Caracterización y reconocimiento de pausas respiratorias durante el sueño en tratamiento con CPAP

López Puetate, María Belén (2016). Caracterización y reconocimiento de pausas respiratorias durante el sueño en tratamiento con CPAP. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM), Madrid.

Description

Title: Caracterización y reconocimiento de pausas respiratorias durante el sueño en tratamiento con CPAP
Author/s:
  • López Puetate, María Belén
Contributor/s:
  • Ravelo García, Antonio
  • Navarro Mesa, Juan Luis
Item Type: Final Project
Degree: Grado en Ingeniería de Sonido e Imagen
Date: July 2016
Subjects:
Faculty: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Department: Otro
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (4MB) | Preview

Abstract

El Trabajo Fin de Grado (TFG), titulado, “Caracterización y reconocimiento de pausas respiratorias durante el sueño en tratamiento con CPAP” forma parte una importante línea de investigación que se lleva junto con doctores de la Unidad del Sueño que está en el Hospital Universitario de Gran Canaria Doctor Negrín”, sobre el desarrollo de herramientas de ayuda para el diagnóstico y tratamiento del Síndrome de Apnea Hipo apnea Obstructiva del Sueño (SAHOS). Es en esta Unidad donde mediante polisomnografías, se obtienen los datos necesarios para diagnosticar a las personas que padecen SAHOS. Es decir que sufren paradas involuntarias de respiración mientras duermen. Uno de los tratamientos más eficaces para combatir el SAHOS, es el tratamiento a través de CPAP (Continuous Positive Airway Pressure) que consiste en bombear aire bajo presión dentro de la vía respiratoria, manteniendo la tráquea abierta. Uno de los objetivos de este TFG es evaluar cómo el tratamiento de SAHOS con CPAP ha favorecido o no la mejora de la calidad de vida del paciente como consecuencia de la disminución o, en el mejor de los casos, desaparición de la enfermedad. A partir de esa perspectiva, se da una Visión General (Cap 1) de la enfermedad, sus síntomas, causas, y consecuencias tanto para el paciente, como para la sociedad, y a continuación, su diagnóstico y tratamiento (Cap 2). Así mismo, se pone de manifiesto los procesos de investigación y desarrollo previos, en los cuales se ha basado este proyecto. En el siguiente bloque (Cap 3), podrá encontrar el desarrollo particular de este TFG. Se parte de una base de datos nueva, con las señales polisomnográficas de pacientes enfermos con tres niveles de severidad de la enfermedad, antes y después del tratamiento. Nótese que el primer nivel de complejidad empieza por tratar con una base de datos que nadie ha analizado previamente. A continuación, se trabaja sobre las características de las señales. De trabajos previos, sabemos qué señales son determinantes para conocer el grado de severidad de la enfermedad. Estas señales son: la saturación de oxígeno en sangre y el electrocardiograma. Una vez se han extraído dichas señales se hace un análisis de cuáles son las características de interés en la detección de SAHOS (Cap 4). Los métodos de extracción de características se dividen en tres grupos principales: temporales, frecuenciales y transformados. El siguiente paso es un análisis estadístico de las características extraídas, y para terminar con este bloque se clasifican las señales, de tal manera que se pueda reconocer, si existe o no existe Apnea en el paciente que se analiza. La última parte del TFG (Cap 5), se centra en detectar automáticamente episodios de SAHOS mediante un clasificador de tipo regresión logística. Sobre la Base de datos se hace el análisis con el sistema de detección y se extraen resultados y nuevamente se hace un análisis estadístico con diagramas de cajas y Q-Q plots. Finalmente, se exponen los resultados con una serie de combinaciones de parámetros y señales que dan los mejores y más fiables resultados, dichos resultados se exponen en tablas y diagramas de barras para una mejor apreciación de los mismos. Al final del trabajo se muestran, un anexo, los programas, el pliego de condiciones y el presupuesto y todas las informaciones consultadas, tales como PFC previos, artículos, publicaciones científicas, etc., todo ello debidamente referenciado. ABSTRACT. The Final Degree Project (FDP), entitled “Characterization and recognition of breathing pauses during sleep with CPAP” is part of a research line carried out with doctors of the Sleep Unit, in the University Hospital of Gran Canaria, Doctor Negrín, related with development of support tools for diagnosis and treatment Obstructive Sleep Apnea Hipo Apnea Syndrome (OSAS). It is in this unit where by Polysomnography, the necessary datas are obtained to diagnose people with (OSAS). This syndrome can be described as involuntary breathing pauses while sleeping. One of the most effective treatments to care OSAS patients is by means of CPAP (Continuous Positive Airway Pressure), which produces pumped air under pressure into the breathing system, keeping the trachea open. One of the objectives of this FDP is to evaluate how the treatment of OSAS with CPAP has favored or not to improving the quality of life in patients as a result of the decline or, in the best of cases, disappearance of the disease. From this perspective, an overview of the disease (Chapter 1), its symptoms, causes, and consequences for both the patient and society, and then diagnosis and treatment is given (Chapter 2). Likewise, it highlights the research process and previous development on which this project is based. In the next block (Chapter 3), you can find the particular development of this FDP. It starts from a new Data Base, with polysomnographic signals of many patients and three severity levels of the disease, before and after treatment. Observe that the first complexity level begins by dealing with a database that nobody has previously analyzed. Then we work on the signals characteristics. From previous studies we know what kind of signals are crucial to determine the severity degree of the disease. These signals are: blood oxygen saturation and electrocardiogram. Once these signals have been extracted an analysis is done to know what are the characteristics of interest in the detection of OSAS (Chapter 4). The extraction methods of characteristics are divided into three main groups: temporary, frequency, and transformed The next step is a statistical analysis of the extracted features, and to end with this block the signals are classified, in such a way that it can recognize if there exists or not Apnea in the analyzed patient. The last part of this FDP (Chapter 5), is focused on automatically detecting episodes of OSAS with a logistic regression classifier. The database is analyzed with the detection system and results are extracted, and statistical analysis is done again with boxplot and Q-Q plots. Finally, the results are exposed with a series of combinations of parameters and signals which give the best and most reliable results, these results are presented in tables and bar charts for a better appreciation of them. This project finishes with, an annex, programs, specifications and budget and every information consulted, such as previous projects, articles, scientific publication, etc, all properly referenced.

More information

Item ID: 45548
DC Identifier: http://oa.upm.es/45548/
OAI Identifier: oai:oa.upm.es:45548
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 24 Apr 2017 07:09
Last Modified: 24 Apr 2017 07:09
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM