DFA α1

Otros nombres: DFA alpha 1, DFA a1, alpha1, α1, DFA α2, alpha2, análisis de fluctuaciones sin tendencia, DFA, exponente de escala a corto plazo, exponente de escala fractal

Exponente de escala a corto plazo del análisis de fluctuaciones sin tendencia. Cerca de 1, los latidos tienen memoria a todas las escalas; cerca de 0,5 se comportan como ruido. El α2 es la misma pendiente en tramos más largos.

Unidad: sin unidad (exponente)

F(n)∝nα,α1=dlog⁡F(n)dlog⁡n for 4≤n≤16F(n) \propto n^{\alpha},\qquad \alpha_1 = \frac{\mathrm{d}\log F(n)}{\mathrm{d}\log n}\ \text{for}\ 4 \le n \le 16

El DFA α1 es la pendiente de una recta en escala log–log que indica cómo crece la fluctuación de la serie de latidos con la longitud de la ventana con que la miras, medida en ventanas de 4 a 16 latidos. No tiene unidad.

Por qué existe esta medida

Peng, Havlin, Stanley y Goldberger introdujeron en 1995 el análisis de fluctuaciones sin tendencia (DFA) para responder a una pregunta que la desviación estándar no puede contestar: ¿se «acuerdan» los latidos unos de otros? En un ruido puro cada latido es independiente y la suma acumulada de la serie se desvía sin rumbo, como el paseo de un borracho; en una serie con correlaciones de largo alcance, esa desviación crece más deprisa con la escala. El exponente α\alpha recoge la diferencia: 0,5 para el ruido blanco, 1,0 para el ruido 1/f y 1,5 para un paseo aleatorio. Las series de latidos sanas mostraban correlaciones de largo alcance que se rompían en la insuficiencia cardiaca grave, y el mismo artículo halló un punto de cruce: la pendiente en ventanas cortas (α1) difiere de la pendiente en ventanas largas (α2), con el cambio de pendiente en torno a los 16 latidos. El documento de posicionamiento de 2015 de Sassi y colaboradores incluye el DFA entre los métodos fractales que han mejorado la comprensión de la señal, aunque considera que su uso clínico ha sido hasta ahora bastante limitado.

La fórmula

y(k)=∑i=1k(RRi−RRmean),F(n)=1N∑k=1N(y(k)−yn(k))2,F(n)∝nαy(k) = \sum_{i=1}^{k}\left(\mathrm{RR}_i - \mathrm{RR}_{\mathrm{mean}}\right),\qquad F(n) = \sqrt{\frac{1}{N}\sum_{k=1}^{N}\left(y(k) - y_n(k)\right)^2},\qquad F(n) \propto n^{\alpha}

Integra la serie: y(k)y(k) es la suma acumulada de las desviaciones de los intervalos respecto de la media. Divide yy en cajas de nn latidos, ajusta una recta yny_n en cada caja y calcula la raíz cuadrada de la media de los cuadrados de lo que queda, F(n)F(n). Repite para cada tamaño de caja y representa log⁡F(n)\log F(n) frente a log⁡n\log n. La pendiente entre 4 y 16 latidos es el α1, y entre 16 y 64 latidos es el α2 (Kubios usa por defecto de 4 a 12 y de 13 a 64, y Sassi y colaboradores señalan que muchos estudios clínicos toman el α1 en un rango de unos 4 a 11 latidos).

Ejemplo resuelto

¿Tiene memoria el ritmo?

Cinco minutos del registro de ejemplo

α1 (4–16 latidos)
0,49
α2 (16–64 latidos)
0,65

El registro en reposo es sintético: una onda de respiración limpia cada cuatro latidos con ruido aleatorio entre latidos, así que entre 4 y 16 latidos se parece casi a ruido (α1 0,49), y las ondas más lentas dan algo de memoria a la escala de 16 a 64 latidos (α2 0,65). Los registros reales en reposo suelen dar un α1 de alrededor de 1 o más.

Los controles funcionan cuando JavaScript está activado.

Análisis de fluctuaciones sin tendencia de cinco minutos del registro de ejemplo. Cada punto es la oscilación típica de la suma acumulada dentro de ventanas con un número dado de latidos; en ejes logarítmicos, los puntos caen sobre rectas cuyas pendientes son α1 (de 4 a 16 latidos) y α2 (de 16 a 64 latidos). El ruido blanco da 0,5; el ruido 1/f da 1. El registro de ejemplo es sintético y da alrededor de 0,5; los registros reales en reposo suelen dar alrededor de 1 o más. Cambia la serie, o mézclale ruido, y observa las pendientes.

Un gráfico logarítmico de la fluctuación frente al tamaño de ventana, de 4 a 64 latidos, con puntos para cada tamaño y dos rectas ajustadas: una sobre 4 a 16 latidos para α1 y otra sobre 16 a 64 latidos para α2. Unos indicadores dan α1 y α2, seguidos de una frase que los explica. Cuatro botones eligen el registro en reposo, el ruido blanco, el ruido 1/f o el registro con latidos ectópicos; un control deslizante mezcla ruido blanco en la serie elegida.

Cinco minutos del registro de ejemplo dan α1 = 0,49 y α2 = 0,65. Ese α1 es bajo a propósito: el registro es sintético, con una onda respiratoria limpia de más o menos un ciclo cada cuatro latidos y ruido aleatorio entre un latido y otro. En ventanas cortas parece casi aleatorio, mientras que la onda más lenta de la presión arterial y la deriva dan algo de memoria a las ventanas más largas. Los registros reales en reposo suelen dar un α1 de alrededor de 1 o más. Cambia a ruido blanco y las dos pendientes quedan cerca de 0,5 (α1 0,48, α2 0,50); cambia a ruido 1/f y las dos quedan cerca de 1 (α1 1,04, α2 1,03). Si Índice de estrés de Baevsky Un número, sin unidad, calculado a partir del histograma de los intervalos entre latidos. Sube cuando el ritmo se vuelve más estable y menos variable, algo que Baevsky interpretaba como tensión en la regulación del organismo. Más sobre Índice de estrés de Baevsky mezclas ruido en cualquier serie, el α1 se acerca a 0,5.

Qué lo hace variar

Una oscilación respiratoria intensa y regular en reposo puede bajar el α1, como muestra el registro de ejemplo. La intensidad del ejercicio lo hace pasar de alrededor de 1 con un esfuerzo fácil hacia 0,5 con un esfuerzo duro: Rogers y colaboradores hallaron en 2021, en 15 corredores, que el punto en que el α1 cruzaba 0,75 coincidía con el primer umbral ventilatorio, que es la base del método del umbral con DFA α1 que ofrecen algunas aplicaciones. La edad y las enfermedades del corazón también cambian los valores. Shaffer y Ginsberg señalan que el DFA se diseñó para registros de varias horas, y citan 120 segundos como mínimo ultracorto propuesto para el α1.

Cuándo engaña

Los latidos prematuros y los artefactos Artefacto Un error en el registro de los latidos (uno no detectado, uno de más o uno mal situado en el tiempo), a menudo por movimiento o mal contacto del sensor. Puede distorsionar mucho los valores de VFC. Más sobre Artefacto añaden saltos sin memoria y acercan el α1 al ruido, así que hay que limpiar antes la serie. Los rangos de las cajas difieren de un programa a otro, de modo que el α1 de Kubios y el de Peng no son idénticos. Los registros cortos dan un α2 calculado con muy pocas cajas para fiarse de él. Y un valor cercano a 1 no es «mejor»: es un patrón, y en contextos distintos se han asociado con peores resultados tanto los valores más altos como los más bajos.

Dónde lo verás

Kubios HRV muestra el DFA α1 y el α2 entre sus medidas no lineales. Algunas aplicaciones de entrenamiento muestran el α1 en directo durante el ejercicio para encontrar el umbral aeróbico. El grupo de trabajo (Task Force) de la Sociedad Europea de Cardiología y la North American Society of Pacing and Electrophysiology no lo trata; el documento de Sassi y colaboradores repasa la evidencia. Medidas no lineales de la VFC: ¿hacen falta? sopesa si algo de esto importa a quien lleva un reloj o un anillo.

Fuentes

  1. Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series Chaos, 1995
  2. 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, 2015
  3. An overview of heart rate variability metrics and norms Frontiers in Public Health, 2017
  4. A new detection method defining the aerobic threshold for endurance exercise and training prescription based on fractal correlation properties of heart rate variability Frontiers in Physiology, 2021
  5. HRV analysis methods Kubios

Todos los términos del glosario