Doctorado en Biociencias · 2017
Clasificación de la profundidad anestésica en función del procesamiento digital de señales de los sistemas nervioso central y autónomo
La anestesia desempeña un papel fundamental en la práctica clínica, siendo esencial en procedimientos quirúrgicos. Corresponde a un proceso progresivo y reversible inducido por fármacos, en el que se procura un estado de pérdida de conciencia, analgesia e inmovilidad del paciente. El monitoreo de la profundidad anestésica del paciente, así como los mecanismos fisiológicos que subyacen este fenómeno constituyen una dinámica área de investigación. Por lo anterior este trabajo apunta a resolver la pregunta: ¿Es posible clasificar los estados de profundidad anestésica, al evaluar en conjunto la actividad de los sistemas nervioso central y autónomo, en el paciente quirúrgico durante la utilización de anestesia total intravenosa? Inicialmente, los fundamentos de la técnica anestésica junto a los modelos de farmacocinética y farmacodinamia, y la relación con la variabilidad de los índices de entropía de Datex-Ohmeda (Entropía Estado y Entropía de Respuesta) fueron explorados mediante la implementación de un estudio clínico cruzado aleatorizado. Este estudio fue publicado en una revista científica revisada por pares (Anexo 1). El análisis estadístico de este estudio consideró pruebas paramétricas (Entropía de Estado: p=0.64, T=0.54; Entropía de Respuesta: p=0.84, T=0.41) y no paramétricas (Entropía de Estado: p=0.57; Entropía de Respuesta: p=0.77,) para comparar el efecto de los modelos. Los resultados no evidenciaron diferencias estadísticamente significativas (p> 0.05 en todas las comparaciones). Sin embargo, el modelo propuesto por Marsh mostró marcados valores atípicos asociados a la inducción, estos valores y otros parámetros farmacocineticos sugieren una ligera superioridad del modelo de Schnider.
Texto completo 193 páginas con texto de 195
Leer la tesis completa Ficha en el repositorio
Contenido
- Abreviaturasp. 10
- Índice de Figurasp. 12
- Índice de Tablasp. 14
- Introducciónp. 15
- Pregunta de investigaciónp. 16
- Objetivosp. 17
- Metodología Generalp. 17
- Producción Académicap. 19
- Referenciasp. 21
- Capítulo 1: Fundamentos Fisiológicosp. 25
- Histología y anatomía general del encéfalop. 25
- Actividad Eléctrica de las Neuronasp. 28
- Electroencefalogramap. 30
- Conciencia, Anestesia y Sueñop. 33
- Sistema Nervioso Autónomop. 35
- Análisis de Variabilidad de la frecuencia cardiacap. 36
- Monitoreo de profundidad anestésicap. 40
- Referenciasp. 21
- Capítulo 2: Anestesiap. 44
- 2.1 Contexto Teóricop. 44
- 2.1.1 Mecanismos de acción de fármacos en anestesia generalp. 44
- 2.1.2 Anestésicos Volátilesp. 47
- 2.1.3 Anestésicos Intravenososp. 47
- 2.1.4 Sistemas de infusión controlados por objetivo (TCI)p. 48
- 2.1.5 Modelos de Farmacocinética y Farmacodinamiap. 49
- propofol usando índices de entropía espectralp. 53
- 2.2.1 Métodosp. 55
- 2.2.2 Resultadosp. 58
- 2.2.3 Discusiónp. 62
- 2.2.4 Conclusiones y relevancia clínicap. 65
- 2.3 Referenciasp. 21
- Capítulo 3: Análisis de Electroencefalograma y Complexity Brainwave Indexp. 69
- 3.1 Introducciónp. 15
- 3.2 Contexto Teóricop. 44
- 3.2.1 Mecanismos de sueño, anestesia, y patrones de onda en registros EEGp. 70
- 3.2.2 Análisis no lineal de la señal de Electroencefalograma en profundidad anestésicap. 74
- 3.2.2.1 Análisis de Entropíap. 74
- 3.2.2.2 Análisis en dominio de Frecuenciap. 79
- 3.3. Complexity Brainwave Indexp. 82
- 3.3.1 Materiales y Métodosp. 83
- 3.4.2 Resultadosp. 58
- 3.4.3 Discusiónp. 62
- 3.4.4 Conclusiones y relevancia clínicap. 65
- 3.5 Referenciasp. 21
- Capítulo 4: Clasificación de profundidad anestésicap. 98
- 4.1 Contexto teórico: Aprendizaje automatizado (Machine Learning)p. 98
- 4.1.1 Árbol de decisiónp. 99
- 4.1.2 Ensamble de Clasificadoresp. 100
- 4.1.3 Redes Neuronales Artificialesp. 103
- 4.1.4 Lógica Difusap. 108
- 4.2 Metodologíap. 110
- 4.3 Resultadosp. 58
- 4.4 Discusiónp. 62
- 4.5 Conclusiones y Relevancia Clínicap. 65
- 4.6 Referenciasp. 21
- 5. Conclusiones y trabajo futurop. 134
- 5.1 Trabajo Futurop. 135
- 5.2 Referenciasp. 21