La tesis que se presenta es el resultado de la confluencia de dos disciplinas científicas, la medicina y la minería de datos. Partimos de la hipótesis de que es posible por un lado, modelar estadísticamente el proceso de sueño humano a través de técnicas de procesado de señal y por otro, encontrar variables que nos permitan interpretar y diagnosticar los eventos respiratorios acaecidos en el mismo y que definen el síndrome de apnea obstructiva del sueño (SAOS).
Con este trabajo se ha avanzado en la búsqueda de procedimientos de diagnóstico de SAOS que nos permitan reducir costes en el sistema sanitario priorizando el número de estudios polisomnográficos (PSG) innecesarios. Además, se ha puesto especial énfasis en el conocimiento de la influencia de los desórdenes respiratorios sobre las señales fisiológicas registradas (oximetría y variabilidad de la frecuencia cardiaca) y como puede ser aprovechada esta información para plantear nuevos métodos y algoritmos que optimicen la ratio prestación-complejidad del sistema de diagnóstico.
Por otro lado, con el método propuesto de análisis de sueño basado en electroencefalogramas, se ha conseguido una mejor descripción del proceso, en la medida en que se describe con una resolución mayor que los sistemas tradicionales. Además, las mediciones obtenidas de esta nueva descripción de la dinámica, son susceptibles de ser conectadas con la percepción subjetiva de la calidad del sueño.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados