RMIB: Vol. 38 No. 1

(1)

ib

_{Desarrollo de una herramienta}

computacional para el análisis de

conductancia galvánica de la piel, ECG y

frecuencia respiratoria por arritmia

sinusal respiratoria

Relevant Tools for Tackling

Interoperability Problems on

Heterogeneous Electronic Health Record

Systems: An Exploratory Research

| Volúmen 38 | Número 1 | ENERO-ABRIL 2017

REVISTA MEXICANA DE

Ingeniería

Biomédica

ISSN 2395-9126

Incluye la Edición

Especial CNIB 2016

Versión extendida de los mejores

trabajos presentados.

Análisis de potencia de la membrana

basilar en la cóclea por resonancia

mecánica

Comportamiento morfológico y

electroquímico de un recubrimiento Dip

Coating

policaprolactona-quitosano-colágeno sobre Ti6Al4V

Gestión de equipos médicos:

implementación y validación de una

herramienta de auditoría

Patrones biomecánicos de referencia para

el diagnóstico temprano de trastornos del

equilibrio: Estudio piloto

Colágenas Recombinantes para Andamios

de Ingeniería de Tejidos

Detección de Trayectorias de

(2)

Sociedad Mexicana de Ingeniería Biomédica

La Mesa Directiva de la Sociedad Mexicana de Ingeniería Biomédica hace una extensa invitación a las personas interesadas en participar, colaborar y pertenecer como Socio Activo de la SOMIB. La SOMIB reúne a profesion-istas que se desarrollan en áreas de Ingeniería Biomédica, principalmente ingenieros biomédicos, así como otros profesionistas afines con el desar-rollo de tecnología para la salud.

Para ser socio

a) Presentar el formato de inscripción.

b) Realizar el pago de derechos, de acuerdo a la categoría.

c) Enviar correo adjuntando formato de inscripción, cur-rículum y comprobante de pago a [email protected].

d) Se emitirá carta de aceptación y constancia de membresía por parte de la mesa directiva

(aprobada la solicitud).

e) Para mayor información sobre los beneficios, ingresar a: www.somib.org.mx.

ib

AUTORES

Los trabajos a publicar en la RMIB, deben ser originales, inéditos y de excelencia. Los costos de publicación para autores son los siguientes:

NO SOCIOS: $4,060.00 PESOS MXN (INCLUYE I.V.A.) SOCIOS: $1,276.00 PESOS MXN (INCLUYE I.V.A.)

PUBLICIDAD

A las empresas e instituciones interesadas en publicitar su marca o productos en la RMIB, los costos por número son los siguientes:

MEDIA PLANA: $4,999.00 PESOS MXN (INCLUYE I.V.A.) UNA PLANA: $6,799.00 PESOS MXN (INCLUYE I.V.A.) CONTRAPORTADA: $7,799.00 PESOS MXN (INCLUYE I.V.A.) FORROS INTERIORES: $7,799.00 PESOS MXN (INCLUYE I.V.A.) DESCUENTO DEL 20% AL CONTRATAR PUBLICIDAD EN DOS O MÁS NÚMEROS.

La inserción de la publicidad es en el libro

electrónico y en el área de patrocinios en sitio

de la revista (RMIB):

www.rmib.org.mx

y/o

www.rmib.com.mx

Datos bancarios

› Beneficiario: Sociedad Mexicana de Ingeniería Biomédica A.C.

› Banco: Banamex-Citibank › Sucursal: 7010

› Cuenta:5953168

› CLABE: 002760701059531688

› SWIFT Code:BNMXMXMM

Membresía Estudiante Licenciatura

$683.00

PESOS MXN

15% de descuento para grupos de 5 o más personas. Membresía Profesional

$1,160.00

PESOS MXN

15% de descuento para grupos de 5 o más personas.

Membresía Profesional Técnico

$1,160.00

PESOS MXN

15% de descuento para grupos de 5 o más personas.

Membresía Empresarial

$12,760.00

PESOS MXN

No aplica descuento.

Membresía Institucional

$11,800.00

PESOS MXN

No aplica descuento.

(3)

ib

Fundador Dr. Carlos García Moreira

COMITÉ EDITORIAL

Editora en Jefe Dra. Nelly Gordillo Castillo UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Nacional

Dr. Rafael Eliecer González Landaeta UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dr. Christian Chapa González UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dr. Hugo Abraham Vélez Pérez UNIVERSIDAD DE GUADALAJARA

Dr. José Bargas Díaz UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

Dr. Jorge Isaac Chairez Oria INSTITUTO POLITÉCNICO NACIONAL

Dr. Arturo Minor Martínez CINVESTAV - IPN MÉXICO

Internacional Dr. Jorge Armony MCGILL UNIVERSITY (CAN)

Dr. Christopher Druzgalski CALIFORNIA STATE UNIVERSITY AT LONG BEACH (EUA)

Dr. Renato García Ojeda UNIVERSIDAD FEDERAL DE SANTA CATARINA (BRA)

Dr. Marc Madou UNIVERSITY OF CALIFORNIA AT IRVINE (EUA)

Dr. Mario J. Romero Ortega THE UNIVERSITY OF TEXAS AT DALLAS (EUA)

Dr. Hugo Leonardo Rufiner UNIVERSIDAD NACIONAL DEL LITORAL (ARG)

Dr. Max. E. Valentinuzzi UNIVERSIDAD DE BUENOS AIRES (ARG)

Dr. Eduard Montseny Masip

UNIVERSIDAD POLITÉCNICA DE CATALUÑA - BARCELONA TECH (ESP)

Dra. Pilar Sobrevilla Frisón

UNIVERSIDAD POLITÉCNICA DE CATALUÑA - BARCELONA TECH (ESP)

Índices

La Revista Mexicana de Ingeniería Biomédica aparece en los siguientes índices científicos:

Sistema de Clasificación de Revistas Científicas y Tecnologías del CONACYT - Q4, SCOPUS, SciELO, REDALyC, EBSCO, LATINDEX, Medigraphic Literatura Biomedica, Sociedad Iberoamericana de Información Científica - SIIC.

http://rmib.com.mx

ISSN 2395-9126

Editor Técnico y en Internet Enrique Ban Sánchez

Se autoriza la reproducción parcial o total de cualquier artículo a condición de hacer referencia bibliográfica a la Revista

Mexicana de Ingeniería Biomédica y enviar una copia a la redacción de la misma.

Sociedad Mexicana de Ingeniería Biomédica

(4)

Dr. Christian Chapa González UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dr. Edgar Román Arce Santana UNIVERSIDAD AUTÓNOMA DE SAN LUIS DE POTOSÍ

Dr. Edson Francisco Estrada Meneses UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dr. Eduardo Ulises Moya Sánchez UNIVERSIDAD AUTÓNOMA DE GUADALAJARA

Dr. Fernando Hernández Sánchez CENTRO DE INVESTIGACIÓN CIENTÍFICA DE YUCATÁN

Dr. Francisco Mesa Linares UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

Dr. Héctor M. Trujillo Arriaga UNIVERSIDAD AUTÓNOMA METROPOLITANA-IZTAPALAPA

Dr. Ignacio Hernández INSTITUTO NACIONAL DE REHABILITACIÓN

Dr. Israel Román Godínez UNIVERSIDAD DE GUADALAJARA

Dr. Jesús Enrique Chong Quero INSTITUTO TECNOLÓGICO DE MONTERREY

Dr. John Alexander Ramírez Martínez FUNDACIÓN CARDIOINFANTIL, BOGOTÁ, COLOMBIA

Dr. José Antonio Guerrero Díaz de León UNIVERSIDAD AUTÓNOMA DE AGUASCALIENTES Alejandro Hadad

UNIVERSIDAD NACIONAL DE ENTRE RÍOS, ARGENTINA

Alicia Lissette Sierra López UNITEC HONDURAS

Ana Leticia Iglesias

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

David Adame Brooks

CENTRO DE BIOFÍSICA MÉDICA, SANTIAGO DE CUBA

Dr. Aldo Mejía Rodríguez UNIVERSIDAD AUTÓNOMA DE SAN LUIS POTOSÍ

Dr. Alejandro García González TECNOLÓGICO DE MONTERREY, CAMPUS GUADALAJARA

Dr. Alfonso Alba Cadena UNIVERSIDAD AUTÓNOMA DE SAN LUIS DE POTOSÍ

Dr. Alfredo Odón Rodríguez González UNIVERSIDAD AUTÓNOMA METROPOLITANA

Dr. Andrés Antonio González Garrido UNIVERSIDAD DE GUADALAJARA

Dr. Carlos Alberto Martínez Pérez UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dr. Carlos Omar González Moran UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

Dr. César Omar Balderrama Armendáriz UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

ib

EVALUADORES RMIB 2016

Dr. José Antonio Sánchez Fernández INSTITUTO TECNOLÓGICO Y DE ESTUDIOS SUPERIORES DE MONTERREY

Dr. José David Díaz Román UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dr. José Luis Rivera Armenta INSTITUTO TECNOLÓGICO DE CIUDAD MADERO

Dr. José Manuel Cervantes Uc CENTRO DE INVESTIGACIÓN CIENTÍFICA DE YUCATÁN

Dr. José Manuel Mejía Muñoz UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dr. Juan Antonio Paz UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

Dr. Juan Luis Hernández Arellano UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dr. Juan Ramón Jiménez Alaniz UNIVERSIDAD AUTÓNOMA METROPOLITANA

Dr. Luis Jesús Villareal Gómez UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

Dr. Manuel Ramos

UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

(5)

Dr. Martín Méndez

UNIVERSIDAD AUTÓNOMA DE SAN LUIS DE POTOSÍ

Dr. Miguel Cadena Méndez UNIVERSIDAD AUTÓNOMA METROPOLITANA-IZTAPALAPA

Dr. Oscar Adrián Morales Contreras UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

Dr. Otoniel Portillo Rodríguez UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

Dr. Paul Medina Castro UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

Dr. Pedro Márquez Aguilar CENTRO DE INVESTIGACIÓN EN INGENIERÍA

Y CIENCIAS APLICADAS, UAEM

Dr. Rafael Eliecer González Landaeta UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dr. Ricardo Antonio Salido Ruíz UNIVERSIDAD DE GUADALAJARA

Dr. Roberto López Avitia UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

Dr. Román Vidaltamayo Ramírez UNIVERSIDAD DE MONTERREY

Dr. Sergio Camacho UNIVERSIDAD AUTÓNOMA SAN LUIS DE POTOSÍ

Dr. Simón Yobanny Reyes López UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dr. Wilfrido Calleja Arriaga INSTITUTO NACIONAL DE ASTROFÍSICA,

ÓPTICA Y ELECTRÓNICA

Dra. Adriana Martel Estrada Santos UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dra. Adriana Vilchis González UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

Dra. Amelia Portillo López UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

Dra. Citlalli J. Trujillo Romero INSTITUTO NACIONAL DE REHABILITACIÓN

Dra. Claudia Lerma González UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

Dra. Claudia Lucía Vargas Requena UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dra. Florinda Jiménez Vega UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dra. Guadalupe Dorantes Méndez UNIVERSIDAD AUTÓNOMA DE SAN LUIS POTOSÍ

Dra. Guadalupe Sandra Ulloa Godínez CENTRO UNIVERSITARIO DE CIENCIAS EXACTAS E

INGE-NIERÍAS DE LA UNIVERSIDAD DE GUADALAJARA

Dra. Imelda Olivas Armendáriz UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dra. Laura Peña Parás UNIVERSIDAD DE MONTERREY

Dra. Luz María Alonso Valerdi INSTITUTO TECNOLÓGICO Y DE ESTUDIOS SUPERIORES DE MONTERREY

Dra. María del Rocío Ortiz Pedroza UNIVERSIDAD AUTÓNOMA METROPOLITANA-IZTAPALAPA

Dra. Marisela Aguirre Ramírez UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

Dra. Miriam Estévez González UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

Dra. Nayeli Camacho Tapia CONSEJO NACIONAL DE CIENCIA Y TECNOLOGÍA

Dra. Norma Alicia Barboza Tello UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

Dra. Norma Pilar Castellanos UNIVERSIDAD AUTÓNOMA METROPOLITANA

Dra. Nydia Alejandra Castillo Martínez UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

Dra. Rebecca Romo Vázquez UNIVERSIDAD DE GUADALAJARA

Dra. Zaira Pineda Rico UNIVERSIDAD AUTÓNOMA DE SAN LUIS POTOSÍ

Gerardo Cesar Díaz Trujillo UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

Ing. Hiram Alejandro Cantú Campos UNIVERSIDAD DE MONTERREY

(6)

M. en C. Óscar Omar Solís Canto CENTRO DE INVESTIGACIÓN EN MATERIALES AVANZADOS, S.C.

M. en IB. Fabiola Margarita Martínez Licona UNIVERSIDAD AUTÓNOMA METROPOLITANA

Mtra. Adriana Álvarez Andrade UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

Mtro. Guillermo Avendaño Cervantes UNIVERSIDAD DE VALPARAÍSO, CHILE Ing. Jorge Takenaga Fukushima

UNIVERSIDAD DE MONTERREY

Ing. Lidia Núñez Carrera UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN

Ing. Óscar Eduardo Cervantes García INSTITUTO NACIONAL DE REHABILITACIÓN

Jorge Macías Díaz

UNIVERSIDAD AUTÓNOMA DE AGUASCALIENTES

Juan Antonio Paz González UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

M en C. Luis Ramón Siero González UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

M. en C. Ana Luz Portillo Hernández UNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ

M. en C. Caupolicán Muñoz Gamboa UNIVERSIDAD AUTÓNOMA METROPOLITANA

(7)

MESA DIRECTIVA 2016-2017

Ing. Elliot Vernet Saavedra PRESIDENTE

Ing. Francisco Javier Aceves Aldrete VICEPRESIDENTE

Ing. Herberth Bravo Hernández TESORERO

Dra. Nelly Gordillo Castillo EDITORA DE RMIB

Afiliada a:

International Federation of Medical and Biological Engineering (IFMB-IUPSM-ICSU) Federación de Sociedades Científicas de México, A.C. (FESOCIME)

Consejo Regional de Ingeniería Biomédica para América Latina (CORAL)

SOMIB

Plaza Buenavista #2, Col. Buenavista Del. Cuauhtémoc, C.P. 06350 Ciudad de México, México (555) 574-4505 www.somib.org.mx

REVISTA MEXICANA DE INGENIERÍA BIOMÉDICA, Vol. 38, No. 1, Enero-Marzo 2017, es una publicación cuatrimestral editada por la Sociedad Mexicana de Ingeniería Biomédica A.C., Plaza Buenavista #2, Col. Buenavista, Del. Cuauhtémoc, Ciudad de México, 06350, (555) 574-4505, www.somib.org.mx, [email protected]. Editor responsable: Nelly Gordillo Castillo. Reserva de Derechos al Uso Exclusivo No. 04- 2015-041310063800-203, ISSN (impreso) 0188-9532; ISSN (electrónico) 2395-9126, ambos otorgados por el Instituto Nacional del Derecho de Autor. Responsable de la última actualización de este número: Lic. Enrique Federico Ban Sánchez, Plaza Buenavista #2, Col. Buenavista, Del. Cuauhtémoc, Ciudad de México, 06350, (555) 574-4505, fecha de última modificación, 15 de diciembre de 2016.

El contenido de los artículos, así como las fotografías son responsabilidad exclusiva de los autores. Las opiniones expresadas por los autores no necesariamente reflejan la postura del editor de la publicación.

Queda estrictamente prohibida la reproducción total o parcial de los contenidos e imágenes de la publicación sin previa autorización de la Sociedad Mexicana de Ingeniería Biomédica.

Disponible en línea:

(8)

REVISTA MEXICANA DE INGENIERÍA BIOMÉDICA | Vol. 38 | No. 1 | ENERO - ABRIL 2017 8

Índice p 8

Editoral p 12

Artículo de investigación p 13

Desarrollo de una herramienta computacional para el análisis de conductancia galvánica de la piel, ECG y frecuencia respiratoria por arritmia sinusal respiratoria (SCRATER)

Development of a computational tool for the analysis of galvanic skin conductance, EKG and respiratory rate due to respiratory sinus arrhythmia (SCRATER)

Relevant Tools for Tackling Interoperability Problems on Heterogeneous Electronic Health Record Systems: An Exploratory Research

Herramientas Relevantes para Abordar Problemas de Interoperabilidad en Sistemas de Expedientes Clínicos Electrónicos Heterogéneos: una Investigación

Exploratoria

Power analysis of the basilar membrane in the cochlea by mechanical resonance.

Análisis de potencia de la membrana basilar en la cóclea por resonancia mecánica.

Comportamiento morfológico y electroquímico de un recubrimiento Dip Coating policaprolactona-quitosano-colágeno sobre Ti6Al4V

Morphological and electrochemical behavior of

polycaprolactone-chitosan-collagen film fabricated by Dip Coating on Ti6Al4V

CONTENIDO

CONTENTS

Gestión de equipos médicos: implementación y validación de una herramienta de auditoría Health technology management: implementation and validation of an audit tool

Patrones biomecánicos de referencia para el diagnóstico temprano de trastornos del equilibrio: Estudio piloto Biomechanical reference standards for earlydiagnosis of disturbancesof balance: pilot study

Colágenas Recombinantes para Andamios de Ingeniería de Tejidos.

Recombinant Collagens for Tissue Engineering Scaffolds.

Nota técnica p 115

Detección de Trayectorias de Espermatozoides Humanos Mediante Técnicas de Procesamiento de Video

Detection of Human Sperm Tracks Using Video Processing Techniques

Dinámica Pulmonar de Estructuras Anatómicas de Interés en Imágenes 4DCT.

Pulmonary Dynamics of Anatomical Structures of Interest in 4DCT Images

Evaluación de la Presencia de Disautonomía en Pacientes con Parkinson mediante el Análisis de Señales

Cardiovasculares.

(9)

Nota técnica p 155

Sistema de Apoyo para la Cuantificación Semiautomática de Fibrosis Pulmonar en Imágenes de TAC.

Support System for Semiautomatic Quantification of Pulmonary Fibrosis in CT Images

Sistema de apoyo para la toma de decisiones en termografía de glándulas mamarias

Clinical decision support system for decision making in mammary glands thermography

Tortuosidad discreta como medida morfométrica en tumores cerebrales

Discrete tortuosity as a morphometric measure in brain tumors

Characterization of the respiratory pattern in patients with chronic heart failure applying joint symbolic dynamics Caracterización del patrón respiratorio de pacientes con insuficiencia cardíaca crónica mediante análisis de dinámica simbólica conjunta

Prediciendo la Actividad Cardíaca de la Almeja Tivela stultorum con Digoxina Utilizando Redes Neuronales Artificiales

Predicting the Cardioactivity of Tivela stultorum clam with Digoxin Using Artificial Neural Networks

Characterizing the hippocampal theta’s response to carbachol; using a complete septo-hippocampal preparation

Caracterización de la respuesta theta del hipocampo al carbacol en una preparación septo-hipocámpica completa

Componentes Principales mediante Espectroscopia FTIR como Técnica de Caracterización Innovadora durante la Diferenciación de Células Madre Pluripotentes a Células Pancreáticas

Principal Components by FTIR Spectroscopy as Innovative Characterization Technique during Differentiation of Pluripotent Stem Cells to Pancreatic Cells

Coherence analysis of EEG in locomotion using graphs Análisis de coherencia de señales EEG en locomoción usando grafos

Efecto de Microemulsiones de Aceites Esenciales Sobre el Eritrocito Humano y Bacterias Patógenas

Effect of Microemulsions of Essential Oils on Human Erythrocyte and Pathogens Bacteria

Membrana de Quitosano con Aceites Esenciales de Romero y Árbol de Té: Potencial como Biomaterial Membrane of chitosan with essential oils of Romero and Tree of Te: Potential as biomaterial

Efecto del Medio Condicionado de la Línea Celular H9C2 Tratada con Dehidroepiandrosterona y Expuesta a Daño sobre la Motilidad de Células Troncales Mesenquimales Effect of the Conditioned Medium from H9C2 Cell Line Treated with Dehydroepiandrosterone and Exposed to Damage on the Motility of Mesenchymal Stem Cells

Evaluación de la Permeabilidad en Andamios Macroporosos de Bioglass 45S5 para Ingeniería de Tejidos

(10)

Comparación entre Células Troncales Mesenquimales obtenidas de Médula Ósea, Tejido Adiposo y Gelatina de Wharton en base a los Criterios de la ISCT

Comparison between Mesenchymal Stem Cells obtained from Bone Marrow, Adipose Tissue and Wharton Gelatin according to the ISCT Criteria

Adhesión y proliferación de las células troncales mesenquimales de médula ósea en andamios fibrilares de poli (ácido L-láctico) (PLA)

Adhesion and proliferation of bone marrow mesenchymal stem cells onto poli-L lactic acid (PLA) fiber scaffolds

Efecto de la dehidroepiandroesterona y el acetónido de triamcinolona sobre la línea celular 3T3-L1

Effect of dehydroepiandroesterone and triamcinolone acetonide on 3T3-L1 cell line

Preparación y Caracterización de Nanocompositos Quitosano-Cobre con Actividad Antibacteriana para aplicaciones en Ingeniería de Tejidos

Preparation and characterization of Copper Chitosan

Nanocomposites with Antibacterial Activity for Applications in Tissue Engineering

Influencia de la Posición de los Canales Colectores en la Presión Intraocular

Influence of the Collector Channels on the Intraocular Pressure

Caracterización óptica del Sistema Nervioso Central de Haementeria officinalis

Optical characterization of the Central Nervous System of Haementeria officinalis

Diseño de un Prototipo de Exoesqueleto para Rehabilitación del Hombro

Design of an Exoskeleton Prototype for Shoulder Rehabilitation

Segmentación automática del movimiento en la valoración funcional del miembro superior en niños con parálisis cerebral

Automatic movement segmentation in the upper limb functional assessment of children with cerebral palsy

Obtención y Análisis del Espectro de Absorción Óptico de Sangre de Rata Fisher con Daño Hepático Mediante Espectroscopia Fotoacústica

Obtaining and Analysis of Optical Absorption Spectrum of Fisher Rat Blood with Hepatic Damage by Photoacoustic Spectroscopy

Análisis de los espectros de absorción de las películas radiocrómicas EBT2 y EBT3

Analysis of the absorption spectra of EBT2 and EBT3 radiochromic films

Datos Fisiológicos de Baja California: PhysioBC, Resultados en Electrocardiografía 1

Physiological Data of Baja California: PhysioBC, Electrocardiographic Results 1

Efecto del pre-procesamiento del EEG en el Análisis por Componentes Independientes: reducción del artefacto del implante coclear en los Potenciales Evocados Auditivos

(11)

Sistema electrónico para reeducación postural estática en tiempo real

Electronic system for Static Postural Re-education in Real Time

Desarrollo de nanopartículas magnéticas Fe+32 X+21O4 (X= Fe, Co y Ni) recubiertas con amino silano

(12)

REVISTA MEXICANA DE INGENIERÍA BIOMÉDICA | Vol. 38 | No. 1 | ENERO - ABRIL 2017

12

CARTA EDITORIAL

Estimados lectores,

Es un gusto dar la bienvenida a un nuevo volumen de la Revista Mexicana de Ingeniería Biomédica en su primer número totalmente digital. Ha sido una magnífica experiencia y un año de arduo trabajo. Me gustaría aprovechar esta oportunidad para agradecer a los miembros del comité editorial, por su compromiso continuo con los estándares a los que aspira la revista.

Durante 2016 hemos ampliado nuestro grupo de excelentes revisores con el objetivo de dismi-nuir los tiempos de respuesta. Con una base tan amplia de apoyo, estamos ahora en una exce-lente posición para mejorar aún más la calidad de la producción de la revista. Con el apoyo con-tinuo de la Sociedad Mexicana de Ingeniería Biomédica y el Consejo Nacional de Ciencia y Tecnología, estamos trabajando en renovar la plataforma editorial, aspiramos a normas más exigentes en todos los aspectos de la gestión y operación de la revista sumándonos al uso del sistema Open Journal System.

Las contribuciones de autores extranjeros han ido en aumento permitiendo una mayor difusión de la RMIB en Latinoamérica, aumentando el número de lectores e impacto de la revista.

Esperamos trabajar con todos ustedes mientras continuamos haciendo de la Revista Mexicana de Ingeniería Biomédica un éxito y damos la bienvenida a sus trabajos, así como a sus comenta-rios como autores, lectores y revisores de la revista.

Me despido de ustedes agradeciendo la confianza depositada.

Nelly Gordillo Castillo

(13)

dx.doi.org/10.17488/RMIB.38.1.1

Desarrollo de una herramienta computacional para el análisis de

conductancia galvánica de la piel, ECG y frecuencia respiratoria por arritmia

sinusal respiratoria (SCRATER)

Development of a computational tool for the analysis of galvanic skin conductance,

EKG and respiratory rate due to respiratory sinus arrhythmia (SCRATER)

F.J. Alvarado-Rodríguez1_{, R. Romo-Vázquez2, H. Vélez-Pérez}2_{, A.A. González-Garrido}1 1_{Instituto de Neurociencias, CUCBA, Universidad de Guadalajara, Guadalajara, Jalisco, México.} 2_{Depto. Ciencias Computacionales, CUCEI, Universidad de Guadalajara, Guadalajara, Jalisco, México.}

RESUMEN

La existencia de una correlación entre la frecuencia cardíaca (FC), la frecuencia respiratoria (FR) y las respuestas electrodérmicas de la piel (Skin Conductance Response, SCR) ha sido reportada en la literatura, así como también el uso de estos parámetros como medida del nivel de activación del sistema nervioso autónomo. Objetivo: Este trabajo presenta una herramienta (SCRATER) para el análisis conjunto de SCR, FC y FR, las dos últimas, calculadas a partir del análisis del registro de electrocardiograma (ECG). Metodología: En esta investigación, se realizó una descripción detallada de cada algoritmo desarrollado, asi como una una descripción de la interfaz para utilizarlos. En la validación de los algoritmos empleados, se analizaron 192 registros de ECG y 231 registros de actividad elec-trodérmica (Electro-Dermal Activity, EDA) de 40 participantes masculinos sanos, de los cuales se calculó el número de complejos QRS y FC en cada registro de ECG y el número de SCRs de cada registro de EDA. Resultados: Los datos obtenidos fueron comparados con otras herramientas que analizan SCR y FC pero de manera independiente, ob-teniendo resultados equiparables mediante coeficientes de correlación. Limitaciones: El ruido y los artefactos pre-sentes en los registros no permiten una correcta estimación de los parámetros y afectan los resultados de todas las herramientas empleadas en el desarrollo de este trabajo. Valor: SCRATER ofrece tres ventajas principales sobre las otras herramientas: 1) libre acceso, 2) código abierto y no utiliza formatos codificados o exclusivos. Conclusión: Este trabajo proporciona una herramienta computacional gratuita que permite analizar simultáneamente SCRs, FC y FR.

PALABRAS CLAVE: Herramienta computacional, conductancia galvánica, SCR, ECG, frecuencia respiratoria, frecuencia cardíaca.

Vol. 38 | No. 1 | ENERO - ABRIL 2017 | pp 13-24

ib

(14)

ABSTRACT

The existence of a correlation between heart rate (HR), respiratory rate (RR) and skin conductance response (SCR) has been reported in the literature, as well as the use of these parameters as a measure of the activation level of the autonomous nervous system. Objective: This paper introduces a computational tool (SCRATER) developed with the aim to analyze simultaneous recordings of SCR, and heart and respiratory rates, which were calculated from the electrocardiogram recording (ECG) analysis. Methodology: In this research, a detailed description of each de-veloped algorithm was made, as well as a description of the interface to be used. In the validation of the algorithms used, 192 ECG records and 231 Electro-Dermal Activity (EDA) registers of 40 healthy male participants were an-alyzed, from which the number of QRS complexes and HR in each ECG record and the number of SCRs of each EDA record are calculated. Results: The data obtained were compared with other tools that analyze SCR and HR separately, obtaining comparable results using correlation coefficients. Limitations: The noise and artifacts present in the records do not allow a correct estimation of the parameters and affect the results of all the tools used in the development of this work. Value: SCRATER offers three main advantages over other tools: 1) free access, 2) open source and 3) does not use coded or exclusive formats. Conclusion: This work provides a free computational tool that allows simultaneous analysis of SCRs, FC and FR.

KEYWORDS: Computational tool, skin conductance resistance, ECG, respiratory rate, heart rate.

Correspondencia

DESTINATARIO: Hugo Abraham Vélez Pérez INSTITUCIÓN: Departamento de Ciencias

Computacionales, CUCEI, Universidad de Guadalajara DIRECCIÓN: Blvd. Marcelino García Barragán #1421, C.P. 44430, Guadalajara, Jalisco, México.

CORREO ELECTRÓNICO: [email protected]

Fecha de recepción:

14 de julio de 2016

Fecha de aceptación:

2 de septiembre de 2016

(15)

15

INTRODUCCIÓN

La actividad electrodérmica ha sido ampliamente uti-lizada como una medida del nivel de activación del sistema nervioso autónomo (arousal), que refleja la actividad del sistema nervioso simpático[1]_{. Se pueden}

observar dos tipos generales de medidas: las medidas tónicas (Skin Conductance Level, SCL) y las fásicas (Skin Conductance Response, SCR). Las primeras se refieren a los niveles básicos en la conductancia de la piel yson un indicador del nivel arousal mientras que las segundas se refieren a los cambios breves en la acti-vidad fisiológica tónica, los cuales están asociados a un estímulo identificado en la mayoría de los casos. En general, se considera como respuesta a toda variación en el nivel tónico superior o igual a 0.05 microsiémens (µS)[2]_{. Las medidas de SCRs en particular han ganado}

popularidad en estudios clínicos, neurocientíficos y lógicos sobre emociones, toma de decisiones y condi-cionamiento, orientación, atención y decepción [3]_{. Los}

elementos o medidas que componen la SCR son básica-mente 3: el tiempo de latencia, la intensidad y la dura-ción de la respuesta[4]_{. La medición de la actividad}

electrodérmica (Electro-Dermal Activity, EDA) puede hacerse de manera endosomática (sin la aplicación de una corriente externa) o exosomática (con la aplica-ción de una corriente directa o alterna)[5]_.

El análisis de la variabilidad de la frecuencia cardíaca es otro indicador que ha sido empleado para evaluar el estado funcional del sistema nervioso autónomo, especialmente en estadíos clínicos asociados al enve-jecimiento, enfermedad y estados psicológicos. Además, se ha observado una relación entre la activi-dad cardíaca y la frecuencia respiratoria[6]_{. La serie del}

intervalo R-R del electrocardiograma (ECG) es usada para evaluar los periodos de la frecuencia cardíaca, cuyas diferencias corresponden con los ciclos respira-torios de inhalación y exhalación. Típicamente, los periodos cardíacos disminuyen durante la inspiración e incrementan durante la expiración. Este fenómeno es llamado Arritmia Sinusal Respiratoria (Respiratory

Sinus Arrhytmia, RSA)[7]_{y se considera el componente}

periódico más sobresaliente de variabilidad de la fre-cuencia cardíaca[8]_.

En la literatura se reporta la existencia de una corre-lación entre la frecuencia cardíaca, la frecuencia respi-ratoria y las respuestas electrodérmicas de la piel ( con-ductancia)[1,6]_{. También existen diversas herramientas}

computacionales que estiman las respuestas de con-ductancia de la piel como SCRGAUGE[9]_{, Ledalab}[10]_,

SCRalyze[11]_{, Autonomate}[3]_{y herramientas para el}

estudio del ECG como ECGLab[12]_{, Kardia}[13]_{, Kubios}[14]

o LabVIEW Biomedical toolkit[15]_{. Por otro lado, han}

sido desarrolladas algunas herramientas que permiten estimar la frecuencia cardíaca y las respuestas de con-ductancia de la piel de manera simultánea como son: AcqKnowledge (BIOPAC Systems Inc., Goleta, CA) y Psychlab[16]_{. Sin embargo, la adquisición de este tipo de}

software implica un costo que en muchas ocasiones es elevado o bien, únicamente se permite el uso de for-matos específicos. La herramienta propuesta en este trabajo pretende ser gratuita, de código abierto y capaz de aceptar múltiples formatos, lo que le otorga eviden-tes ventajas sobre el resto de los programas desarrolla-dos con propósitos similares.

Debido a la relevancia que tiene la medición de SCL y SCR diversos trabajos en la literatura han sido reporta-dos. Sin embargo, sólo algunos de estos trabajos ref ie-ren el uso de alguna herramienta computacional que les permita estimar las respuestas de conductancia de la piel[17-20]_{; mientras que el resto no reportan el uso de}

tal herramienta[21-28]_{. Evidentemente, la ausencia de}

(16)

imple-F.J. Alvarado-Rodríguez et al. Desarrollo de una herramienta computacional para el análisis de conductancia galvánica de la piel, ECG y frecuencia respiratoria por arritmia sinusal respiratoria (SCRATER) 16

mentación y uso de una herramienta automática para la estimación de respuestas de SCL y SCR resulta valiosa en estudios en donde interviene la actividad electrodérmica. Lo anterior ubica a SCRATER como una importante y potencial herramienta dentro de la ingeniería biomédica nacional e internacional.

METODOLOGÍA

En este trabajo se emplearon registros adquiridos a través del método exosomático[5]_{, usando corriente}

directa debido a que es el más común. Este método se basa en la aplicación de un voltaje, en este caso 5 V, entre dos electrodos ubicados en la superficie de la palma de la mano. En esta configuración se incluye una resistencia de valor relativamente bajo en un arre-glo en serie con la piel (e.g. 1 kΩ). Debido a que la resis-tencia de la piel es del orden de 100 kΩ, esta resistencia en serie afectará de manera insignificativa al flujo de corriente a través de la piel.

El voltaje es entonces constante y, por ley de Ohm, la corriente I es calculada como:

donde V representa el voltaje (constante) y R_p la resis-tencia de la piel. En términos de la conductancia G, la Ec. 1 puede ser representada como:

De esta forma, la corriente que atraviesa la resistencia en serie será proporcional a la corriente medida y el voltaje registrado por:

donde R_s representa a la resistencia en serie y E es el voltaje que corresponderá a los cambios de conductan-cia de la piel [12]_.

Los componentes fásicos y tónicos de la actividad electrodérmica deben ser evaluados por separado ya que las SCRs son de amplitud pequeña.

Base de datos

En este trabajo se analizaron 423 registros en total (192 registros de ECG y 231 registros de EDA). Las señales estudiadas fueron obtenidas de 40 participan-tes masculinos sanos en 6 condiciones distintas: estado de ayuno (con 3 tareas de carga cognitiva dis-tintas) y en estado sin ayuno (con 3 tareas de carga cognitiva distintas). El rango de edad de los partici-pantes se encuentra entre los 19 y 35 años teniendo un promedio de 26.6 años y una desviación estándar de 5.01 años. El consentimiento informado de cada parti-cipante se obtuvo por escrito y el proyecto fue avalado previamente por el Comité de Ética del Instituto de Neurociencias de la Universidad de Guadalajara. Los registros EDA se obtuvieron por medio del método exosomático de corriente directa a 5 V, con un equipo Bioderm 2701, que cuenta con un ADC de 12 bits con una escala de amplificación de 500 mV por cada 0.1 µS. Las medidas se realizaron entre el dedo medio y el índice con electrodos de Ag/AgCl y empleando una pasta conductora de 0.08 M NaCl a una temperatura promedio de 22°C, y una humedad relativa del 40 al 60%. Estas condiciones originan una base de datos altamente especializada permitiendo evaluar SCRATER en distintas circunstancias.

(17)

F.J. Alvarado-Rodríguez et al. Desarrollo de una herramienta computacional para el análisis de conductancia galvánica de la piel, ECG y frecuencia respiratoria por arritmia sinusal respiratoria (SCRATER)REVISTA MEXICANA DE INGENIERÍA BIOMÉDICA | Vol. 38 | No. 1 | ENERO - ABRIL 201717 17

Señal SCR

Max (señal)

Min (señal)

Depuración (Max)

Depuración (Min)

Max y Min

SCRs

FIGURA 1: Descripción de módulos de SCRATER.

Algoritmo de detección de SCRs

Durante el registro de la conductancia de la piel se obtienen dos valores principales, el SCL y el SCR. El análisis de estos dos parámetros se puede hacer de manera completa o parcial si se realiza un paso previo de preprocesamiento con el objetivo de eliminar arte-factos y ruido de los registros. El algoritmo desarro-llado para la detección de SCRs en el registro de SCR se describe a continuación:

El algoritmo inicia buscando en la señal los picos máximos y mínimos absolutos en segmentos previa-mente definidos. Estos datos se guardan en vectores distintos (uno de máximos y el otro de mínimos). A partir de los valores guardados se realiza la elimina-ción de los datos repetidos, almacenando sólo los más repetidos, los cuales corresponderían a los picos y valles más representativos de la señal que se está ana-lizando. Para evitar datos redundantes que generen conflicto durante la búsqueda automática de picos de respuestas, se implementó una segunda depuración de datos repetidos. Esta metodología permite reducir la cantidad de datos del registro de varios millares a un centenar o incluso decenas de datos que contienen los puntos máximos y mínimos de la señal. A continua-ción, se concatenan ambos vectores (valles y picos) para buscar las SCRs a partir de los parámetros que se designen como umbral, sin necesidad de aplicar un filtro que afecte la naturaleza de los datos y obtener así las SCRs. En la Figura 2 se puede observar un dia-grama a bloques del Algoritmo 1.

Algoritmo detector de complejos QRS

Esta herramienta tiene por objetivo detectar los com-plejos QRS del ECG. Para esto, el algoritmo estima un factor a partir del promedio de los picos máximos y de los picos mínimos en ventanas de 1 s, dentro de los primeros 15 s de cada registro de ECG.

FIGURA 2: Algoritmo de detección de SCRs.

SCRATER

Conductancia

de la piel

SCRs

SCL

FC

FR

(18)

F.J. Alvarado-Rodríguez et al. Desarrollo de una herramienta computacional para el análisis de conductancia galvánica de la piel, ECG y frecuencia respiratoria por arritmia sinusal respiratoria (SCRATER) 18

Este factor representa la amplitud del complejo QRS y se emplea un valor entre el 30% y 50% del mismo para buscar valores similares en periodos de 10 ms a lo largo del registro de ECG. De este modo se estiman tanto la cantidad de pulsos cardíacos como su frecuencia media por minuto. El algoritmo desarrollado para la de detección de complejos QRS en el registro de ECG se describe enseguida:

Frecuencia respiratoria

La frecuencia respiratoria es estimada a partir del ECG, específicamente de la medición de los intervalos R-R de los registros. Estos intervalos se modifican durante la respiración, aumentando y disminuyendo su duración, haciéndose más largos durante la exhala-ción y más cortos durante la inhalaexhala-ción[7]_{. De esta}

forma es posible entonces detectar las curvas de inha-lación y exhainha-lación y así contar cada una de ellas mediante la graficación de la duración los intervalos R-R e implementación de las ecuaciones propuestas a continuación.

Si se cumple:

entonces:

Se considerará como una curva de respiración, donde Fr representa las magnitudes de los intervalos R-R y Cr el número de curvas respiratorias detectadas. Con lo anterior como base, la frecuencia respiratoria se calcu-laría entonces como:

donde min depende de la duración del registro anali-zado. Aunque no es tan precisa como la medición directa del flujo respiratorio, el cálculo de la frecuencia respiratoria a partir del ECG puede ser considerada como una estimación representativa de la frecuencia respiratoria[14]_.

Interfaz

La Figura 3 muestra la ventana principal de la herra-mienta propuesta. Como se puede apreciar, cuenta con dos secciones de análisis en las que se pueden visuali-zar las señales de conductancia, ECG y FR.

En la sección de conductancia, representada en la sección A de la Figura 3, la herramienta permite la modificación de tres parámetros de acuerdo a las nece-sidades del usuario para un mejor análisis de las SCRs:

1. El umbral de respuesta. Aunque en la mayoría de los reportes especializados en la literatura los valores típi-cos para el umbral se encuentran entre 0.02 y 0.05 µS, el valor puede ser modificado por el usuario de acuerdo a sus necesidades y criterio, para así determinar a par-tir de qué valor se considerará como una respuesta.

2. La ventana de análisis. Esta sirve para discriminar respuestas demasiado cortas o falsos positivos.

(19)

Una vez efectuado el análisis automático de respues-tas basado en los parámetros definidos por el usuario, se deben definir manualmente el inicio y el término de cada una de las SCRs en las que, de acuerdo a los crite-rios del usuario, se haya considerado que existe una respuesta. De esta manera pueden calcularse la dura-ción de cada respuesta, su intensidad, el tiempo de elevación y el tiempo de recuperación media. Dada la variabilidad que puede tener la respuesta de conduc-tancia y el comportamiento de su registro, se incluyó una función para agregar o eliminar manualmente picos de respuestas independientemente de su locali-zación automática. En cuanto a la SCL, el principal pará-metro calculado es el promedio del registro analizado.

La sección B de la Figura 3 está enfocada en el análisis del ECG. En esta parte se estima el número de latidos y la frecuencia cardíaca media durante el registro. La herramienta computacional cuenta con una función de ECG invertido que cambia el algoritmo de detección

FIGURA 3: Interfaz de SCRATER. La sección A) muestra la parte de análisis de conductancia galvánica de la piel y la sección B) la parte de análisis de ECG.

de complejos QRS, pues en ciertos registros, depen-diendo de la derivación empleada, el complejo QRS queda invertido respecto a la típica onda de ECG lo cual permite un correcto análisis de la frecuencia car-díaca. También incluye un factor de cálculo para adap-tar el algoritmo de mejor manera a las características propias del registro de ECG. La estimación de la fre-cuencia respiratoria se calcula a partir de las distancias entre cada complejo QRS. Esta señal genera curvas en cada ciclo respiratorio y cada una de estas curvas es considerada como una respiración.

(20)

TABLA 1: Parámetros calculados por interfaz de SCRATER. Los resultados de los parámetros que se obtuvieron con

SCRATER (Tabla 1) se compararon con Ledalab[10]_y

LabVIEW Biomedical toolkit[15]_{. Con la}_f_{inalidad de}

vali-dar nuestra herramienta computacional, se empleó el coeficiente de correlación como indicador de compara-ción principal entre los resultados. En la Tabla 2 se

agru-paron las varianzas, promedio y mediana de los resulta-dos de cada uno de los programas emplearesulta-dos, en los que se calculó la cantidad de SCRs, número de complejos QRS y frecuencia cardíaca durante todo el registro analizado, para conocer la dispersión de los datos generados y observar el comportamiento de los mismos.

La gráfica de los resultados de SCRs obtenidos en Ledalab y SCRATER de 3 diferentes umbrales equiva-lentes para considerar una respuesta SCR se observan

FIGURA 4: SCRs encontradas, Ledalab en azul y SCRATER en rojo. A) Coeficiente de correlación de 0.9373 con umbral de 0.06 µS, con una covarianza de 139.89. B) Coeficiente de correlación de 0.9371 con umbral de 0.1 µS, covarianza de 85.11.

C) Coeficiente de correlación 0.9408, con umbral de 0.2 µS, covarianza de 54.19.

en la Figura 4, la cual muestra un comportamiento similar de acuerdo a índices de correlación de hasta 0.9408.

(21)

Asimismo, la dispersión de los resultados observada tanto para Ledalab como para SCRATER demostró compor-tamientos homólogos entre ambas herramientas como lo muestra la Figura 5.

FIGURA 5: Análisis de dispersión de resultados de SCRs. En el lado A) se observan la dispersión de los resultados obtenidos con Ledalab y los tres umbrales empleados de 1) 100 unidades de medida (UM) adimensionales, 2) 200 UM y 3) 245 UM

como umbral. En el lado B) la dispersión de los resultados obtenidos con SCRATER y los tres umbrales empleados de 1) 0.06µS, 2) 0.1 µS y 3) 0.2 µS como umbral.

Respecto a la etapa de análisis de respuesta de con-ductancia de piel, los registros de EDA que mostraron mayor diferencia en el análisis de SCRs detectadas fueron aquellos que mostraban mayor actividad ( con-siderándose como una mayor oscilación de la señal de su estado basal) y posibles respuestas superpuestas. Estas diferencias son debidas al algoritmo empleado y la consideración de respuestas sobrepuestas o no en la señal de SCR debido a los parámetros establecidos como umbrales durante los análisis.

La frecuencia cardíaca entre LabVIEW Biomedical toolkit y SCRATER refleja un coeficiente de correlación de 0.9837 y la cantidad de complejos QRS detectados tiene una correlación de 0.9963. Se obtuvieron cova-rianzas entre los resultados de ambos programas de 99.0201 en el cálculo de frecuencia cardíaca y 4146.4 en conteo de complejos QRS como lo muestran los resultados de la Figura 6.

(22)

FIGURA 6: Resultados de análisis de ECG, en azul Labwiev y en rojo SCRATER. A) Gráfica que muestra la frecuencia cardíaca media. B) Cantidad de latidos por minuto detectados en cada registro.

FIGURA 7: Análisis de dispersión de resultados de ECG. La sección A) muestra la dispersión de la cantidad de complejos QRS detectados y la sección B) la dispersión de las frecuencias cardíacas de los registros analizados.

(23)

CONCLUSIONES

Diversos estudios han demostrado una correlación funcional entre distintas variables de origen autonó-micas como la actividad electrodérmica, la frecuencia cardíaca y la frecuencia respiratoria. En este contexto, se han desarrollado varias herramientas computacio-nales con el fin de estudiarlas y cuantificarlas pero adolecen de limitaciones principales: su costo, y el tipo de formato de aceptación de datos, usualmente limi-tado o exclusivo de determinada marca comercial.

Este trabajo presenta una herramienta computacional gratuita (SCRATER) que permite analizar simultá-nea-mente la conductancia galvánica de la piel, la frecuen-cia cardíaca y la frecuenfrecuen-cia respiratoria, medidas estas dos últimas a partir de registros de ECG.

RECONOCIMIENTOS

Se agradece al Laboratorio de Neurofisiología Clínica de la Universidad de Guadalajara por facilitar las bases de datos para probar esta toolbox. Este trabajo fue respaldado por los doctores del Centro Universitario de Ciencias Exactas e Ingenierías (CUCEI) de la Universidad de Guadalajara (UDG).

Los obtenidos por la herramienta presentada fueron comparados contra los valores estimados por 2 herra-mientas (Ledalab y Biomedical Toolkit de Labview) y tanto los análisis visuales como los cuantitativos pre-sentados en este trabajo demuestran que los resulta-dos obteniresulta-dos por SCRATER resultan equiparables a los estimados por las herramientas mencionadas.

SCRATER ofrece tres ventajas principales sobre las otras herramientas: 1) libre acceso, que permite un uso amplio e irrestricto; 2) código abierto, permitiendo modificaciones libres al código por parte de los usua-rios lo que deriva en una retroalimentación y mejora continua del programa y 3) SCRATER no utiliza forma-tos codificados o exclusivos, permitiendo así la libre importación de datos provenientes de diversos equi-pos comerciales y formatos.

(24)

[1] G. Wallin. “Sympathetic Nerve Activity Underlying Electrodermal and Cardiovascular Reactions in Man,” Psychophysiology, vol. 18, no. 4, pp. 470-476, 1981. DOI: 10.1111/j.1469-8986.1981. tb02483.x

[2] F. Lapuente, J. Amor, J. Selva. “Procedimientos de registro, medida y cuantificación de la actividad electrodérmica,” Anales de psi-cología , no. 2, pp. 3-20, 1985. http://revistas.um.es /analesps/arti-cle/viewFile /215801/170021

[3] S. Green, P. Kragel, M. Fecteau, K. LaBar. “Development and valida-tion of an unsupervised scoring system (Autonomate) for skin con-ductance response analysis,” International Journal of

Psychophysiology, vol. 91, no. 3, pp. 186-193, 2014. DOI: 10.1016/j. ijpsycho.2013. 10.015

[4] D. Levinson, R. Edelberg. “Scoring Criteria for Response Latency and Habituacion in electrodermal research: A critique,” Psychophysiology, vol. 22, no. 4, pp 417-426, 1985. DOI: 10.1111/j.1469-8986.1985.tb 01626.x

[5] W. Boucsein, D. Fowles, S. Grimnes, G. Ben-Shakhar, W. Roth, M. Dawson, D. Filion. “Publication recommendations for electroder-mal measurements,” Psychophysiology, vol. 49, pp. 1017-1034, 2012. DOI: 10.1111/j.1469-8986.2012.01384.x

[6] G. Macefield, G. Wallin. “The discharge behavior of single sympa-thetic neurons supplying human sweat glands,” Journal of the Autonomic Nervous System, vol. 61, no. 3, pp. 277-286, 1996. DOI: 10.1016/S0165-1838(96)00095-1

[7] P. Grossman and K. Wientjes. “Respiratory sinus arrhythmia and parasympathetic cardiac control: some basic issues concerning quantification, applications and implications,” in Cardiorespiratory and Cardiosomatic Psycophysiology, pp. 117–138, 1986. DOI: 10.1007/978-1-4757-0360-3_8

[8] G. Berntson, J. Bigger, D. Eckberg, P. Grossman, P. Kaufmann, M. Malik, et al., “Heart rate variability: Origins, methods, and inter-pretive caveats,” Psychophysiology, vol. 34, pp. 623-648, 1997. [9] W. Boucsein. “Electrodermal activity,” Springer Science & Business

Media, 2012.

[10] M. Benedek, C. Kaembach. “Decomposition of skin conductance data by means of nonnegative deconvolution,” Psychophysiology, vol. 47, no. 4, pp. 647-658, 2010. DOI:

10.1111/j.1469-8986.2009.00972.x

[11] D. Bach, G. Flandin, K. Friston, R. Dolan. “Time-series analysis for rapid evento-related skin conductance responses,” Journal of Neuroscience Methods, vol. 184, no. 2, pp. 224-234, 2009. DOI: 10.1016/j.jneumeth.20 09.08.005

[12] J. De Carvalho, A. da Rocha, F. de Olveira, J. Souza, L. Junqueira. “Development of a Matlab Software for Analysis of Heart Rate Variability,” en Signal Processing 2002 6th International Conference on, IEEE, vol. 2, pp. 1488-1491, 2002. DOI: 10.1109/ICOSP.2002. 1180076

[13] P. Perakakis, M. Joffilfy, M. Taylor, P. Guerra, J. Vila. “KARDIA: A Matlab Software for the analysis of interbeat intervals,” Computer Methods and Programs in Biomedicine, vol. 98, no. 1, pp. 83-89, 2010. DOI: 10.1016/j.cmpb.2009.10.002

[14] M. Tarvainen, J. Niskanen, J. Lipponen, P. Ranta-Aho, P. Karjalainen. “Kubios HRV- Heart Rate Variability Analysis Software,” Computer Methods and Programs in Biomedicine, vol. 113, no. 1, pp. 210-220, 2014. DOI: 10.1016/j.cmpb.2013.07.024

[15] S. Jain, P. Kumar. “LABVIEW based expert system for detection of heart abnormalities,” Advances in Electrical Engineering, pp. 1-5, 2014. DOI: 10.1109/ICAEE.2014.6838451

[16] Psychlab. Disponible en http:// www.psychlab.com, consultado el 15 de Junio del 2016.

[17] L. Carbonnell, F. Vidal, H. Sequeira, J. Caverni. “A reasoning bias revealed by electrodermal activity,” Psychophysiology, vol. 43, pp. 387-393, 2006. DOI: 10.1111/j.1469-8986.2006.004 13.x

[18] M. Forgiarini, M. Gallucci, A. Maravita. “Racism and the empathy for pain on our skin,” Frontiers in Psychology, vol. 2, pp. 1-7, 2011. DOI: 10.3389/fpsyg.2011.00108

[19] M. van Dooren, J. de Vries, J. Janssen. “Emotional sweating across the body: Comparing 16 different skin conductance measurement locations,” Physiology & behavior, vol. 106, no. 2, pp. 298-304, 2012. DOI: 10.1016/j.physbeh.2012.01.020

[20] C. Mackersie, N. Calderon-Moultrie. “Autonomic nervous system reactivity during speech repetition tasks: heart rate variability and skin conductance,” Ear and Hearing, vol. 37, pp. 118S-125S, 2016. DOI: 10.1097/AUD.0000000000000305

[21] R. Soussignan. “Duchenne smile, emotional experience, and auto-nomic reactivity: a test of the facial feedback hypothesis,” Emotion, vol. 2, no. 1, pp. 52-74, 2002. DOI: 10.1037/1528-3542.2.1.52

[22] D. Adolph, S. Schlösser, M. Hawighorst, B. Pause. “Chemosensory signals of competition increase the skin conductance response in humans,” Physiology & behavior, vol. 101, no. 5, pp. 666-671, 2010. DOI: 10.1016/j.physbeh.2010.08.004

[23] A. Breska, K. Maoz, G. Ben-Shakhar. “Interstimulus intervals for skin conductance response measurement,” Psychophysiology, vol. 48, no. 4, pp. 437-440, 2011. DOI: 10.1111/j.1

469-8986.2010.01084.x

[24] M. Naji, N. Hassanzadeh, H. Esmaeilpour Marandi. “Arousal and activation in a pistol shooting task,” Journal Mil Med, vol. 12, no. 4, pp. 185-190, 2012. http://www.militarymedj. ir/article-1-723-en.pd

(25)

ARTÍCULO DE INVESTIGACIÓN

ib

Vol. 38 | No. 1 | ENERO - ABRIL 2017 | pp 25-37

dx.doi.org/10.17488/RMIB.38.1.2

Relevant Tools for Tackling Interoperability Problems on Heterogeneous

Electronic Health Record Systems: An Exploratory Research

Herramientas Relevantes para Abordar Problemas de Interoperabilidad en Sistemas de

Expedientes Clínicos Electrónicos Heterogéneos: una Investigación Exploratoria

D. Ojeda-Carreño1, M.A. Cosío-León1, J.I Nieto-Hipólito1 1_{Universidad Autónoma de Baja California.}

ABSTRACT

Patients’ medical records have been originally based on paper and since 1865 the medical field recognized the need to improve the means for storing and retrieving disperse information. Electronic Health Records (EHR) systems face similar problems, with interoperability being one of them, it defined by IEEE standard glossary of software engineering terminology as: the ability among information systems to exchange data. Mainly, two perspectives of interoperability emerge: a) syntactic, which refers to the ability of an information system to import and validate grammar, as well as a set of construction rules utterances created by another system; and b) semantic, the ability to exchange data among systems and understand it in the same way, regardless of the source system, also called Semantic Interoperability on Information and Communication Technologies or SIICT. The use of standards, vocab-ularies and terminologies is a common practice for sharing data among heterogeneous EHR systems in order to face interoperability problems. This heterogeneity starts with the manner to collect and store data. This paper presents to e-health practitioners and researches relevant tools used to achieve interoperability in heterogeneous EHR sys-tems, as well as challenges and future trends to manage EHRs with the intention to achieve SIICT.

KEYWORDS:Electronic Health Record, Interoperability, Interoperability Standards, Hospital Information System, Semantic

(26)

REVISTA MEXICANA DE INGENIERÍA BIOMÉDICA | Vol. 38 | No. 1 | ENERO - ABRIL 2017 26

RESUMEN

Los registros clínicos de pacientes se basaron en papel originalmente, desde el año de 1865 se reconoció en el entor-no medico la necesidad de mejorar los medios para el almacenamiento y recuperación de información dispersa. Los Sistemas de Expediente Clínicos Electrónicos (ECE) enfrentan problemas similares, siendo uno de estos problemas, la interoperabilidad. La cual es definida por “IEEE standard glossary of software engineering terminology” como: la habilidad de intercambiar datos entre sistemas de información, donde dos perspectivas de interoperabilidad emer-gen: a) sintáctica, la cual se refiere a la habilidad de un sistema de información de importar y validar la gramática de datos, así como de un conjunto de reglas de expresiones creadas por otro sistema; y b) semántica, como la habi-lidad de intercambiar datos entre sistemas y de entenderlos de la misma forma, independientemente del sistema fuente, llamando a esto como Interoperabilidad Semántica sobre Tecnologías De La Información y Comunicación (ISTIC). El uso de estándares, vocabularios y terminologías es una práctica común para poder compartir datos entre sistemas ECE con el fin de enfrentar problemas de interoperabilidad. Esta heterogeneidad se da desde la forma en cómo se colecta y almacenan los datos. Este artículo presenta a los profesionales de salud e investigadores de e-sa-lud acerca de herramientas relevantes utilizadas para lograr la interoperabilidad de sistemas ECE heterogéneos, así como retos y futuras tendencias para administrar sistemas ECE con la intención de lograr ISTIC.

PALABRAS CLAVE: Expediente Clínico Electrónico, Interoperabilidad, Estándares de Interoperabilidad, Sistemas de Información

Hospitalaria, Interoperabilidad Semántica en e-Salud.

Correspondencia

DESTINATARIO: Dolores Ojeda Carreño

DIRECCIÓN: Carretera Transpeninsular Ensenada-Tijuana

#3917, Col. Playitas, C.P. 22860, Ensenada, Baja California, México

CORREO ELECTRÓNICO: [email protected]

Fecha de recepción:

10 de junio de 2016

(27)

27

INTRODUCTION

The IEEE standard glossary of software engineering terminology[1]_{defines the term interoperability as the} ability between two or more Information Systems (IS) to exchange information and use it. There are two major focus of interoperability: a) semantic, which is understood as the ability to exchange information among IS and understand it in the same way, regardless of the source system[2]_{. In the same context,} unambiguous data exchange is described as Semantic Interoperability on Information and Communication Technologies or SIICT; b) syntactic, which refers to the ability of an information system to import and validate grammar and/or a set of construction rules utterances created by another IS[3]_{. The lack of both produces} problems related with storing and retrieving disperse medical information. This paper’s contributions are two-fold, mainly focusing on describing standards, terminologies and controlled vocabularies to achieve both interoperability types found in the literature. Secondly, we analyzed Electronic Health Record Systems and the Hospital Information System (HIS) modules[4]_{, their relation to data context and the} impact of standards, terminologies and controlled vocabularies regulating data transactions to achieve interoperability.

Medical information is collected on a document known as medical record; this record was originally based on paper and physically stored. Actually, every patient has one since his/her birth, named on this paper as original medical record. This is consulted by cians and healthcare professionals (nurses, and physi-cian assistants, among other) who are allowed to access medical records. The aforementioned docu-ment has brought numerous problems for retrieving and storing medical information. These problems were identified since 1865, when the medical field recog-nized the need for “better means of storing and retriev-ing medical information”[5]_.

FIGURE 1: HIS sub-domains[4].

The above mentioned problems have been partially resolved through the use of Information Communication Technologies (ICT). These allow a decrease of medical records based on paper[6]_{, avoided paper limitations}[7] and empower the electronic health known as e-health[8] to make way to digital medical records[9]_{, called} Electronic Health Record (EHR), which allows health-care professionals to retrieve and store digital medical information[7]_{. Although, problems for sharing data} persist, and the consequences of having disperse elec-tronic medical records impact inaccurate clinical diag-nosis, which could generate serious consequences for the patient’s health; another consequence is that, it would be necessary to do diagnostic studies again, due to the disperse information. These consequences are reflected in the economic costs for patients due to duplication of medical studies[7]_.

This paper addresses the question: Currently, which are the relevant Medical Standards, vocabularies and terminologies for tackling interoperability problems?

(28)

Ojeda-Carreño et al. Relevant Tools for Tackling Interoperability Problems on Heterogeneous Electronic Health Record Systems: An Exploratory Research 28

In the Research Methodology section, it describes the methodology followed to retrieve information about tools to achieve interoperability in the literature. In the Section named Standards, Terminologies and Controlled Vocabularies related to EHR we describe our relevant findings; there is a discussion about interop-erability challenges in the Section named Discussion and, finally, we present our final analysis in the Section Conclusions and Future Work.

Electronic health record

A HIS manages administrative, clinical and financial issues in a hospital[10]_{. It has different sub-domains, as} shown in Fig. 1, one of them is EHR also called EMR (Electronic Medical Records) in the literature[7, 5]_{, but} as mentioned by Gaynor Mark et al. in[11]_the defini-tions adopted by the U.S. Department of Health & Human Services, EHR is: the patient’s complete health-care information and for EMR is: the medical informa-tion from a single medical interveninforma-tion. In this docu-ment, we consider using the acronym EHR instead of mixing both terms.

The mechanism designed to manage the EHR and its data sources is called EHR system[12, 5]_{, which includes:} a) the EHR creation, b) gathering data from physicians/ healthcare professionals, c) storing, consultation, retrieving and updating medical information, and d) the sharing of EHR among EHR Systems.

A brief summary of data sources for EHR addressed in this work are the following systems:

› Laboratory Information System (LIS): is a system

that manages[_{chemistry, hematology,} immunol-ogy, micro-biolimmunol-ogy, genetics, and other histo-pathological markers[7]_.

› Radiology Information System/Picture Archiving

and Communication System (RIS/PACS): the RIS

handles functions as reporting, scheduling of patient studies, imaging study management, among others[7]_{. On the other hand, PACS has the} following functions: manages capturing, storing and displaying medical images, as well as distribut-ing and retrievdistribut-ing medical images, and reports[13]_.

› Electronic Prescribing System (EPS): paper pre-scribing has been substituted in the electronic environment by electronic prescribing and the latter is handled by EPS also known as e-prescrib-ing, with the intention to reduce medication errors; where the communication between pre-scribers, pharmacies, pharmacists and patients is predominant[14]_.

› Personal Health Record System (PHRS) manages[15] the complete record of a patient’s medical history owned and maintained by the patient[11]_{, which} includes a summary of patients’ health history[16]_, medications; measuring physiological parame-ters such as body temperature, blood pressure and medical information[15]_{, including promoting} healthy habits[7]_.

From patient’s perspective, the benefits of EHR sys-tems to improve healthcare quality are many, for example: a) they promote proactive attitude on patients[8]_{, b) they reduce error medication}[14]_{, and c)} they promote healthy habits[7]_.

On other hand, the benefits for the physicians are: a) EHR is accessible at any time and place, b) they increase quality of medical services, and c) they allow expedited attention without neglecting efficiency in healthcare[17]_.