روشی برای مدلسازی سری تغییرات ضربان قلب با خاصیت حافظه طولانی و ناپایداریواریانس

مدل های سابق در سری های زمانی به فرض ایستایی وابسته بودند. اما این فرض در بسیاری از موارد از جمله سری تغییرات ضربان قلب برقرار نیست. این تغییرات سیگنال قلبی که در دو ضربان متوالی مشاهده می شود را تغییرپذیری ضربان قلب یا HRV می نامند. مطالعه سری زمانی تغییرات ضربان قلب دلالت بر این موضوع دارد که این سری دارای خاصیت حافظه طولانی بوده و واریانس این سری در طول زمان در حال تغییر بوده و ناپایدار است. در این مقاله از مدل FARIMA با خطاهایی که از مدل GARCH تبعیت می کنند برای مدل بندی سری زمانی تغییرات ضربان قلب استفاده خواهد شد. مدل های FARIMA-GARCH برای مدل بندی خاصیت حافظه طولانی سری و برآورد ورایانس ناپایدار در سری زمانی HRV در طی 24 ساعت ثبت سری، مورد استفاده قرار خواهد گرفت. بکارگیری این روش در مورد چند سری واقعی HRV منجر به شناسایی افراد سالم و بیمار خواهد شد

کلیدواژه ها:

بیماری قلبی ، سری HRV ، خاصیت حافظه طولانی ، ناپایداری واریانس ، مدل FARIMA-GARCH