S-CyS-64-Alejandro navarro_web

SEMINARIO DE COMPLEJIDAD Y SALUD- 65

Titulo:
Matrices de correlación, redes fisiológicas y la paradoja de comparaciones inter- vs. intra-grupo


Ponente:
Ruben Fossion
Instituto de Ciencias Nucleares y Centro de Ciencias de la Complejidad de la UNAM


Jueves 06 de mayo de 2021
13 a las 15 horas
Trasmisión por el canal de YouTube del C3:
http://www.youtube.com/c/CentrodeCienciasdelaComplejidadC3
Informes: adriana.robles@c3.unam.mx


Resumen de la plática:

Matrices de correlación y las redes que se pueden calcular a partir de ellas han sido importantes para cuantificar las correlaciones cruzadas entre diferentes variables en bases de datos, tanto para datos puntuales como para series de tiempo. En particular, redes cerebrales funcionales han permitido visualizar la sincronía y la comunicación entre diferentes lóbulos cerebrales. Más recientemente, redes fisiológicas buscan identificar patrones entre variables provenientes de diferentes disciplinas médicas, desde variables fisiológicas a variables antropométricas y biomecánicas, con el propósito de distinguir entre estados sistémicos de salud y enfermedad. Para calcular correlaciones entre variables que se miden en unidades diferentes, coeficientes como él de Pearson normalizan las variables restando el valor promedio y dividiendo por la desviación estándar del conjunto de datos (comparación intra-grupo). Del otro lado, un estado de salud se caracteriza por variables que se mantienen dentro de un rango estrecho alrededor de valores de referencia específicos o “setpoints”, y la enfermedad por desviaciones o “señal de error” con respecto a tales valores de referencia, las cuales no se toman en cuenta en un cálculo de correlación o regresión. Encontramos que matrices o redes calculadas a partir de tales desviaciones (comparación inter-grupo), y que tal vez podemos llamar “matrices allostáticas”, son drásticamente diferentes a las matrices de correlación tradicionales. Se muestran aplicaciones en la fragilidad asociada al envejecimiento e infecciones con COVID-19 que sugieren que tales matrices y redes alternativas reflejan más claramente los estados sistémicos de salud y enfermedad.