Analysis of heart rate variability on diabetic patients

Dissertação de mestrado, Engenharia Eletrónica e Telecomunicações, Faculdade de Ciências e Tecnologia, Universidade do Algarve, 2017Diabetes mellitus (DM) is a chronic condition in which the body produces insufficient insulin, or it cannot be used properly. This condition induces abnormal cardiovascular behaviour due to the irregular pattern of glucose levels in blood, being responsible for an increased morbidity within DM patients. So, researching non-invasive methods of early detection of cardiovascular pathologies is a valuable help for clinical diagnose. This work concentrates on the analysis of the electrocardiogram (ECG) of DM patients with different cardiac pathologies. The signal processing methodology adopted is to consider the ECG signal as a time-series. The identification of signals’ pattern for a specific pathology is searched by analysing the similarity between time-series representations of the same type of pathology and verifying the difference among differentiated pathologies. Searching for time-series similarity of non-stationary signals may be performed in time, frequency or transformed domains. Each of these similarity methods present pros and against which have to be evaluated within the cohorts considered in this study. A collection of seven similarity methods was assessed on their ability to find the similarity among each cohort, considering the ECG 12 conventional leads’ signals together with the 3 Frank leads’ signals. The cohorts were composed of ECG signals available at the public database Physionet. Different cohorts were created considering groups of data related to patients with the same diagnosis (myocardial infarction, diabetes mellitus, renal insufficiency, hyperuricemia, arterial hypertension and healthy controls), gender and age range. The performance of the similarity measurement methods was evaluated by confronting the signal processing results with the clinical annotations contained in the database. Also, to broaden the comparison of the obtained results with other researchers who provide conclusions based on the heart rate variability (HRV), an analysis of this parameter will also be reported. Analysis of the results enabled identification of the best performed similarity method – which was Pearson’s correlation coefficient method, to use under specific illness constraints – diabetes mellitus and myocardial infarction, being obtained, in this case, a pattern with 73% similarity. Confronting the obtained results with the published ones enabled confirmation of the most reliable ECG leads (aVL, L1, V4 and VZ) to identify DM myocardial infarction. In what concerns de HRV analysis we concluded that CVD patients, in overall, have lower HRV in comparison with healthy individuals.Diabetes mellitus (DM) é uma condição crónica em que o corpo produz insulina insuficiente, ou a qual não pode ser usada corretamente. Esta condição induz o comportamento cardiovascular anormal devido ao padrão irregular de níveis de glicose no sangue, sendo responsável por uma maior morbidade nos pacientes com DM. Assim, a pesquisa de métodos não invasivos de deteção precoce de patologias cardiovasculares é uma valiosa ajuda para o diagnóstico clínico. Este trabalho concentra-se na análise do eletrocardiograma (ECG) de pacientes com DM com diferentes patologias cardíacas. A metodologia de processamento de sinal adotada consiste em considerar o sinal de ECG como uma série temporal. A identificação do padrão de sinais para uma patologia específica é pesquisada analisando a semelhança entre representações de séries temporais do mesmo tipo de patologia e verificando a diferença entre patologias diferenciadas. A procura de semelhanças em séries temporais de sinais não estacionários pode ser realizada nos domínios do tempo, frequência ou transformados. Cada um desses métodos de semelhança apresenta prós e contras, os quais devem ser avaliados dentro das coortes consideradas neste estudo. Uma coleção de sete métodos de similaridade foi testada e avaliada quanto à sua capacidade de encontrar a semelhança entre cada coorte, considerando os 12 sinais convencionais do ECG (i, ii, iii, avr, avl, avf, v1, v2, v3, v4, v5, v6) e ainda os sinais de 3 sensores do tipo Frank (vx, vy, vz). As coortes foram compostas por sinais de ECG disponíveis no banco de dados público Physionet. Coortes diferentes foram criadas considerando grupos de dados relacionados a pacientes com o mesmo tipo de diagnóstico (infarto do miocárdio, diabetes mellitus, insuficiência renal, hiperuricemia, hipertensão arterial e controle de pessoas saudáveis), género e faixa etária. O desempenho dos métodos de medição de similaridade foi avaliado ao confrontar os resultados do processamento do sinal com as anotações clínicas contidas no banco de dados. Além disso, para ampliar a comparação dos resultados obtidos com a de outros investigadores que apresentam conclusões com base na variabilidade da frequência cardíaca, uma análise desse parâmetro também será relatada. A análise dos resultados permitiu a identificação do método de semelhança com melhor desempenho - o método do coeficiente de correlação de Pearson, o qual deve ser usado mediante restrições específicas de doença, isto é, diabetes mellitus e infarto do miocárdio, sendo obtido, neste caso, um ciclo cardíaco padrão com 73% de similaridade aos casos analisados. Confrontados os resultados obtidos com os publicados permitiu a confirmação das derivações ECG mais confiáveis (aVL, L1, V4 e VZ) para a identificação do infarto do miocárdio em pacientes com DM. No que diz respeito à análise da variação da frequência cardíaca, concluímos que pessoas com doenças cardiovasculares têm menor variação do ritmo cardíaco em comparação com pessoas saudáveis