Modelos mixtos multivariados para respuestas correlacionadas avances estadísticos-computacionales para procesar información en neurociencia

• Autores: Meinardi, Vanesa Beatriz
• Año de publicación: 2021
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Balzarini, Mónica
• Materia: Modelos lineales mixtos; Respuestas múltiples; Datos correlacionados; Entropía de permutación; Complejidad de permutación; Neurociencia; Sistema nervioso; Procesamiento de la información
• Institución: Universidad Nacional de Córdoba

Tesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados; Argentina, 2021.
Fil: Meinardi, Vanesa Beatriz. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Fil: Meinardi, Vanesa Beatriz. Universidad Nacional de Villa María; Argentina.
Fil: Meinardi, Vanesa Beatriz. Consejo Nacional de Investigaciones Científicas y Técnica; Argentina.
La electroencefalografía es una técnica de exploración funcional del sistema nervioso central mediante el cual se obtiene el registro de la actividad eléctrica cerebral en tiempo real. Para poder recoger y registrar una señal de la actividad eléctrica en cada región cerebral a través de la super cie craneal se colocan electrodos que captan la diferencia de potencial entre ellos, sobre determinados canales de registros. Cada canal de registro, mide la diferencia de voltaje entre dos electrodos. Para la obtención del trazado se incluyen técnicas de activación, principalmente la optoestimulación intermitente y la hiperventilación. Estas técnicas de activación están dirigidas a provocar o intensifi car la aparición de anomalías o variaciones en la actividad cerebral. En la interpretación clínica de un electroencefalograma (EEG), se observan canales claves de la deflexión de la señal producto del parpadeo que permiten diferenciar condiciones de vigilia. La diferenciación visual de estas condiciones es difícil de lograr por lo que se recurre a estudios empíricos sobre los grandes volúmenes de datos generados durante el monitoreo cerebral de pacientes bajo condiciones controladas. El análisis de los datos de EEG usual es a través de medidas e índices procedentes de la teoría de la información. Los más usados son la entropía de permutación (HPE) y la complejidad de permutación Lempel-Ziv (CLZ), que permiten identifi car cambios dinámicos en la función cerebral producida por distintos estados electrofi siológicos. En esta tesis se ajustaron modelos lineales mixtos (MLM) a una base de datos consistente en registros de electroencefalogramas (EEG), los cuales fueron tomados como parte de un proyecto de investigación de una tesis doctoral en Neurociencia de la UNC. Los EEG fueron realizados según el sistema internacional 10-20 IFNC (Federación Internacional de Clínica Neuro fisiológica), con 20 electrodos colocados en el cuero cabelludo, sobre determinados canales de registro. La duración de los EEG fue de 60 minutos, durante el cual cada individuo se encontraba en condición de vigilia y dentro de esta condición se describieron 4 estados electro fisiológicos: vigilia ojos cerrados; vigilia ojos abiertos y dos estados conocidos como técnicas o métodos de activación que son optoestimulación e hiperventilación. Las 20 señales de cada uno de los 4 segmentos de los registros (estados electro fisiológicos) se cuanti ficaron con métricas de teoría de la información: entropía de permutación y complejidad de Lempel Ziv. Los MLM multivariados fueron usados con el n de testear pruebas de hipótesis estadísticas para identifi car cambios funcionales en los EEG mediante experimentos en neurociencia, explotando la estructura de correlación de los datos. Los modelos estadísticos usados incluyeron en su estructura de media las condiciones que de nen el escenario experimental en relación a los factores que interesa comparar, mientras que la estructura de varianza-covarianza es especifi cada con distintos modelos de correlación entre clúster de datos y heterogeneidad de varianzas. Se seleccionó el modelo de mejor ajuste mediante criterios de información y prueba de cociente de verosimilitud. Además se evaluó, mediante simulación estocástica, el desempeño de los diferentes modelos ajustados en relación a la probabilidad estimada de los errores inherentes a las pruebas de hipótesis estadísticas. Finalmente, se implementó el modelo más potente para detectar cambios en la evaluación de EEG sobre el caso ilustrativo de aplicación.
Fil: Meinardi, Vanesa Beatriz. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Fil: Meinardi, Vanesa Beatriz. Universidad Nacional de Villa María; Argentina.
Fil: Meinardi, Vanesa Beatriz. Consejo Nacional de Investigaciones Científicas y Técnica; Argentina.