L'analyse de l'entropie multiscale (EM) améliore-t-elle la séparation des séries temporelles physiologiques saines et pathologiques par rapport aux algorithmes traditionnels ?
L'introduction de l'entropie multiscale (EM) fournit une méthode computationnelle plus robuste pour différencier les dynamiques physiologiques saines des processus pathologiques en tenant compte de multiples échelles temporelles.
Un intérêt considérable s'est porté sur la quantification de la complexité des séries temporelles physiologiques, telles que la fréquence cardiaque. Cependant, les algorithmes traditionnels indiquent une complexité plus élevée pour certains processus pathologiques associés à des sorties aléatoires que pour des dynamiques saines présentant des corrélations à long terme. Ce paradoxe peut être dû au fait que les algorithmes conventionnels ne tiennent pas compte des multiples échelles temporelles inhérentes aux dynamiques physiologiques saines. Nous introduisons une méthode pour calculer l'entropie multiscale (EM) pour des séries temporelles complexes. Nous constatons que l'EM sépare de manière robuste les groupes sains et pathologiques et fournit systématiquement des valeurs plus élevées pour le bruit corrélé à long terme simulé par rapport au bruit non corrélé.
Costa et al. (Fri,) ont étudié cette question.