Resumen

Este estudio presenta y evalúa el modelo matemático para estimar la media y la varianza de las señales de ECG de una sola derivación en el síndrome de apnea del sueño. Nuestro objetivo es utilizar la propiedad de volatilidad de la señal de ECG para el modelado. La señal ECG es una señal estocástica cuya media y varianza varían con el tiempo. Por lo tanto, proponemos descomponer esta no estacionariedad en dos componentes aditivos: una media móvil integrada autorregresiva homoscedástica (ARIMA) y una serie temporal heteroscedástica en términos de heterocedasticidad condicional autorregresiva exponencial generalizada (EGARCH), donde la primera captura la propiedad de linealidad y la segunda las características no lineales de la señal de ECG. En primer lugar, las señales de ECG se segmentan en segmentos de un minuto. A continuación, se examina la propiedad de heteroscedasticidad mediante diversas pruebas, como la prueba ARCH/GARCH, la curtosis, la asimetría y los histogramas. A continuación, se aplica el modelo ARIMA a las señales como modelo lineal y el EGARCH como modelo no lineal. Los órdenes apropiados de los modelos se estiman mediante el Criterio Bayesiano de Información (BIC). Evaluamos la eficacia de nuestro modelo en términos de error cuadrático medio (MSE), error cuadrático medio (RMSE), error absoluto medio (MAE) y error porcentual absoluto medio (MAPE). Los datos de este artículo se obtienen de la base de datos Physionet Apnea-ECG. Los resultados muestran que el modelo ARIMA-EGARCH funciona mejor que otros modelos para modelar tanto las señales ECG apneicas como las normales en el síndrome de apnea del sueño.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:Síndrome de apnea del sueño, señal ECG, Heteroskedasticidad Condicional Autorregresiva Generalizada Exponencial, Media Móvil Autorregresiva Integrada homoscedástica, Criterio de Información Bayesiano, error porcentual absoluto, series temporales heteroscedásticas, señales ECG de plomo, error cuadrático medio, señales ECG normales.
• Keywords:sleep apnea syndrome, ECG signal, Exponential Generalized Autoregressive Conditional Heteroskedasticity, homoscedastic Autoregressive Integrated Moving Average, Bayesian Information Criterion, absolute percentage error, heteroscedastic time series, lead ECG signals, mean square error, normal ECG signals