+34 96 633 71 35
·WhatsApp·

26 Nov 2009

Aplicación de la Variabilidad de la Frecuencia Cardiaca (VFC) en el deporte

/
Posted By
/
Comments0
/
La respuesta cardiaca ha sido el primer parámetro funcional empleado en el control del entrenamiento. Su valor absoluto, expresado en número de latidos por minuto o frecuencia cardiaca (FC), ha sido la variable que, más habitualmente, fue utilizada para el estudio y control…

 
Autor(es): García-Manso, J.M.; Sarmiento, S.; Rodríguez-Ruiz, D.; Quiroga, M.; de Saa, Y; Bara, A.
Entidades(es): Laboratorio de Planificación del Entrenamiento Deportivo. Departamento de Educación Física de la Universidad de Las Palmas de Gran Canaria
Congreso: I Congreso de Ciencias de Apoyo al Rendimiento Deportivo
Valencia-26-28 de Noviembre de 2009
ISBN: 978-84-613-6128-1
Palabras claves: Variabilidad de la Frecuencia Cardiaca (VFC) , deporte, entrenamiento

Resumen

La respuesta cardiaca ha sido el primer parámetro funcional empleado en el control del entrenamiento. Su valor absoluto, expresado en número de latidos por minuto o frecuencia cardiaca (FC), ha sido la variable que, más habitualmente, fue utilizada para el estudio y control de la capacidad funcional del deportista y su respuesta a las cargas de entrenamiento. Esto ha hecho que sean muchos los trabajos que han utilizado esta variable con el objetivo de desarrollar una técnica fiable y no cruenta de valoración del deportista. La frecuencia cardiaca basal, la frecuencia de esfuerzo, la frecuencia máxima, la dinámica temporal de FC y la reserva cardiaca han sido los aspectos utilizados  inicialmente para  el estudio de la respuesta cardiaca en el deporte. En la actualidad, los avances tecnológicos y, muy especialmente, las aportaciones realizadas por la informática, nos permiten profundizar más en el estudio de esta señal y descubrir algunas características de la misma que quedarían ocultas cuando únicamente observamos la señal a partir de sus valores absolutos promediados (promedio de latidos en unidad de tiempo).

Completa la información

Contenido disponible en el CD Colección Congresos nº12.

¡Consíguelo aquí!

Introduction

La respuesta cardiaca ha sido el primer parámetro funcional empleado en el control del entrenamiento. Su valor absoluto, expresado en número de latidos por minuto o frecuencia cardiaca (FC), ha sido la variable que, más habitualmente, fue utilizada para el estudio y control de la capacidad funcional del deportista y su respuesta a las cargas de entrenamiento. Esto ha hecho que sean muchos los trabajos que han utilizado esta variable con el objetivo de desarrollar una técnica fiable y no cruenta de valoración del deportista. La frecuencia cardiaca basal, la frecuencia de esfuerzo, la frecuencia máxima, la dinámica temporal de FC y la reserva cardiaca han sido los aspectos utilizados  inicialmente para  el estudio de la respuesta cardiaca en el deporte. En la actualidad, los avances tecnológicos y, muy especialmente, las aportaciones realizadas por la informática, nos permiten profundizar más en el estudio de esta señal y descubrir algunas características de la misma que quedarían ocultas cuando únicamente observamos la señal a partir de sus valores absolutos promediados (promedio de latidos en unidad de tiempo). La determinación de la FC puede ser valorada mediante la utilización de cardiotacómetros (latidos) o analizando la señal electrocardiográfica (ECG) registrada por un electrocardiógrafo (intervalos RR). Estos intervalos, no son estacionarios, sino que muestran oscilaciones temporales que son específicas de cada sujeto y que nos dan información sobre la dinámica de comportamiento de esta musculatura. Tales oscilaciones es lo que se conoce como Variabilidad de la Frecuencia Cardiaca (VFC). La VFC comenzó a ser utilizada en medicina, principalmente como indicador de referencia en la prevención clínica de posibles patologías cardiacas, pero más recientemente, ha sobrepasado este cuerpo de conocimientos para ser utilizada en otros campos profesionales. En el campo del entrenamiento deportivo podemos encontrar en la actualidad más de 3.000 artículos científicos en los últimos años. Su estudio y aplicación incluye cada vez un mayor número de aspectos condicionantes en el proceso de formación de un deportista. Inicialmente, la VFC se utilizó para caracterizar la respuesta cardiaca de diferentes tipos de deportistas, describiendo las peculiaridades específicas de cada uno de ellos (especialistas en pruebas de resistencia, otras modalidades deportivas o nivel de rendimiento). En la actualidad se emplea, también, como herramienta de control de las respuestas aguda y crónica del organismo a los procesos de optimización del rendimiento del atleta y, más recientemente, se viene utilizando para la determinación y planificación de cargas de entrenamiento. La utilidad de este parámetro (VFC) en el control del entrenamiento pasa por disponer de una metodología fiable y, a la vez, relativamente sencilla de manejar e interpretar por la mayor parte de los técnicos y deportistas. Esto es quizás el principal reto ante el que actualmente se encuentran los diseñadores de las tecnologías aplicadas al control de la frecuencia cardiaca. La valoración de este parámetro (VFC) se basa en el análisis matemático de la duración de los intervalos entre latidos. Existen diferentes tratamientos para el estudio de estos intervalos que varían en cuanto a su complejidad y a la información que se puede obtener de ellos.

Metodología para la evaluación de la V.F.C.

  1. Métodos lineales.
    1. Dominio tiempo.
      1. Métodos estadísticos.
      2. Métodos geométricos.
    1. Dominio frecuencia.
      1. Transformada rápida de Fourier (FFT).
      2. Modelos Autoregresivos (AR).
    1. Dominio tiempo escala.
      1. Análisis Wavelets.
  1. Métodos no-lineales.
    1. Espacio de fase (análisis del atractor extraño).
      1. Función de correlación e información mutua.
      2. Mapas de retorno.
      3. Escatograma de Poincaré.
      4. Reconstrucción del espacio de fase.
        1. Dimensión de inmersión.
        2. Exponente de Lyupanov.
        3. Dimensión de correlación.
    1. Otras metodologías no-lineales.
      1. Biespectro.
      2. Dimensión fractal.
        1. Exponente de Hurst.
        2. Análisis Multifractal.
        3. Leyes de escala (estadística no-lineal).

 

La mayor parte de los estudios se basan en el tratamiento de la señal desde metodologías lineales, tales como son los métodos basados en el dominio tiempo (métodos estadísticos y métodos geométricos) y las metodologías del dominio frecuencia (transformadas de Fourier).

Dominio Tiempo

Métodos estadísticos. Los métodos estadísticosutilizan índices o medidas estadísticas, como la desviación estándar y la media aritmética, para la cuantificación de los intervalos RR, o los intervalos entre latido, de una serie temporal de registros cardiacos. Sin embargo, estos protocolos no nos permiten obtener información acerca del posible origen fisiológico de la VFC, impidiendo, deforma más concreta, distinguir cual es la influencia autonómica dominante. Existe un consenso generalizado en aceptar que su aplicación sólo se debe hacer en series temporales largas (iguales o mayores a 24 horas). Utilizan índices o medidas estadísticas, como la desviación estándar y la media aritmética para la cuantificación de los intervalos RR de una serie temporal de registros cardiacos. Esta forma de tratamiento de los datos resulta la más sencilla y a la vez la que fue más utilizada en los primeros trabajos realizados sobre la VFC. Sin embargo, estos protocolos no nos permiten obtener información acerca del posible origen fisiológico de la VFC, impidiendo distinguir cual es la influencia autonómica dominante. Su aplicación sólo se debe hacer en series temporales largas (24 horas). En los métodos de dominio tiempo la medición se realiza a partir de la medida de los intervalos entre complejos QRS adyacentes y las diferencias entre ellos. Entre los indicadores más empleados destacan:

  1. SDNN: Corresponde a la desviación estándar de todos los intervalos NN (intervalos R-R normales) expresada en milisegundos (los intervalos normales o NN corresponden a intervalos entre complejos QRS adyacentes en respuesta a despolarización sinusal).
  2. SDANN: Corresponde a la desviación estándar, en milisegundos, del promedio de intervalos NN correspondientes a cada cinco minutos de duración en un registro completo (habitualmente 24 horas).

Un problema asociado a los índices derivados de la desviación estándar se encuentra en la enorme sensibilidad de estas medidas a la presencia de “artefactos” (datos de alguna

  1. rMSSD: Corresponde a la raíz cuadrada del valor medio de la suma de los cuadrados de las diferencias entre intervalos NN, expresados en milisegundos. Representa junto al pNN50 un índice de control cardiaco vagal. Ambos dan una información similar a la que proporciona el valor de HF (Melanson-2000).
  2. NN50: Corresponde al número de pares de intervalos NN que difieren en más de 50 milisegundos. Es un índice poco sensible a la presencia de “artefactos” y aporta información del nivel de excitación vagal en registros de larga duración.
  3. pNN50: Corresponde al porcentaje (%) del total de pares de intervalos NN que difieren en más de 50 milisegundos. Aporta información sobre el nivel de excitación vagal, fundamentalmente en la evaluación de series temporales largas.

Índices de relación numérica. Son índices específicos obtenidos a partir de los valores de NN máximos, mínimos o promedios. Entre los más utilizados podemos encontrar: Índice de arritmia sinorrespiratoria. Se utiliza con respiración profunda y para la evaluación clínica de algunas patologías. RSAindex = (RRmax – RRmin)/RRx Ratio de Valsalva. Es un índice utilizado para el estudio de la VFC en acciones donde se produce una maniobra de Valsalva aguda. En tales circunstancias (ejemplo: sentadilla al 1RM), la FC cae durante la ejecución del ejercicio para posteriormente desencadenarse una taquicardia inicial y posteriormente una bradicardia. Valsalvaratio = RRmax(bradicardia)/RRmin (taquicardia) Métodos geométricos. Las series temporales de intervalos RR pueden ser transformados en un modelo geométrico en los que representar la distribución de los diferentes intervalos o su relación entre ellos. La mayor limitación de esta metodología radica en que no sirve para detectar cambios en los componentes cortos de la variabilidad, algo que si es posible observar con el valor RMSSD. En realidad, muchos de los datos que se obtienen con esta metodología presentan una elevada correlación con valores estadísticos antes descritos. Los más comunes son: Histogramas. Un histograma es un gráfico de barras que muestra una distribución de frecuencias y que se utiliza para representar unos datos continuos cuando vienen agrupados en intervalos. En el X se representa el intervalo de clases y en el eje Y el número de observaciones. Esta es quizás la forma más elemental de representación gráfica de una serie de datos de VFC en los que se agrupan los intervalos RR en escalas de rangos predeterminados. Tiene la ventaja de indicarnos el tipo de distribución que subyace en la serie de datos. Con ellos podemos distinguir, en una primera aproximación, ciertas regularidades que acompañan a los sistemas complejos. Índice triangular. Es un método creado para sustituir la desviación estándar de un registro RR donde la longitud de los intervalos RR sirve como eje X del gráfico mientras que el número de cada intervalos RR representan el eje Y. En este tipo de escala se suele emplear un índice denominado HRV Triangular Index que representa el resultado de dividir el total de todos los intervalos NN por la altura del histograma de los intervalos NN medidos en una escala discreta con cajas (bins) de 7.8125 ms (1/128 segundos). Una de sus fortalezas es su poca dependencia de los “artefactos” aparecidos en la serie, pero por el contrario no tiene la sensibilidad y especificidad de diagnóstico que si permite la desviación estándar. TINN. La interpolación triangular del histograma de intervalos NN (TINN) es la anchura de la línea base de la distribución medida como la base de un triángulo. Índice MIRR. Son índices propuestos por Gª-González (1998) para amortiguar la presencia de “artefactos” en la señal que amplía numéricamente la anchura y las asimetrías del histograma, dando robustez a la distribución pero determinando pérdida, en ocasiones significativa, de información. MIRR = Q3 – Q1. Donde Q3  es el cuartil de mayor valor de los RR – Q1 es el cuartil de menor valor de los RR.

Dominio Frecuencia

El análisis espectral tiene su base en la utilización de la transformada de Fourier, la cual nos obliga a modificar la óptica desde la que realizar el análisis de series numéricas, pasando del espacio de tiempo al espacio de frecuencias (en nuestro caso nos referimos a la señal que corresponde a registros de FC). Un análisis análogo en el espacio de tiempos se basa en la función de autocorrelación. De hecho, ambos representan la misma realidad física. El análisis de Fourier nos proporciona el espectro de frecuencias de una serie temporal, señalando la importancia relativa que cada frecuencia o banda de frecuencias (en nuestro caso muy baja, baja y alta frecuencia) tiene en la serie. Este método es completamente lineal, y al ser aplicado a una serie de tipo caótico o de carácter aleatorio, daría resultados equívocos, ya que por definición en la serie caótica se mezclan infinidad de frecuencias que varían en el tiempo.

A nuestro entender, el uso de metodologías de análisis lineales en los registros de la VFC solo tienen aplicación a la hora de realizar registros realizados en estado de reposo donde dicho parámetro presenta un comportamiento que podríamos considerar como relativamente estacionario. También podrían ser utilizados en registros realizados con deportistas que son sometidos a cargas estables de baja intensidad, donde únicamente la duración pudiera alterar la señal por efecto de la fatiga que se pudiera acumular.

En el caso de las señales aleatorias y caóticas su tratamiento requiere del empleo de descripción probabilística y de promedios estadísticos y no tanto funciones explicativas. Las señales caóticas se generan sólo en determinadas circunstancias en las que se desenvuelven determinados sistemas no-lineales, razón por la que su análisis se apoya en la teoría de sistemas y su análisis se hace en base a funciones explicativas (determinadas transformadas de Fourier, Wavelets, etc,.) que parten de la idea de que la señal se compone de una serie de funciones sinusoidales factibles de ser determinadas (funciones de dominio frecuencia) en cada uno de los momentos en que esta se genera.

Cuando el organismo es sometido a un estímulo moderadamente elevado o muy elevado (por ejemplo el entrenamiento), el comportamiento temporal de la VFC va a estar sumamente sujeto a los propios cambios funcionales generados por el estrés de la tarea. Esto hace necesario que analicemos nuestra variable (en este caso claramente no estacionaria), con otras metodologías (ejemplo: análisis tiempo – frecuencia y/o metodología no lineal). En nuestro caso, será la metodología tiempo frecuencia (tiempo escala) y, más concretamente el análisis wavelet, el que utilizaremos para el estudio de la VFC. Las wavelets son familias de funciones que se encuentran en el espacio y que se emplean como funciones de análisis de señales complejas y difíciles de interpretar con los procedimientos tradicionales. Se generan a partir de funciones madres a las que se agregan dos variables. Una de ellas representa la escala y permite hacer dilataciones y contracciones de la señal, mientras que la segunda indica la traslación que permite mover la señal en el tiempo. De esta forma podremos averiguar las características de espacio, tamaño y dirección de la señal objeto de estudio. Para ello, lo que hacemos es multiplicar cada punto de la señal por la función wavelet seleccionada, manteniendo constantes sus características de escala y traslación. Utilización de VFC en la determinaión de Umbrales Inicialmente fue la FC bruta la variable cardiaca que se utilizó para determinar la zona de cambio entre metabolismo aeróbico y anaeróbico. Conconi y col. (1982), apoyándose en las propuestas de Wahlund (1948) propusieron una metodología (test de Conconi) en el que el evaluado realizaba un esfuerzo de intensidad creciente sobre distancias fijas, donde de forma periódica se controlaba la FC. Se apoyaba en el incremento inicial de la FC con la carga y la posterior estabilización progresiva hasta alcanzar los valores máximos. Los autores propusieron que el punto donde se inicia la deflexión de FC, con el incremento de la intensidad de carga correspondería al umbral anaeróbico. No obstante, esta metodología ha sufrido numerosas críticas y hoy podemos considerarla como superada. Posteriormente, Conconi y col. (1996) señalaron que la mayoría de las críticas eran apoyadas en estudios con déficits metodológicos en la aplicación de los protocolos. En consecuencia, el autor refinó y modificó parcialmente su propuesta tratando de amortiguar aquellos aspectos que pudieran influenciar negativamente su resultado. Los procedimientos actualizados hacen necesario modificar los aumentos de la carga (velocidad) basándose en el tiempo y no en la distancia. La mejora en el instrumental y en la tecnología con la que habitualmente trabajan médicos y entrenadores en su día a día nos permite obtener, con bastante fiabilidad, un registro completo de la respuesta cardiaca al ejercicio. En consecuencia, y gracias en el aumento en la precisión de los datos, podemos ver como la FC no responde exactamente como lo había descrito en su día Wahlund, sino que la respuesta muestra un comportamiento curvilíneo. En base a este tipo de respuesta se ha hecho alguna propuesta entre las que destacamos la que se conoce como Heart Rate Deplection Point (HRPD) (Vachon y col., 1999). Más recientemente diferentes autores han utilizado la VRC el parámetro de trabajo utilizado, aunque analizado con diferentes procedimientos [análisis tiempo: métodos estadísticos y geométricosanálisis frecuencia: FFT y AR; análisis tiempo-frecuencia: análisis wavelet; métodos no-lineales: Función de correlación, Mapas de retorno, Plots de recurrencia, Escatograma y Reconstrucción del espacio de fase (Dimensión de inmersión, Exponente de Lyupanov, Dimensión de correlación), etc.,]. Métodos no-lineales (atractores, 1/f comportamiento del espectro de potencias, dimensión fractal, dimensión de correlación, análisis de Poincaré u otros plots de orden superior, entropía, exponentes Lyapunov, etc,.) han sido utilizados en el análisis de la VRC sólo recientemente y en este caso han sido aplicados en la determinación de umbrales. Tulppo y col. (1996) comprobaron que el valores de SD1 de un escatograma (análisis de Poincaré) tenía una alta correlación con el primer umbral ventilatorio (ver figura 25) y que todos los indicadores de modulación vagal de FC disminuyen progresivamente conforme se acercan a este punto (VT1 determinado a partir del equivalente ventilatorio de O2). Entienden los autores que la utilización del escatograma puede proporcionar información útil sobre la modulación vagal de los intervalos RR durante el ejercicio dinámico que no son fácilmente descubiertos por otras formas de medida [métodos lineales o determinación de la entropía (ApEn)]. En la propuesta de estos autores se establece como criterio para determinación de VT1 el momento en el que la variabilidad instantánea de los intervalos entre latidos es menor de 1 ms. Más tarde, Lima & Kiss (1999) propusieron el criterio de 3 ms. Ambas propuestas fueron evaluadas por Brunetto y col. (2005) en una muestra de 41 adolescentes con edades entre 14 y 18 años. Los autores no observan diferencias estadísticamente significativas entre el VT1 y los criterios utilizados para identificación del umbral a partir de la VRC. Tampoco encontraron correlaciones estadísticamente significativas entre el umbral determinado a partir de valores de VRC (SD1) y la identificación del VT1 cuando éste era expresado en relación al VO2 máximo. Silva y col. (2005), partiendo de la condición de que la respuesta cardiaca es una señal aparentemente sencilla pero de dinámica muy compleja y con comportamiento caótico. Para ello utilizaron la entropía (medida de regularidad y complejidad de series temporales que nos cuantifica la cantidad de información necesaria para poder predecir el futuro estado del sistema), determinada a partir de la prueba de Kolmogorov, para calcular los umbrales utilizando los valores de la VRC. Bajos valores en ApEn indican un comportamiento regular y, por lo tanto, baja complejidad. Un aumento de la entropía nos indica la máxima probabilidad de que el sistema evolucione hacia su progresiva desorganización y, finalmente, su homogeneización con el ambiente. Los autores proponen que mediante la entropía se puede observar un cambio drástico en la dinámica de la VRC mostrando un modelo gráfico diferente que coincide con el umbral anaeróbico. También agregan que la determinación que este punto, calculado mediante la prueba de Kolmogorov, presenta una elevada correlación con la determinada a partir de un modelo autorregresivo (K-S vs. AR; r = 0.93). Tulppo y col. (1996) ya había utilizado en su trabajo elemento de sistemas caóticos que aplicó paralelamente al análisis de Poincaré. Todos ellos parten de la idea de que la VRC, en individuos sanos, tiene características de  caos determinista que es modulado, pero no eliminado, por la inhibición de tono autonómico o por el ejercicio. Por lo tanto, se acepta que tiene naturaleza fractal y, en consecuencia se la puede expresar mediante su dimensión fractal (DF), lo que de alguna manera nos confirma que la VRC se comporta como un sistema complejo de comportamiento no-lineal (Yamamoto & Hughson, 1991; Yamamoto y col., 1992; Nakamura y col., 1993; Pikkujämsä, 1999). Sales (2002) comparó la VRC con la señal EMG tratando de encontrar la relación que pudiera existir entre los cambios en la señal cardiaca y la respuesta muscular durante la realización de un trabajo de carga incremental. La autora señala que existe una intensidad de carga en la que coincide un incremento en el número de fibras reclutadas con un incremento en la FC y un descenso en la VRC. Ésta asociación de comportamientos es atribuida al comando central de control así como a señales aferentes reflejas que proceden de la musculatura activa (ergorreceptores: fibras tipo III; metaborreceptores: fibras tipo IV). Más recientemente, Buchheit y col. (2006) determinaron el VT2 mediante metodologías diferentes [1: A partir de parámetros ventilatorios (VE·VCO2 y PetCO2); 2: A partir de la respuesta cardiaca (HRDP y VRC)] para compararlos entre sí. En la detección de umbrales a partir de series de VRC se utilizaron los fp y la energía de la banda HF-VHF (PS). Esta metodología también utilizada por el grupo de Cottin (Cottin y col., 2006; Cottin y col., 2007). Los resultados encontrados por Buchheit y col. (2007) muestran que el VO2 y la FC eran similares en HRDP, VRC-VT2, y VT2. VRC-VT2 y HRDP también estaban altamente correlacionados. En consecuencia propone que VRC-VT2 es una alternativa buena al HRDP para evaluar el umbral anaerobio. Propone que VRC-VT2 y HRDP podrían representar mecanismos similares. Anosov y col. (2000) encontraron que la frecuencia instantánea de HF (fp) correlacionaba intensamente con la FR y, por lo tanto, se podría utilizar para determinar el VT2 con un margen de error entre el 2% y el 14%, para lo que propone utilizar la trasformada de Hilbert para el análisis de la señal de VRC (figura 26). En el primer trabajo realizado por Cottin y col. (2006), realizado sobre un cicloergómetro con 11 sujetos practicantes de ciclismo y triatlón, observaron que todos los sujetos presentaban, en el examen visual de equivalentes ventilatorios, fp, y PS· fp, presentaban dos significativos de sus valores a los largo de la prueba. El primer aumento no lineal correspondió al VT1 y se correspondía con los cambios observados en las dos variables de VRC mencionadas (VT1 = 219 ± 45 vs. fp = 220 ± 48 W; p = 0.975; VT1 vs. PS· fp = 213 ± 56 W, p = 0.662. El segundo aumento no lineal representó el VT2 y también presentó la misma correspondencia (VT2 = 293 ± 45 vs. fp = 294 ± 48 W, p = 0.956; vs. PS· fp = 300 ± 58 W; p = 0.445). La correlación entre estos parámetros también presentaron valores muy elevados [(VT1 vs. fp: r² = 0.94, p <0.001; VT1 vs. PS· fp r² = 0.48, p <0.05) y (VT2 vs. fp r ² = 0.97, p <0.001; VT2 vs. PS· fp r ²= 0.79, p <0.001). El estudio confirma que los umbrales ventilatorios pueden ser determinados a partir de los intervalos R-R de la VRC, en sujetos sanos, cuando se utiliza un análisis tiempo-frecuencia. Además señalan que PS· fp proporciona un índice más fiable y exacto que fp para este propósito. En el segundo trabajo de Cottin y col (2007), realizado en un ejercicio sobre tapiz con doce jugadores profesionales de fútbol de la primera división francesa, los autores proponen comparar el umbral determinado a partir de los equivalentes ventilatorios, con el umbral determinado a partir del múltiplo (PS· fp) de los picos HF (fp) por la densidad espectral de esa banda (PS). Los autores no encontraron diferencias significativas entre la velocidad de carrera en VT1 respecto PS· fp1 (9,83 ± 1,12 vs. 10,08 ±1,29 Km·h-1; n.s.), ni entre VT2 respecto  PS· fp2 (12,55 ± 1,31 vs. 12,58 ± 1,33 kim·h-1; n.s.) (figura 27). El análisis de regresión lineal mostró una correlación entre VT1 contra. PS· fp1 (R2 = 0,94; p <0.001) y VT2 vs. PS· fp2 (R2 = 0.96; p<0.001). El plot del análisis Bland-Altman aplicado en la prueba incremental reveló que la evaluación de la ASR da una valoración exacta de los umbrales, de la misma forma que con el estudio de PS•fp se consigue un índice fiable para la detección de esos mismos puntos. Nuestro grupo de trabajo estudió la utilidad de las wavelets aplicados a la VFC para la determinación de umbrales (Gº-Manso y col., 2008; Sarmiento, 2008). La utilización de la TWC (Morlet wavelet con ?0 = 6)para el análisis visual de la respuesta cardiaca, así como por el cálculo instantáneo de los coeficientes wavelets de la señal global y de cada banda de frecuencia de la VRC (LF y HF-VHF), nos permite la determinación de la densidad espectral en cada momento de una prueba incremental. Por otro lado, cuando se aplica una TWD (Wavelet Daubechies con ?0 = 8) a el señal de la banda HF-VHF, es posible determinar la evolución de los picos máximos en la banda HF-VHF (fp) y, de esta manera poder determinar sus evolución global y calcular su valor (Hz) en cada instante de la misma. El comportamiento de estas dos variables con los incrementos de carga (?W) nos permite determinar aquellas instantes que corresponden a fpT1 y fpT2, y a PS·fpT1 y PS·fpT2, los cuales presentan una elevada correlación con los umbrales determinados por parámetros ventilatorios (VT1 y VT2). De los datos obtenidos comprobamos que, para la muestra utilizada, no existen diferencias estadísticamente significativas entre la determinación de umbrales (VT1 y VT2) obtenidos por el análisis de parámetros ventilatorios y la determinación de los mismos punto a partir de parámetros derivados de la variabilidad de la frecuencia cardiaca (fp y PS·fp).

En nuestro caso, no encontramos diferencias estadísticamente significativas al comparar las medias (T-test) de los valores de umbral determinadas a partir de la VRC (fp y PS·fp) con los de VT1 y VT2 determinados a partir de diferentes metodologías (FR, VE, PETO2-CO2 y VE/VO2-VCO2. Sin embargo, vemos que el uso de la VRC, cuando se emplea como criterio el método PS·fp, sobreestima moderadamente el valor del primer umbral o PS·fpT1, es decir tiende a localizarlo en valores ligeramente superiores a los que obtendríamos utilizando la metodología de los parámetros del intercambio de gases. En este caso, las diferencias estadísticas encontradas entre ambos métodos fueron de 9,53 ± 13,15 W de promedio. Esta diferencia tan sólo supone un 2,22 % de la carga máxima desarrollada por los sujetos en la prueba.

Bibliografía

  • Anosov, O., Patzak, A., Kononovich, Y., Persson, PB. 2000. High-frequency oscillations of the heart rate during ramp load reflect the human anaerobic threshold. Eur J Appl Physiol. 83: 388-394.
  • Brunetto, AF., Moreira, B., Tesini, B., Müller, D., Pinto. D. 2005. Limiar ventilatório e variabilidade da freqüência cardíaca em adolescentes. Rev Bras Med Esporte. 11(1): 22-27.
  • Buchheit, M. 2006. Utilisation de la variabilité de la frequence cardiaque chez le sportif. Cardio & Sport. 7 : 29-37.
  • Conconi, F; Ferarri, M. Determination the anaerobics thresnold by a noninvasive field test in runnig. Journal of Applied Physiology. 1982.
  • Conconi, F; Grazzi, G; Casoni, I; Guglielmini, C; Borsetto, C; Ballarin, E; Mazzoni, G; Patracchini, M; Manfredini, F. 1996. The Conconi test: methodology after 12 years of application. Int J Sports Med.17: 509-519.
  • Cottin, F., Leprêtre, PM., Lopes, P., Papelier, Y., Médigue, C., Billat, V. 2006;Assessment of Ventilatory Thresholds from Heart Rate Variability in Well-Trained Subjects during Cycling. Int J Sports Med 27: 959-967.
  • Cottin, F., Médigue, C., Lopes, P., Leprêtre, PM., Heubert, R., Billat, VL. 2007. Ventilatory Thresholds Assessment from Heart Rate Variability during an Incremental Exhaustive Running Test. Int J Sports Med. 28: 287-294.
  • García-Manso, JM.; Sarmiento, S.; Martín-González, JM.; Calderón, FJ.; da Silva, ME. 2008. Wavelet transform analysis of heart rate variability for determining ventilatory thresholds in cyclist.Revista Andaluza de Medicina del Deporte. 1(3): 90-97.
  • Lima, JR., Kiss, MA. 1995. Limiar de variabilidade da freqüência cardiaca. Rev Bras Activ Fis Saúde. 9: 29-38.
  • Nakamura, Y., Yamamoto, Y., Muraoka, I. 1993. Autonomic control of Herat rate during physical exercise and fractal dimension of Herat rate variability. J Appl Physiol. 74: 875-881.
  • Pikkujämsä, S. 1999. Heart rate variability and baroreflex sensitvy in subjects without heart disease. Tesis Doctoral. Universidad de Oulo. Finlandia.
  • Silva FM., Silva, AC., Murta, LO., Lavrador, MA., Maraes, VR., Moura, MS., Catai, AM., Silva, E., Maciel, BC., Gallo, L. 2005. Identification of anaerobic threshold during dynamic exercise in healthy men using Kolmogorov-Sinai Entropy. Computers in Cardiology. 32: 731-734.
  • Tulppo MP, Mäkikallio TH, Takala TES, Seppänen T, Huikuri HV. 1996 Quantitative beat to beat analysis of heart rate dynamics during exercise. Am J Physiol. 271:H244-H252.
  • Vachon JA, Basset DRJ, Clarke S. 1999. Validity of the heart rate deflection point as a predictor of lactate threshold during running. J Appl Physiol. 87:452-459.
  • Yamamoto, Y., Hughson, RL., Nakamura, Y. 1991. Autonomic control of heart rate during exercise studied by heart rate variability spectral analysis. J Appl Physiol. 71: 1136-1142.
  • Yamamoto Y, Hugson RL, Nakamura Y. 1992. Autonomic nervous system responses to exercise in relation to ventilatory threshold. Chest.101:206S-210S.

Leave a Reply

Open chat
Saludos de Alto Rendimiento:

Para información sobre los cursos y másteres ONLINE, puede contactarnos por aquí.

Asegúrate de haber completado el formulario (azul) de información del curso/máster.

Gracias!