Παρουσίαση και εφαρμογές της προσεγγιστικής εντροπίας (ApEn) στην ιατρική

dc.contributor.author	Καρκαλούσος, Πέτρος	el
dc.contributor.author	Δελίχα, Ε.	el
dc.date.accessioned	2015-05-06T15:06:19Z
dc.date.available	2015-05-06T15:06:19Z
dc.date.issued	2015-05-06
dc.identifier.uri	http://hdl.handle.net/11400/9789
dc.rights	An error occurred on the license name.	*
dc.rights.uri	An error occurred getting the license - uri.	*
dc.source	http://www.mednet.gr/static_page/77	el
dc.source	http://users.teiath.gr/petef/Web_CV/Articles/Articles_pdf/ApEn_in_Medicine_Karkalousos.pdf	el
dc.subject	ApEn
dc.subject	Κανονικότητα
dc.subject	Προσεγγιστική εντροπία
dc.subject	Χρονοσειρά
dc.subject	Regularity
dc.subject	Approximate entropy
dc.subject	Time series
dc.title	Παρουσίαση και εφαρμογές της προσεγγιστικής εντροπίας (ApEn) στην ιατρική	el
dc.title	Presentation and applications of approximate entropy in medicine	en
heal.type	journalArticle
heal.classification	Medicine
heal.classification	Mathematics
heal.classification	Ιατρική
heal.classification	Μαθηματικά
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh00006614
heal.classificationURI	http://skos.um.es/unescothes/C02437
heal.classificationURI	N/A-Ιατρική
heal.classificationURI	N/A-Μαθηματικά
heal.keywordURI	http://skos.um.es/unescothes/C04070
heal.language	el
heal.access	free
heal.recordProvider	Σχολή Επαγγελμάτων Υγείας και Πρόνοιας. Τμήμα Ιατρικών Εργαστηρίων	el
heal.publicationDate	2004
heal.bibliographicCitation	Καρκαλούσος, Π. και Δελίχα, Ε. (2004) Παρουσίαση και εφαρµογές της προσεγγιστικής εντροπίας (ApEn) στην ιατρική. "Αρχεία Ελληνικής Ιατρικής", 21 (2), σ. 161-171. Διαθέσιμο στο: http://www.mednet.gr/archives/2004-2/pdf/161.pdf [Έγινε Πρόσβαση: 06/05/2015].	el
heal.abstract	Η προσεγγιστική εντροπία (Approximate Entropy: ApEn) είναι ένας πραγµατικός µη αρνητικός αριθµός που συγκρίνει την κανονικότητα διαφορετικών χρονοσειρών µε βάση σαφείς προϋποθέσεις. Τέτοιες χρονοσειρές µπορεί να είναι οι χτύποι καρδιογραφηµάτων είτε ακόµα οι ηµερήσιες εκκρίσεις ορµονών. Ο αλγόριθµος της ApEn επινοήθηκε το 1991 από τον Αµερικανό Steve Pincus και αξιοποιήθηκε ευρέως στην ιατρική για την σύγκριση παθολογικών και φυσιολογικών συστηµάτων. Στο άρθρο αυτό παρουσιάζονται περιληπτικά οι σηµαντικότερες εφαρµογές της ApEn από την διεθνή βιβλιογραφία ενώ περιγράφονται συνοπτικά και δύο σχετικές µελέτες που πραγµατοποιήθηκαν στο εργαστήριο µας. Οι εφαρµογές αφορούν την αξιολόγηση «ύποπτων» καρδιογραφηµάτων και εγκεφαλογραφηµάτων, την µελέτη του ρυθµού έκκρισης ορµονών καθώς επίσης και άλλα ερευνητικά πεδία όπως είναι οι κινήσεις των αναπνευστικών µυών. Από µαθηµατική άποψη, η προσεγγιστική εντροπία εκφράζει την πιθανότητα που έχουν οι τιµές της χρονοσειράς να είναι και να παραµένουν µέσα σε προκαθορισµένα όρια τα οποία αποτελούν το λεγόµενο φίλτρο του αλγόριθµου (r). Προκειµένου να επιτευχθεί ο έλεγχος της κανονικότητας ο αλγόριθµος δεν χρησιµοποιεί τις ίδιες τις τιµές αλλά τις απόλυτες διαφορές µεταξύ τους. To πλήθος των διαφορών για τις οποίες θα συγκριθεί µε το φίλτρο κάθε τιµή της χρονοσειράς αποτελεί το λεγόµενο παράθυρο της µεθόδου (m). Για τον ορθό υπολογισµό του ApEn απαιτούνται χρονοσειρές τουλάχιστον 60 τιµών. Μεγαλύτερη τιµή ApEn σηµαίνει µικρότερη κανονικότητα. Αυτό σηµαίνει ότι το σύστηµα παρουσιάζει µεγάλη αταξία και οι τιµές της χρονοσειράς διαφέρουν πολύ η µία από την άλλη. Αντίθετα µικρότερη τιµή ApEn σηµαίνει µεγαλύτερη οµαλότητα. Για να συγκριθούν δύο τιµές ApEn από διαφορετικές χρονοσειρές θα πρέπει να έχουν τις ίδιες τιµές r, m και Ν. Όπου Ν το σύνολο των τιµών της χρονοσειράς. Για αυτό ο πλήρης συµβολισµός της ApEn είναι ApEn(m, r, N). Η ευαισθησία της ApEn καθορίζεται από τον ερευνητή επιλέγοντας τις παραµέτρους Ν, m και r. Για Ν < 500 (το συνηθέστερο στις ιατρικές εργασίες) χρησιµοποιείται υποχρεωτικά παράθυρο m=1. Το φίλτρο r έχει καθιερωθεί να ισούνται µε 0,2 * SD. Όπου SD είναι η τυπική απόκλιση της χρονοσειράς.	el
heal.tableOfContents	Approximate entropy (ApEn) is a real positive number which compares the regularity of different time-series of numbers always under certain circumstances. Such time-series can be the beats of EEG or even the daily secretion of hormones. Τhe algorithm of ApEn invented in 1991 by the American Steve Pincus and it has already been used for the compare between physiological and non-physiological reasons. In this article we’ll present concisely the most important applications of ApEn from the international bibliography. We will present also two relevant studies from our laboratory. The applications have to do with the evaluation of “suspicious” EEG and ECG, the study of pulsatile hormones secretion and other scientific fields such as the movements of breathing muscles. By mathematical point of view, approximate entropy states the possibility that the values of time-series are and stay within certain limits. These limits are the so-called filter of the algorithm (r). In practice the algorithm checks the differences between the values and not the values themselves because the target of ApEn is the check of regularity (complexity) of a system. The number of differences of each value which will be compared with the filter of the algorithm are the so-called “window” of the method (m). The right computerization of ApEn demands 60 values at least (N). Higher ApEn means wide disorder. In that case the values of time-series differs one from each other too much. On the contrary, lower ApEn means regularity. Whatever we want to compare two or more values of ApEn, all ApEn calculations must use the same r, m and N. N is the total number of values of the time-series.. For that reason the ApEn values are symbolized as ApEn(m, r, N). The sensitivity of ApEn algorithm is specified by the researcher himself by choosing the parameters N, m and r. For N < 500 (the most usual in medical papers) we use the “window” m=1. The filter r is always equal to 0,2 * SD. SD is the standard deviation of the time-series.	en
heal.publisher	Μελέτης, Γιάννης Χρ.	el
heal.journalName	Αρχεία Ελληνικής Ιατρικής	el
heal.journalName	Archives of Hellenic Medicine	en
heal.journalType	peer-reviewed
heal.fullTextAvailability	false