen y J. W. Sander. Can natural ways to stimulate the vagus nerve
improve seizure control? Epilepsy and Behavior, 67:105–110, 2017. doi:10.
1016/j.yebeh.2016.10.039.
[229] T. Yukishita, K. Lee, S. Kim, Y. Yumoto, A. Kobayashi, T. Shirasawa, y

H. Kobayashi. Age and sex-dependent alterations in heart rate variability.
Anti-Aging Medicine, 7(8):94–99, 2010.
[230] C. Zamarron, M. J. Lado, T. Teijeiro, E. Morete, X. A. Vila, y P. F. Lamas.

Heart rate variability in patients with severe chronic obstructive pulmonary
disease in a home care program. Technology and Health Care, 22(1):91–98,
2014. doi:10.3233/THC-140777.
[231] T. G. Zimmerman y T. Syeda-Mahmood. Automatic detection of heart disease

from twelve channel electrocardiogram waveforms. En 2007 Computers in
Cardiology, págs. 809–812. 2007. doi:10.1109/CIC.2007.4745609.

Aplicacion Variabilidad Frecuencia Cardiaca Estudio Emociones

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Aplicacion Variabilidad Frecuencia Cardiaca Estudio Emociones

Cargado por

Copyright:

Formatos disponibles

Escuela Internacional de Doctorado

Pedro Cuesta Morales

Dirigida por los Doctores:

1. Variabilidad de la frecuencia cardı́aca 1

2. Regulación emocional y HRV 21

4. Bases de datos de frecuencia cardı́aca 39

4.3. Recomendaciones para la adquisición de señal de HR . . . . . . . . . 49

6. VARSE: herramienta para adquisición y análisis de HRV 103

7. Conclusiones y trabajo futuro 135

1.1. Ondas que componen un latido cardı́aco . . . . . . . . . . . . . . . . 3

2.1. SAM para evaluación de imágenes del IAPS . . . . . . . . . . . . . . 22

4.1. Ficheros de un registro de HR en el estudio de estı́mulos visuales . . . 42

5.1. Potencia total HRV para el orden de presentación de imágenes neutras-

6.1. Arquitectura de VARSE . . . . . . . . . . . . . . . . . . . . . . . . . 114

4.1. Caracterización por género y edad . . . . . . . . . . . . . . . . . . . . 43

6.1. Indicadores estadı́sticos obtenidos con el UEQ . . . . . . . . . . . . . 130

Figura 1.1: Ondas que componen un latido cardı́aco

QRS representa la despolarización de los ventrı́culos. La onda T, generalmente de

Figura 1.2: Intervalo RR

latidos (intervalos RR), registradas con un dispositivo móvil y un sensor de frecuen-

1.2. El sistema nervioso autónomo y la HRV

Figura 1.3: Modelo de control cardiovascular propuesto por Akselrod

tema nervioso simpático (Sympathetic Nervous System o SNS) y el sistema nervioso

las variaciones en HR no eran solo ruido, y que si la serie de frecuencias cardı́acas

1.3. Cuantificación de la HRV

la frecuencia cardı́aca, y no presenta un valor constante. De hecho, valores elevados

1.3.1. Índices de HRV en el dominio del tiempo

que se pueden obtener a partir de los intervalos RR, y a un coste computacional

donde N es la longitud de la serie RR, y RRi es el intervalo RR entre los latidos

Esta desviación estándar refleja la variabilidad global de la serie. Su valor depen-

RRs y SDN Ns son la media y la desviación estándar de las distancias RR en

donde RRalls es la media de todos los segmentos, y m es el número total de

∆RRj = RRj+1 − RRj , f or j = 1, ..., N − 1

N N 50 = number of ∆RRj > 50ms

IRRR = Q3 (∆RR) − Q1 (∆RR)

El ı́ndice MADRR se define como la mediana de las diferencias absolutas entre

Además de estos parámetros estadı́sticos, existen algunas medidas geométricas

1.3.2. Índices de HRV en el dominio de la frecuencia

rovegetativo, influyen en los mecanismos de control de la frecuencia cardı́aca. La

importante para el componente HF es la actividad vagal eferente [128].

Un fenómeno se dice estacionario si sus propiedades son estadı́sticamente inva-

Figura 1.4: Transformada de Fourier

de eventos imprevistos, pero se conoce a priori la probabilidad de aparición. Se habla,

donde Xk contiene información sobre la frecuencia angular normalizada 2πk/N, k =

0, 1, 2, . . . , N − 1, que está presente en la señal RRn .

Figura 1.5: Transformada de Fourier de Tiempo Reducido

a la vez información en las bandas de frecuencia VLF y ULF. Ya se ha indicado

Figura 1.6: Transformada Wavelet

1.3.3. Medidas no lineales de la HRV

Existen evidencias de que, al menos en determinadas situaciones, el sistema car-

Todas estas medidas de análisis no lineal requieren trabajar con registros de

Regulación emocional y HRV

Figura 2.1: SAM para evaluación de imágenes del IAPS

las poblaciones estudiadas.

contrario, más elevados en las ideologı́as extremas.

2.2. HRV y psiquiatrı́a

necesidad de mantener una respuesta metabólica y comunicación social continua; 4)

vascular. Por el contrario, su deterioro está asociado con la rigidez psicofisiológica, el

2.3. Algunos estudios relacionados

ruido blanco, música relajante y postestimulación). En el análisis de la HRV se uti-

Otros estudios, como [37], pretendı́an comprobar si pacientes con esquizofrenia

Para investigar la respuesta psicofisiológica a la emoción en pacientes con esquizo-

tre el comportamiento parasimpático y simpático en pacientes con depresión mayor