Title: | Random sub-sampling cross validation for empirical correlation between heart rate variability, biochemical and anthropometrics parameters |
Authors: | Severyn, Erika Velásquez Fernández, Jesús María Herrera, Héctor Antonio Wong de balzan , Sara Null |
metadata.dc.ucuenca.correspondencia: | Severyn, Erika, severeynerika@usb.ve |
Keywords: | Empirical correlation Metabolic syndrome Random sub-sampling cross validation |
metadata.dc.ucuenca.areaconocimientofrascatiamplio: | 1. Ciencias Naturales y Exactas |
metadata.dc.ucuenca.areaconocimientofrascatidetallado: | 1.6.4 Bioquímica y Biología Molecular |
metadata.dc.ucuenca.areaconocimientofrascatiespecifico: | 1.6 Ciencias Biológicas |
metadata.dc.ucuenca.areaconocimientounescoamplio: | 05 - Ciencias Físicas, Ciencias Naturales, Matemáticas y Estadísticas |
metadata.dc.ucuenca.areaconocimientounescodetallado: | 0512 - Bioquímica |
metadata.dc.ucuenca.areaconocimientounescoespecifico: | 051 - Ciencias Biológicas y Afines |
Issue Date: | 2019 |
metadata.dc.ucuenca.embargoend: | 31-Dec-2050 |
metadata.dc.ucuenca.volumen: | Volumen 884 |
metadata.dc.source: | Advances in Intelligent Systems and Computing |
metadata.dc.identifier.doi: | 10.1007/978-3-030-02828-2_25 |
Publisher: | Springer Verlag |
metadata.dc.description.city: | Riobamba |
metadata.dc.type: | ARTÍCULO DE CONFERENCIA |
Abstract: | According to National Cholesterol Education Program-Adult Treatment Panel III, metabolic syndrome (MS) is a condition characterized by: Dyslipidemia, abdominal obesity, high levels in fasting glucose and arterial hypertension. Studies have explored indexes using dimensional analysis (DA) formed by anthropometric, biochemical and heart rate variability parameters for the diagnosis of MS. The dimensionless numbers made from DA have the capability to manage them as a mathematical functionality; therefore it is possible to relate them, even when the parameters used are not connected. The aim of this work is to find a polynomial equation using as variables two dimensionless numbers designed from anthropometrical and biochemical (π_IS) parameters and from heart rate variability (π_HRV) parameters. A fitting using a parametrical random sub-sampling cross validation (RSV) was performed using as an objective function the least squares method. A database of 40 subjects (25 control subjects and 15 subjects with MS) was employed. The polynomial parameters that best fit the database used correspond to a polynomial of order eight. The RSV substantially improves the adjustment of the polynomial compared to the application of the least squares method only (0.6678 vs. 0.3255). The polynomial relationship between π_IS and π_HRV allows the possibility to determine biochemical and anthropometric variables from heart rate variability parameters. Due to the limited number of subjects in the database used, it is necessary to repeat this methodology in a more extensive database to determine a more general polynomial that can be used with any type of population. |
Description: | Según el Programa Nacional de Educación sobre el Colesterol-Panel de Tratamiento de Adultos III, el síndrome metabólico (EM) es una condición caracterizada por: dislipidemia, obesidad abdominal, niveles altos de glucosa en ayunas e hipertensión arterial. Los estudios han explorado índices utilizando análisis dimensional (DA) formado por parámetros antropométricos, bioquímicos y de variabilidad de la frecuencia cardíaca para el diagnóstico de EM. Los números adimensionales hechos de DA tienen la capacidad de manejarlos como una funcionalidad matemática; por tanto, es posible relacionarlos, incluso cuando los parámetros utilizados no están conectados. El objetivo de este trabajo es encontrar una ecuación polinomial utilizando como variables dos números adimensionales diseñados a partir de parámetros antropométricos y bioquímicos (π IS ) y de la variabilidad de la frecuencia cardíaca (π HRV) parámetros. Se realizó un ajuste utilizando una validación cruzada de submuestreo aleatorio paramétrico (RSV) utilizando como función objetiva el método de mínimos cuadrados. Se utilizó una base de datos de 40 sujetos (25 sujetos de control y 15 sujetos con EM). Los parámetros polinomiales que mejor se ajustan a la base de datos utilizada corresponden a un polinomio de orden ocho. El RSV mejora sustancialmente el ajuste del polinomio en comparación con la aplicación del método de mínimos cuadrados únicamente (0,6678 frente a 0,3255). La relación polinomial entre π IS y π HRVpermite la posibilidad de determinar variables bioquímicas y antropométricas a partir de parámetros de variabilidad de la frecuencia cardíaca. Debido al número limitado de sujetos en la base de datos utilizada, es necesario repetir esta metodología en una base de datos más extensa para determinar un polinomio más general que se pueda utilizar con cualquier tipo de población. |
URI: | https://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=85055624575&origin=inward |
metadata.dc.ucuenca.urifuente: | https://link.springer.com/book/10.1007/978-3-030-02828-2 |
ISBN: | 978-303002827-5 |
ISSN: | 2194-5357 |
Appears in Collections: | Artículos
|
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.