Repositorio de datos médicos sobre pacientes de base de datos de MIMIC

Este repositorio ofrece un conjunto de datos compuesto por 13 registros de pacientes extraídos de la base de datos MIMIC, una base de datos ampliamente utilizada en la investigación médica y en el análisis de datos clínicos. Cada registro de paciente se encuentra en formato .mat y contiene señales biométricas como la fotopletismografía (PPG) y el electrocardiograma (ECG), ambas registradas a una frecuencia de muestreo de 125 Hz.La base de datos MIMIC es una fuente valiosa de datos anonimizados recopilados en entornos clínicos de cuidados intensivos, que proporciona señales fisiológicas y datos de monitoreo continuo. En este caso, las señales de PPG reflejan la variación en el volumen sanguíneo a lo largo del tiempo, mientras que las señales de ECG registran la actividad eléctrica del corazón. Estas señales son esenciales para estudios que abordan desde la evaluación cardiovascular hasta la detección de arritmias y otras condiciones cardíacas.Además de los archivos de señales, el repositorio incluye scripts en MATLAB diseñados para la visualización y análisis de estas señales, facilitando la detección de eventos como los Complejos Prematuros Ventriculares (CPVs).<b>Estructura del repositorio</b>El repositorio está formado por los siguientes archivos:<b>Archivos m.mat </b>que<b> </b>Contienen la información de las señales PPG y ECG de los pacientes. Cada archivo de la forma corresponde a un paciente específico y contiene las muestras de las señales obtenidas en un entorno clínico.<b>Código en MATLAB (cpvs12</b><b>.m</b><b>)</b>: Un script en MATLAB que sirve para visualizar las señales ECG y PPG de cada paciente. Este código permite leer los archivos .mat y mostrar un fragmento de las señales para facilitar la visualización de las señales. Es importante destacar que debe modificarse en esta línea del código el paciente a analizar, debido a que la información contenida respecto a las muestras se encuentra contenida con otro conjunto de señales registradas. La cantidad de canales registrados así como la cantidad de señales varía en cada paciente. El ejemplo mostrado a continuación son los canales seleccionados del paciente 212 para las señales ECG y PPG.senal_ecg = senal_datos(2, 1:muestras_limite);senal_ppg = senal_datos(6, 45000:(muestras_limite+45000)-1);Además este archivo permite identificar los CPVs de tipo 1 y tipo 2 contenidos en la señal ppg, se realiza un análisis mediante un umbral y se almacenan en un archivo csv. Además en el repositorio se incluye un archivo llamado paso4_46pacientes_sujetos_prof que incluye la lectura y almacenamiento de los datos de diferentes pacientes contenidos en un archivo de excel con un registro de algunos datos como edad, sexo, nivel de colesterol, etc.<b>Archivos de encabezado (</b><b>hea.txt</b><b>)</b>: Estos archivos contienen las especificaciones para la selección de las señales y los canales en los que se encuentran las señales en el archivo.mat de datos.<b>Señales utilizadas de los archivos .mat</b>• <b>PPG (Fotopletismografía):</b> Las señales PPG se obtienen a través de un sensor óptico que, al iluminar la piel y medir los cambios en la intensidad de la luz reflejada, detecta las variaciones en el volumen de sangre que circula a través de los tejidos. Este método no invasivo es ampliamente utilizado para monitorear la frecuencia cardíaca, la variabilidad de la frecuencia cardíaca (HRV), la oxigenación de la sangre (SpO2), y otras características hemodinámicas importantes. Las señales PPG también pueden emplearse en la evaluación del tono vascular y la rigidez arterial, aspectos clave en el diagnóstico de diversas afecciones cardiovasculares.• <b>ECG (Electrocardiograma):</b> Las señales de ECG registran la actividad eléctrica generada por el corazón, detectando las contracciones y relajaciones de las cámaras cardíacas. En este conjunto de datos, cada registro de ECG incluye múltiples derivaciones que capturan diferentes vistas del corazón, lo que permite un análisis detallado de arritmias, isquemias, o anomalías en la conducción eléctrica. La disponibilidad de derivaciones como II, V1-V6 o MCL1 en los archivos permite realizar diagnósticos precisos de diversas patologías cardíacas, incluyendo fibrilación auricular, taquicardia ventricular y otras disfunciones. Las señales también son fundamentales para la investigación de la sincronización del pulso y la actividad cardíaca en combinación con las señales PPG.<b>Leer las columnas del archivo resultados_cpvs_paciente_XXX.csv</b>JSON{ "description": "Código para leer las columnas de un archivo CSV llamado resultados_cpvs_paciente_###.csv", "read_csv_file": { "file_name": "resultados_cpvs_paciente_###.csv", "columns": [ "Paciente", "CPVs_Tipo_1", "CPVs_Tipo_2", "Instantes_CPV_Tipo_1", "Instantes_CPV_Tipo_2" ] } }PYTHONimport pandas as pd # Nombre del archivo CSV csv_filename = 'resultados_cpvs_paciente_###.csv' # Leer el archivo CSV y seleccionar las columnas necesarias try: df = pd.read_csv(csv_filename, usecols=["Paciente", "CPVs_Tipo_1", "CPVs_Tipo_2", "Instantes_CPV_Tipo_1", "Instantes_CPV_Tipo_2"]) print("Archivo leído correctamente.") print(df.head()) # Muestra las primeras filas del archivo leído except FileNotFoundError: print(f"El archivo {csv_filename} no se encuentra.") except Exception as e: print(f"Ha ocurrido un error: {e}")<b>Créditos del database utilizado</b>Goldberger, A. L., Amaral, L. A. N., Glass, L., Hausdorff, J. M., Ivanov, P. C., Mark, R. G., ... &amp; Stanley, H. E. (2000). <b>PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals</b>. <i>Circulation</i>, <i>101</i>(23), e215-e220. https://doi.org/10.1161/01.CIR.101.23.e215