Inicio > Cardiología > Realización e interpretación de un electrocardiograma

Realización e interpretación de un electrocardiograma

Realización e interpretación de un electrocardiograma

Autora principal: Araceli Bello Gil

Vol. XVI; nº 10; 551

Performing and interpreting an electrocardiogram

Fecha de recepción: 09/04/2021

Fecha de aceptación: 18/05/2021

Incluido en Revista Electrónica de PortalesMedicos.com Volumen XVI. Número 10 –  Segunda quincena de Mayo de 2021 – Página inicial: Vol. XVI; nº 10; 551

Autores:

  • Araceli Bello Gil (Doctora en Medicina y Cirugía, Médico de Atención Primaria en Centro de Salud Oliver, Zaragoza, España)
  • Natalia Moreno Bona (Graduada en Enfermería, Enfermera Atención Primaria en Centro de Salud Oliver, Zaragoza, España)
  • Cristina Benedico Sánchez (Diplomada en Enfermería, Enfermera de Atención Primaria en Centro de Salud Oliver, Zaragoza, España)
  • Sara Remiro Monleón (Graduada en Enfermería, Enfermera Atención Primaria en Centro de Salud Oliver, Zaragoza, España)
  • Begoña López Cameselle (Graduada en Enfermería, Enfermera de Hospital Miguel Servet, Zaragoza, España)
  • Isabel Casado Velilla (Enfermera especialista en enfermería pediátrica, Enfermera de Atención Primaria en Centro de Salud Oliver, Zaragoza, España)

Declaración de buenas prácticas

Los autores de este manuscrito declaran que:

Todos ellos han participado en su elaboración y no tienen conflictos de intereses
La investigación se ha realizado siguiendo las Pautas éticas internacionales para la investigación relacionada con la salud con seres humanos elaboradas por el Consejo de Organizaciones Internacionales de las Ciencias Médicas (CIOMS) en colaboración con la Organización Mundial de la Salud (OMS) https://cioms.ch/publications/product/pautas-eticas-internacionales-para-la-investigacion-relacionada-con-la-salud-con-seres-humanos/
El manuscrito es original y no contiene plagio
El manuscrito no ha sido publicado en ningún medio y no está en proceso de revisión en otra revista.
Han obtenido los permisos necesarios para las imágenes y gráficos utilizados.
Han preservado las identidades de los pacientes.

  1. RESUMEN

El análisis de un electrocardiograma se considera una herramienta esencial para una detección precoz de pacientes en riesgo, así como en el entendimiento de numerosas enfermedades para el planteamiento de un diagnóstico y tratamiento adecuado. Los electrocardiogramas estándar consisten en 12 derivaciones que ofrecen información sobre la actividad cardíaca desde 12 perspectivas durante los latidos del corazón, entendidos estos, como la secuencia de eventos eléctricos que suceden en un ciclo cardíaco completo. Para un buen aprovechamiento de esta técnica, la interpretación es fundamental, permitiendo reconocer problemas subyacentes potencialmente peligrosos para la salud del paciente.

La presente revisión tiene como principal objetivo analizar los principales estudios sobre la realización e interpretación de un electrocardiograma, y como objetivos específicos, ofrecer una visión clara de la técnica en cuestión, así como de la utilidad de una correcta interpretación. Para cumplir con estos objetivos se ha llevado a cabo una revisión bibliográfica utilizando para ello, la base de datos PubMed, en la que fueron seleccionados 4 artículos que cumplían una serie de criterios de selección. Finalmente se han discutido los principales hallazgos de estos estudios.

El avance de los métodos computacionales en el análisis de ECG, con implicaciones clínicas importantes, y que se están desarrollado ampliamente para analizar las señales de ECG. La precisión que ofrece da solución a numerosos desafíos médicos actuales. Además, el papel interpretativo de los técnicos permite reconocer problemas potenciales en los pacientes.

Palabras clave: ECG 12 derivaciones; interpretación de electrocardiograma

ABSTRACT

The analysis of an electrocardiogram is considered an essential tool for early detection of at-risk patients, as well as in understanding numerous diseases for the approach of adequate diagnosis and treatment. Standard electrocardiograms consist of 12 derivations that provide information about heart activity from 12 perspectives during the heartbeat, understood to be the sequence of electrical events that occur in a complete heart cycle. For the good use of this technique, interpretation is essential, allowing to recognize underlying problems potentially dangerous to the patient’s health.

The main objective of this review is to analyse the main studies on the realization and interpretation of an electrocardiogram, and as specific objectives, to provide a clear vision of the technique in question, as well as the usefulness of a correct interpretation. To meet these objectives, a bibliographic review has been carried out using the PubMed database, in which 4 articles that met a number of selection criteria were selected. Finally, the main findings of these studies have been discussed.

The advancement of computational methods in ECG analysis, with important clinical implications, and which are widely developed to analyze ECG signals. The accuracy it offers solves many current medical challenges. In addition, the interpretive role of technicians allows to recognize potential problems in patients.

Keywords: 12 lead ecg; interpretation of electrocardiogram

  1. INTRODUCCIÓN

Los trastornos cardiovasculares son una carga importante en todo el mundo, causando el 30% de las muertes en el mundo según la Organización Mundial de la Salud (OMS). Por lo tanto, la detección temprana de los pacientes en riesgo y una mejor comprensión de los mecanismos de la enfermedad, son cruciales para mejorar el diagnóstico y el tratamiento. Los primeros intentos de automatizar el análisis del electrocardiograma (ECG) se remontan a finales de la década de 1950 y pronto se esperaba que las computadoras digitales tuvieran un papel importante en el procesamiento y la interpretación del ECG (Schläpfer, J., & Wellens, H. J., 2017). Los registros de ECG, ampliamente utilizados por los médicos como una modalidad de rutina en los hospitales, capturan la propagación de la señal eléctrica en el corazón desde la superficie del cuerpo. Por lo tanto, muchas anomalías cardíacas estructurales o electrofisiológicas tienen una firma en el ECG y su identificación puede ayudar a diagnosticar trastornos cardíacos (Lyon, A. et al., 2018).

Los registros de ECG incluyen diferentes formatos: los ECG Holter registran la actividad eléctrica del corazón durante períodos de tiempo más largos (varias horas), mientras que los ECG estándar de 12 derivaciones ofrecen información sobre la actividad cardíaca desde 12 perspectivas diferentes (derivaciones) durante varios latidos del corazón (Batchvarov, V. N., & Behr, E. R., 2014). El estudio manual de grandes cantidades de datos de ECG puede resultar tedioso y lento. Por lo tanto, existe la necesidad de métodos computacionales potentes para maximizar la información extraída de conjuntos de datos de ECG completos. La variedad de formatos de ECG y sus aplicaciones clínicas también requieren una diversidad de técnicas computacionales para abordar esta necesidad (Lyon, A. et al., 2018).

Es importante definir a un latido como la secuencia de eventos eléctricos que ocurren en un ciclo cardíaco completo, desde la despolarización hasta la repolarización. Para un latido normal en ritmo sinusal, incluye la onda P, el complejo QRS y la onda T (Schläpfer, J., & Wellens, H. J., 2017). La clasificación de latidos se centra en la identificación automática de latidos de diferente naturaleza y puede ser útil para detectar latidos ectópicos o eventos arrítmicos. Es la aplicación más desarrollada de métodos de aprendizaje automático para el análisis de ECG, principalmente debido a las bases de datos disponibles públicamente para entrenamiento y pruebas como el MIT-BIH, compuesto por 48 extractos de media hora de registros de ECG ambulatorios de dos canales e inicialmente desarrollado para evaluar detectores de arritmias (Lyon, A. et al., 2018).

En términos de precisión en la clasificación de los latidos del corazón, todos los métodos de aprendizaje automático que se informan a continuación presentan buenos resultados similares (aproximadamente del 95% al 99%). Desde el punto de vista clínico, se pueden destacar dos importantes beneficios. En primer lugar, los resultados de los bosques aleatorios y las técnicas lineales, a diferencia de las SVM (por sus siglas en inglés support vector machine) o las redes neuronales, son clínicamente interpretables, lo que brinda la oportunidad de descubrir nuevos biomarcadores y mejorar su importancia para discriminar tipos específicos de latidos cardíacos. En segundo lugar, la red neuronal y los modelos bayesianos pueden permitir el análisis del ECG sin ningún preprocesamiento de la señal, lo que evita la necesidad de información previa sobre los biomarcadores y puede ayudar a descubrir nuevos conocimientos  (Lyon, A. et al., 2018).

En lugar de clasificar los latidos del corazón, algunos estudios se centran en diagnosticar a los pacientes en función de su ECG. La clasificación y el diagnóstico de los pacientes requieren analizar los registros de ECG en su conjunto (cambios de tiempo, diversas morfologías de latidos) en lugar de analizar un latido aislado (Tso, C. et al., 2015). Los métodos de aprendizaje automático descritos anteriormente se pueden adaptar a esta tarea. Las aplicaciones clínicas incluyen la estratificación del riesgo o el seguimiento de la enfermedad, y estos estudios pueden proporcionar información sobre la estructura de las poblaciones enfermas gracias a las técnicas de agrupación, destacar qué biomarcadores son importantes para distinguir entre trastornos, proporcionar un diagnóstico automático y analizar los cambios del ECG a lo largo del tiempo, lo que puede resultar tedioso de realizar visualmente (Lyon, A. et al., 2018).

La integración de técnicas de clasificación en entornos clínicos requiere la detección de anomalías del ECG en tiempo real para su uso en el entorno hospitalario junto a la cama o en dispositivos portátiles. Esto implica el desarrollo de algoritmos de clasificación con baja complejidad y bajos requisitos de memoria, que añaden diferentes desafíos a estas técnicas (Lyon, A. et al., 2018). La precisión del algoritmo puede variar según el programa automatizado del fabricante y el nivel de los lectores de EGG participantes (Schläpfer, J., & Wellens, H. J., 2017).

2.1. Justificación

Las limitaciones de esta herramienta son considerables hoy en día. Los ECG requieren una adecuada estandarización, con una mejora continua en el software aplicado y la uniformización de los criterios y declaraciones de diagnóstico del ECG. Con todo ello, se podrá conseguir una correcta interpretación de los resultados. Bajo esta necesidad, se hace necesario realizar este tipo de trabajos que expongan los resultados de los estudios más recientes en relación con este tema, que ofrezcan una visión actual de la técnica y arrojen algo de luz sobre la incertidumbre que aún presenta la realización e interpretación del ECG.

2.2. Objetivos

El presente trabajo tiene como principal objetivo analizar los principales estudios sobre la realización e interpretación de un electrocardiograma, y como objetivos específicos, ofrecer una visión clara de la técnica en cuestión, así como de la utilidad de una correcta interpretación.

  1. MATERIAL Y MÉTODOS

La ejecución de este trabajo se ha basado en la realización de una revisión bibliográfica, dónde se analizan estudios originales disponibles en las bases de datos PubMed, y Medline.

Las palabras clave utilizadas para la realización de la búsqueda fueron: electrocardiogram AND interpretation. Estos términos fueron asociados a través del conector lógico AND, el cual nos permitió mostrar todos los resultados posibles en los que aparecían los términos introducidos.  Destacar que entre las variables que utilizamos para cribar los resultados obtenidos y que por tanto forman parte de los criterios de selección de estudios los están artículos que traten sobre la realización e interpretación de electrocardiogramas.

Los criterios para seleccionar los artículos utilizados en este trabajo fueron los siguientes: artículos publicados desde 2015 a la actualidad, artículos disponibles a texto completo expresados tanto en español como en inglés y artículos que incluyan algunas de las variables descritas para la realización de este trabajo.

Se ha realizado una lectura comprensiva de los artículos seleccionados mediante los criterios descritos, y finalmente se realiza una discusión sobre la comparación de los resultados obtenidos tras el análisis de los artículos seleccionados.

  1. RESULTADOS Y DISCUSIÓN

En relación a los resultados de la búsqueda bibliográfica, la búsqueda inicial abarcó un total de 7153 referencias bibliográficas a través de PubMed. La referencias encontradas fueron cribadas en base a los diferentes criterios de selección, en aplicación del primer criterio quedaron 2540 estudios, después de aplicar el segundo, 1005 trabajos, tras el tercero, 601, y finalmente, entre estos fueron incluidos para realizar este trabajo 4 trabajos.

La revisión realizada por Lyon, A. et al. (2018) describe los métodos computacionales que se utilizan para el análisis de ECG, con un enfoque en el aprendizaje automático y las simulaciones por computadora en 3D, así como su precisión, implicaciones clínicas y contribuciones a los avances médicos. La primera sección se centra en la clasificación de los latidos del corazón y las técnicas desarrolladas para extraer y clasificar los latidos normales de los anormales. La segunda sección se centra en el diagnóstico de pacientes a partir de grabaciones completas, aplicadas a diferentes enfermedades. La tercera sección presenta diagnósticos y aplicaciones en tiempo real para dispositivos portátiles. La cuarta sección destaca el campo reciente de las simulaciones informáticas de ECG personalizadas y su interpretación. Finalmente, la sección de discusión describe los desafíos del análisis de ECG y proporciona una evaluación crítica de los métodos presentados. Los métodos computacionales informados en esta revisión son un gran activo para los descubrimientos médicos y su traducción al mundo clínico puede conducir a avances prometedores. Las técnicas de aprendizaje automático proporcionan clasificaciones precisas y automáticas de los latidos del corazón para detectar arritmias o cambios inesperados en la morfología del corazón. También ayudan en el diagnóstico automático, la monitorización y la estratificación de enfermedades mediante la manipulación de registros de ECG largos para los que las inspecciones visuales y manuales pueden resultar tediosas y consumir mucho tiempo. Su adaptabilidad a los requisitos en tiempo real y la integración en dispositivos portátiles garantiza una monitorización eficiente y fiable de la actividad del ECG en entornos hospitalarios o en el hogar. Finalmente, las simulaciones por computadora en 3D son herramientas poderosas para interpretar el ECG y pronto pueden volverse invaluables al generar grandes conjuntos de datos de datos sintéticos para el entrenamiento de clasificadores de aprendizaje automático (Lyon, A. et al., 2018). El componente humano en la interpretación de los avances que se esperan se hace esencial, así, Schläpfer, J., & Wellens, H. J. (2017), destaca que los médicos sin experiencia que solicitan el ECG pueden no reconocer los errores de interpretación y aceptar el diagnóstico automatizado sin críticas. Puede resultar en una mala gestión clínica, con el riesgo de exponer a los pacientes a investigaciones inútiles o tratamientos potencialmente peligrosos. Indica la necesidad de continuar con la mejora de esta herramienta. El papel interpretativo del técnico, según Tso, C. et al. (2015), la monitorización de un ECG es una función esencial del técnico en medicina nuclear y es especialmente importante en pacientes sometidos a ejercicio o estrés farmacológico y en pacientes de cuidados intensivos.

Sin embargo, el trabajo de Batchvarov, V. N., & Behr, E. R. (2014) plantea la utilidad futura de los ECG, consideran probable que las impresiones de ECG en papel retengan importancia en un futuro próximo (para una evaluación rápida junto a la cama del paciente o en la ambulancia, almacenamiento por razones legales, etc.), mientras que las imágenes de ECG digitales, naturalmente, se están volviendo cada vez más populares con el gran desarrollo de varios dispositivos electrónicos (incluidos los portátiles y de mano).

  1. CONCLUSIONES

A lo largo de la revisión de la bibliografía se ha podido constatar varias conclusiones, en primer lugar, la relevancia actual del avance de los métodos computacionales en el análisis de ECG, con implicaciones clínicas importantes, y que se están desarrollado ampliamente para analizar las señales de ECG, siendo candidatos sólidos para ayudar a los avances clínicos al proporcionar una mejor comprensión de los desafíos médicos. A pesar de los muchos desafíos que enfrentan y la novedad de su introducción a la práctica clínica, estos métodos computacionales se están convirtiendo en una herramienta poderosa para los avances médicos y su integración en entornos clínicos debería ayudar a mejorar la atención al paciente.

Junto a ello, la importancia en una buena interpretación técnica, aunque la interpretación generalmente está más allá del alcance del técnico en medicina nuclear, las habilidades interpretativas básicas permitirán el reconocimiento de arritmias potencialmente problemáticas o fatales, lo que permitirá una intervención que salve vidas.

  1. REFERENCIAS BIBLIOGRÁFICAS
  1. Lyon, A., Mincholé, A., Martínez, J. P., Laguna, P., & Rodriguez, B. (2018). Computational techniques for ECG analysis and interpretation in light of their contribution to medical advances. Journal of The Royal Society Interface, 15(138), 20170821.
  2. Schläpfer, J., & Wellens, H. J. (2017). Computer-interpreted electrocardiograms: benefits and limitations. Journal of the American College of Cardiology, 70(9), 1183-1192.
  3. Batchvarov, V. N., & Behr, E. R. (2014). Clinical utility of computed electrocardiographic leads. Journal of electrocardiology, 47(3), 281-287.
  4. Tso, C., Currie, G. M., Gilmore, D., & Kiat, H. (2015). Electrocardiography: A technologist’s guide to interpretation. Journal of nuclear medicine technology, 43(4), 247-252.