hrv.expert

Analizador de VFC: métodos y comparación con Kubios

Todos los algoritmos que usa el analizador de VFC, el artículo en que se basa cada uno, qué fija el preajuste «Valores de Kubios» y cómo se comprobaron los resultados.

Última actualización:

El analizador calcula en el navegador medidas de la VFC en el dominio del tiempo, en el dominio de la frecuencia y no lineales a partir de intervalos RR. Tiene dos preajustes: «Valores del sitio», los ajustes que usa el resto de este sitio, y «Valores de Kubios».

El preajuste «Valores de Kubios» toma sus ajustes de análisis de la Kubios HRV User’s Guide, versión 3.5 (apartados 3.3 y 6). Dos de ellos no figuran en la guía: el preajuste activa la corrección por umbral de nivel medio, y su λ = 500 para eliminar la tendencia con el método smoothness priors es el valor predeterminado de los autores del método (Tarvainen y colaboradores). El nombre indica de dónde vienen los ajustes. No promete los mismos valores que Kubios.

Todavía no hemos comparado el analizador con Kubios HRV Standard, así que la columna de Kubios de la tabla siguiente dice «Aún sin comparar» en todas las filas. Sí lo hemos comparado con NeuroKit2, una biblioteca independiente y de código abierto para analizar la VFC, en registros públicos. La columna de NeuroKit2 indica qué medidas coinciden y con qué margen.

Abre el Analizador de VFC para usar estos métodos con tus propios registros.

Algoritmos

Algoritmo Qué hace el analizador Referencias Preajuste «Valores de Kubios» NeuroKit2 Kubios HRV Standard
Estadísticos en el dominio del tiempo Medidas: RR medio, Frecuencia cardiaca media, SDNN, RMSSD, lnRMSSD, SDSD, NN50, pNN50, NN20, pNN20 RR medio y frecuencia cardiaca media, SDNN (la desviación estándar muestral), RMSSD y lnRMSSD, SDSD, y NN50, pNN50, NN20 y pNN20, contados sobre las diferencias sucesivas. No se calcula ninguna diferencia entre dos intervalos separados por un latido que las reglas del sitio eliminaron o por una interrupción del registro. [1] Sin ajustes. Coincide dentro de la tolerancia:
  • RR medio, con una diferencia máxima de 0,1 ms
  • SDNN, con una diferencia máxima de 0,1 ms
  • RMSSD, con una diferencia máxima de 0,1 ms
  • pNN50, con una diferencia máxima de 0,1 puntos porcentuales
Aún sin comparar
Medidas geométricas Medidas: Índice triangular de la VFC, TINN Índice triangular de la VFC y TINN, a partir de un histograma con clases de 1/128 s (7,8125 ms), la anchura que eligió la Task Force. Se muestran en registros de 5 min o más. [1] Sin ajustes. Sin comparar Aún sin comparar
Medidas de larga duración Medidas: SDANN, Índice SDNN SDANN e índice SDNN en segmentos de 5 min. Se muestran cuando el registro contiene al menos dos segmentos completos. [1] Sin ajustes. Sin comparar Aún sin comparar
Corrección de artefactos por umbral Marca cada intervalo que se aleja de la mediana de hasta diez intervalos vecinos más de lo que permite el umbral del nivel: muy bajo 0,45 s, bajo 0,35 s, medio 0,25 s, fuerte 0,15 s o muy fuerte 0,05 s a 60 lpm, con umbrales menores a frecuencias cardiacas más altas. Cada intervalo marcado se sustituye por interpolación con spline cúbico (o lineal), de modo que el número de intervalos no cambia. Los resultados llevan una advertencia cuando se corrigieron más del 5 % de los intervalos. [2] Umbral medio, spline cúbico. La guía enumera los niveles, pero no indica ninguno como predeterminado. Sin comparar Aún sin comparar
Nivel de umbral automático Es una regla propia del analizador, no la corrección automática de Kubios. Toma el nivel más débil a partir del cual el número de intervalos marcados deja de aumentar, siempre que ese nivel marque al menos un intervalo y como máximo el 5 % de ellos. El texto de métodos expone la regla completa. [2] No se usa. Sin comparar Aún sin comparar
Reglas del sitio Elimina los intervalos fuera del rango de 300 a 2000 ms, o que se alejan más de un 25 % de la mediana de hasta diez vecinos dentro de ese rango, y no calcula ninguna diferencia sucesiva entre dos intervalos separados por un latido eliminado. El resto del sitio aplica las mismas reglas. Ninguna No se usa. Sin comparar Aún sin comparar
Remuestreo Para el periodograma de Welch, se traza un spline cúbico por los intervalos y se toman muestras a una frecuencia constante, 4 Hz salvo que la cambies. Ninguna 4 Hz, spline cúbico. Sin comparar Aún sin comparar
Eliminación de la tendencia con smoothness priors Elimina las tendencias lentas con λ = 500; en su lugar se puede eliminar una tendencia lineal o no eliminar ninguna. El analizador elimina la tendencia de la serie a 4 Hz antes del periodograma de Welch, y de la serie de latidos antes de las medidas no lineales cuando ese ajuste está activado. [3] Smoothness priors, λ = 500 (el valor predeterminado de Tarvainen; la guía no indica λ). Las medidas no lineales usan la serie con la tendencia eliminada. Sin comparar Aún sin comparar
Periodograma de Welch Medidas: Potencia VLF, Potencia LF, Potencia HF, Potencia total, ln VLF, ln LF, ln HF, LF n.u., HF n.u., LF/HF, Pico VLF, Pico LF, Pico HF Se promedian ventanas de Hann solapadas en un 50 %, y la potencia de cada banda es la suma de los puntos de frecuencia que caen dentro de ella. Los límites de las bandas se pueden cambiar y se puede activar una banda ULF. Un registro más corto que una ventana se analiza con un único periodograma, completado con ceros (véanse las diferencias conocidas más abajo). [4] , [1] Ventanas de 300 s, solapamiento del 50 %; VLF 0–0,04 Hz, LF 0,04–0,15 Hz, HF 0,15–0,4 Hz. Coincide dentro de la tolerancia:
  • Potencia LF, con una diferencia máxima de 1 %
  • Potencia HF, con una diferencia máxima de 6 %
  • LF/HF, con una diferencia máxima de 6 %
Aún sin comparar
Periodograma de Lomb–Scargle Medidas: Potencia VLF, Potencia LF, Potencia HF, Potencia total, ln VLF, ln LF, ln HF, LF n.u., HF n.u., LF/HF, Pico VLF, Pico LF, Pico HF Calcula el espectro directamente a partir de los instantes irregulares de los latidos, sin remuestreo ni eliminación de la tendencia, hasta el límite de banda más alto que esté en uso (como mínimo 0,5 Hz). Da las mismas medidas de banda que el periodograma de Welch. [5] , [6] No se usa. Sin comparar Aún sin comparar
Diagrama de Poincaré Medidas: SD1, SD2, SD2/SD1 SD1 a partir de las diferencias sucesivas, SD2 a partir de SD1 y la desviación estándar de la serie, y su cociente. [7] SD2 a partir de la serie con la tendencia eliminada. Coincide dentro de la tolerancia:
  • SD1, con una diferencia máxima de 0,01 ms
Aún sin comparar
Análisis de fluctuaciones sin tendencia Medidas: DFA α1, DFA α2 Usa cajas sin solapamiento de todos los tamaños de los rangos de α1 y α2; α1 y α2 son las pendientes de una recta ajustada en ejes log–log en cada rango. α2 necesita al menos cuatro cajas de su tamaño mayor. [8] α1 de 4 a 12 latidos y α2 de 13 a 64 latidos, sobre la serie con la tendencia eliminada. Coincide dentro de la tolerancia:
  • DFA α1, con una diferencia máxima de 0,05
Aún sin comparar
Entropía muestral y aproximada Medidas: Entropía muestral, Entropía aproximada Secuencias de m latidos que coinciden con una tolerancia de r × DE (desviación estándar). La entropía muestral no cuenta la coincidencia de una secuencia consigo misma; la entropía aproximada sí la cuenta. En registros más largos se usan los primeros 3000 latidos, para que el navegador siga respondiendo. [9] , [10] m = 2 y r = 0,2 × DE, sobre la serie con la tendencia eliminada. Coincide dentro de la tolerancia:
  • Entropía muestral, con una diferencia máxima de 0,0001 %
Aún sin comparar
Índice de estrés de Baevsky Medidas: Índice de estrés de Baevsky, Índice de estrés (√SI) A partir de un histograma de los intervalos con clases de 50 ms. El analizador da el índice de Baevsky y su raíz cuadrada, que Kubios presenta como su índice de estrés. [11] , [2] Sin ajustes. Sin comparar Aún sin comparar

Cómo hicimos la comparación

Los registros de referencia son diez fragmentos de intervalos RR, cinco de 5 min y cinco de 20 min, tomados de los registros nsr001 a nsr005 de la Normal Sinus Rhythm RR Interval Database de PhysioNet.

NeuroKit2 0.2.13 (Python 3.13.11, NumPy 2.5.4, SciPy 1.18.1) calculó sus valores el 16 oct 2026. Las pruebas automáticas del sitio analizan los mismos registros y fallan cuando una medida queda fuera de su tolerancia.

Para esta comparación se configuró el analizador con las opciones de NeuroKit2 en todo lo posible: sin corrección de artefactos, sin eliminación de la tendencia, una ventana de Welch de 64 s, las medidas no lineales sobre la serie sin procesar y el DFA α1 de 4 a 11 latidos. Los valores de NeuroKit2 se calcularon con esos mismos ajustes.

Medidas comparadas con NeuroKit2, con los ajustes igualados
Medida Diferencia permitida Mayor diferencia observada
RR medio 0,1 ms Solo de redondeo
SDNN 0,1 ms Solo de redondeo
RMSSD 0,1 ms Solo de redondeo
pNN50 0,1 puntos porcentuales Solo de redondeo
SD1 0,01 ms Solo de redondeo
Potencia LF 1 % 0,1 %
Potencia HF 6 % 4,7 %
LF/HF 6 % 4,4 %
Entropía muestral 0,0001 % Solo de redondeo
DFA α1 0,05 0,032

Con el preajuste «Valores de Kubios» frente a los valores predeterminados de NeuroKit2, las medidas en el dominio de la frecuencia difieren mucho más: la potencia HF, hasta un 200 %, y la potencia LF, hasta un 170 %. La mayor parte se debe a la ventana. La ventana de 300 s del preajuste da a un registro de 5 min un único periodograma, mientras que NeuroKit2 promedia ventanas de la mitad de la duración del registro. La eliminación de la tendencia, la forma en que cada uno suma la potencia de las bandas y la interpolación explican el resto. Las medidas en el dominio del tiempo siguen coincidiendo, salvo por el redondeo.

Kubios HRV Standard

Aún sin comparar. Cuando estén los resultados de Kubios HRV Standard para los mismos diez registros, esta página indicará su versión y la fecha, y una fila solo dirá que hay coincidencia donde sus medidas queden dentro de la tolerancia.

Diferencias conocidas respecto a Kubios HRV

  • Kubios HRV también da un espectro autorregresivo (AR). El analizador no lo da; ofrece el periodograma de Welch y el periodograma de Lomb–Scargle.
  • La guía de Kubios no dice si la eliminación de la tendencia actúa sobre la serie de latidos o sobre la serie remuestreada a 4 Hz. El analizador elimina la tendencia de la serie a 4 Hz para el espectro y de la serie de latidos para las medidas no lineales, así que cualquiera de las dos puede diferir de la de Kubios.
  • Cuando un registro es más corto que la ventana de Welch (por ejemplo, un registro de 5 min con la ventana de 300 s del preajuste), el analizador aplica la ventana de Hann solo a los datos, escala la potencia según esa ventana y completa el resultado con ceros hasta la longitud de la ventana completa. La rejilla de frecuencias sigue siendo la de la ventana completa, y la potencia de las bandas no se subestima. Kubios puede tratar este caso de otra manera, de modo que el espectro de un registro corto puede diferir ligeramente del de Kubios.
  • El índice de estrés de Kubios es la raíz cuadrada del índice de estrés de Baevsky. El analizador da ambos, con nombres distintos.
  • El nivel de umbral automático es una regla propia del analizador. La corrección automática de Kubios, en su edición Premium, es un método distinto.

Referencias

  1. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability: standards of measurement, physiological interpretation and clinical use. Circulation. 1996;93(5):1043–1065. doi:10.1161/01.CIR.93.5.1043
  2. Tarvainen MP, Lipponen J, Niskanen JP, et al. Kubios HRV software user’s guide. Kubios Oy. Version 3.5, 3 November 2021. https://www.kubios.com/downloads/Kubios_HRV_Users_Guide.pdf
  3. Tarvainen MP, Ranta-aho PO, Karjalainen PA. An advanced detrending method with application to HRV analysis. IEEE Transactions on Biomedical Engineering. 2002;49(2):172–175. doi:10.1109/10.979357
  4. Welch P. The use of fast Fourier transform for the estimation of power spectra: a method based on time averaging over short, modified periodograms. IEEE Transactions on Audio and Electroacoustics. 1967;15(2):70–73. doi:10.1109/TAU.1967.1161901
  5. Lomb NR. Least-squares frequency analysis of unequally spaced data. Astrophysics and Space Science. 1976;39(2):447–462. doi:10.1007/BF00648343
  6. Scargle JD. Studies in astronomical time series analysis. II - Statistical aspects of spectral analysis of unevenly spaced data. The Astrophysical Journal. 1982;263:835. doi:10.1086/160554
  7. Brennan M, Palaniswami M, Kamen P. Do existing measures of Poincare plot geometry reflect nonlinear features of heart rate variability? IEEE Transactions on Biomedical Engineering. 2001;48(11):1342–1347. doi:10.1109/10.959330
  8. Peng CK, Havlin S, Stanley HE, et al. Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series. Chaos: An Interdisciplinary Journal of Nonlinear Science. 1995;5(1):82–87. doi:10.1063/1.166141
  9. Richman JS, Moorman JR. Physiological time-series analysis using approximate entropy and sample entropy. American Journal of Physiology-Heart and Circulatory Physiology. 2000;278(6):H2039–H2049. doi:10.1152/ajpheart.2000.278.6.H2039
  10. Pincus SM. Approximate entropy as a measure of system complexity. Proceedings of the National Academy of Sciences. 1991;88(6):2297–2301. doi:10.1073/pnas.88.6.2297
  11. Baevsky RM, Chernikova AG. Heart rate variability analysis: physiological foundations and main methods. Cardiometry. 2017;(10):66–76. doi:10.12710/cardiometry.2017.10.6676