Physiological alterations in electrocardiogram during the postoperative period

Abstract

In this work, the information of electrocardiogram (ECG) signals collected from 19 patients during the postoperative period is studied. After surgical procedures, patients often experience postoperative pain, which should be managed effectively. The assessment of pain is a crucial step to guarantee a suitable analgesic control of postoperative pain, and currently, it is based on the self-reports of the patients. However, these assessment methods are subjective, discontinuous, and inadequate for evaluating the pain of subjects unable or with limited capacity to communicate verbally. In this context, developing an objective and continuous tool for assessing and monitoring postoperative pain that does not require patient reports can overcome these limitations. Such a tool is of great clinical relevance because it can improve pain control during the patient stay in the post-surgery care unit and ultimately promote better recovery. In the last years, the evaluation of pain through physiological indicators has been studied since they represent non-invasive measures of the nervous system activity. This study aimed to find relationships between physiological alterations and pain mechanisms and discover relevant information extracted from ECG signals to study pain processes. Both univariate and multivariate analyses were carried out. The methods implemented in this work can be divided into preprocessing, feature extraction and selection, and clustering analysis. Statistical tests were also employed to assess the normality and correlation of the features and significative differences between groups. It was investigated which feature or combination of features better describe postoperative pain response and which clustering technique has better performance. The multivariate approach proved to be more promising than the univariate approach, allowing different types of pain characteristics to be identified and distinguished based on the extracted features from the ECG signals.

Neste trabalho, é estudada a informação de eletrocardiogramas (ECG) adquiridos de 19 doentes durante o período pós-operatório. Após procedimentos cirúrgicos, os doentes experienciam frequentemente dor pós-operatória, que deve ser controlada de forma efetiva. A avaliação da dor é um passo essencial para garantir a escolha adequada do procedimento analgésico, e, atualmente, é baseada numa avaliação feita pelo próprio doente. No entanto, estes métodos de avaliação são subjetivos, descontínuos e inadequados para avaliar a dor de doentes que têm dificuldade ou não conseguem comunicar verbalmente. Neste contexto, o desenvolvimento de um método objetivo e contínuo para avaliar e monitorizar a dor pós-operatória, e que não necessita que o doente auto-relate a sua dor, pode ajudar a ultrapassar estas limitações. Um método mais objetivo é clinicamente relevante, uma vez que pode melhorar o controlo da dor do doente no serviço de recobro e promover uma melhor recuperação. Nos últimos anos, a avaliação da dor através de indicadores fisiológicos tem sido estudada, uma vez que consistem numa medida não invasiva da atividade do sistema nervoso. Este estudo teve como objetivo encontrar relações entre alterações fisiológicas e mecanismos da dor e descobrir informação relevante extraída dos sinais ECG para estudar os processos da dor, tendo sido realizada uma análise univariada e uma análise multivariada. Os métodos implementados neste trabalho podem ser divididos em pré-processamento, extração e seleção de caraterísticas, e métodos de agrupamento. Também foram implementados testes estatísticos para estudar a normalidade e correlação entre variáveis e as diferenças significativas entre grupos. Assim, foi investigada que caraterística ou combinação de caraterísticas descreve melhor a resposta da dor pós-operatória e qual a técnica de agrupamento que apresenta melhores resultados. A abordagem multivariada provou ser mais promissora que a abordagem univariada, permitindo a identificação e distinção de diferentes tipos de caraterísticas da dor baseadas na informação extraída dos sinais ECG.