ABC | Volume 113, Nº4, Outubro 2019

Artigo Original Sánchez-Hechavarría et al. Desigualdade no espectro de VFC para avaliação do estresse mental Arq Bras Cardiol. 2019; 113(4):725-733 Tabela 1 – Índices de Gini Tradicionais e Espectrais da Variabilidade da Frequência Cardíaca durante o repouso e o estresse mental Variáveis Repouso Estresse Mental Tamanho do efeito Delta de Gates Valor de p X [*] DP [¥] CV (%) X [*] DP [¥] CV (%) Índice da VFC FC (bpm) 80,32 [75,5] 10,52 [15,6] 13,09 96,41 [91,4] 11,78 [21,1] 12,22 1,52 Grande 0,004 RMSSD (ms) 47,36 [44,10] 22,95 [26,45] 48,45 33,52 [32,20] 17,98 [27,30] 53,63 0,60 Médio 0,009 EDR (Hz) 0,24 [0,25] 0,05 [0,06] 20,82 0,21 [0,22] 0,04 [0,08] 23,73 -0,6 Pequeno 0,064 Índices Tradicionais [Largura de banda] LF (ms 2 /Hz) |0,04-0,15 Hz| 844,78 [689,27] 627,95 [789,86] 74,33 1373,44 [1123,02] 1003,01 [1560,15] 73,02 0,84 Médio 0,033 HF (ms 2 /Hz) |0,15-0,40 Hz| 1281,96 [986,91] 1429,36 [848,70] 111,49 758,91 [517,83] 691,12 [1001,75] 91,06 -0,36 Pequeno 0,046 LF1 (ms 2 /Hz) |0,04-0,085 Hz] 291,79 [283,39] 200,64 [180,87] 68,76 267,57 [235,48] 174,23 [224,52] 65,11 -0,12 Pequeno 0,650 LF2 (ms 2 /Hz) |0,085-0,15 Hz| 533,69 [435,59] 421,36 [580,17] 78,95 1086,58 [726,52] 861,88 [1308,89] 79,32 1,31 Amplo 0,019 LF/HF (ratio) 1,00 [0,69] 0,88 [0,79] 88,2 2,31 [1,93] 0,93 [1,60] 40,34 1,48 Amplo 0,002 Índices de Gini Espectrais [Largura de banda] SpG(LF) |0,04-0,15 Hz| 0,29 [0,29] 0,06 [0,08] 20,40 0,40 [0,39] 0,10 [0,16] 25,62 1,66 Amplo 0,009 SpG(HF) |0,15-0,40 Hz| 0,50 [,0,50] 0,08 [0,15] 17,35 0,45 [0,47] 0,09 [0,14] 20,00 -0,54 Pequeno 0,133 SpG(LF1) |0,04-0,085 Hz| 0,24 [0,21] 0,06 [0,07] 25,70 0,23 [0,22] 0,08 [0,12] 36,86 -0,19 Pequeno 0,382 SpG(LF2) |0,085-0,15 Hz| 0,28 [0,27] 0,07 [0,12] 26,22 0,35 [0,38] 0,10 [0,16] 29,71 0,85 Médio 0,033 p < 0,05. Média (X), DP: desvio padrão; CV: coeficiente de variação; VFC: variabilidade da frequência cardíaca; FC: frequência cardíaca; EDR: taxa de respiração derivada por ECG; LF: baixa frequência; HF: alta frequência; SpG: coeficiente de Gini espectral; RMSSD: raiz quadrada da média das diferenças ao quadrado entre os intervalos RR normais adjacentes. Mediana [*] e Intervalo Interquartílico [¥] para os que não aceitaram essa distribuição. A normalidade dos dados foi inicialmente determinada usando o teste de Shapiro-Wilk. Análise de Componentes Principais (PCA) é uma técnica para reduzir a dimensionalidade de dados constituídos de variáveis correlacionadas enquanto captura a maior parte da variação presente nos dados. 28 Existem tantos componentes principais (PCs) quanto variáveis originais. Cada PC é uma combinação linear das variáveis originais com um conjunto de pesos chamados “loadings”, que refletem as correlações entre os PCs e as variáveis originais. PC1 é o vetor direcional que representa o melhor ajuste para a nuvem de dados. PC2 é o vetor direcional ortogonal ao PC1 que fornece o melhor ajuste para a variabilidade residual nos dados e assim por diante. PCs são mutuamente não correlacionados. A redução efetiva da dimensionalidade é alcançada quando os primeiros PCs (dominantes) capturam a maior parte da variação presente nos dados. Informações úteis sobre a inter-relação entre as variáveis originais podem ser obtidas quando os PCs dominantes têm interpretações substantivas. A eficácia dos índices de Gini tradicionais e espectrais da VFC foi definida pela curva Receiver Operating Characteristic (ROC) por Sensibilidade, Especificidade e rea sob Curva, e seus respectivos valores de p foram utilizados com os pontos de corte entre repouso e estresse mental estabelecidos pelo Índice de Youden. Todos os cálculos estatísticos e matemáticos, bem como o processamento dos sinais, foram realizados utilizando o software Matlab 2012b. Resultados A Tabela 1 descreve os valores dos índices de Gini tradicionais e espectrais da VFC em repouso e durante o estresse mental. Houve diminuição significativa da HF (p = 0,046), aumento significativo da frequência cardíaca (p = 0,004), LF/HF (p = 0,002), LF (p = 0,033) e LF2 (p=0,019) durante o estresse mental, comparado ao repouso. Um aumento significativo na SpG(LF) (p = 0,009) e SpG(LF2) (p = 0,033) foi observado. A análise do Coeficiente de Variação mostrou que os Índices Gini Espectrais são mais homogêneos que os índices tradicionais da VFC. Os valores de correlação entre os índices de Gini tradicionais e espectrais da VFC em repouso e em estresse mental são mostrados na Tabela 2. Durante o repouso, houve alta correlação entre a FC e a SpG(LF1) (r = 0,721; p = 0,01) e entre a SpG(LF) e SpG(LF2) (r = 0,829; p = 0,01), boas correlações entre LF e SpG(LF2) (r = 0,645; 0,05) e entre LF2 e SpG(LF2) (r = 0,628; 0,05). Durante o estresse mental, houve uma boa correlação entre SpG(LF) e SpG(LF2) (r = 0,682; 0,05). A Figura 1 e a Tabela 3 representam a Análise dos Componentes Principais (PCA) dos Índices de Gini Tradicionais e Espectrais da VFC durante o repouso e o estresse mental. O PCA ajuda a reduzir as múltiplas características ou variáveis de uma amostra para apenas algumas dimensões (neste caso, apenas duas dimensões). Isso pode ser explicado 728