Detection of incipient left ventricular hypertrophy in mild to moderate arterial hypertension with normal electrocardiogram and echocardiogram: a new use for signal-averaged electrocardiography

OBJECTIVE: To assess signal-averaged electrocardiogram (SAECG) for diagnosing incipient left ventricular hypertrophy (LVH). METHODS: A study with 115 individuals was carried out. The individuals were divided as follows: GI - 38 healthy individuals; GII - 47 individuals with mild to moderate hypertension and normal findings on echocardiogram and ECG; and GIII - 30 individuals with hypertension and documented LVH. The magnitude vector of the SAECG was analyzed with the high-pass cutoff frequency of 40 Hz through the bidirectional four-pole Butterworth high-pass digital filter. The mean quadratic root of the total QRS voltage (RMST) and the two-dimensional integral of the QRS area of the spectro-temporal map were analyzed between 0 and 30 Hz for the frequency domain (Int FD), and between 40 and 250 Hz for the time domain (Int TD). The electrocardiographic criterion for LVH was based on the Cornell Product. Left ventricular mass was calculated with the Devereux formula. RESULTS: All parameters analyzed increased from GI to GIII, except for Int FD (GII vs GIII) and RMST log (GII vs GIII). Int TD showed greater accuracy for detecting LVH with an appropriate cutoff > 8 (sensitivity of 55%, specificity of 81%). Positive values (> 8) were found in 56.5% of the G II patients and in 18.4% of the GI patients (p< 0.0005). CONCLUSION: SAECG can be used in the early diagnosis of LVH in hypertensive patients with normal ECG and echocardiogram.

Desarrollos estadísticos para el procesamiento de información genómica masiva en agro-biotecnología. Statistical developments for processing massive genomic information in agro-biotechnology.

Nuevas biotecnologías, como los marcadores de la molécula de ADN, permiten caracterizar el genoma vegetal. El uso de la información genómica producida para cientos o miles de posiciones cromosómicas permite identificar genotipos superiores en menos tiempo que el requerido por la selección fenotípica tradicional. La mayoría de los caracteres de las especies vegetales cultivadas de importancia agronómica y económica, son controlados por poli-genes causantes de un fenotipo con variación continua, altamente afectados por el ambiente. Su herencia es compleja ya que resulta de la interacción entre genes, del mismo o distinto cromosoma, y de la interacción del genotipo con el ambiente, dificultando la selección. Estas biotecnologías producen bases de datos con gran cantidad de información y estructuras complejas de correlación que requieren de métodos y modelos biométricos específicos para su procesamiento. Los modelos estadísticos focalizados en explicar el fenotipo a partir de información genómica masiva requieren la estimación de un gran número de parámetros. No existen métodos, dentro de la estadística paramétrica capaces de abordar este problema eficientemente. Además los modelos deben contemplar no-aditividades (interacciones) entre efectos génicos y de éstos con el ambiente que son también dificiles de manejar desde la concepción paramétrica. Se hipotetiza que el análisis de la asociación entre caracteres fenotípicos y genotipos moleculares, caracterizados por abundante información genómica, podría realizarse eficientemente en el contexto de los modelos mixtos semiparamétricos y/o de métodos no-paramétricos basados en técnicas de aprendizaje automático. El objetivo de este proyecto es desarrollar nuevos métodos para análisis de datos que permitan el uso eficiente de información genómica masiva en evaluaciones genéticas de interés agro-biotecnológico. Los objetivos específicos incluyen la comparación, respecto a propiedades estadísticas y computacionales, de estrategias analíticas paramétricas con estrategias semiparamétricas y no-paramétricas. Se trabajará con aproximaciones por regresión del análisis de loci de caracteres cuantitativos bajo distintas estrategias y escenarios (reales y simulados) con distinto volúmenes de datos de marcadores moleculares. En el área paramétrica se pondrá especial énfasis en modelos mixtos, mientras que en el área no paramétrica se evaluarán algoritmos de redes neuronales, máquinas de soporte vectorial, filtros multivariados, suavizados del tipo LOESS y métodos basados en núcleos de reciente aparición. La propuesta semiparamétrica se basará en una estrategia de análisis en dos etapas orientadas a: 1) reducir la dimensionalidad de los datos genómicos y 2) modelar el fenotipo introduciendo sólo las señales moleculares más significativas. Con este trabajo se espera poner a disposición de investigadores de nuestro medio, nuevas herramientas y procedimientos de análisis que permitan maximizar la eficiencia en el uso de los recursos asignados a la masiva captura de datos genómicos y su aplicación en desarrollos agro-biotecnológicos.

Estudio de la factibilidad del uso de bioindicadores pasivos para la detección selectiva de contaminantes orgánicos. Feasibility study of the use of pasive biomonitors for the selective detection of organic pollutants.

En Argentina, existe escasa información sobre las características y concentración de sustancias orgánicas en la atmósfera y, en particular, la información referida a compuestos polifluorados (como por ej. Ácidos perfluorocarboxílicos, PFCA) es prácticamente nula. Los niveles de concentración de estos compuestos están aumentando de manera alarmante en todo el mundo. Se conoce la elevada toxicidad de algunos de ellos debido a que son bioacumulativos, persistentes en el ambiente y potencialmente cancerígenos. En estos momentos se está investigando cuales son los precursores de estos compuestos en el medio ambiente y los mecanismos involucrados en la generación de los PFCA.El uso de biomonitores constituye una excelente alternativa al monitoreo instrumental automático, especialmente para países en desarrollo porque no requieren la aplicación de tecnologías complicadas y son de muy bajo costo. Con este fin se pretende evaluar la factibilidad del empleo de bioindicadores pasivos para la detección de sustancias orgánicas, entre ellos, alcoholes fluoroteloméricos y ácidos perfluorados y estimar el daño que estos compuestos provocan en los organismos expuestos. Se emplearán dos especies autóctonas de epífitas del género Tilandsia para evaluar modificaciones quimico-fisiológicas provocadas por la exposición a concentraciones conocidas de estos compuestos y la especie Tradescantia pallida para evaluar efectos genotóxicos. Se espera, además estimar las concentraciones ambientales de los compuestos bajo estudio mediante el empleo de biomonitores. En este contexto, el desarrollo de este proyecto tendrá un impacto favorable sobre el medio ambiente ya que sus resultados permitirán conocer la capacidad bioindicadora de especies biomonitoras autóctonas, con el fin de emplearlas para identificar ambientes contaminandos con compuestos orgánicos polifluorados y en un futuro extenderla a la mayor variedad de contaminantes atmosféricos orgánicos posibles. Además, la calibración de biomonitores servirá para realizar seguimientos temporales de este tipo de contaminantes en distintos ambientes en Argentina, o en el lugar donde exista el problema de contaminación.

Estrategias estadístico-computacionales avanzadas para análisis de expresión de proteínas/genes en cáncer. Advanced statistical and computational strategies for protein/gene expression analysis in cancer.

El objetivo de este proyecto, enmarcado en el área de metodología de análisis en bioingeniería-biotecnología aplicadas al estudio del cancer, es el análisis y caracterización a través modelos estadísticos con efectos mixtos y técnicas de aprendizaje automático, de perfiles de expresión de proteínas y genes de las vías metabolicas asociadas a progresión tumoral. Dicho estudio se llevará a cabo mediante la utilización de tecnologías de alto rendimiento. Las mismas permiten evaluar miles de genes/proteínas en forma simultánea, generando así una gran cantidad de datos de expresión. Se hipotetiza que para un análisis e interpretación de la información subyacente, caracterizada por su abundancia y complejidad, podría realizarse mediante técnicas estadístico-computacionales eficientes en el contexto de modelos mixtos y técnias de aprendizaje automático. Para que el análisis sea efectivo es necesario contemplar los efectos ocasionados por los diferentes factores experimentales ajenos al fenómeno biológico bajo estudio. Estos efectos pueden enmascarar la información subycente y así perder informacion relavante en el contexto de progresión tumoral. La identificación de estos efectos permitirá obtener, eficientemente, los perfiles de expresión molecular que podrían permitir el desarrollo de métodos de diagnóstico basados en ellos. Con este trabajo se espera poner a disposición de investigadores de nuestro medio, herramientas y procedimientos de análisis que maximicen la eficiencia en el uso de los recursos asignados a la masiva captura de datos genómicos/proteómicos que permitan extraer información biológica relevante pertinente al análisis, clasificación o predicción de cáncer, el diseño de tratamientos y terapias específicos y el mejoramiento de los métodos de detección como así tambien aportar al entendimieto de la progresión tumoral mediante análisis computacional intensivo.

Detección de circovirus pocino tipo II en cerdos que presentan diarrea en criaderos intensivos. Detection of porcine circovirus type II in pigs that present diarrhea in intensive hatcheries.

Se propone detectar la presencia del agente etiológico circovirus porcino (CVP) en cerdos con diarrea. El cual se considera un patógeno emergente importante asociado a diferentes sindromes y enfermedades porcinas. Se comunicó a nivel internacional en 1997 y en Argentina fue descripto en el 2003 en animales de cria extensiva, aunque se encuentra en los diferentes sistemas de producción. Su presencia causa grandes pérdidas económicas, ya que muchas veces no tiene una sintomatología clínica, sino que se manifiesta subclinicamente. En la provincia de Córdoba no se han realizado estudios sistemáticos para determinar la presencia de circovirus. Además, en animales que presentan diarrea no se ha realizado un relevamiento de la presencia del CVP y su asociación con el cuadro clínico. Diversos investigadores estan viendo la necesidad de incluir al CVP a la hora de pensar en los diagnósticos etiológicos, en aquellos que no solo presentan índices productivos ineficientes sino también que no responden a la terapia antimicrobiana. Es agente causal del Sindrome de Desmedro Posdestete y podria favorecer la acción de otros agentes patógenos que actuarían tanto en Sistema Respirastorio como en Sistema Digestivo. La complejidad del trabajo radica en demostrar lo antes mencionado a traves de las lesiones a observar en los tejidos y la determinación de la presencia del agente. La ejecución de este estudio sería un importante aporte a la producción porcina, en donde este agente produce importantes pérdidas económicas. La metodología, así como los resultados obtenidos serán útiles en la formación de recursos humanos aplicados a la investigación y transferidos directamente a la docencia. Hipotesis: Establecer la presencia del CVP en cerdos con signos clinicos de enteropatías Objetivos: Determinar en cortes histopatológicos de intestino y ganglio mesentério, lesiones compatibles con CVP; Determinar por inmunohistoquímica la presencia del antígeno CVP en las muestras. Identificar las células en las que se encuentre el antígeno. Materiales y método: Muestreo a campo y toma de muestra. En diferentes establecimientos porcinos, de aquellos animales que presenten el cuadro clínico de diarrea, serán elegidos 3 animales aleatoriamente para sacrificio y realización de la técnica de necropsia. Se tomarán muestras de intestino delgado y ganglio mesentérico que serán fijadas en formol; la técnica histopatológica y su lectura tendrán fin de encontrar lesiones compatibles con circovirus porcino tipo II; Realización de la técnica de inmunohistoquímica con anticuerpo monoclonal, para la detección del CVP en los tejidos; Interpretación de resultados; Publicación de los resultados.

DESARROLLO DE APLICACIONES ESTADÍSTICAS PARA LA AGRICULTURA DE PRECISIÓN. STATISTICAL APPLICATIONS FOR PRECISION AGRICULTURE

A partir de las últimas décadas se ha impulsado el desarrollo y la utilización de los Sistemas de Información Geográficos (SIG) y los Sistemas de Posicionamiento Satelital (GPS) orientados a mejorar la eficiencia productiva de distintos sistemas de cultivos extensivos en términos agronómicos, económicos y ambientales. Estas nuevas tecnologías permiten medir variabilidad espacial de propiedades del sitio como conductividad eléctrica aparente y otros atributos del terreno así como el efecto de las mismas sobre la distribución espacial de los rendimientos. Luego, es posible aplicar el manejo sitio-específico en los lotes para mejorar la eficiencia en el uso de los insumos agroquímicos, la protección del medio ambiente y la sustentabilidad de la vida rural. En la actualidad, existe una oferta amplia de recursos tecnológicos propios de la agricultura de precisión para capturar variación espacial a través de los sitios dentro del terreno. El óptimo uso del gran volumen de datos derivado de maquinarias de agricultura de precisión depende fuertemente de las capacidades para explorar la información relativa a las complejas interacciones que subyacen los resultados productivos. La covariación espacial de las propiedades del sitio y el rendimiento de los cultivos ha sido estudiada a través de modelos geoestadísticos clásicos que se basan en la teoría de variables regionalizadas. Nuevos desarrollos de modelos estadísticos contemporáneos, entre los que se destacan los modelos lineales mixtos, constituyen herramientas prometedoras para el tratamiento de datos correlacionados espacialmente. Más aún, debido a la naturaleza multivariada de las múltiples variables registradas en cada sitio, las técnicas de análisis multivariado podrían aportar valiosa información para la visualización y explotación de datos georreferenciados. La comprensión de las bases agronómicas de las complejas interacciones que se producen a la escala de lotes en producción, es hoy posible con el uso de éstas nuevas tecnologías. Los objetivos del presente proyecto son: (l) desarrollar estrategias metodológicas basadas en la complementación de técnicas de análisis multivariados y geoestadísticas, para la clasificación de sitios intralotes y el estudio de interdependencias entre variables de sitio y rendimiento; (ll) proponer modelos mixtos alternativos, basados en funciones de correlación espacial de los términos de error que permitan explorar patrones de correlación espacial de los rendimientos intralotes y las propiedades del suelo en los sitios delimitados. From the last decades the use and development of Geographical Information Systems (GIS) and Satellite Positioning Systems (GPS) is highly promoted in cropping systems. Such technologies allow measuring spatial variability of site properties including electrical conductivity and others soil features as well as their impact on the spatial variability of yields. Therefore, site-specific management could be applied to improve the efficiency in the use of agrochemicals, the environmental protection, and the sustainability of the rural life. Currently, there is a wide offer of technological resources to capture spatial variation across sites within field. However, the optimum use of data coming from the precision agriculture machineries strongly depends on the capabilities to explore the information about the complex interactions underlying the productive outputs. The covariation between spatial soil properties and yields from georeferenced data has been treated in a graphical manner or with standard geostatistical approaches. New statistical modeling capabilities from the Mixed Linear Model framework are promising to deal with correlated data such those produced by the precision agriculture. Moreover, rescuing the multivariate nature of the multiple data collected at each site, several multivariate statistical approaches could be crucial tools for data analysis with georeferenced data. Understanding the basis of complex interactions at the scale of production field is now within reach the use of these new techniques. Our main objectives are: (1) to develop new statistical strategies, based on the complementarities of geostatistics and multivariate methods, useful to classify sites within field grown with grain crops and analyze the interrelationships of several soil and yield variables, (2) to propose mixed linear models to predict yield according spatial soil variability and to build contour maps to promote a more sustainable agriculture.

The use of forensic polycyclic aromatic hydrocarbon signatures and Compound Ratio Analysis Techniques (CORAT) for the source characterisation of petrogenic/pyrogenic environmental releases.

This study utilised recent developments in forensic aromatic hydrocarbon fingerprint analysis to characterise and identify specific biogenic, pyrogenic and petrogenic contamination. The fingerprinting and data interpretation techniques discussed include the recognition of: The distribution patterns of hydrocarbons (alkylated naphthalene, phenanthrene, dibenzothiophene, fluorene, chrysene and phenol isomers), • Analysis of “source-specific marker” compounds (individual saturated hydrocarbons, including n-alkanes (n-C5 through 0-C40) • Selected benzene, toluene, ethylbenzene and xylene isomers (BTEX), • The recalcitrant isoprenoids; pristane and phytane and • The determination of diagnostic ratios of specific petroleum / non-petroleum constituents, and the application of various statistical and numerical analysis tools. An unknown sample from the Irish Environmental Protection Agency (EPA) for origin characterisation was subjected to analysis by gas chromatography utilising both flame ionisation and mass spectral detection techniques in comparison to known reference materials. The percentage of the individual Polycyclic Aromatic Hydrocarbons (PAIIs) and biomarker concentrations in the unknown sample were normalised to the sum of the analytes and the results were compared with the corresponding results with a range of reference materials. In addition, to the determination of conventional diagnostic PAH and biomarker ratios, a number of “source-specific markers” isomeric PAHs within the same alkylation levels were determined, and their relative abundance ratios were computed in order to definitively identify and differentiate the various sources. Statistical logarithmic star plots were generated from both sets of data to give a pictorial representation of the comparison between the unknown sample and reference products. The study successfully characterised the unknown sample as being contaminated with a “coal tar” and clearly demonstrates the future role of compound ratio analysis (CORAT) in the identification of possible source contaminants.

Instrumentation and software for the VERITAS Project and the detection of TeV Gamma-Ray Emission from the BL Lacertae Object 1ES1959+650

Transmission of Cherenkov light through the atmosphere is strongly influenced by the optical clarity of the atmosphere and the prevailing weather conditions. The performance of telescopes measuring this light is therefore dependent on atmospheric effects. This thesis presents software and hardware developed to implement a prototype sky monitoring system for use on the proposed next-generation gamma-ray telescope array, VERITAS. The system, consisting of a CCD camera and a far-infrared pyrometer, was successfully installed and tested on the ten metre atmospheric Cherenkov imaging telescope operated by the VERITAS Collaboration at the F.L. Whipple Observatory in Arizona. The thesis also presents the results of observations of the BL Lacertae object, 1ES1959+650, made with the Whipple ten metre telescope. The observations provide evidence for TeV gamma-ray emission from the BL Lacertae object, 1ES1959+650, at a level of more than 15 standard deviations above background. This represents the first unequivocal detection of this object at TeV energies, making it only the third extragalactic source seen at such levels of significance in this energy range. The flux variability of the source on a number of timescales is also investigated.

Application of multivariate statistical process control to fuel cell manufacturing

Univariate statistical control charts, such as the Shewhart chart, do not satisfy the requirements for process monitoring on a high volume automated fuel cell manufacturing line. This is because of the number of variables that require monitoring. The risk of elevated false alarms, due to the nature of the process being high volume, can present problems if univariate methods are used. Multivariate statistical methods are discussed as an alternative for process monitoring and control. The research presented is conducted on a manufacturing line which evaluates the performance of a fuel cell. It has three stages of production assembly that contribute to the final end product performance. The product performance is assessed by power and energy measurements, taken at various time points throughout the discharge testing of the fuel cell. The literature review performed on these multivariate techniques are evaluated using individual and batch observations. Modern techniques using multivariate control charts on Hotellings T2 are compared to other multivariate methods, such as Principal Components Analysis (PCA). The latter, PCA, was identified as the most suitable method. Control charts such as, scores, T2 and DModX charts, are constructed from the PCA model. Diagnostic procedures, using Contribution plots, for out of control points that are detected using these control charts, are also discussed. These plots enable the investigator to perform root cause analysis. Multivariate batch techniques are compared to individual observations typically seen on continuous processes. Recommendations, for the introduction of multivariate techniques that would be appropriate for most high volume processes, are also covered.

Statistical Characteristics of Flash Flood in Georgia

Results are presented from the analysis of observations data on flash flood in Georgia over a period of 45 years, from 1961 to 2005, provided of the of Hydro-meteorology Service of Georgia.

The Statistical Structure of Visibility in Tbilisi

შესწავლილია ხილვადობის სიშორის სტატისტიკური სტრუქტურა თბილისში 1980-დან 2008 წლამდე პერიოდისათვის. გამოყენებულია საქართველოს ჰიდრომეტეოროლოგიური დეპარტამენტის მონაცემები ხილვადობის სხვადასხვა ბალიანობის მქონე დღეების რიცხვის შესახებ წელიწადში 9, 12 და 15 საათზე დაკვირვებებისათვის.

Neural correlates of target detection in the attentional blink

Attention, attentional blink, rapid serial visual presentation, RSVP, ERP, EEG, fMRI, gammaband, oscillatiory activity

Statistical analysis in multivariate sampling

Magdeburg, Univ., Fak. für Mathematik, Diss., 2011

Ground penetrating radar signal processing for landmine detection

Ground penetrating radar; landmine; background clutter removal, buried targets detecting