UNIVERSIDADE FEDERAL DE SANTA CATARINA CAMPUS CENTRO TECNOLÓGICO
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
THIAGO GOMES TERRA
SOFTWARE DE GERENCIAMENTO, ANÁLISE E DETECÇÃO PRECOCE DA DISFUNÇÃO AUTONÔMICA EM INDIVÍDUOS COM DIABETES MELLITUS
Florianópolis 2020
THIAGO GOMES TERRA
SOFTWARE DE GERENCIAMENTO, ANÁLISE E DETECÇÃO PRECOCE DA DISFUNÇÃO AUTONÔMICA EM INDIVÍDUOS COM DIABETES MELLITUS
Dissertação submetida ao Programa de Pós-Graduação em Engenharia Elétrica da Universidade Federal de Santa Catarina para a obtenção do título de Mestre em Engenharia Elétrica
Orientador: Prof. Jefferson Luiz Brum Marques, PhD
Florianópolis 2020
Ficha de identificação da obra elaborada pelo autor,
THIAGO GOMES TERRA
SOFTWARE DE GERENCIAMENTO, ANÁLISE E DETECÇÃO PRECOCE DA DISFUNÇÃO AUTONÔMICA EM INDIVÍDUOS COM DIABETES MELLITUS
O presente trabalho em nível de mestrado foi avaliado e aprovado por banca examinadora composta pelos seguintes membros:
Prof. Jozias Parente de Oliveira, Dr. Universidade do Estado do Amazonas
Prof. Cesar Ramos Rodrigues, Dr. Universidade Federal de Santa Catarina
Certificamos que esta é a versão original e final do trabalho de conclusão que foi julgado adequado para obtenção do título de mestre em Engenharia Elétrica.
____________________________ Prof. Telles Brunelli Lazzarin, Dr
Coordenador do Programa
____________________________ Prof. Jefferson Luiz Brum Marques, PhD
Orientador
Dedico este trabalho aos meus pais, meu irmão, minha namorada e a toda a minha família que, com muito carinho e apoio, não mediram esforços para que eu chegasse até esta etapa de minha vida.
AGRADECIMENTOS
Agradeço primeiramente a Deus, por possibilitar que eu faça parte de uma família muito especial e permitir que eu possa cada vez aprender mais.
A todos os professores e funcionários do Instituto de Engenharia Biomédica da Universidade Federal de Santa Catarina, por dividirem o seu conhecimento e me auxiliarem no desenvolvimento do trabalho. Em especial ao meu orientador, professor Jefferson Luiz Brum Marques, por ser sempre um excelente profissional e demonstrar disposição, muita dedicação e amor pela profissão. Muito obrigado por confiar na minha capacidade, paciência diante de inúmeras conversas e por ter somado muito na evolução do meu conhecimento.
Aos colegas e amigos da pós-graduação que de alguma forma me ajudaram nesta caminhada por todo apoio e auxilio, sem os quais este trabalho não seria o mesmo.
Aos colegas do trabalho que me ajudaram e incentivaram nesta caminhada, em espacial ao Enrico, Bruno, Gustavo e Ana. Obrigado por todo apoio, auxilio e compreensão.
A minha namorada Juliana pelo amor, companheirismo, amizade e pelo apoio incondicional e paciência durante todo o período dessa jornada.
À minha família, em especial aos meus pais Marlene e Benonio, ao meu irmão Matheus e cunhada Gisele, que não medem esforços para me apoiar e incentivar nas minhas escolhas, mesmo que estas me façam não estar sempre presente.
RESUMO
O índice de adultos com Diabetes Mellitus (DM) no mundo é de aproximadamente 8,3% da população. Os pacientes com DM podem desenvolver complicações microvasculares (e.g., neuropatias e retinopatia) e macrovasculares (e.g., insuficiência cardíaca e infarto do miocárdio) antes do diagnóstico da doença. A Neuropatia Autonômica Cardiovascular (NAC), uma das complicações crônicas do DM, está associada a desfechos adversos como a taquicardia ventricular e o infarto do miocárdio. Torna-se fundamental a utilização de estratégias de
screening com o objetivo de identificar precocemente complicações relacionadas ao DM.
Encontra-se em desenvolvimento, no Instituto de Engenharia Biomédica da Universidade Federal de Santa Catarina (IEB-UFSC), um sistema de saúde ubíquo, denominado SDC-X –
Screening for Diabetes Complications, cujo objetivo é realizar a detecção precoce de
complicações em pacientes com DM utilizando diferentes metodologias de análise (e.g., análise da função autonômica e fundo de olho) com dados e informações centralizadas na nuvem. Uma unidade do sistema é composta por um módulo de aquisição de dados fisiológicos, um módulo concentrador, o módulo de armazenamento e o módulo de análise. O presente trabalho propõe o desenvolvimento do módulo concentrador, um software com a finalidade de auxiliar no gerenciamento, análise e detecção precoce da NAC em indivíduos com DM assim como a centralização dos dados na nuvem. A implementação do software inclui as funcionalidades de cadastrar e administrar dados de pacientes e usuários, realizar o controle da coleta de sinais de eletrocardiograma (ECG), fotopletismografia (PPG) e respiração, possibilitar a análise dos dados registrados via algoritmos de processamento digital de sinais e realizar o envio dos dados para o armazenamento e acesso na nuvem. Para o desenvolvimento do software foi utilizado a linguagem de programação Python versão 3.6.9 em conjunto com o framework PyQt5. Foi adicionado um banco de dados local utilizando o sqlite3 para o cadastro e gerenciamento de pacientes e usuários. Foram implementados métodos para a análise da Variabilidade da Frequência Cardíaca (VFC) e testes de reflexos cardiovasculares (protocolo de O’Brien) com a finalidade de avaliar a resposta do sistema nervoso autônomo (i.e., atividade simpática e parassimpática) a partir do sinal de ECG. Foi adicionado no software o envio dos dados armazenados e processados para um servidor de armazenamento (Amazon AWS S3) e banco de dados na nuvem (MongoDB Atlas) utilizando as bibliotecas de comunicação (boto3 e
pymongo). Para avaliar e validar o software desenvolvido foram utilizados dados simulados e
adquiridos de voluntários classificados em dois grupos (Sem DM - SD e Com DM Tipo 1 - CD). Os dados coletados foram comparados, utilizando o método de Bland-Altman, utilizando softwares comerciais e encontrados na literatura (e.g., Kubios e HRVAS). Na avaliação com os dados simulados os valores calculados pelo software desenvolvido foram iguais aos valores encontrados nos softwares Kubios e HRVAS. Em relação à avaliação utilizando dados adquiridos, a maioria dos parâmetros da VFC avaliados apresentaram forte correlação (r >0,7) e concordância entre os métodos avaliados com viés não estatisticamente significativo (p >0,05) para ambos os grupos SD e CD. Portanto, conclui-se que o software desenvolvido demonstrou ser uma solução adequada para realizar o screening da NAC na população com DM, uma vez que os parâmetros utilizados para avaliar a função autonômica apresentaram forte correlação e concordância (p >0,05) com os métodos de referência para ambos os grupos (SD e CD). Além disso, possibilita adição de novos métodos de análise, a centralização dos dados e informações na nuvem e análise remota dos resultados.
Palavras-chave: Diabetes Mellitus. Neuropatia Autonômica Cardiovascular. Análise da Função Autonômica. Variabilidade da Frequência Cardíaca. Software.
ABSTRACT
The rate of adults with Diabetes Mellitus (DM) in the world is approximately 8.3% of the population. Patients with DM can develop microvascular (e.g., neuropathies and retinopathy) and macrovascular (e.g., heart failure and myocardial infarction) complications before the diagnosis of the disease. Cardiovascular Autonomic Neuropathy (CAN), one of the chronic complications of DM, is associated with adverse outcomes such as ventricular tachycardia and myocardial infarction. It is essential to use screening strategies in order to identify complications related to DM early. A ubiquitous health system called SDC-X - Screening for Diabetes Complications - is under development at the Institute of Biomedical Engineering of the Federal University of Santa Catarina (IEB-UFSC). The objective of this system is to perform early detection of complications in patients with DM using different analysis methodologies (e.g., analysis of autonomic function and fundus examination) with data and information centralized in the cloud. A system unit consists of a physiological data acquisition module, a concentrator module, the storage module and the analysis module. This work proposes the development of the concentrator module, a computing system to assist the management, analysis and early detection of CAN in individuals with DM as well as the centralization of data in the cloud. The software implementation includes the functionality of registering and managing data of patients and users, controlling the collection of electrocardiograms (ECG), photoplethysmography (PPG) and respiration signals, enabling the analysis of the recorded data via digital signal processing algorithms and send data to storage and access in the cloud. For the development of the software, the programming language Python version 3.6.9 was used in conjunction with the PyQt5 framework. A local database was added using sqlite3 to register and manage patients and users. Methods for the analysis of Heart Rate Variability (HRV) and cardiovascular reflex tests (O'Brien protocol) were implemented in order to assess the response of the autonomic nervous system (i.e., sympathetic and parasympathetic activity) from the ECG. The sending of stored and processed data to a storage server (Amazon AWS S3) and database in the cloud (MongoDB Atlas) using the communication libraries (boto3 and pymongo) was added to the software. The software developed was evaluate and validate, using simulated data and acquired ECG, PPG and respiration signals from volunteers classified into two groups (Without DM - SD and With DM Type 1 - CD). The collected data were compared using the Bland-Altman method, using commercial software and found in the literature (e.g., Kubios and HRVAS). In the evaluation with the simulated data, the values calculated by the developed software were equal to the values found in the Kubios and HRVAS software. Regarding the evaluation using acquired data, most of the HRV parameters evaluated showed a strong correlation (r >0.7) and agreement between the methods evaluated with non-statistically significant bias (p >0.05) for both SD and CD groups. Therefore, it is concluded that the software developed proved to be an adequate solution to perform the screening of NAC in the population with DM since the parameters used to assess autonomic function showed a strong correlation and agreement (p >0.05) with the reference methods for both groups (SD and CD). Furthermore, it allows the addition of new analysis methods, the centralization of data and information in the cloud and remote analysis of results.
Keywords: Diabetes Mellitus. Cardiovascular Autonomic Neuropathy. Analysis of Autonomic Function. Heart Rate Variability. Software.
LISTA DE FIGURAS
Figura 1 - Representação esquemática do sistema nervoso autônomo simpático e
parassimpático. ... 21
Figura 2 - (a) Direção do fluxo sanguíneo no coração. (b) Representação dos tipos de circulação no corpo humano. ... 23
Figura 3 - Representação das estruturas do sistema excito-condutor do coração. ... 25
Figura 4 - Potenciais de ação em fibras cardíacas de (A) resposta rápida e (B) lenta. ... 26
Figura 5 - Componentes de um eletrocardiograma na derivação I. ... 28
Figura 6 - Variação da atenuação da luz em diferentes tecidos na forma de onda do PPG. .... 30
Figura 7 – Diferentes posicionamentos do diodo emissor de luz (LED – Light-Emitting Diode) e fotodetector (Photodetector) para o modo de (A) transmissão e (B) reflexão do PPG. ... 30
Figura 8 - Influências neurorregulatórias na taxa e ritmo sinusal, variabilidade da frequência cardíaca (VFC) e diferenças entre as análises de tempo e frequência na VFC. As influências neurorregulatórias (A) são integradas no Sistema Nervoso Central (SNC) e influenciam o nó sinusal (NS) via o Sistema Nervoso Autônomo. A análise no domínio do tempo da VFC (B) reflete a atividade autonômica geral, já a análise no domínio da frequência (C), pela a análise espectral da potência, permite diferenciar a componente de alta frequência (AF) e baixa frequência (BF) as quais refletem as atividades parassimpática e simpática, respectivamente. ... 37
Figura 9 - Gráfico da densidade do espectro de potência da análise no domínio da frequência da VFC para (a) um indivíduo saudável e (b) com Diabetes Mellitus. Demais bandas de frequências representada por “Else” nos gráficos. ... 40
Figura 10 - Exemplo do gráfico de Poincaré. O sistema de coordenadas 𝑋1 e 𝑋2 é estabelecido em 45° em relação ao eixo normal. O desvio padrão da distância dos pontos de cada eixo determina a largura (SD1) e o comprimento (SD2) da elipse. ... 43
Figura 11 - Gráfico de Poincaré de um indivíduo saudável (a) e com Diabetes Mellitus (b). . 45
Figura 12 - Digrama de blocos do funcionamento do sistema de screening de complicações do diabetes em desenvolvimento no IEB-UFSC. O módulo de aquisição é responsável por adquirir dados e envia-los para o módulo concentrador onde é realizado os processamentos e aplicado análises. Após esses dados podem ser enviados para o módulo de armazenamento onde podem ser acessados pelo módulo de análise. .... 46
Figura 13 – (a) Hardware 1 do módulo de aquisição. (b) Sensor de PPG e (c) cabo de ECG com 3 eletrodos. ... 48 Figura 14 - Hardware 2 do módulo de aquisição composto por: (a) plataforma M5Stack com bateria e display TFT e (b) sensor de pressão. ... 48 Figura 15 – Protocolo de comunicação para a troca de informações entre o módulo de aquisição e o módulo concentrador. ... 50 Figura 16 - Diagrama do funcionamento do módulo concentrador. (a) Software desenvolvido e suas funcionalidades de (b) registro e aquisição de dados, (c) armazenamento e envio dos dados e (d) análise e revisão dos dados. ... 52 Figura 17 - Diagrama da arquitetura de funcionamento da biblioteca RTGraph para Python. 54 Figura 18 – Representação do sinal de ECG (a) sem e (b) com o filtro passa-faixa entre 0,5 Hz e 40 Hz do tipo Butterworth de quarta ordem e filtro notch de 60 Hz... 55 Figura 19 – Representação da combinação dos canais e limiar adaptativo. ... 57 Figura 20 - Nomenclatura dos arquivos de aquisição do método O'Brien. Sendo: (a) número de identificação do paciente, (b) letra do primeiro nome, letra do segundo nome e sobrenome, (c) sigla do procedimento realizado, (d) data da aquisição e (e) número do exame realizado no dia da aquisição. ... 59 Figura 21 - Nomenclatura dos arquivos de aquisição do método VFC. Sendo: (a) número de identificação do paciente, (b) letra do primeiro nome, letra do segundo nome e sobrenome, (c) sigla do método em inglês, (d) data da aquisição e (e) número do exame realizado no dia da aquisição. ... 60 Figura 22 - Fluxograma de processamento realizado para a análise da VFC no software desenvolvido. ... 62 Figura 23 - Representação do posicionamento dos eletrodos de ECG, sensor de PPG e medidor de pressão arterial durante a coleta de dados. ... 69 Figura 24 – Fluxograma das etapas realizadas para avaliar e validar os parâmetros obtidos na análise de VFC. ... 71 Figura 25 - Sistema completo composto por: (a) módulo concentrador (computador com o software desenvolvido), (b) hardware 1 do módulo de aquisição com os cabos de ECG, PPG eletrodos descartáveis, (c) hardware 2 do módulo de aquisição com a sonda traqueal número 10 descartável e (d) medidor de pressão arterial. ... 73 Figura 26 – Modelagem do diagrama de caso de uso do software desenvolvido. ... 74
Figura 27 - Tela inicial do software desenvolvido (login de usuário). (a) Menu lateral com botões para acessar as funcionalidades do software. (b) Tela principal das funcionalidades do software. ... 75 Figura 28 - Tela de pacientes cadastrados no software. (a) Lista de pacientes com principais informações cadastradas. (b) Botão para adicionar novo paciente. (c) Botão para editar dados de paciente cadastrado. (d) Botão para realizar novo exame do paciente selecionado. (e) Botão para carregar exame realizado e resultados das análises salvos no banco de dados. (f) Botão para enviar dados para o módulo de armazenamento. (g) Botão para deletar paciente da base de dados do software. ... 76 Figura 29 - Janela do software para realizar cadastro de um novo paciente na base de dados. 77 Figura 30 - Tela para selecionar o tipo do exame a ser realizado. (a) Seleção do tipo de exame e (b) seleção do método de análise. ... 77 Figura 31 - Tela de aquisição de dados do software. (a) Gráficos da aquisição de dados dos sinais de ECG (azul), PPG (verde) e respiração (amarelo) e indicação do batimento cardíaco em tempo real. (b) Botões para configuração do protocolo de comunicação com o hardware. (c) Botões para alternar e pular os procedimentos do método de análise O`Brien. (d) Informações sobre o procedimento. (e) Botões para alternar a visualização dos gráficos e visualizar dados coletados (Viewer). (f) Botões para controlar a aquisição dos dados (Start, Stop, Record e Save). (g) Indicadores do tempo e porcentagem do progresso do procedimento de aquisição. ... 78 Figura 32 - Informações apresentadas ao usuário de acordo com o procedimento selecionado, sendo: (a) procedimento de respiração controlada, (b) procedimento de manobra de
Valsalva e (c) procedimento de mudança de decúbito. ... 79
Figura 33 – Tela de visualização de dados adquiridos (Viewer) no software desenvolvido. ... 80 Figura 34 - Janela para inserir valores de pressão arterial sistólica e diastólica medidos e batimento cardíaco durante a medição. ... 80 Figura 35 - Tela de visualização dos dados adquiridos de um sujeito saudável. (a) Abas de seleção do tipo de exame coletado. (b) Seleção do método de aquisição do exame, data e número. (c) Seleção do sinal para visualizar. (d) Gráfico dos sinais de ECG, PPG e respiração coletados e a VFC do sinal de ECG. (e) Delimitação da região do gráfico utilizada para processar a análise. ... 81 Figura 36 - Tela de visualização dos dados adquiridos de um sujeito saudável (sinal de respiração). ... 82
Figura 37 - Tela de resultados do método de análise O’Brien do software de um indivíduo saudável. (a) Abas de seleção do tipo de método de análise. (b) Seleção da data e número de procedimento e tipo de procedimento do método O’Brien. (c) Parâmetros calculados no método O’Brien. (d) Gráfico com as curvas de normalidade para respostas à frequência cardíaca em indivíduos saudáveis (curva vermelha representa o percentil inferior à 95% de confiabilidade e a curva verde percentil inferior à 90%). (e) Parâmetros de pressão sanguínea e batimento cardíaco medidos durante procedimento. (f) Pontuação composta baseado na pontuação dos procedimentos. 83 Figura 38 – Tela de resultados do método O’Brien no software desenvolvido de um sujeito com DM1 e NAC em estágio subclínico. (a) Gráfico do procedimento Valsalva do método O’Brien. (b) Pontuação composta com resultado de Neuropatia Autonômica em estágio inicial. ... 84 Figura 39 - Tela de resultados do método O’Brien no software desenvolvido de um sujeito com DM1 e NAC estabelecida. (a) Gráfico do procedimento Repouso do método O’Brien. (b) Pontuação composta com resultado de Neuropatia Autonômica Estabelecida. . 84 Figura 40 - Tela de resultados do método de análise da VFC no domínio do tempo de um indivíduo saudável. (a) Seleção do tipo de análise (domínio do tempo, domínio da frequência e não linear). (b) Gráficos do sinal de ECG processado com indicação das ondas R detectadas e gráfico de tacograma, relação do intervalo NN (linha verde) com o batimento cardíaco (linha vermelha). (c) Tabelas com os resultados dos parâmetros calculados. ... 85 Figura 41 – Tela de resultados da análise no domínio do tempo da VFC de um sujeito com DM1 e NAC em estágio subclínico. (a) Gráficos do sinal de ECG processado com indicação das ondas R detectadas e gráfico de tacograma, relação do intervalo NN (linha verde) com o batimento cardíaco (linha vermelha). (b) Tabelas com os resultados dos parâmetros calculados. ... 86 Figura 42 - Tela de resultados da análise no domínio do tempo da VFC de um sujeito com DM1 e NAC estabelecida. (a) Gráficos do sinal de ECG processado com indicação das ondas R detectadas e gráfico de tacograma, relação do intervalo NN (linha verde) com o batimento cardíaco (linha vermelha). (b) Tabelas com os resultados dos parâmetros calculados. ... 86 Figura 43 - Tela de resultados do método de análise da VFC no domínio da frequência de um indivíduo saudável. (a) Gráfico do resultado da densidade espectral da potência do sinal de VFC (número de pontos na FFT igual a 1024, Window Width igual a 256 e
Window Overlap igual a 50%). (b) Tabelas com parâmetros calculados para a análise
no domínio da frequência. ... 87 Figura 44 - Tela de resultados do método de análise da VFC no domínio da frequência de um sujeito com DM1 e NAC em estágio subclínico. (a) Gráfico do resultado da densidade espectral da potência do sinal de VFC (número de pontos na FFT igual a 1024, Window Width igual a 256 e Window Overlap igual a 50%). (b) Tabelas com parâmetros calculados para a análise no domínio da frequência. ... 88 Figura 45 - Tela de resultados do método de análise da VFC no domínio da frequência de um sujeito com DM1 e NAC estabelecida. (a) Gráfico do resultado da densidade espectral da potência do sinal de VFC (número de pontos na FFT igual a 1024,
Window Width igual a 256 e Window Overlap igual a 50%). (b) Tabelas com
parâmetros calculados para a análise no domínio da frequência. ... 88 Figura 46 - Tela de resultados do método de análise da VFC não linear de um indivíduo saudável. (a) Gráfico de Poincaré do sinal de VFC processado. (b) Tabela com resultados dos parâmetros calculados. ... 89 Figura 47 - Tela de resultados do método de análise da VFC não linear de um sujeito com DM1 e NAC em estágio subclínico. (a) Gráfico de Poincaré do sinal de VFC processado. (b) Tabela com resultados dos parâmetros calculados. ... 90 Figura 48 - Tela de resultados do método de análise da VFC não linear de um sujeito com DM1 e NAC estabelecida. (a) Gráfico de Poincaré do sinal de VFC processado. (b) Tabela com resultados dos parâmetros calculados. ... 90 Figura 49 – Tela para envio dos dados adquiridos e resultados das análises para módulo de armazenamento. (a) Botão para ativar função de envio e (b) botão para iniciar envio. ... 91 Figura 50 - Tela de configuração dos parâmetros para realizar a aquisição dos dados. (a) Configuração do tempo para realizar o procedimento de repouso do método de análise O’Brien. (b) Configuração do tempo do procedimento do método de análise da VFC. (c) Configuração da frequência de corte dos filtros aplicados no processamento do sinal de ECG. ... 92 Figura 51 - Tela de configuração dos parâmetros de análise. (a) Limites da pontuação composta para definição dos estágios da Neuropatia Autonômica durante o método de análise O’Brien. (b) Limites dos valores de mudança postural para incremento na pontuação
composta do cálculo do método de análise O’Brien. (c) Parâmetros para realizar a análise no domínio da frequência da VFC. ... 93 Figura 52 – Tela de configuração dos parâmetros para definir credenciais de acesso para realizar o envio dos dados para a nuvem. (a) Credenciais de acesso do servidor de armazenamento de dados (Access Key ID e Secret Access Key). (b) Informações e credenciais de acesso ao banco de dados na nuvem (Cluster ID, Database Name,
Username e Password). ... 94
Figura 53 – Resultados da análise no domínio do tempo da VFC do sinal simulado de ECG de 30min. ... 95 Figura 54 - Resultados da análise no domínio da frequência da VFC do sinal simulado de ECG de 30min. ... 96 Figura 55 - Resultados da análise não linear da VFC do sinal simulado de ECG de 30min.... 96
LISTA DE TABELAS
Tabela 1 - Valores normais de parâmetros de ECG e seus limites de um homem adulto saudável com batimento cardíaco de 60 bpm. ... 28 Tabela 2 – Índices estatísticos utilizados na análise no domínio do tempo do método VFC. .. 38 Tabela 3 – Principais parâmetros do módulo de aquisição. ... 49 Tabela 4 – Principais bibliotecas e toolkits utilizados para o desenvolvimento do módulo concentrador. ... 53 Tabela 5 – Parâmetros calculados na análise no domínio do tempo do método VFC. * ... 63 Tabela 6 – Valores dos parâmetros de configuração definido no software desenvolvido, Kubios e HRVAS para realizar a avaliação dos parâmetros obtidos na análise da VFC. .... 72 Tabela 7 – Resultados dos processamentos realizados no software desenvolvido (SDC-X), Kubios e HRVAS nos sinais de ECG gerados (8 min e 30 min). ... 95 Tabela 8 – Características da amostra constituída de 19 indivíduos saudáveis para avaliação e validação do software desenvolvido. ... 97 Tabela 9 – Características da amostra constituída de 20 indivíduos com DM1 para avaliação e validação do software desenvolvido. ... 98 Tabela 10 – Média e Desvio Padrão (DP) dos valores calculados do grupo Sem Diabetes (SD) e Com Diabetes (CD) em cada software (SDC-X, Kubios e HRVAS) para os parâmetros da análise no domínio do tempo da VFC. Viés e limite de concordância (LDC: 1,96 × 𝐷𝑃) das diferenças entre o software desenvolvido (SDCx) e Kubios e entre SDCx e HRVAS. *... 99 Tabela 11 – Média e Desvio Padrão (DP) dos valores calculados do grupo Sem Diabetes (SD) em cada software (SDC-X, Kubios e HRVAS) para os parâmetros da análise no domínio da frequência da VFC. Viés e limite de concordância (LDC: 1,96 × 𝐷𝑃) das diferenças entre o software desenvolvido (SDCx) e Kubios e entre SDCx e HRVAS. * ... 100 Tabela 12 - Média e Desvio Padrão (DP) dos valores calculados do grupo Com Diabetes (CD) em cada software (SDC-X, Kubios e HRVAS) para os parâmetros da análise no domínio da frequência da VFC. Viés e limite de concordância (LDC – 1,96 × 𝐷𝑃) das diferenças entre o software desenvolvido (SDCx) e Kubios e entre SDCx e HRVAS. * ... 101
Tabela 13 - Média e Desvio Padrão (DP) dos valores calculados do grupo Sem Diabetes (SD) e Com Diabetes (CD) em cada software (SDC-X, Kubios e HRVAS) para os parâmetros da análise não linear da VFC. Viés e limite de concordância (LDC – 1,96 × 𝐷𝑃) das diferenças entre o software desenvolvido (SDCx) e Kubios e entre SDCx e HRVAS. *... 102
LISTA DE ABREVIATURAS E SIGLAS
BRS Sensibilidade do Barorreflexo CD Com Diabetes
CSI Índice Simpático Cardíaco CVI Índice Vagal Cardíaco
DBaaS Base de Dados Como Serviço DFT Transformada Discreta de Fourier DG Diabetes Gestacional
DM Diabetes Mellitus DM1 Diabetes Mellitus tipo 1 DM2 Diabetes Mellitus tipo 2 ECG Eletrocardiograma
FFT Transformada Rápida de Fourier HF Alta Frequência
IC Intervalo de Confiança
IDE Ambiente de Desenvolvimento Integrado IEB Instituto de Engenharia Biomédica LF Baixa Frequência
NAC Neuropatia Autonômica Cardiovascular NAD Neuropatia Autonômica Diabética ND Neuropatia Diabética
NN20 Número de intervalos RR normais adjacentes com diferença de duração maior que 20ms
NN50 Número de intervalos RR normais adjacentes com diferença de duração maior que 50ms
pNN20 Porcentagem dos intervalos RR normais adjacentes com diferença de duração maior que 20ms
pNN50 Porcentagem dos intervalos RR normais adjacentes com diferença de duração maior que 50ms
PPG Fotopletismografia
PSD Densidade Espectral De Potência
RMSSD Desvio padrão das diferenças entre intervalos RR normais adjacentes SaaS Software Como Serviço
SD Sem Diabetes
SDC-X Screening for Diabetes Complications
SDNN Desvio padrão da média dos intervalos RR normais SDSD Desvio padrão das diferenças entre intervalos adjacentes SNA Sistema Nervoso Autônomo
SNP Sistema Nervoso Parassimpático SNS Sistema Nervoso Simpático
TCLE Termo de Consentimento Livre e Esclarecido UFSC Universidade Federal de Santa Catarina ULF Ultrabaixa Frequência
VFC Variabilidade da Frequência Cardíaca VLF Muito Baixa Frequência
SUMÁRIO 1 INTRODUÇÃO ... 15 1.1 OBJETIVOS ... 18 1.1.1 Objetivo Geral ... 18 1.1.2 Objetivos Específicos ... 18 1.2 JUSTIFICATIVA ... 19 2 FUNDAMENTAÇÃO TEÓRICA ... 20
2.1 SISTEMA NERVOSO AUTÔNOMO ... 20
2.2 SISTEMA CARDIOVASCULAR ... 22
2.3 ELETROCARDIOGRAMA ... 26
2.4 FOTOPLETISMOGRAFIA ... 29
2.5 DIABETES MELLITUS ... 31
2.5.1 Neuropatia Diabética ... 32
2.5.2 Screening de Complicações do Diabetes Mellitus ... 34
2.6 AVALIAÇÃO DA FUNÇÃO AUTONÔMICA ... 35
2.6.1 Análise da Variabilidade da Frequência Cardíaca... 36
2.6.1.1 Métodos Lineares... 37
2.6.1.2 Métodos Não Lineares ... 42
3 MATERIAIS E MÉTODOS ... 46 3.1 COMPONENTES DO SISTEMA ... 46 3.1.1 Módulo de Aquisição ... 47 3.1.1.1 Protocolo de Comunicação ... 49 3.1.2 Módulo de Armazenamento... 50 3.1.3 Módulo Concentrador ... 51 3.1.3.1 Registro e Aquisição ... 53
3.1.3.1.2 Aquisição para Análise da Variabilidade da Frequência Cardíaca ... 59
3.1.3.2 Análise e Revisão dos Dados ... 60
3.1.3.2.1 Método de Análise de O’Brien ... 60
3.1.3.2.2 Método de Análise da Variabilidade da Frequência Cardíaca ... 61
3.1.3.3 Armazenamento e Envio dos Dados ... 66
3.2 AVALIAÇÃO E VALIDAÇÃO DO SOFTWARE ... 67
3.2.1 Avaliação Com Dados Simulados ... 67
3.2.2 Aspectos Éticos ... 67
3.2.3 Protocolo de Coleta de Dados ... 68
3.2.4 Avaliação dos Parâmetros Obtidos nas Análises ... 70
4 RESULTADOS ... 73
4.1 MÓDULO CONCENTRADOR ... 73
4.1.1 Interface Gráfica ... 75
4.1.1.1 Cadastro e Gerenciamento de Pacientes ... 76
4.1.1.2 Aquisição de Dados ... 78
4.1.1.3 Visualização do Exame ... 81
4.1.1.4 Resultados das Análises ... 82
4.1.1.5 Envio dos Dados e Exportação Local ... 91
4.1.1.6 Configurações ... 92
4.1.2 Avaliação e Validação do Software ... 94
4.1.2.1 Dados Simulados ... 94 4.1.2.2 Dados Adquiridos ... 97 5 DISCUSSÃO ... 103 6 CONCLUSÃO ... 108 6.1 TRABALHOS FUTUROS ... 109 REFERÊNCIAS ... 110
APÊNDICE A – Esquema do Banco de Dados Local ... 120
APÊNDICE C – Parecer Consubstanciado do Comitê de Ética em Pesquisa em
Seres Humanos ... 123
APÊNDICE D – Termo de Consentimento Livre e Esclarecido (TCLE) ... 126
APÊNDICE E – Questionário ... 132
APÊNDICE F – Diagramas de Sequência do Sistema ... 134
1 INTRODUÇÃO
O termo diabetes descreve um grupo de distúrbios metabólicos caracterizados e identificados pela presença de hiperglicemia na ausência de tratamento. Essa hiperglicemia é o resultado de disfunção na secreção de insulina, ação da insulina ou ambos e distúrbios do metabolismo de carboidratos, gorduras e proteínas (WORLD HEALTH ORGANIZATION, 2019).
A insulina permite que as células do corpo utilizem a glicose do sangue como forma de energia. Já no caso da incapacidade de sua produção, ou da mesma não agir de forma adequada, ou ambos, conduz a elevados níveis de glicose sanguínea (i.e., hiperglicemia). A hiperglicemia possui diversas causas, algumas delas são: Diabetes Mellitus tipo 1 (DM1), Diabetes Mellitus tipo 2 (DM2) e Diabetes Gestacional (DG) (THE TASK FORCE ON DIABETES AND CARDIOVASCULAR DISEASES OF THE EUROPEAN SOCIETY OF CARDIOLOGY (ESC) AND OF THE EUROPEAN ASSOCIATION FOR THE STUDY OF DIABETES (EASD), 2013).
O número de pessoas com Diabetes Mellitus (DM) tem aumentado a cada ano, em 2000 cerca de 151 milhões de pessoas tinham DM, já em 2019 mais de 463 milhões de pessoas tinham a doença. A previsão para 2045 é que esse número aumente para 700 milhões de pessoas (INTERNATIONAL DIABETES FEDERATION, 2019). No Brasil, o número de pessoas com DM está aumentando proporcionalmente próximo a média mundial. De acordo com o Ministério da Saúde o índice de adultos (≥ 18 anos) com a doença no país em 2017 era de aproximadamente 7,6% da população, sendo o índice mundial aproximadamente 8,3% (BRASIL, 2019). Com essa média da população diagnosticada com DM, torna-se fundamental a utilização de estratégias de screening com o objetivo de identificar precocemente complicações relacionadas ao DM (MARTINEZ; SHERLING; HOLLEY, 2019).
A Neuropatia Diabética (ND) é uma das complicações crônicas mais presentes no DM (GANDHI et al., 2010). É um distúrbio do sistema nervoso autônomo (SNA) e do sistema nervoso somático sendo que mais da metade da população mundial que sofre com o DM desenvolve quadros de ND.
Na Neuropatia Autonômica Diabética (NAD) há um comprometimento dos sistemas simpático e parassimpático podendo gerar disfunção nos sistemas cardiovascular, gastrointestinal, geniturinário, sudomotor, metabólico e visual (DA SILVA et al., 2016; TESFAYE, 2019). Embora esta possa afetar qualquer sistema orgânico, geralmente se inicia
pelos sistemas neurovascular cutâneo (microcirculação dos pés) e cardiovascular. Com isso, o diagnóstico clínico da NAD é realizado quando a Neuropatia Autonômica Cardiovascular (NAC) já está estabelecida (GANDHI et al., 2010; ROLIM et al., 2008; VINIK et al., 2003). Porém, nesse estágio, a NAC está associada a vários desfechos adversos como: isquemia miocárdica silenciosa, disfunção ventricular subclínica e aumento da mortalidade (BHATI et
al., 2019; FISHER; TAHRANI, 2017; SPALLONE et al., 2011). Isto sugere que a identificação
precoce da NAC permite realizar o diagnóstico prévio da NAD.
Atualmente, os exames para diagnóstico de NAC são utilizados para avaliar a função autonômica e envolvem diversos testes de reflexos cardiovasculares via a análise das flutuações espontâneas e induzidas que ocorrem na frequência cardíaca e intervalo RR do eletrocardiograma (ECG) (AMERICAN DIABETES ASSOCIATION; AMERICAN ACADEMY OF NEUROLOGY, 1988; ROLIM et al., 2008). Os métodos mais sensíveis para avaliar a presença de NAC, e que não sejam invasivos, envolvem o estudo da Variabilidade da Frequência Cardíaca (VFC) dos intervalos RR (BHATI et al., 2019; DA SILVA et al., 2016; FISHER; TAHRANI, 2017).
De forma geral, a VFC descreve as oscilações dos intervalos entre batimentos cardíacos consecutivos (i.e., intervalos RR), que estão relacionadas às influências do SNA sobre o nódulo sinusal, sendo uma medida não-invasiva, que pode ser utilizada para identificar fenômenos relacionados ao SNA em indivíduos saudáveis, atletas e portadores de doenças. Por esse motivo, a VFC é considerada uma importante ferramenta pois fornece informações sobre as atividades do ramos simpático e parassimpático e o balanço simpático-parassimpático do SNA (DA SILVA et al., 2016; VANDERLEI et al., 2009).
A VFC pode ser analisada nos domínios do tempo e da frequência e utilizando técnicas não-lineares. No domínio do tempo, obtêm-se dados estatísticos ou geométricos dos intervalos RR normais durante determinado intervalo de tempo e após é calculado os índices que representam as flutuações dos ciclos cardíacos (TASK FORCE OF THE EUROPEAN SOCIETY OF CARDIOLOGY THE NORTH AMERICAN SOCIETY OF PACING ELECTROPHYSIOLOGY, 1996). Já no domínio da frequência é realizado a análise em termos de frequência e potência, das principais componentes no sinal de VFC. Nesse sentido, a densidade espectral de potência é o método linear mais utilizado (FISHER; TAHRANI, 2017; VANDERLEI et al., 2009).
Observa-se que existem sistemas e métodos de análise que são utilizados para o
screening de complicações relacionadas ao DM, porém existem poucos sistemas unificados
MCCONNELL et al., 2019). Nesse sentido, o uso de sistemas capazes de coletar, armazenar, analisar e concentrar os dados de pacientes pode ser uma alternativa, pois possibilitam aos profissionais da saúde o auxílio no tratamento e diagnóstico de doenças.
Atualmente encontra-se em desenvolvimento, no Instituto de Engenharia Biomédica da Universidade Federal de Santa Catarina (IEB-UFSC), um sistema de saúde ubíquo, denominado SDC-X – Screening for Diabetes Complications, cujo objetivo é realizar a detecção precoce de complicações em pacientes com DM utilizando diferentes metodologias de análise (e.g., análise da função autonômica e fundo de olho) com dados e informações centralizadas na nuvem. O sistema é formado por módulos de aquisição de dados fisiológicos, módulos concentradores, o módulo de armazenamento e o módulo de análise. Os módulos de aquisição de dados e os concentradores são distribuídos em centros organizacionais para permitir a coleta de dados da população. Já o módulo de armazenamento e o módulo de análise são distribuídos na nuvem.
Portanto, o presente trabalho propõe o desenvolvimento do módulo concentrador, um software com a finalidade de auxiliar no gerenciamento, análise e detecção precoce da NAC em indivíduos com DM assim como a centralização dos dados na nuvem.
1.1 OBJETIVOS
1.1.1 Objetivo Geral
Desenvolver o módulo concentrador do sistema SDC-X, um software capaz de auxiliar no gerenciamento, análise e detecção precoce da NAC em indivíduos com DM assim como a centralização dos dados na nuvem e acesso remoto. Esse software será baseado em técnicas de processamento de sinais para análise do ECG no intuito de utilizar tal indicador para o estudo da relação deste com a atividade do SNA bem como a avaliação da função autonômica em indivíduos.
1.1.2 Objetivos Específicos
Para cumprir o objetivo geral, foram definidos os seguintes objetivos específicos:
• Implementar em linguagem de programação Python um conjunto de algoritmos com interface gráfica capaz de gerenciar um banco de dados de pacientes e realizar a aquisição e armazenamento de sinais de ECG, fotopletismografia (PPG) e respiração;
• Implementar no sistema desenvolvido um conjunto de algoritmos capazes de analisar os dados coletados e aplicar métodos lineares e não lineares para a análise da função autonômica;
• Implementar no sistema desenvolvido um conjunto de algoritmos capazes de realizar o envio dos dados coletados e processados para um sistema de armazenamento na nuvem;
• Avaliar e validar o sistema desenvolvido investigando a variação dos parâmetros analisados em indivíduos saudáveis e indivíduos com DM1.
1.2 JUSTIFICATIVA
No DM a neuropatia é uma das complicações crônicas mais presentes, sendo um distúrbio do sistema nervoso autônomo e do sistema nervoso somático (GANDHI et al., 2010). O comprometimento desses sistemas pode gerar disfunções no corpo humano (DA SILVA et
al., 2016; TESFAYE, 2019).
Por estes motivos é de extrema importância a avaliação periódica dos indivíduos com diabetes para o diagnóstico precoce da NAD. A prática de exames não-invasivos auxilia no diagnóstico possibilitando alertar o médico e o paciente para um controle mais rigoroso do DM, bem como para o início de um tratamento mais específico antes que complicações se estabeleçam (GANDHI et al., 2010). Nesse sentido, o uso de sistemas capazes de coletar, armazenar, analisar e distribuir os dados de pacientes pode ser uma alternativa, pois possibilitam aos profissionais da saúde o auxílio no tratamento e diagnóstico de doenças.
Com base nessas informações, o presente estudo visa desenvolver um sistema capaz de auxiliar no diagnóstico precoce da NAD uma vez que essa alteração de saúde é a causa de taxas elevadas de morbidade e mortalidade em indivíduos com DM (DA SILVA et al., 2016; TESFAYE, 2019).
2 FUNDAMENTAÇÃO TEÓRICA
Neste capítulo é apresentada a fundamentação teórica, abordando tópicos que embasam o projeto executado. Inicialmente, serão revisados conceitos de fisiologia do sistema nervoso autônomo e cardiovascular e sua relação com o eletrocardiograma e a VFC. Também são apresentados conceitos da Diabetes Mellitus e Neuropatia Autonômica assim como sistemas e métodos de análise da função autonômica.
2.1 SISTEMA NERVOSO AUTÔNOMO
O Sistema Nervoso Autônomo (SNA), integrante do sistema nervoso periférico, é responsável por auxiliar na manutenção do ambiente corporal interno constante (homeostasia) participando das respostas coordenadas e apropriadas a estímulos externos. Esse sistema é composto por uma extensa rede de neurônios interconectados que estão amplamente distribuídos no corpo humano (BERNE et al., 2004, p. 217).
Essa extensão da rede de neurônios do SNA varia do sistema nervoso central ao periférico com diversos neurônios pré-ganglionares e pós-ganglionares que auxiliam a manter o controle local dos reflexos das funções autonômicas modulando a pressão arterial, batimento cardíaco, temperatura corporal, entre outros (GIBBONS, 2019). Para manter a homeostasia, o SNA atua em conjunto com o sistema endócrino e com o sistema de controle dos comportamentos, para tal a informação sensorial proveniente do sistema somatossensorial e dos receptores viscerais segue para os centros de controle homeostático localizados no hipotálamo, na ponte e no bulbo (SILVERTHORN, 2017, p. 360).
O SNA influencia seus alvos (e.g., músculos lisos, músculo cardíaco e glândulas) utilizando uma via dissináptica (i.e., dois neurônios). Para tal, os corpos celulares dos neurônios motores inferiores situam-se dentro de agrupamentos celulares denominados gânglios viscerais. Os neurônios nesses gânglios são chamados de neurônios pós-ganglionares e são controlados por neurônios pré-ganglionares, cujos corpos celulares situam-se na medula espinhal e no tronco encefálico (BEAR; CONNORS; PARADISO, 2017, p. 533).
O SNA é subdividido em dois sistemas, sendo eles o sistema nervoso simpático (SNS) e parassimpático (SNP). Essas subdivisões operam em paralelo, porém utilizam vias distintas quanto às suas estruturas e a seus sistemas de neurotransmissores.
No sistema simpático os neurônios pré-ganglionares surgem apenas a partir dos segmentos torácico e lombar com origem na substância cinzenta intermediolateral da medula
espinhal. Esses neurônios enviam axônios através das raízes ventrais para estabelecer sinapses com neurônios nos gânglios da cadeia simpática, que se situa próxima à coluna vertebral, ou em gânglios colaterais dentro da cavidade abdominal (Figura 1) (BEAR; CONNORS; PARADISO, 2017, p. 533; CRAVEN, 2011).
Figura 1 - Representação esquemática do sistema nervoso autônomo simpático e parassimpático.
Já no sistema parassimpático os axônios pré-ganglionares surgem apenas a partir do tronco encefálico e do segmento sacral da medula espinhal. Os axônios pré-ganglionares parassimpáticos dirigem-se para pontos mais distantes do que os axônios simpáticos, uma vez que os gânglios parassimpáticos estão, em geral, localizados nos órgãos-alvo ou próximos deles (Figura 1) (BEAR; CONNORS; PARADISO, 2017, p. 533; GIBBONS, 2019).
Além das distinções anatômicas entre os sistemas simpático e parassimpático, outra principal diferença entre esses sistemas está nos neurotransmissores secretados nos neurônios pós-ganglionares. Enquanto os neurônios pós-ganglionares da divisão simpática secretam principalmente a noradrenalina, os neurônios pós-ganglionares da parassimpática secretam acetilcolina (JOHNSON, 2019).
O neurotransmissor noradrenalina, responsável pela taquicardia, aumento da pressão arterial, entre outros, interage com receptores adrenérgicos para criar respostas fisiológicas simpáticas e consegue se difundir amplamente no corpo humano. Já a acetilcolina é responsável por causar bradicardia, diminuição da pressão arterial, entre outras ações antagônicas aos produzidos pelos neurônios adrenérgicos e seus efeitos são locais (órgão alvo) atuando inteiramente por meio dos receptores nicotínicos (BEAR; CONNORS; PARADISO, 2017, p. 537; JOHNSON, 2019).
O nervo vago é a principal estrutura periférica do SNP possuindo fibras eferentes que inervam diversos órgãos como o coração, pâncreas e fígado. No coração, os átrios, o nó sinoatrial, o nó atrioventricular, o miocárdio e o sistema de condução ventricular são inervados por fibras vagais eferentes pós-ganglionares. Os efeitos da estimulação do nervo vago incluem: redução da frequência cardíaca, redução da condução atrioventricular, mudanças nos limiares para indução da fibrilação atrial, entre outros (CAPILUPI; KERATH; BECKER, 2019).
2.2 SISTEMA CARDIOVASCULAR
O sistema cardiovascular é um circuito fechado que possibilita a vida para cada célula do corpo humano trabalhando para manter e fornecer as necessidades metabólicas do organismo. Para suprir as necessidades nutricionais e imunológicas esse sistema conta com estruturas como o coração, artérias, veias, capilares, entre outras (STEFANOVSKA; BRAČIČ, 1999).
A principal função do sistema cardiovascular é transportar materiais para e de todas as partes do corpo. As substâncias transportadas por esse sistema podem ser divididas em: nutrientes, água e gases que entram no corpo a partir do ambiente externo, materiais que se
movem de célula a célula no interior do corpo e resíduos que as células eliminam (SILVERTHORN, 2017, p. 437).
O coração é um órgão que pesa cerca de 0,5% do peso corporal e é composto por duas bombas em série. Uma das bombas é responsável por bombear sangue para os pulmões, para as trocas de oxigênio e gás carbônico (circulação pulmonar) e a outra é responsável por bombear sangue para todos os outros tecidos do corpo humano (circulação sistêmica) (BERNE et al., 2004, p. 289; CARLSON, 2019, p. 278).
A circulação pulmonar ou pequena circulação, começa no ventrículo direito, e via tronco pulmonar e artérias pulmonares o sangue chega aos pulmões para ser oxigenado retornando dos pulmões pelas veias pulmonares para o átrio esquerdo. Já a circulação sistêmica começa no ventrículo esquerdo, e via aorta e seus ramos, o sangue é transportado para nutrir todos os órgãos e os tecidos do corpo retornando dos órgãos via veias tributárias das veias cavas para o interior do átrio direito (Figura 2) (DUARTE, 2014, p. 107).
Figura 2 - (a) Direção do fluxo sanguíneo no coração. (b) Representação dos tipos de circulação no corpo humano.
Fonte: Adaptado de CARLSON (2019, p. 279).
No coração o sangue flui em apenas uma direção devido ao posicionamento das válvulas. Além da ação do coração o fluxo contínuo para os tecidos corporais ocorre graças às
ações de outras estruturas, como: a distensão da aorta e de suas ramificações, durante a contração ventricular (sístole) e a retração elástica das paredes de grandes artérias, durante o relaxamento ventricular (diástole) (BERNE et al., 2004, p. 289).
Os movimentos de sístole e diástole da parede cardíaca são controlados pelo sistema excito-condutor do coração. Esse sistema, composto por quatro estruturas interligadas, é formado por fibras musculares especializadas em conduzir impulsos elétricos, essas estruturas são (Figura 3) (DUARTE, 2014, p. 104):
• Nó sinoatrial (sinusal): agrupamento de fibras musculares especializadas, situado próximo ao óstio da veia cava superior;
• Feixes internodais (anterior, médio e posterior): fazem as conexões do nó sinoatrial com o nó atrioventricular;
• Nó atrioventricular: agrupamento de fibras musculares especializadas situado na porção inferior do septo interatrial;
• Feixe atrioventricular: constituído por um cordão de fibras musculares especializadas que se origina do nó atrioventricular e se dirige para o septo interventricular, onde se divide em ramo direito e ramo esquerdo, que se distribuem nos ventrículos. Esses ramos se subdividem várias vezes, constituindo o plexo subendocárdico.
Figura 3 - Representação das estruturas do sistema excito-condutor do coração.
Fonte: DUARTE (2014, p. 105).
As células do coração são excitáveis e geram potenciais de ação que promovem a contração e o ritmo cardíaco. Os dois principais tipos de potencias de ação que ocorrem no coração são: o de resposta rápida (ocorre em miócitos atriais e ventriculares normais e nas fibras de Purkinje do coração) e o de resposta lenta (ocorre no nó sinoatrial e no nó atrioventricular) (Figura 4) (BERNE et al., 2004, p. 294).
Figura 4 - Potenciais de ação em fibras cardíacas de (A) resposta rápida e (B) lenta.
Fonte: Adaptação de BERNE et al. (2004, p. 294).
As fases do potencial de ação cardíaco estão associadas às variações da permeabilidade da membrana celular, principalmente para os íons de sódio, potássio e cálcio. Essas variações alteram a intensidade do movimento desses íons através da membrana e, portanto, modificam sua voltagem (BERNE et al., 2004, p. 293).
O sinal elétrico para a contração começa quando o nó sinoatrial dispara um potencial de ação e a despolarização se propaga para as células vizinhas através das junções comunicantes. Quando os potenciais de ação se espalham pelos átrios, eles encontram o esqueleto fibroso do coração na junção entre os átrios e os ventrículos impedindo que os sinais elétricos sejam transferidos dos átrios para os ventrículos. Logo, o nó atrioventricular é o único caminho para os potenciais de ação alcançarem as fibras contráteis dos ventrículos. O sinal elétrico passa do nó atrioventricular para o feixe atrioventricular e seus ramos até o ápice do coração onde as fibras de Purkinje transmitem os impulsos rapidamente de modo que todas as células contráteis do ápice se contraem (SILVERTHORN, 2017, p. 455).
2.3 ELETROCARDIOGRAMA
O eletrocardiograma (ECG) é o registro da atividade elétrica gerada pelo coração, sendo que este representa a soma de múltiplos potenciais de ação ocorrendo em diversas células musculares cardíacas (KAPLAN BERKAYA et al., 2018). Além disso, é uma técnica não invasiva e eficaz para várias aplicações biomédicas como: medir a frequência cardíaca, análise
do ritmo dos batimentos cardíacos, realizar diagnóstico de anormalidades cardíacas, reconhecimento de emoções, entre outras (ALBERDI; AZTIRIA; BASARAB, 2016).
Em um ECG, os componentes refletem a despolarização ou a repolarização dos átrios e dos ventrículos, sendo os dois componentes principais as ondas e os segmentos. As ondas fazem parte do traçado cuja amplitude aumenta e diminui a partir da linha de base, já os segmentos são partes da linha de base entre duas ondas e os intervalos são combinações de ondas e segmentos (DAVEY; SHARMAN, 2018).
Para realizar a aquisição do sinal de ECG é necessário ligar os pontos do corpo a serem explorados ao equipamento, por meio eletrodos e fios condutores. Os métodos de monitoramento cardíaco em aplicações médicas adquirem dados de ECG em configurações padronizadas de eletrodos de 3, 6, 12 ou mais derivações. As derivações bipolares utilizam 3 eletrodos e formam o “Triângulo de Einthoven”, registrando a diferença de potencial entre dois eletrodos. Uma derivação é um registro da diferença de potencial entre pares de eletrodos colocados em cada braço e perna. Um eletrodo colocado na perna direita age como referência eletrônica para reduzir o ruído indesejado. A derivação I é definida como a diferença de potencial entre o braço esquerdo e o braço direito, a derivação II é definida como a diferença de potencial entre a perna esquerda e o braço direito, e a derivação III é definida como a diferença de potencial entre a perna esquerda e o braço esquerdo (BAROLD, 2003; BREEN; KELLY; KERNOHAN, 2019).
As três principais ondas podem ser visualizadas na derivação I de um registro de ECG representado na Figura 5. A primeira onda (onda P) corresponde à despolarização atrial. O próximo trio de ondas, o complexo QRS, representa a onda progressiva da despolarização ventricular. Por vezes, a onda Q está ausente em um sinal de ECG normal. A onda final, a onda T, representa a repolarização dos ventrículos. A repolarização atrial não é representada por uma onda especial, mas está incorporada no complexo QRS (DAVEY; SHARMAN, 2018; SILVERTHORN, 2017, p. 457).
Figura 5 - Componentes de um eletrocardiograma na derivação I.
Fonte: Adaptado de SILVERTHORN (2017, p. 459).
Na presença de disfunções e patologias do sistema cardiovascular, o sinal de ECG tende a apresentar alterações. As arritmias cardíacas são problemas elétricos que surgem durante a geração ou condução de potenciais de ação através do coração e podem causar consequências fatais. Essas disfunções são divididas em dois grupos: taquicardia, quando o ritmo cardíaco está acima de 100 bpm e bradicardia, quando o ritmo cardíaco está abaixo de 60 bpm (DAVEY; SHARMAN, 2018; KAPLAN BERKAYA et al., 2018). Na Tabela 1 é possível visualizar os valores normais e seus limites de alguns parâmetros do ECG de um homem adulto saudável.
Tabela 1 - Valores normais de parâmetros de ECG e seus limites de um homem adulto saudável com batimento cardíaco de 60 bpm.
Parâmetro Valor Normal Limite Normal
Duração da onda P 110 ms ±20 ms Intervalo PR 160 ms ±40 ms Duração complexo QRS 100 ms ±20 ms Intervalo QT corrigido 400 ms ±40 ms Amplitude da onda P 0,15 mV ±0,05 mV Amplitude da onda T 0,3 mV ±0,2 mV
Fonte: Adaptado de CLIFFORD; AZUAJE; MCSHARRY (2006, p. 62).
Como mencionando anteriormente, existem células especializadas no nó sinoatrial cuja função é atuar como o marcapasso natural do coração, gerando ritmicamente potenciais de ação e desencadeando despolarização para o resto do coração. O nó sinoatrial tem uma taxa intrínseca de disparo, mas normalmente é modulada pelo sistema nervoso autônomo (CLIFFORD; AZUAJE; MCSHARRY, 2006, p. 12).
O sistema nervoso simpático é ativado durante períodos estressantes aumentando a frequência cardíaca, velocidade de propagação da onda de despolarização e a força das contrações mecânicas. Em contraste com o sistema simpático, a inervação parassimpática age diminuindo a velocidade através do nó atrioventricular e diminuindo a frequência cardíaca quando ativados. Também, num indivíduo saudável a frequência cardíaca aumenta durante a inspiração e diminui durante a expiração (i.e., arritmia sinusal respiratória) (CLIFFORD; AZUAJE; MCSHARRY, 2006, p. 13).
2.4 FOTOPLETISMOGRAFIA
A fotopletismografia (Photoplethysmography - PPG) é uma técnica não invasiva de medição óptica que pode ser utilizada para medir a variação do volume sanguíneo nos tecidos. Como a mudança de volume sanguíneo está relacionado ao batimento cardíaco, o PPG pode ser utilizado para calcular a saturação de oxigênio no sangue, a frequência cardíaca e em conjunto com o ECG estimar a pressão sanguínea sistólica e diastólica (ALLEN, 2007; SHARMA, 2019).
Os sinais PPG são obtidos de oxímetros de pulso com aplicação da lei de Beer-Lambert para estimar a oxigenação da hemoglobina. Nos oxímetros de pulso, são usados dois diodos emissores de luz (LEDs) que geralmente emitem luz vermelha (660 nm) e infravermelha (940 nm) para iluminar os tecidos sob o sensor. Além disso, um detector é empregado para medir a luz refletida dos tecidos (ALLEN, 2007; MANNHEIMER, 2007; PONT; MARQUES, 2020; SUN et al., 2019).
O sangue oxigenado reflete a luz vermelha, mas absorve a luz infravermelha, e o sangue desoxigenado age de maneira invertida. Além disso, a intensidade da luz detectada varia a cada batimento cardíaco devido a alterações no volume sanguíneo nos tecidos. Essas variações no volume sanguíneo ao longo do tempo são exibidas usando um sinal PPG que consiste em uma componente pulsátil (CA) e uma componente constante (CC) (Figura 6) (MANNHEIMER, 2007; SHARMA, 2019).
Figura 6 - Variação da atenuação da luz em diferentes tecidos na forma de onda do PPG.
Fonte: Adaptado de TAMURA et al. (2014).
Existem dois tipos de PPG em relação a posição da fonte de luz e do detector de luz: o transmissivo e o reflexivo (Figura 7). No PPG transmissivo, a fonte e o detector estão posicionados em lados opostos, sendo a luz emitida propagada através dos tecidos e alcançando o detector. Já no PPG reflexivo, a fonte e o detector estão posicionados no mesmo lado, sendo a luz emitida para o tecido e a reflexão é medida pelo detector (MANNHEIMER, 2007; PONT; MARQUES, 2020; TAMURA et al., 2014).
Figura 7 – Diferentes posicionamentos do diodo emissor de luz (LED – Light-Emitting Diode) e fotodetector (Photodetector) para o modo de (A) transmissão e (B) reflexão do PPG.
Fonte: Adaptado de TAMURA et al. (2014).
O PPG transmissivo é capaz de obter um sinal relativamente bom, porém o local de medição é limitado. Para ser eficaz, o sensor deve estar localizado em um local onde a luz transmitida possa ser facilmente detectada, como a ponta do dedo, lóbulo da orelha, entre outros. No modo reflexivo, elimina-se os problemas associados à colocação do sensor, porém nesse modo o sinal é afetado por artefatos de movimento e pressão no sensor que corrompem o sinal de PPG e limitam a precisão da medição (TAMURA et al., 2014).
2.5 DIABETES MELLITUS
O Diabetes Mellitus (DM) é caracterizado por doenças metabólicas que resultam em hiperglicemia. Geralmente, é o resultado de defeitos na secreção de insulina, sensibilidade ou ação da insulina, ou ambos. O DM pode ser categorizado em 4 classificações: tipo 1, tipo 2, gestacional e causada por outros fatores (MARTINEZ; SHERLING; HOLLEY, 2019).
Os efeitos específicos a longo prazo do DM incluem retinopatia, nefropatia, neuropatia, entre outras complicações. Pessoas com diabetes também correm maior risco de desenvolver outras doenças como: doenças cardiovasculares, doença arterial e cerebrovascular periférica, obesidade, catarata, tuberculose, entre outras (WORLD HEALTH ORGANIZATION, 2019).
No DM tipo 1, mais presente em crianças e adolescentes, ocorre falha na secreção de insulina pelas células beta do pâncreas, caracterizando esse tipo de DM pela deficiência ou ausência de insulina. Nesse sentido, o principal objetivo do tratamento é administrar terapia de reposição de insulina, de modo a atingir concentrações de glicose próximas dos valores normais, assim como evitar a complicação potencialmente fatal da cetoacidose diabética e, ao mesmo tempo, evitar a hipoglicemia. A terapia de reposição de insulina requer monitoramento regular das concentrações de glicose e deve levar em consideração a ingestão de energia, gasto de energia e a influência de estressores ambientais no controle glicêmico (DENNEDY; DINNEEN, 2010; MAAHS et al., 2010).
O DM tipo 2 é responsável por cerca de 90% da população com DM e sua caracterização é dada pela combinação da resistência à ação da insulina e da resposta compensatória inadequada de insulina (GOMES et al., 2019). Os pacientes com esse tipo de DM apresentam hiperglicemia progressiva e geralmente não reconhecem os sintomas clássicos da hiperglicemia por conta do início gradual da doença.
O Diabetes Gestacional (DG) é definido como qualquer grau de intolerância à glicose com início ou detecção durante a gravidez, sendo associada como um fator de risco em mulheres para desenvolver DM tipo 2. Por esse motivo, quando detectada a DG é recomendado que seja feito o acompanhamento por um longo período (ANAZAWA, 2015; CARVALHO RIBEIRO
et al., 2015).
Tipos específicos de diabetes devido a outras causas incluem: síndromes monogênicas de diabetes, doenças do pâncreas exócrino (como fibrose cística e pancreatite) e diabetes induzida por medicamentos ou produtos químicos (uso de glicocorticoides) (AMERICAN DIABETES ASSOCIATION, 2018). Além disso, outras causas como a obesidade é considerada um fator de risco para o desenvolvimento de DM, uma vez que dificulta a ação da insulina no corpo (BAE et al., 2016).
Com o crescente índice de adultos no mundo diagnosticados com DM, torna-se fundamental a utilização de estratégias de screening para a detecção precoce da doença na população (INTERNATIONAL DIABETES FEDERATION, 2019; MARTINEZ; SHERLING; HOLLEY, 2019). Além disso, apesar da falta de sintomas, os pacientes com DM podem desenvolver complicações microvasculares e macrovasculares antes do diagnóstico, tornando o rastreamento dessa doença crucial para evitar complicações (AMERICAN DIABETES ASSOCIATION, 2018).
Há fortes evidências de redução de complicações microvasculares quando diabéticos são tratados mais cedo. Essas complicações microvasculares incluem retinopatia, nefropatia e neuropatias diabéticas. Estes produzem morbidade significativa nos pacientes, levando à perda de visão, perda da função renal, mobilidade prejudicada, dificuldades de cognição e incapacidade de trabalhar. Com isso ocorre um aumento nos custos para manter a qualidade de vida do paciente (VALENCIA; FLOREZ, 2017).
2.5.1 Neuropatia Diabética
A Neuropatia Diabética (ND) é um distúrbio do sistema nervoso autônomo (SNA) e do sistema nervoso somático sendo uma das complicações crônicas mais presentes no DM (GANDHI et al., 2010). Mais da metade da população mundial que sofre com o DM desenvolve quadros de ND contribuindo para as altas taxas de morbidade e mortalidade da doença.
Na Neuropatia Autonômica Diabética (NAD) há um comprometimento dos sistemas simpático e parassimpático podendo gerar disfunção nos sistemas cardiovascular, gastrointestinal, geniturinário, sudomotor, metabólico e visual (dado a inervação das fibras do
SNA nos órgãos) (DA SILVA et al., 2016; TESFAYE, 2019). Além disso, a NAD pode apresentar evidências clínicas ou subclínicas sendo manifestada pela disfunção de um ou mais órgãos (VINIK et al., 2003).
Os sintomas clínicos da NAD geralmente não ocorrem até muito tempo após o início do diabetes. Enquanto os sintomas sugestivos de disfunção autonômica podem ser comuns, frequentemente podem ser devidos a outras causas e não à verdadeira NAD. A disfunção autonômica subclínica pode, no entanto, ocorrer dentro de um ano do diagnóstico em pacientes com diabetes tipo 2 (DM2) e dentro de dois anos em pacientes com diabetes tipo 1 (DM1) (VINIK et al., 2003).
O diagnóstico clínico da NAD é realizado ao avaliar sinais ou sintomas de complicações cardiovasculares, ou seja, quando a Neuropatia Autonômica Cardiovascular (NAC) já está instalada. Dessa forma, devido à sua associação com uma variedade de resultados adversos, incluindo mortes cardiovasculares, a NAC é a forma de NAD com maior importância clínica (FISHER; TAHRANI, 2017; VINIK et al., 2003).
A NAC é uma complicação com incidência e prevalência variáveis relatadas em diferentes estudos entre pacientes com diabetes. As taxas variam de 1,6% em pacientes com diabetes bem controlada a 90% naqueles que aguardam transplante de pâncreas. Além disso, a prevalência é maior no DM2 do que no DM1 (PAN et al., 2019). Essa resulta de danos às fibras nervosas autonômicas que inervam o coração e os vasos sanguíneos e resulta em anormalidades no controle da frequência cardíaca, pressão sanguínea e na dinâmica vascular. Além disso, a variação reduzida da frequência cardíaca é o primeiro indicador de NAC (BHATI et al., 2019; VINIK et al., 2003). Ainda, a NAC está associada a vários desfechos adversos como: taquicardia de repouso, hipotensão ortostática grave, síncope, intolerância a exercício físico (por bloqueio das respostas cronotrópica e inotrópica), instabilidade pré-operatória, isquemia e infarto do miocárdio assintomáticos, disfunção diastólica e sistólica do ventrículo esquerdo e riscos aumentados de nefropatia, insuficiência renal crônica, acidente vascular cerebral e morte súbita de origem cardíaca (ROLIM et al., 2008).
Por isso, a busca por exames, testes e sistemas para a avaliação do SNA é necessária para o diagnóstico precoce e o tratamento apropriado da neuropatia em pacientes com diabetes. A introdução, há mais de 20 anos, de testes de baixa complexidade e não invasivos da função autonômica cardiovascular apoiou uma extensa investigação clínica e epidemiológica da NAC. Esses dados formam o corpo de evidências mais forte sobre a importância de detectar e
monitorar a função autonômica alterada em pacientes com diabetes (BHATI et al., 2019; FISHER; TAHRANI, 2017; SPALLONE et al., 2011; VINIK et al., 2003).
A NAC pode ser subdividida em subclínica (predomínio de alterações funcionais e reversíveis) e clínica (quando já há alterações neuronais estruturais). A NAC subclínica somente é diagnosticada por meio de testes e pode ocorrer já a partir do diagnóstico de determinados tipos de DM ou logo nos primeiros anos da doença. Já a NAC clínica é sintomática e ocorre em estágios mais avançados da doença (ROLIM et al., 2008).
Atualmente, os exames para diagnóstico de NAC são baseados no consenso da Conferência de San Antonio sobre Neuropatia Diabética em 1988 (AMERICAN DIABETES ASSOCIATION; AMERICAN ACADEMY OF NEUROLOGY, 1988). Esses exames são utilizados para avaliar a função autonômica e envolvem diversos testes de reflexos cardiovasculares para avaliação da resposta parassimpática e simpática via a análise das flutuações espontâneas e induzidas que ocorrem na frequência cardíaca e intervalo RR do ECG (ROLIM et al., 2008).
O diagnóstico, realizado através desses exames, reduz a probabilidade de falso-positivos pois diversos parâmetros são analisados. Além disso esses exames permitem quantificar a gravidade e a progressão da NAC (SEYD; AHAMED, 2008; ZIEGLER et al., 2001).
Ao apresentar um resultado dos exames com valores de parâmetros alterados e comparar com os testes padrão ouro, observa-se que se confirma o diagnóstico de NAC. Por esse motivo pesquisas atuais buscam identificar quais são os parâmetros e valores de anormalidade para os diagnósticos. Uma vez que haja alterações próximas ao diagnóstico de NAC estabelecida com o paciente não apresentando sintomas, estima-se a NAC subclínica (FISHER; TAHRANI, 2017; SPALLONE et al., 2011).
2.5.2 Screening de Complicações do Diabetes Mellitus
A detecção e medição da disfunção autonômica na população diabética permite identificar pacientes com risco de desenvolver complicações tardias do DM, algumas das quais podem reduzir a qualidade de vida e a saúde geral do paciente. Além disso, permite a intervenção e o tratamento mais cedo adequado para cada paciente (VINIK; ERBAS, 2001).
Ao atingir o SNA, a neuropatia pode danificar diversos sistemas e prejudicar funções metabólicas, com isso as diretrizes atuais ou opiniões de especialistas recomendam que o
