tes is oliva

Identificación del comportamiento postural de una población de simuladores mediante análisis espectral del posturograma

Manuel Oliva Domínguez

Tesis Doctoral

Universidad de Cádiz Departamento de Cirugía ‐ Otorrinolaringología

Directores de Tesis: Prof. Dr. D. Juan Bartual Pastor Prof. Dr. D. Jorge Roquette Gaona

- 3 -

A mi padre

- 5 -

Agradecimientos A mis Directores de Tesis y Maestros, D. Juan y D. Jorge, por abrirme el camino y

enseñarme a recorrerlo

A mis compañeros del Servicio de Otorrinolaringología del Hospital Universitario de

Puerto Real, por comprender mi pasión por la Otoneurología y facilitarme el trabajo

A mis residentes, porque he aprendido de ellos y con ellos, por su ayuda desinteresada y

porque con ellos he desarrollado muchas de las ideas que expongo en esta Tesis

A mi familia, mis hijos y, especialmente mi mujer, por comprenderme, facilitarme el

trabajo y estimularme para llevarlo a cabo.

Indice


Manuel Oliva

_______________________________________________________________________ Indice

- 8 -

Indice Pág. 7 Abreviaturas y siglas Pág. 12 Hipótesis y objetivos Pág. 14

Introducción Pág. 17 La simulación Pág. 18 Definición y tipos Pág. 18 Incidencia Pág. 20

Síntomas Pág. 21 Diagnóstico Pág. 21 Diagnóstico diferencial Pág. 23

Sistemas de captura de movimiento Pág. 23 Tecnología estándar Pág. 23

Nuevas tecnologías Pág. 25 Posturografía Pág. 27 Definición y tipos Pág. 27

El análisis sensorial Pág. 30 El sistema SwayStar Pág. 34 Análisis sensorial Pág. 34 Análisis espectral y mantenimiento de la postura Pág. 36 Posturografía y simuladores Pág. 37 La simulación en la plataformas de presión Pág. 37 La simulación en SwayStar Pág. 39

Organización de la Tesis Pág. 41

Primera Parte: Comparación de los grupos experimentales Pág. 44 Introducción Pág. 45 Material y métodos Pág. 45 Resultados Pág. 48 Discusión Pág. 58 Deducciones Pág. 61

Segunda Parte: Ratios Pág. 64 Introducción Pág. 65 Material y métodos Pág. 68 Resultados Pág. 68 Discusión Pág. 73 Deducciones Pág. 74

Tercera Parte: Puntos de corte y validación Pág. 76 Introducción Pág. 77 Material y métodos Pág. 77 Resultados Pág. 79 Discusión Pág. 80 Deducciones Pág. 81

_______________________________________________________________________ Indice

- 9 -

Cuarta Parte: Ajuste de los valores de referencia Pág. 83 Los pacientes Pág. 84

Introducción Pág. 84Material y métodos Pág. 84Resultados Pág. 85Discusión Pág. 85

El problema de la edad Pág. 86 Introducción Pág. 86

Material y métodos Pág. 86Resultados Pág. 86Discusión Pág. 87

Extrapolación de datos en s2ec/w3mec Pág. 87 Introducción Pág. 87

Material y métodos Pág. 88Resultados Pág. 89

Deducciones Pág. 89

Quinta Parte: Aplicación de los valores de referencia a pacientes reales

Pág. 91

Introducción Pág. 92Material y métodos Pág. 92Resultados Pág. 94Discusión Pág. 95Deducciones Pág. 96

Sexta Parte: Comparación con otros estudios Pág. 98 Introducción Pág. 99 Material y métodos Pág. 100 Resultados Pág. 101 Discusión Pág. 101 Deducciones Pág. 102

Discusión Pág. 104 ¿El estudio de simuladores fingidos es una sistemática válida? Pág. 105

¿Qué aporta el análisis espectral del posturograma? Pág. 106 El pico en el espectrograma de las pruebas dinámicas Pág. 106

El pico en el espectrograma de las pruebas estáticas Pág. 108El modelo del péndulo invertido simple y el péndulo invertido doble

Pág. 110

¿Por qué aumenta la entropía en el grupo simulador? Pág. 113Comparación de nuestros resultados con otros autores Pág. 115

Conclusiones Pág. 120

Apéndice técnico Pág. 123 Efecto Coriolis Pág. 124

Efecto Sagnac e interferometría Pág. 126Fractales, análisis estocástico, densidad espectral y temas Pág. 128

_______________________________________________________________________ Indice

- 10 -

relacionados ¿Por qué usar un análisis espectral? Pág. 130Resonancia estocástica Pág. 134 Sistemas lineales y no lineales Pág. 134

Ruido Pág. 135El modelo del péndulo invertido Pág. 137

Bibliografía Pág. 139

Figuras Introducción Pág. 151

Figuras 0.1 a 0.17 Pág. 152Primera Parte Pág. 170 Figuras 1.1 a 1.22 Pág. 171Segunda Parte Pág. 198 Figuras 2.1 a 2.8 Pág. 199Tercera Parte Pág. 208 Figuras 3.1 a 3.2 Pág. 209Cuarta Parte Pág. 212 Figuras 4.1 a 4.15 Pág. 213Quinta Parte Pág. 229 Figuras 5.1 a 5.3 Pág. 230Sexta Parte Pág. 234 Figuras 6.1 a 6.2 Pág. 235Discusión Pág. 238 Figuras D.1 a D.7 Pág. 239Apéndice Técnico Pág. 247 Figuras AT.1 a AT.3 Pág. 248

Tablas Introducción Pág. 252

Tablas 0.1 a 0.5 Pág. 253Primera Parte Pág. 259 Clave Pág. 260

Tablas 1.1 a 1.43 Pág. 261Segunda Parte Pág. 347 Clave Pág. 348

Tablas 2.1 a 2.24 Pág. 349Tercera Parte Pág. 398 Clave Pág. 399

Tablas 3.1 a 3.19 Pág. 400Cuarta Parte Pág. 440 Tablas 4.1 a 4.12 Pág. 441Quinta Parte Pág. 458 Clave Pág. 459

Tablas 5.1 a 5.11 Pág. 460Sexta Parte Pág. 474 Clave Pág. 475

Tablas 6.1 a 6.6 Pág. 476

_______________________________________________________________________ Indice

- 11 -

Discusión Pág. 483 Tablas D.1 a D2 Pág. 484

_______________________________________________________________________ Indice

- 12 -

ABREVIATURAS Y SIGLAS Barriers Barreras Condición 1 En pie con ojos abiertos, sobre superficie firme y entorno

visual fijo, una de las pruebas del SOT Condición 2 En pie con ojos cerrados, sobre superficie firme y entorno

visual fijo, una de las pruebas del SOT Condición 3 En pie con ojos abiertos, sobre superficie firme y entorno

visual móvil, una de las pruebas del SOT Condición 4 En pie con ojos abiertos, sobre superficie móvil y entorno

visual fijo, una de las pruebas del SOT Condición 5 En pie con ojos cerrados, sobre superficie móvil y entorno

visual fijo, una de las pruebas del SOT Condición 6 En pie con ojos cerrados, sobre superficie móvil y entorno

visual móvil, una de las pruebas del SOT Cone Cono de estabilidad CRo Ratio de control vestibular y otros, en el sistema SwayStar CRsom Ratio de control somatosensorial, en el sistema SwayStar CRvis Ratio de control visual, en el sistema SwayStar CTSIB Clinical Test for Sensory Interaction on Balance LR Likelihood Ratio, cociente de probabilidad MCT Motor Control Test mCTSIB modified Clinical Test for Sensory Interaction in Balance mCTSIB ampliado Idem al mCTSIB añadiéndole w3mec mSOT Modified Sensory Organization Test RE Resonancia Estocástica ROC Receiver Operating Characteristic s1ec Standing on 1 leg eyes closed s1eo Standing on 1 leg eyes open s1eof Standing on 1 leg eyes open on foam s2ec Standing on 2 legs eyes closed, parte del mCTSIB s2ec/s2ecf Cociente entre las pruebas s2ec y s2ecf s2ec/w3mec Cociente entre las pruebas s2ec y w3mec s2ecf Standing on 2 legs eyes closed on foam, parte del mCTSIB s2eo Standing on 2 legs eyes open, parte del mCTSIB s2eof Standing on 2 legs eyes open on foam, parte del mCTSIB SOM Ratio somatosensorial en el SOT SOT Sensory Organization Test Stairs Escaleras PREF Ratio preferencia visual en el SOT VEST Ratio vestibular en el SOT VIS Ratio visual en el SOT w3mec Walking 3 meters eyes closed w3mph Walking 3 meters pitching head w3mrh Walking 3 meters rotating head w8tan Walking 8 steps tandem En el apartado de Tablas, la primera página de cada Parte incluye la Clave de cada una de las variables utilizadas

_______________________________________________________________________ Indice

- 13 -

Hipótesis y objetivos


Manuel Oliva

_____________________________________________________ Hipótesis y objetivos

- 15 -

Afirmación 1:

La posturografía es un método de exploración clínico que registra los movimientos

corporales valorando cuantitativamente la función del equilibrio.

Afirmación 2:

El análisis espectral de cualquier señal, incluida la proporcionada por los dispositivos de

posturografía, es la forma de representar una señal cualquiera en el dominio frecuencial.

Nos permite conocer una serie de características de la señal que no serían evidentes al

representarla en el dominio temporal.

Afirmación 3:

Los individuos simuladores pueden presentar un comportamiento postural

aparentemente similar a los pacientes que realmente tienen un trastorno del equilibrio

HIPOTESIS

El análisis espectral de las pruebas posturográficas puede revelar tipos de

comportamientos comunes o diferenciadores entre individuos sanos, pacientes con

trastornos del equilibrio y sujetos simuladores.

OBJETIVO

El objetivo de esta tesis es descubrir, definir y validar variables en el análisis espectral

del posturograma que sean característicos de individuos simuladores y permitan

detectarlos clínicamente.

_____________________________________________________ Hipótesis y objetivos

- 16 -

Introducción


Manuel Oliva

___________________________________________________________ Introducción

- 18 -

LA SIMULACION

Definición y tipos

El Manual Diagnóstico y Estadístico de los Trastornos Mentales DSM-IV define

la simulación como la producción intencionada de síntomas físicos o psicológicos

desproporcionados o falsos, motivados por incentivos externos como no realizar el

servicio militar, evitar un trabajo, obtener una compensación económica, escapar de una

condena criminal u obtener drogas. Bajo algunas circunstancias, la simulación puede

representar un comportamiento adaptativo: por ejemplo, fingir una enfermedad mientras

se está cautivo del enemigo en tiempo de guerra1. Incluso se la ha definido como un

medio fraudulento de lucha por la vida2. Debe sospecharse cuando existe1:

1. Contexto médico-legal (p. ej., la persona es enviada por el fiscal a una exploración

médica).

2. Discrepancia acusada entre el estrés o la alteración explicados por la persona y los

datos objetivos de la exploración médica.

3. Falta de cooperación durante la valoración diagnóstica e incumplimiento del régimen

de tratamiento prescrito.

4. Presentación de un trastorno antisocial de la personalidad.

DSM-IV sitúa a la simulación bajo el epígrafe “Otros problemas que pueden ser

objeto de atención clínica” y no se considera como trastorno mental o enfermedad

psiquiátrica, pero puede coexistir con otros trastornos.

La Clasificación Internacional de Enfermedades (CIE)3 la define como la

producción intencional o el fingimiento de síntomas o incapacidades somáticas o

psicológicas motivadas por incentivos o estrés externo. Entre los motivos externos más

frecuentes para la simulación están el eludir acciones de la justicia, el obtener drogas

ilegales, el evitar el reclutamiento o deberes militares peligrosos y los intentos de

obtener compensaciones por enfermedad o mejores condiciones de vida, tales como

obtención de vivienda. La situación es frecuente en los ambientes legales y militares y

poco frecuente en la vida civil ordinaria.

___________________________________________________________ Introducción

- 19 -

Sin embargo, la CIE no incluye la simulación dentro del capítulo V

(Enfermedades Mentales y del Comportamiento, F00-F99) sino dentro del capítulo

XXI: Factores que influencian el estado de salud y el contacto con los servicios

médicos, con el código Z76.5

En inglés, los términos dedicados a este concepto son variados y están llenos de

matices4. Tenemos:

- Dissimulation, deception: se refiere a actitudes de encubrimiento

- Faking: actitudes de fingimiento o engaño

- Malingering: invención consciente y deliberada de un trastorno mental o

físico o de una incapacidad producida por un accidente o enfermedad, que en

realidad no fueron causantes de esta, y de la que se deriva alguna ventaja

personal. Este es el término que más nos interesa.

Resnick5 diferencia entre:

- Simulación pura (pure malingering) o fingimiento de un trastorno no

existente

- Simulación parcial (partial malingering) o la exageración consciente de

síntomas presentes o de un trastorno ya superado

- Falsa imputación (false imputation): la atribución errónea de síntomas reales

a una determinada causa, debido a un engaño inconsciente o a una mala

interpretación de la situación.

También se pueden diferenciar6, 7:

- Simulación propiamente dicha, o simulación mental, verdadera y total, es la

creación de un cuadro clínico donde no lo había. Es difícil de mantener, pero

logran hacer dudar al perito

- Simulación por exageración, sobresimulación, o supersimulación: es la

amplificación de un cuadro clínico preexistente, aprovechan

intencionalmente un terreno psíquico o neuropsíquico para simular un

síndrome que es frecuente en ellos. Podríamos denominarla "simulación

precondicionada" al terreno psíquico predisponente al individuo.

___________________________________________________________ Introducción

- 20 -

o Pitiáticos: tendencia a inventar y exteriorizar actitudes o mímicas

particulares, se agregarán manifestaciones histéricas. Son groseras y

caricaturescas, se ven en gente primitiva.

o Oligofrénicos: cuadros de agitación, causados por emotividad

superficial, o sugestibilidad excesiva.

o Deprimidos por sobrecarga: psicosis carcelarias y síndromes

depresivos prolongados que mejoran en el hospital

o Toxicómanos, alcohólicos y psicópatas perversos suelen observarse

impulsos agitados, con tendencia a amplificar sus problemas

- Perseveración mental o metasimulación: es el estado en el cual los sujetos

que se recuperan de un estado confusional, una depresión o una psicosis

reactiva persisten en su cuadro para obtener un beneficio, cálculo utilitario.

Es frecuente en el ámbito laboral

o Sinistrosis: es el cálculo utilitario para aumentar la indemnización.

o Histerismo: es la predisposición constitucional o pasajera a aparentar

síntomas físicos o psíquicos. Si son de aparición brusca se denominan

"accidentes histéricos primitivos", pero si son la prolongación de un

cuadro previo son asociaciones histero-orgánicas.

- Simulación en trueque: es la simulación de un delito para encubrir otro de

mayor importancia.

La simulación puede tomar muchas formas. Estos paciente tienden a simular

enfermedades comunes, con síntomas generalizados. Con un mínimo entrenamiento o

investigación, incluso un principiante puede simular síntomas como dolor de cabeza,

mareos, dolor de espalda o de estómago...8. Los simuladores más difíciles de detectar

son precisamente los que evitan el exceso de síntomas y todos los síntomas que resulten

extraños, inusuales o estrambóticos y basan sus respuestas a los cuestionarios en sus

experiencias personales9.

Incidencia

Según la Encyclopedia of Mental Disorders disponible online8 la incidencia de

simuladores es desconocida debido a la dificultad para diagnosticarlos.

___________________________________________________________ Introducción

- 21 -

Según otros trabajos10 en Estados Unidos se podrían estimar las cifras mostrada

en la tabla 0.1. Otros trabajos anteriores11 sitúan la simulación en el caso de trauma

craneal leve en torno al 5-10%. En un estudio efectuado en México en 2001,

encontraron una incidencia de simuladores de 2.2 por cada 100.000 trabajadores,

constituyendo el 37% de los trabajadores remitidos para valoración de incapacidad

laboral12. En los exámenes forenses se calcula que podría haber alrededor de un 16% de

simulaciones y un 7% en el ámbito clínico extraforense13.

En la figura 0.1 podemos observar una gráfica procedente de la Coalition

Against Insurance Fraud14. Muestra los casos de fraude seguidos por la coalición

durante 2006. Se observa claramente cómo las reclamaciones médicas falsas de todo

tipo ocupan un destacado primer lugar. En esta misma fuente se indica que el fraude

sanitario alcanza a un 10% del gasto sanitario de los Estados Unidos.

En España, según un artículo aparecido en un semanario de economía familiar,

consumo y empleo en 199615, la bolsa de fraude que sufría la Seguridad Social era de

alrededor de 300.000 millones de pesetas anuales. El fraude debido a las prestaciones

por incapacidad laboral se considera el más importante, y estaría en torno a los 50.000

millones de pesetas anuales. En euros, esta cantidad equivale a unos 300 millones.

En el tema que nos ocupa (simulación en los trastornos del equilibrio) tras

contactar por correo electrónico con varios especialistas en valoración del daño

corporal, no se encuentra ninguna estadística al respecto.

Síntomas

Algunas situaciones donde es frecuente la simulación de trastornos del equilibrio

son el latigazo cervical, las prestaciones de desempleo o incapacidad laboral; en los

niños en edad escolar también puede aparecer para evitar ir a clase16. En el síndrome

postconmocional, el vértigo es el segundo síntoma más frecuente, después de la

cefalea17.

___________________________________________________________ Introducción

- 22 -

Algunos estudios muestran que los pacientes con síndrome postconmocional

involucrados en juicios tienen síntomas más prolongados e intensos que los pacientes

sin involucración legal18. Esto puede ser debido a19:

- El paciente litigante ha leído más sobre su condición y está influido por el

“conocimiento del síntoma”

- Estos pacientes han sido instruidos por sus abogados para magnificar los

síntomas adecuados

- Los síntomas se exacerban por el estrés del juicio

- Los pacientes están, consciente o inconscientemente influidos por una

ganancia secundaria

- El paciente está fingiendo para conseguir dinero

En general, los síntomas sugerentes de simulación los resumimos en la tabla 0.2

Diagnóstico

Se han desarrollado varios tests psiquiátricos y neurológicos para intentar

detectar a los simuladores. Las más fiables son19:

- MMPI-2: Minnesota Multiphasic Personality Inventory, escala F, índice F-

K, intervalo O-S. En general, tratan de valorar la sintomatología conductual

del problema19, 4.

- Batería de Halstead-Reitan: tiene una fiabilidad del 93.8% para detectar

simulación en las secuelas cognitivas de un traumatismo cefálico19.

- Test de Bender: recomendando un retest varios días después, ya que así el

paciente se ha olvidado del patrón que dio en primer lugar, y asi se obtendrá

un nuevo patrón completamente diferente del primero4.

- MSPQ: Modified Somatic Perception Questionnaire, desarrollado para

valorar pacientes con dolor de espalda y validado para detectar

simuladores20, 21

- Otras: Dissimulation Scale, Ego Strength Scale, Fake Bad Scale

Ninguno de ellos está relacionado directamente con los trastornos del equilibrio.

No obstante, en un estudio reciente22 han utilizado el MSPQ como indicador de

___________________________________________________________ Introducción

- 23 -

simulación y relacionan su puntuación con la existencia de un patrón afisiológico en

pruebas posturográficas.

Diagnóstico diferencial

Según el DSM-IV1 y el CIE-103 el diagnóstico diferencial de la simulación es

con el trastorno facticio (según la nomenclatura DSM-IV) o ficticio (según la

nomenclatura CIE-10), trastornos de conversión y trastornos somatomorfos.

En el trastorno facticio, existe una necesidad psicológica de asumir el papel de

enfermo (en vez de un incentivo externo), implica siempre un determinado tipo de

psicopatología y los síntomas suelen permanecer una vez resuelto el litigio legal en caso

que éste existiera23.

La diferencia con los síndromes de conversión y somatomorfos reside en que en

la simulación existen incentivos externos obvios asociados y una producción

intencionada de los síntomas. Además, en la simulación (a diferencia de los trastornos

de conversión) los síntomas no ceden por hipnosis1.

SISTEMAS DE CAPTURA DE MOVIMIENTO

Para desarrollar este tema, seguiremos la clasificación empleada en la revisión

de Aminian y Najafi24.

Tecnología estándar

- Captura mediante sensores magnéticos: se usan sensores colocados en

diferentes partes del cuerpo y se detecta el campo de baja frecuencia

generado por un transmisor. Los problemas pueden venir derivados de los

metales y campos magnéticos presentes en el entorno; también aparecen

interferencias con el metal existente en el suelo, paredes, techo, estructuras y

los dispositivos electricos cercanos25.

___________________________________________________________ Introducción

- 24 -

- Captura óptica (figura 0.2): muy desarrollada en los últimos tiempos. Usa

marcadores pasivos (retro-reflexión) o activos (LEDs) fijos a diferentes

puntos del cuerpos. Los marcadores pasivos no necesitan cables y son menos

restrictivos y aparatosos. Se usan al menos 2 cámaras para poder "ver" el

marcador en cualquier momento. Puede haber problemas al confundir

marcadores, datos con mucho ruido o falsos reflejos. Puede haber situaciones

en que un marcador quede oculto. En general los sistemas de alta calidad son

caros y el uso de marcadores los hace aparatosos. Necesitan un laboratorio

especialmente dedicado26. Dentro de estos sistemas podríamos incluir a la:

o Craneocorpografía (figura 0.3): en 1970, Claussen27 describe un

método fotoóptico sencillo para registrar gráficamente las

oscilaciones del cuerpo y cabeza durante las pruebas de Romberg y

Unterberger-Fukuda: la craneocorpografía. Básicamente el paciente

lleva unas pequeñas luces encendidas en los hombros y cabeza. Se le

sitúa bajo un espejo convexo con una cámara fotográfica tipo

Polaroid enfocada al espejo. Al apagar las luces de la habitación, se

deja el diafragma de la cámara abierto mientras dure la prueba en

cuestión. Con este sistema se consigue registrar en una fotografía el

desplazamiento de las luces que lleva el paciente, y por tanto, del

desplazamiento de su cuerpo. Se ha usado este método también para

registrar gráficamente la marcha del paciente28, 29.

- Emisores y receptores de ultrasonidos: se calcula el intervalo de tiempo

entre la transmisión y recepción de la onda30.

o Craneocorpografía por ultrasonidos (figura 0.4): actualmente la

craneocorpografía ha incorporado la tecnología digital y ha sustituido

las luces y la cámara por emisores y receptores de ultrasonidos. Con

ello permite que las pruebas se puedan hacer en lugares iluminados y

un análisis tridimensional de los desplazamientos y añadir otros tests

para analizar el movimiento de la cabeza y cuello con el mismo

sistema (NEFERT, LOLAVEHSLIT)31.

___________________________________________________________ Introducción

- 25 -

Nuevas tecnologías

En general se trata de usar sensores fijos al cuerpo. Estos sensores se pueden

usar sobre cualquier parte del cuerpo, habitualmente son portátiles y no necesitan de

unidades estacionarias. Son más baratos, fáciles de ajustar y usar y no necesitan de un

personal altamente especializado. Además se pueden usar en tiempo real. Los

principales tipos son:

- Goniómetro (figura 0.5): mide el cambio angular en una articulación. El

tipo de goniómetro más práctico lo constituye una zona central flexible y

móvil entre dos parte rígidas que se fijan a los segmentos móviles de la

articulación. Cuando cambia el ángulo entre las dos partes rígidas, se

induce un cambio eléctrico proporcional a dicho ángulo. Se pueden usar

para medir el ángulo entre dos segmentos cuando el centro de rotación es

incierto o se mueve durante la rotación. Sus principales defectos: la

fijación de los sensores y la falta de robustez de los mismos32.

- Brújula electrónica: miden la orientación respecto a la dirección del

norte magnético. Se usan para medir rotaciones con respecto al campo

magnético terrestre. Desventaja: son sensibles a masas de hierro cercanas

o a campos magnéticos locales. Necesitan calibrarse tras cada cambio de

localización33.

- Sensor de presión de los pies: usan resistencias sensibles a la presión.

Pero no son apropiados para medir las fuerzas con precisión, puede haber

variaciones de 15-25%. Tienen problemas que limitan su aplicabilidad

p.e. en una marcha patológica24. Lo desarrollaremos más en profundidad

al hablar de la posturografía

- Acelerómetros: consisten en una masa conectada a un armazón por un

barra equivalente a un muelle amortiguado (fig. 0.6). La aceleracion se

transforma en deformación del muelle, y ésta se transduce en cambios de

impedancia eléctrica (acelerómetro resistivo o capacitivo) o generación

de cargas electricas (acelerómetro piezoeléctrico)34, 35. En el acelerómetro

piezoeléctrico, el sensor es un cristal con la propiedad de emitir una

carga eléctrica cuando se ve sometido a una carga compresiva. El cristal

se une a una masa de tal forma que cuando el acelerómetro se ve

sometido a cualquier tipo de aceleración la masa comprime el cristal y

___________________________________________________________ Introducción

- 26 -

éste emite una señal proporcional36. Por tanto, incluso en ausencia de

cualquier movimiento, miden la aceleración gravitacional de un

segmento del cuerpo, más especificamente, su proyección sobre el eje del

sensor. Así se puede medir en reposo la inclinación de un segmento del

cuerpo con respecto a la vertical gravitacional. Como desventaja, al

estimar la velocidad como la integral de la aceleración puede aparecer

una deriva importante y algunos errores debido a la inclinación del

segmento corporal donde esté fijado. No obstante constituyen una técnica

muy prometedora con muchas aplicaciones clinicas. Pueden usarse

acelerómetros en uno o más ejes37, 38.

- Giroscopios: usan un elemento mecánico vibratorio para detectar la

velocidad angular. Se basan en la transferencia de energía entre los dos

modos de vibración de una estructura causados por la fuerza de Coriolis

(ver apéndice técnico). La fuerza de vibración se puede inducir a partir

de energía piezoeléctrica, electromagnética o electrostática. El efecto

Coriolis es proporcional a la velocidad angular de la rotación. Se puede

considerar el movimiento humano como un conjunto de rotaciones

alrededor de cada una de las articulaciones. En este caso no habría

influencia de la aceleración gravitacional sobre las mediciones. Como

desventajas: consumo de energia, precio, deriva y sensibilidad a los

choques39.

o Giroscopios de fibra óptica40: este dispositivo utiliza la

interferencia de la luz para detectar rotaciones mecánicas. El

sensor consiste en una bobina de unos 5 Km de fibra óptica. A

través de esta bobina viajan dos haces de luz en sentidos opuestas.

En virtud del efecto Sagnac (ver apéndice técnico), el haz que

viaja en sentido opuesto al de la rotación experimenta un

recorrido ligeramente más corto que el otro haz. El desfase

resultante al combinar los dos haces de luz se detecta mediante

técnicas de interferometría y es proporcional a la velocidad de

rotación a la que se encuentra sometido el dispositivo (figura 0.7).

Comparados con los giroscopios mecánicos o piezoeléctricos, el

de fibra óptica no tiene partes móviles ni está sometido a

tensiones mecánicas. Es muy poco sensible a la vibración y

___________________________________________________________ Introducción

- 27 -

aceleración. Esto explica que se usen en sistemas de medida de

alta precisión41. El factor que determina en mayor medida su

precisión es la longitud de la fibra óptica (mejor cuanto más

larga) y este parámetro vendrá determinado por el tamaño final

del dispositivo42. Los mejores sensores tienen una deriva inferior

a la de la rotación de la Tierra (0,01 grados/seg), poco ruido

(menos de 0,001 grados/seg) y un muestreo de 16 bits en un rango

de ±256 grados/seg. Proporcionan información precisa y fiable

sobre movimientos limitados a un solo plano o en tareas de

equilibrio en múltiples planos43.

Una extensa relación de aplicaciones de esta tecnología se puede

obtener en la referencia44. Entre otras, cabe destacar su uso en

sistemas de navegación inerciales con aplicaciones en sistemas de

vigilancia, estabilización, guía y navegación. Se ha aplicado en

vehículos terrestres tanto en carretera como ferrocarril, aeronaves,

vehículos sin tripulación por control remoto, submarinos…45.

- Sensor kinemático: los acelerómetros y giroscopios tienen

caracteristicas complementarias. El acelerómetro proporciona la derivada

de la velocidad angular y el ángulo de inclinación durante el reposo; el

giroscopio estima la derivada de un ángulo. Combinando un giroscopio

con 2 acelerómetros tendriamos el sensor kinemático ideal para estimar

la cinemática en dos dimensiones (es decir en un plano, sagital o frontal)

de un segmento corporal46.

POSTUROGRAFIA

Definición y tipos

Nashner47 define la posturografía como un método cuantitativo para valorar la

función del equilibrio de pie en posición erecta y bajo una serie de condiciones que

simulan las encontradas en la vida diaria. Black48 la define como un método cuantitativo

para aislar y evaluar la forma en que el sistema del equilibrio utiliza los componentes

sensoriales y motores del equilibrio para mantenerse en pie.

___________________________________________________________ Introducción

- 28 -

El origen de la posturografía puede encontrarse en el trabajo de Romberg al

comparar las oscilaciones del cuerpo con los ojos abiertos y cerrados49. Según la

Wikipedia en inglés50, Nashner fue el que describió sus aplicaciones clínicas en 1982.

Sin embargo, realizando una búsqueda en PubMed bajo el término “posturography” sin

límites de tiempo, se encuentra un trabajo publicado en 1972 que ya utiliza ese término

en su título51.

Básicamente, el posturógrafo consta de una plataforma rígida y plana colocada

sobre tres o más puntos donde hay unos dispositivos (transductores) para medir fuerzas.

Cuando el paciente se coloca sobre la plataforma, las fuerzas verticales registradas por

los transductores se usan para calcular la posición del centro de las fuerzas verticales

ejercidas sobre la plataforma a lo largo del tiempo47. Este tecnología se conoce en inglés

como forceplate y lo traduciremos como “plataforma de presión”.

Cuando se conoce la altura del paciente, un modelo matemático de la dinámica

corporal (modelo del péndulo invertido)52, 53, 54 permite transformar el desplazamiento

del centro de fuerzas verticales en ángulo de desplazamiento del centro de gravedad.

Una primera clasificación de las plataformas de presión las divide en estáticas y

dinámicas.

Las plataformas estáticas serían las que acabamos de describir: el paciente se

coloca encima y la plataforma se limita a medir las presiones que se ejercen sobre ella.

Permite realizar pruebas como el modified Clinical Test for the Sensory Interaction on

Balance (mCTSIB)55.

Estas serían las plataformas que denominaremos tipo NeuroCom, ya que esta

compañía fue la primera en desarrollar este tipo de plataformas y la que ha desarrollado

la mayoría de protocolos de diagnóstico utilizados actualmente.

La plataforma tipo BRU (Balance Rehabilitation Unit) incorpora una novedad:

es una plataforma de presión estática a la que se añade unas gafas de realidad virtual con

un acelerómetro. De esta forma, el paciente queda inmerso en un mundo que podemos

___________________________________________________________ Introducción

- 29 -

manejar a voluntad, cuya posición relativa va variando según los movimientos que haga

el paciente con la cabeza. Es una forma de influir sobre la información visual que recibe

el paciente. Se puede usar para diagnóstico, pero está más orientado a rehabilitación del

equilibrio.

A modo de curiosidad, diremos que se ha publicado en internet un sistema para

fabricar una plataforma de presión estática casera mediante la conexión de una báscula

de baño eléctrica a un ordenador. Si se valida este sistema, sería una alternativa bastante

económica al resto de plataformas presentes en el mercado hoy día56.

Las plataformas dinámicas serían aquéllas que de una u otra forma se mueven

alrededor de uno u otro eje. Permitirían hacer otras pruebas como el Sensory

Organization Test (SOT), pruebas de adaptación y pruebas posturales evocadas como el

Motor Control Test (MCT), traslaciones de la plataforma súbitas o sinusoidales, etc.

Dependiendo del modelo y de la marca del aparato, se puede incorporar una

plataforma de mayor o menor tamaño, con lo cual permitiría hacer tests de marcha, con

escalones, foam, etc.

En cualquier caso, los posturógrafos de plataforma suelen medir los

movimientos en un único plano anteroposterior o pitch.

Los posturógrafos basados en sensores de velocidad angular en cambio tienen un

tamaño bastante más pequeño. Estos dispositivos se fijan sobre el paciente mediante

unos cinturones. Unos sistemas lo hacen fijando un único dispositivo en la espalda del

paciente, cerca de su centro de gravedad (SwayStar), y otros permiten, además, otro

sensor en la cabeza permitiendo un análisis combinado de los movimientos de tronco y

cabeza (MotionTrak).

Estos sistemas permiten un análisis de los desplazamientos del tronco en dos

planos: pitch y roll. Corresponden a los planos sagital (adelante y atrás) y frontal

(derecha e izquierda). Son de pequeño tamaño, permiten al paciente realizar

prácticamente cualquier tarea (prueba de Romberg, andar, sortear obstáculos, subir y

bajas escaleras, sentarse y levantarse, etc.) sin necesidad de cambiar su configuración

___________________________________________________________ Introducción

- 30 -

básica. Los últimos modelos además permiten una conexión inalámbrica con el

ordenador, lo que hacen que sean extremadamente versátiles.

El uso de prótesis vestibulares para rehabilitación vestibular está hoy plenamente

de actualidad. Los sistemas de posturografía proporcionan la información necesaria

sobre los movimientos del paciente57 sobre todo en paciente con vestibulopatías

bilaterales. Esa información se transforma en un biofeedback de diversos tipos como

veremos a continuación.

El sistema BrainPort puede considerarse un posturógrafo porque detecta la

inclinación de la cabeza. El sensor de posición va colocado dentro de la boca, sobre un

dispositivo que transmite esa información a un conjunto de electrodos colocados sobre

la lengua. En otras palabras: transforma una información de inclinación de la cabeza en

pequeñas corrientes eléctricas localizadas en uno u otro lado de la lengua. De esta

forma, el paciente puede llegar a ser consciente de los movimientos que está haciendo.

Otros sistemas utilizan un feedback vibrotáctil58 o auditivo-visual-vibrotáctil59.

Resumimos la clasificación de los dispositivos de posturografía en la tabla 0.3.

En las figuras 0.8 a 0.15 mostramos algunos ejemplos de los posturógrafos existentes en

el mercado.

En este trabajo, en adelante nos limitaremos a hablar sólo de dos tipos de

posturógrafo: las plataformas de presión tipo NeuroCom, dado que fueron las primeras

en salir al mercado, con las que se han diseñado los principales protocolos de

exploración y de las que existe mayor biliografía publicada. El segundo posturógrafo

que nos interesa es el SwayStar, porque con él hemos realizado este trabajo.

El análisis sensorial

Las plataformas dinámicas fueron las primeras en diseñar el Test de

Organización Sensorial (Sensory Organization Test, SOT). El SOT47 es un protocolo de

6 pruebas (o condiciones), diseñado para evaluar la capacidad del paciente para:

___________________________________________________________ Introducción

- 31 -

- Usar la información de origen visual, somatosensorial y vestibular para

mantener el equilibrio

- Seleccionar la información más adecuada bajo una variedad de condiciones

sensoriales

La organización sensorial se evalúa alterando selectivamente la información de

origen visual y/o somatosensorial y midiendo entonces la capacidad del paciente para

mantener el equilibrio47. La alteración se consigue mediante el método conocido como

sway-referencing. Este método consiste en inclinar bien la base de sustentación o el

entorno visual de tal forma que la base de sustentación o el entorno visual permanecen

siempre constantes en relación con el centro de gravedad del paciente. Aunque el

paciente sigue recibiendo información visual y somatosensorial bajo estas condiciones,

no es una información útil para mantener el equilibrio.

Las 6 condiciones se han representado en la figura 0.16 según el esquema ya

clásico de NeuroCom. Son las siguientes:

- Condición 1: ojos abiertos, entorno visual fijo, plataforma fija. El paciente

puede utilizar normalmente todas sus fuentes de información

- Condición 2: ojos cerrados. Resto como en la condición 1. El paciente puede

usar la información vestibular y somatosensorial. La información visual es

nula

- Condición 3: ojos abiertos, entorno visual móvil, plataforma fija. La

información vestibular y somatosensorial son normales. La información

visual está falseada

- Condición 4: ojos abiertos, entorno visual fijo, plataforma móvil. La

información somatosensorial está falseada. La visual y vestibular son

normales.

- Condición 5: ojos cerrados, plataforma móvil. La información visual es 0 y

la somatosensorial está falseada. El paciente sólo depende de la información

vestibular

- Condición 6: ojos abiertos, plataforma móvil, entorno visual móvil. La

información visual y la somatosensorial están falseadas. De nuevo el

paciente sólo depende de la vestibular para mantener el equilibrio.

___________________________________________________________ Introducción

- 32 -

En cada condición, el ordenador calcula una puntuación (equilibrium score) en

función de las oscilaciones que haya hecho el paciente. Podemos caracterizar el

problema sensorial del paciente estableciendo relaciones entre las diferentes

condiciones sensoriales del SOT47. Así podemos definir varias ratios60:

- SOM (somatosensorial): su fórmula es la siguiente

1Condición 2Condicion SOM =

Responde a la pregunta ¿aumentan las oscilaciones cuando se elimina la

información visual? En caso positivo, el paciente hace poco uso de la

información somatosensorial. Es la cuantificación de la prueba de Romberg.

- VIS (visual): su fórmula es

1Condición 4Condición VIS=

Responde a la pregunta ¿aumentan las oscilaciones cuando la información

somatosensorial está falseada? En ese caso el paciente hace poco uso de la

informacion visual

- VEST (vestibular): su fórmula

1Condición 5Condición VEST =

Responde a la pregunta ¿aumentan las oscilaciones cuando se elimina la

información visual y la somatosensorial está falseada? En ese caso, o bien el

paciente no usa la información vestibular o bien ésta no está disponible

- PREF (preferencia visual): su fórmula

___________________________________________________________ Introducción

- 33 -

52Condición 6 3Condición PREF

++

=

Responde a la pregunta ¿aumentan las oscilaciones cuando la información

visual está falseada en comparación a cuando no hay información visual? En

ese caso, el paciente utiliza la información visual incluso cuando ésta es

inadecuada

Debido al alto coste de las plataformas de posturografía dinámica61 se desarrolló

un test clínico siguiendo la misma filosofía del SOT. Este test se denominó Clinical Test

for Sensory Interaction in Balance (CTSIB)55 y se trata de realizar las mismas

condiciones del SOT pero en un entorno clínico: se sustituye la plataforma móvil por un

colchón de foam y el entorno visual móvil por un dome, una especie de casco que

permite al paciente ver un entorno que se mueve al mismo tiempo que él. Esta prueba

también se conoce como foam-and-dome test o sensory conflict posture test. Algunos

estudios muestran que el CTSIB tiene una buena correlación con el SOT a la hora de

distinguir pacientes con problemas vestibulares62, 63. Otros estudios64 sugieren que

utilizar una superficie de foam es una tarea más complicada para el mantenimiento del

equlibrio que una plataforma móvil.

Las casas fabricantes de posturógrafos rápidamente asimilaron estos hallazgos y

lanzaron modelos de plataformas estáticas, más baratas, y que incorporaban en sus

protocolos el modified Sensory Organization Test (mSOT)65 y el modified Clinical Test

for Sensory Interaction in Balance (mCTSIB)66. En el mSOT se trata de eliminar el

entorno visual móvil manteniendo una plataforma dinámica. En el mCTSIB además

sustituye la plataforma móvil por una plataforma estática y un colchón de foam: es

decir, usar las condiciones 1, 2, 4 y 5 del SOT y eliminando la ratio PREF del análisis

sensorial con un aparataje más sencillo y barato. La figura 0.17 representa ambas

pruebas.

___________________________________________________________ Introducción

- 34 -

EL SISTEMA SWAYSTAR

El sistema SwayStar es un sistema de medición de la velocidad angular del

tronco cuyos sensores son giroscopios de fibra óptica como los descritos

anteriormente67. La razón de utilizar sensores de velocidad angular en vez de sensores

de aceleración o posición es debida a experimentos como los de Jeka et al68. Estos

autores idearon modelos informáticos en los que se predecía el comportamiento postural

de los individuos en tres condiciones diferentes (de pie sobre una superficie firme, de

pie con un entorno visual referenciado, de pie sobre un colchón de foam). En cada uno

de los modelos informáticos se degradaba la información sobre velocidad, aceleración y

posición. La conclusión es que sólo la degradación severa de la información sobre

velocidad es capaz de predecir el cambio en la estructura de las oscilaciones. En la tabla

0.4 se resumen las ventajas y deventajas del uso de sensores de velocidad angular.

El dispositivo se coloca cerca del centro de gravedad del paciente, lo cual

constituye la forma más efectiva de cuantificar las oscilaciones del tronco69. Utiliza dos

sensores, uno en el plano pitch (sagital) y otro en el plano roll (frontal). Por tanto, el

análisis de los datos siempre los dará en ambos planos de movimiento.

Las dimensiones del SwayStar es son 15 cm x 11 cm x 9 cm y su peso, 750 gr70.

Utiliza el protocolo Bluetooth para comunicarse con el ordenador, por lo que el paciente

no tiene que llevar ningún tipo de cable. Como contrapartida, lo hace dependiente de

una batería de ión litio con una capacidad máxima de unos 40 minutos y un tiempo de

carga estimado en unas 4,5 horas70.

Su precisión en la detección de los movimientos llega a 0,01 grados/seg. Permite

medir desde las pequeñas oscilaciones que aparecen en la bipedestación hasta las

oscilaciones más grandes que pueden aparecer durante la marcha69.

Análisis sensorial

El sistema SwayStar también utiliza el concepto de análisis sensorial de una

forma similar al de las plataformas tipo NeuroCom. Utiliza el mCTSIB (modified

___________________________________________________________ Introducción

- 35 -

Clinical Test for Sensory Interaction in Balance)66. Las pruebas que se van a analizar en

este caso son:

- s2eo: standing on 2 legs eyes open, de pie sobre las dos piernas y sobre una

superficie estable

- s2ec: standing on 2 legs eyes closed, idem al anterior, con los ojos cerrados

- s2eof: standing on 2 legs eyes open on foam, de pie, sobre las dos piernas y

sobre un colchón de foam

- s2ecf: standing on 2 legs eyes closed on foam, como el anterior, con los ojos

cerrados

Utiliza el rango de velocidad angular en pitch, según las siguientes ratios69:

- CRvis: ratio de control sensorial visual. Según la fórmula:

100

Esta ratio expresa la dependencia del individuo de la información visual.

Cuanto mayor sea la ratio, mayor es la oscilación del individuo cuando se

suprime la información visual

- CRss: ratio de control somatosensorial

100

Esta ratio expresa la dependencia del individuo de la información

somatosensorial procedente de las extremidades inferiores. La ratio será

mayor cuando la información somatosensorial no sea útil para mantener el

equilibrio, como cuando el individuo está sobre un colchón de foam

___________________________________________________________ Introducción

- 36 -

- CRo: ratio de control vestibular y “otros”

100

Esta ratio expresa la dependencia de otros sistemas sensoriales, como el

vestibular, somatosensorial de las extremidades superiores, conductas

predictivas, etc. Asume que estos inputs pueden deducirse mediante la

simple sustracción de las ratios anteriores.

ANALISIS ESPECTRAL Y MANTENIMIENTO DE LA POSTURA

En el interesante trabajo de Thurner, Mittermaier y Ehrenberger71 se consideran

los movimientos de balanceo del cuerpo como procesos fractales. Concluyen que el

patrón fractal es más regular cuando se excluye el sistema visual y se reduce la

información somatosensorial. Por tanto un patrón altamente complejo se debe asociar a

un sistema del equilibrio completamente sano.

Siguiendo el mismo estudio, algunos métodos de medir la complejidad de forma

cuantitativa son:

- Exponente de Hurst

- Exponente de potencia espectral

- Exponente de varianza de óndulas (wavelets)

- Método de conteo de cajas

Otros métodos de medir la complejidad72, 73 los citamos en la tabla 0.5

Las oscilaciones del cuerpo se pueden considerar un proceso estocástico74, 75, 76.

Como tal, la señal generada por un posturógrafo es suceptible de analizarse mediante su

densidad espectral (ver apéndice técnico)

Entre todas las variables valoradas en cada estudio, el sistema SwayStar

proporciona la densidad espectral correspondiente a cada registro, en pitch y en roll.

___________________________________________________________ Introducción

- 37 -

POSTUROGRAFIA Y SIMULADORES

Todos los investigadores que han estudiado los patrones afisiológicos se basan

en unos principios bien establecidos del control del equilibrio48, 77, 78:

- Bajo unas condiciones sensoriales alteradas la realización de la prueba

variará de forma proporcional a la dificultad de la misma, especialmente si

las distintas condiciones se presentan de forma aleatoria

- Ante una perturbación inesperada, las reacciones posturales automáticas o

reflejas aparecen en primer lugar y de forma consistente en la repetición de

la prueba

- Las reacciones posturales voluntarias ante perturbaciones inesperadas

aparecen con una latencia mucho mayor que las reacciones automáticas y

frecuentemente varían al repetir la prueba

La simulación en las plataformas de presión

En la revisión bibliográfica de Rey Martinez et al79 los autores encuentran los

siguientes criterios de simulación en posturografía:

- Una estrategia es “afisiológica” cuando el paciente se comporta

posturalmente mejor en las condiciones más difíciles

- En los pacientes con patrón afisiológico hay una gran variabilidad entre los

intentos, lo que conforma una respuesta errática

- Puntuación según Cevette et al78. Estos autores definieron tres fórmulas,

cada una de las cuales determina los patrones normal, afisiológico y

vestibular

- Combinación de los siguientes resultados: resultado patológico en la

condición 1 del SOT, respuesta exagerada en la prueba de control motor con

estímulo small y respuesta inconsistente al obtener una respuesta idéntica en

la prueba de control motor con estímulo small y large o incluso mayor en el

primero que en la segunda77.

- En la prueba de control motor y/o la prueba de adaptación, pasado 1 segundo

del estímulo hay una respuesta exagerada y desmesurada80.

___________________________________________________________ Introducción

- 38 -

- Disparidad clinicoexploratoria: el paciente con una posturografía muy

deteriorada es capaz de andar, colocarse en el posturógrafo, ponerse el

arnés…81.

- La repetición de la prueba da unos resultados diferentes y no reproducibles81.

Los propios autores de la revisión79 reconocen que no hay ningún criterio mejor

o único que permita definir un patrón afisiológico. Debe partir de la sospecha clínica

teniendo en consideración la exploración dinámica de la marcha y la postura.

Artuso et al82 utilizan el Criterio 1 de Goebel77 y le añaden una puntuación de

estrategia por debajo de 2 desviaciones estándar de la media en alguna de las 6

condiciones del SOT

Gianoli et al83 compararon dos grupos de pacientes. Uno de ellos tenía

pendientes causas legales, reclamaciones de indemnizaciones laborales o de

incapacidad. El otro grupo no tenía ninguna reclamación de este tipo. Llegaron a las

siguientes conclusiones:

- El grupo con ganancia secundaria era estadísticamente más joven, con una

impresión clínica inicial de mareos de causa incierta, la audiometría y

pruebas electronistagmográficas son normales y poseen patrones de

oscilación no orgánicos en la posturografía.

- La posturografía de los pacientes con ganancia secundaria ofrecía las

siguientes características:

o Una oscilación anteroposterior y lateral significativa, sin caídas, en

las condiciones 4, 5 y 6 del SOT

o Un patrón de oscilación circular

o Peores resultados en las condiciones 1, 2 y 3 del SOT con una gran

variabilidad al repetir cada una de las pruebas.

- Debe mantenerse un alto grado de sospecha clínica al valorar un paciente con

mareo cuando tiene una ganancia secundaria obvia, como juicios pendientes,

indemnizaciones laborales o peticiones de incapacidad. Existe una incidencia

muy alta de magnificación de síntomas en estos casos.

___________________________________________________________ Introducción

- 39 -

Posteriormente, Mallinson y Longridge84 publicaron un conjunto de 9 criterios

diagnósticos de simulación. Estos criterios son:

- Mejores resultados en las condiciones 1 y 2 del SOT cuando el paciente no

se da cuenta de que se está grabando la prueba

- Las condiciones 1 y 2 del SOT tienen unos resultados marcadamente

anormales

- Las condiciones 5 y 6 del SOT tienen resultados relativamente mejores que

las condiciones 1 y 2

- Oscilaciones circulares sin caídas

- Importante variabilidad entre los intentos en todas las condiciones del SOT

- Patrón de oscilación rítmico en todas las condiciones del SOT

- Respuestas exageradas en la prueba de control motor

- Respuestas erráticas o inconsistentes en la prueba de control motor

- Impresión clínica de simulación por parte del evaluador. Si dos evaluadores

tienen la misma impresión, entonces se trata de un signo muy importante de

probable simulación.

Si el paciente cumple menos de 3 criterios, entonces no se considera un

comportamiento afisiológico. Si cumple 3-4 criterios sería sospechoso. Más de 5

criterios representa un comportamiento afisiológico.

La simulación en SwayStar

Según los criterios indicados en la página web de SwayStar85 los pacientes

simuladores presentan las siguientes características:

- La velocidad de las oscilaciones en pitch en la prueba s2ecf es la mitad que

la observada en la prueba s2ec

- En la prueba s2eo pueden observarse oscilaciones lentas, casi nunca vistas en

pacientes con lesiones orgánicas

- El paciente no puede mantenerse de pie sobre una sola pierna en superficie

firme (s1eo) durante más de 7 segundos, pero pueden realizar la marcha en

tandem (w8tan) y la marcha con ojos cerrados (w3mec) sin problemas

- El análisis sensorial no sigue el típico patrón de CRvis < CRss < CRo

___________________________________________________________ Introducción

- 40 -

- En la normalidad y en los pacientes con problemas de equilibrio las

oscilaciones del tronco durante la marcha son mucho más amplias que

durante las pruebas estáticas. El efecto opuesto se puede observar en los

simuladores.

Recientemente, el equipo del Dr. Allum añade otros criterios86. Basándose en el

90% del rango máximo de las oscilaciones, las variables más importantes para detectar

simuladores son:

- La diferencia s2ecf-s2ec considerando la velocidad angular en el plano roll

- La velocidad angular en pitch al mantenerse sobre una sola pierna en una

superficie firme (s1eo)

- La diferencia de velocidad en pitch entre la marcha en tándem y s1eo

- Es necesario también añadir el ángulo de desviación en roll durante la prueba

s1eo

Nota: la denominación de las diferentes pruebas en el sistema SwayStar sigue su propa terminología

(s2eo, w3mec, w8tan…). Lo explicaremos más adelante, en la Primera Parte de esta Tesis

___________________________________________________________ Introducción

- 41 -

ORGANIZACIÓN DE LA TESIS

Dividimos esta Tesis en dos grandes apartados: un Estudio Experimental y un

Estudio Clínico:

- Estudio Experimental: se trata de encontrar las variables adecuadas en

individuos que sabemos con seguridad que son simuladores. Para ello,

utilizamos individuos jóvenes y sanos que realizan una batería completa de

pruebas. Una vez simulando conscientemente y otra sin simular. De esta manera

formaremos dos grupos de estudio: el grupo Simulador, formado por los

individuos simulando conscientemente; y el grupo No Simulador, en el que los

mismos individuos realizan las pruebas de buena fe. Además de los datos en

bruto de cada prueba (el espectrograma) calculamos una par de variables que

pensamos que serían de utilidad siguiendo las normas generales para detectar

simuladores: s2ec/w3mec y s2ec/s2ecf, además de las ratios del análisis

sensoriales según SwayStar y según NeuroCom. Cada una de las divisiones de

esta Tesis se ha tomado como un trabajo independiente tomando como base los

resultados de la división anterior. Estas divisiones son:

- PRIMERA PARTE: es la comparación estadística de toda la batería de

pruebas en cada grupo por separado para comprobar si existen o no

diferencias significativas

- SEGUNDA PARTE: idem, respecto a las ratios s2ec/w3mec, s2ec/s2ecf

y las que definen el análisis sensorial, según las fórmulas de SwayStar y

según las fórmulas de NeuroCom

- TERCERA PARTE: una vez que hemos visto en qué pruebas y ratios

hay diferencias significativas entre simuladores y no simuladores,

descartamos las que no nos interesan y seguimos trabajando sólo con las

demás. El punto siguiente es encontrar los puntos de corte, el valor

numérico que nos dirá si la prueba es positiva o negativa. Definimos los

valores de normalidad para s2ec/w3mec y las ratios de los análisis

sensoriales. Además, encontramos los valores de sensibilidad,

especificidad, etc. para cada frecuencia. Según esos valores, elegimos las

frecuencias con mayor poder diagnóstico.

- CUARTA PARTE: como paso previo a la aplicación clínica,

encontramos que el estudio experimental lo hemos hecho en individuos

___________________________________________________________ Introducción

- 42 -

jóvenes, en un rango de edades bastante estrecho. En esta parte del

trabajo se calcula una función para poder extrapolar los rangos de

normalidad de la Tercera Parte a todas las edades

- Estudio Clínico: es la QUINTA PARTE. Lógicamente, ahora el siguiente paso

es aplicar todos los datos que hemos obtenido en el Estudio Experimental a una

población de pacientes reales, calculando de nuevo sensibilidad, especificidad,

curvas ROC, etc.

- Comparación con otros estudios: constituye la SEXTA PARTE. Se han

sugerido otras variables para la detección de simuladores utilizando el equipo

SwayStar. En esta parte aplicamos esas variables a nuestros grupos Simulador y

No Simulador y los compararemos con nuestros propios resultados.

- Discusión: sobre los datos obtenidos

- Conclusiones del estudio

- Apéndice técnico: algunos comentarios para comprender mejor aspectos

puramente técnicos de los conceptos expuestos en esta Tesis y muy poco

habituales en el trabajo clínico habitual.

___________________________________________________________ Introducción

- 43 -

Estudio Experimental. Primera Parte: Comparación de los Grupos Experimentales


Manuel Oliva

_______________________________________ Estudio Experimental – Primera Parte

- 45 -

INTRODUCCION

El sistema Sway Star consiste en un dispositivo de pequeño tamaño colocado en

la zona lumbar de un paciente (fig. 1.1). La misión de este dispositivo es monitorizar

directamente los desplazamientos del tronco en un punto localizado cerca del centro de

gravedad del individuo.

Sway Star tiene dos transductores principales, uno para medir los

desplazamientos del tronco en el plano pitch (plano sagital o inclinación, según la

traducción al español que incluye el Sway Star) y otro en el plano roll (plano frontal o

balanceo). Estos datos se transmiten a un ordenador bien por una conexión Bluetooth o

bien por cable, dependiendo del modelo, para hacer todos los cálculos. Cada una de

estas mediciones se representan frente al tiempo conformando un posturograma (fig

1.2A). El software incluido con el dispositivo Sway Star calcula automáticamente la

densidad espectral de potencia (o espectrograma) en los planos pitch y roll (fig. 1.2B).

El cálculo se realiza cada 0.4 Hz hasta llegar a 20 Hz, de forma que cada resultado

representa la media de 3 valores adyacentes. Es decir: para 1.2 Hz, el valor resultante es

la media de 0.8, 1.2 y 1.6

Todos estos valores se pueden exportar a una hoja de cálculo para poder operar

con ellos.

Vamos a comprobar si esta forma de estudiar el equilibrio puede ser útil para

identificar una población de simuladores.

MATERIAL Y METODOS

Hemos realizado el estudio sobre una población de voluntarios jóvenes, mitad

hombres y mitad mujeres. El criterio de selección era que no tuvieran ninguna patología

del equilibrio previa ni actual y una edad inferior a 40 años.

A todos estos voluntarios se les realizó una batería de 14 pruebas del equilibrio

divididas en 2 categorías: pruebas estáticas y dinámicas. La división viene dada porque


- 46 -

en las pruebas estáticas el paciente no ha de realizar ningún movimiento, sólo mantener

el equilibrio en diversas condiciones. En las pruebas dinámicas, el paciente tiene que

realizar algún tipo de tarea: andar, moverse de alguna forma, etc. Todas estas pruebas

implican diferentes tareas relacionadas con el equilibrio o bien involucran a sistemas

sensoriales diferentes, con mayor o menor dificultad.

Las pruebas son las incluidas en la instalación estándar del Sway Star salvo la

marcha en tándem sobre foam, pruebas que impliquen levantarse y sentarse o flexión

del tronco.

Las pruebas elegidas para nuestro estudio son las siguientes:

Pruebas estáticas: todas con una duración de 20 segundos

- s2eo: standing on 2 legs with eyes open. El paciente debe permanecer de pie,

apoyado sobre las dos piernas separadas aproximadamente la distancia de los

hombros y sobre una superficie estable y firme.

- s2ec: standing on 2 legs with eyes closed. Idem al anterior, con los ojos

cerrados.

- s1eo: standing on 1 leg with eyes open: de pie sobre un solo pie, con el que el

paciente esté más cómodo, y sobre una superficie firme.

- s1ec: standing on 1 leg with eyes closed. Idem con los ojos cerrados

- s2eof: standing on 2 legs with eyes open on foam. Es como s2eo pero colocando

al paciente sobre una superficie inestable, un colchón de foam de forma

cuadrada y 1 m de lado, 10 cm de grosor y una densidad de aproximadamente 25

Kg/m3

- s2ecf: standing on 2 legs with eyes closed on foam. Idem al anterior, con los ojos

cerrados.

- s1eof: standing on 1 leg with eyes open on foam. De pie sobre un solo pie con

los ojos abiertos y sobre foam.

Pruebas dinámicas: la duración de estas pruebas es variable, dependiendo de la tarea a

realizar. Todas ellas sobre una superficie firme y estable


- 47 -

- Cone: cone of stability. Cono de estabilidad. El paciente, sobre una superficie

estable y sin mover los pies, debe inclinarse lo máximo posible hacia delante,

detrás, derecha e izquierda, sin llegar a caerse

- w3mrh: walking 3 meters rotating head. Andando 3 metros girando la cabeza a

derecha e izquierda en un plano horizontal

- w3mph: walking 3 meters pitching head. Idem al anterior, moviendo la cabeza

adelante y atrás, en el plano sagital

- w3mec: walking 3 meters with eyes closed. Andando 3 metros con los ojos

cerrados

- w8tan: walking 8 steps tandem. Andando con los ojos abiertos haciendo marcha

en tándem, 8 pasos con los ojos abiertos

- Barriers: barreras. Se utilizan 4 obstáculos separados entre sí por una distancia

de 1 metro. Cada obstáculo está formados por dos bloques de madera de 24 cm

de altura con una barra también de madera colocada encima. El paciente debe

pasar por encima de los obstáculos procurando no derribarlos

- Stairs: escaleras. Se utiliza una escalera de 2 peldaños hacia arriba y otros 2

hacia abajo, cada uno de ellos con una altura de 23 cm, profundidad de 32 cm y

anchura de 40 cm, sin pasamanos. El paciente debe subir y bajar los escalones a

su velocidad habitual

Los voluntarios realizaron la misma batería de pruebas 2 veces. Para la primera, se

les indicó que simularan, que se imaginaran que eran individuos que pretendían

conseguir una incapacidad o una baja laboral a costa de un problema del equilibrio. Esta

información se les dio al menos 24 horas antes de realizar los registros para que tuvieran

tiempo de pensar qué debían hacer. La segunda vez realizaron las pruebas de buena fe,

sin simular. Los resultados de la primera vez formarán el “Grupo Simulador”. Los

resultados de la segunda vez, el “Grupo No Simulador”.

Al estar ambos grupos constituidos por los mismos individuos, son completamente

equiparables y homogéneos. Sólo se diferencian en que en un grupo existe la intención

manifiesta de simular, y en el otro grupo, no.

Para cada prueba recogemos los datos del espectrograma en 16 frecuencias: 1.4, 2.5,

3.7, 4.9, 6.1, 7.2, 8.4, 9.6, 10.7, 11.9, 13.1, 14.3, 15.4, 16.8, 18.2 y 19.3 Hz, tanto en roll


- 48 -

como en pitch. Calculamos la media aritmética, mediana, varianza, desviación típica,

mínimo y máximo. A continuación describiremos la distribución normal o no normal de

los resultados, en cada frecuencia, mediante la prueba de Shapiro-Wilk. Dependiendo

del resultado de la prueba de Shapiro-Wilk se optará por la prueba t de Student o la

prueba U de Mann-Whitney para buscar diferencias estadísticamente significativas.

Como estudio complementario, calcularemos la frecuencia de los pasos que dan los

individuos del grupo No Simulador en la prueba w3mec. Para ello, en la gráfica del

posturograma en roll buscaremos un patrón repetitivo, indicativo del ciclo de dar un

paso. Mediremos la distancia entre dos picos de ese patrón repetitivo relacionándolo con

la distancia correspondiente a 1 segundo. De este modo habremos calculado la “longitud

de onda” del ciclo correspondiente a 1 paso. Calculando la inversa de esa “longitud de

onda” tendremos la frecuencia del movimiento correspondiente a dar un paso.

Finalmente, calculamos la media y valores extremos de esa frecuencia. Las figuras 1.21

y 1.22 ilustran la sistemática que hemos usado.

Usamos el programa SPSS ver. 15 para el análisis estadístico y manejo de los datos

numéricos. Para algunos gráficos también hemos usado el programa Microsoft Excel

2007.

RESULTADOS

Se trata de 20 voluntarios, 10 hombres y 10 mujeres, con edades comprendidas

entre 23 y 37 años, con una media de 27.75 y una mediana de 28. El resumen de los

principales estadísticos descriptivos para la edad se puede ver la tabla 1.1.

Desde la tabla 1.2 hasta la 1.15 se presentan los principales estadísticos de todas

las pruebas en roll y pitch, tanto en simuladores como no simuladores. Desde la figura

1.3 hasta la 1.16, los diagramas de caja correspondientes, siempre comparando los

grupos simulador y no simulador.

En las figuras 1.17 a la 1.20 representamos la media de las diferentes densidades

espectrales de potencia en roll y en pitch en ambos grupos y escala semilogarítmica.


- 49 -

Los hemos agrupado por un lado en las pruebas estáticas que conforman el mCTSIB (es

decir s2eo, s2ec, s2eof y s2ecf), el resto de las pruebas estáticas y finalmente las pruebas

dinámicas. Hemos incluido Cone en las pruebas estáticas para mayor claridad de las

gráficas.

Desde la tabla 1.16 a la 1.29, los resultados de la prueba de ajuste a la

normalidad de Shapiro-Wilk. En esta prueba estadística, la hipótesis nula indica que la

muestra en estudio tiene una distribución normal por lo que una significación (p) mayor

de 0.05 indicaría que esa muestra efectivamente sigue una distribución normal. Si

p<0.05 indicaría que la distribución es no normal. Como se puede observar en la tablas,

la gran mayoría de las frecuencias siguen una distribución no normal. Por tanto, usamos

la prueba U de Mann-Whitney.

A continuación, de la tabla 1.30 a la 1.43, los resultados de la prueba U de

Mann-Whitney, buscando diferencias entre el grupo simulador y no simulador, en cada

una de las pruebas y para cada una de las frecuencias. La significación está fijada en

p<0.05

Los resultados obtenidos son:

Pruebas estáticas

- s2eo:

o Las medidas de centralización (media y mediana) tienen unos valores

inferiores en el grupo no simulador en todas las frecuencias. Esta

diferencia se va reduciendo a medida que la frecuencia es más alta. Sobre

las medidas de dispersión (varianza y desviación típica), también se

obtienen unas cifras siempre menores en el grupo no simulador. El valor

de ambas cifras va reduciéndose a medida que va incrementándose la

frecuencia. Observando los valores de mínimos y máximos se observa

que los rangos de ambos grupos se solapan en un grado variable para

cada una de las frecuencias (el valor mínimo del grupo simulador

siempre es inferior al valor máximo del grupo no simulador). Este

comportamiento ocurre tanto en roll como en pitch. Denominaremos este

comportamiento como “tipo s2eo”


- 50 -

o El grupo simulador sigue una distribución no normal tanto en roll como

en pitch. El grupo no simulador sigue una distribución no normal en 8 de

las frecuencias en roll y en 13 frecuencias en pitch.

o Las diferencias son claramente significativas a todas las frecuencias,

tanto en roll como en pitch.

- s2ec:

o Las medidas de centralización, dispersión y rangos siguen el mismo

comportamiento tipo s2eo


en pitch. El grupo no simulador sigue una distribución no normal en 13

de las frecuencias en roll y en 14 frecuencias en pitch.



- s1eo:





de las frecuencias en roll y en 15 frecuencias en pitch.



- s1ec:

o La varianza y desviación típicas en 1.4 Hz en pitch invierten el

comportamiento tipo s2eo. El resto de las medidas de centralización,

dispersión y rangos siguen el mismo comportamiento tipo s2eo

o El grupo simulador sigue una distribución no normal en 11 frecuencias

en roll y en 10 frecuencias en pitch. El grupo no simulador sigue una

distribución no normal en 14 frecuencias en roll y en 15 frecuencias en

pitch



- s2eof:

o En la frecuencia 3.7 en pitch no hay solapamiento de rangos (el máximo

del grupo no simulador es inferior al mínimo del grupo simulador). El


- 51 -

resto de las medidas de centralización, dispersión y rangos siguen el

mismo comportamiento tipo s2eo



frecuencias en roll y en 11 frecuencias en pitch



- s2ecf:








- s1eof:

o En la frecuencia 8.4 en pitch, el solapamiento de rangos es completo (el

mínimo del grupo simulador es inferior al mínimo del grupo no

simulador). El resto de las medidas de centralización, dispersión y rangos

siguen el mismo comportamiento tipo s2eo


en roll y en todas las frecuencias en pitch. El grupo no simulador sigue

una distribución no normal en 8 frecuencias en roll y en 14 frecuencias

en pitch



Pruebas dinámicas

- Cone:

o Sobre las cifras de centralidad, dispersión y rangos se advierten las

siguientes anomalías:

Inversión del comportamiento tipo s2eo para:

• Mediana: frecuencia 18.2 en roll

Solapamiento completo de rangos por:


- 52 -

• Mínimo del grupo simulador inferior al del grupo no

simulador: frecuencias 1.4 y 2.5 en roll, frecuencias 3.7

en pitch

El resto, sigue el comportamiento tipo s2eo




o En roll hay diferencias significativas en todas las frecuencias salvo 1.4,

3.7, 14.3, 15.4, 16.8, 18.2 y 19.3. En pitch hay diferencias significativas

en todas las frecuencias salvo 1.4, 10.7, 11.9, 13.1, 14.3, 15.4, 16.8, 18.2

y 19.3

- w3mrh:




• Media: 2.5 en roll y 4.9, 7.2 en pitch

• Mediana: 2.5, 19.3 en roll y 3.7, 9.6, 14.3, 16.8, 19.3 en

pitch

• Varianza: 2.5, 4.9, 8.4, 16.8 en roll y 1.4, 2.5, 4.9. 7.2,

15.4, 16.8 en pitch

• Desviación típica: 2.5, 4.9, 8.4, 16.8 en roll 1.4, 2.5, 4.9,

7.2, 15.4, 16.8 en pitch

• Mínimos y máximos: 2.5, 8.4, 16.8 en roll



simulador: frecuencias 6.1, 7.2, 9.6, 10.7, 11.9, 13.1, 19.3

en roll y 6.1, 8.4, 13.1, 19.3 en pitch

• Máximo del grupo no simulador superior al del grupo

simulador: frecuencias 4.9 en roll y 1.4, 18.2 en pitch





- 53 -


pitch

o En roll sólo hay diferencias significativas en las frecuencias 1.4, 2.5 y

4.9. En pitch no hay diferencias significativas en ninguna frecuencia

- w3mph:




• Media: frecuencias 2.5, 7.2, 9.6, 14.3, 18.2 en roll,

frecuencias 4.9, 7.2, 8.4, 9.6, 11.9, 13.1, 14.3, 15.4, 16.8,

18.2 en pitch

• Mediana: frecuencias 2.5, 18.2, 19.3 en roll, frecuencias

7.2, 8.4, 13.1, 14.3, 15.4, 18.2, 19.3 en pitch

• Varianza: frecuencias 2.5, 7.2, 8.4, 9.6, 10.7, 13.1, 14.3,

15.4, 16.8, 18.2, 19.3 en roll, frecuencias 4.9, 7.2, 8.4,

9.6, 10.7, 11.9, 14.3, 15.4, 16.8, 18.2 en pitch

• Desviación típica: frecuencias 2.5, 7.2, 8.4, 9.6, 10.7,

13.1, 14.3, 15.4, 16.8, 18.2, 19.3 en roll, frecuencias 4.9,

7.2, 8.4, 9.6, 10.7, 11.9, 14.3, 15.4, 16.8, 18.2 en pitch

• Mínimos y máximos: frecuencias 2.5, 8.4, 11.9, 16.8 en

roll, frecuencias 10.7, 11.9, 13.1, 18.2 en pitch



simulador: frecuencias 4.9 en roll


simulador: frecuencias 7.2, 9.6, 10.7, 13.1, 14.3, 15.4,

18.2 en roll, frecuencias 4.9, 7.2, 8.4, 9.6, 14.3, 15.4 en

pitch


o El grupo simulador sigue una distribución no normal en 2 frecuencias en

roll y en 10 frecuencias en pitch. El grupo no simulador sigue una


pitch.


- 54 -

o En roll sólo se encuentran diferencias significativas en la frecuencia 3.7.

En pitch, sólo en 2.5. El resto de las frecuencias no presentas diferencias

significativas.

- w3mec:




• Media: frecuencias 2.5, 16.8, 18.2, 19.3 en roll,

frecuencias 10.7, 11.9, 13.1, 16.8, 19.3 en pitch

• Mediana: frecuencias 2.5, 4.9, 6.1, 16.8, 18.2, 19.3 en

roll, frecuencias 1.4, 4.9, 7.2, 8.4, 10.7, 16.8 en pitch


14.3, 15.4, 16.8, 18.2, 19.3 en roll, frecuencias 9.6, 10.7,

11.9, 13.1, 14.3, 15.4, 16.8, 19.3 en pitch

• Desviación típica: frecuencias 2.5, 7.2, 8.4, 9.6, 10.7,

11.9, 13.1, 14.3, 15.4, 16.8, 18.2, 19.3 en roll, frecuencias

9.6, 10.7, 11.9, 13.1, 14.3, 15.4, 16.8, 19.3 en pitch

• Mínimos y máximos: frecuencias 2.5 en roll



simulador: frecuencias 1.4, 3.7, 6.1, 7.2 en pitch


simulador: frecuencias 7.2, 8.4, 9.6, 10.7, 11.9, 14.3, 15.4,

16.8, 18.2, 19.3 en roll, frecuencias 9.6, 10.7, 11.9, 13.1,

14.3, 15.4, 16.8, 18.2, 19.3 en pitch





pitch.

o En roll sólo se encuentran diferencias significativas en las frecuencias

13.1 y 15.4. En pitch, sólo en 9.6. El resto de las frecuencias no

presentan diferencias significativas.


- 55 -

- w8tan:




• Varianza: frecuencia 8.4 en roll

• Desviación típica: frecuencia 8.4 en roll



simulador: frecuencias 2.5, 3.7, 4.9, 6.1, 7.2 en roll,

frecuencias 2.5, 4.9, 9.6, 14.3 en pitch





pitch.

o En roll hay diferencias significativa en las frecuencias 1.4, 6.1, 9.6, 10.7,

11.9, 13.1, 14.3, 15.4, 16.8, 18.2 y 19.3. En pitch, sólo en 16.8, 18.2 y

19.3. El resto de las frecuencias no presenta diferencias significativas

- Barriers:




• Media: frecuencias 2.5, 4.9, 6.1, 7.2, 8.4, 9.6, 10.7, 11.9,

13.1, 14.3, 15.4 en roll, frecuencias 1.4, 2.5, 3.7, 4.9, 6.1,

7.2, 8.4, 9.6, 10.7, 11.9, 13.1, 14.3, 15.4, 16.8, 18.2, 19.3

en pitch

• Mediana: frecuencias 2.5, 4.9, 7.2, 8.4, 9.6, 10.7, 13.1,

19.3 en roll, frecuencias 1.4, 2.5, 3.7, 4.9, 6.1, 7.2, 8.4,

11.9, 13.1, 14.3, 15.4, 16.8, 18.2, 19.3 en pitch


13.1, 14.3, 15.4 en roll, frecuencias 1.4, 2.5, 3.7, 4.9, 6.1,

7.2, 8.4, 9.6, 10.7, 11.9, 13.1, 14.3, 15.4, 16.8, 18.2 en

pitch


- 56 -

• Desviación típica: frecuencias 2.5, 4.9, 6.1, 7.2, 8.4, 10.7,

11.9, 13.1, 14.3, 15.4 en roll, frecuencias 1.4, 2.5, 3.7,

4.9, 6.1, 7.2, 8.4, 9.6, 10.7, 11.9, 13.1, 14.3, 15.4, 16.8,

18.2 en pitch

• Mínimos y máximos: frecuencias 2.5, 11.9, 14.3, 15.4 en

roll, frecuencias 3.7, 4.9, 8.4, 9.6, 11.9, 13.1, 14.3, 15.4,

18.2 en pitch




frecuencia 16.8 en pitch



frecuencias 1.4, 2.5, 6.1, 10.7 en pitch





pitch.

o En roll sólo presenta diferencias significativas en la frecuencia 2.5. En

pitch, también en 2.5. El resto de las frecuencias no presenta diferencias

significativas

- Stairs:




• Media: frecuencias 1.4, 2.5, 3.7, 4.9, 6.1, 7.2 en roll,

frecuencias 1.4, 2.5, 3.7, 4.9, 7.2, 8.4, 10.7, 11.9, 14.3 en

pitch

• Mediana: frecuencias 1.4, 2.5, 3.7, 6.1, 15.4 en roll,

frecuencias 1.4, 2.5, 3.7, 8.4, 9.6, 11.9, 13.1, 16.8, 19.3 en

pitch


- 57 -

• Varianza: frecuencias 1.4, 2.5, 3.7, 4.9, 6.1, 7.2 en roll,

frecuencias 3.7, 4.9, 8.4, 10.7, 11.9, 14.3, 15.4, 19.3 en

pitch

• Desviación típica: frecuencias 1.4, 2.5, 3.7, 4.9, 6.1, 7.2

en roll, frecuencias 3.7, 4.9, 8.4, 10.7, 11.9, 14.3, 15.4,

19.3 en pitch

• Mínimos y máximos: frecuencia 2.5 en roll, frecuencias

2.5, 3.7, 4.9, 7.2, 19.3 en pitch



simulador: frecuencias 1.4, 13.1, 15.4, 16.8 en roll,

frecuencias 1.4, 6.1, 16.8 en pitch


simulador: frecuencias 3.7, 4.9, 6.1, 9.6 en roll,

frecuencias 8.4, 10.7, 14.3 en pitch





pitch.

o Esta prueba no presenta ninguna diferencia significativa a ninguna

frecuencia.

En las figuras 1.17 a 1.20 destacan los siguientes hallazgos:

- Pruebas estáticas:

o En el grupo No simulador, tanto en roll como en pitch, la prueba s2ec se

confunde con s2eo. Además, se cumple que s2eo = s2ec < s2eof < s2ecf.

En cambio, en el grupo Simulador, podemos observar que:

o Existe un claro aumento de la entropía en el grupo Simulador. El grupo

No Simulador posee, en pitch, un pico de potencia en torno a la

frecuencia 8.4 Hz para s2eo, s2ec, s2eof y s2ecf. Este pico se pierde en el

grupo Simulador.


- 58 -

o La progresión es s2eo < s2eof < s2ec = s2ecf, mucho más claro en pitch.

Todas las pruebas siguen la misma progresión que en el grupo No

Simulador, excepto s2ec.

o El resto de las pruebas estáticas muestra un comportamiento con alta

entropía.

- Pruebas dinámicas:

o En las pruebas w3mec, w3mph y w3mrh hay un pico de potencia en

torno a la frecuencia 2,5 Hz en roll y entre las frecuencias 4,9 y 6,1 Hz

en pitch. Y muy similar en ambos grupos.

o El resto de las pruebas dinámicas muestra un comportamiento con alta

entropía.

Sobre el estudio complementario acerca de la frecuencia del paso en la prueba

w3mec del grupo No Simulador:

- Pudimos reconocer un patrón repetitivo en 19 de los 20 casos

- La frecuencia media es de 0,77 Hz (o pasos por segundo) con un mínimo de 0,57

y un máximo de 0,94 Hz.

DISCUSION

En las figuras 1.3 a 1.16 se observa una clara diferencia entre el comportamiento

de las pruebas estáticas y dinámicas: en las estáticas ambos grupos tienen unos

resultados claramente diferenciados, mientras que en las pruebas dinámicas estos

resultados son mucho más parecidos.

Esta observación queda claramente refrendada por los datos numéricos.

En las pruebas estáticas podemos afirmar que:

- El grupo No Simulador tiene unos resultados con valores inferiores a los del

grupo simulador: el simulador siempre tiende a moverse más, a exagerar, por

tanto sus oscilaciones serán siempre más elevadas

- El grupo No Simulador tiene una dispersión de datos mucho menor que el grupo

Simulador: el simulador se mueve de forma errática y aleatoria. El no simulador


- 59 -

siemplemente trata de permanecer lo más quieto posible. En el análisis por

frecuencias esta dispersión es mayor en las frecuencias más bajas

- Existe un solapamiento variable de rangos entre el grupo Simulador y el No

Simulador, pero los mínimos y máximos de los no simuladores son inferiores a

los del grupo simulador. En la prueba s2eof no hay solapamiento en una

frecuencia en pitch, y éste es completo en s1eof también en una frecuencia en

pitch

- La distribución de datos es no normal en todo el grupo Simulador, salvo en s1ec

y en s1eof. En el grupo No Simulador en cambio, la distribución es variable

dependiendo de la prueba. Esta es la razón de aplicar pruebas no paramétricas,

como la de Mann-Whitney, a la hora de buscar diferencias significativas

- En todas las pruebas estáticas existen diferencias claramente significativas entre

ambos grupos, a todas las frecuencias, tanto en roll como en pitch

En las prueba dinámicas, en cambio:

- En general no puede afirmarse que los valores obtenidos en un grupo sean

superiores a los del otro. Son resultados muy similares, variando incluso entre

distintas frecuencias dentro de la misma prueba

- La dispersión de datos también es muy similar, aunque se advierte una tendencia

a que la dispersión del grupo Simulador sea menor a la del grupo No Simulador.

Es como si el simulador, en un intento de “aleatorizar” sus movimientos en una

prueba que implica moverse, lo que consiguiera fuera exactamente el efecto

opuesto: pautas de movimiento más rígidas

- El solapamiento completo de rangos es la norma

- La distribución de los datos en las diferentes frecuencias en todas las pruebas

dinámicas no sigue ningún patrón reconocible. De nuevo, obliga a utilizar

pruebas no paramétricas a la hora de buscar diferencias significativas.

- En las pruebas dinámicas en general no se encuentran diferencias significativas

entre los grupos Simulador y No Simulador. Mención aparte merecen 2 pruebas:

o Cone: se encuentran diferencias significativas sólo en las frecuencias

más bajas.

o w8tan: lo opuesto al anterior, las diferencias sólo existen en las

frecuencias altas.


- 60 -

Por tanto, podemos afirmar que los simuladores aplican un comportamiento

anómalo en las pruebas estáticas, siendo indistinguible del no simulador en las

dinámicas. Para poder identificar correctamente a un simulador entonces sería necesario

un índice que relacionara una prueba estática con otra dinámica.

Según Allum87, cuando ocurre una hipofunción vestibular unilateral, se recupera

más rápidamente el control de las oscilaciones del tronco en las tareas posturales (stance

tasks, es decir, lo que nosotros hemos denominados pruebas estáticas) que en las tareas

de la marcha (gait tasks, pruebas dinámicas). Por tanto, en una enfermedad vestibular,

las oscilaciones del tronco siempre serán mayores en una prueba dinámica que en otra

estática. Si la relación entre ellas se invirtiera (es decir, que las pruebas estáticas

ofrecieran más oscilaciones que las pruebas dinámicas) o sobrepasara determinado nivel

podríamos estar ante un paciente simulador. Sería el caso de un individuo que ofreciera

valores normales en todas las pruebas de la marcha pero se cayera en las pruebas

estáticas.

¿Cuál elegir? Necesitaríamos un par de pruebas (una estática y otra dinámica)

que fuesen sencillas, rápidas de realizar, fáciles de entender para el paciente y que no

necesitaran de aparataje adicional.

Según lo que se observa en la Fig. 1.17 A y B, referente a las pruebas estáticas,

en el grupo No simulador, tanto en roll como en pitch, la prueba s2ec se confunde con

s2eo. Además, se cumple que s2eo = s2ec < s2eof < s2ecf. En cambio, en el grupo

Simulador, la progresión es s2eo < s2eof < s2ec = s2ecf, mucho más claro en pitch.

Todas las pruebas siguen la misma progresión que en el grupo No Simulador, excepto

s2ec. Por tanto, s2ec sería una buena candidata.

En las Fig. 1.19 y 1.20, referentes a las pruebas dinámicas, se observa de nuevo

que en las pruebas w3mec, w3mph y w3mrh hay un pico de potencia en torno a la

frecuencia 2,5 Hz en roll y en torno a las frecuencias 4,9 y 6,1 Hz en pitch. Y muy

similar en ambos grupos. De todas ellas, la más simple y fácil de realizar para los

pacientes es w3mec. El resto de las pruebas dinámicas muestra un comportamiento con

alta entropía.


- 61 -

La ratio s2ec/w3mec puede reunir todas las condiciones necesarias para la

detección de simuladores, relacionando una prueba estática con otra dinámica. Además

son dos pruebas sensorialmente muy similares entre sí (sólo se diferencian en que el

paciente tiene que quedarse quieto en s2ec y moverse en w3mec, con idénticas

condiciones sensoriales).

Además, en el grupo Simulador, s2ec toma valores muy similares a s2ecf.

Podríamos utilizar la ratio s2ec/s2ecf como otro índice para la detección de

simuladores.

Como veremos en la Segunda Parte, el Análisis Sensorial es una forma

plenamente aceptada de relacionar las pruebas s2eo, s2ec, s2eof y s2ecf. El diferente

comportamiento de s2ec en los grupos Simulador y No Simulador debe influir en los

resultados de este Análisis. Por tanto lo incluiremos también como un posible índice

para nuestro objetivo de detectar simuladores.

Cone y w8tan presentan un comportamiento intermedio entre las prueba

estáticas y dinámicas. Sin embargo su realización práctica presenta algunas dudas:

- En Cone, algunos de los voluntarios tenían miedo de inclinarse demasiado o

dudaban mucho a la hora de cambiar la dirección de la inclinación, incluso en el

grupo simulador. Pienso que puede tener más utilidad como control de una

rehabilitación, comparando los resultados en el tiempo de un mismo paciente

- En w8tan: algunos lo hacian mirando hacia los pies, otros sin mirar o imitando a

un equilibrista en la cuerda floja… Intervienen demasiadas variables diferentes y

difíciles de controlar como para considerar esta prueba como fiable.

No obstante, se podrían considerar como candidatas en un estudio futuro.

DEDUCCIONES

En las pruebas estáticas, el grupo No Simulador posee una entropía menor que el

Simulador, como se demuestra en las gráficas de densidad espectral de potencia.


- 62 -

Los cocientes s2ec/w3mec y s2ec/s2ecf podrían ser unos índices adecuados para

identificar simuladores.

La relación calculada entre s2eo, s2ec, s2eof y s2ecf mediante el Análisis

Sensorial podría ser también un índice de utilidad.

En las pruebas estáticas, el grupo No Simulador obtiene siempre unas cifras

inferiores a las del simulador y con claras diferencias significativas con el grupo

simulador.

Las pruebas dinámicas en general no presentan diferencias significativas entre

ambos grupos.


- 63 -

Estudio Experimental. Segunda Parte: Ratios


Manuel Oliva

______________________________________ Estudio Experimental – Segunda Parte

- 65 -

INTRODUCCION

En la primera parte hemos visto cómo las ratios s2ec/w3mec y s2ec/s2ecf se

pueden considerar unos índices útiles para identificar a simuladores y no simuladores.

Podemos considerar otros índices relacionando varias pruebas al mismo tiempo.

Estar relación se puede calcular mediante el modified Clinical Test for Sensory

Interaction Balance (mCTSIB). Este test investiga la contribución de los diversos

sistemas sensoriales para el mantenimiento del equilibrio

Supongamos un individuo simulador que intenta hacernos ver que se mueve en

exceso en todas las pruebas. Dado que el origen de esas oscilaciones no está en ninguna

alteración de los sistemas de entrada de información, es razonable pensar que ese

individuo tenga un análisis sensorial normal.

En el mCTSIB se realizan 4 variantes de la prueba de Romberg y se relacionan

entre ellas:

- Prueba de Romberg con los ojos abiertos sobre superficie firme

- Idem con los ojos cerrados

- Prueba de Romberg con los ojos abiertos sobre superficie inestable

- Idem con los ojos cerrados

O traducido a la terminología del Sway Star: s2eo, s2ec, s2eof, s2ecf. Para

evaluar el análisis sensorial se construyen los siguientes coeficientes:

- Visual Control Ratio (CRvs): expresa la dependencia del individuo respecto a

la información visual. Cuanto mayor sea esta ratio, más se mueve el individuo cuando

se elimina la información visual. Se calcula mediante la fórmula:

1002222

)22()22( xecfseofsecseos

eosecseofsecfsCRvs+++−+−

=


- 66 -

- Somatosensory Control Ratio (CRss): expresa la dependencia del individuo

respecto a la información somatosensorial procedente de los miembros inferiores. A

mayor valor, más se mueve el individuo cuando se le coloca en una superficie inestable

(foam en este caso). Su fórmula:

1002222

)22()22( xecfseofsecseos

eoseofsecsecfsCRss+++−+−

=

- Vestibular and Other Control Ratio (CRo): expresa la dependencia respecto a

otros sistemas de control de la postura, como vestibular, somatosensorial de la mitad

superior del cuerpo, patrones predictivos, etc. asumiendo que esta entrada de

información se puede calcular como la diferencia con las ratios anteriores. Su fórmula:

CRssCRvisCRo −−= 100

De esta forma, un paciente que sufra por ejemplo de un déficit vestibular con

dependencia excesiva de los sistemas visual y somatosensorial ofrecerá un CRo muy

disminuido con un aumento en CRvs y CRss.

El software original del sistema Sway Star utiliza la velocidad angular del tronco

en pitch (calculada a partir del posturograma) de cada una de las pruebas. Nosotros

utilizaremos esas mismas fórmulas pero aplicadas a la densidad espectral del

posturograma.

Las plataformas de posturografía tradicionales también utilizan el concepto de

análisis sensorial. En este caso, la prueba para determinar el análisis sensorial se

denomina Test de Organización Sensorial o Sensory Organization Test (SOT) y utiliza

unas fórmula diferentes. El SOT se compone de las siguientes pruebas:

- Condición 1: Romberg con ojos abiertos, sobre superficie firme y entorno visual fijo

- Condición 2: Romberg con ojos cerrados, sobre superficie firme y entorno visual fijo

- Condición 3: Romberg con ojos abiertos, sobre superficie firme y entorno visual móvil

- Condición 4: Romberg con ojos abiertos, sobre superficie móvil y entorno visual fijo

- Condición 5: Romberg con ojos cerrados, sobre superficie móvil y entorno visual fijo


- 67 -

- Condición 6: Romberg con ojos abiertos, sobre superficie móvil y entorno visual

móvil

Las condiciones 1, 2, 4 y 5 serían equivalentes a s2eo, s2ec, s2eof y s2ecf del

Sway Star. Las condiciones 3 y 6 no tienen equivalentes en el Sway Star.

El SOT utiliza las siguientes ratios para calcular la dependencia de los diferentes

sistemas sensoriales:

- Somatosensorial: ¿aumentan las oscilaciones cuando se elimina la información

visual? Entonces el paciente hace poco uso de la información somatosensorial. La

fórmula es:

1 2

CondiciónCondiciónSOM = o según la terminología Sway Star:

eosecsSOM

22

=

- Visual: ¿aumentan las oscilaciones cuando la información somatosensorial es

inadecuada? Entonces el paciente hace poco uso de la información visual. Su fórmula:

1 4

CondiciónCondiciónVIS = o según la terminología Sway Star:

eoseofsVIS22

=

- Vestibular: ¿aumentan las oscilaciones cuando se elimina la información visual

y la somatosensorial es inadecuada? Entonces el paciente hace poco uso de la

información vestibular o ésta no está disponible. Su fórmula:

1 5

CondiciónCondiciónVEST = o según la terminología Sway Star:

eosecfsVEST

22

=

- Preferencia visual: nos limitaremos a mencionarla, ya que utiliza las

condiciones 3 y 6, sin equivalentes en el Sway Star.

El SOT utiliza, para aplicar las ratios anteriores, la puntuación de equilibrio

(equilibrium score) que calcula a partir del desplazamiento del centro de gravedad.


- 68 -

Nosotros, de nuevo, usaremos las mismas fórmulas pero aplicado a la densidad

espectral del posturograma.

En esta parte del trabajo, estudiaremos todos estos índices:

- s2ec/w3mec

- s2ec/s2ecf

- CRvs, CRss y CRo

- VIS, SOM y VEST

Los estudiaremos tanto en el grupo Simulador como en el No Simulador,

describiendo sus características y diferencias significativas.

MATERIAL Y METODOS

Usaremos los mismos grupos, Simulador y No Simulador, descritos en la

Primera Parte, y los datos de las pruebas s2eo, s2ec, s2eof, s2ecf y w3mec. Aplicaremos

los índices descritos anteriormente y el mismo procedimiento de análisis descrito en la

Primera Parte.

La única diferencia que hemos introducido es dividir CRvs, CRss y CRo por 100

para normalizar todos los datos.

Para el análisis estadístico y manejos de los datos numéricos, usamos el

programa SPSS ver. 15

RESULTADOS

En las tablas 2.1 a la 2.8 se reflejan los principales estadísticos descriptivos de

s2ec/w3mec, s2ec/s2ecf, CRvs, CRss, CRo, VIS, SOM y VEST tanto en roll como en

pitch.


- 69 -

En las figuras 2.1 a 2.8 los diagramas de caja correspondientes a los índices

anteriores.

En las tablas 2.9 a 2.16 se reflejan los resultados de la prueba de ajuste a la

normalidad de Shapiro-Wilk. Las tablas 2.17 a 2.24, la prueba de Mann-Whitney para

búsqueda de diferencias significativas. Al igual que en la primera parte, el nivel de

significación se fija en p<0.05

Los principales resultados son:

- s2ec/w3mec:

o Al igual que veíamos en la Primera Parte, la ratio s2ec/w3mec

presenta un comportamiento tipo s2eo. Es decir: media, mediana,

varianza, desviación típica, mínimo y máximo del grupo No

Simulador con valores inferiores a los equivalentes del grupo

Simulador, con un solapamiento variable de los rangos (mínimo del

grupo Simulador inferior al máximo del grupo No Simulador), tanto

en roll como en pitch salvo las siguientes excepciones:

En la frecuencia 1.4 y 19.3 en pitch hay un solapamiento

completo de rangos por inversión del comportamiento tipo

s2eo en los mínimos

o Todas las variables en roll y en pitch siguen una distribución no

normal en el grupo Simulador. En el grupo No Simulador, 2

frecuencias en roll y otras 2 frecuencias en pitch siguen una

distribución no normal.

o Se encuentran diferencias significativas en todas las frecuencias,

tanto en roll como en pitch

- s2ec/s2ecf:

o Sobre las medidas de centralización, dispersión y rangos se advierten

las siguientes anomalías:

Inversión del comportamiento de los mínimos en todas las

frecuencias en roll y en pitch con solapamiento completo de

los rangos


- 70 -

Inversión de la mediana en las frecuencias 15.4, 16.8 y 19.3

en roll y en las frecuencias 2.5 y 7.2 en pitch

El resto sigue el comportamiento tipo s2eo

o En roll, todas las frecuencias del grupo Simulador siguen una

distribución no normal, así como 2 frecuencias del grupo No

Simulador. En pitch, todas las frecuencias del grupo Simulador

menos una siguen una distribución no normal así como 2 frecuencias

del grupo No Simulador

o No hay diferencias significativas en las frecuencias 9.6, 11.9, 13.1,

14.3, 15.4, 16.8, 18.2 y 19.3 en roll. No hay diferencias significativas

en ninguna frecuencia en pitch.

- CRvs:



Inversión del comportamiento para la mediana en las

frecuencias 1.4, 4.9, 8.4, 9.6 y 13.1 en roll y en las

frecuencias 3.7, 6.1, 10.7, 13.1, 15.4, 18.2 y 19.3 en pitch

Inversión del comportamiento para la media en la frecuencia

1.4 en roll y en las frecuencias 6.1 en pitch

Inversión del comportamiento para los mínimos, con

solapamiento completo de rangos en todas las frecuencias en

roll y en pitch


o En roll, el grupo Simulador sigue una distribución no normal en 5

frecuencias, mientras que en el grupo No Simulador todas las

frecuencias siguen una distribución normal. En pitch, el grupo

Simulador sigue una distribución no normal en 8 frecuencias, y el

grupo no simulador, en 2 frecuencias

o No hay ninguna diferencia significativa ni en roll ni en pitch

- CRss:




- 71 -

Inversión del comportamiento de la media en todas las

frecuencias en roll y en las frecuencias 1.4, 4.9, 6.1, 7.2, 8.4,

9.6, 10.7, 11.9, 13.1, 14.3, 15.4, 16.8 y 19.3 en pitch

Inversión del comportamiento de la mediana en todas la

frecuencias entre 1.4 y 15.4 en roll y de las frecuencias 1.4,

6.1, 8.4, 9.6, 10.7, 11.9, 13.1, 14.3 y 15.4 en pitch


frecuencias en roll y en pitch, con solapamiento completo de

rangos


o En roll y en pitch, todas las frecuencias de los grupos Simulador y No

Simulador siguen una distribución normal salvo una frecuencia en el

grupo No Simulador en pitch

o No hay diferencias significativas en pitch. Sí hay diferencias

significativas en las frecuencias 3.7, 4.9, 6.1, 7.2, 8.4, 10.7 y 11.9 en

roll

- CRo:



Inversión del comportamiento de la media en las frecuencias

16.8, 18.2, 19.3 en roll y en las frecuencias 1.4, 2.5, 3.7, 4.9,

14.3, 15.4, 16.8, 18.2 y 19.3 en pitch

Inversión del comportamiento de la mediana en la frecuencia

7.2, 15.4, 18.2 en roll y en las frecuencias 1.4, 2.5, 16.8, 18.2

y 19.3 en pitch



rangos


o En roll, todas las frecuencias de los grupos Simulador y No

Simulador siguen una distribución normal. En pitch, el grupo

Simulador sigue una distribución no normal en 5 frecuencias y el

grupo No Simulador, en 3 frecuencias

o No hay diferencias significativas ni en roll ni en pitch


- 72 -

- VIS:



Inversión del comportamiento de la media en las frecuencias

3.7, 4.9, 6.1, 7.2, 8.4, 10.7, 11.9 en roll

Inversión del comportamiento de la mediana en las

frecuencias 1.4, 2.5, 3.7, 4.9, 6.1, 7.2, 8.4, 10.7, 11.9, 13.1,

15.4 en roll y en las frecuencias 7.2, 9.6, 10.7, 11.9, 13.1,

14.3, 15.4 en pitch

Inversión del comportamiento de los mínimos en las

frecuencias 1.4, 2.5, 3.7, 4.9, 6.1, 7.2, 8.4, 9.6, 10.7, 13.1,

14.3, 15.4, 16.8, 18.2, 19.3 en roll y en todas las frecuencias

en pitch, con solapamiento completo de rangos

Inversión del comportamiento de mínimos y máximos en las

frecuencias 11.9 en roll


o En roll, el grupo Simulador sigue una distribución no normal en 15

frecuencias, y el grupo no simulador, en 11 frecuencias. En pitch,

todas las frecuencias del grupo Simulador siguen una distribución no

normal y grupo No Simulador, en 4 frecuencias

o En roll se encuentran diferencias significativas en la frecuencia 3.7.

En pitch no hay diferencias significativas

- SOM:




frecuencias 10.7, 15.4 en pitch



rangos


o En roll, el grupo Simulador sigue una distribución no normal en

todas las frecuencias y el grupo No Simulador, en 7 frecuencias. En


- 73 -

pitch, el grupo Simulador sigue una distribución no normal en todas

las frecuencias, y el grupo No Simulador, en 3 frecuencias


- VEST:




frecuencias 1.4, 2.5, 3.7, 4.9, 6.1, 7.2, 8.4, 9.6, 10.7, 11.9 y

16.8 en roll y en las frecuencias 6.1 y 13.1 en pitch



rangos


o En roll, el grupo Simulador sigue una distribución no normal en

todas las frecuencias y el grupo No Simulador, en 9 frecuencias. En

pitch el grupo Simulador sigue una distribución no normal en todas

las frecuencias y el No Simulador, en 10 frecuencias.


DISCUSION

La ratio s2ec/w3mec presenta el mismo comportamiento que las pruebas

estáticas, con claras diferencias significativas entre el grupo simulador y el no

simulador.

Por el contrario, s2ec/s2ecf, a pesar de estar compuesto por dos pruebas

estáticas, presenta un comportamiento más propio de las dinámicas. No se aprecian

diferencias significativas entre los grupos simulador y no simulador en roll y sólo se

encuentran en la mitad de las frecuencias en pitch. Pensamos que esto lo invalida como

posible indicador de simulación.


- 74 -

En la introducción comentábamos la posibilidad teórica de que los simuladores

mantuvieran un análisis sensorial normal a pesar de tener las pruebas individuales más

aumentadas de lo normal.

Efectivamente: según las fórmulas del sistema Sway Star, las ratios CRvs, y

CRo no presentan ninguna diferencia significativa entre los grupos simulador y no

simulador en roll y pitch. La ratio CRss no presenta diferencias significativas en pitch y

sí las presenta en 7 frecuencias en roll.

Según las fórmulas del SOT, SOM y VEST no presentan diferencias tanto en

roll como en pitch, y VIS no presenta diferencias en pitch y sí las hay en la frecuencia

3.7 en roll.

DEDUCCIONES

La ratio s2ec/w3mec presenta diferencias significativas entre los grupos

Simulador y No Simulador, por lo que lo consideramos candidato a indicador de

simulación.

La ratio s2ec/s2ecf no presenta diferencias entre ambos grupos, por lo que lo

descartamos en este estudio.

En el análisis sensorial, las ratios CRvs, CRss, CRo, VIS, SOM y VEST no

presentan ninguna diferencia entre ambos grupos en pitch. Además, CRvs, CRo, SOM y

VEST tampoco las presentan en roll.

Es decir: al menos en pitch, el grupo simulador presenta el mismo análisis

sensorial que el grupo no simulador a pesar de tener unas pruebas significativamente

alteradas cuando se consideran de forma individual.

A efectos de sistematización, en el análisis sensorial sólo consideraremos las

resultados en pitch para continuar el estudio.


- 75 -

Estudio Experimental. Tercera Parte: Puntos de Corte y Validación


Manuel Oliva

_______________________________________ Estudio Experimental – Tercera Parte

- 77 -

INTRODUCCION

En la Segunda Parte de este estudio concluimos que la ratio s2ec/w3mec seguía

siendo candidata a indicador de simulación y que el análisis sensorial, con los datos en

pitch, y tanto según las fórmulas del Sway Star como las del SOT, no ofrecía diferencias

significativas entre el grupo simulador y no simulador.

En esta parte del estudio procederemos a describir los puntos de corte para

considerar esos valores numéricos como simuladores o no simuladores y su validación

estadística en los grupos simulador y no simulador.

MATERIAL Y METODOS

Según la literatura88, para construir un intervalo de referencia se puede

considerar el 90, 95 ó 99% de las mediciones efectuadas en un grupo considerado a

priori como de referencia. Nosotros lo construiremos con el 95%.

Contaremos con los mismos grupos Simulador y No Simulador ya conocidos.

Con el programa SPSS v. 15 calcularemos los percentiles de ambos grupos para

s2ec/w3mec en pitch y roll, y para los coeficientes del análisis sensorial, según Sway

Star y SOT, sólo en pitch.

Para la ratio s2ec/w3mec se considerarán como valores de “no simulador” todos

aquellos inferiores al percentil 95 del grupo No Simulador. Se considerarán como

valores “simulador” a todos aquellos superiores al percentil 5 del grupo Simulador.

Una vez clasificados los diversos valores como “simulador” o “no simulador”,

construimos la correspondiente tabla de contingencia entre individuos simuladores/no

simuladores y valores simuladores/no simuladores, valorando su relación estadística

según la prueba de chi cuadrado, y calculando su significación estadística, fijada en

p<0.05. Calcularemos además la sensibilidad, especificidad, valores predictivos positivo

y negativo, razón de verosimilitud positiva y negativa y área bajo la curva ROC

(Receiver Operating Characteristic).


- 78 -

Usaremos los valores obtenidos en el grupo Simulador para identificar

simuladores y los valores obtenidos en el grupo No Simulador para identificar a los no

simuladores. Para estos cálculos usaremos el programa SPSS ver 15 y la calculadora

diagnóstica del Dr. J. Primo, disponible en la red CASPE89

Para los coeficientes del análisis sensorial, dado que no hay diferencias entre los

dos grupos de estudio, sólo consideraremos el grupo No Simulador. Según el SOT, los

valores obtenidos sólo se consideran como por encima o debajo de un único punto de

corte. Recordemos las fórmulas:

eosecsSOM

22

= eos

eofsVIS2

2=

eosecfsVEST

22

=

Según estas fórmulas, un paciente con patología orgánica deberá tener alguno de

los numeradores (s2ec, s2eof ó s2ecf) con un valor superior al del denominador (s2eo),

por lo que el valor de los cocientes debe aumentar. En caso de normalidad (y según

nuestra hipótesis de trabajo, también en caso de simulación), los cocientes deben quedar

invariables o incluso disminuir.

Por tanto, para buscar un punto de corte, haremos como en el caso de

s2ec/w3mec: es decir, considerar como intervalo de referencia todos los valores

inferiores al percentil 95.

Para los coeficientes del SwayStar, los casos patológicos pueden tomar valores

superiores o inferiores a la normalidad: si el valor aumenta demasiado quiere decir que

el paciente depende demasiado de ese sistema sensorial; si el valor disminuye mucho, es

que no utiliza ese sistema sensorial en absoluto. En este caso el intervalo de referencia

que contiene al 95% de los valores normales se puede calcular mediante la fórmula

siguiente:

σχ 96.1±=Intervalo


- 79 -

Donde: χ es la media aritmética

σ es la desviación estándar

Pero la fórmula anterior sólo se puede aplicar cuando hablamos de una

distribución normal o gaussiana.

Según vimos en la Segunda Parte, en el grupo No Simulador los coeficientes del

análisis sensorial tienen una distribución normal en pitch en las siguientes frecuencias

(ver tablas 2.11, 2.12 y 2.13):

- CRvs: todas, salvo 16.8 y 18.2

- CRss: todas, salvo 7.2

- CRo: todas, salvo 16.8, 18.2 y 19.3

Por tanto, dado que todas las frecuencias no siguen una distribución normal, para

conseguir el 95% de los valores calcularemos el percentil 2.5 y el percentil 97.5.

Nuestro intervalo de referencia será el comprendido entre esos dos valores.

RESULTADOS

Los percentiles de s2ec/w3mec en roll y en pitch se pueden observar en las

tablas 3.1 A y 3.1 B. Los percentiles de VIS, SOM y VEST, en las tablas 3.2, 3.3 y 3.4.

Los intervalos de referencia para CRvs, CRss y CRo aparecen en las tablas 3.5,

3.6 y 3.7.

Centrándonos en s2ec/w3mec, en la tablas 3.8 A y B se reflejan las tablas de

contingencia para cada una de las frecuencias en roll y en pitch, usando como puntos de

corte los valores del grupo No Simulador (identificación de no simuladores).

En las tablas 3.9 A y B. idem usando los valores del grupo Simulador

(identificación de simuladores).


- 80 -

Las tablas 3.10 y 3.11 indican los valores de la prueba chi cuadrado y su

significación estadística, para la identificación de simuladores y no simuladores.

En las tablas 3.12 a la 3.15, validación de los valores anteriores, con el cálculo

de sensibilidad, especificidad, valores predictivos positivo y negativo y razón de

verosimilitud positiva y negativa para todas las frecuencias.

Las tablas 3.16 y 3.17 son un resumen reflejando sólo las razones de

verosimilitud positivas y negativas de todas las frecuencias, para la identificación de

simuladores y no simuladores.

Las tablas 3.18 y 3.19 reflejan el área bajo la curva ROC en todas las

frecuencias, para la identificación de simuladores y no simuladores. Las curvas quedan

representadas en las figuras 3.1 y 3.2.

DISCUSION

Respecto a los coeficientes VIS, SOM y VEST, hemos visto cómo hemos

construido los intervalos de referencia, sólo para las frecuencias en pitch. Los valores de

referencia son los inferiores al percentil 95 y quedan reflejados en la tablas 3.2 a 3.4.

Idem respecto a los coeficientes CRvs, CRss y CRo. Su intervalo de referencia

queda reflejado en las tablas 3.5 a 3.7.

Nos centramos ahora en s2ec/w3mec. Según la prueba de chi cuadrado, hay una

relación estadísticamente significativa para la identificación de no simuladores, tanto en

roll como en pitch. En cambio, para la identificación de simuladores sólo hay una

relación significativa en las frecuencias 6.1, 8.4, 9.6, 10.7 y 11.9 en roll, y 10.7 y 11.9

en pitch.

Las frecuencias que tienen mejores valores de razón de verosimilitud positiva y

negativa (más elevado en el positivo y menos elevado en el negativo) son, para la

identificación de no simuladores, 3.7, 6.1 y 7.2 en roll y 1.4, 6.1 y 7.2 en pitch. Para la


- 81 -

identificación de simuladores, los mejores valores de razón de verosimilitud positiva y

negativa son 6.1 en roll, 10.7 y 11.9 en pitch.

Atendiendo al área bajo la curva ROC, vemos que las frecuencias con área más

elevada son:

- Identificación de no simuladores en roll: frecuencia 6.1 Area de 0.900

- Identificación de no simuladores en pitch: frecuencias 1.4 y 7.2 Area de 0.900

- Identificación de simuladores en roll: frecuencia 6.1 Area de 0.800

- Identificación de simuladores en pitch: frecuencias 10.7 y 11.9 Area de 0.700

Todas estas frecuencias tienen una prueba de chi cuadrado estadísticamente

significativa y se encuentran entre las que tienen mejores valores para la razón de

verosimilitud positiva y negativa. Por tanto, serán los que utilicemos en el estudio

clínico con pacientes reales.

DEDUCCIONES

Las mejores variables para identificar simuladores y no simuladores en una

población experimental son:

- Ratio s2ec/w3mec:

o Identificación de no simuladores:

Frecuencia 6.1 en roll

Frecuencia 1.4 y 7.2 en pitch

o Identificación de simuladores:

Frecuencia 6.1 en roll

Frecuencias 10.7 y 11.9 en pitch

- Análisis sensorial: para los coeficientes del SwayStar (CRvs, CRss y CRo) y

para los coeficientes del SOT (VIS, SOM, VEST) no se han hallado diferencias

significativas entre el grupo Simulador y No Simulador, por tanto se deduce que

ambos grupos tienen un análisis sensorial normal. Hemos construido los

correspondientes intervalos de referencia para cada uno de ellos.


- 82 -

Estudio Clínico. Cuarta Parte: Ajuste de los Valores de Referencia


Manuel Oliva

____________________________________________ Estudio Clínico – Cuarta Parte

- 84 -

LOS PACIENTES

Introducción

En la Tercera Parte de este estudio establecimos los puntos de corte para

identificar simuladores y no simuladores, todo ello en una población de voluntarios. A

partir de ahora vamos a aplicar esos datos a pacientes reales.

Para ello, en primer lugar vamos a describir nuestra población de pacientes

reales. Los denominaremos “Patológicos”.

Material y métodos

Hemos utilizado a los pacientes estudiados en la Unidad de Pruebas Vestibulares

del Servicio ORL del Hospital Universitario de Puerto Real durante 2 años. Como

hemos dicho, conformarán el grupo Patológicos. A todos ellos, previo consentimiento

oral para utilizar sus datos, se les realizó la posturografía SwayStar con las siguientes

pruebas: s2eo, s2ec, s2eof, s2ecf y w3mec. Este protocolo lo hemos denominado

mCTSIB ampliado.

En primer lugar, recogimos los datos referentes a edad y sexo calculando los

mismos estadísticos descriptivos que en la Primera Parte, a efectos de comparación. Le

aplicaremos la prueba de Shapiro-Wilk para comprobar si sigue o no una distribución

normal y la prueba ANOVA entre los grupos experimentales de Simuladores, No

Simuladores y y el grupo Patológicos, con los tests post-hoc de Bonferroni en caso de

igualdad de varianzas y la de Tamhane en caso contrario.

Continuaremos usando el programa SPSS ver. 15 para los cálculos. Como de

costumbre, el nivel de significación se fija en 0,05 para todas las pruebas estadísticas.


- 85 -

Resultados

La población de Patológicos consta de 266 individuos. Por sexos son 59,4%

mujeres y 40,6% hombres.

Por edad, los principales estadísticos descriptivos se pueden ver en la tabla 4.1

La prueba de Shapiro-Wilk aplicada a la edad ofrece un estadístico con un valor

de 0,995 con 266 grados de libertad y una significación con p = 0,561. Por tanto, como

p es mayor de 0,05 podemos concluir que sigue una distribución normal. Se ha

representado gráficamente en la Figura 4.1

Al comprobar la homogeneidad de varianzas, siempre respecto a la edad,

mediante la prueba de Levene, se comprueba que las varianzas son diferentes con una p

= 0,000. Por tanto aplicaremos la prueba de Tamhane. Se resume en la tabla 4.2 Como

se puede apreciar en dicha tabla, no hay diferencias entre los grupos experimentales

Simulador y No Simulador (obviamente) pero sí existen entre ambos grupos

experimentales y el grupo Patológicos.

Discusión

Se plantea ahora el siguiente problema: ¿podemos aplicar los resultados

obtenidos en los grupos experimentales al grupo Patológicos sabiendo que no son

homogéneos respecto a la edad y sexo?

Respecto al sexo, existe un estudio donde concluyen que el sexo no influye en la

posible incapacidad del paciente cuando se tienen en cuenta otros factores90 por lo que

simplemente lo obviaremos. La edad ya es otro problema.

Trataremos de resolverlo en el siguiente apartado.


- 86 -

EL PROBLEMA DE LA EDAD

Introducción

¿Cómo extrapolar los resultados obtenidos en un grupo joven, de entre 23-37

años a otro grupo de 10-86 años?

Podríamos hacerlo de la siguiente forma: en el programa del SwayStar, al

calcular el Balance Control Summary, el propio programa calcula el rango de velocidad

en pitch de cada prueba y nos da los valores de referencia superior (95%) e inferior

(5%) para cada edad. Teniendo como referencia el rango de velocidad podríamos

extrapolar nuestros resultados a todos los grupos de edad.

Material y métodos

Para cada paciente, exportamos los valores de normalidad al 5 y 95% del

protocolo mCTSIB ampliado (s2eo, s2ec, s2eof, s2ecf, w3mec) al programa SPSS. A

partir de ahí calculamos s2ec/w3mec, CRvs, CRss, CRo, VIS, SOM y VEST para esos

valores de normalidad. Calcularemos si es posible representarlo mediante técnicas de

regresión y cuál es la estimación curvilínea que mejor lo representa mediante la prueba

de R2. El modelo que obtenga un valor mayor para R2 será el más adecuado.

Calcularemos la función correspondiente y la representaremos gráficamente para

comprobar si representa adecuadamente los datos.

Resultados

El resumen de los diferentes modelos se observa en las tablas 4.3 a 4.9. En todas

ellas se aprecia que el modelo con un R2 más alto es el modelo cúbico. Podemos verlo

gráficamente en las figuras 4.2 a 4.8.

El modelo cúbico es una función que responde a la siguiente fórmula:


- 87 -

Y = b0 + b1t + b2t2 + b3t3

Donde:

b0 = “constante” en las tablas 4.3 a 4.9

b1 a b3 = parámetros en las tablas 4.3 a 4.9

t = edad

Las diferentes funciones Y resultantes se pueden ver en la tabla 4.10.

Seguidamente, la representación gráfica de las funciones de la tabla 4.10 se

pueden ver en las figuras 4.9 a 4.15

Discusión

Comparando las figuras 4.2 a 4.8 con sus equivalentes de la figuras 4.9 a 4.15

vemos que las únicas funciones que representan fielmente los valores observados son

las correspondientes a los límites superior e inferior de s2ec/w3mec y VIS

Por tanto, seguiremos con este abordaje sólo para s2ec/w3mec, en el siguiente

apartado.

EXTRAPOLACION DE DATOS EN s2ec/w3mec

Introducción

Hemos calculado una función Y que representa lo más fielmente posible los

límites de referencia superior e inferior según los datos proporcionados por el programa

del SwayStar para s2ec/w3mec.

En la Tercera Parte de este estudio habíamos calculado unos valores de

referencia para identificar Simuladores y No Simuladores. Son los siguientes:


- 88 -

o Identificación de no simuladores:

Frecuencia 6.1 en roll: valores inferiores a 0,043157

Frecuencia 1.4 en pitch: valores inferiores a 0,071956

Frecuencia 7.2 en pitch: valores inferiores a 0,054817

o Identificación de simuladores:

Frecuencia 6.1 en roll: valores superiores a 0,018025

Frecuencia 10.7 en pitch: valores superiores a 0,034640

Frecuencia 11.9 en pitch: valores superiores a 0,050727

Ahora vamos a calcular el error existente entre estos valores y los calculados

según las fórmulas del apartado anterior en el mismo rango de edad. Posteriormente,

aplicaremos ese error a las fórmulas en todas las edades.

Material y método

En primer lugar, seleccionamos en el grupo Patológico sólo los pacientes

comprendidos en el intervalo de edad 23-37 años (igual que los grupos experimentales).

Según lo explicado en la Tercera Parte, el punto de corte para la identificación de no

simuladores es el percentil 95 de los valores obtenidos en el grupo No Simuladores.

Para la identificación de simuladores, el punto de corte está en el percentil 5 del grupo

Simuladores. Por tanto aplicaremos la fórmula:

Para la identificación de no simuladores:

Error = Valor calculado en la Tercera Parte – Función Y límite superior

Para la identificación de simuladores:

Error = Valor calculado en la Tercera Parte – Función Y límite inferior

Ambas fórmulas se aplican a las frecuencias antedichas. Calculamos la media de

todos los errores. Este Error Medio, finalmente se sumará a la función Y. Así


- 89 -

obtendremos la función Y corregida (Ycorrg), que será la que nos proporcione los puntos

de corte en función de la edad.

Resultados

Son 50 pacientes los que tienen edades comprendidas en el intervalo

especificado. Los errores medios se representan en la tabla 4.11. La tabla 4.12 muestra

finalmente las funciones Ycorrg para cada una de las frecuencias

DEDUCCIONES

Hemos calculado la funciones Ycorrg para conocer los puntos de corte a todas las

edades en todas las variables que estamos usando en s2ec/w3mec.

Para las ratios CRvs, CRss, CRo, VIS, SOM y VEST no hemos encontrado una

función matemática que las represente satisfactoriamente, por lo que asumiremos los

mismos valores de corte para todas las edades, aún a costa de perder cierta precisión en

nuestro estudio.


- 90 -

Estudio Clínico. Quinta Parte: Aplicación de los Valores de Referencia a Pacientes Reales


Manuel Oliva

_____________________________________________ Estudio Clínico – Quinta Parte

- 92 -

INTRODUCCION

Anteriormente habíamos concluido que las frecuencias más idóneas para

identificar simuladores y no simuladores eran:

- Identificación de no simuladores: frecuencia 6.1 en roll y frecuencias 1.4 y

7.2 en pitch

- Identificación de simuladores: frecuencia 6.1 en roll y frecuencias 10.7 y

11.9 en pitch

En la Cuarta Parte de este estudio calculamos los límites de referencia del

cociente s2ec/w3mec para cada una de las frecuencias, según técnicas de regresión,

Asimismo, según los resultados de nuestro estudio experimental en voluntarios

sanos, también suponemos que el análisis sensorial debe ser normal en ambos grupos,

tanto si seguimos las fórmulas del Sway Star como si seguimos las fórmulas del SOT.

En esta Quinta Parte vamos a aplicar el índice s2ec/w3mec con los límites de

referencia calculados. Vamos a calcular su poder diagnóstico. Haremos también la

misma comprobación con un análisis sensorial normal.

Previamente, caracterizaremos el grupo de pacientes reales, denominado

Patológicos.

MATERIAL Y METODOS

Como de costumbre, usaremos el programa SPSS ver. 15 para todos los cálculos.

Todos los niveles de significación se fijan en 0,05.

Calcularemos la frecuencia de los diversos diagnósticos, con especial énfasis en

el de Simulador. Los criterios que hemos usado para calificar a un paciente de

simulador son los siguientes:

- Discrepancia evidente entre lo que refiere el paciente y los resultados de la

exploración


- 93 -

- El paciente insiste de forma exagerada en que su trastorno le impide trabajar

- Exageración clara y evidente de su inestabilidad, sin concordancia con la

exploración oculomotora

- Falta de colaboración en la exploración porque empeoran sus síntomas

El paciente debe cumplir al menos dos de los criterios anteriores para ser

calificado como simulador. Lo convertiremos en una variable dicotómica (sí/no).

A continuación, utilizaremos el cociente s2ec/w3mec en las 6 frecuencias que

hemos comentado en la Introducción. Según las fórmulas calculadas en la tabla 4.12, la

convertiremos en una variable dicotómica (sí/no). Esto nos permitirá construir una tabla

de doble entrada y hacer la prueba de chi cuadrado. Usando la calculadora diagnóstica

del Dr. J.Primo, de la red CASPE89, calcularemos también la sensibilidad, especificidad,

valores predictivos positivo y negativo, razón de verosimilitud positiva y negativa y

área bajo la curva ROC (Receiver Operating Characteristic).

Lo repetiremos para cada una de las 6 frecuencias. También lo calcularemos

suponiendo que al menos varias frecuencias sean positivas.

Con el análisis sensorial seguiremos una sistemática parecida. Crearemos una

variable nueva que nos identificará el análisis sensorial como normal (positivo, ya que

el supuesto es que los simuladores tienen un análisis sensorial normal) o patológico

(negativo). Para ser calificado como normal, sus 3 componentes tanto según las

fórmulas del SwayStar como del SOT tienen que tener valores normales según lo

calculado anteriormente. A continuación, lo confrontaremos con el diagnóstico,

calculando las mismas variables que para s2ec/w3mec.

Finalmente, volveremos a repetir todo el proceso suponiendo que s2ec/w3mec y

el análisis sensorial, de forma conjunta nos indiquen simulación.


- 94 -

RESULTADOS

Como ya se vio en la Cuarta Parte, el Grupo Patológico consta de 266 pacientes

estudiados en su totalidad en el Servicio de ORL del Hospital Universitario de Puerto

Real. Los estadísticos referentes a la edad quedaron expuestos en la tabla 4.1. La

distribución por sexos, como quedó referido en la Cuarta Parte, era de 59,4% de mujeres

y 40,6% de hombres.

Los resultados por diagnóstico quedan reflejados en la tabla 5.1 y en la figura

5.1. Uno de los pacientes se negó a ser incluido en el estudio, por lo que en adelante

quedarán reflejados sólo 265 pacientes. Los diagnósticos más frecuentes fueron

Desconocido (16%) seguido de Ansiedad (14%), Menière (14%), Canalitiasis (11%) y

VER (Vértigo Espontáneo Recurrente) (10%). Todos los demás diagnósticos tuvieron

una frecuencia inferior a 10%.

El diagnóstico de Simulador se aplicó a 10 pacientes (3,8%).

La tablas de doble entrada para cada una de las frecuencias se pueden ver en las

tabla 5.2. La prueba de chi cuadrado con su significación, en la tabla 5.3.

La curva ROC se ha calculado en la tabla 5.4 y en la figura 5.2.

Como se puede apreciar, la frecuencia 10.7 en pitch para identificación de

simuladores tiene una prueba de chi cuadrado con p mayor de 0,05. En la curva ROC

también tiene una p mayor de 0,05. Por tanto, la desecharemos de ahora en adelante.

La sensibilidad, especificidad, valores predictivos positivo y negativo y razones

de verosimilitud positiva y negativa para cada una de las 5 frecuencias restantes se

pueden ver en la tabla 5.5

Los mismos resultados suponiendo que al menos 2, 3, 4 ó 5 frecuencias sean

positivas, en las tablas 5.6 a 5.9 y figura 5.3.


- 95 -

La mayor área bajo la curva ROC aparece cuando 3 ó 4 frecuencias son

positivas. La combinación de ambas variables con un análisis sensorial normal lo

analizamos en las tablas 5.10 a 5.11. Dado que la prueba chi cuadrado no es

significativa en ninguna de estas tablas, no continuamos con los cálculos.

DISCUSION

Hemos analizado la validez diagnósticas de 6 variables referentes al cociente

s2ec/w3mec. De todas ellas, la frecuencia 10.7 en pitch según los valores de normalidad

obtenidos en el grupo Simulador no obtiene significación estadística en la prueba de chi

cuadrado.

De las 5 variables restantes, P1_NoSim_Dicot es la que obtiene la mayor área

bajo la curva ROC, con un valor de 0.830. Ro6_NoSim_Dicot y P1_NoSim_Dicot son

las que tienen los mejores valores de cociente de probabilidad positivo y negativo (4,08

– 0,25 y 3,76 – 0,13 respectivamente).

El siguiente paso fue comprobar si combinando varias de esas variables

individuales podía mejorar estas cifras. Efectivamente, cuando son positivas 2, 3, 4 ó 5

variables a la vez, todas ellas tienen significación estadística para identificar

simuladores, según la prueba de chi cuadrado. La mayor área bajo la curva ROC se

obtiene cuando son positivas 3 ó 4 variables (0,847 y 0,846 respectivamente).

Atendiendo a los valores de cocientes de probabilidad positivo y negativo,

obtenemos que:

- El cociente de probabilidad positivo es mejor cuando 4 variables son

positivas (4,33 frente a 3,24), pero también tiene un intervalo de confianza

ligeramente mayor

- El cociente de probabilidad negativo es mejor cuando 3 variables son

positivas (0,01 frente a 0,13), pero el intervalo de confianza del primero

(0,00 – 6,81) es mucho mayor que el de las 4 variables (0,02 – 0,81)


- 96 -

Por tanto, concluimos que hasta ahora, la combinación de 4 variables positivas

es la mejor forma de identificar a pacientes simuladores.

Por último hemos visto si podemos mejorar todavía más estas cifras si

combinamos 3 ó 4 variables positivas con un análisis sensorial normal tanto según SOT

como según SwayStar. Sin embargo, la prueba de chi cuadrado nos dice que no hay

significación estadística.

DEDUCCIONES

La mejor forma de identificar a pacientes simuladores es la siguiente:

- Usar la prueba s2ec/w3mec con análisis frecuencial

- Utilizar las frecuencias siguientes:

o Frecuencia 6.1 en roll y frecuencias 1.4 y 7.2 en pitch con valores de

normalidad del grupo No Simulador

o Frecuencia 6.1 en roll y frecuencia y 11.9 en pitch con valores de

normalidad del grupo Simulador

- El paciente será simulador cuando al menos 4 de la frecuencias anteriores

sean positivas

- El análisis sensorial no aporta nada a la identificación de simuladores.


- 97 -

Sexta parte: Comparación con otros estudios


Manuel Oliva

_________________________________ Sexta Parte: Comparación con otros estudios

- 99 -

INTRODUCCION

Recientemente se ha publicado otra serie de variables para la deteción de

simuladores utilizando el equipo SwayStar67, 86.

En su trabajo el Dr. Allum y su equipo hacían un análisis discriminante paso a

paso (stepwise discriminant analysis) para determinar cuáles eran las variables a utilizar

para detectar pacientes simuladores. Concluían que las variables más importantes eran

las siguientes:

- (s2ecf-s2ec).rv: es decir, la diferencia de velocidad angular en roll entre la

prueba s2ecf (de pie sobre las dos piernas con ojos cerrados y sobre foam) y la

prueba s2ec (idem, sobre superficie firme)

- s2eo.pv: velocidad angular en pitch en la prueba s2eo (de pie sobre las dos

piernas cono ojos abiertos y sobre superficie firme)

- (w8tan-s1eo).pv: la diferencia de velocidad angular en pitch entre la prueba

w8tan (andar 8 pasos con marcha en tándem) y la prueba s2eo (de pie sobre una

sola pierna con ojos abiertos y sobre superficie firme)

- s1eo.ra: ángulo de desplazamiento en roll en la prueba s1eo (de pie sobre una

sola pierna con ojos abiertos y sobre superficie firme

En Mayo de 2009 se publicó una nueva actualización del software de SwayStar

(versión 4.3.7.266)91, donde ya incorporaban dichas variables en el Balance Control

Summary y los correspondientes intervalos de normalidad.

Según la comunicación del Dr. Allum y su equipo, cuando las variables referidas

tenían unos valores por encima de la normalidad indicaban una posible simulación.

En nuestro estudio clínico no podemos aplicar estas variables a nuestros

pacientes ya que sólo realizamos las pruebas s2eo, s2ec, s2eof, s2ecf, w8mec. Pero sí

podemos aplicarlo a los individuos del estudio experimental, con los “simuladores

experimentales”.

Ese es el objeto de este parte: aplicar las nuevas variables sugeridas y

compararlas con nuestros propios resultados.


- 100 -

MATERIAL Y METODOS

Utilizamos el mismo grupo experimental ya descrito en la Primera Parte de esta

tesis. Recordamos que se trata de 20 individuos jóvenes y sanos, 10 hombres y 10

mujeres. Este grupo tenía que realizar una batería de pruebas, la primera vez simulando

y la segunda de buena fe.

Aplicamos las nuevas variables del Dr. Allum a las pruebas correspondientes y

lo transformamos en una variable dicotómica según el resultado esté por encima de la

normalidad o no. A continuación consideramos que sean positivas (indicativos de

simulación) al menos 2, 3 ó las 4 variables. No sería lógico hacer los cálculos cuando

sólo sea positiva una de las variables. No podemos pensar que un individuo sea un

simulador sólo porque tenga un aumento de la velocidad de las oscilaciones en pitch en

la prueba s2eo.

Construimos las tres tablas de doble entrada correspondientes, haciendo la

prueba de chi cuadrado y con limite de significación en p<0.05. Además, calculamos su

sensibilidad, especificidad, valores predictivos positivo y negativo y cocientes de

probabilidad positivo y negativo y área bajo la curva ROC.

Para poderlo comparar con nuestros resultados, recordemos que en la Quinta

Parte de nuestro trabajo concluimos que la mejor forma de identificar a los simuladores

era utilizar el análisis frecuencial del cociente s2ec/w3mec, con las siguientes

frecuencias:

- Frecuencia 6.1 en roll y frecuencias 1.4 y 7.2 en pitch con valores de


- Frecuencia 6.1 en roll y frecuencia y 11.9 en pitch con valores de normalidad

del grupo Simulador

También decíamos que los mejores resultados se obtienen cuando al menos 4 de

estas variables indicaran una posible simulación.


- 101 -

Usando estas frecuencias seguiremos el mismo protocolo de estudio que con las

variables del Dr. Allum, para poder hacer una adecuada comparación.

Para todos los cálculos usaremos el programa SPSS ver 15 y la calculadora

diagnóstica del Dr. J. Primo, disponible en la red CASPE89, al igual que en el resto de

este trabajo.

RESULTADOS

En la tabla 6.1 reflejamos el porcentaje de individuos simuladores y no

simuladores que dieron valores positivos en las variables del Dr. Allum.

De la tabla 6.2 a la tabla 6.5, las tablas de contingencia para las variables del Dr.

Allum, resultados de la prueba chi cuadrado, valores de las curvas ROC y tablas con los

valores de sensibilidad, especificidad, valor predictivo positivo y negativo y cociente de

probabilidad positivo y negativo.

En la tabla 6.6, las mismas pruebas pero aplicadas a nuestras propias variables.

En las figuras 6.1 y 6.2 se pueden ver gráficamente las curvas ROC para todas

las variables.

DISCUSION

Al analizar los resultados de las variables del Dr. Allum, lo primero que llama la

atención es que Sum_4 tiene una prueba de chi cuadrado con p = 0,147. Es decir, que no

hay relación estadística entre la positividad de las cuatro pruebas y la existencia de un

simulador. Por tanto la descartamos.

Siguiendo con las variables del Dr. Allum, Sum_2 y Sum_3 tienen un área bajo

la curva ROC bastante aceptable (0,950 para Sum_2 y 0,725 para Sum_3), con valores

de cocientes de probabilidad positivo (19,00 para Sum_2 y 18,45 para Sum_3) y


- 102 -

negativo (0,05 para Sum_2 y 0,56 para Sum_3) francamente buenos según las

referencias bibliográficas92. Sólo cabe achacarles unos intervalos de confianza muy

amplios.

Al utilizar nuestras propias variables, encontramos que la prueba de chi

cuadrado es adecuada (p = 0,000). El área bajo la curva ROC tiene también un valor

elevado (0,925) e intermedio entre Sum_2 y Sum_3. El cociente de probabilidad

positivo (34,85) es francamente mayor que con las variables del Dr. Allum. El cociente

de probabilidad negativo (0,15) tiene un valor intermedio a Sum_2 y Sum_3. De nuevo,

los intervalos de confianza son muy amplios.

DEDUCCIONES

La identificación de simuladores mediante análisis frecuencial del cociente

s2ec/w3mec según la sistemática expuesta en este trabajo ofrece unos resultados

mejores que al aplicar las variables (s2ecf-s2ec).rv, s2eo.pv, (w8tan-s1eo).pv y s1eo.ra


- 103 -

Discusión


Manuel Oliva

______________________________________________________________ Discusión

- 105 -

¿EL ESTUDIO DE SIMULADORES FINGIDOS ES UNA SISTEMATICA

VALIDA?

Según decíamos en la Introducción, el DSM-IV define la simulación como la

producción intencionada de síntomas físicos o psicológicos motivados por incentivos

externos1. Bajo esta óptica, nuestro Grupo Simulador ofrece varias ventajas:

- Es un grupo de individuos en el que sabemos que no hay niguna otra patología y

por lo tanto los resultados no pueden ser debidos a causas patológicas

- Cumple la definición de simulación de la DSM-IV: producción de síntomas

físicos por un incentivo externo. En este caso, la intención expresa de simular un

trastorno del equilibrio

- Es un grupo idéntico al grupo No Simulador, por tanto son perfectamente

comparables. Ambos grupos sólo se diferencian en la intención de simular

- Los individuos que componen ambos grupos no tienen conocimientos de

posturografía.

o En cualquier caso es interesante mencionar aquí el trabajo de Morgan et

al93. En este estudio comparan los resultados de dos grupos de individuos

sanos en el que se les indicó que debían simular un trastorno del

equilibrio para reclamar una indemnización laboral. A un grupo sólo se

les indicó que debían simular el trastorno. Al otro grupo, además, se le

informó de que los auténticos pacientes obtienen peores resultados

cuando la prueba es más difícil. Todos los autores coinciden en que los

simuladores obtienen peores resultados cuando la prueba es más sencilla

de realizar48, 77, 78, 79, 80, 81, 82, 83, 84, 85. Morgan et al encontraron que la

información adicional sobre la posturografía no mejora los intentos de

simular un trastorno vestibular, al menos en individuos normales. Por

tanto, según este trabajo, el hecho de informar a un simulador sobre uno

de los principales criterios para diagnosticar simuladores no influye en

cómo realizan las pruebas

- Otros estudios77, 82 también utilizan un grupo de simuladores fingidos en su

estudio

Por tanto, concluimos que el estudio de un grupo de simuladores fingidos es una

sistemática válida para nuestro estudio.

______________________________________________________________ Discusión

- 106 -

¿QUE APORTA EL ANALISIS ESPECTRAL DEL POSTUROGRAMA?

La densidad espectral de potencia es una herramienta más de análisis, que puede

proporcionar periodicidades escondidas o identificar modelos matemáticos, tal y como

veíamos en la Introducción. En la figura 1.17 B se observa claramente un pico de

potencia en torno a la frecuencia 8.4 Hz en pitch para todas las pruebas que conforman

el mCTSIB en el grupo No Simulador y conformando unos espectrogramas muy

regulares. Ese pico y esa regularidad se pierde por completo en el grupo Simulador,

indicando una mayor entropía (es decir, mucha mayor aleatoriedad en los resultados).

En las pruebas dinámicas, se observa otro pico en torno a la frecuencia 2,5 Hz en roll y

entre las frecuencias 4,9 y 6,1 Hz en pitch.

No deja de llamar la atención que, aunque las pruebas dinámicas siempre

ofrecen unos niveles de potencia mayores, las pruebas estáticas muestran en el grupo No

Simulador un pico a una frecuencia mayor que en las pruebas dinámicas.

El pico en el espectrograma de las pruebas dinámicas

¿Podría este pico de las pruebas dinámicas ser debido al hecho de estar andando,

estar relacionado con la frecuencia de la marcha? Según calculamos en la Primera Parte,

en la prueba w3mec del grupo No Simulador se puede reconocer en roll un patrón

repetitivo a una frecuencia media de 0,77 Hz, atribuible al ciclo de dar un paso. Es una

frecuencia demasiado alejada del pico en la frecuencia 2,5 Hz que hemos detectado en

el análisis espectrográfico. Sin embargo si multiplicamos 0,77 por 3, obtenemos la cifra

de 2,31. Por tanto ese pico centrado en 2,5 Hz podría ser un armónico de la frecuencia

fundamental del paso.

En el plano pitch encontramos que el pico se produce entre las frecuencias 4,9 y

6,1 Hz. Si hallamos la media entre esas dos frecuencias nos resulta 5,5 Hz. Si

multiplicamos la frecuencia del paso que hemos calculado antes (0,77) por 7, obtenemos

______________________________________________________________ Discusión

- 107 -

la cifra 5,39. De nuevo una cifra muy similar a la anterior. Por tanto este otro pico en

pitch también puede ser un armónico de la frecuencia fundamental del paso.

En el trabajo de Yarrow et al94 se demuestra cómo los pacientes con temblor

ortostático primario muestran un pico en frecuencias altas, 12-16 Hz tanto en el

posturograma como en los registros de electromiografía. De esta forma, el diagnóstico

de temblor ortostático primario es fácil con sólo mirar el espectrograma de frecuencias

del posturograma. Se define el temblor ortostático primario como una serie de

contracciones rítmicas musculares, típicamente a 12-16 Hz, que aparecen en la

musculatura de las piernas durante la bipedestación y que desaparecen, total o

parcialmente, durante la marcha o al sentarse95. Otros autores96 concluyen que la

densidad espectral de potencia del posturograma es útil en el screening del temblor

ortostático primario.

Nashner97 habla de 3 sistemas de movimiento para el mantenimiento el

equilibrio:

- Sistema reflejo: mediado a través de la médula espinal, se encarga de regular la

fuerza muscular. Tiene un tiempo de respuesta fijado en 40 milisegundos ante un

estímulo externo.

- Sistema automático: a través de mecanismos troncoencefálicos y subcorticales.

Se encargan de coordinar los movimientos en las articulaciones. El tiempo de

respuesta está fijado en 100 milisegundos ante un estímulo externo.

- Sistema voluntario: siempre a través del tronco encéfalo y corteza cerebral. El

tiempo de respuesta es superior a los 150 milisegundos.

Por tanto, podemos decir que, cuanto más cerca del músculo se encuentre el

origen de un movimiento, menor es su latencia. Por tanto, si se tratara de un

movimiento repetido, su frecuencia sería mayor.

En el caso del sistema reflejo, teóricamente el máximo número de movimientos

que podría disparar en 1 segundo sería de 25 (1000 mseg/40 msg) por tanto podría

originar un movimiento de hasta 25 Hz. El sistema automático podría originar,

siguiendo la misma forma de razonar, un movimiento a una frecuencia máxima de 10

Hz. Y el sistema voluntario, otro de 6,66 Hz. Obviamente habría que incluir el tiempo

______________________________________________________________ Discusión

- 108 -

que tardarían los músculos periféricos en activarse, realizar el movimiento, períodos

refractarios, etc. Pero como hipótesis de trabajo, es válida.

En el temblor ortostático primario no se conoce su origen98. En otras

enfermedades como la enfermedad de Parkinson, sabemos que se origina un temblor de

3-6 Hz99 y que su causa reside en la pérdida de neuronas dopaminérgicas en el

mesencéfalo100.

Hemos calculado antes que los individuos del grupo No Simulador caminan a

una frecuencia de 0,77 Hz. Obviamente el hecho de andar está mediado por mecanismos

corticales y como tal, tiene una frecuencia baja.

Estos datos podrían explicar que, en el grupo No Simulador, las pruebas que

necesitan de mecanismos voluntarios (como caminar, es decir, las pruebas w3mec,

w3mrh y w3mph) presenten un pico en frecuencias más bajas que las pruebas estáticas.

El pico en el espectrograma de las pruebas estáticas

¿Cómo explicar ahora el pico de 8,4 Hz existente en las pruebas estáticas en

pitch en el grupo No Simulador?

La frecuencia más baja que se analiza con el SwayStar es 1,4 Hz. Multiplicando

esa cantidad por 6 se obtiene exactamente 8,4. Por tanto, al igual que vimos en las

pruebas dinámicas, este pico puede ser un armónico de la frecuencia fundamental 1,4.

¿Y por qué se producen estos dos armónicos, en 1,4 y 8,4 Hz cuando el

individuo está completamente quieto, sin hacer movimientos voluntarios? En el caso del

grupo Simulador, el individuo está moviéndose conscientemente, por tanto sería lógico

encontrar picos de todo tipo, como así ocurre. Pero ¿a qué se puede atribuir que

aparezca este fenómeno de forma tan regular en un grupo donde los individuos son

sanos y no se están moviendo de forma voluntaria?

______________________________________________________________ Discusión

- 109 -

Allum et al64 encontraron un pico en 1,2 Hz en pitch, mayor para las pruebas

sobre foam. Similar al pico que hemos encontrado nosotros en 1,4 Hz. Sólo examinaron

la densidad espectral de potencia hasta 5.2 Hz, menor que el pico que nosotros hemos

encontrado en este estudio.

Este fenómeno se podría explicar mediante la resonancia estocástica. Como

vimos en el Apéndice Técnico, la resonancia estocástica aparece cuando la adición de

una cantidad óptima de ruido mejora el rendimiento del sistema. En el caso concreto del

sistema del equilibrio, los estudios de Priplata et al101, 102 muestran que la adición de una

vibración aleatoria a una intensidad del 90% del umbral de percepción del paciente

disminuye significativamente las oscilaciones de pacientes ancianos durante la

bipedestación con ojos cerrados.

En individuos sanos es posible que, para la bipedestación, sea necesaria una

pequeña oscilación para el mantenimiento del equilibrio. Sabemos que el órgano

periférico vestibular sólo se estimula mediante aceleraciones. Por tanto, cuando no hay

aceleraciones, el órgano vestibular no se estimula. Si en todo momento existiera una

pequeña aceleración, es decir, si el cuerpo estuviera constantemente moviéndose,

existiría también una información vestibular permanente para el mantenimiento del

equilibrio. De la misma forma, una oscilación continua del cuerpo también serviría para

estimular los reflejos miotáticos. Finalmente, sabemos que, cuando el ojo utiliza la

fijación visual, no se queda completamente quieto, sino que continuamente hace

pequeños movimientos para estimular las células retinianas. Si fijáramos con precisión

la imagen de un objeto sobre la retina, la imagen de ese objeto se dejaría de percibir103.

Por tanto, un pequeño movimiento se hace imprescindible para el correcto

funcionamiento de los sistemas vestibular, visual y somatosensorial.

En la mayoría de los experimentos que imitan los procesos oscilatorios que

aparecen en el cerebro, se utiliza como ruido un estímulo subumbral generado mediante

un sistema caótico conocido como atractor de Rössler104. Este es un sistema oscilatorio

no estrictamente periódico. Su frecuencia varía en el tiempo siempre alrededor de un

“frecuencia preferida”.

______________________________________________________________ Discusión

- 110 -

Si observamos la figura 1.17 B, vemos que el pico que nos ocupa está en torno a

la frecuencia 8,4 Hz. Podemos decir que, aunque el individuo está aparentemente

estático, realiza unos pequeños movimientos en el plano pitch con un armónico en torno

a la frecuencia 8,4 Hz. Este armónico reúne las características como para ser

considerado un estímulo adecuado para una resonancia estocástica.

Finalmente, Peterka105 utilizó el análisis espectral en un rango de frecuencias de

0,017 a 2,23 Hz. Calculó las funciones de transferencia y de coherencia de las

oscilaciones corporales como respuesta a un estímulo pseudoaleatorio de amplitud

variable. Encontró que el comportamiento postural general puede considerarse como de

tipo no lineal, ya que la ganancia disminuía y el desfase podía cambiar en ocasiones al

aumentar la amplitud del estímulo. Deducía por ello que los individuos aumentaban su

dependencia de la información de origen vestibular a medida que aumentaba la amplitud

del estímulo.

Como ya comentamos anteriormente en la Introducción, la resonancia

estocástica sólo se puede producir en sistemas no lineales.

Podemos concluir que ese pico de potencia hallado en la frecuencia 8.4 Hz en

pitch podría estar relacionado con fenómenos de resonancia estocástica.

EL MODELO DEL PENDULO INVERTIDO SIMPLE Y EL PENDULO

INVERTIDO DOBLE

Horlings et al106 realizaron un estudio colocando un giroscopio a la altura de la

pelvis y otro a la altura de los hombros en tres grupos de pacientes (control, pacientes

con déficit vestibular y pacientes con déficit propioceptivo) y realizando las pruebas

correspondientes al mCTSIB. Concluyeron que a bajas frecuencias (< 0,7 Hz), pelvis y

hombros se mueven de la misma forma. Pero a altas frecuencias (>3 Hz), se mueven de

forma diferente, dependiendo de la superficie sobre la que se encuentre el paciente, del

tipo de pérdida sensorial y del plano de movimiento.

______________________________________________________________ Discusión

- 111 -

En el mismo sentido, Aramaki et al107 encontraron que, en la bipedestación,

existe un desplazamiento, velocidad y aceleración angulares en la articulación de la

cadera significativamente mayores que en la del tobillo. Asimismo, cada aceleración

existente en el tobillo se compensa mediante otra aceleración en sentido opuesto en la

cadera. Concluyen que los movimientos angulares alrededor de las articulaciones de

tobillo y cadera no son para mantener el centro de gravedad en una posición estática,

sino para minimizar sus aceleraciones. Una conclusión similar obtienen Sasagawa et

al108: cuando calculan el movimiento del centro de masas suponiendo un modelo donde

todo el movimiento se realiza alrededor de la articulación del tobillo, resulta un

movimiento demasiado amplio comparado con lo obtenido experimentalmente.

Zhang et al109 concluyen que el cuerpo se comporta como un péndulo invertido

doble, donde ambos segmentos se mueven con la misma fase para movimientos

menores de 1 Hz y siguiendo un patrón de fases opuestas para los movimientos

superiores a dicha frecuencia.

Gage et al110 suponen una voz discordante, defendiendo la validez del modelo

del péndulo invertido simple. En su estudio, encuentran una fuerte relación entre los

desplazamientos del centro de masa de todo el cuerpo y los movimientos alrededor de la

articulación del tobillo. Comparan la relación entre el centro de masa y el centro de

presión sobre la plataforma de posturografía y encuentran que la diferencia entre ambas

es proporcional a la aceleración del centro de masas. Tal vez la razón se encuentre en

que utilizan un filtro de 1,5 Hz para la señal del centro de masas y otro de 3 Hz para la

señal del centro de presiones. Como hemos visto antes en las referencias 105 y 108, a

bajas frecuencias los segmentos superior e inferior del cuerpo se mueven de la misma

forma y a frecuencias mayores, se mueven de forma opuesta y coordinada.

De Freitas et al111 estudian mediante una plataforma de presión, los efectos de la

inmovilización de las rodillas, caderas y tronco sobre el centro de presiones.

Encontraron que las oscilaciones posturales aumentaron de forma significativa en la

dirección anteroposterior cuando todas las articulaciones estaban inmovilizadas. De la

misma forma, disminuyen en la dirección mediolateral. Es decir, en el plano

anteroposterior, las oscilaciones aumentan cuando sólo dependen de la articulación del

______________________________________________________________ Discusión

- 112 -

tobillo. Por tanto, el modelo del péndulo invertido simple no puede explicar por

completo todos los procesos involucrados en el control de la postura erecta.

Podemos concluir, a modo de resumen, que el modelo del péndulo invertido

simple es válido para los movimientos corporales a frecuencias bajas. Cuando existen

movimientos a frecuencias superiores a 3 Hz, se puede explicar mediante el modelo del

péndulo invertido doble

En 1990, Horak et al112 encontraron que la información vestibular es necesaria

para el mantenimiento del equilibrio en tareas que requieran el uso de la estrategia de

cadera. En otro trabajo más reciente, Horak113 establece que la información vestibular es

particularmente importante para el control postural a altas frecuencias, para reducir el

movimiento del tronco, proporciona un marco de referencia para el tronco y la cabeza

en el espacio y finalmente, para desacoplar la coordinación del tronco y la cabeza así

como la posición de la cabeza en el espacio del centro de masas de todo el cuerpo.

En otras palabras: la información de origen vestibular es fundamental para el

manejo del cuerpo considerado como un doble péndulo invertido, especialmente a

frecuencias altas. Por tanto, si el cuerpo es capaz de producir movimientos con

frecuencias superiores a 3 Hz sin caerse quiere decir que existe información vestibular y

un sistema del equilibrio bien conservado.

Observemos la figura D.1. Muestra un ejemplo gráfico de movimiento siguiendo

el modelo del péndulo invertido simple (A) y péndulo invertido doble (B). En el primer

caso, el modelo se desplaza un total de 10 grados. En el segundo, el desplazamiento es

de 20 grados. A pesar de que el desplazamiento es mayor, el modelo del péndulo

invertido doble consigue que el movimiento del centro de gravedad sea mínimo. Es

decir: el modelo del péndulo invertido doble es más eficiente a la hora de mantener el

equilibrio, a costa de realizar un movimiento de mayor complejidad, tanto desde el

punto de vista mecánico como de sistemas de control.

Por lo tanto, si un individuo es capaz de mantener su equilibrio según el modelo

del péndulo invertido doble, con movimientos complejos de alta frecuencia, también

tiene un sistema del equilibrio en buen estado.

______________________________________________________________ Discusión

- 113 -

¿POR QUE AUMENTA LA ENTROPIA EN EL GRUPO SIMULADOR?

Tengamos la imagen de la figura D.2. En ella se muestra el sistema del

equilibrio como un arco reflejo que recibe la información procedente de varios sistems

sensoriales (vestibular, visual y somatosensorial). Esta información se procesa,

informando al córtex cerebral y éste a su vez elabora modificaciones a la información

procesada. Esa información procesada resulta en una respuesta de la musculatura

espinal y oculomotora.

Hagamos ahora el siguiente supuesto teórico. Supongamos un individuo

sometido a un movimiento sinusoidal, no importa en qué plano ni en qué dirección.

Cada uno de los 3 sistemas sensoriales percibirá ese movimiento sinusoidal con una

latencia diferente. Sabemos que el reflejo vestíbulo-ocular tiene una latencia inferior a

15 milisegundos y los movimientos oculares de origen visual tienen una latencia mayor

de 70 milisegundos114. Y como vimos antes97 el sistema somatosensorial tiene una

latencia de 40 milisegundos. Asimismo, cada uno de estos sistemas tiene sus propias

cifras de ganancia. Por tanto sería razonable representar la señal procedente de cada

sistema sensorial como 3 funciones sinusoidales (A, B y C), cada una con diferente

amplitud y desfasadas entre sí. Pero las 3 funciones tendrían la misma frecuencia, ya

que vienen originadas por el mismo estímulo. Lo representamos en la figura D.3

Siguiendo con nuestra hipótesis de trabajo, supongamos que el procesamiento

central se limita únicamente a sumar las 3 funciones anteriores. Como vemos en la

figura D.4, se obtiene otra función sinusoidal cuya frecuencia es la misma que las de las

3 funciones originales.

En la figura D.5 avanzamos un paso más. Ahora supongamos que a las 3

funciones anteriores se les añade una señal extra (D), procedente del córtex cerebral,

que ordena moverse a una frecuencia diferente. En el ejemplo, al doble de frecuencia de

la señal original. Al sumar A + B + C + D (figura D.6) se obtiene una función periódica

de mayor complejidad.

______________________________________________________________ Discusión

- 114 -

En la figura D.7 suponemos que el córtex cerebral ordena ignorar la información

procedente de uno de los sistemas sensoriales (en el ejemplo, la función C). Para ello o

bien inhibe por completo esa entrada de información o bien elabora una señal idéntica y

desfasada 180º para poder anularla. Para nuestro propósito nos da igual uno u otro

mecanismo. Además, el córtex elabora una orden motora compleja y de frecuencia

variable en el tiempo, como la descrita en la figura D.7

El resultado es una nueva onda, matemáticamente periódica ya que las funciones

originales también lo son, pero cuya periodicidad es difícil de ver. Es una onda mucho

más irregular y compleja que las anteriores. Es precisamente la frecuencia de cada uno

de los componentes, y secundariamente su amplitud, la que va a determinar la

complejidad final de una onda. Por Física conocemos que115:

- Si superponemos dos ondas armónicas desfasadas y con la misma frecuencia, la

resultante siempre va a ser otra onda armónica con la misma frecuencia, cuya

amplitud va a depender de la diferencia de fase inicial

- Si superponemos dos ondas armónicas con diferente frecuencia, el resultado ya

no es una onda armónica, sino de amplitud modulada

Podemos suponer que, en una situación real, la complejidad de la orden motora

resultante de la interacción entre los 3 sistemas sensoriales y el córtex cerebral va a

depender fundamentalmente de la señal cortical. Por tanto, cuanto mayor y más

irregular sea la señal cortical, más compleja será la orden motora y por tanto más difícil

será encontrar periodicidades en esa orden motora. Es decir: su entropía será mucho

mayor.

En un individuo simulador, dado que está aumentado sus movimientos de forma

voluntaria, lo esperable sería no encontrar estas periodicidades. Por tanto, queda

explicado el por qué del aumento de entropía en estos casos.

En el interesante trabajo de Thurner et al71 midieron el grado de complejidad en

los patrones de movimiento humanos. Concluyeron que un patrón altamente complejo

se relaciona con un sistema del equilibrio sano, de tal forma que, cuantos más sistemas

de control (refiriéndose a los inputs visual y somatosensorial) se supriman, más regular

será el patrón postural.

______________________________________________________________ Discusión

- 115 -

Relacionándolo con el apartado anterior, un individuo que es capaz de realizar

un patrón postural complejo y con movimientos de alta frecuencia, debe tener un

sistema del equilibrio en buen estado.

COMPARACION DE NUESTROS RESULTADOS CON OTROS AUTORES

No deja de ser interesante que, de todos los trabajos consultados48, 77, 78, 79, 80, 81,

82, 83, 84, 85 respecto a los criterios para identificar a paciente simuladores mediante

posturografía, sólo 2 de ellos77, 82 presenten cifras de resultados que permitan comparar

sus estudios con otros (al menos sensibilidad y especificidad de sus criterios).

Todos estos estudios hacen referencia a mediciones realizadas con plataformas

posturográficas de presión. Pensamos que sí serían comparables a nuestro estudio,

aunque esté realizado con un dispositivo completamente diferente, ya que, como

concluye Faraldo en su tesis doctoral116 comparando la posturografía con una

plataforma tipo Neurocom y el sistema SwayStar, los resultados obtenidos en la

realización del SOT y los registros equiparables del SwayStar (es decir, el mCTSIB)

son comparables.

De ellos, el más completo es el estudio de Goebel et al78. Hemos calculado los

valores de cocientes de probabilidad positivo y negativo (Likehood ratios, LR+ y LR-) a

partir de las cifras de sensibilidad y especificidad que aparecen en los trabajos. Los

hemos resumido, a efectos de comparación, en la tabla D.1 A

En dicha tabla, Oliva hace referencia a nuestro estudio, es decir la positividad de

al menos 4 de las frecuencias indicadas en el cociente s2ec/w3mec.

Artuso et al82 utilizan el Sensory Organization Test (SOT) para el estudio

posturográfico y obtienen sus valores de sensibilidad y especificidad al asociar 2

criterios:

- Puntuación de estrategia inferior a 2 desviaciones estándar respecto al grupo

control en al menos una de las condiciones del SOT

______________________________________________________________ Discusión

- 116 -

- Criterio 1 de Goebel: la puntuación en la condición 1 del SOT es inferior al

estándar

Goebel et al77 estudian 7 criterios consistentes con la definición de patrón

afisiológico:

- Criterio 1: puntuación en condición 1 del SOT inferior a los valores normales

- Criterio 2: puntuación baja en las condiciones 1 y 2 y más altas en las

condiciones 5 y 6

- Criterio 3: oscilaciones anteroposteriores repetitivas de gran amplitud pero sin

llegar a caerse en las condiciones 4, 5 y 6

- Criterio 4: oscilaciones laterales excesivas sin llegar a caerse en las condiciones

4, 5 y 6

- Criterio 5: excesiva variablidad en las condiciones 1 y 2

- Criterio 6: respuestas motoras exageradas a pequeñas traslaciones de la

plataforma (Motor Control Test, MCT)

- Criterio 7: respuestas motoras inconsistentes a pequeñas y grandes traslaciones

de la plataforma (MCT), hacia adelante y atrás

Según las cifras de la tabla D.1 A, las mejores cifras de cociente de probabilidad

positivo y negativo (LR+ y LR-), es decir la mayor cifra de LR+ junto a la menor cifra

de LR- en el trabajo de Goebel et al77 se dan cuando son positivos los criterios 1 ó 6 ó 7.

Según esos resultados, cuando es positivo alguno de los criterios indicados existe un

incremento de probabilidad moderado de que el individuo efectivamente sea un

simulador. Cuando alguno de ellos es negativo, existe una disminución moderada de la

probabilidad.

Artuso et al82 obtienen una LR+ mayor que Goebel et al77. En cambio su LR-

también es ligeramente superior. No obstante su significación es la misma.

Nuestro estudio obtiene una LR+ decepcionantemente inferior a Goebel y

Artuso. Nuestra LR+ indica un incremento de probabilidad pequeño, aunque a veces

pueda ser importante. Nuestra LR- es comparable a la de los otros trabajos.

______________________________________________________________ Discusión

- 117 -

La tabla D.1 B resume y compara los resultados entre las variables propuestas

por el Dr. Allum y su equipo y nuestros resultados. Como comentábamos en la Sexta

Parte, este apartado del trabajo sólo se aplicó en el grupo Simulador y No Simulador del

estudio experimental. Nuestro valor de LR+ es muy superior al obtenido con Allum_2 y

Allum_3. Nuestros de LR- obtiene unos valores intermedios entre los otros dos. En

todos los casos, los intervalos de confianza son muy amplios aunque respetando la

significación estadística.

Inmediatamente llama la atención un detalle de nuestros resultados: nuestra LR+

en estudio experimental es muy elevada (34,85) (tabla A.6) y disminuye mucho en el

estudio con población real (4,33). En cambio la LR- es muy similar en ambos casos

(0,15 y 0,13).

Era de esperar unos resultados peores en el estudio experimental, por la misma

razón que se encuentran resultados diferentes entre la eficacia y la efectividad de un

método diagnostico o tratamiento. La eficacia se refiere a un estudio en condiciones

muy controladas, estudios doble ciego, con voluntarios, etc. La traslación de los

resultados desde las condiciones experimentales a unas condiciones reales nos vendría

dada por la efectividad de la intervención116. Al fin y al cabo, en el estudio experimental

tenemos la completa seguridad del diagnóstico de simulación y en el estudio clínico el

diagnóstico de simulación se basa en una serie de criterios que no nos dan una seguridad

absoluta. Cabe comentar a modo de curiosidad que Mallinson et al84 incluyen entre sus

criterios para identificar simuladores, el gut feeling, que traducimos como “intuición”.

No obstante pensamos que la diferencia entre ambas parte de nuestro estudio es

excesiva.

La causa puede encontrarse en el número de simuladores que hay en cada

estudio y las condiciones de los mismos. En la parte experimental de nuestro estudio,

los simuladores constituían el 50% de la población, usando nuestras variables y las del

Dr. Allum. En la parte clínica de nuesto estudio, el porcentaje de simuladores es de

3,8%

______________________________________________________________ Discusión

- 118 -

En el estudio de Goebel et al77 utilizan los datos procedentes de 122 individuos

sanos, 347 pacientes con trastorno del equilibrio y 72 individuos a los que se les

instruyó para simular una alteración del equilibrio. Eso hace que el porcentaje de

simuladores sea de 13,30% y deba considerarse bajo condiciones más similares a

nuestro estudio experimental.

Artuso et al82 usan una metodología parecida: 23 individuos normales que

hicieron la exploración 2 veces, una de buena fe y la segunda simulando. Se le añaden

16 pacientes con trastornos documentados del equilibrio. De esta forma, el porcentaje de

simuladores se eleva a 37,09% y también debe considerarse bajo condiciones similares

a nuestro estudio experimental.

Bajo esta óptica, nuestros resultados deben considerarse como realmente

excepcionales.

Añadimos el siguiente comentario: Goebel necesita al menos 3 pruebas (la

condición 1 del SOT y 2 pruebas de MCT) para obtener sus resultados77. Artuso

necesita las 6 condiciones del SOT para obtener unos resultados comparables82.

Nosotros sólo utilizamos el cociente entre una prueba estática y otra dinámica. Por

tanto, deducimos que la detección de simuladores mejora cuando se utilizan varios tests.

Como comentábmos en la Introducción, Rey-Martínez en su revisión sobre este tema79

comentaba que no hay ningún criterio único o mejor para detectar simuladores. Incluso

Mallinson84 piensa que la simulación es más probable cuantos más criterios sean

positivos, de hecho califican como un comportamiento afisiológico cuando el paciente

cumple 5 ó más criterios de simulación.

______________________________________________________________ Discusión

- 119 -

Conclusiones


Manuel Oliva

___________________________________________________________ Conclusiones

- 121 -

CONCLUSIONES

1- El estudio de individuos normales instruidos para fingir un trastorno del

equilibrio es una sistemática válida para estudiar la simulación en el equilibrio

2- La densidad espectral de potencia, en el Grupo No Simulador, revela en las

pruebas estáticas pequeños movimientos de alta frecuencia que podrían estar

relacionados con fenómenos de resonancia estocástica. En cambio, en el Grupo

Simulador desaparece este fenómeno, como expresión del aumento de la

entropía del movimiento.

3- En las pruebas dinámicas se aprecia, tanto en el grupo Simulador como en el No

Simulador un pico de potencia, que corresponde a un armónico con el paso que

realiza el paciente.

4- A altas frecuencias, el patrón postural que adopta un individuo sano corresponde

al modelo del péndulo invertido doble. Este modelo exige la indemnidad del

sistema del equilibrio para que se produzca. Por tanto, si un supuesto paciente

realiza movimientos compatibles con este modelo, es porque su sistema del

equilibrio funciona correctamente.

5- El análisis sensorial no es útil para la detección de simuladores con el sistema

SwayStar

6- Usando el análisis espectral del posturograma, las variables características de

individuos simuladores y que permiten detectarlos clínicamente, se obtienen a

partir del cociente s2ec/w3mec en las siguientes frecuencias:

- Frecuencia 6.1 en roll y frecuencias 1.4 y 7.2 en pitch con valores de


- Frecuencia 6.1 en roll y frecuencia y 11.9 en pitch con valores de

normalidad del grupo Simulador

- El individuo será un Simulador cuando al menos 4 de las frecuencias

anteriores sean positivas

7- El diagnóstico de simulación no puede basarse por el resultado de una única

prueba. Cuantos más criterios cumpla el paciente, más probabilidad de que

realmente sea un simulador.

___________________________________________________________ Conclusiones

- 122 -

Apéndice Técnico


Manuel Oliva

_______________________________________________________ Apéndice Técnico

- 124 -

EFECTO CORIOLIS

En Física, el efecto Coriolis es la desviación aparente de un objeto en

movimiento cuando se le observa desde un sistema de referencia en rotación. Un

ejemplo típico es el siguiente experimento: disparamos un obús desde el Ecuador

terrestre exactamente en dirección norte. El cañón está girando con la tierra hacia el este

y, por tanto, imprime al obús esa velocidad (además de la velocidad hacia adelante de la

carga de impulsión). Al viajar el obús hacia el norte, sobrevuela puntos de la tierra cuya

velocidad líneal hacia el este va disminuyendo a medida que nos acercamos al polo

norte. La inercia del obús hacia el este hace que su velocidad angular aumente y que,

por tanto, adelante a los puntos que sobrevuela. Si el vuelo es suficientemente largo el

obús caerá en un meridiano situado al este de aquél desde el cual se disparó, a pesar de

que la dirección del disparo fue exactamente hacia el norte.

Tiene importantes implicaciones sobre las trayectorias de los aviones y para

prever la dirección de las corrientes de aire, marinas, etc.

Algunas animaciones y vídeos mostrando este efecto se pueden ver en las

siguientes direcciones de Internet:

- http://www.youtube.com/watch?v=mcPs_OdQOYU

- http://www.youtube.com/watch?v=49JwbrXcPjc&NR=1

- http://ww2010.atmos.uiuc.edu/%28Gh%29/guides/mtr/fw/gifs/coriolis.mpg

Conviene no confundirlo con la ilusión de Coriolis, habitualmente observada en

los pilotos de aviación y debida al siguiente fenómeno: cuando un avión gira a una

velocidad angular ω1 alrededor de un eje determinado y entonces el piloto inclina la

cabeza alrededor de otro eje ortogonal al primero con una velocidad angular ω2,

entonces el movimiento resultante de la cabeza se produce con una velocidad ω1·ω2 y

alrededor de un tercer eje ortogonal a los dos primeros, con los nistagmos

correspondientes. Puede producir efectos vagales y de desorientación en el piloto.


- 125 -

Referencias: Bramer D, Wojtowicz D, Hall SE. Coriolis Force. An Artefact of Earth’s Rotation. En: The Weather World 2010 Project (WW2010). Department of Atmospheric Sciences (DAS). The University of Illinois at Urbana-Champaign. Disponible en Internet en la dirección: http://ww2010.atmos.uiuc.edu/%28Gh%29/guides/mtr/fw/crls.rxml con acceso el día 26-7-09 Muñoz Colado M. Fisiopatología laberíntica en aviación. Acta Otorrinolaringol Esp. 2007;58 Supl. 2:60-64 Schombert, J. Glossary: Coriolis Effect. Disponible en Internet en la dirección: http://abyss.uoregon.edu/~js/glossary/coriolis_effect.html, Mayo de 2004. Con acceso el día 26-7-09 Vestibular Function. En: Rose JW, Oswald RE, Project Managers: U.S. Naval Flight Surgeon’s Manual. Third Edition. Naval Aerospace Medical Institute. 1991. Disponible en Internet en la dirección: http://www.operationalmedicine.org/TextbookFiles/FlightSurgeonsManual.pdf con acceso el día 27-7-09 Wikipedia, la enciclopedia libre. Efecto Coriolis. Disponible en Internet en la dirección: http://es.wikipedia.org/wiki/Efecto_Coriolis con acceso el día 26-7-09 Wikipedia, the free enciclopedia. Coriolis effect. Disponible en Internet en la dirección: http://en.wikipedia.org/wiki/Coriolis_effect con acceso el día 26-7-09


- 126 -

EFECTO SAGNAC E INTERFEROMETRIA

La interferometría es la técnica que investiga las propiedad de dos o más ondas

electromagnéticas mediante el estudio del patrón de interferencia que aparece al

superponer dichas ondas. Tiene importantes aplicaciones en campos tan diversos como

astronomía, metrología, fibras ópticas, oceanografía, sismología, mecánica cuántica y

nuclear, física de partículas…

El efecto o interferencia de Sagnac (figura AT.1) aparece cuando tenemos dos

haces de luz monocromáticos encerrados dentro de un circuito, que se emiten

simultáneamente, proveniendo de la misma fuente y cada uno viaja en sentido opuesto

al otro. Si el circuito se mantiene estacionario, ambos haces volverán al punto de partida

exactamente en el mismo instante dado que la velocidad de ambos es constante.

Asimismo, las ondas estarán en fase al colver al punto de partida.

Pero si giramos el circuito completo a una velocidad angular cualquiera mientras

ambos haces están circulando, el haz que viaja en el mismo sentido que la rotación debe

recorrer una distancia ligeramente mayor que el otro haz. Por lo tanto ambos haces

llegan al punto de inicio en momentos diferentes. O dicho de otro modo: existe una

diferencia de fase entre ambas ondas al volver al punto de partida.

Al superponer ambas ondas desfasadas producirán un patrón de interferencia

detectable mediante interferometría. Obviamente, este patrón es diferente al que aparece

cuando ambas ondas están en fase. El desfase es proporcional a la velocidad angular de

rotación a la que se ve sometido todo el conjunto.

Una animación muy demostrativa de este efecto se puede encontrar en la

siguiente dirección de Internet:

http://home.c2i.net/pb_andersen/FourMirrorSagnac.html


- 127 -

Referencias: Andersen PB. A few topics discussed in the UseNet group sci.physics.relativity. Disponible en Internet en la dirección: http://home.c2i.net/pb_andersen/ con acceso el día 30-7-09 Brown K. The Sagnac effect. Reflections in relativity. In: Math pages. Disponible en Internet en la dirección: http://mathpages.com/rr/s2-07/2-07.htm con acceso el día 30-7-09 Wikipedia, the Free Enciclopedia. Sagnac effect. Disponible en Internet en la dirección: http://en.wikipedia.org/wiki/Sagnac_effect con acceso el día 30-7-09


- 128 -

FRACTALES, ANALISIS ESTOCASTICO, DENSIDAD ESPECTRAL Y

TEMAS RELACIONADOS

Un fractal se puede definir como una forma geométrica que puede ser dividida

en fragmentos, cada uno de los cuales es una copia aproximada del total. A esta

propiedad se le llama autosimilaridad. Las propiedades de un fractal:

- Posee detalles a cualquier escala de observación, por pequeña que ésta sea

- Es autosimilar

- Es demasiado irregular para poder describirla en términos de la geometría

euclidiana tradicional

- Tiene una dimensión de Haussdorff mayor que su dimensión topológica

- Se define mediante un algoritmo recursivo

Algunos ejemplos de fractales sencillos son el conjunto de Cantor, el triángulo y

la alfombra de Sierpinsky, la estrella de Koch (figura AT.2). Otros más complejos: el

conjunto de Mandelbrot y el conjunto de Julia .

La dimensión (D) de un fractal se define como una cantidad estadística que nos

indica si un fractal rellena completamente el espacio a medida que hacemos zoom sobre

él. Hay varias formas de calcularlo, como la dimensión de Haussdorf o la de conteo de

cajas

El exponente de Hurst (H) se conoce también como el índice de dependencia.

Es la tendencia relativa de una serie temporal a volver a su media en una dirección

determinada. Está directamente relacionada con la dimensión de un fractal mediante la

fórmula D = 2-H

El análisis fractal tienen multitud de aplicaciones, tanto en Medicina, como en

análisis de imágenes, compresión de imágenes y sonido… en general en todas aquellas

actividades donde intervenga un sistema complejo y no lineal.

Dentro de los campos de la Medicina se ha aplicado en campos tan variados

como el estudio de la dinámica de la respiración, de la circulación sanguínea, control

motor, etc.


- 129 -

El análisis estocástico es la rama de las Matemáticas que estudia la evolución de

los fenomenos de alta complejidad, producto de variadas interacciones entre diversos

componentes de la Naturaleza. Desde una perspectiva estocástica, una serie temporal se

considera como la realización de un proceso teórico, integrado por variables aleatorias

referidas a momentos de tiempo. El análisis estocástico de la serie temporal consiste en

realizar una inferencia estadística sobre las propiedades del proceso teórico a partir de la

información contenida en la serie observada. Por tanto hay un elevado grado de

paralelismo entre el análisis estocástico y el análisis estadístico general.

La densidad espectral de potencia de una señal, en Matemáticas y Física, nos

informa sobre cómo está distribuida la potencia de dicha señal sobre las frecuencias que

la conforman. Muchas veces se utiliza como equivalente a espectro de frecuencias,

aunque en rigor, son conceptos distintos. El espectro es el gráfico que muestra cómo se

descompone una señal ondulatoria. Intuitivamente, la densidad espectral de potencia

captura el contenido frecuencial de una señal y ayuda a identificar periodicidades.

También se puede definir como una función de frecuencia variable asociada a un

proceso estocástico estacionario. La densidad espectral no se puede conocer con

absoluta precisión porque la señal que se procesa es un proceso estocástico. La única

forma de conocerla con precisión sería disponer de un registro de señal infinito, lo cual

no es posible. Entonces se recurre a la estimación de la densidad espectral. Hay varios

métodos de estimación:

- Metodos no paramétricos: siempre basadas en el cálculo del periodograma.

La técnica más común es la tranformada de Fourier

- Métodos paramétricos: consisten en suponer un determinado modelo para el

proceso estocástico (modelos autorregresivos de media móvil ARMA) y

estimar sus parámetros mediante diversas técnicas

El análisis de frecuencias se basa en que podemos expresar una función

periódica arbitraria como como una serie infinita de funciones sinusoidales. Se

denominan series de Fourier. En caso de encontrarnos con una función no-periódica,

entonces se usa la transformada de Fourier. Es una extensión de las series de Fourier

por medio de integrales.


- 130 -

¿Por qué usar un análisis espectral?

El análisis espectral es la forma de representar una señal cualquiera en el

dominio frecuencial. Nos permite conocer una serie de características de la señal que no

serían evidentes al representarla en el dominio temporal.

Desde el punto de vista informático, tiene aplicaciones muy interesantes.

Repasemos brevemente el tratamiento digital de una señal eléctrica: en el caso que nos

ocupa, las oscilaciones del cuerpo se han transformado en una señal eléctrica mediante

un posturógrafo. Esta señal eléctrica (analógica) se puede considerar como una serie de

oscilaciones en un circuito eléctrico. Esta señal analógica se puede digitalizar de la

siguiente forma:

El dispositivo digitalizador actúa como un voltímetro haciendo una serie de

mediciones muy rápidas por segundo. Cada una de esas mediciones se denomina

muestra (sample). Y el conjunto de las muestras, muestreo (sampling). Es decir,

transforma una variable continua en un conjunto de variables discretas. Esto es

necesario ya que los ordenadores necesitan variables discretas para poder trabajar.

La memoria del digitalizador va almacenando las muestras en una cantidad fija

de memoria (buffer) para poder transferirlas al ordenador. Supongamos que tenemos un

buffer pequeño, con 8 muestras consecutivas. Puede considerarse como una realidad

descrita mediante 8 cifras. Es decir: una magnitud vectorial. El siguiente paso se

encargará de traspasar las coordenadas de ese vector con 8 coeficientes a un sistema de

referencia estándar también con 8 coeficientes (base de Haar). A esta transformación se

le denomina transformada de óndula (wavelet transform). El análisis de Fourier se

puede considerar como una caso particular de transformada de óndula, donde el sistema

de referencia está constituido por funciones trigonométricas.

Una vez realizado el análisis de Fourier, es posible calcular la densidad espectral

de potencia.

Dentro de las aplicaciones de la densidad espectral de potencia tenemos:


- 131 -

- Intuitivamente, la Densidad Espectral sirve para identificar periodicidades

escondidas en una función de variable continua o de variable discreta

(secuencia de números).

- Estimar la entropía de un proceso aleatorio. Cuanto más plana es la densidad

espectral de potencia, más entropía contiene.

- Proporciona información muy valiosa sobre la dinámica interna de muchos

sistemas físicos. Sirve para identificar elementos o compuestos químicos

(espectroscopía). También sirve para la identificación de modelos

matemáticos lineales en teoría de control.

La entropía se define como la tendencia natural a la pérdida del orden. En la

Teoría de la Información, se refiere al grado de incertidumbre que existe sobre una serie

de datos. Es decir: supongamos que una variable X puede tomar diferentes valores al

repetir un experimento varias veces. Tendrá una distribución plana (alta entropía)

cuando todos los posibles valores tienen una probabilidad similar de aparecer. Por tanto,

es difícil predecir cuál es el próximo valor que se va a presentar.

Referencias: Carrasco Arroyo S. Analisis estocástico de series temporales. Análisis de datos en economía. Universidad de Valencia. Facultad de Economía. Curso 2008/2009. Disponible en Internet en la dirección http://www.uv.es/carrascs/analDatos/temas/Tema6.pdf con acceso el día 3-8-09 Cugini P. Exploiting the ambulatory blood pressure monitoring via chronobiometric and chaosbiometric methods for a more exhaustive diagnostic approach to arterial hypertension. Clin Ter. 2008 Nov-Dec;159(6):e1-7. Laboratorio de Análisis Estocástico Proyecto: ¿Qué es el análisis estocástico? Facultad de Matemáticas. Pontificia Universidad Católica de Chile 2007. Disponible en Internet en la dirección http://lae.mat.puc.cl/index.php?mod=paginas&c=1 con acceso el día 3-8-09 Lavry D. Sampling, Oversampling, Imaging and Aliasing - a basic tutorial. 1997. Disponible en internet en la dirección http://www.lavryengineering.com/white_papers/sample.pdf con aceso el día 14 de Febrero de 2010.


- 132 -

Milewski B. The Fourier Transform. Reliable software, 2006. Disponible en Internet en la dirección http://www.relisoft.com/Science/Physics/sound.html con acceso el día 31-7-09 Peng CK, Mietus JE, Liu Y, Lee C, Hausdorff JM, Stanley HE, Goldberger AL, Lipsitz LA. Quantifying fractal dynamics of human respiration: age and gender effects. Ann Biomed Eng. 2002 May;30(5):683-92. Penny WD. Signal processing course. Disponible en Internet en la dirección http://www.fil.ion.ucl.ac.uk/~wpenny/course/course.html con acceso el día 3-8-09 Piñuel Raigada JL. Entropía. En: Reyes R, dir.: Diccionario crítico de ciencias sociales. 2009. Disponible en Internet en la dirección http://www.ucm.es/info/eurotheo/diccionario/E/entropia.htm con acceso el día 28-2-10 Santarcangelo J, Densmore D. Orthogonal and integral transforms. Disponible en Internet en la dirección http://www.ee.ryerson.ca/~jsantarc/Orthogonal_20and_20Integral_20_20Transforms.pdf con acceso el día 2-8-09 Trasformada de Fourier. Disponible en Internet en la dirección http://corcoles.org/uoc/anmat/es/es41.xml con acceso el día 13 de Febrero de 2010 Turvey MT, Fonseca S. Nature of motor control: perspectives and issues. Adv Exp Med Biol. 2009;629:93-123. Wikipedia, la Enciclopedia Libre. Densidad espectral. Disponible en Internet en la dirección http://es.wikipedia.org/wiki/Densidad_espectral con acceso el día 4-8-09 Wikipedia, la Enciclopedia Libre. Entropía. Disponible en Internet en la dirección http://es.wikipedia.org/wiki/Entrop%C3%ADa con acceso el día 28-2-10 Wikipedia, la Enciclopedia Libre. Entropía (información). Disponible en Internet en la dirección http://es.wikipedia.org/wiki/Entrop%C3%ADa_%28informaci%C3%B3n%29 con acceso el día 28-2-10 Wikipedia, la Enciclopedia Libre. Espectro. Disponible en Internet en la dirección http://es.wikipedia.org/wiki/Espectro con acceso el día 2-8-09 Wikipedia, la Enciclopedia Libre. Fractal. Disponible en Internet en la dirección http://es.wikipedia.org/wiki/Fractal con acceso el día 2-8-09 Wikipedia, the Free Encyclopedia. Spectral density. Disponible en Internet en la dirección http://en.wikipedia.org/wiki/Spectral_density con acceso el día 4-8-09 Wikipedia, the Free Encyclopedia. Fractal. Disponible en Internet en la dirección http://en.wikipedia.org/wiki/Fractal#Classification con acceso el día 2-8-09 Wikipedia, the Free Enyclopedia. Fractal dimension. Disponible en Internet en la dirección http://en.wikipedia.org/wiki/Fractal_dimension con acceso el día 2-8-09


- 133 -

Wikipedia, the Free Enyclopedia. Hurst exponent. Disponible en Internet en la dirección http://en.wikipedia.org/wiki/Hurst_exponent con acceso el día 2-8-09 Wikipedia, the Free Encyclopedia: Signal (electronics). Disponible en internet en la dirección http://en.wikipedia.org/wiki/Signal_(information_theory) con acceso el día 13 de Febrero de 2010. Wikiversidad. Caracterización de señales. Disponible en Internet en la dirección http://es.wikiversity.org/wiki/Caracterizaci%C3%B3n_de_se%C3%B1ales#Densidad_espectral_de_Potencia con acceso el día 4-8-09 Working Group on Blood Pressure and Heart Rate Variability. Glossary of terms used in time series analysis of cardiovascular data: Power spectral density. Disponible en Internet en la dirección http://www.cbi.dongnocchi.it/glossary/PowerSpectralDensity.html con acceso el día 3-8-09


- 134 -

RESONANCIA ESTOCASTICA

La resonancia estocástica (RE) se usó por primera vez en 1980 por Roberto

Benzi en la NATO International School of Climatology como un mecanismo para

explicar el comportamiento periódico de las eras glaciales terrestres. Esencialmente se

trata de un fenómeno estadístico de un efecto del ruido sobre la transferencia y

procesamiento de información que se observa en sistemas no lineales tanto naturales

como artificiales.

En la RE, la adición de una interferencia aleatoria (“ruido”) puede realzar la

detección de un estímulo débil o realzar la información contenida en una señal. En otras

palabras: la presencia de ruido en un sistema no lineal mejora la calidad de la señal de

salida de ese sistema.

Tenemos varias palabras claves en esta afirmación que pasamos a comentar:

Sistemas lineales y no lineales

Un sistema lineal es aquel donde las ecuaciones que lo describen cumplen el

Principio de Superposición. Este Principio a su vez posee dos propiedades:

- Aditividad: se cumple cuando la señal de salida es igual a la suma de las

salidas generadas por las diferentes señales de entrada. Es decir:

- Homogeneidad: un sistema es homogéneo cuando una variación en la

amplitud de la señal de entrada produce una variación proporcional en la

señal de salida


- 135 -

Por ejemplo: el teléfono es aditivo, porque cuando por un extremo hablan dos

personas, por el otro extremo se pueden distinguir ambas voces. Una resistencia

eléctrica es homogénea respecto a la corriente: al duplicar el voltaje también se duplica

la corriente.

La RE aparece sólo en los sistemas no lineales. El ruido en ningún caso puede

ser beneficioso en los sistemas lineales. Sólo las complejas interacciones que se

producen en los sistemas no lineales pueden conducir a la RE.

En general, la mayoría de los problemas físicos son de tipo no lineal. Las

ecuaciones no lineales son más difíciles de resolver que las lineales y dan origen a

fenómenos como la teoría del caos.

Ruido

Habitualmente se refiere a fluctuaciones o disturbios indeseables. En Biología,

se refiere a la variabilidad en las mediciones que aparecen cuando se repite de forma

idéntica un experimento o cuando no se puede medir una señal biológica sin

fluctuaciones de fondo que distorsionan la medida deseada. En la RE se producen una

serie de circunstancias que hacen que la existencia de un ruido (o fluctuaciones

impredecibles) conlleven un beneficio.

El ruido en biología e ingeniería no suele ser completamente aleatorio. Puede

resultar constante, determinista o incluso caótico. Pero se pueden caracterizar las

observaciones mediante modelos aleatorios.

La RE se ha observado ampliamente en la naturaleza y se ha aplicado en

sistemas tan diversos como modelos climatológicos, circuitos electrónicos, ecuaciones

diferenciales, lasers, modelos neurales, fisiología de poblaciones neurales y de redes,

reacciones químicas, canales iónicos, modelos ecológicos, biología celular, modelos

financieros, psicofísica, transistores de nanotubos, osciladores nanomecánicos, química

de semiconductores orgánicos, sistemas sociales…


- 136 -

En el campo concreto de la Otorrinolaringología, la RE se ha aplicado en el uso

de prótesis biomédicas que generan estímulos subumbrales en:

- Implantes cocleares: se ha comprobado que en el nervio auditivo de oídos

cofóticos no existe la variabilidad impredecible presente en los oídos

normooyentes. La adición de un componente aleatorio en la señal de salida

del implante coclear estimula las fibras nerviosas de una forma más natural y

puede llevar a mejorar la audición.

- Los umbrales de percepción para la vibración están aumentados en los

ancianos, pero se pueden disminuir mediante fenomenos basados en la RE.

Un paradigma basado en la RE (como un dispositivo que vibra de forma

aleatoria con una intensidad subumbral insertado en los zapatos del paciente)

puede mejorar el equilibrio en pacientes ancianios

Referencias: Benzi R, Sutera A, Vulpiani A. The mechanism of stochastic resonance. Journal of Physics A: Mathematical and General. 1981; 14:L453-L457 Facultad de Ingeniería en Electricidad y Computación. Sistemas Lineales. Presentacion disponible en Internet en la dirección http://www.slideshare.net/catita_potter/sistemas-lineales-presentation con acceso el día 18-4-10 McDonnell MD, Abbott D. What is stochastic resonance? Definitions, misconceptions, debates and its relevance to Biology. PloS Comput Biol 2009; 5(5): e1000348. doi:10.1371/journal.pcbi.1000348 Moss F, Ward LM, Sannita WG. Stochastic resonance and sensory information processing: a tutorial and reviewof application. Clin NeuroPhys 2004; 115:267-281 Priplata AA, Niemi JB, Harry JD, Lipsitz LE, Collins JJ. Vibrating insoles and balance control in elderly people. Lancet 2003; 362:1123-1124 Priplata AA, Patritti BL, Niemi JB, Hughes R, Gravelle DC, Lipsitz LA, Veves A, Stein J, Bonato P, Collins JJ. Noise-enhanced balance control in patients with diabetes and patients with stroke. Ann Neurol 2006; 59:4-12 Wikipedia, la Enciclopedia Libre. No linealidad. Disponible en Internet en la dirección http://es.wikipedia.org/wiki/No_linealidad con acceso el día 18-4-10


- 137 -

EL MODELO DEL PENDULO INVERTIDO

El péndulo invertido es un péndulo cuya masa se encuentra por encima del

punto de rotación. El cuerpo humano, considerado desde este punto de vista, es

inherentemente inestable.

El péndulo invertido simple supone que, durante la bipedestación, todos los

movimientos que realiza el cuerpo se hacen alrededor de la articulación del tobillo,

como se aprecia en la figura AT.3

En el modelo del péndulo invertido doble, se asume que los movimientos del

cuerpo se realizan alrededor del tobillo y de la cadera, con lo que la estabilidad y

complejidad del sistema es mucho mayor. Véase más detalles en la Discusión.

En las referencias siguientes (Molecular Workbench) pueden observarse dos

modelos matemáticos que muestran la gran complejidad de mantener en equilibrio

ambos tipos de péndulos, fundamentalmente jugando con el movimiento de la base de

sustentación.

Referencias: Masani K, Popovic MR, Nakazawa K, Kouzaki M, Nozaki D. Importance of body sway velocity information in controlling ankle extensor activities during quiet stance. J Neurophysiol 2003; 90: 3774-82 Morasso PG, Schiepatti M. Can muscle stiffness alone stabilize upright standing? J Neurophysiol 1999; 83: 1622-1626 Molecular Workbench. An inverse pendulum on an oscillatory base. Concord Consortium. Disponible en Internet en la dirección http://mw.concord.org/modeler1.3/mirror/mechanics/inversependulum.html con aceso el día 30-6-10 Molecular Workbench. An double inverted pendulum. Concord Consortium. Disponible en Internet en la dirección http://mw.concord.org/modeler1.3/mirror/mechanics/doubleinvertedpendulum.html con acceso el día 30-6-10


- 138 -

Bibliografía


Manuel Oliva

____________________________________________________________ Bibliografía

- 140 -

1- DSM4 - López-Ibor Aliño JJ., Valdés Miyar, M (dir.). DSM-IV-TR. Manual diagnóstico y estadístico de los trastornos mentales. Texto revisado, Barcelona: Masson. 2002

2- Ingenieros J. Simulación de la locura. 8ª edición. Talleres Gráficos Argentinos. Buenos Aires. 1918

3- CIE10. World Health Organization. International Statistical Classification of Diseases and Related Health Problems. 10th Revision. Version for 2007. Disponible en Internet en la dirección: http://www.who.int/classifications/apps/icd/icd10online/ con acceso el día 19-9-08.

4- Inda Caro M, Lemos Giráldez S, López Rodrigo AM, Alonso Rionda JL. La

simulación de enfermedad física o trastorno mental. Papeles del Psicólogo, 2005. Vol. 26, pp. 99-108

5- Resnick, P. J. Malingering of posttraumatic disorders. In R. J. Rogers (Ed.), Clinical

assessment of malingering and deception. New York: Guilford Press. 1997. pp. 130-152

6- Araujo J, Wainwright E. La simulación. Análisis de una casuística. Revista de

Psiquiatría Forense, Sexología y Praxis. Num. 4. Asociación Argentina de Psiquiatras. Disponible en Internet: http://www.aap.org.ar/publicaciones/forense/forense-4/tema-3.htm con acceso el día 19-9-08.

7- Asensi Pérez LF. La prueba psicológica en asuntos de incapacidad. Revista

Electrónica Psicología Científica.com. Publicado el 15 de Noviembre de 2007. Disponible en Internet en la dirección: http://www.psicologiacientifica.com/bv/psicologia-305-1-la-prueba-psicologica-en-asuntos-de-incapacidad.html con acceso el día 18-9-08

8- Encyclopedia of Mental Disorders. Malingering. Disponible en Internet en la

dirección: http://www.minddisorders.com/Kau-Nu/Malingering.html con acceso el día 20-9-08

9- Edens JF, Guy LS, Otto RK, Buffington JK, Tomicic TL, Poythress NG. Factors

differentiating successful versus unsuccessful malingerers. J Pers Assess. 2001 Oct;77(2):333-8.

10- Mittenberg W, Patton C, Canyock EM, Condit DC. Base rates of malingering and

symptom exaggeration. J Clin Exp Neuropsychol. 2002 Dec;24(8):1094-102.

11- Franzen MD, Iverson GL, McCracken LM. The detection of malingering in neuropsychological assessment. Neuropsychol Rev 1990; 1: 247-79

12- Quezada-Ortega MR, Razo-Mondragón JLP, Marín-Cotoñieto IA, Salinas-Tovar S, López-Rojas P. Simulación en trabajadores que solicitan pensión por invalidez laboral. Gac Med Mex 2006; 142(2):109-12

____________________________________________________________ Bibliografía

- 141 -

13- Aguilar JR, Lara JJ. Simulación y VDC. Portal Valoración del Daño Corporal. 2002.

Disponible en Internet: http://www.peritosmedicos.es.vg/ con acceso el día 20-9-08

14- Coalition Against Insurance Fraud. By the number: fraud stats. Disponible en

Internet en la dirección: http://www.insurancefraud.org/stats.htm con acceso el día 20-9-08

15- Irazusta M. Quiénes y cómo defraudan a la Seguridad Social. Su Dinero – El Mundo. Núm 40. Julio 1996. Disponible en Internet: http://www.elmundo.es/sudinero/noticias/act-40-2.html con acceso el día 20-9-08

16- Hain TC. Unlocalized and Psychogenic Dizziness. Ultima edición; julio de 2002.

Disponible en Internet en la dirección: http://www.tchain.com/otoneurology/disorders/central/unlocalized.htm con acceso el día 20-9-08

17- Weight DG: Minor head trauma. Psychiatr Clin North Am 1998; 21:609–624 18- Amann CM. Office management of trauma: concussions. Clin Fam Pract 2000;

2:599–611

19- Hall RCW, Hall RCW, Chapman MJ. Definition, Diagnosis, and Forensic Implications of Postconcussional Syndrome. Psychosomatics 2005; 46:195–202

20- Main CJ. The Modified Somatic Perception Questionnaire (MSPQ). J Psychosom Res 1983;27:503-14

21- Larrabee G. Exaggerated pain report in litigants with malingered neurocognitive

dysfunction. Clin Neuropsychol 2003;17:395-401 22- Brasseux R, Greve KW, Gianoli GJ, Soileau JS, Bianchini KJ. The Relationship

Between the Modified Somatic Perception Questionnaire and Dynamic Platform Posturography. Otol Neurotol 2008; 29:359-62

23- Muñoz-Céspedes JM, Paúl-Lapedriza N. La detección de los posibles casos de

simulación después de un traumatismo craneoencefálico. Rev Neurol 2001; 32: 773-8

24- Aminian K, Najafi B. Capturing human motion using body-fixed sensors: outdoor

measurement and clinical applications. Comp Anim Virtual Worlds 2004;15:79-94

25- Molet T, Boulic R, Thalmann D. A real-time anatomical converter for human

motion capture. Proceedings of the 7th Eurographics Workshop on Animation and Simulation. Springer: Vienna 1996; 79-94

____________________________________________________________ Bibliografía

- 142 -

26- Herda L, Fua P, Plänkers R, Boulic R, Thalmann D. Using skeleton-based tracking to increase the reliability of optical motion capture. Journal of Human Movement Science 2001; 20:313-341

27- Claussen CF. Craniocorpography (CCG) a simple photo-optic registration method for vestibulo-spinal reactions. Z Laryngol Rhinol Otol. 1970 Oct;49(10):634-9.

28- Oliva Domínguez M, Martín García MA, Bartual J, Vázquez M, Ariza A, García

Teno M. La marcha en estrella registrada mediante craneocorpografía: patrones, clasificación, consideraciones fisiopatológicas y utilidad clínica. Acta Otorrinolaringol Esp 1998; 49 (5): 357-62

29- Oliva DomínguezM, Martín García MA, Ariza Toledo A, Bartual Pastor J, Vázquez

Bobillo M. Prueba de Babinski-Weil y craneocorpografía. En: Bartual Pastor J, Pérez Fernández N eds.: El sistema vestibular y sus alteraciones. Tomo I: fundamentos y semiología. Masson SA. Barcelona 1998. pp 146-9

30- Dickstein R, Abulaffio N, Gelernter I, Pillar T. An ultrasonic-operated kinematic

measurement system for assessment of stance balance in the clinic. Clinical Biomechanics 1996; 11: 173–175.

31- Claussen CF, Franz B. Technique of the ultrasound computer cranio-corpography

(US-COMP-CCG). En: Claussen CF, Franz B eds.: Contemporary and practical Neurotology. 2006. Special Edition for Solvay Pharmaceuticals GmBH. pp 160-204

32- Shiratsu A, Coury HJ. Reliability and accuracy of different sensors of a flexible

electrogoniometer. Clin Biomech (Bristol, Avon). 2003 Aug;18(7):682-4. 33- Azuma R, Baillot Y, Behringer R, Feiner S, Julier S, MacIntyre B. Recent advances

in augmented reality. IEEE Computer Graphics and Applications 2001; 21(6):34-47

34- Wikipedia, The Free Encyclopedia. Accelerometer. Disponible en Internet en la

dirección: http://en.wikipedia.org/wiki/Accelerometer con acceso el día 26-7-09 35- Wikipedia, la enciclopedia libre. Acelerómetro. Disponible en Internet en la

dirección: http://es.wikipedia.org/wiki/Aceler%C3%B3metro con acceso el día 26-7-09

36- Sensorland.com. How they work: the piezoelectric accelerometer. Disponible en

Internet en la dirección: http://www.sensorland.com/HowPage003.html con acceso el día 26-7-09

37- Aminian K, Robert Ph, Buchser Ee, Rutschmann B, Hayoz D, Depairon M.

Physical activity monitoring based on accelerometry: validation and comparison with video observation. Medical and Biological Engineering and Computation 1999; 37:304-308

____________________________________________________________ Bibliografía

- 143 -

38- Mathie MJ, Coster AC, Lovell NH, Celler BG. Accelerometry: providing an integrated, practical method for long-term, ambulatory monitoring of human movement. Physiol Meas. 2004 Apr;25(2):R1-20

39- Tong K, Granat M H. A practical gait analysis system using gyroscopes. Medical

Engineering and Physics. 1999; 21:87-94 40- Wikipedia, The Free Encyclopedia. Fiber optic Gyroscope. Disponible en internet

en la dirección: http://en.wikipedia.org/wiki/Fibre_optic_gyroscope con acceso el día 29-07-2009

41- von Hinüber E. Inertial Measuring Systems with Fiber-Optic Gyroscopes. ATZ

Magazine, 6/2002. Disponible en Internet en la dirección: http://www.imar-navigation.de/download/atz_6_2002_en.pdf con acceso el día 29-7-09

42- Woodman OJ. An introduction to inertial navigation. University of Cambridge

Computer Lab. Technical Report num. 696. August 2007. Disponible en Internet en la dirección: http://www.cl.cam.ac.uk/techreports/UCAM-CL-TR-696.pdf con acceso el día 29-7-09

43- Allum JHJ, Carpenter MG. A speedy solution for balance and gait analysis: angular

velocity measured at the centre of body mass. Curr Opin Neurol 2005; 18:15-21 44- SAO/NASA Astrophysics Data System. Digital Library for Physics and Astronomy.

Harvard-Smithsonian Center for Astrophysics. Disponible en Internet en la dirección: http://adsabs.harvard.edu/cgi-bin/nph-abs_connect?bibcode=1996SPIE.2837...61S&return_req=no_params&selfeedback=1&use_title=YES&use_kwds=YES&return_req=feedback con acceso el día 29-7-09

45- iMAR GmbH. iNAV-FJI-AIRSURV. Configuration and Usage. Gesellschaft für

Inertiale Mess-, Automatisierungs- und Regelsysteme mbH. Rev 2.68. 5-3-2008. Disponible en Internet en la dirección: http://www.imar-navigation.de/download/nav_fji_airsurv_doc_en.pdf con acceso el día 1-8-09

46- Najafi B, Aminian K, Paraschiv-Ionescu A, Loew F, Büla C, Robert Ph. Ambulatory

system for human motion analysis using a kinematic sensor: monitoring of daily physical activity in elderly. IEEE Transactions on Biomedical Engineering 2003; 50(6): 711-723

47- Nashner LM. Computerized Dynamic Posturography. En: Jacobson GP, Newman

CW, Kartush JM eds.: Handbook og Balance Function Testing. Delmar-Thomson Learning. 1997. pp 280-307

48- Black FO. What can posturography tell us about vestibular function? Ann N Y

Acad Sci. 2001;942:446-64. 49- Romberg MH. Manual of Nervous System Disease of Man. Londres, Sydenham

Society. 1853. pp 395-401

____________________________________________________________ Bibliografía

- 144 -

50- Wikipedia, The Free Encyclopedia. Posturography. Disponible en Internet en la dirección: http://en.wikipedia.org/wiki/Posturography con acceso el día 23-9-08

51- Kapteyn TS, de Wit G. Posturography as an auxiliary in vestibular investigation.

Acta Otolaryngol. 1972 Feb-Mar;73(2):104-11. 52- Schweigart G, Mergner T. Human stance control beyond steady state response and

inverted pendulum simplification. Exp Brain Res. 2008 Mar;185(4):635-53 53- Gawthrop P, Loram I, Lakie M. Predictive feedback in human simulated pendulum

balancing. Biol Cybern. 2009. DOI 10.1007/s00422-009-0325-6 54- Mergner T. Modeling sensorimotor control of human upright stance. Prog Brain

Res. 2007;165:283-97. 55- Shumway-Cook A, Horak FB. Assessing the influence of sensory interaction of

balance. Suggestion from the field. Phys Ther. 1986 Oct;66(10):1548-50. 56- EmAnt Pte Ltd Co. Convert an electronic personal weighing scale to measure

center of pressure (Posturography). Disponible en Internet en la dirección: http://www.emant.com/index.php?tid=100001 con acceso el día 21-9-08

57- Wall III C, Merfeld DM, Rauch SD, Black FO. Vestibular prostheses: the

engineering and biomedical issues. J Vest Res 2002/2003; 12:95-113 58- Goebel JA, Sinks BC, Parker BE Jr., Richardson NT, Olowin AB, Cholewiak RW.

Effectiveness of Head-Mounted Vibrotactile Stimulation in Subjects With Bilateral Vestibular Loss: A Phase 1 Clinical Trial. Otology & Neurotology 2009; 30: 210-216

59- Verhoeff LL, Horlings CG, Janssen LJ, Bridenbaugh SA, Allum JH. Effects of

biofeedback on trunk sway during dual tasking in the healthy young and elderly. Gait Posture. 2009 Jul;30(1):76-81

60- NeuroCom International Inc. SMART Balance Master System. Sensory Organization

Test (SOT) Option. Data interpretation manual. 1994 61- Stewart MG, Chen AY, Wyatt JR, Favrot S, Beinart S, Coker NJ, Jenkins HA. Cost-

Effectiveness of the Diagnostic Evaluation of Vertigo. Laryngoscope 1999;109(4):600-605

62- El-Kashlan HK, Shepard NT, Asher AM, Smith-Wheelock M, Telian SA.

Evaluation of Clinical Measures of Equilibrium. Laryngoscope 1998;108(3):311-319

63- Cohen H, Blatchly CA, Gombash LL. A study of the Clinical Test of Sensory

Interaction and Balance. Balance. Phys Ther. 1993; 73(6):346-51

____________________________________________________________ Bibliografía

- 145 -

64- Allum JH, Zamani F, Adkin AL, Ernst A. Differences between trunk sway characteristics on a foam support surface and on the Equitest ankle-sway-referenced support surface. Gait Posture. 2002 Dec;16(3):264-70.

65- NeuroCom International Inc. Modified-Sensory Organization Test (mSOT). 2005.

Disponible en Internet en la dirección: http://resourcesonbalance.com/neurocom/protocols/sensoryImpairment/mSOT.aspx con acceso el día 25-9-08

66- NeuroCom International Inc. Modified Clinical Test of Sensory Interaction on

Balance (mCTSIB). 2005. Disponible en Internet en la dirección: http://resourcesonbalance.com/neurocom/protocols/sensoryImpairment/mCTSIB.aspx con acceso el día 25-9-08

67- Allum JHJ, 2009. Comunicación personal 68- Jeka J, Kiemel T, Creath R, Horak F, Peterka R. Controlling human upright

posture: velocity information is more accurte than position or acceleration. J Neurophysiol 2004; 92:2368-2379

69- Allum JHJ, Honegger F. SwayStar Software Operating Manual. Document version

2.1 con fecha 15-5-2008. Disponible en internet: http://www.b2i.info/download/SwayStarUK.pdf con acceso el día 5-9-08

70- BII – ETP. Manual UK SwayStar v3 20 02_eng. 25-1-07. Disponible en Internet en

la dirección: http://www.b2i.info/web/index.htm con acceso el día 1-8-09 71- Thurner S, Mittermaier C, Ehrenberger K. Change of complexity patterns in human

posture durnig aging. Audiol Neurotol 2002; 7:240-248 72- Land B, Elias D. Measuring the “Complexity” of a time series. Department of

Neurobiology and Behavior. Cornell University 2005. Disponible en Internet en la dirección: http://www.nbb.cornell.edu/neurobio/land/PROJECTS/Complexity/index.html con acceso el día 3-8-09

73- Daw CS, Finney CEA, Tracy ER. A review of symbolic analysis of experimental

data. Review of Scientific Instruments 2003; 74(2): 915-930. Disponible en Internet en la dirección: http://www-chaos.engr.utk.edu/pap/crg-rsi2002.pdf con acceso el día 3-8-09

74- Kiemel T, Oie KS, Jeka JJ. Multisensory fusion and the stochastic structure of

postural sway. Biol Cybern 2002; 87(4):262-277 75- Loughlin PJ, Redfern MS, Furman JM. Nonstationarities of postural sway. IEEE

Eng Med Biol Mag. 2003 Mar-Apr;22(2):69-75. 76- Lamoth CJ, van Lummel RC, Beek PJ. Athletic skill level is reflected in body sway:

a test case for accelometry in combination with stochastic dynamics. Gait Posture. 2009 Jun;29(4):546-51

____________________________________________________________ Bibliografía

- 146 -

77- Goebel JA, Sataloff RT, Hanson JM, Nashner LM, Hirshout DS, Sokolow CC.

Prevalence of non-organic sway patterns in normal subjects, patients, and suspected malingerers. Otolaryngol Head Neck Surg. 1997; 117: 293–302

78- Cevette MJ, Puetz B, Marion MS, Wertz ML, Muenter MD. Aphysiologic

performance on dynamic posturography. Otolaryngol Head Neck Surg. 1995 Jun;112(6):676-88.

79- Rey-Martínez J, Rama-López J, Pérez-Fernández N. Exploración posturográfica de

pacientes simuladores. Acta Orrinolaringol Esp 2007; 58:202-207 80- Allum JH, Shepard NT. An overview of the clinical use of dynamic posturography

in the differential diagnosis of balance disorders. J Vestib Res. 1999;9:223-52. 81- Shepard NT, Telian SA. Vestibular Rehabilitation Programs. En: Shepard NT,

Telian SA, eds.: Practical management of the balance disorder patient. Singular. San Diego; 1996. pp 169- 185.

82- Artuso A, Garozzo A, Contucci AM, Frenguelle A, Di Girolamo S. Role of dynamic

posturography (Equitest) in the identification of feigned balance disturbances. Acta Otorhinolaryngol Ital 2004;24:8-12

83- Gianoli G, McWilliams S, Soileau J, Belafsky P. Posturographic performance in

patients with the potential for secondary gain. Otolaryngol Head Neck Surg 2000; 122:11-8

84- Mallinson AI, Longridge NS. A New Set of Criteria for Evaluating Malingering in

Work-Related Vestibular Injury. Otol Neurotol 2005; 26:686–690. 85- Balance International Innovations GmbH. SwayStar. Patient examples. Simulator

(non-organic balance disorder). Actualizado 10-7-2009. Disponible en Internet en la dirección: http://www.b2i.info/web/index.htm con acceso el día 2-8-09

86- Allum JHJ, Vonk J, Horlings CGC. Differentiating malingering patients from

healthy controls, unilateral vestibular loss patients and whiplash patients. International Society for Posture and Gait Reasearch. 19th International Conference. June 2009

87- Allum JHJ, Adkin AL. Improvements in trunk sway observed for stance and gait

tasks during recovery from an acute unilateral pripheral vestibular deficit. Audiol Neurotol 2003; 8:286-302

88- Molinero LM. Estimación de intervalos de referencia de variables biológicas. En:

Página de la Sociedad Española de Hipertensión. Liga Española para la Lucha contra la Hipertensión Arterial. Bioestadística. Febrero de 2004. Disponible en internet en la dirección: http://www.seh-lelha.org/intervalref.htm con acceso el día 29-7-09

____________________________________________________________ Bibliografía

- 147 -

89- Primo J. Herramientas de actuación. En: CASPe. Critical Appraisal Skills Español. Ultima actualización 22-1-2010. Disponible en internet en la dirección (precisa de registro gratuito): http://www.redcaspe.org/que-hacemos/herramientas/ con acceso 10-2-10

90- Skøien AK, Wilhemsen K, Gjesdal S. Occupational disability caused by dizziness

and vertigo: a register-based prospective study. Br J Gen Pract. 2008; 58(554):619-23

91- Balance International Innovations GmbH. SwayStar. Disponible en Internet en la

dirección: http://www.b2i.info/ con acceso el día 5-8-09 92- Jaeschke R, Guyatt GH, Sackett DL, Evidence Based Medicine Working Group.

How to use an article about a diagnostic test. Centre for Health Evidence 2001. Disponible en Internet en la dirección http://www.cche.net/usersguides/diagnosis.asp con acceso el día 4-8-09

93- Morgan SS, Beck WG, Dobie RA. Can posturography identify informed

malingerers? Otol Neurotol 2002; 23:214-217 94- Yarrow K, Brown P, Gresty MA, Bronstein AM. Force platforms recordings in the

diagnosis of primary orthostatic tremor. Gait and Posture 2001; 13:27–34 95- Heilman KM. Orthostatic Tremor. Arch Neurol 1984; 4:880–1 96- Karlberg M, Fransson PA, Magnusson M. Posturography can be used to screen for

primary orthostatic tremor, a rare cause of dizziness. Otol Neurotol. 2005; 26(6):1200-3.

97- Nashner LM. Practical biomechanics and physiology of balance. En: Jacobson GP,

Newman CW, Kartush JM eds.: Handbook og Balance Function Testing. Delmar-Thomson Learning. 1997. pp 261-279

98- OT Resource. Orthostatic tremor. Information and forum. 2009. Disponible en

Internet en la dirección: http://www.orthostatictremor.org con acceso el día 28-3-2010

99- Rodriguez-Oroz MC, Jahanshahi M, Krack P, Litvan I, Macias R, Bezard E, Obeso

JA. Initial clinical manifestations of Parkinson's disease: features and pathophysiological mechanisms. Lancet Neurol. 2009; 8(12):1128-39

100- Halliday GM, McCann H. The progression of pathology in Parkinson's disease.

Ann N Y Acad Sci. 2010 Jan;1184:188-95. 101- Priplata AA, Niemi JB, Harry JD, Lipsitz LE, Collins JJ. Vibrating insoles and

balance control in elderly people. Lancet 2003; 362:1123-1124 102- Priplata AA, Patritti BL, Niemi JB, Hughes R, Gravelle DC, Lipsitz LA, Veves A,

Stein J, Bonato P, Collins JJ. Noise-enhanced balance control in patients with diabetes and patients with stroke. Ann Neurol 2006; 59:4-12

____________________________________________________________ Bibliografía

- 148 -

103- Vilis, T. Session 11: Eye movements. University of Western Ontario. Creado en

1999 y revisado en 2009. Disponible en internet en la dirección: http://www.physpharm.fmd.uwo.ca/undergrad/sensesweb/L11EyeMovements/L11EyeMovements.swf con acceso el día 18-4-2010

104- Moss F, Ward LM, Sannita WG. Stochastic resonance and sensory information

processing: a tutorial and reviewof application. Clin NeuroPhys 2004; 115:267-281

105- Peterka RJ. Sensorimotor integration in human postural control. J Neurophysiol

2002; 88:1097-1118 106- Horlings CG, Küng UM, Honegger F, Van Engelen BG, Van Alfen N, Bloem BR,

Allum JH. Vestibular and proprioceptive influences on trunk movements during quiet standing. Neuroscience. 2009 Jul 7;161(3):904-14

107- Aramaki Y, Nozaki D, Masani K, Sato T, Nakazawa K, Yano H. Reciprocal

angular acceleration of the angle and hip joints during quiet standing in humans. Exp Brain Res. 2001; 136:463-73

108- Sasagawa S, Ushiyama J, Kouzaki M, Kanehisa H. Effect of the hip motion on the

body kinematics in the saggital plane during human quiet standing. Neuroscience Letters 2009; 450: 27-31

109- Zhang Y, Kiemel T, Jeka J. The influence of sensory information on two-

component coordination during quiet stance. Gait and Posture 2007; 26: 263-71 110- Gage WH, Winter DA, Frank SA, Adkin AL. Kinematic and kinetic validity of the

inverted pendulum model in quiet standing. Gait and Posture 2004; 19: 124-32 111- de Freitas PB, Freitas SMSM, Duarte M, Latash ML, Zatsiorsky VM. Effects of

joint immobilization on standing balance. Human Movement Science 2009; 28: 515-28

112- Horak FB, Nashner LM, Diener HC. Postural strategies associated with somatosensory and vestibular loss. Exp Brain Res 1990; 82: 167-77

113- Horak FB. Postural compensation for vestibular loss and implications for

rehabilitation. Restor Neurol Neurosci 2010; 28: 57-68

114- Leigh RJ, Zee DS. A survey of eye movements: characteristics and teleology. En: Leigh RJ, Zee DS: The neurology of eye movements. Fourth edition. Oxford University Press. Oxford 2006. pp 3-19

115- Aristizábal DL, López JO, Ramírez CA, Restrepo ARF. Cinemática de las Ondas

Mecánicas Estacionarias. En: Lección de Ondas Mecánicas. Abril de 2005. Disponible en Internet en la dirección: http://www.unalmed.edu.co/~infisica/paginas/cursos/paginas_cursos/recursos_we

____________________________________________________________ Bibliografía

- 149 -

b/lecciones_fisica_universitaria/leccion_ondas_mecanicas_universidad/concepto/index511.htm con acceso el día 1-3-10

116- Faraldo A. Registro postural en personas sanas: Evaluación del equilibrio

mediante el estudio comparativo entre la posturografía computerizada y el sistema SwayStar (Tesis Doctoral). Universidad de Santiago de Compostela. Julio de 2009

117- Ferro García R, Vives Montero MC. Un análisis de los conceptos de efectividad,

eficacia y eficiencia en psicología. Panace@ 2004, 16. Disponible en Internet en la dirección: http://medtrad.org/panacea/IndiceGeneral/n16_tradyterm_FerroG-VivesM.pdf con aceso el día 2-4-10

____________________________________________________________ Bibliografía

- 150 -

Figuras:

Introducción


Manuel Oliva

___________________________________________________ Figuras - Introducción

- 152 -

Figura 0.1: Número de casos de fraude por tipo, seguidos por la Coalition Against Insurance Fraud en 2006

Tomado de Coalition Against Insurance Fraud. By the number: fraud stats. Disponible en Internet: http://www.insurancefraud.org/stats.htm con acceso el día 20-9-08


- 153 -

Figura 0.2: sistema de captura óptica. Detalle de los marcadores colocados en todas las articulaciones y dos de las cámaras que se encargarán de recoger los datos

Tomado de Rosalind Franklin University of Medicine and Science. Human Performance Laboratory. Disponible en Internet en la dirección http://www.rosalindfranklin.edu/DNN/Home/SchollCollegeofPodiatricMedicine/Clear/GaitLab/tabid/505/Default.aspx con acceso el día 26-7-09


- 154 -

Figura 0.3: Sistema de captura óptica mediante craneocorpografía. Imagen del craneocorpógrafo que existía en el Servicio ORL del Hospital Universitario de Puerto Real, actualmente desmantelado. Con este sistema se pueden registrar gráficamente no sólo las tradicionales pruebas de Romberg y Unterberger, sino también pruebas de la marcha


- 155 -

Figura 0.4: Craneocorpografía computerizada por ultrasonidos. Casa comercial EST! Medizintechnik AG. El paciente lleva emisores de ultrasonidos en los hombros y cabeza, detectados y transmitidos al ordenador.

Tomado de http://www.est-med.com/Posturographie/CCG.htm con acceso el día 24-9-08


- 156 -

Figura 0.5: imagen de un sistema de goniómetros adaptados a rodilla y tobillos

Tomado de Rosalind Franklin University of Medicine and Science. Human Performance Laboratory. Lab Resources: Body Worn Sensor Technology.Disponible en Internet en la dirección http://www.rosalindfranklin.edu/DNN/tabid/2461/Default.aspx con acceso el día 26-7-09


- 157 -

Figura 0.6: esquema de un acelerómetro. Consiste en una masa conectada a un armazón por medio de un muelle amortiguado. La aceleracion se transforma en deformación del muelle, la cual se transduce en cambios de impedancia eléctrica (acelerometro resistivo o capacitivo) o generación de cargas electricas (acelerómetro piezoeléctrico)

Tomado de http://en.wikipedia.org/wiki/File:Accelerometer.png


- 158 -

Figura 0.7: esquema de un giroscopio de fibra óptica. El beamsplitter es un instrumento óptico que divide un rayo de luz en dos. Es una parte fundamental en los interferómetros. Con este sistema se reproduce el esquema descrito en la figura 0.18 para describir el efecto Sagnac (ver apéndice técnico). La bobina de fibra óptica permite acumular una gran longitud de fibra óptica. Cuanto más largo sea el recorrido, mayor precisión en la medida de la velocidad angular

Modificado de: von Hinüber E. Inertial Measuring Systems with Fiber-Optic Gyroscopes. ATZ Magazine, 6/2002. Disponible en Internet en la dirección http://www.imar-navigation.de/download/atz_6_2002_en.pdf con acceso el día 29-7-09


- 159 -

Figura 0.8: Posturógrafo de plataforma estática tipo NeuroCom. Casa comercial: Otometrics. El paciente se coloca encima de la plataforma y ésta detecta las oscilaciones del centro de gravedad

Tomado de http://www.otometrics.com/7-26-9910_06_std-2.pdf con acceso 24-9-08


- 160 -

Figura 0.9: Posturógrafo de plataforma estática y dinámica tipo NeuroCom. Casa comercial: NeuroCom. En la imagen de la derecha, la plataforma es móvil permitiendo manipular la información de origen somatosensorial. En este modelo, además, el entorno visual también es móvil. En la imagen de la izquierda, una plataforma estática, pero alargada, permitiendo la exploración de la marcha, con obstáculos, etc.

Tomado de http://resourcesonbalance.com/neurocom/products/ncmproductbrochure.pdf con acceso el día 24-9-08


- 161 -

Figura 0.10: Posturógrafo de plataforma dinámica tipo NeuroCom. Casa comercial Micromedical (BalanceQuest). Tiene una plataforma móvil similar al NeuroCom, permitiendo otros movimientos de tipo sinusoidal, programados, de desplazamiento brusco, etc.

Tomado de http://www.micromedical.com/BalanceQuest.pdf con acceso el día 24-9-08.


- 162 -

Figura 0.11: Posturografía de plataforma dinámica tipo NeuroCom. Casa comercial SportKat LLC (Korebalance). Más orientado a la rehabilitación deportiva y médica.

Tomado de http://www.sportkat.com/ con acceso el día 24-9-08


- 163 -

Figura 0.12: Posturografía estática tipo BRU. Casa comercial: Medicaa. Es una palataforma estática a la que se añade la manipulación del entorno visual mediante técnicas de realidad virtual

Tomado de http://www.medicaa.com/index.php?option=com_content&task=view&id=21&Itemid=31 con acceso el día 24-9-08


- 164 -

Figura 0.13: Posturógrafo tipo SwayStar. Un único dispositivo colocado en la zona lumbar permite detectar todos los movimientos que realiza el tronco del paciente

Tomado de http://www.b2i.info/web/index.htm con acceso el día 24-9-08


- 165 -

Figura 0.14: Posturógrafo tipo MotionTrak. El paciente lleva un sensor en la espalda y otro en la cabeza, permitiendo analizar el movimiento de ambas partes por separado

Tomado de http://www.4wsr.com/MotionTrak.htm con acceso el día 24-9-08


- 166 -

Figura 0.15: Posturografía tipo BrainPort. El paciente lleva un controlador colgado del cuello para ajustar la intensidad del estímulo y una lengüeta que se coloca sobre la lengua. Esta lengüeta lleva el acelerómetro y unos electrodos que le indicarán al paciente hacia dónde se está inclinando. Orientado a rehabilitación del equilibrio

Tomado de http://wicab.us/technology/ con acceso el día 24-9-08


- 167 -

Figura 0.16: Las 6 condiciones sensoriales del SOT

Tomado de http://resourcesonbalance.com/program/role/cdp/protocols.aspx con acceso el día 24-9-08


- 168 -

Figura 0.17 A: CTSIB. Condiciones 5 y 6. Obsérvese el dome y el colchón de foam

Tomado de Knuchel S, Schädler S. Drei Systeme in der Balance. Physiopraxis 2004:11-12. Disponible en Internet: http://www.stefan-schaedler.ch/literatur/PP1104_Gleichgewicht.pdf con acceso el día 25-9-08 Figura 0.17 B: mCTSIB. Obsérvese el uso del foam sobre la plataforma estática

Tomado de Vertigo-Dizziness.com. Test of Balance (TOB). Posturografía dinámica. Ultima actualización: 10/2006. Disponible en internet: http://www.vertigo-dizziness.com/castellano/patologias_equilibrio/tob.html con acceso el día 25-9-08


- 169 -

Figuras: Primera Parte


Manuel Oliva

__________________________________________________ Figuras – Primera Parte

- 171 -

Figura 1.1

Colocación del dispositivo Sway Star


- 172 -

Figura 1.2 A

Posturograma: representación de la inclinación del tronco en pitch y roll en función del

tiempo Figura 1.2 B

Espectrograma de frecuencias para pitch y roll


- 173 -

Figura 1.3 A: Diagrama de cajas en Roll para la prueba s2eo

Figura 1.3 B: Diagrama de cajas en Pitch para la prueba s2eo


- 174 -

Figura 1.4 A: Diagrama de cajas en Roll para la prueba s2ec

Figura 1.4 B: Diagrama de cajas en Pitch para la prueba s2ec


- 175 -

Figura 1.5 A: Diagrama de cajas en Roll para la prueba s1eo

Figura 1.5 B: Diagrama de cajas en Pitch para la prueba s1eo


- 176 -

Figura 1.6 A: Diagrama de cajas en Roll para la prueba s1ec

Figura 1.6 B: Diagrama de cajas en Pitch para la prueba s1ec


- 177 -

Figura 1.7 A: Diagrama de cajas en Roll para la prueba s2eof

Figura 1.7 B: Diagrama de cajas en Pitch para la prueba s2eof


- 178 -

Figura 1.8 A: Diagrama de cajas en Roll para la prueba s2ecf

Figura 1.8 B: Diagrama de cajas en Pitch para la prueba s2ecf


- 179 -

Figura 1.9 A: Diagrama de cajas en Roll para la prueba s1eof

Figura 1.9 B: Diagrama de cajas en Pitch para la prueba s1eof


- 180 -

Figura 1.10 A: Diagrama de cajas en Roll para la prueba Cone

Figura 1.10 B: Diagrama de cajas en Pitch para la prueba Cone


- 181 -

Figura 1.11 A: Diagrama de cajas en Roll para la prueba w3mrh

Figura 1.11 B: Diagrama de cajas en Pitch para la prueba w3mrh


- 182 -

Figura 1.12 A: Diagrama de cajas en Roll para la prueba w3mph

Figura 1.12 B: Diagrama de cajas en Pitch para la prueba w3mph


- 183 -

Figura 1.13 A: Diagrama de cajas en Roll para la prueba w3mec

Figura 1.13 B: Diagrama de cajas en Pitch para la prueba w3mec


- 184 -

Figura 1.14 A: Diagrama de cajas en Roll para la prueba w8tan

Figura 1.14 B: Diagrama de cajas en Pitch para la prueba w8tan


- 185 -

Figura 1.15 A: Diagrama de cajas en Roll para la prueba Barriers

Figura 1.15 B: Diagrama de cajas en Pitch para la prueba Barriers


- 186 -

Figura 1.16 A: Diagrama de cajas en Roll para la prueba Stairs

Figura 1.16 B: Diagrama de cajas en Pitch para la prueba Stairs

________________________________________________________________________________________________ Figuras – Primera Parte

187

Fig. 1.17 A: A efectos comparativos entre el grupo No simulador y el grupo Simulador, gráfica espectral en escala semilogarítmica de la media aritmética de todas las frecuencias de las pruebas que constituyen el mCTSIB, en Roll. Nóteses que ambas gráficas están con escalas diferentes.

0,01

0,1

1

10

Escala logarítm

ica

No simulador ‐ roll

s2eo

s2ec

s2eof

s2ecf

0,1

1

10

100

Escala logarítm

ica

Simulador‐ roll

s2eo

s2ec

s2eof

s2ecf


188

Fig. 1.17 B: Idem al anterior, en Pitch

0,01

0,1

1

10

Escala logarítm

ica

No simulador ‐ pitch

s2eo

s2ec

s2eof

s2ecf

0,1

1

10

100

Escala logarítm

ica

Simulador ‐ pitch

s2eo

s2ec

s2eof

s2ecf


189

Fig. 1.18 A: Media aritmética del resto de las pruebas estáticas, incluyendo Cone, en escala semilogarítmica, para los grupo No Simulador y Simulador, en Roll. Misma escala para ambas gráficas

0,01

0,1

1

10

100

Escala logarítm

ica


s1eo

s1ec

s1eof

Cone

0,1

1

10

100

Escala logarítm

ica

Simulador ‐ roll

s1eo

s1ec

s1eof

Cone


190

Fig. 1.18 B: Idem al anterior en Pitch

0,1

1

10

100

Escala logarítm

ica

No simulador‐ pitch

s1eo

s1ec

s1eof

Cone

0,1

1

10

100

Escala logarítm

ica

Simulador‐ pitch

s1eo

s1ec

s1eof

Cone


191

Fig. 1.19 A: Media aritmética de las pruebas dinámicas w3mec, w3mph, w3mrh, w8tan, en escala semilogarítmica, para los grupos No simulador y Simulador, en Roll

0,1

1

10

100

Escala logarítm

ica


w3mec

w3mph

w3mrh

w8tan


192

Fig. 1.19 B: Idem al anterior, en Pitch

0,1

1

10

100

Escala logarítm

ica

Simulador ‐ pitch

w3mec

w3mph

w3mrh

w8tan


193

Fig. 1.20 A: Idem, con las pruebas dinámicas Barriers y Stairs en roll


194

Fig. 1.20 B: Idem al anterior, en pitch

0,1

1

10

100

Escala logarítm

ica

No simulador ‐ pitch

Barriers

Stairs


195

Fig. 1.21: registro de la prueba w3mec correspondiente a varios individuos del grupo No Simulador. El trazo rojo corresponde al registro en pitch. El azul, en roll. En el registro en roll es fácil descubrir un patrón periódico debido a los pasos que va dando el individuo. En pitch es mucho más difícil encontrar dicho patrón


196

Fig. 1.22: Sistemática para calcular la frecuencia de los pasos en la marcha con ojos cerrados. Consideraremos el registro en pitch como una onda periódica. Medimos la longitud de onda en dos períodos diferentes (A1 y A2) y hallamos la media aritmética de ambos (A). Seguidamente, para poder pasar esa medida (milímetros) a una escala de tiempo (segundos) dividimos A por la distancia correspondiente a 1 segundo (t). El cociente A/t nos da el tiempo medio que tarda el individuo en hacer 1 ciclo completo al andar. O dicho de otro modo: la longitud de onda en escala de tiempo. Para hallar la frecuencia basta con calcular la inversa de la longitud de onda.


197

Figuras: Segunda Parte


Manuel Oliva

_________________________________________________ Figuras – Segunda Parte

- 199 -

Figura 2.1 A: Diagramas de caja de s2ec/w3mec en Roll

Figura 2.1 B: Diagramas de caja de s2ec/w3mec en Pitch


- 200 -

Figura 2.2 A: Diagrama de cajas de s2ec/s2ecf en Roll

Figura 2.2 B: Diagrama de cajas de s2ec/s2ecf en Pitch


- 201 -

Figura 2.3 A: Diagrama de cajas de CRvs en Roll

Figura 2.3 B: Diagrama de cajas de CRvs en Pitch


- 202 -

Figura 2.4 A: Diagrama de cajas de CRss en Roll

Figura 2.4 B: Diagrama de cajas de CRss en Pitch


- 203 -

Figura 2.5 A: Diagrama de cajas de CRo en Roll

Figura 2.5 B: Diagrama de caja de CRo en Pitch


- 204 -

Figura 2.6 A: Diagrama de caja de VIS-SOT en Roll

Figura 2.6 B: Diagrama de cajas de VIS-SOT en Pitch


- 205 -

Figura 2.7 A: Diagrama de cajas de SOM-SOT en Roll

Figura 2.7 B: Diagrama de cajas de SOM-SOT en Pitch


- 206 -

Figura 2.8 A: Diagrama de cajas de VEST-SOT en Roll

Figura 2.8 B: Diagrama de cajas de VEST-SOT en Pitch


- 207 -

Figuras: Tercera Parte


Manuel Oliva

__________________________________________________ Figuras – Tercera Parte

- 209 -

Figura 3.1 A: Curvas ROC para la identificación de no simuladores en Roll

Figura 3.1 B: Curvas ROC para la identificación de no simuladores en Pitch


- 210 -

Figura 3.2 A: Curvas ROC para la identificación de simuladores en Roll

Figura 3.2 B: Curvas ROC para la identificación de simuladores en Pitch


- 211 -

Figuras: Cuarta Parte


Manuel Oliva

___________________________________________________ Figuras – Cuarta Parte

- 213 -

Figura 4.1


- 214 -

Figura 4.2: Modelo cúbico de regresión para ec_w_sup y ec_w_inf


- 215 -

Figura 4.3: Modelo cúbico de regresión para CRvs_sup y CRvs_inf


- 216 -

Figura 4.4: Modelo cúbico de regresión para CRss_sup y CRss_inf


- 217 -

Figura 4.5: Modelo cúbico de regresión para CRo_sup y CRo_inf


- 218 -

Figura 4.6: Modelo cúbico de regresión para VIS_SOT_sup


- 219 -

Figura 4.7: Modelo cúbico de regresión para SOM_SOT_sup


- 220 -

Figura 4.8: Modelo cúbico de regresión para VEST_SOT_sup


- 221 -

Figura 4.9: Curva tras aplicar la función calculada para ec_w_sup y ec_w_inf


- 222 -

Figura 4.10: Curva tras aplicar la función calculada para CRvs_sup y CRvs_inf


- 223 -

Figura 4.11: Curva tras aplicar la función calculada para CRss_sup y CRss_inf


- 224 -

Figura 4.12: Curva tras aplicar la función calculada para CRo_sup y CRo_inf


- 225 -

Figura 4.13: Curva tras aplicar la función calculada para VIS_SOT_sup


- 226 -

Figura 4.14: Curva tras aplicar la función calculada para SOM_SOT_sup


- 227 -

Figura 4.15: Curva tras aplicar la función calculada para VEST_SOT_sup


- 228 -

Figuras: Quinta Parte


Manuel Oliva

___________________________________________________ Figuras – Quinta Parte

- 230 -

Figura 5.1


- 231 -

Figura 5.2


- 232 -

Figura 5.3


- 233 -

Figuras: Sexta Parte


Manuel Oliva

____________________________________________________ Figuras – Sexta Parte

- 235 -

FIGURA 6.1: Curvas ROC para Allum_2, Allum_3, Allum_4


- 236 -

FIGURA 6.2: curva ROC para Suma_4


- 237 -

Figuras: Discusión


Manuel Oliva

______________________________________________________ Figuras - Discusión

Fig. D.1: Ejemplos de movimiento siguiendo el modelo de péndulo invertido simple (A) y péndulo invertido doble (B). Hemos unido el centro de la “cabeza” del modelo con el centro del “tobillo” mediante las líneas rojas. Además, en A el movimiento total es de 10 grados. En B, el segmento inferior hace un desplazamiento de 20 grados y el segmento superior se mueve en sentido opuesto. Vemos que en B, a pesar de ser un movimiento de mayor amplitud, se consigue que la línea roja apenas se desplace. Por tanto, el modelo del péndulo invertido doble es más eficiente para mantener la estabilidad del individuo.

A B


Fig. D.2: Organización del Sistema del Equilibrio integrando diferentes sistemas sensoriales y organizativos

Modificado de Baloh RW, Honrubia V. Vestibular function: an overview. En: Baloh RW, Honrubia V: Clinical neurophysiology of the vestibular system. Edition 2. FA Davis Company. Philadelphia. 1990. pp 3-19


Fig. D.3: ante una estimulación sinusoidal, sería razonable representar la señal procedente de los sistemas vestibular, visual y somatosensorial como 3 funciones sinusoidales de diferente amplitud (diferente ganancia) y desfasadas entre sí, pero con la misma frecuencia. Estas funciones que hemos representado son: A 1.5 sin 1 B sin C 0.5 sin 1


Fig. D.4: ahora supongamos un procesamiento central sencillo: se trata de sumar algebraicamente las 3 funciones anteriores A + B + C. El resultado es otra función sinusoidal con la misma frecuencia que A, B y C


Fig. D.5: ahora supongamos que el córtex cerebral emite una señal para moverse más rápido. Es decir: emite una señal con una frecuencia mayor. A esta nueva función la denominaremos D. En este caso, D tendrá una frecuencia doble a las anteriores:

D sin 2


Fig. D.6: si ahora sumamos la resultante de A + B + C con D obtenemos una nueva gráfica con una complejidad mayor a las anteriores:


Fig. D.7: ahora supongamos que el córtex cerebral ordena ignorar una de las señales procedentes de los órganos sensoriales (p.e. haremos C = 0. Para ello, en el procesamiento se debe emitir una orden igual a la función C pero en inversión de fase y de esa forma anularla) y además emite una nueva señal (que representa una orden voluntaria) mucho más compleja y variable en el tiempo que D. La nueva función la denominaremos E: E sin En este caso, el procesamiento central sería A + B + C – C + E. El resultado final sería esta gráfica.

Figuras:

Apéndice Técnico


Manuel Oliva

_______________________________________________ Figuras – Apéndice Técnico

- 248 -

Figura AT.1: efecto Sagnac. Supongamos un circuito como el de la figura A. En este circuito viajan dos haces de luz idénticos en sentidos opuestos. Si parten simultáneamente, ambos volverán al punto de partida en el mismo momento ya que su velocidad es constante y la distancia recorrida en la misma. Pero si este circuito gira hacia un lado (figura B), el haz de luz que viaja en el mismo sentido tendrá que recorrer una distancia igual a la longitud del circuito más α. En cambio el haz que viaja en sentido opuesto al circuito recorrerá una distancia α menor. Por tanto ambos haces de luz llegarán al punto de partida en momentos diferentes y por tanto con un desfase medible por interferometría

A B

Tomado de Brown K. The Sagnac effect. Reflections in relativity. In: Math pages. Disponible en Internet en la dirección: http://mathpages.com/rr/s2-07/2-07.htm con acceso el día 30-7-09


- 249 -

Figura AT.2: ejemplo de fractales sencillos Conjunto de Cantor

Triángulo de Sierpinski

Estrella de Koch


- 250 -

Fig. AT.3: modelo del péndulo invertido simple y variables implicadas en el cálculo de las oscilaciones en el plano sagital. La posición del Centro de Masas viene dada por la variable y, el Centro de Presiones, por la variable u. El resto de las variables: f es la fuerza de reacción del suelo; θ, el ángulo de desplazamiento; g, la aceleración de la gravedad; τankle, el par motor que ejercen los músculos alrededor del tobillo; h, la distancia desde el Centro de Masas al tobillo.

Tomado de: Morasso PG, Schiepatti M. Can muscle stiffness alone stabilize upright standing? J Neurophysiol 1999; 83: 1622-1626


- 251 -

Tablas: Introducción


Manuel Oliva

____________________________________________________ Tablas - Introducción

- 253 -

TABLA 0.1: Incidencia estimada de simulación o exageración de síntomas según el origen del paciente:

Discapacidad 30% Daños personales 29% Criminal 19% Casos médicos 8%

Incidencia estimada de simulación o exageración de síntomas según el diagnóstico:

Trauma craneal leve 39% Fibromialgia/síndrome de fatiga crónica 35% Dolor crónico 31% Lesiones por neurotoxicidad 27% Lesiones por electricidad 22%

Tomado de Mittenberg W, Patton C, Canyock EM, Condit DC. Base rates of malingering and symptom exaggeration. J Clin Exp Neuropsychol. 2002 Dec;24(8):1094-102


- 254 -

TABLA 0.2: Signos sugerentes de simulación en general

- Los síntomas son vagos, mal definidos y no se ajustan a entidades diagnósticas concretas

- Las molestias, signos o síntomas parecen excesivos o teatrales - Las lesiones parecen autoinflingidas - En la investigación toxicológica se detectan sustancias tóxicas o medicamentos

no prescritos cuya presencia no tiene explicación - La historia clínica o los datos diagnosticos parecen haber sido alterados o

modificados - Hay antecedentes de lesiones o accidentes repetidos - La historia clínica, la exploración física y los datos diagnósticos no apoyan las

molestias alegadas - El paciente no coopera en la valoración diagnóstica o en el tratamiento - El paciente se muestra remiso a aceptar un pronóstico favorable - El paciente solicita sustancias adictivas o que son objeto frecuente de abuso con

el fin de tratar el trastorno - El paciente obtiene compensaciones económicas o de otra índole como

consecuencia del trastorno - El paciente puede evitar situaciones dolorosas, peligrosas, promotoras de

ansiedad o desagradables en cualquier sentido, como consecuencia del trastorno - El paciente puede evitar responsabilidades legales o sociales o eludir penas

legales como consecuncia del trastorno - Existe un diagnóstico concomitante de personalidad antisocial

Tomado de: Aguilar JR, Lara JJ. Simulación y VDC. Portal Valoración del Daño Corporal. 2002. Disponible en Internet: http://www.peritosmedicos.es.vg/ con acceso el día 20-9-08


- 255 -

TABLA 0.3: Clasificación de los dispositivos de posturografía

- Posturografía por plataforma de presión o Estática

Tipo NeuroCom Tipo BRU

o Dinámica - Posturografía mediante captura de movimientos

o Posturografía por Craneocorpografía (CCG) CCG Clásica o fotoóptica CCG ultrasónica computerizada

- Posturografía por otras tecnologías o Tipo SwayStar y MotionTrak o Tipo BrainPort


- 256 -

TABLA 0.4: Ventajas y desventajas de los sensores de velocidad angular:

- Ventajas: o Los transductores necesitan un único punto de fijación en cualquier parte

del cuerpo o No se ven influenciados por la gravedad o aceleraciones lineales (al

contrario que los acelerómetros o plataformas de presión) o La información sobre el ángulo de desviación y velocidad es inmediata,

sin depender de complejos cálculo o tranformaciones o Los datos no se bloquean por objetos externos o movimientos de las

extremidades (como en los sistemas de captura óptica) o No hay dificultades derivadas de espacios reducidos o fuentes externas

de luz o Las mediciones no se ven influenciadas por superficies móviles (al

contrario que las plataformas de presión) o Se puede conseguir una alta frecuencia de muestreo (más de 100 Hz) o Las mediciones son independientes de la altura del individuo

- Desventajas: o El ruido, deriva y compensación por la temperatura pueden llegar a ser

un problemas en los dispositivos más baratos o Se miden los cambios angulares relativos a la posición inicial, no la

posición absoluta respecto a coordenadas fijadas a la Tierra (al contrario que los sistemas de captura óptica)

o Un cambio en los ejes de rotación de los sensores puede llevar a a problemas en el cálculo de los cambios angulares totales respecto a la orientación inicial

o El cinturón usado para fijar el dispositivo puede impedir o cambiar el movimiento del cuerpo

o Los sensores son de myor tamaño y peso comparados con los marcadores activos o pasivos usados en los sistemas de captura óptica. Sin embargo los sensores más baratos también son de menor tamaño

Tomado de Allum JHJ, Carpenter MG. A speedy solution for balance and gait analysis: angular velocity measured at the centre o f the body mass. Curr Opin Neurol 2005; 18:15-21


- 257 -

TABLA 0.5: Métodos de la medida de la complejidad de una señal

- Estimaciones de la complejidad según la teoría de la información o Entropía aproximada: electroencefalogramas, respiración… o Muestreo de la entropía: frecuencia cardíaca neonatal… o Entropía de Fourier: calcula la densidad de potencia espectral de una

serie temporal y se normaliza para producir una distribución de probabilidad. Suele ser el método más sencillo cuando hay una gran cantidad de datos a calcular

o Entropía de óndulas (wavelets) o Entropía de Renyi o Métodos de Orden Superior o Métodos multiescala/multirresolución

- Métodos basados en el Caos o Exponente de Lyapunov o Entropía de permutaciones

- Estimaciones de Kolmogorov o Lempel-Ziv o Hidden-Markov


- 258 -

Tablas: Primera Parte


Manuel Oliva

___________________________________________________Tablas – Primera Parte

- 260 -

CLAVE DE LAS VARIABLES EN LAS SIGUIENTES TABLAS Y FIGURAS RoFreq1_4 Roll, frecuencia 1.4 Hz RoFreq2_5 Roll, frecuencia 2.5 Hz RoFreq3_7 Roll, frecuencia 3.7 Hz RoFreq4_9 Roll, frecuencia 4.9 Hz RoFreq6_1 Roll, frecuencia 6.1Hz RoFreq7_2 Roll, frecuencia 7.2 Hz RoFreq8_4 Roll, frecuencia 8.4 Hz RoFreq9_6 Roll, frecuencia 9.6 Hz RoFreq10_7 Roll, frecuencia 10.7 Hz RoFreq11_9 Roll, frecuencia 11.9 Hz RoFreq13_1 Roll, frecuencia 13.1 Hz RoFreq14_3 Roll, frecuencia 14.3 Hz RoFreq15_4 Roll, frecuencia 15.4 Hz RoFreq16_8 Roll, frecuencia 16.8 Hz RoFreq18_2 Roll, frecuencia 18.2 Hz RoFreq19_3 Roll, frecuencia 19.3 Hz PiFreq1_4 Pitch, frecuencia 1.4 Hz PiFreq2_5 Pitch, frecuencia 2.5 Hz PiFreq3_7 Pitch, frecuencia 3.7 Hz PiFreq4_9 Pitch, frecuencia 4.9 Hz PiFreq6_1 Pitch, frecuencia 6.1Hz PiFreq7_2 Pitch, frecuencia 7.2 Hz PiFreq8_4 Pitch, frecuencia 8.4 Hz PiFreq9_6 Pitch, frecuencia 9.6 Hz PiFreq10_7 Pitch, frecuencia 10.7 Hz PiFreq11_9 Pitch, frecuencia 11.9 Hz PiFreq13_1 Pitch, frecuencia 13.1 Hz PiFreq14_3 Pitch, frecuencia 14.3 Hz PiFreq15_4 Pitch, frecuencia 15.4 Hz PiFreq16_8 Pitch, frecuencia 16.8 Hz PiFreq18_2 Pitch, frecuencia 18.2 Hz PiFreq19_3 Pitch, frecuencia 19.3 Hz Sig. Significación (p) Sig. asintót. Significación asintótica (p)


- 261 -

Tabla 1.1: Estadísticos descriptivos para la edad de los individuos de los grupos Simulador y No Simulador

Estadísticos descriptivos para la edad de los voluntarios

Estadístico Edad Media 27,75

Mediana 28,00Varianza 11,039Desv. típ. 3,323Mínimo 23Máximo 37


- 262 -

Tabla 1.2 A: Prueba s2eo. Resultados en Roll para todas las frecuencias

Prueba s2eo. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si RoFreq1_4 Media ,587255 6,978660

Mediana ,515400 4,340800 Varianza ,091 91,395 Desv. típ. ,3021565 9,5600884 Mínimo ,2493 ,5082 Máximo 1,3447 43,4891

RoFreq2_5 Media ,416750 5,063320 Mediana ,397900 3,000000 Varianza ,035 45,216 Desv. típ. ,1876483 6,7242623 Mínimo ,1486 ,3131 Máximo ,9352 30,4074





RoFreq8_4 Media ,159010 1,558660 Mediana ,156650 ,780700 Varianza ,003 5,881 Desv. típ. ,0538026 2,4250200 Mínimo ,0822 ,1810 Máximo ,2796 9,3327

RoFreq9_6

Media ,145900 1,437245 Mediana ,134150 ,586000 Varianza ,004 7,272 Desv. típ. ,0650335 2,6967276


- 263 -

Mínimo ,0774 ,1058 Máximo ,3580 12,0896

RoFreq10_7 Media ,119205 ,861715 Mediana ,107000 ,588650 Varianza ,002 ,835 Desv. típ. ,0492635 ,9136327 Mínimo ,0571 ,0893 Máximo ,2817 3,4535

RoFreq11_9 Media ,091580 ,889130 Mediana ,084450 ,434400 Varianza ,001 1,769 Desv. típ. ,0322091 1,3301999 Mínimo ,0475 ,0719 Máximo ,1937 5,7758





RoFreq18_2 Media ,040095 ,174065 Mediana ,040000 ,099300 Varianza ,000 ,046 Desv. típ. ,0123925 ,2148199 Mínimo ,0189 ,0294 Máximo ,0616 ,8276

RoFreq19_3 Media ,033225 ,165875 Mediana ,032600 ,072950 Varianza ,000 ,050 Desv. típ. ,0075864 ,2245680 Mínimo ,0196 ,0229 Máximo ,0472 ,7782


- 264 -

TABLA 1.2 B: Prueba s2eo. Resultados en Pitch para todas las frecuencias

Prueba s2eo. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si PiFreq1_4 Media 1,246105 7,782965

Mediana 1,040650 7,370450 Varianza ,532 26,257 Desv. típ. ,7293559 5,1241485 Mínimo ,5040 ,6917 Máximo 3,7864 16,8791

PiFreq2_5 Media ,859920 4,669485 Mediana ,785000 3,100400 Varianza ,088 17,190 Desv. típ. ,2970903 4,1460716 Mínimo ,4740 ,5793 Máximo 1,4086 15,1881

PiFreq3_7 Media ,571760 4,457435 Mediana ,526350 2,537100 Varianza ,030 43,793 Desv. típ. ,1726901 6,6175962 Mínimo ,3537 ,4103 Máximo ,9904 30,3923





PiFreq9_6 Media ,358675 2,239130 Mediana ,280000 1,355950 Varianza ,049 7,706 Desv. típ. ,2219076 2,7759067


- 265 -

Mínimo ,1768 ,2308 Máximo 1,0547 12,1773

PiFreq10_7 Media ,258525 1,493840 Mediana ,237000 ,842000 Varianza ,018 2,996 Desv. típ. ,1359682 1,7309516 Mínimo ,1180 ,2167 Máximo ,6498 7,3864

PiFreq11_9 Media ,204175 1,275455 Mediana ,180450 ,631300 Varianza ,015 3,458 Desv. típ. ,1205362 1,8594591 Mínimo ,1033 ,1427 Máximo ,6303 7,4127

PiFreq13_1 Media ,164810 ,787195 Mediana ,130750 ,495850 Varianza ,015 ,942 Desv. típ. ,1213262 ,9706100 Mínimo ,0650 ,1044 Máximo ,5703 3,5856







- 266 -

TABLA 1.3 A: Prueba s2ec. Resultados en Roll para todas las frecuencias

Prueba s2ec. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si RoFreq1_4 Media ,575345 12,017165 Mediana ,489300 3,614600 Varianza ,082 261,753 Desv. típ. ,2862120 16,1787776 Mínimo ,1931 ,4637 Máximo 1,3186 54,4692 RoFreq2_5 Media ,416755 7,908235 Mediana ,407450 2,990400 Varianza ,050 104,004 Desv. típ. ,2230428 10,1982205 Mínimo ,1410 ,2454 Máximo 1,1303 37,6796 RoFreq3_7 Media ,322305 6,116550 Mediana ,294700 1,993950 Varianza ,019 69,332 Desv. típ. ,1368282 8,3266097 Mínimo ,1523 ,1962 Máximo ,7110 28,2112 RoFreq4_9 Media ,261440 4,645485 Mediana ,227300 1,445150 Varianza ,012 40,048 Desv. típ. ,1091483 6,3283850 Mínimo ,1368 ,1714 Máximo ,6206 23,2223 RoFreq6_1 Media ,190695 4,397820 Mediana ,161950 1,345500 Varianza ,010 53,294 Desv. típ. ,1020791 7,3003037 Mínimo ,0939 ,1666 Máximo ,5544 31,2310 RoFreq7_2 Media ,191685 3,390035 Mediana ,176150 1,097100 Varianza ,006 27,808 Desv. típ. ,0794006 5,2733183 Mínimo ,0562 ,2291 Máximo ,3604 22,2416 RoFreq8_4 Media ,156815 2,375715 Mediana ,122450 ,731450 Varianza ,005 14,888 Desv. típ. ,0702851 3,8584790 Mínimo ,0711 ,1626 Máximo ,3122 16,6850 RoFreq9_6 Media ,148370 2,407520 Mediana ,116950 ,576450 Varianza ,006 16,586 Desv. típ. ,0779526 4,0725753 Mínimo ,0673 ,1047 Máximo ,3541 17,0554 RoFreq10_7 Media ,122150 2,133875


- 267 -

Mediana ,107350 ,466500 Varianza ,004 12,712 Desv. típ. ,0607389 3,5653772 Mínimo ,0617 ,1178 Máximo ,2940 14,0320 RoFreq11_9 Media ,098100 1,378775 Mediana ,087450 ,365250 Varianza ,002 5,553 Desv. típ. ,0444617 2,3565804 Mínimo ,0500 ,0914 Máximo ,2210 9,7050 RoFreq13_1 Media ,082330 1,213825 Mediana ,066350 ,267950 Varianza ,002 4,542 Desv. típ. ,0412104 2,1311434 Mínimo ,0413 ,0592 Máximo ,1998 8,4683 RoFreq14_3 Media ,071295 1,161515 Mediana ,059650 ,216350 Varianza ,001 4,328 Desv. típ. ,0322358 2,0803189 Mínimo ,0319 ,0472 Máximo ,1398 6,9292 RoFreq15_4 Media ,061795 1,018285 Mediana ,061050 ,153000 Varianza ,000 4,778 Desv. típ. ,0222352 2,1857649 Mínimo ,0264 ,0381 Máximo ,0996 8,9121 RoFreq16_8 Media ,048160 ,757185 Mediana ,043650 ,120100 Varianza ,000 2,342 Desv. típ. ,0163327 1,5305042 Mínimo ,0278 ,0356 Máximo ,0807 5,5857 RoFreq18_2 Media ,039085 ,554635 Mediana ,039900 ,078250 Varianza ,000 1,195 Desv. típ. ,0085880 1,0930725 Mínimo ,0261 ,0368 Máximo ,0590 3,7583 RoFreq19_3 Media ,034880 ,482650 Mediana ,032700 ,066500 Varianza ,000 ,941 Desv. típ. ,0094313 ,9699015 Mínimo ,0221 ,0334 Máximo ,0595 3,6416


- 268 -

TABLA 1.3 B: Prueba s2ec. Resultados en Pitch para todas las frecuencias

Prueba s2ec. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si PiFreq1_4 Media 1,245705 14,933275 Mediana 1,117950 8,229850 Varianza ,342 254,169 Desv. típ. ,5845409 15,9426732 Mínimo ,3997 ,8680 Máximo 2,4734 62,8820 PiFreq2_5 Media ,864800 9,601350 Mediana ,844950 3,405650 Varianza ,085 180,755 Desv. típ. ,2920374 13,4445107 Mínimo ,3926 ,5287 Máximo 1,3371 54,8426 PiFreq3_7 Media ,576785 9,018505 Mediana ,531200 2,559150 Varianza ,032 190,799 Desv. típ. ,1778029 13,8130143 Mínimo ,3508 ,3229 Máximo 1,0627 49,9700 PiFreq4_9 Media ,449560 8,044255 Mediana ,359950 2,652850 Varianza ,082 244,310 Desv. típ. ,2856817 15,6304157 Mínimo ,1494 ,2101 Máximo 1,5082 70,5741 PiFreq6_1 Media ,415615 7,581485 Mediana ,301750 1,996950 Varianza ,089 198,071 Desv. típ. ,2985086 14,0737810 Mínimo ,1872 ,2293 Máximo 1,5081 61,7544 PiFreq7_2 Media ,404595 6,594330 Mediana ,333800 1,660250 Varianza ,079 126,652 Desv. típ. ,2818034 11,2539849 Mínimo ,1673 ,2699 Máximo 1,2585 40,3406 PiFreq8_4 Media ,463750 5,464105 Mediana ,322900 1,375950 Varianza ,250 67,386 Desv. típ. ,5000523 8,2088672 Mínimo ,1521 ,3478 Máximo 2,4636 27,5278 PiFreq9_6 Media ,400090 4,268995 Mediana ,303950 1,067500 Varianza ,148 35,588 Desv. típ. ,3851088 5,9655684 Mínimo ,1569 ,2731 Máximo 1,9333 20,9163 PiFreq10_7 Media ,257975 2,967335


- 269 -

Mediana ,221700 ,783200 Varianza ,027 16,657 Desv. típ. ,1636368 4,0812618 Mínimo ,1390 ,2471 Máximo ,9172 13,2867 PiFreq11_9 Media ,191085 2,309110 Mediana ,166250 ,503900 Varianza ,008 14,141 Desv. típ. ,0885034 3,7604959 Mínimo ,1016 ,1645 Máximo ,4646 14,1730 PiFreq13_1 Media ,168685 1,791835 Mediana ,133050 ,341500 Varianza ,014 8,836 Desv. típ. ,1194194 2,9724724 Mínimo ,0843 ,1132 Máximo ,6337 11,5828 PiFreq14_3 Media ,127645 1,367995 Mediana ,103100 ,308050 Varianza ,005 4,836 Desv. típ. ,0726772 2,1990721 Mínimo ,0565 ,0804 Máximo ,3677 6,5641 PiFreq15_4 Media ,094890 1,091910 Mediana ,077350 ,210250 Varianza ,003 3,657 Desv. típ. ,0556490 1,9124035 Mínimo ,0463 ,0564 Máximo ,2797 6,6326 PiFreq16_8 Media ,070695 ,834715 Mediana ,063250 ,160950 Varianza ,001 2,041 Desv. típ. ,0289672 1,4285439 Mínimo ,0365 ,0492 Máximo ,1507 5,2811 PiFreq18_2 Media ,054510 ,548065 Mediana ,050900 ,132000 Varianza ,000 ,746 Desv. típ. ,0187872 ,8634669 Mínimo ,0318 ,0387 Máximo ,1122 3,2377 PiFreq19_3 Media ,047335 ,568960 Mediana ,042400 ,098800 Varianza ,000 ,979 Desv. típ. ,0173335 ,9892300 Mínimo ,0295 ,0295 Máximo ,1053 3,7042


- 270 -

TABLA 1.4 A: Prueba s1eo. Resultados en Roll para todas las frecuencias

Prueba s1eo. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si RoFreq1_4 Media 3,349015 28,881855 Mediana 2,990600 17,334550 Varianza 3,693 549,361 Desv. típ. 1,9217280 23,4384586 Mínimo ,8849 6,0938 Máximo 8,0902 84,5423 RoFreq2_5 Media 2,738135 15,999520 Mediana 2,328700 11,695400 Varianza 1,792 165,335 Desv. típ. 1,3385992 12,8582522 Mínimo 1,1629 2,6448 Máximo 5,8307 50,4278 RoFreq3_7 Media 2,039075 15,489180 Mediana 1,486350 9,704050 Varianza 1,143 271,097 Desv. típ. 1,0690999 16,4650298 Mínimo ,8080 2,6533 Máximo 4,4136 67,3159 RoFreq4_9 Media 1,994990 9,402145 Mediana 1,681350 6,389150 Varianza 1,379 58,006 Desv. típ. 1,1744505 7,6161753 Mínimo ,7065 2,2830 Máximo 4,6669 28,1025 RoFreq6_1 Media 1,960570 8,298965 Mediana 1,896250 3,990800 Varianza 1,386 75,715 Desv. típ. 1,1773959 8,7014084 Mínimo ,6375 2,1489 Máximo 4,9145 36,3666 RoFreq7_2 Media 1,577460 6,940835 Mediana 1,487400 3,766100 Varianza ,773 55,067 Desv. típ. ,8793429 7,4206870 Mínimo ,6326 1,0985 Máximo 3,6533 30,6436 RoFreq8_4 Media 1,117025 4,991835 Mediana ,924550 2,969650 Varianza ,519 34,433 Desv. típ. ,7202991 5,8679799 Mínimo ,3390 ,7741 Máximo 3,1731 26,6209 RoFreq9_6 Media ,826045 4,321050 Mediana ,622800 2,468100 Varianza ,365 24,705 Desv. típ. ,6041026 4,9704474 Mínimo ,2932 ,5229 Máximo 2,5419 20,3073 RoFreq10_7 Media ,572925 3,042525


- 271 -

Mediana ,477250 1,748400 Varianza ,108 9,206 Desv. típ. ,3283613 3,0341075 Mínimo ,1958 ,4906 Máximo 1,4401 10,3176 RoFreq11_9 Media ,419320 3,218750 Mediana ,281000 1,244200 Varianza ,071 20,939 Desv. típ. ,2672617 4,5759038 Mínimo ,1415 ,4352 Máximo 1,0944 19,2676 RoFreq13_1 Media ,333310 2,155125 Mediana ,267400 ,771850 Varianza ,043 7,121 Desv. típ. ,2065954 2,6685889 Mínimo ,1620 ,3198 Máximo ,9861 10,3875 RoFreq14_3 Media ,251960 1,949945 Mediana ,214450 ,601850 Varianza ,015 8,078 Desv. típ. ,1241696 2,8420995 Mínimo ,1268 ,2342 Máximo ,6281 11,8207 RoFreq15_4 Media ,206070 1,396275 Mediana ,175400 ,489500 Varianza ,015 5,327 Desv. típ. ,1222109 2,3080362 Mínimo ,0935 ,1819 Máximo ,6446 10,1088 RoFreq16_8 Media ,156380 1,376300 Mediana ,127950 ,362850 Varianza ,006 5,240 Desv. típ. ,0801210 2,2891703 Mínimo ,0814 ,1635 Máximo ,4362 9,2281 RoFreq18_2 Media ,117920 1,216055 Mediana ,097350 ,239900 Varianza ,005 5,255 Desv. típ. ,0702162 2,2924598 Mínimo ,0579 ,1232 Máximo ,3628 9,5229 RoFreq19_3 Media ,094605 ,909865 Mediana ,078700 ,188150 Varianza ,004 2,851 Desv. típ. ,0645440 1,6883852 Mínimo ,0467 ,0721 Máximo ,3330 6,5775


- 272 -

TABLA 1.4 B: Prueba s1eo. Resultados en Pitch para todas las frecuencias

Prueba s1eo. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si PiFreq1_4 Media 3,985450 20,278485 Mediana 3,779500 15,383950 Varianza 2,390 188,271 Desv. típ. 1,5459787 13,7212037 Mínimo 2,1516 5,4051 Máximo 8,9320 54,7437 PiFreq2_5 Media 2,368645 20,221390 Mediana 2,164700 7,840400 Varianza ,987 1288,932 Desv. típ. ,9934576 35,9017015 Mínimo 1,0044 2,8836 Máximo 5,4875 163,0463 PiFreq3_7 Media 1,983350 27,586560 Mediana 1,559550 5,774550 Varianza 1,612 3892,738 Desv. típ. 1,2696231 62,3918093 Mínimo ,6391 2,0097 Máximo 6,6145 276,8304 PiFreq4_9 Media 2,423945 21,575765 Mediana 1,584750 7,251800 Varianza 7,337 922,482 Desv. típ. 2,7087537 30,3723922 Mínimo ,6859 1,6299 Máximo 12,9436 98,2816 PiFreq6_1 Media 2,514490 19,528040 Mediana 1,605500 9,077300 Varianza 5,147 1268,546 Desv. típ. 2,2686049 35,6166558 Mínimo ,7483 1,5365 Máximo 9,5858 163,3802 PiFreq7_2 Media 2,516250 17,615505 Mediana 1,876050 5,787300 Varianza 4,685 1341,420 Desv. típ. 2,1644366 36,6254042 Mínimo ,6767 1,3129 Máximo 10,0466 166,9716 PiFreq8_4 Media 2,167915 8,445140 Mediana 1,770000 4,354250 Varianza 2,893 93,286 Desv. típ. 1,7009541 9,6584851 Mínimo ,5443 1,0339 Máximo 6,9477 40,7561 PiFreq9_6 Media 1,602645 6,650285 Mediana 1,242150 3,643950 Varianza 1,395 82,408 Desv. típ. 1,1810668 9,0779122 Mínimo ,6089 ,9188 Máximo 5,7923 41,7216 PiFreq10_7 Media 1,238565 5,220535


- 273 -

Mediana 1,023900 2,484700 Varianza ,665 55,944 Desv. típ. ,8153098 7,4795564 Mínimo ,3573 ,8588 Máximo 4,1189 31,9029 PiFreq11_9 Media ,819110 4,398805 Mediana ,802100 1,592050 Varianza ,191 68,901 Desv. típ. ,4375447 8,3006804 Mínimo ,2734 ,7110 Máximo 2,2419 38,2809 PiFreq13_1 Media ,543515 3,257280 Mediana ,475750 ,965100 Varianza ,060 29,573 Desv. típ. ,2457250 5,4380955 Mínimo ,1850 ,3756 Máximo 1,1142 21,8431 PiFreq14_3 Media ,435145 2,289675 Mediana ,332550 ,671500 Varianza ,048 10,739 Desv. típ. ,2196936 3,2771096 Mínimo ,1289 ,2798 Máximo ,9623 12,7422 PiFreq15_4 Media ,312445 2,194740 Mediana ,248450 ,653950 Varianza ,023 17,304 Desv. típ. ,1526502 4,1598653 Mínimo ,0979 ,1940 Máximo ,7040 18,4186 PiFreq16_8 Media ,223480 2,004060 Mediana ,175500 ,590150 Varianza ,016 15,400 Desv. típ. ,1279739 3,9242545 Mínimo ,0754 ,1950 Máximo ,6124 16,9182 PiFreq18_2 Media ,175935 1,093995 Mediana ,157450 ,435900 Varianza ,012 2,733 Desv. típ. ,1085385 1,6532390 Mínimo ,0520 ,1614 Máximo ,5293 6,5243 PiFreq19_3 Media ,135215 1,287835 Mediana ,111900 ,329500 Varianza ,006 7,347 Desv. típ. ,0770640 2,7105705 Mínimo ,0589 ,1190 Máximo ,3862 12,0597


- 274 -

TABLA 1.5 A: Pruena s1ec. Resultados en Roll para todas las frecuencias

Prueba s1ec. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si RoFreq1_4 Media 26,972990 51,963375 Mediana 25,273350 51,214150 Varianza 548,156 570,361 Desv. típ. 23,4127341 23,8822302 Mínimo 2,8547 12,4463 Máximo 105,0857 93,6379 RoFreq2_5 Media 15,920265 31,121410 Mediana 12,520200 27,186800 Varianza 163,281 383,226 Desv. típ. 12,7781563 19,5761634 Mínimo 2,0003 4,3125 Máximo 46,4755 77,9686 RoFreq3_7 Media 12,288215 27,505900 Mediana 11,713100 24,733800 Varianza 61,092 242,129 Desv. típ. 7,8161289 15,5604794 Mínimo 1,6822 3,7929 Máximo 30,0550 70,1140 RoFreq4_9 Media 8,650685 17,727430 Mediana 8,889100 17,747300 Varianza 26,289 84,167 Desv. típ. 5,1272827 9,1742394 Mínimo 1,5603 3,1956 Máximo 21,7380 36,7486 RoFreq6_1 Media 8,300445 13,974965 Mediana 7,313150 12,576350 Varianza 29,676 57,140 Desv. típ. 5,4475630 7,5590989 Mínimo 1,1466 3,0738 Máximo 20,2924 31,2310 RoFreq7_2 Media 6,054500 12,858285 Mediana 5,510800 9,830900 Varianza 15,125 64,067 Desv. típ. 3,8891347 8,0042029 Mínimo 2,0093 2,1944 Máximo 16,5566 29,9592 RoFreq8_4 Media 4,625780 9,935225 Mediana 3,616750 8,124250 Varianza 12,135 36,960 Desv. típ. 3,4835716 6,0794908 Mínimo ,8698 1,5532 Máximo 12,3042 22,4544 RoFreq9_6 Media 3,800445 8,372645 Mediana 3,089400 6,511400 Varianza 7,933 34,686 Desv. típ. 2,8165041 5,8894802 Mínimo ,6362 1,4646 Máximo 11,2411 25,6346 RoFreq10_7 Media 3,256830 7,674415


- 275 -

Mediana 2,727650 5,243500 Varianza 7,537 29,189 Desv. típ. 2,7453075 5,4026529 Mínimo ,4325 ,8432 Máximo 11,4752 22,1943 RoFreq11_9 Media 2,864430 5,820360 Mediana 2,265500 3,882400 Varianza 4,623 22,377 Desv. típ. 2,1502166 4,7304275 Mínimo ,2868 ,9845 Máximo 7,4679 18,1946 RoFreq13_1 Media 2,002965 5,105835 Mediana 1,487400 4,118400 Varianza 2,540 16,476 Desv. típ. 1,5935875 4,0590613 Mínimo ,2565 ,7161 Máximo 6,5179 17,2761 RoFreq14_3 Media 1,543915 3,919050 Mediana ,856050 3,110150 Varianza 1,880 8,351 Desv. típ. 1,3710464 2,8897283 Mínimo ,2196 ,7412 Máximo 5,7921 12,1575 RoFreq15_4 Media 1,173505 3,305060 Mediana ,590950 2,124350 Varianza ,760 6,839 Desv. típ. ,8720051 2,6151851 Mínimo ,1936 ,4627 Máximo 2,8572 10,0557 RoFreq16_8 Media ,915165 2,576465 Mediana ,524250 1,881650 Varianza ,600 4,139 Desv. típ. ,7748293 2,0344274 Mínimo ,1612 ,3435 Máximo 2,8725 7,6613 RoFreq18_2 Media ,656545 1,773940 Mediana ,406900 1,350400 Varianza ,313 1,470 Desv. típ. ,5593124 1,2122448 Mínimo ,1156 ,2744 Máximo 1,9297 3,7583 RoFreq19_3 Media ,508040 1,642350 Mediana ,349150 1,258000 Varianza ,158 1,767 Desv. típ. ,3973707 1,3291536 Mínimo ,0676 ,1364 Máximo 1,3916 4,2627


- 276 -

TABLA 1.5 B: Prueba s1ec. Resultados en Pitch para todas las frecuencias

Prueba s1ec. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si PiFreq1_4 Media 20,438245 40,585405 Mediana 17,921850 33,705900 Varianza 520,195 406,804 Desv. típ. 22,8077919 20,1693938 Mínimo 3,2141 9,3960 Máximo 108,2336 74,9381 PiFreq2_5 Media 14,387435 30,755115 Mediana 12,882250 22,332450 Varianza 236,342 985,206 Desv. típ. 15,3734347 31,3879958 Mínimo 1,2142 3,2039 Máximo 72,8153 146,2779 PiFreq3_7 Media 15,181335 41,224630 Mediana 9,682200 24,716950 Varianza 320,011 2007,425 Desv. típ. 17,8888475 44,8042942 Mínimo 1,5683 2,7732 Máximo 81,4602 192,8636 PiFreq4_9 Media 13,121495 35,215510 Mediana 8,598900 32,178950 Varianza 122,580 660,292 Desv. típ. 11,0715886 25,6961394 Mínimo 1,6531 2,5968 Máximo 41,3298 85,1690 PiFreq6_1 Media 11,627005 31,119965 Mediana 8,558350 21,612650 Varianza 92,411 1159,169 Desv. típ. 9,6130548 34,0465663 Mínimo 1,4406 3,0113 Máximo 38,6376 153,6854 PiFreq7_2 Media 9,092115 22,491645 Mediana 8,369500 16,654650 Varianza 30,597 239,230 Desv. típ. 5,5314601 15,4670770 Mínimo 1,4196 2,7343 Máximo 22,1302 52,9983 PiFreq8_4 Media 7,905765 17,203395 Mediana 6,595600 11,721400 Varianza 29,909 188,176 Desv. típ. 5,4689165 13,7177157 Mínimo 1,1847 2,3369 Máximo 23,5500 56,0643 PiFreq9_6 Media 6,570065 11,274855 Mediana 5,567900 8,826000 Varianza 20,371 41,698 Desv. típ. 4,5133997 6,4574199 Mínimo 1,3020 1,9760 Máximo 16,7949 21,9804 PiFreq10_7 Media 5,207500 9,489265


- 277 -

Mediana 4,322900 8,052250 Varianza 17,279 32,918 Desv. típ. 4,1568533 5,7374354 Mínimo ,9773 1,0594 Máximo 15,8277 22,1063 PiFreq11_9 Media 3,431860 6,801140 Mediana 2,269000 4,804600 Varianza 10,183 25,079 Desv. típ. 3,1911367 5,0079430 Mínimo ,5964 ,7421 Máximo 13,5113 19,9116 PiFreq13_1 Media 2,551030 5,578500 Mediana 1,779900 3,509300 Varianza 6,173 21,486 Desv. típ. 2,4846343 4,6352671 Mínimo ,4680 ,4991 Máximo 9,7205 16,8728 PiFreq14_3 Media 1,844640 4,235175 Mediana 1,464100 2,976000 Varianza 3,348 9,349 Desv. típ. 1,8297518 3,0575317 Mínimo ,2985 ,5027 Máximo 8,5729 11,0305 PiFreq15_4 Media 1,518215 3,342930 Mediana 1,127600 2,340650 Varianza 2,229 7,506 Desv. típ. 1,4931130 2,7397881 Mínimo ,1724 ,4085 Máximo 6,5459 11,4747 PiFreq16_8 Media 1,063300 3,298420 Mediana ,743050 2,166100 Varianza 1,105 9,745 Desv. típ. 1,0509590 3,1216519 Mínimo ,1035 ,2629 Máximo 4,7091 12,7534 PiFreq18_2 Media ,853595 2,468720 Mediana ,609350 1,714200 Varianza ,663 5,166 Desv. típ. ,8141746 2,2729198 Mínimo ,0807 ,2041 Máximo 3,3744 7,5328 PiFreq19_3 Media ,642475 2,242065 Mediana ,460450 1,542300 Varianza ,328 4,732 Desv. típ. ,5728398 2,1752322 Mínimo ,0617 ,1758 Máximo 2,3248 9,2156


- 278 -

TABLA 1.6 A: Prueba s2eof. Resultados en Roll para todas las frecuencias

Prueba s2eof. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si RoFreq1_4 Media 1,597210 13,672645 Mediana 1,357050 10,723200 Varianza ,606 133,834 Desv. típ. ,7781598 11,5686553 Mínimo ,7329 2,8623 Máximo 4,0822 45,9455 RoFreq2_5 Media 1,070785 7,766790 Mediana 1,030400 5,548300 Varianza ,184 51,870 Desv. típ. ,4291982 7,2021108 Mínimo ,4735 1,2485 Máximo 1,9366 31,1788 RoFreq3_7 Media ,832345 5,097995 Mediana ,669300 3,098150 Varianza ,135 25,218 Desv. típ. ,3670164 5,0217434 Mínimo ,3773 1,3774 Máximo 1,4841 23,5593 RoFreq4_9 Media ,566705 3,547125 Mediana ,544500 2,177450 Varianza ,053 14,120 Desv. típ. ,2299669 3,7577061 Mínimo ,2813 ,9134 Máximo 1,0924 15,5771 RoFreq6_1 Media ,459060 3,267620 Mediana ,375900 1,628950 Varianza ,053 22,750 Desv. típ. ,2312713 4,7696685 Mínimo ,1929 ,6611 Máximo ,9664 21,8932 RoFreq7_2 Media ,454665 2,604355 Mediana ,342200 1,271300 Varianza ,077 11,627 Desv. típ. ,2780629 3,4098442 Mínimo ,1788 ,4996 Máximo 1,2018 14,8617 RoFreq8_4 Media ,436140 2,055500 Mediana ,338150 1,334800 Varianza ,081 3,107 Desv. típ. ,2838341 1,7626393 Mínimo ,1659 ,4173 Máximo 1,1063 7,0820 RoFreq9_6 Media ,356780 1,586535 Mediana ,268000 1,195350 Varianza ,062 1,506 Desv. típ. ,2493355 1,2273208 Mínimo ,1599 ,2952 Máximo ,9877 4,2643 RoFreq10_7 Media ,244370 1,107490


- 279 -

Mediana ,209650 ,820100 Varianza ,015 1,092 Desv. típ. ,1215442 1,0448318 Mínimo ,1336 ,1949 Máximo ,5957 4,5220 RoFreq11_9 Media ,182375 ,829415 Mediana ,158400 ,468300 Varianza ,008 ,847 Desv. típ. ,0892651 ,9200726 Mínimo ,0696 ,1725 Máximo ,4814 3,8246 RoFreq13_1 Media ,133645 ,646230 Mediana ,122150 ,386100 Varianza ,003 ,641 Desv. típ. ,0585748 ,8007402 Mínimo ,0527 ,1028 Máximo ,3033 3,4338 RoFreq14_3 Media ,101050 ,517260 Mediana ,087100 ,307350 Varianza ,002 ,529 Desv. típ. ,0452086 ,7275015 Mínimo ,0513 ,0943 Máximo ,2123 2,9840 RoFreq15_4 Media ,077175 ,403020 Mediana ,072400 ,215150 Varianza ,001 ,397 Desv. típ. ,0261399 ,6300288 Mínimo ,0386 ,0744 Máximo ,1518 2,7894 RoFreq16_8 Media ,060880 ,337465 Mediana ,059350 ,149450 Varianza ,000 ,379 Desv. típ. ,0207839 ,6158995 Mínimo ,0329 ,0540 Máximo ,1122 2,7121 RoFreq18_2 Media ,048305 ,297235 Mediana ,046800 ,122800 Varianza ,000 ,420 Desv. típ. ,0179759 ,6479388 Mínimo ,0248 ,0439 Máximo ,0896 2,9170 RoFreq19_3 Media ,041690 ,237580 Mediana ,038900 ,095300 Varianza ,000 ,242 Desv. típ. ,0119896 ,4916324 Mínimo ,0260 ,0376 Máximo ,0690 2,1454


- 280 -

TABLA 1.6 B: Prueba s2eof. Resultados en Pitch para todas las frecuencias

Prueba s2eof. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si PiFreq1_4 Media 1,846390 18,121535 Mediana 1,717950 12,601650 Varianza ,425 354,372 Desv. típ. ,6515542 18,8247679 Mínimo ,9865 1,4301 Máximo 3,5147 80,7316 PiFreq2_5 Media 1,193780 8,323415 Mediana 1,065950 5,056500 Varianza ,141 59,154 Desv. típ. ,3759254 7,6911871 Mínimo ,7176 1,4051 Máximo 1,9289 27,4686 PiFreq3_7 Media ,774020 7,673290 Mediana ,758300 3,980700 Varianza ,051 99,525 Desv. típ. ,2249270 9,9762168 Mínimo ,4293 1,3523 Máximo 1,2305 42,1289 PiFreq4_9 Media ,651475 8,528035 Mediana ,557250 3,099600 Varianza ,101 217,842 Desv. típ. ,3183655 14,7594881 Mínimo ,2806 ,8506 Máximo 1,7346 51,3411 PiFreq6_1 Media ,577485 7,344400 Mediana ,489100 2,103700 Varianza ,108 149,611 Desv. típ. ,3281121 12,2315734 Mínimo ,2555 ,7152 Máximo 1,6948 43,0266 PiFreq7_2 Media ,605380 4,533945 Mediana ,468750 1,928650 Varianza ,150 38,433 Desv. típ. ,3872732 6,1994070 Mínimo ,2421 ,6506 Máximo 1,7147 25,2324 PiFreq8_4 Media ,711910 3,515545 Mediana ,460800 2,231200 Varianza ,383 14,643 Desv. típ. ,6187658 3,8265649 Mínimo ,3200 ,6488 Máximo 2,8935 17,2013 PiFreq9_6 Media ,556845 2,525375 Mediana ,423200 1,502250 Varianza ,156 8,767 Desv. típ. ,3954697 2,9608280 Mínimo ,2316 ,5638 Máximo 1,7646 11,5715 PiFreq10_7 Media ,386245 2,079350


- 281 -

Mediana ,322050 1,280350 Varianza ,048 6,979 Desv. típ. ,2200347 2,6417206 Mínimo ,1485 ,3300 Máximo 1,0401 11,0644 PiFreq11_9 Media ,284665 1,515270 Mediana ,267200 ,793850 Varianza ,013 5,005 Desv. típ. ,1138970 2,2372941 Mínimo ,1294 ,2112 Máximo ,5539 8,3297 PiFreq13_1 Media ,232335 1,058270 Mediana ,200900 ,556000 Varianza ,018 2,281 Desv. típ. ,1354833 1,5102978 Mínimo ,0889 ,1620 Máximo ,6501 6,5744 PiFreq14_3 Media ,165070 ,690615 Mediana ,133100 ,379600 Varianza ,006 1,040 Desv. típ. ,0743765 1,0196175 Mínimo ,0941 ,1317 Máximo ,3677 4,3769 PiFreq15_4 Media ,115365 ,570845 Mediana ,116050 ,273750 Varianza ,002 ,812 Desv. típ. ,0460768 ,9008627 Mínimo ,0513 ,1055 Máximo ,2252 3,6808 PiFreq16_8 Media ,087215 ,504660 Mediana ,085300 ,187300 Varianza ,001 ,858 Desv. típ. ,0285868 ,9263576 Mínimo ,0468 ,0801 Máximo ,1699 3,5722 PiFreq18_2 Media ,065970 ,351915 Mediana ,062500 ,159650 Varianza ,000 ,347 Desv. típ. ,0202639 ,5893801 Mínimo ,0370 ,0680 Máximo ,1204 2,3411 PiFreq19_3 Media ,055625 ,238400 Mediana ,059450 ,122000 Varianza ,000 ,100 Desv. típ. ,0157015 ,3155221 Mínimo ,0283 ,0648 Máximo ,0881 1,2085


- 282 -

TABLA 1.7 A: Prueba s2ecf. Resultados en Roll para todas las frecuencias

Prueba s2ecf. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si RoFreq1_4 Media 2,060200 18,769140 Mediana 2,103150 9,205800 Varianza 1,107 358,685 Desv. típ. 1,0523064 18,9389876 Mínimo ,5576 2,2716 Máximo 4,7887 64,9799 RoFreq2_5 Media 1,364775 12,287180 Mediana 1,296600 6,318100 Varianza ,386 169,075 Desv. típ. ,6216440 13,0028801 Mínimo ,4265 1,0658 Máximo 2,5961 45,5104 RoFreq3_7 Media 1,077660 9,232795 Mediana ,946150 4,670800 Varianza ,339 158,028 Desv. típ. ,5825784 12,5709115 Mínimo ,2974 ,9597 Máximo 2,4214 57,2239 RoFreq4_9 Media ,716390 5,791010 Mediana ,560350 2,823500 Varianza ,143 52,854 Desv. típ. ,3783830 7,2700970 Mínimo ,2688 ,8236 Máximo 1,4374 31,0399 RoFreq6_1 Media ,609030 4,220915 Mediana ,497650 2,176600 Varianza ,152 24,800 Desv. típ. ,3900580 4,9799282 Mínimo ,2256 ,6012 Máximo 1,7159 21,6410 RoFreq7_2 Media ,600260 4,298105 Mediana ,491650 2,375300 Varianza ,183 33,885 Desv. típ. ,4281259 5,8210585 Mínimo ,2282 ,5628 Máximo 1,7448 25,5954 RoFreq8_4 Media ,524835 2,997930 Mediana ,432550 2,032200 Varianza ,119 10,350 Desv. típ. ,3453427 3,2170767 Mínimo ,1759 ,4406 Máximo 1,4876 14,0170 RoFreq9_6 Media ,444025 2,356330 Mediana ,373950 1,422500 Varianza ,137 5,578 Desv. típ. ,3706920 2,3618363 Mínimo ,1515 ,3459 Máximo 1,8300 9,6922 RoFreq10_7 Media ,302465 1,752870


- 283 -

Mediana ,284000 ,868450 Varianza ,023 3,118 Desv. típ. ,1508888 1,7659155 Mínimo ,1423 ,2325 Máximo ,6469 5,3756 RoFreq11_9 Media ,214435 1,457475 Mediana ,198300 ,674350 Varianza ,010 3,569 Desv. típ. ,1004373 1,8891187 Mínimo ,0968 ,1210 Máximo ,4646 7,4832 RoFreq13_1 Media ,170290 1,078695 Mediana ,134100 ,460400 Varianza ,011 2,399 Desv. típ. ,1043473 1,5489712 Mínimo ,0836 ,0910 Máximo ,4377 6,5810 RoFreq14_3 Media ,135505 ,879235 Mediana ,108100 ,348500 Varianza ,008 1,456 Desv. típ. ,0889872 1,2066589 Mínimo ,0412 ,0711 Máximo ,4471 4,1166 RoFreq15_4 Media ,102760 ,652005 Mediana ,086500 ,260250 Varianza ,003 ,778 Desv. típ. ,0522561 ,8819847 Mínimo ,0391 ,0926 Máximo ,2322 3,5548 RoFreq16_8 Media ,075070 ,569030 Mediana ,072850 ,182200 Varianza ,001 ,871 Desv. típ. ,0283587 ,9332235 Mínimo ,0299 ,0775 Máximo ,1328 3,6089 RoFreq18_2 Media ,054450 ,347470 Mediana ,051700 ,131500 Varianza ,000 ,245 Desv. típ. ,0178509 ,4953989 Mínimo ,0228 ,0521 Máximo ,0962 1,7168 RoFreq19_3 Media ,044345 ,274210 Mediana ,043100 ,120350 Varianza ,000 ,139 Desv. típ. ,0109231 ,3731658 Mínimo ,0280 ,0364 Máximo ,0623 1,2685


- 284 -

TABLA 1.7 B: Prueba s2ecf. Resultados en Pitch para todas las frecuencias

Prueba s2ecf. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si PiFreq1_4 Media 2,350200 23,980505 Mediana 2,194050 14,184400 Varianza ,978 589,126 Desv. típ. ,9888712 24,2719086 Mínimo ,9562 1,7364 Máximo 4,2606 93,7628 PiFreq2_5 Media 1,507880 16,790470 Mediana 1,383800 7,797300 Varianza ,433 638,970 Desv. típ. ,6581671 25,2778533 Mínimo ,6221 1,1502 Máximo 3,0422 110,2210 PiFreq3_7 Media 1,059045 19,872900 Mediana ,973600 5,625700 Varianza ,154 2651,392 Desv. típ. ,3921147 51,4916702 Mínimo ,4493 ,8213 Máximo 1,8578 234,3443 PiFreq4_9 Media ,869645 12,917270 Mediana ,854300 4,973950 Varianza ,265 865,013 Desv. típ. ,5147925 29,4111031 Mínimo ,2597 1,0160 Máximo 2,2249 134,0712 PiFreq6_1 Media ,845975 6,873275 Mediana ,611600 3,542800 Varianza ,416 51,178 Desv. típ. ,6446497 7,1538773 Mínimo ,2724 ,6797 Máximo 3,0601 25,2880 PiFreq7_2 Media ,878555 7,916170 Mediana ,620950 3,292150 Varianza ,728 136,143 Desv. típ. ,8534351 11,6680227 Mínimo ,2504 ,5645 Máximo 3,9038 49,7410 PiFreq8_4 Media ,976960 5,662945 Mediana ,669450 2,789600 Varianza 1,065 72,723 Desv. típ. 1,0319304 8,5277639 Mínimo ,2824 ,5319 Máximo 4,8126 39,2974 PiFreq9_6 Media ,818080 4,325090 Mediana ,483800 2,155150 Varianza ,822 23,961 Desv. típ. ,9065428 4,8950162 Mínimo ,2026 ,4608 Máximo 4,1801 17,9404 PiFreq10_7 Media ,496115 3,703610


- 285 -

Mediana ,418850 1,542150 Varianza ,124 35,196 Desv. típ. ,3516567 5,9325822 Mínimo ,1689 ,3268 Máximo 1,5642 26,3331 PiFreq11_9 Media ,363015 2,105165 Mediana ,276400 ,794450 Varianza ,058 8,345 Desv. típ. ,2408245 2,8888007 Mínimo ,1502 ,2175 Máximo 1,0921 11,4402 PiFreq13_1 Media ,274900 1,870675 Mediana ,214300 ,622750 Varianza ,033 12,987 Desv. típ. ,1807047 3,6038122 Mínimo ,1126 ,1934 Máximo ,8285 16,0304 PiFreq14_3 Media ,190665 1,589950 Mediana ,154750 ,424250 Varianza ,012 13,395 Desv. típ. ,1093174 3,6598934 Mínimo ,0919 ,1389 Máximo ,4648 16,6150 PiFreq15_4 Media ,133745 1,001915 Mediana ,117550 ,317800 Varianza ,005 3,201 Desv. típ. ,0677346 1,7892436 Mínimo ,0599 ,1152 Máximo ,3074 7,8385 PiFreq16_8 Media ,099180 ,967170 Mediana ,086750 ,234150 Varianza ,002 4,480 Desv. típ. ,0492067 2,1166475 Mínimo ,0490 ,0910 Máximo ,2365 9,4413 PiFreq18_2 Media ,079205 ,757445 Mediana ,069750 ,187850 Varianza ,002 3,523 Desv. típ. ,0467437 1,8770782 Mínimo ,0363 ,0655 Máximo ,2424 8,5564 PiFreq19_3 Media ,062910 ,557715 Mediana ,057550 ,164050 Varianza ,001 1,395 Desv. típ. ,0290874 1,1810536 Mínimo ,0330 ,0485 Máximo ,1638 5,3317


- 286 -

TABLA 1.8 A: Prueba s1eof. Resultados en Roll para todas las frecuencias

Prueba s1eof. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si RoFreq1_4 Media 8,666385 34,963715 Mediana 4,636700 29,261450 Varianza 72,750 761,401 Desv. típ. 8,5293363 27,5934994 Mínimo 2,4350 4,0289 Máximo 35,7866 101,0070 RoFreq2_5 Media 6,146090 19,107410 Mediana 5,041700 16,201900 Varianza 19,168 150,030 Desv. típ. 4,3780989 12,2486741 Mínimo 2,3771 4,9668 Máximo 20,7638 48,8071 RoFreq3_7 Media 4,908410 17,982415 Mediana 4,314300 13,837550 Varianza 4,962 335,681 Desv. típ. 2,2274682 18,3215899 Mínimo 2,1571 3,9298 Máximo 10,7582 89,7994 RoFreq4_9 Media 3,617340 12,733255 Mediana 3,584450 9,337600 Varianza 2,043 171,766 Desv. típ. 1,4291758 13,1059575 Mínimo 1,3809 2,5219 Máximo 6,6183 63,6866 RoFreq6_1 Media 3,151830 8,274415 Mediana 3,180350 7,943800 Varianza 2,360 17,818 Desv. típ. 1,5363416 4,2210803 Mínimo ,8939 2,0508 Máximo 6,1293 17,7718 RoFreq7_2 Media 2,330150 6,892610 Mediana 2,079900 5,182050 Varianza 1,286 62,204 Desv. típ. 1,1341799 7,8869256 Mínimo ,9760 1,0428 Máximo 5,7390 38,5954 RoFreq8_4 Media 1,613640 4,934865 Mediana 1,330500 3,636200 Varianza ,525 36,146 Desv. típ. ,7248047 6,0121182 Mínimo ,6970 ,7531 Máximo 3,0936 29,3836 RoFreq9_6 Media 1,254250 4,104285 Mediana 1,115300 2,874500 Varianza ,401 10,955 Desv. típ. ,6333579 3,3097945 Mínimo ,5263 ,5780 Máximo 2,6010 13,6263 RoFreq10_7 Media 1,043425 3,664695


- 287 -

Mediana ,919450 2,746500 Varianza ,294 11,951 Desv. típ. ,5421101 3,4570220 Mínimo ,3985 ,5299 Máximo 2,2347 14,0891 RoFreq11_9 Media ,758700 2,246900 Mediana ,717450 1,814550 Varianza ,148 3,417 Desv. típ. ,3842619 1,8484613 Mínimo ,2855 ,4930 Máximo 1,6001 8,0215 RoFreq13_1 Media ,541460 2,079580 Mediana ,469800 1,256650 Varianza ,081 5,733 Desv. típ. ,2854049 2,3944255 Mínimo ,2460 ,3541 Máximo 1,1223 10,3251 RoFreq14_3 Media ,410615 1,761000 Mediana ,385350 ,980900 Varianza ,040 5,636 Desv. típ. ,1999630 2,3739794 Mínimo ,1504 ,2445 Máximo ,8375 10,6535 RoFreq15_4 Media ,328895 1,349360 Mediana ,278850 ,736650 Varianza ,038 2,488 Desv. típ. ,1949906 1,5771934 Mínimo ,1294 ,2188 Máximo ,9007 6,6984 RoFreq16_8 Media ,239610 1,120780 Mediana ,217850 ,566500 Varianza ,012 3,197 Desv. típ. ,1113527 1,7881178 Mínimo ,0812 ,1762 Máximo ,5235 8,2526 RoFreq18_2 Media ,194400 1,110740 Mediana ,171450 ,433500 Varianza ,010 4,154 Desv. típ. ,1007570 2,0382282 Mínimo ,0683 ,1297 Máximo ,4461 9,3849 RoFreq19_3 Media ,143735 ,735015 Mediana ,124350 ,364500 Varianza ,007 1,376 Desv. típ. ,0821794 1,1730945 Mínimo ,0453 ,1009 Máximo ,3579 5,4636


- 288 -

TABLA 1.8 B: Prueba s1eof. Resultados en Pitch para todas las frecuencias

Prueba s1eof. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si PiFreq1_4 Media 7,062580 27,055705 Mediana 4,732750 17,274100 Varianza 77,074 782,962 Desv. típ. 8,7792011 27,9814528 Mínimo 2,1687 5,5835 Máximo 43,4945 118,9257 PiFreq2_5 Media 4,277075 21,838825 Mediana 3,280750 12,258150 Varianza 9,946 1065,126 Desv. típ. 3,1537140 32,6362738 Mínimo 1,2220 2,4665 Máximo 15,1898 146,6881 PiFreq3_7 Media 3,785740 26,715065 Mediana 2,754050 11,694550 Varianza 5,283 3116,205 Desv. típ. 2,2985262 55,8229802 Mínimo ,9620 2,2154 Máximo 8,6470 259,7585 PiFreq4_9 Media 3,931065 22,319865 Mediana 2,768850 7,829200 Varianza 7,609 2530,692 Desv. típ. 2,7584500 50,3059832 Mínimo 1,0684 1,9110 Máximo 9,4755 232,2532 PiFreq6_1 Media 4,047570 18,402585 Mediana 2,701250 9,862950 Varianza 10,578 862,934 Desv. típ. 3,2523311 29,3757371 Mínimo ,8816 1,1213 Máximo 12,9292 135,5505 PiFreq7_2 Media 3,192860 13,156475 Mediana 2,249000 7,203100 Varianza 5,338 271,636 Desv. típ. 2,3103871 16,4813789 Mínimo 1,1246 1,1540 Máximo 10,3747 69,6273 PiFreq8_4 Media 2,770850 12,246275 Mediana 2,012750 5,509000 Varianza 2,719 344,422 Desv. típ. 1,6490822 18,5586198 Mínimo 1,0668 ,9018 Máximo 5,9536 82,7246 PiFreq9_6 Media 2,201385 7,392075 Mediana 1,462500 4,747750 Varianza 1,825 55,408 Desv. típ. 1,3510052 7,4436529 Mínimo ,8030 1,2630 Máximo 5,3613 27,3132 PiFreq10_7 Media 1,651205 6,602790


- 289 -

Mediana 1,330750 3,407850 Varianza ,993 95,136 Desv. típ. ,9964387 9,7537492 Mínimo ,6362 ,9780 Máximo 4,6012 42,9009 PiFreq11_9 Media 1,203600 5,950120 Mediana 1,060800 2,345950 Varianza ,511 152,707 Desv. típ. ,7150725 12,3574499 Mínimo ,4891 ,8365 Máximo 3,1757 55,7232 PiFreq13_1 Media ,804240 3,543680 Mediana ,807300 1,691500 Varianza ,133 36,363 Desv. típ. ,3640341 6,0301551 Mínimo ,3035 ,5475 Máximo 1,7699 24,6837 PiFreq14_3 Media ,561480 2,229010 Mediana ,564700 1,037500 Varianza ,053 11,930 Desv. típ. ,2297305 3,4539915 Mínimo ,2333 ,3892 Máximo ,9293 12,9545 PiFreq15_4 Media ,435190 1,963165 Mediana ,355550 ,877500 Varianza ,070 12,257 Desv. típ. ,2649298 3,5009543 Mínimo ,1564 ,2618 Máximo 1,1257 14,5846 PiFreq16_8 Media ,333770 1,532615 Mediana ,231450 ,561400 Varianza ,041 5,850 Desv. típ. ,2020291 2,4186825 Mínimo ,1217 ,2076 Máximo ,7844 9,8842 PiFreq18_2 Media ,265375 1,018325 Mediana ,196100 ,395400 Varianza ,029 1,536 Desv. típ. ,1696767 1,2394180 Mínimo ,0913 ,1150 Máximo ,5876 4,3448 PiFreq19_3 Media ,190955 ,810145 Mediana ,157150 ,309900 Varianza ,012 1,157 Desv. típ. ,1089122 1,0758124 Mínimo ,0935 ,0999 Máximo ,4660 4,5946


- 290 -

TABLA 1.9 A: Prueba Cone. Resultados en Roll para todas las frecuencias

Prueba Cone. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si RoFreq1_4 Media 6,055360 13,344445 Mediana 5,802900 7,202950 Varianza 4,836 213,497 Desv. típ. 2,1991574 14,6115340 Mínimo 2,7167 2,2665 Máximo 12,0514 61,2901 RoFreq2_5 Media 2,946340 8,197705 Mediana 2,593500 4,531100 Varianza ,927 83,724 Desv. típ. ,9628157 9,1500550 Mínimo 1,9090 1,6854 Máximo 5,5280 39,9003 RoFreq3_7 Media 1,868820 5,514705 Mediana 1,825300 2,451200 Varianza ,252 43,255 Desv. típ. ,5024531 6,5768172 Mínimo ,9258 1,2093 Máximo 2,8343 28,5317 RoFreq4_9 Media 1,240075 4,146425 Mediana 1,204050 1,920550 Varianza ,235 20,737 Desv. típ. ,4845266 4,5537582 Mínimo ,4077 ,7751 Máximo 2,2604 15,3575 RoFreq6_1 Media 1,041800 2,996070 Mediana ,857400 1,417000 Varianza ,263 9,849 Desv. típ. ,5131429 3,1383718 Mínimo ,4367 ,5988 Máximo 2,0026 10,7921 RoFreq7_2 Media ,907830 2,584285 Mediana ,773000 1,018000 Varianza ,233 7,383 Desv. típ. ,4828857 2,7170990 Mínimo ,3584 ,6621 Máximo 2,3459 9,1372 RoFreq8_4 Media ,820335 2,132305 Mediana ,642850 1,006250 Varianza ,302 4,883 Desv. típ. ,5493408 2,2098487 Mínimo ,2920 ,4332 Máximo 2,7465 8,6876 RoFreq9_6 Media ,638745 1,723315 Mediana ,525600 ,706750 Varianza ,251 4,353 Desv. típ. ,5007571 2,0864091 Mínimo ,1963 ,2921 Máximo 2,5719 9,3768 RoFreq10_7 Media ,442775 1,288300


- 291 -

Mediana ,420000 ,556750 Varianza ,050 2,305 Desv. típ. ,2230509 1,5183552 Mínimo ,1902 ,2427 Máximo 1,1394 6,5109 RoFreq11_9 Media ,331115 ,944510 Mediana ,315900 ,490150 Varianza ,023 1,251 Desv. típ. ,1527445 1,1184281 Mínimo ,1409 ,2159 Máximo ,8330 4,8963 RoFreq13_1 Media ,246455 ,858150 Mediana ,217850 ,372800 Varianza ,016 1,488 Desv. típ. ,1252874 1,2199557 Mínimo ,1188 ,1540 Máximo ,7072 5,3575 RoFreq14_3 Media ,197090 ,697200 Mediana ,175100 ,221300 Varianza ,009 1,076 Desv. típ. ,0925789 1,0373300 Mínimo ,0786 ,1123 Máximo ,5124 4,5162 RoFreq15_4 Media ,170875 ,448760 Mediana ,146550 ,169650 Varianza ,008 ,285 Desv. típ. ,0918296 ,5342223 Mínimo ,0530 ,0902 Máximo ,4439 1,9412 RoFreq16_8 Media ,132660 ,351430 Mediana ,116950 ,136850 Varianza ,004 ,193 Desv. típ. ,0656804 ,4393888 Mínimo ,0527 ,0843 Máximo ,3435 1,7989 RoFreq18_2 Media ,120640 ,283870 Mediana ,098550 ,089250 Varianza ,006 ,128 Desv. típ. ,0762444 ,3572008 Mínimo ,0409 ,0597 Máximo ,3282 1,4299 RoFreq19_3 Media ,100685 ,254310 Mediana ,082800 ,085900 Varianza ,004 ,118 Desv. típ. ,0594780 ,3435152 Mínimo ,0353 ,0401 Máximo ,2603 1,4327


- 292 -

TABLA 1.9 B: Prueba Cone. Resultados en Pitch para todas las frecuencias

Prueba Cone. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si PiFreq1_4 Media 10,568795 18,275725 Mediana 7,505900 10,221150 Varianza 67,963 328,806 Desv. típ. 8,2439518 18,1330191 Mínimo 5,1365 2,3589 Máximo 41,3041 81,4979 PiFreq2_5 Media 3,624425 8,399055 Mediana 3,306200 4,893350 Varianza 1,626 81,698 Desv. típ. 1,2752012 9,0387074 Mínimo 2,1121 2,2470 Máximo 6,8728 41,8196 PiFreq3_7 Media 2,245490 10,477420 Mediana 1,887700 3,194050 Varianza 1,076 568,539 Desv. típ. 1,0372765 23,8440502 Mínimo 1,0416 1,0383 Máximo 5,1951 108,1894 PiFreq4_9 Media 1,985655 9,125165 Mediana 1,843100 2,599650 Varianza 1,257 398,750 Desv. típ. 1,1213465 19,9687220 Mínimo ,8064 1,1643 Máximo 4,8220 89,8837 PiFreq6_1 Media 1,758475 7,536800 Mediana 1,413800 2,226550 Varianza 1,469 198,637 Desv. típ. 1,2118955 14,0938630 Mínimo ,5814 ,7004 Máximo 5,7042 62,3965 PiFreq7_2 Media 1,633190 6,425600 Mediana 1,221900 2,393200 Varianza 1,980 95,613 Desv. típ. 1,4069874 9,7781971 Mínimo ,5846 1,2206 Máximo 6,9265 38,4320 PiFreq8_4 Media 1,719095 4,511070 Mediana 1,377400 1,616650 Varianza 1,777 25,126 Desv. típ. 1,3328685 5,0126094 Mínimo ,4822 ,6593 Máximo 6,4785 17,0815 PiFreq9_6 Media 1,271200 4,055810 Mediana ,999900 1,373350 Varianza ,764 31,713 Desv. típ. ,8739626 5,6314268 Mínimo ,4131 ,6199 Máximo 4,1366 24,4817 PiFreq10_7 Media ,857340 2,740985


- 293 -

Mediana ,748050 ,952150 Varianza ,276 20,455 Desv. típ. ,5254884 4,5227057 Mínimo ,2707 ,3346 Máximo 2,2055 19,9829 PiFreq11_9 Media ,607655 1,775090 Mediana ,494550 ,635200 Varianza ,117 8,018 Desv. típ. ,3419352 2,8316230 Mínimo ,1820 ,3027 Máximo 1,2504 12,5698 PiFreq13_1 Media ,426735 1,223330 Mediana ,365900 ,513700 Varianza ,039 2,762 Desv. típ. ,1963517 1,6620055 Mínimo ,1366 ,1952 Máximo ,7681 7,1366 PiFreq14_3 Media ,327705 ,965630 Mediana ,282900 ,355300 Varianza ,027 2,050 Desv. típ. ,1653369 1,4317992 Mínimo ,1233 ,1396 Máximo ,7866 6,3180 PiFreq15_4 Media ,261840 ,735350 Mediana ,237150 ,248500 Varianza ,023 1,114 Desv. típ. ,1516265 1,0556614 Mínimo ,0952 ,1375 Máximo ,7600 4,2518 PiFreq16_8 Media ,196215 ,549890 Mediana ,170400 ,177950 Varianza ,011 ,595 Desv. típ. ,1027129 ,7714973 Mínimo ,0812 ,0929 Máximo ,4525 2,9285 PiFreq18_2 Media ,151985 ,448955 Mediana ,123450 ,150400 Varianza ,009 ,425 Desv. típ. ,0930306 ,6518633 Mínimo ,0402 ,0729 Máximo ,4293 2,3583 PiFreq19_3 Media ,120315 ,339835 Mediana ,105450 ,122400 Varianza ,005 ,203 Desv. típ. ,0733534 ,4502927 Mínimo ,0442 ,0580 Máximo ,3159 1,5281


- 294 -

TABLA 1.10 A: Prueba w3mrh. Resultados en Roll para todas las frecuencias

Prueba w3mrh. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si RoFreq1_4 Media 23,233280 31,006255 Mediana 21,970750 30,492650 Varianza 71,950 84,981 Desv. típ. 8,4823429 9,2185001 Mínimo 7,8336 16,3441 Máximo 41,5759 46,4657 RoFreq2_5 Media 50,117610 37,715040 Mediana 45,913650 37,090400 Varianza 393,349 127,809 Desv. típ. 19,8330274 11,3052793 Mínimo 22,0299 17,1077 Máximo 92,1455 59,5756 RoFreq3_7 Media 15,534570 19,373755 Mediana 13,583400 18,614650 Varianza 43,244 90,031 Desv. típ. 6,5759977 9,4884812 Mínimo 6,4483 8,3257 Máximo 27,6872 48,1244 RoFreq4_9 Media 12,438730 15,934150 Mediana 11,004200 14,647600 Varianza 49,383 40,235 Desv. típ. 7,0272712 6,3431458 Mínimo 3,7283 5,7987 Máximo 33,2068 32,3744 RoFreq6_1 Media 11,632355 15,548930 Mediana 11,041000 14,297050 Varianza 9,716 144,377 Desv. típ. 3,1171079 12,0156780 Mínimo 7,7285 5,0842 Máximo 19,8143 62,8754 RoFreq7_2 Media 10,750920 12,071905 Mediana 9,357100 9,706900 Varianza 21,270 78,275 Desv. típ. 4,6118948 8,8473163 Mínimo 5,2902 4,3420 Máximo 20,9028 45,2735 RoFreq8_4 Media 6,758885 7,837680 Mediana 6,379300 7,445800 Varianza 13,711 11,774 Desv. típ. 3,7028927 3,4313733 Mínimo 2,8501 2,7424 Máximo 17,3780 15,1525 RoFreq9_6 Media 4,673640 6,159365 Mediana 4,296250 5,761550 Varianza 5,021 8,130 Desv. típ. 2,2407479 2,8512912 Mínimo 2,2531 2,2124 Máximo 9,1370 14,6252 RoFreq10_7 Media 3,901305 4,815735


- 295 -

Mediana 3,392850 4,037100 Varianza 2,665 9,527 Desv. típ. 1,6325173 3,0866006 Mínimo 2,3135 1,0355 Máximo 9,4782 11,8830 RoFreq11_9 Media 2,992680 3,847395 Mediana 2,594350 3,381750 Varianza 1,380 4,977 Desv. típ. 1,1747729 2,2310016 Mínimo 1,5683 1,3217 Máximo 6,3746 9,1432 RoFreq13_1 Media 2,447585 3,248555 Mediana 2,587050 3,107100 Varianza ,938 3,081 Desv. típ. ,9685021 1,7552408 Mínimo 1,2414 1,1186 Máximo 5,1497 8,3152 RoFreq14_3 Media 1,748415 2,602885 Mediana 1,616550 2,011000 Varianza ,710 3,157 Desv. típ. ,8424881 1,7766571 Mínimo ,8525 1,1891 Máximo 4,4667 8,3375 RoFreq15_4 Media 1,388275 2,129475 Mediana 1,181650 1,574250 Varianza ,867 3,172 Desv. típ. ,9311646 1,7810920 Mínimo ,5040 ,7492 Máximo 4,6919 7,6068 RoFreq16_8 Media 1,296950 1,503895 Mediana 1,097850 1,159400 Varianza 1,128 1,041 Desv. típ. 1,0620355 1,0203305 Mínimo ,3262 ,6126 Máximo 5,1175 4,2621 RoFreq18_2 Media ,938095 1,155250 Mediana ,706850 ,852050 Varianza ,651 ,949 Desv. típ. ,8070772 ,9743487 Mínimo ,2190 ,4135 Máximo 4,0797 4,6717 RoFreq19_3 Media ,895750 1,226385 Mediana ,744600 ,674750 Varianza ,570 4,071 Desv. típ. ,7552197 2,0175790 Mínimo ,2413 ,1582 Máximo 3,7235 9,5585


- 296 -

TABLA 1.10 B: Prueba w3mrh. Resultados en Pitch para todas las frecuencias

Prueba w3mrh. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador



- 297 -

Mediana 5,253700 5,573750 Varianza 7,590 13,218 Desv. típ. 2,7550122 3,6355987 Mínimo 2,4610 2,6848 Máximo 14,3217 16,0731 PiFreq11_9 Media 4,037955 4,711190 Mediana 3,504450 4,184600 Varianza 3,103 8,094 Desv. típ. 1,7615900 2,8450777 Mínimo 1,7689 2,3935 Máximo 9,6760 15,0193 PiFreq13_1 Media 2,859860 3,345940 Mediana 2,637300 2,716200 Varianza 1,394 7,143 Desv. típ. 1,1807137 2,6726507 Mínimo 1,4538 ,8100 Máximo 6,0818 13,8692 PiFreq14_3 Media 2,360425 2,608620 Mediana 2,267150 2,192100 Varianza 1,149 1,658 Desv. típ. 1,0719743 1,2877397 Mínimo 1,0592 1,3892 Máximo 4,6493 6,7556 PiFreq15_4 Media 1,727400 1,916685 Mediana 1,476100 1,770350 Varianza 1,050 ,857 Desv. típ. 1,0247800 ,9254891 Mínimo ,3298 ,8265 Máximo 5,2516 3,9773 PiFreq16_8 Media 1,584365 1,707695 Mediana 1,366000 1,314800 Varianza 1,585 1,126 Desv. típ. 1,2590805 1,0612589 Mínimo ,6897 ,6860 Máximo 6,5718 4,3843 PiFreq18_2 Media 1,285000 1,494185 Mediana 1,096900 1,139250 Varianza ,914 1,078 Desv. típ. ,9560550 1,0382388 Mínimo ,3781 ,5418 Máximo 4,8772 4,2289 PiFreq19_3 Media 1,093735 1,107920 Mediana ,993700 ,799950 Varianza ,244 ,560 Desv. típ. ,4939377 ,7483193 Mínimo ,5196 ,5104 Máximo 2,6486 3,4812


- 298 -

TABLA 1.11 A: Prueba w3mph. Resultados en Roll para todas las frecuencias

Prueba w3mph. Resultados en Roll para todas las frecuencias

Estadístico

Simulador



- 299 -

Mediana 3,910600 4,742700 Varianza 5,665 2,633 Desv. típ. 2,3802034 1,6226329 Mínimo 1,9386 2,0432 Máximo 11,0659 7,4894 RoFreq11_9 Media 3,767800 3,808870 Mediana 3,558500 3,660750 Varianza 2,244 2,508 Desv. típ. 1,4980626 1,5838179 Mínimo 1,6249 1,5930 Máximo 7,4483 6,5419 RoFreq13_1 Media 2,761405 2,806070 Mediana 2,116250 2,731400 Varianza 5,085 1,127 Desv. típ. 2,2550742 1,0616315 Mínimo ,3771 ,9884 Máximo 10,4700 5,6085 RoFreq14_3 Media 2,459830 2,301845 Mediana 1,848400 2,056950 Varianza 6,231 1,104 Desv. típ. 2,4961037 1,0506576 Mínimo ,3856 ,9741 Máximo 12,3519 4,6656 RoFreq15_4 Media 1,739425 1,894050 Mediana 1,234700 1,724050 Varianza 1,658 ,556 Desv. típ. 1,2875446 ,7459464 Mínimo ,7064 1,0066 Máximo 6,1920 3,6018 RoFreq16_8 Media 1,288150 1,429180 Mediana ,966150 1,350200 Varianza ,689 ,319 Desv. típ. ,8298038 ,5645438 Mínimo ,5828 ,5804 Máximo 3,7101 2,8103 RoFreq18_2 Media 1,155270 1,047415 Mediana 1,129850 1,034550 Varianza ,457 ,104 Desv. típ. ,6757547 ,3227924 Mínimo ,4056 ,5899 Máximo 3,5204 1,7344 RoFreq19_3 Media ,903415 ,933930 Mediana ,962050 ,862000 Varianza ,197 ,170 Desv. típ. ,4442865 ,4119718 Mínimo ,2409 ,2603 Máximo 1,7311 1,9117


- 300 -

TABLA 1.11 B: Prueba w3mph. Resultados en Pitch para todas las frecuencias

Prueba w3mph. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador



- 301 -

Mediana 5,556850 6,929050 Varianza 10,090 6,492 Desv. típ. 3,1764078 2,5479003 Mínimo 3,4480 2,3485 Máximo 17,4043 11,9834 PiFreq11_9 Media 5,119235 4,707480 Mediana 3,701100 4,593100 Varianza 13,186 4,094 Desv. típ. 3,6312757 2,0233067 Mínimo 1,6423 1,1637 Máximo 17,0690 8,7630 PiFreq13_1 Media 3,774880 3,338720 Mediana 3,386500 2,933500 Varianza 2,381 3,361 Desv. típ. 1,5429508 1,8331676 Mínimo 1,8198 1,4200 Máximo 8,4017 7,9421 PiFreq14_3 Media 3,308960 2,581020 Mediana 3,192750 2,685350 Varianza 2,572 ,904 Desv. típ. 1,6038606 ,9510069 Mínimo 1,1324 1,2373 Máximo 8,0541 4,4462 PiFreq15_4 Media 2,352655 2,303270 Mediana 1,849950 2,139250 Varianza 2,626 ,713 Desv. típ. 1,6204261 ,8441441 Mínimo ,8127 1,0481 Máximo 7,7958 3,9838 PiFreq16_8 Media 1,921605 1,866505 Mediana 1,577650 1,734950 Varianza 1,061 ,911 Desv. típ. 1,0298855 ,9544801 Mínimo ,6873 ,7671 Máximo 4,4801 4,5770 PiFreq18_2 Media 1,655685 1,518580 Mediana 1,484850 1,194400 Varianza ,806 ,770 Desv. típ. ,8979894 ,8777198 Mínimo ,6539 ,4907 Máximo 4,5227 3,6483 PiFreq19_3 Media 1,240005 1,337200 Mediana 1,171100 1,126900 Varianza ,407 ,744 Desv. típ. ,6380040 ,8624307 Mínimo ,4331 ,5233 Máximo 2,7166 4,2618


- 302 -

TABLA 1.12 A: Prueba w3mec. Resultados en Roll para todas las frecuencias

Prueba w3mec. Resultados en Roll para todas las frecuencias

Estadístico

Simulador



- 303 -

Mediana 3,125100 4,472750 Varianza 2,775 2,143 Desv. típ. 1,6658109 1,4637323 Mínimo 1,3559 2,1462 Máximo 7,7032 7,0137 RoFreq11_9 Media 2,885300 3,148560 Mediana 2,382350 2,745600 Varianza 2,835 2,007 Desv. típ. 1,6838263 1,4168388 Mínimo 1,3698 1,4823 Máximo 7,7838 6,6768 RoFreq13_1 Media 1,901350 2,410535 Mediana 1,752400 2,287500 Varianza ,826 ,787 Desv. típ. ,9088398 ,8872791 Mínimo ,7869 1,1952 Máximo 4,3258 4,6115 RoFreq14_3 Media 1,635650 1,966950 Mediana 1,417550 2,031950 Varianza ,842 ,444 Desv. típ. ,9177486 ,6660458 Mínimo ,5804 ,7636 Máximo 4,0605 3,7916 RoFreq15_4 Media 1,304335 1,595650 Mediana 1,063800 1,504050 Varianza 1,673 ,454 Desv. típ. 1,2934865 ,6735917 Mínimo ,3666 ,6906 Máximo 6,4703 3,6337 RoFreq16_8 Media 1,428880 1,219445 Mediana 1,102400 1,095350 Varianza 3,952 ,191 Desv. típ. 1,9880863 ,4370401 Mínimo ,3963 ,5690 Máximo 9,6119 2,2021 RoFreq18_2 Media 1,137465 ,924520 Mediana ,832700 ,774750 Varianza 2,375 ,122 Desv. típ. 1,5410658 ,3495585 Mínimo ,1977 ,4171 Máximo 7,4542 1,5415 RoFreq19_3 Media ,871125 ,797630 Mediana ,726850 ,690300 Varianza ,936 ,124 Desv. típ. ,9672910 ,3514395 Mínimo ,1904 ,4315 Máximo 4,8143 1,7268


- 304 -

TABLA 1.12 B: Prueba w3mec. Resultados en Pitch para todas las frecuencias

Prueba w3mec. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador



- 305 -

Mediana 5,960700 5,600600 Varianza 13,046 3,501 Desv. típ. 3,6118574 1,8709918 Mínimo 2,3116 3,5123 Máximo 15,4257 10,3232 PiFreq11_9 Media 4,542275 4,123490 Mediana 3,606450 4,292200 Varianza 8,208 1,949 Desv. típ. 2,8649970 1,3958922 Mínimo 1,0171 1,7696 Máximo 11,3150 7,0820 PiFreq13_1 Media 3,483640 3,286975 Mediana 2,545300 3,274300 Varianza 4,374 1,197 Desv. típ. 2,0913609 1,0942781 Mínimo 1,0803 1,5893 Máximo 8,3786 5,3300 PiFreq14_3 Media 2,369885 2,583595 Mediana 2,061350 2,301900 Varianza 3,061 1,082 Desv. típ. 1,7496053 1,0402795 Mínimo ,4540 1,1364 Máximo 8,5151 4,5264 PiFreq15_4 Media 1,903220 1,912015 Mediana 1,685850 1,785500 Varianza 1,678 ,760 Desv. típ. 1,2954251 ,8714989 Mínimo ,6279 ,8999 Máximo 6,7408 4,2336 PiFreq16_8 Media 1,520515 1,427110 Mediana 1,360900 1,338900 Varianza ,894 ,369 Desv. típ. ,9455261 ,6071618 Mínimo ,4448 ,6841 Máximo 4,7022 2,7924 PiFreq18_2 Media 1,214455 1,226470 Mediana ,943150 1,100500 Varianza ,568 ,365 Desv. típ. ,7539450 ,6041704 Mínimo ,2802 ,4023 Máximo 3,2890 2,4786 PiFreq19_3 Media ,932655 ,920690 Mediana ,843300 ,869400 Varianza ,312 ,139 Desv. típ. ,5583324 ,3731102 Mínimo ,3208 ,4015 Máximo 2,7483 1,6634


- 306 -

TABLA 1.13 A: Prueba w8tan. Resultados en Roll para todas las frecuencias

Prueba w8tan. Resultados en Roll para todas las frecuencias

Estadístico

Simulador



- 307 -

Mediana 2,391600 4,165350 Varianza ,919 10,991 Desv. típ. ,9588314 3,3152809 Mínimo 1,3830 1,4178 Máximo 5,0447 13,2955 RoFreq11_9 Media 2,153630 3,659145 Mediana 2,157300 3,213200 Varianza ,850 4,346 Desv. típ. ,9221721 2,0847176 Mínimo ,9542 1,4487 Máximo 4,3016 8,5948 RoFreq13_1 Media 1,592625 2,959615 Mediana 1,390600 2,570100 Varianza ,479 2,754 Desv. típ. ,6922357 1,6595318 Mínimo ,8575 1,0115 Máximo 3,6614 7,3276 RoFreq14_3 Media 1,210365 2,366830 Mediana 1,099300 1,884200 Varianza ,265 2,240 Desv. típ. ,5147764 1,4965294 Mínimo ,5421 1,0844 Máximo 2,3821 5,9573 RoFreq15_4 Media ,995695 1,788515 Mediana ,857500 1,200550 Varianza ,207 1,376 Desv. típ. ,4545757 1,1731576 Mínimo ,5075 ,5789 Máximo 2,2995 4,3091 RoFreq16_8 Media ,739445 1,491190 Mediana ,646300 1,228750 Varianza ,155 1,067 Desv. típ. ,3937846 1,0327900 Mínimo ,3011 ,4413 Máximo 1,8609 4,0954 RoFreq18_2 Media ,655720 1,247490 Mediana ,565400 ,940650 Varianza ,140 1,121 Desv. típ. ,3744011 1,0589919 Mínimo ,2014 ,2880 Máximo 1,8208 4,8530 RoFreq19_3 Media ,492175 1,067510 Mediana ,436350 ,775150 Varianza ,056 ,748 Desv. típ. ,2361513 ,8648640 Mínimo ,1873 ,2410 Máximo 1,0251 3,8889


- 308 -

TABLA 1.13 B: Prueba w8tan. Resultados en Pitch para todas las frecuencias

Prueba w8tan. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador



- 309 -

Mediana 3,921050 4,606350 Varianza 3,131 22,853 Desv. típ. 1,7695812 4,7804940 Mínimo 2,1353 2,7887 Máximo 9,2265 20,0050 PiFreq11_9 Media 3,348335 4,965940 Mediana 3,065200 3,347250 Varianza 1,844 12,171 Desv. típ. 1,3578347 3,4887344 Mínimo 1,3711 2,0279 Máximo 6,9443 14,7350 PiFreq13_1 Media 2,506975 3,798355 Mediana 1,931200 2,725200 Varianza 2,707 7,038 Desv. típ. 1,6452284 2,6528743 Mínimo 1,0510 1,1084 Máximo 6,7461 9,6556 PiFreq14_3 Media 1,773940 3,363625 Mediana 1,680200 2,135150 Varianza ,539 11,285 Desv. típ. ,7339301 3,3593339 Mínimo ,9073 ,7175 Máximo 3,8008 14,1971 PiFreq15_4 Media 1,381785 2,339955 Mediana 1,097750 1,555000 Varianza ,554 4,206 Desv. típ. ,7444630 2,0509352 Mínimo ,4477 ,7027 Máximo 3,1604 7,5847 PiFreq16_8 Media 1,047930 1,995340 Mediana ,871350 1,155900 Varianza ,250 3,331 Desv. típ. ,5000448 1,8251898 Mínimo ,3914 ,5893 Máximo 2,2323 7,1576 PiFreq18_2 Media ,856630 1,452340 Mediana ,673650 ,901300 Varianza ,315 1,530 Desv. típ. ,5610778 1,2368603 Mínimo ,3511 ,3694 Máximo 2,6327 4,8782 PiFreq19_3 Media ,696720 1,497220 Mediana ,540450 ,808800 Varianza ,136 3,210 Desv. típ. ,3687723 1,7916873 Mínimo ,3028 ,3942 Máximo 1,6745 8,1523


- 310 -

TABLA 1.14 A: Prueba Barriers. Resultados en Roll para todas las frecuencias

Prueba Barriers. Resultados en Roll para todas las frecuencias

Estadístico

Simulador



- 311 -

Mediana 6,736750 5,418700 Varianza 8,709 7,585 Desv. típ. 2,9511703 2,7540750 Mínimo 2,4797 3,0665 Máximo 13,0604 13,7743 RoFreq11_9 Media 5,694930 5,308010 Mediana 4,845000 4,947800 Varianza 9,101 5,538 Desv. típ. 3,0167888 2,3532960 Mínimo 2,5093 2,0745 Máximo 13,2347 11,2679 RoFreq13_1 Media 4,330635 3,999310 Mediana 4,268350 4,087050 Varianza 5,465 2,916 Desv. típ. 2,3377140 1,7077665 Mínimo 1,7325 1,7927 Máximo 9,9599 8,1349 RoFreq14_3 Media 2,989435 2,941965 Mediana 2,539350 3,063950 Varianza 2,987 1,856 Desv. típ. 1,7281767 1,3624897 Mínimo 1,1692 1,0573 Máximo 8,6974 5,3918 RoFreq15_4 Media 2,572630 2,397705 Mediana 2,037900 2,149850 Varianza 1,987 1,108 Desv. típ. 1,4094680 1,0528008 Mínimo 1,1491 ,8872 Máximo 6,3602 4,5308 RoFreq16_8 Media 2,034895 2,137900 Mediana 1,736500 2,085150 Varianza 1,000 1,232 Desv. típ. 1,0000117 1,1098026 Mínimo ,8754 ,4712 Máximo 4,5303 5,5777 RoFreq18_2 Media 1,789940 1,836290 Mediana 1,387150 1,467650 Varianza 1,243 1,587 Desv. típ. 1,1150272 1,2596731 Mínimo ,5493 ,4050 Máximo 4,8777 6,1138 RoFreq19_3 Media 1,498480 1,555550 Mediana 1,291800 1,210500 Varianza ,615 1,021 Desv. típ. ,7844644 1,0104990 Mínimo ,5424 ,5021 Máximo 3,2649 4,7346


- 312 -

TABLA 1.14 B: Prueba Barriers. Resultados en Pitch para todas las frecuencias

Prueba Barriers. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador



- 313 -

Mediana 8,349150 9,832200 Varianza 47,436 27,379 Desv. típ. 6,8873547 5,2324509 Mínimo 3,9336 4,7007 Máximo 31,4400 27,5319 PiFreq11_9 Media 8,964825 7,336395 Mediana 7,104500 6,560800 Varianza 25,564 11,686 Desv. típ. 5,0561069 3,4184738 Mínimo 4,0242 2,2653 Máximo 20,5283 14,3326 PiFreq13_1 Media 6,955505 5,642695 Mediana 5,412150 4,900700 Varianza 14,291 7,317 Desv. típ. 3,7802831 2,7049441 Mínimo 2,7692 1,5576 Máximo 16,8228 12,2060 PiFreq14_3 Media 5,340700 4,474390 Mediana 4,623150 3,819050 Varianza 9,029 7,031 Desv. típ. 3,0047903 2,6516282 Mínimo 1,6871 1,4104 Máximo 13,7524 11,9223 PiFreq15_4 Media 4,661880 3,806960 Mediana 3,542250 3,148300 Varianza 9,456 6,193 Desv. típ. 3,0749839 2,4886071 Mínimo 1,3874 1,0112 Máximo 12,7433 11,3111 PiFreq16_8 Media 3,720305 3,082855 Mediana 3,225450 2,859250 Varianza 5,590 4,759 Desv. típ. 2,3644149 2,1815024 Mínimo 1,0236 ,6846 Máximo 10,9697 10,9701 PiFreq18_2 Media 3,312565 2,472490 Mediana 2,880950 1,989600 Varianza 4,408 4,086 Desv. típ. 2,0995381 2,0213312 Mínimo ,8800 ,5105 Máximo 10,0183 10,3255 PiFreq19_3 Media 2,724140 2,185975 Mediana 2,190450 1,649250 Varianza 2,679 3,089 Desv. típ. 1,6367309 1,7575300 Mínimo ,9192 ,5978 Máximo 6,4340 8,8650


- 314 -

TABLA 1.15 A: Prueba Stairs. Resultados en Roll para todas las frecuencias

Prueba Stairs. Resultados en Roll para todas las frecuencias

Estadístico

Simulador



- 315 -

Mediana 5,354100 5,544400 Varianza 10,366 19,467 Desv. típ. 3,2195533 4,4120967 Mínimo 2,6397 2,4701 Máximo 14,8450 17,4497 RoFreq11_9 Media 4,832040 5,557940 Mediana 4,042700 5,046350 Varianza 4,625 10,373 Desv. típ. 2,1504937 3,2207262 Mínimo 1,5162 1,8795 Máximo 9,2165 14,9242 RoFreq13_1 Media 3,756845 4,611910 Mediana 3,159750 3,542150 Varianza 4,126 10,311 Desv. típ. 2,0313282 3,2110772 Mínimo 1,7269 1,1392 Máximo 9,4148 13,8315 RoFreq14_3 Media 2,785175 3,650775 Mediana 2,345200 2,947050 Varianza 3,108 8,694 Desv. típ. 1,7629494 2,9486279 Mínimo 1,0737 1,2352 Máximo 9,0052 12,8299 RoFreq15_4 Media 2,193970 2,502985 Mediana 2,402700 2,117950 Varianza 1,084 4,631 Desv. típ. 1,0410187 2,1519850 Mínimo ,6925 ,6094 Máximo 3,7731 10,7113 RoFreq16_8 Media 1,635895 2,036210 Mediana 1,331350 1,669300 Varianza ,644 2,889 Desv. típ. ,8022885 1,6997612 Mínimo ,7285 ,6657 Máximo 3,4596 7,9322 RoFreq18_2 Media 1,278545 1,965735 Mediana 1,074050 1,323200 Varianza ,599 2,957 Desv. típ. ,7737405 1,7194629 Mínimo ,3788 ,3947 Máximo 3,3854 6,4480 RoFreq19_3 Media 1,039895 1,590390 Mediana ,754450 ,908100 Varianza ,516 2,711 Desv. típ. ,7185929 1,6464381 Mínimo ,2107 ,5087 Máximo 2,7504 6,5184


- 316 -

TABLA 1.15 B: Prueba Stairs. Resultados en Pitch para todas las frecuencias

Prueba Stairs. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador



- 317 -

Mediana 7,928500 8,051400 Varianza 31,079 23,065 Desv. típ. 5,5748416 4,8026355 Mínimo 4,1494 4,5393 Máximo 24,3151 22,4559 PiFreq11_9 Media 8,076400 6,635125 Mediana 6,790050 5,785150 Varianza 22,300 19,462 Desv. típ. 4,7222769 4,4116230 Mínimo 1,5780 2,5490 Máximo 17,3950 18,1492 PiFreq13_1 Media 5,367005 5,688335 Mediana 4,539700 4,371200 Varianza 14,875 19,613 Desv. típ. 3,8567657 4,4286504 Mínimo 1,1380 1,9657 Máximo 15,6574 20,3616 PiFreq14_3 Media 4,300350 4,192860 Mediana 3,263200 3,557150 Varianza 11,474 5,582 Desv. típ. 3,3873822 2,3626378 Mínimo 1,0691 1,4320 Máximo 13,7524 11,0815 PiFreq15_4 Media 3,563385 3,590480 Mediana 2,428800 2,955550 Varianza 7,289 6,705 Desv. típ. 2,6997280 2,5893412 Mínimo ,8482 1,2696 Máximo 11,0573 12,4251 PiFreq16_8 Media 2,713270 3,087285 Mediana 2,253800 2,140100 Varianza 2,856 6,000 Desv. típ. 1,6899078 2,4495537 Mínimo ,8803 ,8325 Máximo 6,2949 11,2696 PiFreq18_2 Media 2,108590 2,527940 Mediana 1,662850 1,719650 Varianza 1,725 5,902 Desv. típ. 1,3132722 2,4293673 Mínimo ,3284 ,6600 Máximo 5,2320 11,0906 PiFreq19_3 Media 1,813155 1,854295 Mediana 1,308750 1,285100 Varianza 1,954 1,221 Desv. típ. 1,3978085 1,1047687 Mínimo ,7266 ,5701 Máximo 5,7060 4,1807


- 318 -

TABLA 1.16: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en s2eo

Prueba s2eo en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si RoFreq1_4 ,871 ,616 ,012 ,000 RoFreq2_5 ,894 ,640 ,032 ,000 RoFreq3_7 ,900 ,673 ,042 ,000 RoFreq4_9 ,928 ,652 ,143 ,000 RoFreq6_1 ,904 ,600 ,048 ,000 RoFreq7_2 ,924 ,486 ,118 ,000 RoFreq8_4 ,931 ,529 ,159 ,000 RoFreq9_6 ,763 ,475 ,000 ,000 RoFreq10_7 ,818 ,776 ,002 ,000 RoFreq11_9 ,815 ,607 ,001 ,000 RoFreq13_1 ,826 ,693 ,002 ,000 RoFreq14_3 ,943 ,599 ,275 ,000 RoFreq15_4 ,928 ,588 ,143 ,000 RoFreq16_8 ,923 ,672 ,114 ,000 RoFreq18_2 ,970 ,651 ,747 ,000 RoFreq19_3 ,976 ,638 ,873 ,000

Prueba s2eo en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si PiFreq1_4 ,759 ,935 ,000 ,193 PiFreq2_5 ,918 ,822 ,092 ,002 PiFreq3_7 ,920 ,546 ,099 ,000 PiFreq4_9 ,826 ,718 ,002 ,000 PiFreq6_1 ,901 ,569 ,042 ,000 PiFreq7_2 ,897 ,522 ,036 ,000 PiFreq8_4 ,687 ,724 ,000 ,000 PiFreq9_6 ,705 ,669 ,000 ,000 PiFreq10_7 ,751 ,717 ,000 ,000 PiFreq11_9 ,661 ,623 ,000 ,000 PiFreq13_1 ,578 ,665 ,000 ,000 PiFreq14_3 ,811 ,671 ,001 ,000 PiFreq15_4 ,794 ,426 ,001 ,000 PiFreq16_8 ,854 ,549 ,006 ,000 PiFreq18_2 ,870 ,420 ,012 ,000 PiFreq19_3 ,961 ,382 ,571 ,000


- 319 -

TABLA 1.17: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en s2ec

Prueba s2ec en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador


Prueba s2ec en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador



- 320 -

TABLA 1.18: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en s1eo

Prueba s1eo en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador



Shapiro-Wilk

Estadístico Sig.

Simulador



- 321 -

TABLA 1.19: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en s1ec

Prueba s1ec en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador



Shapiro-Wilk

Estadístico Sig.

Simulador



- 322 -

TABLA 1.20: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en s2eof

Prueba s2eof en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador


Prueba s2eof en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador



- 323 -

TABLA 1.21: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en s2ecf

Prueba s2ecf en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador


Prueba s2ecf en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador



- 324 -

TABLA 1.22: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en s1eof


Shapiro-Wilk

Estadístico Sig.

Simulador



Shapiro-Wilk

Estadístico Sig.

Simulador



- 325 -

TABLA 1.23: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en Cone

Prueba Cone en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador


Prueba Cone en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador



- 326 -

TABLA 1.24: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en w3mrh

Prueba w3mrh en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador


Prueba w3mrh en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador



- 327 -

TABLA 1.25: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en w3mph

Prueba w3mph en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador


Prueba w3mph en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador



- 328 -

TABLA 1.26: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en w3mec

Prueba w3mec en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador


Prueba w3mec en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador



- 329 -

TABLA 1.27: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en w8tan

Prueba w8tan en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador


Prueba w8tan en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador



- 330 -

TABLA 1.28: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en Barriers

Prueba Barriers en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador


Prueba Barriers en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador



- 331 -

TABLA 1.29: Prueba de Shapiro-Wilk entre el grupo Simulador y el No Simulador en Stairs

Prueba Stairs en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador


Prueba Stairs en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador



- 332 -

TABLA 1.30: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en s2eo

Prueba s2eo en Roll

U de Mann-Whitney Sig. asintót. (bilateral) RoFreq1_4 19,000 ,000 RoFreq2_5 26,000 ,000 RoFreq3_7 17,000 ,000 RoFreq4_9 16,000 ,000 RoFreq6_1 18,000 ,000 RoFreq7_2 22,000 ,000 RoFreq8_4 19,000 ,000 RoFreq9_6 35,000 ,000 RoFreq10_7 33,000 ,000 RoFreq11_9 34,000 ,000 RoFreq13_1 50,000 ,000 RoFreq14_3 57,000 ,000 RoFreq15_4 48,000 ,000 RoFreq16_8 42,500 ,000 RoFreq18_2 67,500 ,000 RoFreq19_3 79,000 ,001


U de Mann-Whitney Sig. asintót. (bilateral) PiFreq1_4 33,000 ,000 PiFreq2_5 30,000 ,000 PiFreq3_7 21,000 ,000 PiFreq4_9 29,000 ,000 PiFreq6_1 22,000 ,000 PiFreq7_2 29,000 ,000 PiFreq8_4 38,000 ,000 PiFreq9_6 38,000 ,000 PiFreq10_7 40,000 ,000 PiFreq11_9 54,000 ,000 PiFreq13_1 61,000 ,000 PiFreq14_3 59,000 ,000 PiFreq15_4 65,000 ,000 PiFreq16_8 56,000 ,000 PiFreq18_2 48,000 ,000 PiFreq19_3 40,500 ,000


- 333 -

TABLA 1.31: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en s2ec

Prueba s2ec en Roll





- 334 -

TABLA 1.32: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en s1eo

Prueba s1eo en Roll





- 335 -

TABLA 1.33: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en s1ec

Prueba s1ec en Roll





- 336 -

TABLA 1.34: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en s2eof




U de Mann-Whitney Sig. asintót. (bilateral) PiFreq1_4 15,000 ,000 PiFreq2_5 5,000 ,000 PiFreq3_7 ,000 ,000 PiFreq4_9 6,000 ,000 PiFreq6_1 9,000 ,000 PiFreq7_2 22,000 ,000 PiFreq8_4 31,000 ,000 PiFreq9_6 29,000 ,000 PiFreq10_7 31,000 ,000 PiFreq11_9 43,000 ,000 PiFreq13_1 46,000 ,000 PiFreq14_3 45,000 ,000 PiFreq15_4 32,000 ,000 PiFreq16_8 26,000 ,000 PiFreq18_2 21,000 ,000 PiFreq19_3 8,500 ,000


- 337 -

TABLA 1.35: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en s2ecf

Prueba s2ecf en Roll


Prueba s2ecf en Pitch



- 338 -

TABLA 1.36: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en s1eof






- 339 -

TABLA 1.37: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en Cone

Prueba Cone en Roll


Prueba Cone en Pitch



- 340 -

TABLA 1.38: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en w3mrh

Prueba w3mrh en Roll


Prueba w3mrh en Pitch



- 341 -

TABLA 1.39: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en w3mph

Prueba w3mph en Roll

U de Mann-Whitney Sig. asintót. (bilateral) RoFreq1_4 155,000 ,224 RoFreq2_5 131,000 ,062 RoFreq3_7 98,000 ,006 RoFreq4_9 144,000 ,130 RoFreq6_1 162,000 ,304 RoFreq7_2 186,000 ,705 RoFreq8_4 163,000 ,317 RoFreq9_6 177,000 ,534 RoFreq10_7 174,000 ,482 RoFreq11_9 196,000 ,914 RoFreq13_1 153,000 ,204 RoFreq14_3 174,000 ,482 RoFreq15_4 136,000 ,083 RoFreq16_8 146,000 ,144 RoFreq18_2 191,000 ,808 RoFreq19_3 200,000 1,000

Prueba w3mph en Pitch



- 342 -

TABLA 1.40: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en w3mec

Prueba w3mec en Roll


Prueba w3mec en Pitch



- 343 -

TABLA 1.41: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en w8tan

Prueba w8tan en Roll


Prueba w8tan en Pitch



- 344 -

TABLA 1.42: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en Barriers

Prueba Barriers en Roll


Prueba Barriers en Pitch



- 345 -

TABLA 1.43: Prueba de Mann-Whitney entre el grupo Simulador y el No Simulador en Stairs

Prueba Stairs en Roll


Prueba Stairs en Pitch



- 346 -

Tablas: Segunda Parte


Manuel Oliva

__________________________________________________ Tablas – Segunda Parte

- 348 -

CLAVE DE LAS VARIABLES EN LAS SIGUIENTES TABLAS Ec_w Ratio s2ec/w3mec Ec_ecf Ratio s2ec/s3ecf Vis CRvs – Sway Star Visual Control Ratio Som CRss – Sway Star Somatosensorial Control Ratio Vest CRo – Sway Star Vestibular and Other Control Ratio SOT_VIS VIS – SOT Visual en SOT SOT_SOM SOM – SOT Somatosensorial en SOT SOT_VEST VEST – SOT Vestibular en SOT Ro Roll Pi Pitch 1_4 1.4 Hz 2_5 2.5 Hz 3_7 3.7 Hz 4_9 4.9 Hz 6_1 6.1 Hz 7_2 7.2 Hz 8_4 8.4 Hz 9_6 9.6 Hz 10_7 10.7 Hz 11_9 11.9 Hz 13_1 13.1 Hz 14_3 14.3 Hz 15_4 15.4 Hz 16_8 16.8 Hz 18_2 18.2 Hz 19_3 19.3 Hz De esta forma, ec_w_Ro1_4 quiere decir: s2ec/w3mec, en roll a la frecuencia 1.4 Hz Sig. Significación (p) Sig. asintót. Significación asintótica (p)


- 349 -

Tabla 2.1 A: Ratio s2ec/w3mec. Resultados en Roll para todas las frecuencias

Ratio s2ec/w3mec. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si Ec_w_Ro1_4 Media ,029641 ,468199

Mediana ,022331 ,109597 Varianza ,001 ,508 Desv. típ. ,0248423 ,7130725 Mínimo ,0082 ,0109 Máximo ,0902 2,4632

Ec_w_Ro2_5 Media ,011445 ,239732 Mediana ,007434 ,100956 Varianza ,000 ,127 Desv. típ. ,0093411 ,3558464 Mínimo ,0028 ,0038 Máximo ,0376 1,4052






Ec_w_Ro9_6 Media ,042103 ,605386 Mediana ,033066 ,101414 Varianza ,001 1,971 Desv. típ. ,0374502 1,4040063


- 350 -

Mínimo ,0121 ,0185 Máximo ,1773 6,3044

Ec_w_Ro10_7 Media ,043287 ,665171 Mediana ,033165 ,106897 Varianza ,001 1,656 Desv. típ. ,0292742 1,2869881 Mínimo ,0105 ,0260 Máximo ,1049 5,0990









- 351 -

TABLA 2.1 B: Ratio s2ec/w3mec. Resultados en Pitch para todas las frecuencias

Ratio s2ec/w3mec. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si Ec_w_Pi1_4 Media ,031350 ,375095

Mediana ,024124 ,185069 Varianza ,000 ,189 Desv. típ. ,0191420 ,4350266 Mínimo ,0111 ,0090 Máximo ,0720 1,8279

Ec_w_Pi2_5 Media ,058994 ,600808 Mediana ,057724 ,186376 Varianza ,001 1,213 Desv. típ. ,0345055 1,1012424 Mínimo ,0109 ,0157 Máximo ,1319 4,8284


Ec_w_Pi4_9 Media ,032645 ,455416 Mediana ,028738 ,102740 Varianza ,000 ,456 Desv. típ. ,0207088 ,6753363 Mínimo ,0031 ,0075 Máximo ,0902 2,1244




Ec_w_Pi9_6 Media ,070330 ,430792 Mediana ,061810 ,158341 Varianza ,003 ,384 Desv. típ. ,0576476 ,6200192


- 352 -

Mínimo ,0119 ,0196 Máximo ,2761 2,4486










- 353 -

TABLA 2.2 A: Ratio s2ec/s2ecf. Resultados en Roll para todas las frecuencias

Ratio s2ec/s2ecf. Resultados para Roll en todas las frecuencias

Estadístico

Simulador

No Si Ec_ecf_Ro1_4 Media ,327725 ,820340

Mediana ,276149 ,436379 Varianza ,040 1,101 Desv. típ. ,2010529 1,0490811 Mínimo ,0976 ,0113 Máximo ,9360 4,7927

Ec_ecf_Ro2_5 Media ,329736 ,772145 Mediana ,342469 ,517354 Varianza ,015 ,785 Desv. típ. ,1219570 ,8858498 Mínimo ,0624 ,0169 Máximo ,5199 4,0952

Ec_ecf_Ro3_7 Media ,343163 ,866039 Mediana ,340912 ,514838 Varianza ,017 1,237 Desv. típ. ,1291678 1,1123294 Mínimo ,1411 ,0156 Máximo ,5253 5,1287

Ec_ecf_Ro4_9 Media ,419765 1,136592 Mediana ,435211 ,597024 Varianza ,022 3,285 Desv. típ. ,1495866 1,8125359 Mínimo ,1404 ,0157 Máximo ,6206 8,4700




Ec_ecf_Ro9_6 Media ,419002 1,509271 Mediana ,363196 ,512682 Varianza ,048 15,241 Desv. típ. ,2188652 3,9039510


- 354 -

Mínimo ,1461 ,0280 Máximo ,9135 17,9833




Ec_ecf_Ro14_3 Media ,609030 1,595903 Mediana ,542195 ,644277 Varianza ,064 11,031 Desv. típ. ,2538386 3,3213660 Mínimo ,2672 ,0466 Máximo 1,1699 15,4428






- 355 -

TABLA 2.2 B: Ratio s2ec/s2ecf. Resultados en Pitch para todas las frecuencias

Ratio s2ecs/2ecf. Resultados para Pitch en todas las frecuencias

Estadístico

Simulador

No Si Ec_ecf_Pi1_4 Media ,561501 ,804922

Mediana ,576494 ,784402 Varianza ,050 ,272 Desv. típ. ,2243701 ,5210961 Mínimo ,1228 ,0119 Máximo 1,1453 1,9852

Ec_ecf_Pi2_5 Media ,632848 ,896760 Mediana ,605116 ,550326 Varianza ,059 1,061 Desv. típ. ,2427578 1,0301181 Mínimo ,2070 ,0271 Máximo 1,1359 3,8386

Ec_ecf_Pi3_7 Media ,601141 1,278333 Mediana ,540160 ,573225 Varianza ,054 4,681 Desv. típ. ,2322201 2,1635473 Mínimo ,3071 ,0205 Máximo 1,1651 9,5980



Ec_ecf_Pi7_2 Media ,532965 1,325425 Mediana ,540384 ,539900 Varianza ,021 6,413 Desv. típ. ,1456858 2,5324274 Mínimo ,2396 ,0413 Máximo ,8638 11,8100


Ec_ecf_Pi9_6 Media ,581426 1,449251 Mediana ,549932 ,604233 Varianza ,048 8,562 Desv. típ. ,2186625 2,9260257


- 356 -

Mínimo ,2321 ,0528 Máximo ,9861 13,6174










- 357 -

TABLA 2.3 A: Ratio CRvs. Resultados en Roll para todas las frecuencias

Ratio CRvs. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si Vis_Ro1_4 Media ,079245 ,073194

Mediana ,053464 ,040099 Varianza ,020 ,156 Desv. típ. ,1417300 ,3948814 Mínimo -,1932 -,5905 Máximo ,4183 ,8060

Vis_Ro2_5 Media ,077724 ,107925 Mediana ,067135 ,111295 Varianza ,008 ,137 Desv. típ. ,0895573 ,3700126 Mínimo -,0975 -,4541 Máximo ,2543 ,7307






Vis_Ro9_6 Media ,061358 ,110403 Mediana ,089670 ,071690 Varianza ,018 ,125 Desv. típ. ,1325621 ,3541431


- 358 -

Mínimo -,1997 -,3792 Máximo ,2637 ,8887










- 359 -

TABLA 2.3 B: Ratio CRvs. Resultados en Pitch para todas las frecuencias

Ratio CRvs. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si Vis_Pi1_4 Media ,068846 ,119896

Mediana ,065432 ,090154 Varianza ,015 ,121 Desv. típ. ,1224220 ,3483701 Mínimo -,1648 -,4756 Máximo ,2456 ,7490

Vis_Pi2_5 Media ,060422 ,157317 Mediana ,052498 ,106188 Varianza ,011 ,130 Desv. típ. ,1061861 ,3607707 Mínimo -,1760 -,3879 Máximo ,2364 ,8148






Vis_Pi9_6 Media ,079678 ,122228 Mediana ,072982 ,075788 Varianza ,013 ,143 Desv. típ. ,1130299 ,3775819


- 360 -

Mínimo -,1652 -,4659 Máximo ,3688 ,8542










- 361 -

TABLA 2.4 A: Ratio CRss. Resultados en Roll para todas las frecuencias

Ratio CRss. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si Som_Ro1_4 Media ,503515 ,315468

Mediana ,535219 ,445311 Varianza ,021 ,159 Desv. típ. ,1450286 ,3988094 Mínimo ,2255 -,5806 Máximo ,8297 ,9583

Som_Ro2_5 Media ,477640 ,263784 Mediana ,458277 ,315889 Varianza ,017 ,151 Desv. típ. ,1314233 ,3882383 Mínimo ,2538 -,5201 Máximo ,8051 ,9384






Som_Ro9_6 Media ,409137 ,226078 Mediana ,396702 ,351816 Varianza ,033 ,159 Desv. típ. ,1809810 ,3993390


- 362 -

Mínimo ,1061 -,8460 Máximo ,6894 ,8878




Som_Ro14_3 Media ,236788 ,118086 Mediana ,226230 ,173806 Varianza ,025 ,130 Desv. típ. ,1584121 ,3607669 Mínimo -,0159 -,8264 Máximo ,5907 ,8469






- 363 -

TABLA 2.4 B: Ratio CRss. Resultados en Pitch para todas las frecuencias

Ratio CRss. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si Som_Pi1_4 Media ,263063 ,241635

Mediana ,244526 ,222380 Varianza ,022 ,100 Desv. típ. ,1497808 ,3168926 Mínimo ,0365 -,2508 Máximo ,6620 ,9648

Som_Pi2_5 Media ,212730 ,236997 Mediana ,224462 ,271388 Varianza ,020 ,137 Desv. típ. ,1404091 ,3695966 Mínimo -,0031 -,5250 Máximo ,5751 ,9107




Som_Pi7_2 Media ,261564 ,147802 Mediana ,227717 ,299152 Varianza ,016 ,169 Desv. típ. ,1268472 ,4108768 Mínimo ,1122 -,7811 Máximo ,5771 ,8520


Som_Pi9_6 Media ,246769 ,100980 Mediana ,247939 ,115226 Varianza ,017 ,141 Desv. típ. ,1307490 ,3751886


- 364 -

Mínimo ,0054 -,7897 Máximo ,5416 ,8080










- 365 -

TABLA 2.5 A: Ratio CRo. Resultados en Roll para todas las frecuencias

Ratio CRo. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si Vest_Ro1_4 Media ,417240 ,611338

Mediana ,372902 ,635269 Varianza ,043 ,285 Desv. típ. ,2083761 ,5334885 Mínimo ,0512 -,7372 Máximo ,9676 1,6483

Vest_Ro2_5 Media ,444636 ,628291 Mediana ,420955 ,590603 Varianza ,029 ,310 Desv. típ. ,1692427 ,5570083 Mínimo ,0604 -,5651 Máximo ,8437 1,7031






Vest_Ro9_6 Media ,529505 ,663519 Mediana ,521699 ,693099 Varianza ,052 ,202 Desv. típ. ,2274450 ,4491549


- 366 -

Mínimo ,1483 -,5416 Máximo ,9628 1,4845




Vest_Ro14_3 Media ,687340 ,719943 Mediana ,699804 ,775160 Varianza ,050 ,203 Desv. típ. ,2243945 ,4501449 Mínimo ,2843 -,5798 Máximo 1,0534 1,5947






- 367 -

TABLA 2.5 B: Ratio CRo. Resultados en Pitch para todas las frecuencias

Ratio CRo. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si Vest_Pi1_4 Media ,668091 ,638468

Mediana ,652118 ,645522 Varianza ,047 ,250 Desv. típ. ,2157713 ,4999262 Mínimo ,1482 -,6343 Máximo 1,0217 1,5982

Vest_Pi2_5 Media ,726848 ,605686 Mediana ,702816 ,620478 Varianza ,040 ,276 Desv. típ. ,2008049 ,5254773 Mínimo ,3477 -,5241 Máximo 1,0553 1,6071



Vest_Pi6_1 Media ,613888 ,723103 Mediana ,654662 ,808874 Varianza ,032 ,358 Desv. típ. ,1802616 ,5979933 Mínimo ,2948 -,6682 Máximo ,9798 1,8252



Vest_Pi9_6 Media ,673552 ,776792 Mediana ,697007 ,771085 Varianza ,041 ,306 Desv. típ. ,2034345 ,5529991


- 368 -

Mínimo ,2354 -,5141 Máximo ,9976 1,6068










- 369 -

TABLA 2.6 A: Ratio VIS-SOT. Resultados en Roll para todas las frecuencias

Ratio VIS-SOT. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si SOT_VIS_Ro1_4 Media 3,144157 3,933867

Mediana 2,728666 2,427768 Varianza 4,410 11,814 Desv. típ. 2,1000022 3,4371664 Mínimo 1,3368 ,5835 Máximo 11,2056 11,6954

SOT_VIS_Ro2_5 Media 2,782028 3,281690 Mediana 2,430622 2,082820 Varianza 1,284 9,535 Desv. típ. 1,1332425 3,0878810 Mínimo 1,5065 ,4179 Máximo 5,7497 9,8042

SOT_VIS_Ro3_7 Media 2,777701 2,559947 Mediana 2,570224 1,463630 Varianza ,967 7,082 Desv. típ. ,9832808 2,6611372 Mínimo 1,3923 ,4855 Máximo 5,1139 9,8718

SOT_VIS_Ro4_9 Media 2,418198 2,326184 Mediana 2,113915 1,468645 Varianza ,812 5,083 Desv. típ. ,9010365 2,2545795 Mínimo 1,2304 ,4879 Máximo 4,4461 8,7850

SOT_VIS_Ro6_1 Media 2,722976 2,340675 Mediana 2,338748 1,841285 Varianza 1,995 3,082 Desv. típ. 1,4124829 1,7555595 Mínimo ,9092 ,4537 Máximo 5,9561 6,1627



SOT_VIS_Ro9_6 Media 2,515498 2,615707 Mediana 2,032442 2,397895 Varianza 1,955 6,601 Desv. típ. 1,3982492 2,5691605


- 370 -

Mínimo ,9337 ,3125 Máximo 5,8148 12,0316

SOT_VIS_Ro10_7 Media 2,167072 2,076785 Mediana 2,143777 1,430020 Varianza 1,013 2,830 Desv. típ. 1,0062935 1,6822269 Mínimo ,8715 ,5458 Máximo 5,7005 5,8958


SOT_VIS_Ro13_1 Media 1,813006 1,874731 Mediana 1,571602 1,553891 Varianza ,803 1,947 Desv. típ. ,8959184 1,3953993 Mínimo ,9634 ,3259 Máximo 5,0550 5,9535



SOT_VIS_Ro16_8 Media 1,379652 1,571232 Mediana 1,286864 1,319018 Varianza ,185 ,857 Desv. típ. ,4305097 ,9256550 Mínimo ,8710 ,3533 Máximo 2,6525 3,7095




- 371 -

TABLA 2.6 B: Ratio VIS-SOT. Resultados en Pitch para todas las frecuencias

Ratio VIS-SOT. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si SOT_VIS_Pi1_4 Media 1,681198 3,605633

Mediana 1,656722 1,657150 Varianza ,350 20,171 Desv. típ. ,5912517 4,4911641 Mínimo ,8485 ,5516 Máximo 2,8981 20,1684

SOT_VIS_Pi2_5 Media 1,467951 2,454350 Mediana 1,338589 1,740061 Varianza ,226 3,624 Desv. típ. ,4752577 1,9037260 Mínimo ,8809 ,4448 Máximo 2,9205 7,2760





SOT_VIS_Pi8_4 Media 1,589426 2,013441 Mediana 1,561125 1,786032 Varianza ,165 2,915 Desv. típ. ,4058433 1,7074056 Mínimo 1,0488 ,6296 Máximo 2,5595 7,3986

SOT_VIS_Pi9_6 Media 1,578652 1,648072 Mediana 1,525517 1,385377 Varianza ,261 1,653 Desv. típ. ,5108425 1,2855894


- 372 -

Mínimo ,6794 ,3391 Máximo 2,5839 5,0394










- 373 -

TABLA 2.7 A: Ratio SOM-SOT. Resultados en Roll para todas las frecuencias

Ratio SOM - SOT. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si SOT_SOM_Ro1_4 Media 1,024777 2,607862 Mediana ,931471 1,193879 Varianza ,123 14,981 Desv. típ. ,3508413 3,8705153 Mínimo ,5924 ,2676 Máximo 1,9592 15,5227 SOT_SOM_Ro2_5 Media 1,033040 2,095100 Mediana ,956081 1,162309 Varianza ,196 5,014 Desv. típ. ,4425786 2,2392783 Mínimo ,5017 ,2365 Máximo 2,6298 8,1930 SOT_SOM_Ro3_7 Media 1,057920 2,043739 Mediana ,970251 1,115041 Varianza ,074 12,434 Desv. típ. ,2716170 3,5262052 Mínimo ,7085 ,2748 Máximo 1,7995 16,4161 SOT_SOM_Ro4_9 Media 1,092241 2,127147 Mediana 1,046318 1,161749 Varianza ,094 9,821 Desv. típ. ,3070304 3,1339255 Mínimo ,8002 ,2024 Máximo 2,1791 14,2041 SOT_SOM_Ro6_1 Media 1,101379 3,001840 Mediana ,914612 1,440559 Varianza ,305 40,683 Desv. típ. ,5524487 6,3783081 Mínimo ,5589 ,2108 Máximo 2,9536 29,6788 SOT_SOM_Ro7_2 Media 1,092113 2,726973 Mediana 1,085578 1,387025 Varianza ,151 22,186 Desv. típ. ,3881409 4,7101671 Mínimo ,4084 ,2602 Máximo 2,3479 21,4253 SOT_SOM_Ro8_4 Media ,984365 2,557310 Mediana ,958134 1,194209 Varianza ,059 22,082 Desv. típ. ,2435476 4,6990971 Mínimo ,6060 ,3623 Máximo 1,4596 21,5152 SOT_SOM_Ro9_6 Media 1,021673 3,263126 Mediana ,970666 1,220271 Varianza ,091 49,835 Desv. típ. ,3011332 7,0593558 Mínimo ,5883 ,2747 Máximo 1,9050 31,4908 SOT_SOM_Ro10_7 Media 1,023850 3,241013


- 374 -

Mediana ,989996 1,421673 Varianza ,060 40,124 Desv. típ. ,2449626 6,3343890 Mínimo ,7211 ,1612 Máximo 1,6370 27,4976 SOT_SOM_Ro11_9 Media 1,056392 3,186946 Mediana 1,067612 1,204912 Varianza ,040 51,884 Desv. típ. ,2000360 7,2030498 Mínimo ,6623 ,1084 Máximo 1,4563 32,3284 SOT_SOM_Ro13_1 Media 1,050969 3,310451 Mediana 1,005169 1,172603 Varianza ,068 54,107 Desv. típ. ,2608754 7,3557690 Mínimo ,6749 ,1655 Máximo 1,6294 33,1570 SOT_SOM_Ro14_3 Media 1,053892 4,513379 Mediana ,978087 1,179111 Varianza ,059 108,956 Desv. típ. ,2423567 10,4381883 Mínimo ,7286 ,1794 Máximo 1,7092 45,0240 SOT_SOM_Ro15_4 Media 1,121961 5,487352 Mediana 1,114449 1,178169 Varianza ,031 189,230 Desv. típ. ,1747081 13,7560776 Mínimo ,8024 ,3623 Máximo 1,5545 57,9863 SOT_SOM_Ro16_8 Media 1,073053 5,175874 Mediana 1,008090 1,300791 Varianza ,056 171,590 Desv. típ. ,2365550 13,0992176 Mínimo ,7162 ,3668 Máximo 1,5534 55,0315 SOT_SOM_Ro18_2 Media 1,022941 4,153281 Mediana ,969787 1,137445 Varianza ,055 101,868 Desv. típ. ,2353370 10,0929783 Mínimo ,7057 ,4705 Máximo 1,6508 43,7012 SOT_SOM_Ro19_3 Media 1,061782 4,829330 Mediana 1,057368 1,355328 Varianza ,039 133,005 Desv. típ. ,1967774 11,5327630 Mínimo ,7681 ,2629 Máximo 1,4337 48,2197


- 375 -

TABLA 2.7 B: Ratio SOM-SOT. Resultados en Pitch para todas las frecuencias

Ratio SOM - SOT. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si SOT_SOM_Pi1_4 Media 1,082035 2,317995 Mediana 1,038671 1,721822 Varianza ,203 5,107 Desv. típ. ,4505512 2,2597638 Mínimo ,4921 ,2419 Máximo 2,2730 9,2237 SOT_SOM_Pi2_5 Media 1,026817 2,922998 Mediana 1,004180 1,271031 Varianza ,060 25,292 Desv. típ. ,2441534 5,0291227 Mínimo ,5500 ,3005 Máximo 1,5712 20,3876 SOT_SOM_Pi3_7 Media 1,049708 3,412205 Mediana 1,011089 1,327458 Varianza ,088 51,221 Desv. típ. ,2959387 7,1568658 Mínimo ,6744 ,3093 Máximo 1,6748 31,3311 SOT_SOM_Pi4_9 Media ,988217 3,455161 Mediana ,911910 1,135237 Varianza ,104 51,936 Desv. típ. ,3218418 7,2066969 Mínimo ,6399 ,2287 Máximo 1,7790 33,0930 SOT_SOM_Pi6_1 Media 1,122624 3,642168 Mediana 1,023476 1,160771 Varianza ,108 56,875 Desv. típ. ,3293317 7,5415728 Mínimo ,7899 ,1613 Máximo 2,1768 34,2794 SOT_SOM_Pi7_2 Media 1,017628 2,514467 Mediana ,952193 1,111900 Varianza ,078 20,932 Desv. típ. ,2799283 4,5751534 Mínimo ,5975 ,1668 Máximo 1,7443 21,1241 SOT_SOM_Pi8_4 Media 1,008590 2,242994 Mediana ,967722 1,255154 Varianza ,088 7,085 Desv. típ. ,2969166 2,6618566 Mínimo ,4804 ,2576 Máximo 1,7154 10,0835 SOT_SOM_Pi9_6 Media 1,078423 3,043497 Mediana 1,091914 1,163208 Varianza ,097 39,275 Desv. típ. ,3109121 6,2669984 Mínimo ,3971 ,1299 Máximo 1,8330 27,7257 SOT_SOM_Pi10_7 Media 1,026788 3,586711


- 376 -

Mediana 1,050196 1,049636 Varianza ,055 59,093 Desv. típ. ,2350129 7,6871891 Mínimo ,4569 ,1246 Máximo 1,4115 33,5015 SOT_SOM_Pi11_9 Media ,985523 3,408851 Mediana 1,004863 1,394482 Varianza ,044 46,752 Desv. típ. ,2097010 6,8375551 Mínimo ,6038 ,1440 Máximo 1,5846 26,1688 SOT_SOM_Pi13_1 Media 1,071316 2,996546 Mediana 1,098840 1,127829 Varianza ,052 33,104 Desv. típ. ,2274417 5,7536069 Mínimo ,4901 ,3890 Máximo 1,4379 22,9635 SOT_SOM_Pi14_3 Media 1,088265 2,926192 Mediana 1,043254 1,349290 Varianza ,023 24,542 Desv. típ. ,1525902 4,9539681 Mínimo ,9025 ,4992 Máximo 1,4574 19,0888 SOT_SOM_Pi15_4 Media 1,084927 3,901746 Mediana 1,103973 1,068566 Varianza ,073 74,107 Desv. típ. ,2693878 8,6085237 Mínimo ,6015 ,3947 Máximo 1,7417 35,4232 SOT_SOM_Pi16_8 Media 1,091728 4,694369 Mediana 1,093854 1,369548 Varianza ,048 107,474 Desv. típ. ,2198452 10,3669756 Mínimo ,7058 ,5086 Máximo 1,5859 35,9503 SOT_SOM_Pi18_2 Media 1,098741 4,334430 Mediana 1,098052 1,145989 Varianza ,066 99,576 Desv. típ. ,2572369 9,9787616 Mínimo ,7556 ,4758 Máximo 1,5993 42,9973 SOT_SOM_Pi19_3 Media 1,086102 5,256911 Mediana 1,069217 1,136176 Varianza ,037 142,731 Desv. típ. ,1921290 11,9469879 Mínimo ,7922 ,4401 Máximo 1,5370 41,3415


- 377 -

TABLA 2.8 A: Ratio VEST-SOT. Resultados en Roll para todas las frecuencias

Ratio VEST - SOT. Resultados en Roll para todas las frecuencias

Estadístico

Simulador

No Si SOT_VEST_Ro1_4 Media 3,784924 7,860899 Mediana 3,560750 2,940379 Varianza 3,132 306,411 Desv. típ. 1,7698809 17,5045946 Mínimo 1,0842 ,2902 Máximo 9,4941 80,6830 SOT_VEST_Ro2_5 Media 3,494764 6,026365 Mediana 3,197741 2,592699 Varianza 2,490 104,735 Desv. típ. 1,5779895 10,2339878 Mínimo 1,3570 ,2456 Máximo 8,3273 46,3031 SOT_VEST_Ro3_7 Media 3,482062 5,170541 Mediana 3,204322 2,513014 Varianza 1,879 104,641 Desv. típ. 1,3706725 10,2294043 Mínimo 1,4701 ,4244 Máximo 6,5109 47,0067 SOT_VEST_Ro4_9 Media 3,006006 4,926585 Mediana 2,541775 1,654065 Varianza 1,990 114,178 Desv. típ. 1,4106983 10,6854304 Mínimo 1,3754 ,2431 Máximo 5,8502 49,2359 SOT_VEST_Ro6_1 Media 3,384310 3,749132 Mediana 2,992372 2,467159 Varianza 2,826 20,515 Desv. típ. 1,6811110 4,5293850 Mínimo 1,4888 ,4652 Máximo 7,2280 20,8102 SOT_VEST_Ro7_2 Media 3,376448 3,919213 Mediana 3,039270 2,721491 Varianza 4,653 18,780 Desv. típ. 2,1570301 4,3335882 Mínimo 1,4461 ,5900 Máximo 10,4945 18,7650 SOT_VEST_Ro8_4 Media 3,196601 3,662086 Mediana 3,222209 2,203904 Varianza 1,463 15,662 Desv. típ. 1,2094339 3,9575133 Mínimo 1,6167 ,3552 Máximo 5,8809 17,8359 SOT_VEST_Ro9_6 Media 2,964232 3,995550 Mediana 2,675699 2,093524 Varianza 1,886 28,036 Desv. típ. 1,3734874 5,2949352 Mínimo 1,0831 ,3474 Máximo 5,7631 23,9718 SOT_VEST_Ro10_7 Media 2,691689 3,961443


- 378 -

Mediana 2,516196 1,692724 Varianza 1,660 42,489 Desv. típ. 1,2883056 6,5183586 Mínimo 1,0449 ,3620 Máximo 6,1904 30,0192 SOT_VEST_Ro11_9 Media 2,396254 3,200527 Mediana 2,270540 1,948430 Varianza 1,059 19,760 Desv. típ. 1,0290869 4,4452062 Mínimo 1,3206 ,2812 Máximo 5,5841 19,8930 SOT_VEST_Ro13_1 Media 2,239911 3,049845 Mediana 1,960918 2,120149 Varianza 1,742 13,277 Desv. típ. 1,3197436 3,6437523 Mínimo 1,1202 ,2545 Máximo 7,2950 16,8404 SOT_VEST_Ro14_3 Media 2,024205 3,306478 Mediana 1,824377 2,338208 Varianza ,983 21,972 Desv. típ. ,9914827 4,6874245 Mínimo ,9058 ,4088 Máximo 5,1596 21,8147 SOT_VEST_Ro15_4 Media 1,853242 3,252434 Mediana 1,645352 2,520247 Varianza ,430 21,050 Desv. típ. ,6558395 4,5879914 Mínimo 1,1034 ,3662 Máximo 3,7152 21,5668 SOT_VEST_Ro16_8 Media 1,685862 2,984837 Mediana 1,659768 1,634953 Varianza ,328 12,686 Desv. típ. ,5730563 3,5617309 Mínimo ,9010 ,3647 Máximo 3,1395 15,2603 SOT_VEST_Ro18_2 Media 1,387049 2,491192 Mediana 1,309273 1,487206 Varianza ,096 6,841 Desv. típ. ,3094193 2,6156153 Mínimo ,9104 ,3693 Máximo 2,1330 9,4642 SOT_VEST_Ro19_3 Media 1,351672 2,359068 Mediana 1,373307 1,540213 Varianza ,067 4,162 Desv. típ. ,2581281 2,0401141 Mínimo ,9602 ,2562 Máximo 1,9866 7,9650


- 379 -

TABLA 2.8 B: Ratio VEST-SOT. Resultados en Pitch para todas las frecuencias

Ratio VEST - SOT. Resultados en Pitch para todas las frecuencias

Estadístico

Simulador

No Si SOT_VEST_Pi1_4 Media 2,132907 8,504561 Mediana 2,007188 2,294503 Varianza ,968 532,643 Desv. típ. ,9840237 23,0790647 Mínimo ,9610 ,2997 Máximo 5,0981 105,6647 SOT_VEST_Pi2_5 Media 1,825253 5,010959 Mediana 1,794833 2,909220 Varianza ,525 54,989 Desv. típ. ,7244991 7,4154408 Mínimo ,8914 ,3524 Máximo 3,5044 33,6340 SOT_VEST_Pi3_7 Media 1,947381 5,695247 Mediana 1,842473 2,998403 Varianza ,655 81,931 Desv. típ. ,8093827 9,0515837 Mínimo ,8134 ,3749 Máximo 4,2445 38,3285 SOT_VEST_Pi4_9 Media 1,941185 4,922718 Mediana 1,883240 2,018193 Varianza ,588 40,766 Desv. típ. ,7669342 6,3848047 Mínimo ,6798 ,2925 Máximo 3,6443 25,9713 SOT_VEST_Pi6_1 Media 2,261444 4,606192 Mediana 1,931098 1,837299 Varianza ,775 45,715 Desv. típ. ,8801749 6,7612665 Mínimo 1,0440 ,2722 Máximo 4,4170 30,5602 SOT_VEST_Pi7_2 Media 2,138915 4,130364 Mediana 1,723348 1,813369 Varianza 1,314 31,854 Desv. típ. 1,1463375 5,6438990 Mínimo 1,0197 ,2328 Máximo 5,4107 21,4783 SOT_VEST_Pi8_4 Media 2,055795 3,409204 Mediana 1,929405 1,935573 Varianza ,473 19,154 Desv. típ. ,6874735 4,3764765 Mínimo 1,2563 ,3871 Máximo 3,3509 19,5183 SOT_VEST_Pi9_6 Media 2,054843 3,129960 Mediana 1,846656 2,016294 Varianza ,824 13,880 Desv. típ. ,9078781 3,7256114 Mínimo 1,0036 ,3238 Máximo 4,3539 15,2262 SOT_VEST_Pi10_7 Media 1,899679 4,097623


- 380 -

Mediana 1,836137 1,898415 Varianza ,605 58,952 Desv. típ. ,7781378 7,6780471 Mínimo ,9145 ,2596 Máximo 4,0045 35,5123 SOT_VEST_Pi11_9 Media 1,803721 2,784765 Mediana 1,528359 1,568468 Varianza ,591 13,319 Desv. típ. ,7684629 3,6494767 Mínimo ,7903 ,2908 Máximo 3,7393 15,3998 SOT_VEST_Pi13_1 Media 1,754755 2,762819 Mediana 1,742395 1,418824 Varianza ,401 11,259 Desv. típ. ,6328949 3,3554767 Mínimo ,8914 ,3643 Máximo 3,1984 12,0928 SOT_VEST_Pi14_3 Media 1,693996 3,094087 Mediana 1,504382 1,702864 Varianza ,403 14,824 Desv. típ. ,6347452 3,8501530 Mínimo ,8663 ,5219 Máximo 3,4040 14,3888 SOT_VEST_Pi15_4 Media 1,580082 3,053120 Mediana 1,576441 1,961772 Varianza ,220 13,078 Desv. típ. ,4688966 3,6162990 Mínimo ,7876 ,5866 Máximo 2,6399 14,6766 SOT_VEST_Pi16_8 Media 1,523637 3,757937 Mediana 1,344229 1,783948 Varianza ,269 27,379 Desv. típ. ,5184956 5,2324785 Mínimo 1,0104 ,3955 Máximo 3,2003 18,4445 SOT_VEST_Pi18_2 Media 1,585868 4,230976 Mediana 1,454365 1,763017 Varianza ,775 37,811 Desv. típ. ,8804671 6,1490599 Mínimo ,9445 ,4172 Máximo 5,1139 20,7177 SOT_VEST_Pi19_3 Media 1,438360 4,183050 Mediana 1,299462 1,648672 Varianza ,212 39,089 Desv. típ. ,4601942 6,2521521 Mínimo ,9080 ,4266 Máximo 3,0674 21,2503


- 381 -

TABLA 2.9: Prueba de Shapiro-Wilk entre los grupos Simulador y No Simulador en s2ec/w3mec

s2ec/w3mec. Resultados en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si Ec_w_Ro1_4 ,766 ,650 ,000 ,000 Ec_w_Ro2_5 ,829 ,663 ,002 ,000 Ec_w_Ro3_7 ,944 ,666 ,287 ,000 Ec_w_Ro4_9 ,911 ,574 ,067 ,000 Ec_w_Ro6_1 ,797 ,614 ,001 ,000 Ec_w_Ro7_2 ,922 ,543 ,108 ,000 Ec_w_Ro8_4 ,847 ,585 ,005 ,000 Ec_w_Ro9_6 ,707 ,443 ,000 ,000 Ec_w_Ro10_7 ,870 ,561 ,012 ,000 Ec_w_Ro11_9 ,767 ,494 ,000 ,000 Ec_w_Ro13_1 ,595 ,546 ,000 ,000 Ec_w_Ro14_3 ,834 ,594 ,003 ,000 Ec_w_Ro15_4 ,870 ,469 ,012 ,000 Ec_w_Ro16_8 ,947 ,472 ,324 ,000 Ec_w_Ro18_2 ,912 ,552 ,071 ,000 Ec_w_Ro19_3 ,878 ,594 ,016 ,000

s2ec/w3mec. Resultados en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si Ec_w_Pi1_4 ,878 ,749 ,016 ,000 Ec_w_Pi2_5 ,946 ,542 ,313 ,000 Ec_w_Pi3_7 ,873 ,590 ,013 ,000 Ec_w_Pi4_9 ,907 ,665 ,057 ,000 Ec_w_Pi6_1 ,974 ,631 ,828 ,000 Ec_w_Pi7_2 ,960 ,496 ,551 ,000 Ec_w_Pi8_4 ,807 ,513 ,001 ,000 Ec_w_Pi9_6 ,738 ,670 ,000 ,000 Ec_w_Pi10_7 ,913 ,647 ,072 ,000 Ec_w_Pi11_9 ,931 ,574 ,161 ,000 Ec_w_Pi13_1 ,931 ,591 ,159 ,000 Ec_w_Pi14_3 ,818 ,584 ,002 ,000 Ec_w_Pi15_4 ,870 ,563 ,012 ,000 Ec_w_Pi16_8 ,874 ,585 ,014 ,000 Ec_w_Pi18_2 ,881 ,582 ,018 ,000 Ec_w_Pi19_3 ,878 ,579 ,016 ,000


- 382 -

TABLA 2.10: Prueba de Shapiro-Wilk en los grupos Simulador y No Simulador en s2ec/s2ecf

s2ec/s2ecf. Resultados en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si Ec_ecf_Ro1_4 ,815 ,618 ,001 ,000 Ec_ecf_Ro2_5 ,970 ,652 ,754 ,000 Ec_ecf_Ro3_7 ,933 ,613 ,178 ,000 Ec_ecf_Ro4_9 ,943 ,490 ,272 ,000 Ec_ecf_Ro6_1 ,927 ,345 ,134 ,000 Ec_ecf_Ro7_2 ,955 ,382 ,454 ,000 Ec_ecf_Ro8_4 ,917 ,376 ,086 ,000 Ec_ecf_Ro9_6 ,903 ,328 ,048 ,000 Ec_ecf_Ro10_7 ,949 ,331 ,354 ,000 Ec_ecf_Ro11_9 ,959 ,368 ,519 ,000 Ec_ecf_Ro13_1 ,977 ,354 ,891 ,000 Ec_ecf_Ro14_3 ,948 ,389 ,344 ,000 Ec_ecf_Ro15_4 ,974 ,421 ,832 ,000 Ec_ecf_Ro16_8 ,976 ,338 ,877 ,000 Ec_ecf_Ro18_2 ,909 ,305 ,060 ,000 Ec_ecf_Ro19_3 ,946 ,403 ,308 ,000

s2ec/s2ecf. Resultados en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si Ec_ecf_Pi1_4 ,952 ,922 ,394 ,109 Ec_ecf_Pi2_5 ,951 ,668 ,387 ,000 Ec_ecf_Pi3_7 ,924 ,537 ,119 ,000 Ec_ecf_Pi4_9 ,873 ,349 ,013 ,000 Ec_ecf_Pi6_1 ,837 ,313 ,003 ,000 Ec_ecf_Pi7_2 ,988 ,415 ,993 ,000 Ec_ecf_Pi8_4 ,977 ,452 ,896 ,000 Ec_ecf_Pi9_6 ,947 ,396 ,324 ,000 Ec_ecf_Pi10_7 ,984 ,516 ,977 ,000 Ec_ecf_Pi11_9 ,972 ,472 ,786 ,000 Ec_ecf_Pi13_1 ,930 ,523 ,152 ,000 Ec_ecf_Pi14_3 ,977 ,455 ,886 ,000 Ec_ecf_Pi15_4 ,953 ,387 ,415 ,000 Ec_ecf_Pi16_8 ,971 ,497 ,786 ,000 Ec_ecf_Pi18_2 ,944 ,393 ,290 ,000 Ec_ecf_Pi19_3 ,974 ,486 ,829 ,000


- 383 -

TABLA 2.11: Prueba de Shapiro-Wilk en los grupos Simulador y No Simulador en CRvs

CRvs. Resultados en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si Vis_Ro1_4 ,955 ,947 ,447 ,326 Vis_Ro2_5 ,983 ,950 ,966 ,370 Vis_Ro3_7 ,945 ,903 ,295 ,048 Vis_Ro4_9 ,962 ,934 ,588 ,184 Vis_Ro6_1 ,956 ,964 ,475 ,625 Vis_Ro7_2 ,944 ,944 ,283 ,284 Vis_Ro8_4 ,914 ,932 ,076 ,172 Vis_Ro9_6 ,948 ,920 ,335 ,099 Vis_Ro10_7 ,952 ,942 ,396 ,260 Vis_Ro11_9 ,944 ,942 ,279 ,263 Vis_Ro13_1 ,965 ,928 ,639 ,142 Vis_Ro14_3 ,941 ,910 ,246 ,064 Vis_Ro15_4 ,966 ,901 ,672 ,042 Vis_Ro16_8 ,975 ,896 ,861 ,035 Vis_Ro18_2 ,945 ,874 ,292 ,014 Vis_Ro19_3 ,982 ,933 ,956 ,179

CRvs. Resultados en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si Vis_Pi1_4 ,961 ,962 ,564 ,595 Vis_Pi2_5 ,971 ,945 ,767 ,298 Vis_Pi3_7 ,939 ,874 ,227 ,014 Vis_Pi4_9 ,983 ,960 ,965 ,550 Vis_Pi6_1 ,951 ,941 ,388 ,246 Vis_Pi7_2 ,977 ,950 ,893 ,366 Vis_Pi8_4 ,981 ,920 ,945 ,099 Vis_Pi9_6 ,958 ,943 ,501 ,279 Vis_Pi10_7 ,970 ,893 ,763 ,031 Vis_Pi11_9 ,945 ,919 ,298 ,095 Vis_Pi13_1 ,969 ,879 ,724 ,017 Vis_Pi14_3 ,920 ,885 ,101 ,022 Vis_Pi15_4 ,953 ,904 ,408 ,049 Vis_Pi16_8 ,889 ,876 ,026 ,015 Vis_Pi18_2 ,854 ,829 ,006 ,002 Vis_Pi19_3 ,950 ,811 ,363 ,001


- 384 -

TABLA 2.12: Prueba de Shapiro Wilk en los grupos Simulador y No Simulador en CRss

CRss. Resultados en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si Som_Ro1_4 ,969 ,951 ,726 ,379 Som_Ro2_5 ,960 ,979 ,542 ,926 Som_Ro3_7 ,937 ,975 ,215 ,853 Som_Ro4_9 ,916 ,965 ,085 ,656 Som_Ro6_1 ,976 ,946 ,880 ,311 Som_Ro7_2 ,965 ,940 ,652 ,237 Som_Ro8_4 ,923 ,947 ,115 ,319 Som_Ro9_6 ,954 ,930 ,434 ,151 Som_Ro10_7 ,978 ,953 ,899 ,413 Som_Ro11_9 ,960 ,960 ,544 ,552 Som_Ro13_1 ,911 ,964 ,068 ,620 Som_Ro14_3 ,955 ,963 ,453 ,600 Som_Ro15_4 ,956 ,940 ,472 ,239 Som_Ro16_8 ,929 ,938 ,147 ,217 Som_Ro18_2 ,960 ,938 ,538 ,224 Som_Ro19_3 ,950 ,945 ,369 ,304

CRss. Resultados en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si Som_Pi1_4 ,928 ,966 ,138 ,659 Som_Pi2_5 ,952 ,967 ,404 ,686 Som_Pi3_7 ,969 ,954 ,725 ,435 Som_Pi4_9 ,979 ,949 ,919 ,357 Som_Pi6_1 ,933 ,958 ,179 ,501 Som_Pi7_2 ,893 ,932 ,031 ,167 Som_Pi8_4 ,981 ,959 ,942 ,519 Som_Pi9_6 ,979 ,981 ,914 ,945 Som_Pi10_7 ,937 ,974 ,209 ,827 Som_Pi11_9 ,948 ,962 ,334 ,593 Som_Pi13_1 ,962 ,980 ,576 ,935 Som_Pi14_3 ,943 ,967 ,277 ,694 Som_Pi15_4 ,971 ,974 ,768 ,828 Som_Pi16_8 ,971 ,974 ,784 ,840 Som_Pi18_2 ,930 ,962 ,152 ,583 Som_Pi19_3 ,958 ,983 ,497 ,966


- 385 -

TABLA 2.13: Prueba de Shapiro-Wilk en los grupos Simulador y No Simulador en CRo

CRo. Resultados en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si Vest_Ro1_4 ,958 ,962 ,496 ,582 Vest_Ro2_5 ,968 ,973 ,715 ,814 Vest_Ro3_7 ,964 ,971 ,621 ,784 Vest_Ro4_9 ,972 ,967 ,801 ,688 Vest_Ro6_1 ,946 ,958 ,313 ,498 Vest_Ro7_2 ,924 ,911 ,118 ,067 Vest_Ro8_4 ,952 ,976 ,395 ,880 Vest_Ro9_6 ,971 ,957 ,778 ,486 Vest_Ro10_7 ,990 ,934 ,998 ,182 Vest_Ro11_9 ,952 ,971 ,392 ,774 Vest_Ro13_1 ,939 ,968 ,226 ,701 Vest_Ro14_3 ,954 ,932 ,424 ,168 Vest_Ro15_4 ,939 ,953 ,231 ,414 Vest_Ro16_8 ,958 ,962 ,497 ,587 Vest_Ro18_2 ,966 ,960 ,665 ,547 Vest_Ro19_3 ,973 ,959 ,813 ,522

CRo. Resultados en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si Vest_Pi1_4 ,969 ,960 ,736 ,538 Vest_Pi2_5 ,975 ,980 ,863 ,939 Vest_Pi3_7 ,945 ,940 ,299 ,236 Vest_Pi4_9 ,973 ,959 ,825 ,533 Vest_Pi6_1 ,942 ,958 ,266 ,507 Vest_Pi7_2 ,960 ,979 ,536 ,917 Vest_Pi8_4 ,938 ,959 ,224 ,520 Vest_Pi9_6 ,961 ,950 ,560 ,371 Vest_Pi10_7 ,961 ,946 ,565 ,311 Vest_Pi11_9 ,966 ,942 ,677 ,267 Vest_Pi13_1 ,976 ,929 ,869 ,147 Vest_Pi14_3 ,968 ,857 ,712 ,007 Vest_Pi15_4 ,984 ,890 ,976 ,027 Vest_Pi16_8 ,874 ,870 ,014 ,012 Vest_Pi18_2 ,735 ,881 ,000 ,018 Vest_Pi19_3 ,830 ,860 ,003 ,008


- 386 -

TABLA 2.14: Prueba de Shapiro-Wilk en los grupos Simulador y No Simulador en VIS-SOT

VIS-SOT. Resultados en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si SOT_VIS_Ro1_4 ,639 ,850 ,000 ,005 SOT_VIS_Ro2_5 ,848 ,821 ,005 ,002 SOT_VIS_Ro3_7 ,916 ,745 ,083 ,000 SOT_VIS_Ro4_9 ,891 ,799 ,029 ,001 SOT_VIS_Ro6_1 ,910 ,888 ,064 ,025 SOT_VIS_Ro7_2 ,835 ,838 ,003 ,003 SOT_VIS_Ro8_4 ,895 ,879 ,033 ,017 SOT_VIS_Ro9_6 ,816 ,703 ,002 ,000 SOT_VIS_Ro10_7 ,780 ,835 ,000 ,003 SOT_VIS_Ro11_9 ,723 ,883 ,000 ,020 SOT_VIS_Ro13_1 ,728 ,882 ,000 ,019 SOT_VIS_Ro14_3 ,789 ,862 ,001 ,009 SOT_VIS_Ro15_4 ,943 ,886 ,275 ,023 SOT_VIS_Ro16_8 ,880 ,934 ,018 ,185 SOT_VIS_Ro18_2 ,958 ,863 ,504 ,009 SOT_VIS_Ro19_3 ,966 ,839 ,667 ,003

VIS-SOT. Resultados en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si SOT_VIS_Pi1_4 ,963 ,646 ,597 ,000 SOT_VIS_Pi2_5 ,870 ,850 ,012 ,005 SOT_VIS_Pi3_7 ,879 ,866 ,017 ,010 SOT_VIS_Pi4_9 ,939 ,877 ,228 ,016 SOT_VIS_Pi6_1 ,961 ,867 ,555 ,011 SOT_VIS_Pi7_2 ,887 ,873 ,023 ,013 SOT_VIS_Pi8_4 ,945 ,784 ,296 ,000 SOT_VIS_Pi9_6 ,958 ,849 ,510 ,005 SOT_VIS_Pi10_7 ,933 ,841 ,175 ,004 SOT_VIS_Pi11_9 ,972 ,740 ,804 ,000 SOT_VIS_Pi13_1 ,953 ,795 ,415 ,001 SOT_VIS_Pi14_3 ,863 ,653 ,009 ,000 SOT_VIS_Pi15_4 ,967 ,708 ,691 ,000 SOT_VIS_Pi16_8 ,978 ,674 ,910 ,000 SOT_VIS_Pi18_2 ,945 ,847 ,293 ,005 SOT_VIS_Pi19_3 ,952 ,810 ,406 ,001


- 387 -

TABLA 2.15: Prueba de Shapiro-Wilk en los grupos Simulador y No Simulador en SOM-SOT

SOM-SOT. Resultados en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si SOT_SOM_Ro1_4 ,865 ,577 ,010 ,000 SOT_SOM_Ro2_5 ,751 ,757 ,000 ,000 SOT_SOM_Ro3_7 ,907 ,450 ,055 ,000 SOT_SOM_Ro4_9 ,728 ,549 ,000 ,000 SOT_SOM_Ro6_1 ,742 ,387 ,000 ,000 SOT_SOM_Ro7_2 ,869 ,493 ,011 ,000 SOT_SOM_Ro8_4 ,940 ,466 ,244 ,000 SOT_SOM_Ro9_6 ,896 ,420 ,035 ,000 SOT_SOM_Ro10_7 ,929 ,462 ,146 ,000 SOT_SOM_Ro11_9 ,990 ,412 ,998 ,000 SOT_SOM_Ro13_1 ,957 ,408 ,492 ,000 SOT_SOM_Ro14_3 ,919 ,417 ,093 ,000 SOT_SOM_Ro15_4 ,971 ,410 ,767 ,000 SOT_SOM_Ro16_8 ,931 ,392 ,165 ,000 SOT_SOM_Ro18_2 ,859 ,393 ,007 ,000 SOT_SOM_Ro19_3 ,957 ,417 ,479 ,000

SOM-SOT. Resultados en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si SOT_SOM_Pi1_4 ,930 ,777 ,157 ,000 SOT_SOM_Pi2_5 ,982 ,510 ,956 ,000 SOT_SOM_Pi3_7 ,941 ,436 ,249 ,000 SOT_SOM_Pi4_9 ,840 ,431 ,004 ,000 SOT_SOM_Pi6_1 ,813 ,445 ,001 ,000 SOT_SOM_Pi7_2 ,952 ,451 ,399 ,000 SOT_SOM_Pi8_4 ,978 ,661 ,899 ,000 SOT_SOM_Pi9_6 ,975 ,445 ,849 ,000 SOT_SOM_Pi10_7 ,961 ,444 ,555 ,000 SOT_SOM_Pi11_9 ,913 ,448 ,073 ,000 SOT_SOM_Pi13_1 ,963 ,459 ,615 ,000 SOT_SOM_Pi14_3 ,896 ,484 ,034 ,000 SOT_SOM_Pi15_4 ,959 ,418 ,518 ,000 SOT_SOM_Pi16_8 ,949 ,408 ,347 ,000 SOT_SOM_Pi18_2 ,943 ,411 ,278 ,000 SOT_SOM_Pi19_3 ,945 ,421 ,296 ,000


- 388 -

TABLA 2.16: Prueba de Shapiro-Wilk en los grupos Simulador y No Simulador en VEST-SOT

VEST-SOT. Resultados en Roll

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si SOT_VEST_Ro1_4 ,869 ,404 ,011 ,000 SOT_VEST_Ro2_5 ,856 ,538 ,007 ,000 SOT_VEST_Ro3_7 ,911 ,442 ,067 ,000 SOT_VEST_Ro4_9 ,868 ,410 ,011 ,000 SOT_VEST_Ro6_1 ,912 ,655 ,069 ,000 SOT_VEST_Ro7_2 ,774 ,733 ,000 ,000 SOT_VEST_Ro8_4 ,941 ,724 ,245 ,000 SOT_VEST_Ro9_6 ,936 ,624 ,203 ,000 SOT_VEST_Ro10_7 ,893 ,516 ,030 ,000 SOT_VEST_Ro11_9 ,839 ,607 ,004 ,000 SOT_VEST_Ro13_1 ,638 ,640 ,000 ,000 SOT_VEST_Ro14_3 ,847 ,527 ,005 ,000 SOT_VEST_Ro15_4 ,840 ,536 ,004 ,000 SOT_VEST_Ro16_8 ,925 ,662 ,125 ,000 SOT_VEST_Ro18_2 ,924 ,689 ,117 ,000 SOT_VEST_Ro19_3 ,955 ,841 ,448 ,004

VEST-SOT. Resultados en Pitch

Shapiro-Wilk

Estadístico Sig.

Simulador

No Si No Si SOT_VEST_Pi1_4 ,885 ,340 ,022 ,000 SOT_VEST_Pi2_5 ,914 ,583 ,077 ,000 SOT_VEST_Pi3_7 ,905 ,601 ,050 ,000 SOT_VEST_Pi4_9 ,974 ,725 ,838 ,000 SOT_VEST_Pi6_1 ,863 ,607 ,009 ,000 SOT_VEST_Pi7_2 ,818 ,670 ,002 ,000 SOT_VEST_Pi8_4 ,830 ,659 ,002 ,000 SOT_VEST_Pi9_6 ,849 ,723 ,005 ,000 SOT_VEST_Pi10_7 ,918 ,463 ,091 ,000 SOT_VEST_Pi11_9 ,890 ,627 ,027 ,000 SOT_VEST_Pi13_1 ,938 ,657 ,219 ,000 SOT_VEST_Pi14_3 ,903 ,630 ,047 ,000 SOT_VEST_Pi15_4 ,934 ,663 ,181 ,000 SOT_VEST_Pi16_8 ,802 ,610 ,001 ,000 SOT_VEST_Pi18_2 ,542 ,622 ,000 ,000 SOT_VEST_Pi19_3 ,755 ,600 ,000 ,000


- 389 -

TABLA 2.17: Prueba de Mann-Whitney entre los grupos Simulador y No Simulador en s2ec/w3mec

s2ec/w3mec en Roll

U de Mann-Whitney Sig. asintót. (bilateral) Ec_w_Ro1_4 29,000 ,000 Ec_w_Ro2_5 30,000 ,000 Ec_w_Ro3_7 31,000 ,000 Ec_w_Ro4_9 46,000 ,000 Ec_w_Ro6_1 22,000 ,000 Ec_w_Ro7_2 34,000 ,000 Ec_w_Ro8_4 35,000 ,000 Ec_w_Ro9_6 54,000 ,000 Ec_w_Ro10_7 57,000 ,000 Ec_w_Ro11_9 59,000 ,000 Ec_w_Ro13_1 52,000 ,000 Ec_w_Ro14_3 70,000 ,000 Ec_w_Ro15_4 110,000 ,015 Ec_w_Ro16_8 91,000 ,003 Ec_w_Ro18_2 94,000 ,004 Ec_w_Ro19_3 101,000 ,007

s2ec/w3mec en Pitch

U de Mann-Whitney Sig. asintót. (bilateral) Ec_w_Pi1_4 27,000 ,000 Ec_w_Pi2_5 59,000 ,000 Ec_w_Pi3_7 51,000 ,000 Ec_w_Pi4_9 50,000 ,000 Ec_w_Pi6_1 30,000 ,000 Ec_w_Pi7_2 39,000 ,000 Ec_w_Pi8_4 53,000 ,000 Ec_w_Pi9_6 83,000 ,002 Ec_w_Pi10_7 43,000 ,000 Ec_w_Pi11_9 42,000 ,000 Ec_w_Pi13_1 67,000 ,000 Ec_w_Pi14_3 90,000 ,003 Ec_w_Pi15_4 80,000 ,001 Ec_w_Pi16_8 72,000 ,001 Ec_w_Pi18_2 83,000 ,002 Ec_w_Pi19_3 87,000 ,002


- 390 -

TABLA 2.18: Prueba de Mann-Whitney entre los grupos Simulador y No Simulador en s2ec/s2ecf

s2ec/s2ecf en Roll

U de Mann-Whitney Sig. asintót. (bilateral) Ec_ecf_Ro1_4 107,000 ,012 Ec_ecf_Ro2_5 103,000 ,009 Ec_ecf_Ro3_7 118,000 ,027 Ec_ecf_Ro4_9 115,000 ,021 Ec_ecf_Ro6_1 94,000 ,004 Ec_ecf_Ro7_2 122,000 ,035 Ec_ecf_Ro8_4 109,000 ,014 Ec_ecf_Ro9_6 135,000 ,079 Ec_ecf_Ro10_7 125,000 ,042 Ec_ecf_Ro11_9 144,000 ,130 Ec_ecf_Ro13_1 146,000 ,144 Ec_ecf_Ro14_3 151,000 ,185 Ec_ecf_Ro15_4 198,000 ,957 Ec_ecf_Ro16_8 199,000 ,978 Ec_ecf_Ro18_2 189,000 ,766 Ec_ecf_Ro19_3 178,000 ,552

s2ec/s2ecf en Pitch

U de Mann-Whitney Sig. asintót. (bilateral) Ec_ecf_Pi1_4 135,000 ,079 Ec_ecf_Pi2_5 192,000 ,829 Ec_ecf_Pi3_7 194,000 ,871 Ec_ecf_Pi4_9 159,000 ,267 Ec_ecf_Pi6_1 130,000 ,058 Ec_ecf_Pi7_2 168,000 ,387 Ec_ecf_Pi8_4 131,000 ,062 Ec_ecf_Pi9_6 157,000 ,245 Ec_ecf_Pi10_7 138,000 ,094 Ec_ecf_Pi11_9 149,000 ,168 Ec_ecf_Pi13_1 135,000 ,079 Ec_ecf_Pi14_3 153,000 ,204 Ec_ecf_Pi15_4 169,000 ,402 Ec_ecf_Pi16_8 166,000 ,358 Ec_ecf_Pi18_2 179,000 ,570 Ec_ecf_Pi19_3 183,000 ,646


- 391 -

TABLA 2.19: Prueba de Mann-Whitney entre los grupos Simulador y No Simulador en CRvs

CRvs en Roll

U de Mann-Whitney Sig. asintót. (bilateral) Vis_Ro1_4 180,000 ,589 Vis_Ro2_5 196,000 ,914 Vis_Ro3_7 187,000 ,725 Vis_Ro4_9 184,000 ,665 Vis_Ro6_1 186,000 ,705 Vis_Ro7_2 184,000 ,665 Vis_Ro8_4 194,000 ,871 Vis_Ro9_6 196,000 ,914 Vis_Ro10_7 194,000 ,871 Vis_Ro11_9 199,000 ,978 Vis_Ro13_1 197,000 ,935 Vis_Ro14_3 185,000 ,685 Vis_Ro15_4 198,000 ,957 Vis_Ro16_8 193,000 ,850 Vis_Ro18_2 186,000 ,705 Vis_Ro19_3 181,000 ,607

CRvs en Pitch

U de Mann-Whitney Sig. asintót. (bilateral) Vis_Pi1_4 192,000 ,829 Vis_Pi2_5 171,000 ,433 Vis_Pi3_7 177,000 ,534 Vis_Pi4_9 194,000 ,871 Vis_Pi6_1 178,000 ,552 Vis_Pi7_2 193,000 ,850 Vis_Pi8_4 188,000 ,745 Vis_Pi9_6 193,000 ,850 Vis_Pi10_7 175,000 ,499 Vis_Pi11_9 197,000 ,935 Vis_Pi13_1 167,000 ,372 Vis_Pi14_3 198,000 ,957 Vis_Pi15_4 195,000 ,892 Vis_Pi16_8 199,000 ,978 Vis_Pi18_2 183,000 ,646 Vis_Pi19_3 194,000 ,871


- 392 -

TABLA 2.20: Prueba de Mann-Whitney entre los grupos Simulador y No Simulador en CRss

CRss en Roll

U de Mann-Whitney Sig. asintót. (bilateral) Som_Ro1_4 147,000 ,152 Som_Ro2_5 135,000 ,079 Som_Ro3_7 116,000 ,023 Som_Ro4_9 125,000 ,042 Som_Ro6_1 108,000 ,013 Som_Ro7_2 124,000 ,040 Som_Ro8_4 125,000 ,042 Som_Ro9_6 149,000 ,168 Som_Ro10_7 120,000 ,030 Som_Ro11_9 115,000 ,021 Som_Ro13_1 152,000 ,194 Som_Ro14_3 156,000 ,234 Som_Ro15_4 177,000 ,534 Som_Ro16_8 193,000 ,850 Som_Ro18_2 178,000 ,552 Som_Ro19_3 187,000 ,725

CRss en Pitch

U de Mann-Whitney Sig. asintót. (bilateral) Som_Pi1_4 182,000 ,626 Som_Pi2_5 173,000 ,465 Som_Pi3_7 174,000 ,482 Som_Pi4_9 178,000 ,552 Som_Pi6_1 182,000 ,626 Som_Pi7_2 198,000 ,957 Som_Pi8_4 160,000 ,279 Som_Pi9_6 153,000 ,204 Som_Pi10_7 167,000 ,372 Som_Pi11_9 158,000 ,256 Som_Pi13_1 180,000 ,589 Som_Pi14_3 177,000 ,534 Som_Pi15_4 194,000 ,871 Som_Pi16_8 191,000 ,808 Som_Pi18_2 195,000 ,892 Som_Pi19_3 194,000 ,871


- 393 -

TABLA 2.21: Prueba de Mann-Whitney entre los grupos Simulador y No Simulador en CRo

CRo en Roll

U de Mann-Whitney Sig. asintót. (bilateral) Vest_Ro1_4 145,000 ,137 Vest_Ro2_5 154,000 ,213 Vest_Ro3_7 133,000 ,070 Vest_Ro4_9 132,000 ,066 Vest_Ro6_1 148,000 ,160 Vest_Ro7_2 170,000 ,417 Vest_Ro8_4 148,000 ,160 Vest_Ro9_6 150,000 ,176 Vest_Ro10_7 149,000 ,168 Vest_Ro11_9 146,000 ,144 Vest_Ro13_1 174,000 ,482 Vest_Ro14_3 184,000 ,665 Vest_Ro15_4 179,000 ,570 Vest_Ro16_8 192,000 ,829 Vest_Ro18_2 183,000 ,646 Vest_Ro19_3 185,000 ,685

CRo en Pitch

U de Mann-Whitney Sig. asintót. (bilateral) Vest_Pi1_4 185,000 ,685 Vest_Pi2_5 171,000 ,433 Vest_Pi3_7 196,000 ,914 Vest_Pi4_9 198,000 ,957 Vest_Pi6_1 175,000 ,499 Vest_Pi7_2 195,000 ,892 Vest_Pi8_4 185,000 ,685 Vest_Pi9_6 177,000 ,534 Vest_Pi10_7 180,000 ,589 Vest_Pi11_9 168,000 ,387 Vest_Pi13_1 162,000 ,304 Vest_Pi14_3 181,000 ,607 Vest_Pi15_4 193,000 ,850 Vest_Pi16_8 190,000 ,787 Vest_Pi18_2 198,000 ,957 Vest_Pi19_3 194,000 ,871


- 394 -

TABLA 2.22: Prueba de Mann-Whitney entre los grupos Simulador y No Simulador en VIS-SOT

VIS-SOT en Roll

U de Mann-Whitney Sig. asintót. (bilateral) SOT_VIS_Ro1_4 194,000 ,871 SOT_VIS_Ro2_5 175,000 ,499 SOT_VIS_Ro3_7 122,000 ,035 SOT_VIS_Ro4_9 144,000 ,130 SOT_VIS_Ro6_1 155,000 ,224 SOT_VIS_Ro7_2 154,000 ,213 SOT_VIS_Ro8_4 161,000 ,291 SOT_VIS_Ro9_6 184,000 ,665 SOT_VIS_Ro10_7 157,000 ,245 SOT_VIS_Ro11_9 148,000 ,160 SOT_VIS_Ro13_1 183,000 ,646 SOT_VIS_Ro14_3 190,000 ,787 SOT_VIS_Ro15_4 197,000 ,935 SOT_VIS_Ro16_8 189,000 ,766 SOT_VIS_Ro18_2 193,000 ,850 SOT_VIS_Ro19_3 190,000 ,787

VIS-SOT en Pitch

U de Mann-Whitney Sig. asintót. (bilateral) SOT_VIS_Pi1_4 175,000 ,499 SOT_VIS_Pi2_5 149,000 ,168 SOT_VIS_Pi3_7 161,000 ,291 SOT_VIS_Pi4_9 176,000 ,516 SOT_VIS_Pi6_1 176,000 ,516 SOT_VIS_Pi7_2 192,000 ,829 SOT_VIS_Pi8_4 199,000 ,978 SOT_VIS_Pi9_6 168,000 ,387 SOT_VIS_Pi10_7 192,000 ,829 SOT_VIS_Pi11_9 199,000 ,978 SOT_VIS_Pi13_1 199,000 ,978 SOT_VIS_Pi14_3 187,000 ,725 SOT_VIS_Pi15_4 195,000 ,892 SOT_VIS_Pi16_8 179,000 ,570 SOT_VIS_Pi18_2 182,000 ,626 SOT_VIS_Pi19_3 188,000 ,745


- 395 -

TABLA 2.23: Prueba de Mann-Whitney entre los grupos Simulador y No Simulador en SOM-SOT

SOM-SOT en Roll

U de Mann-Whitney Sig. asintót. (bilateral) SOT_SOM_Ro1_4 137,000 ,088 SOT_SOM_Ro2_5 162,000 ,304 SOT_SOM_Ro3_7 189,000 ,766 SOT_SOM_Ro4_9 187,000 ,725 SOT_SOM_Ro6_1 151,000 ,185 SOT_SOM_Ro7_2 146,000 ,144 SOT_SOM_Ro8_4 169,000 ,402 SOT_SOM_Ro9_6 169,000 ,402 SOT_SOM_Ro10_7 146,000 ,144 SOT_SOM_Ro11_9 178,000 ,552 SOT_SOM_Ro13_1 176,000 ,516 SOT_SOM_Ro14_3 145,000 ,137 SOT_SOM_Ro15_4 192,000 ,829 SOT_SOM_Ro16_8 167,000 ,372 SOT_SOM_Ro18_2 163,000 ,317 SOT_SOM_Ro19_3 169,000 ,402

SOM-SOT en Pitch

U de Mann-Whitney Sig. asintót. (bilateral) SOT_SOM_Pi1_4 129,000 ,055 SOT_SOM_Pi2_5 155,000 ,224 SOT_SOM_Pi3_7 158,000 ,256 SOT_SOM_Pi4_9 144,000 ,130 SOT_SOM_Pi6_1 168,000 ,387 SOT_SOM_Pi7_2 155,000 ,224 SOT_SOM_Pi8_4 155,000 ,224 SOT_SOM_Pi9_6 184,000 ,665 SOT_SOM_Pi10_7 184,000 ,665 SOT_SOM_Pi11_9 140,000 ,105 SOT_SOM_Pi13_1 181,000 ,607 SOT_SOM_Pi14_3 142,000 ,117 SOT_SOM_Pi15_4 177,000 ,534 SOT_SOM_Pi16_8 163,000 ,317 SOT_SOM_Pi18_2 174,000 ,482 SOT_SOM_Pi19_3 184,000 ,665


- 396 -

TABLA 2.24: Prueba de Mann-Whitney entre los grupos Simulador y No Simulador en VEST-SOT

VEST-SOT en Roll

U de Mann-Whitney Sig. asintót. (bilateral) SOT_VEST_Ro1_4 180,000 ,589 SOT_VEST_Ro2_5 183,000 ,646 SOT_VEST_Ro3_7 151,000 ,185 SOT_VEST_Ro4_9 154,000 ,213 SOT_VEST_Ro6_1 172,000 ,449 SOT_VEST_Ro7_2 186,000 ,705 SOT_VEST_Ro8_4 179,000 ,570 SOT_VEST_Ro9_6 175,000 ,499 SOT_VEST_Ro10_7 174,000 ,482 SOT_VEST_Ro11_9 176,000 ,516 SOT_VEST_Ro13_1 197,000 ,935 SOT_VEST_Ro14_3 179,000 ,570 SOT_VEST_Ro15_4 184,000 ,665 SOT_VEST_Ro16_8 181,000 ,607 SOT_VEST_Ro18_2 165,000 ,344 SOT_VEST_Ro19_3 161,000 ,291

VEST-SOT en Pitch

U de Mann-Whitney Sig. asintót. (bilateral) SOT_VEST_Pi1_4 164,000 ,330 SOT_VEST_Pi2_5 141,000 ,110 SOT_VEST_Pi3_7 161,000 ,291 SOT_VEST_Pi4_9 177,000 ,534 SOT_VEST_Pi6_1 195,000 ,892 SOT_VEST_Pi7_2 189,000 ,766 SOT_VEST_Pi8_4 198,000 ,957 SOT_VEST_Pi9_6 199,000 ,978 SOT_VEST_Pi10_7 184,000 ,665 SOT_VEST_Pi11_9 193,000 ,850 SOT_VEST_Pi13_1 189,000 ,766 SOT_VEST_Pi14_3 192,000 ,829 SOT_VEST_Pi15_4 170,000 ,417 SOT_VEST_Pi16_8 161,000 ,291 SOT_VEST_Pi18_2 175,000 ,499 SOT_VEST_Pi19_3 169,000 ,402


- 397 -

Tablas: Tercera Parte


Manuel Oliva

___________________________________________________ Tablas – Tercera Parte

- 399 -

CLAVE DE LAS VARIABLES EN LAS SIGUIENTES TABLAS Ec_w Ratio s2ec/w3mec Ec_ecf Ratio s2ec/s3ecf Vis CRvs – Sway Star Visual Control Ratio Som CRss – Sway Star Somatosensorial Control Ratio Vest CRo – Sway Star Vestibular and Other Control Ratio SOT_VIS VIS – SOT Visual en SOT SOT_SOM SOM – SOT Somatosensorial en SOT SOT_VEST VEST – SOT Vestibular en SOT Ro Roll Pi Pitch 1_4 1.4 Hz 2_5 2.5 Hz 3_7 3.7 Hz 4_9 4.9 Hz 6_1 6.1 Hz 7_2 7.2 Hz 8_4 8.4 Hz 9_6 9.6 Hz 10_7 10.7 Hz 11_9 11.9 Hz 13_1 13.1 Hz 14_3 14.3 Hz 15_4 15.4 Hz 16_8 16.8 Hz 18_2 18.2 Hz 19_3 19.3 Hz De esta forma, ec_w_Ro1_4 quiere decir: s2ec/w3mec, en roll a la frecuencia 1.4 Hz Sig. Significación (p) Sig. asintót. Significación asintótica (p) NoSim Grupo No Simulador Sim Grupo Simulador Así, Ec_w_Pi2_5_Sim quiere decir: s2ec/w3mec, en pitch a la frecuencia 2.5 Hz en el grupo simulador CPP y CPN (cociente de probabilidad positivo y negativo) y LR(+) y LR(-) (likelihood ratio positivo y negativo) se refieren a la razón de verosimilitud positiva y negativa

_________________________________________________________________________________________________ Tablas – Tercera Parte

400

TABLA 3.1 A: Percentiles de s2ec/w3mec en Roll

s2ec/w3mec. Percentiles en Roll

Simulador Percentiles

5 10 25 50 75 90 95

No

Ec_w_Ro1_4 ,008255 ,008960 ,012384 ,022331 ,032350 ,085872 ,090033

Ec_w_Ro2_5 ,002812 ,003035 ,004671 ,007434 ,016696 ,027543 ,037120

Ec_w_Ro3_7 ,007947 ,009236 ,013726 ,021147 ,029789 ,031291 ,035568

Ec_w_Ro4_9 ,008335 ,008887 ,012634 ,019641 ,032100 ,045815 ,049220

Ec_w_Ro6_1 ,006763 ,008506 ,010792 ,013983 ,024266 ,042777 ,043157

Ec_w_Ro7_2 ,005262 ,007047 ,015292 ,020251 ,027399 ,043788 ,047012

Ec_w_Ro8_4 ,007165 ,008708 ,016684 ,023391 ,031425 ,070121 ,072927

Ec_w_Ro9_6 ,012197 ,013925 ,015488 ,033066 ,052889 ,083587 ,172755

Ec_w_Ro10_7 ,010624 ,012569 ,023712 ,033165 ,069955 ,092217 ,104265

Ec_w_Ro11_9 ,011084 ,015378 ,025623 ,034446 ,049043 ,072088 ,143852

Ec_w_Ro13_1 ,017048 ,023188 ,029737 ,047295 ,055831 ,081125 ,214102

Ec_w_Ro14_3 ,013965 ,018286 ,031446 ,045149 ,068148 ,090861 ,162710

Ec_w_Ro15_4 ,011773 ,019920 ,038239 ,058687 ,083779 ,156892 ,188481

Ec_w_Ro16_8 ,007335 ,019492 ,030192 ,044242 ,078165 ,106401 ,118020

Ec_w_Ro18_2 ,006943 ,015373 ,038326 ,049986 ,075028 ,127092 ,142833

Ec_w_Ro19_3 ,009145 ,023197 ,037333 ,054183 ,077821 ,092693 ,159877

Si

Ec_w_Ro1_4 ,012638 ,046825 ,072818 ,109597 ,525475 1,875143 2,434707

Ec_w_Ro2_5 ,004293 ,013865 ,034175 ,100956 ,354776 ,886112 1,381542

Ec_w_Ro3_7 ,012581 ,022406 ,063492 ,097413 ,388290 1,434762 1,678805

Ec_w_Ro4_9 ,012076 ,020516 ,037588 ,141242 ,530815 1,209547 3,042458

Ec_w_Ro6_1 ,018025 ,019760 ,051398 ,088385 ,527561 1,618768 2,966244

Ec_w_Ro7_2 ,012657 ,022931 ,051368 ,107102 ,437458 1,686941 3,680124


401

Ec_w_Ro8_4 ,020436 ,025791 ,069227 ,104463 ,383478 1,595796 1,890250

Ec_w_Ro9_6 ,019193 ,033410 ,059122 ,101414 ,585639 1,449497 6,063303

Ec_w_Ro10_7 ,026163 ,029928 ,055215 ,106897 ,493922 2,868323 4,993396

Ec_w_Ro11_9 ,021962 ,024951 ,058217 ,152015 ,737525 1,922754 6,065948

Ec_w_Ro13_1 ,021002 ,036120 ,065749 ,106916 ,558581 2,087523 4,941000

Ec_w_Ro14_3 ,023843 ,039237 ,055754 ,097600 ,686873 3,372089 4,692291

Ec_w_Ro15_4 ,019430 ,032896 ,053290 ,108820 ,482834 5,061753 7,900312

Ec_w_Ro16_8 ,020765 ,034702 ,062988 ,095533 ,606105 2,760574 7,351973

Ec_w_Ro18_2 ,035642 ,038356 ,055472 ,092086 ,495883 2,461787 4,634973

Ec_w_Ro19_3 ,024053 ,037018 ,050310 ,103822 ,814155 2,017445 4,154602


402

TABLA 3.1 B: Percentiles de s2ec/w3mec en Pitch

s2ec/w3mec. Percentiles en Pitch


5 10 25 50 75 90 95

No

Ec_w_Pi1_4 ,011089 ,011818 ,015268 ,024124 ,042225 ,069175 ,071956

Ec_w_Pi2_5 ,011182 ,017798 ,026913 ,057724 ,084365 ,122001 ,131541

Ec_w_Pi3_7 ,013705 ,020335 ,022160 ,033569 ,061795 ,078460 ,110914

Ec_w_Pi4_9 ,003512 ,010839 ,019563 ,028738 ,039798 ,064949 ,089006

Ec_w_Pi6_1 ,004944 ,010900 ,019073 ,026839 ,032323 ,043350 ,045289

Ec_w_Pi7_2 ,009728 ,010745 ,019142 ,030657 ,037376 ,045834 ,054817

Ec_w_Pi8_4 ,009267 ,015686 ,023022 ,033726 ,055968 ,105063 ,158131

Ec_w_Pi9_6 ,012676 ,027418 ,032149 ,061810 ,084264 ,125180 ,268630

Ec_w_Pi10_7 ,011752 ,020219 ,027461 ,043134 ,077408 ,110063 ,123171

Ec_w_Pi11_9 ,012841 ,016384 ,027159 ,053355 ,087431 ,109451 ,112586

Ec_w_Pi13_1 ,013457 ,022141 ,030261 ,053448 ,075891 ,119420 ,128102

Ec_w_Pi14_3 ,018403 ,020112 ,041213 ,058756 ,087715 ,135996 ,220478

Ec_w_Pi15_4 ,023185 ,028372 ,039117 ,051253 ,073281 ,112931 ,119857

Ec_w_Pi16_8 ,020566 ,025278 ,035532 ,046280 ,073445 ,107405 ,150846

Ec_w_Pi18_2 ,017587 ,019744 ,032615 ,050888 ,084413 ,102618 ,163819

Ec_w_Pi19_3 ,025197 ,027152 ,039554 ,059142 ,076611 ,097337 ,151532

Si

Ec_w_Pi1_4 ,011016 ,049367 ,097954 ,185069 ,584783 ,873075 1,780715

Ec_w_Pi2_5 ,016503 ,034766 ,089528 ,186376 ,515176 1,726717 4,674866

Ec_w_Pi3_7 ,018632 ,026178 ,091200 ,169879 ,416055 3,624212 4,460503

Ec_w_Pi4_9 ,007980 ,018818 ,069859 ,102740 ,537468 1,814322 2,109759

Ec_w_Pi6_1 ,015104 ,024448 ,052447 ,113127 ,446695 1,754114 2,793910

Ec_w_Pi7_2 ,017345 ,022183 ,099027 ,162304 ,431925 2,567813 4,515618


403

Ec_w_Pi8_4 ,022093 ,035338 ,083292 ,133853 ,817285 1,537482 4,884038

Ec_w_Pi9_6 ,020154 ,031595 ,073583 ,158341 ,557935 1,253575 2,389148

Ec_w_Pi10_7 ,034640 ,053373 ,086532 ,160427 ,774932 1,913997 3,102318

Ec_w_Pi11_9 ,050727 ,066503 ,087702 ,149510 ,530986 2,468959 4,029069

Ec_w_Pi13_1 ,028017 ,039796 ,084172 ,122983 ,492721 2,942521 4,116394

Ec_w_Pi14_3 ,018934 ,026325 ,063785 ,150228 ,579038 2,999492 4,087394

Ec_w_Pi15_4 ,023808 ,028210 ,065409 ,147040 ,459897 3,647127 4,753990

Ec_w_Pi16_8 ,028702 ,033597 ,063243 ,150880 ,776310 3,430156 4,530055

Ec_w_Pi18_2 ,029802 ,032764 ,062845 ,131058 ,460919 2,703243 4,080116

Ec_w_Pi19_3 ,021293 ,030945 ,061677 ,132570 ,625469 4,322335 5,776411


404

TABLA 3.2: Percentiles de VIS-SOT en Pitch

VIS-SOT. Percentiles en Pitch


5 10 25 50 75 90 95

No

SOT_VIS_Pi1_4 ,848568 ,859587 1,145611 1,656722 2,124447 2,620936 2,886193

SOT_VIS_Pi2_5 ,882133 ,921184 1,140771 1,338589 1,806303 1,986795 2,874077

SOT_VIS_Pi3_7 ,829468 ,832382 1,116524 1,316983 1,565176 1,995725 2,811790

SOT_VIS_Pi4_9 ,939895 ,953555 1,172174 1,345372 1,770963 2,065009 2,371416

SOT_VIS_Pi6_1 ,815358 ,965929 1,347024 1,583729 1,776315 2,415504 2,603134

SOT_VIS_Pi7_2 ,920627 1,006303 1,101389 1,504215 1,865359 2,501508 3,227306

SOT_VIS_Pi8_4 1,051519 1,109846 1,181808 1,561125 1,859260 2,121301 2,538151

SOT_VIS_Pi9_6 ,692260 ,938566 1,228484 1,525517 1,832303 2,468987 2,578522

SOT_VIS_Pi10_7 ,597888 ,844734 1,106077 1,545913 1,777627 2,878405 3,056403

SOT_VIS_Pi11_9 ,829929 ,924709 1,116571 1,514675 1,845706 2,011691 2,439077

SOT_VIS_Pi13_1 ,806619 ,924102 1,100996 1,577052 1,813295 2,050940 2,462034

SOT_VIS_Pi14_3 ,952846 1,022018 1,132196 1,358203 1,805405 2,543385 2,879894

SOT_VIS_Pi15_4 ,721835 ,795149 1,005151 1,397956 1,699941 2,117757 2,377480

SOT_VIS_Pi16_8 ,860025 ,933276 1,233146 1,379917 1,601244 1,742714 2,027596

SOT_VIS_Pi18_2 ,817227 ,861547 1,055130 1,273229 1,705332 1,935562 2,290846

SOT_VIS_Pi19_3 ,860603 ,909905 1,113904 1,253236 1,546119 1,633515 1,770839

Si

SOT_VIS_Pi1_4 ,555623 ,658428 ,985729 1,657150 5,655270 7,547440 19,544688

SOT_VIS_Pi2_5 ,446603 ,520828 1,139161 1,740061 3,601276 5,655117 7,195226

SOT_VIS_Pi3_7 ,490497 ,610663 ,899652 1,934672 4,227861 5,282163 5,451300

SOT_VIS_Pi4_9 ,301238 ,500560 ,795900 1,696514 4,669222 6,274839 7,841709

SOT_VIS_Pi6_1 ,317260 ,353804 1,044169 1,819829 3,957980 6,836083 7,855616

SOT_VIS_Pi7_2 ,265425 ,362097 ,734277 1,425326 2,703669 4,180769 6,158416


405

SOT_VIS_Pi8_4 ,631022 ,659404 ,704521 1,786032 2,861063 4,532959 7,261144

SOT_VIS_Pi9_6 ,344747 ,455956 ,638325 1,385377 2,467805 4,149810 5,003113

SOT_VIS_Pi10_7 ,358464 ,398972 ,867884 1,421794 2,581372 4,603579 6,371521

SOT_VIS_Pi11_9 ,196424 ,300049 ,841749 1,378900 2,173700 3,837723 8,072899

SOT_VIS_Pi13_1 ,410758 ,501202 ,642484 1,574515 2,168178 3,650288 6,632641

SOT_VIS_Pi14_3 ,351674 ,465645 ,645444 1,276734 2,179475 4,100744 9,354726

SOT_VIS_Pi15_4 ,450127 ,469855 ,674151 1,342197 2,210076 6,959707 7,821864

SOT_VIS_Pi16_8 ,598169 ,622616 ,969360 1,517039 1,788293 5,011687 6,820647

SOT_VIS_Pi18_2 ,527857 ,570264 ,766014 1,428211 2,266769 4,271102 5,367822

SOT_VIS_Pi19_3 ,502365 ,510356 ,817839 1,354190 2,383626 4,371519 5,758492


406

TABLA 3.3: Percentiles de SOM-SOT en Pitch

SOM-SOT- Percentiles en Pitch


5 10 25 50 75 90 95

No

SOT_SOM_Pi1_4 ,494629 ,550023 ,754625 1,038671 1,318290 1,811232 2,251645

SOT_SOM_Pi2_5 ,557453 ,711656 ,836876 1,004180 1,167247 1,429756 1,564862

SOT_SOM_Pi3_7 ,674628 ,679679 ,781136 1,011089 1,290723 1,486919 1,665430

SOT_SOM_Pi4_9 ,641733 ,678778 ,760993 ,911910 1,087672 1,710427 1,777753

SOT_SOM_Pi6_1 ,791194 ,816355 ,869625 1,023476 1,340888 1,381892 2,137136

SOT_SOM_Pi7_2 ,602015 ,691126 ,810620 ,952193 1,227630 1,375325 1,726129

SOT_SOM_Pi8_4 ,488244 ,642961 ,806093 ,967722 1,170136 1,436657 1,701943

SOT_SOM_Pi9_6 ,409105 ,647016 ,883086 1,091914 1,289517 1,383843 1,810689

SOT_SOM_Pi10_7 ,467672 ,675267 ,877607 1,050196 1,196440 1,345433 1,408648

SOT_SOM_Pi11_9 ,610422 ,736376 ,808313 1,004863 1,087464 1,175728 1,564457

SOT_SOM_Pi13_1 ,505622 ,801441 ,949526 1,098840 1,243062 1,359441 1,434120

SOT_SOM_Pi14_3 ,904400 ,940872 ,966649 1,043254 1,195253 1,370985 1,453721

SOT_SOM_Pi15_4 ,604994 ,684042 ,931318 1,103973 1,173247 1,518556 1,731223

SOT_SOM_Pi16_8 ,710319 ,801962 ,943035 1,093854 1,164791 1,523040 1,583856

SOT_SOM_Pi18_2 ,756994 ,785087 ,841622 1,098052 1,328024 1,464014 1,592737

SOT_SOM_Pi19_3 ,796230 ,874755 ,936410 1,069217 1,203536 1,439809 1,532938

Si

SOT_SOM_Pi1_4 ,254127 ,488802 ,649350 1,721822 2,389017 5,926243 9,062695

SOT_SOM_Pi2_5 ,306955 ,443462 ,621973 1,271031 2,304273 12,724057 20,056554

SOT_SOM_Pi3_7 ,312264 ,376098 ,601727 1,327458 2,404119 12,460275 30,442014

SOT_SOM_Pi4_9 ,229411 ,258651 ,661658 1,135237 3,445807 6,656130 31,781046

SOT_SOM_Pi6_1 ,173829 ,411444 ,626650 1,160771 2,813683 9,185584 33,050572

SOT_SOM_Pi7_2 ,180514 ,448097 ,817753 1,111900 2,230427 5,707688 20,363918


407

SOT_SOM_Pi8_4 ,267114 ,456766 ,779364 1,255154 2,724581 8,432540 10,026392

SOT_SOM_Pi9_6 ,143322 ,402584 ,548694 1,163208 2,171513 10,341489 26,898490

SOT_SOM_Pi10_7 ,136917 ,376238 ,702345 1,049636 2,327369 13,435119 32,553605

SOT_SOM_Pi11_9 ,155810 ,392291 ,664054 1,394482 1,864713 18,310122 25,862558

SOT_SOM_Pi13_1 ,392663 ,464908 ,703033 1,127829 1,710080 14,497646 22,603763

SOT_SOM_Pi14_3 ,502150 ,560438 ,706223 1,349290 2,055012 14,003821 18,896316

SOT_SOM_Pi15_4 ,402256 ,548248 ,799089 1,068566 2,005724 18,801413 34,682296

SOT_SOM_Pi16_8 ,513344 ,609617 ,883230 1,369548 2,026254 30,819865 35,849169

SOT_SOM_Pi18_2 ,481432 ,592646 ,739144 1,145989 2,219073 17,760421 41,815281

SOT_SOM_Pi19_3 ,441038 ,461436 ,687967 1,136176 2,521932 35,275460 41,212807


408

TABLA 3.4: Percentiles de VEST-SOT en Pitch

VEST-SOT. Percentiles en Pitch


5 10 25 50 75 90 95

No

SOT_VEST_Pi1_4 ,968274 1,108267 1,289077 2,007188 2,626310 3,321716 5,011372

SOT_VEST_Pi2_5 ,894291 ,954113 1,267890 1,794833 2,140714 3,289918 3,498288

SOT_VEST_Pi3_7 ,825658 1,078117 1,315381 1,842473 2,495198 2,778663 4,171515

SOT_VEST_Pi4_9 ,698817 1,062330 1,237638 1,883240 2,517916 3,041681 3,614737

SOT_VEST_Pi6_1 1,067095 1,514268 1,712577 1,931098 2,627683 3,884917 4,391113

SOT_VEST_Pi7_2 1,023887 1,116639 1,353770 1,723348 2,742214 4,238135 5,358029

SOT_VEST_Pi8_4 1,260456 1,353598 1,527113 1,929405 2,302571 3,301290 3,348612

SOT_VEST_Pi9_6 1,010743 1,160956 1,375164 1,846656 2,226146 3,887641 4,334333

SOT_VEST_Pi10_7 ,920485 1,043682 1,217410 1,836137 2,386272 3,102375 3,962144

SOT_VEST_Pi11_9 ,803979 1,072097 1,255440 1,528359 2,169425 3,294389 3,720695

SOT_VEST_Pi13_1 ,893629 ,944803 1,280115 1,742395 1,992637 2,899995 3,185894

SOT_VEST_Pi14_3 ,874944 1,040910 1,238629 1,504382 1,927140 2,816497 3,377181

SOT_VEST_Pi15_4 ,802091 1,080820 1,244787 1,576441 1,746623 2,522676 2,636863

SOT_VEST_Pi16_8 1,012252 1,052337 1,181321 1,344229 1,767370 2,260851 3,155143

SOT_VEST_Pi18_2 ,945019 ,960130 1,144056 1,454365 1,593818 2,092853 4,964750

SOT_VEST_Pi19_3 ,911637 ,994561 1,186847 1,299462 1,505145 1,845618 3,006533

Si

SOT_VEST_Pi1_4 ,301589 ,378681 1,270245 2,294503 5,217806 12,460250 101,027563

SOT_VEST_Pi2_5 ,360664 ,533396 1,109765 2,909220 6,662325 11,928574 32,571174

SOT_VEST_Pi3_7 ,378657 ,456985 ,665321 2,998403 5,623104 19,704943 37,445988

SOT_VEST_Pi4_9 ,295459 ,356240 ,853968 2,018193 6,505873 14,355492 25,403366

SOT_VEST_Pi6_1 ,276343 ,355836 ,812002 1,837299 6,469993 9,407938 29,511277

SOT_VEST_Pi7_2 ,236921 ,321428 ,547423 1,813369 4,582486 16,363823 21,271128


409

SOT_VEST_Pi8_4 ,389881 ,450274 ,780786 1,935573 4,261691 7,938412 18,944228

SOT_VEST_Pi9_6 ,324229 ,336886 ,668650 2,016294 4,480975 9,752029 14,977157

SOT_VEST_Pi10_7 ,259842 ,275992 ,890786 1,898415 3,903703 7,203401 34,097299

SOT_VEST_Pi11_9 ,294644 ,377489 ,982589 1,568468 2,676117 9,280943 15,122741

SOT_VEST_Pi13_1 ,372681 ,536062 ,912846 1,418824 3,315980 10,982128 12,070121

SOT_VEST_Pi14_3 ,526851 ,624556 1,029935 1,702864 2,599758 10,976573 14,226561

SOT_VEST_Pi15_4 ,586768 ,596852 ,811691 1,961772 2,987751 8,912142 14,388666

SOT_VEST_Pi16_8 ,400786 ,535999 1,014983 1,783948 3,349993 15,826609 18,338169

SOT_VEST_Pi18_2 ,418797 ,458505 ,837921 1,763017 3,534460 17,863516 20,589446

SOT_VEST_Pi19_3 ,429716 ,502430 ,777027 1,648672 3,330746 17,121872 21,046880


410

TABLA 3.5: Intervalo de referencia (valores entre el percentil 2.5 y el percentil 97.5) en pitch para CRvs, en el grupo No Simulador.

Percentil 2,5 y 97,5 de CRvs en el grupo No Simulador en Pitch

Percentiles

2,5 97,5

Vis_Pi1_4 -,164751 ,245563 Vis_Pi2_5 -,175982 ,236405 Vis_Pi3_7 -,108483 ,227059 Vis_Pi4_9 -,168407 ,285681 Vis_Pi6_1 -,033290 ,313494 Vis_Pi7_2 -,133138 ,358768 Vis_Pi8_4 -,124874 ,253879 Vis_Pi9_6 -,165215 ,368769

Vis_Pi10_7 -,141247 ,192302 Vis_Pi11_9 -,120023 ,285651 Vis_Pi13_1 -,140271 ,200083 Vis_Pi14_3 -,091243 ,243129 Vis_Pi15_4 -,100328 ,163670 Vis_Pi16_8 -,055684 ,271309 Vis_Pi18_2 -,089967 ,378084 Vis_Pi19_3 -,088286 ,286457


411

TABLA 3.6: Intervalo de referencia (valores entre el percentil 2.5 y el percentil 97.5) en pitch para CRss, en el grupo No Simulador.

Percentil 2,5 y 97,5 de CRss en el grupo No Simulador en pitch

Percentiles

2,5 97,5

Som_Pi1_4 ,036469 ,662025 Som_Pi2_5 -,003105 ,575103 Som_Pi3_7 -,003328 ,510002 Som_Pi4_9 -,024462 ,445174 Som_Pi6_1 -,088313 ,546849 Som_Pi7_2 ,112240 ,577072 Som_Pi8_4 ,107236 ,474039 Som_Pi9_6 ,005411 ,541631

Som_Pi10_7 ,030368 ,560582 Som_Pi11_9 ,002005 ,486714 Som_Pi13_1 ,002595 ,461269 Som_Pi14_3 -,017451 ,445758 Som_Pi15_4 -,170106 ,377807 Som_Pi16_8 -,074074 ,379352 Som_Pi18_2 -,047943 ,488775 Som_Pi19_3 -,041736 ,388566


412

TABLA 3.7: Intervalo de referencia (valores entre el percentil 2.5 y el percentil 97.5) en pitch para CRo, en el grupo No Simulador.

Percentil 2,5 y 97,5 de CRo en el grupo No Simulador en pitch

Percentiles

2,5 97,5

Vest_Pi1_4 ,148205 1,021654 Vest_Pi2_5 ,347715 1,055251 Vest_Pi3_7 ,309855 1,111810 Vest_Pi4_9 ,313847 1,192869 Vest_Pi6_1 ,294844 ,979787 Vest_Pi7_2 ,162387 ,989431 Vest_Pi8_4 ,380493 ,886443 Vest_Pi9_6 ,235421 ,997645

Vest_Pi10_7 ,336534 1,038711 Vest_Pi11_9 ,227635 1,118018 Vest_Pi13_1 ,367921 1,054120 Vest_Pi14_3 ,323467 1,069258 Vest_Pi15_4 ,474699 1,117011 Vest_Pi16_8 ,349340 ,994995 Vest_Pi18_2 ,133141 1,029204 Vest_Pi19_3 ,324977 1,045698


413

TABLA 3.8 A: Tablas de contingencia para s2ec/w3mec. Puntos de corte según el grupo No Simulador para todas las frecuencias en Roll.

Identificación de no simuladores en roll

Simulador Total No Si No Ec_w_Ro1_4_NoSim No Sim 19 6 25 Sim 1 14 15 Total 20 20 40







Simulador Total No Si No Ec_w_Ro9_6_NoSim No Sim 19 12 31


414

Sim 1 8 9 Total 20 20 40










415

TABLA 3.8 B: Tablas de contingencia para s2ec/w3mec. Puntos de corte según el grupo No Simulador para todas las frecuencias en Pitch.

Identificación de no simuladores en pitch

Simulador Total No Si No Ec_w_Pi1_4_NoSim No Sim 19 3 22 Sim 1 17 18 Total 20 20 40







Simulador Total No Si No Ec_w_Pi9_6_NoSim No Sim 19 14 33


416

Sim 1 6 7 Total 20 20 40










417

TABLA 3.9 A: Tablas de contingencia para s2ec/w3mec. Puntos de corte según el grupo Simulador para todas las frecuencias en Roll.

Identificación de simuladores en roll

Simulador Total No Si No Ec_w_Ro1_4_Sim No Sim 5 1 6 Sim 15 19 34 Total 20 20 40







Simulador Total No Si No Ec_w_Ro9_6_Sim No Sim 6 1 7


418

Sim 14 19 33 Total 20 20 40










419

TABLA 3.9 B: Tablas de contingencia para s2ec/w3mec. Puntos de corte según el grupo Simulador para todas las frecuencias en Pitch.

Identificación de simuladores en pitch

Simulador Total No Si No Ec_w_Pi1_4_Sim No Sim 0 1 1 Sim 20 19 39 Total 20 20 40







Simulador Total No Si No Ec_w_Pi9_6_Sim No Sim 1 1 2


420

Sim 19 19 38 Total 20 20 40










421

TABLA 3.10: Prueba de chi cuadrado en las tablas de contingencia de s2ec/w3mec. Identificación de No Simuladores

s2ec/w3mec en Roll. Identificación no simuladores

Frecuencia Chi_cuadrado Sig 1.4 18,03 ,002.5 20,42 ,003.7 23,02 ,004.9 15,82 ,006.1 26,67 ,007.2 23,02 ,008.4 20,42 ,009.6 7,03 ,0110.7 11,90 ,0011.9 10,16 ,0013.1 5,63 ,0214.3 8,53 ,0015.4 5,63 ,0216.8 7,03 ,0118.2 7,03 ,0119.3 5,63 ,02

s2ec/w3mec en Pitch. Identificación no simuladores

Frecuencia Chi_cuadrado Sig 1.4 25,86 ,002.5 13,79 ,003.7 18,03 ,004.9 15,82 ,006.1 23,02 ,007.2 25,86 ,008.4 7,03 ,019.6 4,33 ,0410.7 11,91 ,0011.9 11,91 ,0013.1 10,16 ,0014.3 5,63 ,0215.4 13,79 ,0016.8 10,16 ,0018.2 8,53 ,0019.3 8,53 ,00


422

TABLA 3.11: Prueba de chi cuadrado en las tablas de contingencia de s2ec/w3mec. Identificación de Simuladores

s2ec/w3mec en Roll. Identificación simuladores

Frecuencia Chi_cuadrado Sig 1.4 3,14 ,082.5 2,06 ,153.7 3,14 ,084.9 2,06 ,156.1 15,82 ,007.2 2,06 ,158.4 7,03 ,019.6 4,33 ,0410.7 5,63 ,0211.9 5,63 ,0213.1 ,00 1,0014.3 ,36 ,5515.4 ,36 ,5516.8 ,36 ,5518.2 2,06 ,1519.3 ,36 ,55

s2ec/w3mec en Pitch. Identificación simuladores

Frecuencia Chi_cuadrado Sig 1.4 1,03 ,312.5 ,00 1,003.7 ,00 1,004.9 ,00 1,006.1 2,06 ,157.2 2,06 ,158.4 2,06 ,159.6 ,00 1,0010.7 8,53 ,0011.9 8,53 ,0013.1 ,36 ,5514.3 ,36 ,5515.4 ,00 1,0016.8 1,11 ,2918.2 2,06 ,1519.3 1,03 ,31


423

TABLA 3.12: Ratio s2ec/w3mec. Validación de la identificación de No Simuladores en roll. Sensibilidad, especificidad, valores predictivos positivo y negativo, razón de verosimilitud positiva y negativa con intervalos de confianza al 95% Ec_w_Ro1_4_NoSim IC 95%

Sensibilidad 95,0% 76,4% a 99,1% Especificidad 70,0% 48,1% a 85,5%

Valor predictivo positivo 76,0% 56,6% a 88,5% Valor predictivo negativo 93,3% 70,2% a 98,8%

CPP o LR(+) 3,17 1,61 a 6,23 CPN o LR(-) 0,07 0,01 a 0,49

Ec_w_Ro2_5_NoSim IC 95%



CPP o LR(+) 3,80 1,77 a 8,17 CPN o LR(-) 0,07 0,01 a 0,46




CPP o LR(+) 4,75 1,97 a 11,48 CPN o LR(-) 0,06 0,01 a 0,43




CPP o LR(+) 2,71 1,48 a 4,97 CPN o LR(-) 0,08 0,01 a 0,53




CPP o LR(+) 5,00 2,08 a 12,01 CPN o LR(-) 0,00 0,00 a 0,00




424


CPP o LR(+) 4,75 1,97 a 11,48 CPN o LR(-) 0,06 0,01 a 0,43




CPP o LR(+) 3,80 1,77 a 8,17 CPN o LR(-) 0,07 0,01 a 0,46




CPP o LR(+) 1,58 1,09 a 2,30 CPN o LR(-) 0,13 0,02 a 0,89




CPP o LR(+) 2,11 1,29 a 3,46 CPN o LR(-) 0,09 0,01 a 0,63




CPP o LR(+) 1,90 1,21 a 2,98 CPN o LR(-) 0,10 0,01 a 0,70




CPP o LR(+) 1,46 1,04 a 2,05 CPN o LR(-) 0,14 0,02 a 1,02


Sensibilidad 95,0% 76,4% a 99,1%


425

Especificidad 45,0% 25,8% a 65,8% Valor predictivo positivo 63,3% 45,5% a 78,1%

Valor predictivo negativo 90,0% 59,6% a 98,2% CPP o LR(+) 1,73 1,15 a 2,60 CPN o LR(-) 0,11 0,02 a 0,78




CPP o LR(+) 1,46 1,04 a 2,05 CPN o LR(-) 0,14 0,02 a 1,02




CPP o LR(+) 1,58 1,09 a 2,30 CPN o LR(-) 0,13 0,02 a 0,89




CPP o LR(+) 1,58 1,09 a 2,30 CPN o LR(-) 0,13 0,02 a 0,89




CPP o LR(+) 1,46 1,04 a 2,05 CPN o LR(-) 0,14 0,02 a 1,02


426

TABLA 3.13: Ratio s2ec/w3mec. Validación de la identificación de No Simuladores en pitch. Sensibilidad, especificidad, valores predictivos positivo y negativo, razón de verosimilitud positiva y negativa con intervalos de confianza al 95% Ec_w_Pi1_4_NoSim IC 95%



CPP o LR(+) 6,33 2,22 a 18,06 CPN o LR(-) 0,06 0,01 a 0,40

Ec_w_Pi2_5_NoSim IC 95%



CPP o LR(+) 2,38 1,38 a 4,10 CPN o LR(-) 0,08 0,01 a 0,58




CPP o LR(+) 3,17 1,61 a 6,23 CPN o LR(-) 0,07 0,01 a 0,49




CPP o LR(+) 2,71 1,48 a 4,97 CPN o LR(-) 0,08 0,01 a 0,53




CPP o LR(+) 4,75 1,97 a 11,48 CPN o LR(-) 0,06 0,01 a 0,43




427


CPP o LR(+) 6,33 2,22 a 18,06 CPN o LR(-) 0,06 0,01 a 0,40




CPP o LR(+) 1,58 1,09 a 2,30 CPN o LR(-) 0,13 0,02 a 0,89




CPP o LR(+) 1,36 1,00 a 1,84 CPN o LR(-) 0,17 0,02 a 1,21




CPP o LR(+) 2,11 1,29 a 3,46 CPN o LR(-) 0,09 0,01 a 0,63




CPP o LR(+) 2,11 1,29 a 3,46 CPN o LR(-) 0,09 0,01 a 0,63




CPP o LR(+) 1,90 1,21 a 2,98 CPN o LR(-) 0,10 0,01 a 0,70




428






CPP o LR(+) 2,38 1,38 a 4,10 CPN o LR(-) 0,08 0,01 a 0,58




CPP o LR(+) 1,90 1,21 a 2,98 CPN o LR(-) 0,10 0,01 a 0,70




CPP o LR(+) 1,73 1,15 a 2,60 CPN o LR(-) 0,11 0,02 a 0,78




CPP o LR(+) 1,73 1,15 a 2,60 CPN o LR(-) 0,11 0,02 a 0,78


429

TABLA 3.14: Ratio s2ec/w3mec. Validación de la identificación de Simuladores en roll. Sensibilidad, especificidad, valores predictivos positivo y negativo, razón de verosimilitud positiva y negativa con intervalos de confianza al 95% Ec_w_Ro1_4_Sim IC 95%



CPP o LR(+) 1,27 0,96 a 1,66 CPN o LR(-) 0,20 0,03 a 1,47

Ec_w_Ro2_5_Sim IC 95%



CPP o LR(+) 1,19 0,93 a 1,51 CPN o LR(-) 0,25 0,03 a 1,89




CPP o LR(+) 1,27 0,96 a 1,66 CPN o LR(-) 0,20 0,03 a 1,47




CPP o LR(+) 1,19 0,93 a 1,51 CPN o LR(-) 0,25 0,03 a 1,89




CPP o LR(+) 2,71 1,48 a 4,97 CPN o LR(-) 0,08 0,01 a 0,53




430


CPP o LR(+) 1,19 0,93 a 1,51 CPN o LR(-) 0,25 0,03 a 1,89




CPP o LR(+) 1,58 1,09 a 2,30 CPN o LR(-) 0,13 0,02 a 0,89




CPP o LR(+) 1,36 1,00 a 1,84 CPN o LR(-) 0,17 0,02 a 1,21




CPP o LR(+) 1,46 1,04 a 2,05 CPN o LR(-) 0,14 0,02 a 1,02




CPP o LR(+) 1,19 0,93 a 1,51 CPN o LR(-) 0,25 0,03 a 1,89




CPP o LR(+) 1,00 0,87 a 1,15 CPN o LR(-) 1,00 0,09 a 10,59




431






CPP o LR(+) 1,06 0,88 a 1,26 CPN o LR(-) 0,50 0,06 a 4,25




CPP o LR(+) 1,06 0,88 a 1,26 CPN o LR(-) 0,50 0,06 a 4,25




CPP o LR(+) 1,19 0,93 a 1,51 CPN o LR(-) 0,25 0,03 a 1,89




CPP o LR(+) 1,06 0,88 a 1,26 CPN o LR(-) 0,50 0,06 a 4,25


432

TABLA 3.15: Ratio s2ec/w3mec. Validación de la identificación de Simuladores en pitch. Sensibilidad, especificidad, valores predictivos positivo y negativo, razón de verosimilitud positiva y negativa con intervalos de confianza al 95% Ec_w_Pi1_4_Sim IC 95%



CPP o LR(+) 0,95 0,83 a 1,09 CPN o LR(-) 3,00 0,24 a 37,03

Ec_w_Pi2_5_Sim IC 95%



CPP o LR(+) 1,00 0,87 a 1,15 CPN o LR(-) 1,00 0,09 a 10,59




CPP o LR(+) 1,00 0,87 a 1,15 CPN o LR(-) 1,00 0,09 a 10,59




CPP o LR(+) 1,00 0,87 a 1,15 CPN o LR(-) 1,00 0,09 a 10,59




CPP o LR(+) 1,19 0,93 a 1,51 CPN o LR(-) 0,25 0,03 a 1,89




433


CPP o LR(+) 1,19 0,93 a 1,51 CPN o LR(-) 0,25 0,03 a 1,89




CPP o LR(+) 1,19 0,93 a 1,51 CPN o LR(-) 0,25 0,03 a 1,89




CPP o LR(+) 1,00 0,87 a 1,15 CPN o LR(-) 1,00 0,09 a 10,59




CPP o LR(+) 1,73 1,15 a 2,60 CPN o LR(-) 0,11 0,02 a 0,78




CPP o LR(+) 1,73 1,15 a 2,60 CPN o LR(-) 0,11 0,02 a 0,78




CPP o LR(+) 1,06 0,88 a 1,26 CPN o LR(-) 0,50 0,06 a 4,25




434






CPP o LR(+) 1,00 0,87 a 1,15 CPN o LR(-) 1,00 0,09 a 10,59




CPP o LR(+) 1,12 0,91 a 1,38 CPN o LR(-) 0,33 0,04 a 2,62




CPP o LR(+) 1,19 0,93 a 1,51 CPN o LR(-) 0,25 0,03 a 1,89




CPP o LR(+) 0,95 0,83 a 1,09 CPN o LR(-) 3,00 0,24 a 37,03


435

TABLA 3.16: Ratio s2ec/w3mec. Tabla resumen, con razones de verosimilitud de la identificación de No Simuladores.

Identificacion de no simuladores en roll

Frecuencia LR_positivo LR_negativo Ec_w_Ro1_4_NoSim 3,17 ,07Ec_w_Ro2_5_NoSim 3,80 ,07Ec_w_Ro3_7_NoSim 4,75 ,06Ec_w_Ro4_9_NoSim 2,71 ,08Ec_w_Ro6_1_NoSim 5,00 ,00Ec_w_Ro7_2_NoSim 4,75 ,06Ec_w_Ro8_4_NoSim 3,80 ,07Ec_w_Ro9_6_NoSim 1,58 ,13Ec_w_Ro10_7_NoSim 2,11 ,09Ec_w_Ro11_9_NoSim 1,90 ,10Ec_w_Ro13_1_NoSim 1,46 ,14Ec_w_Ro14_3_NoSim 1,73 ,11Ec_w_Ro15_4_NoSim 1,46 ,14Ec_w_Ro16_8_NoSim 1,58 ,13Ec_w_Ro18_2_NoSim 1,58 ,13Ec_w_Ro19_3_NoSim 1,46 ,14

Identificación de no simuladores en pitch

Frecuencia LR_positivo LR_negativo Ec_w_Pi1_4_NoSim 6,33 ,06Ec_w_Pi2_5_NoSim 2,38 ,08Ec_w_Pi3_7_NoSim 3,17 ,07Ec_w_Pi4_9_NoSim 2,71 ,08Ec_w_Pi6_1_NoSim 4,75 ,06Ec_w_Pi7_2_NoSim 6,33 ,06Ec_w_Pi8_4_NoSim 1,58 ,13Ec_w_Pi9_6_NoSim 1,36 ,17Ec_w_Pi10_7_NoSim 2,11 ,09Ec_w_Pi11_9_NoSim 2,11 ,09Ec_w_Pi13_1_NoSim 1,90 ,10Ec_w_Pi14_3_NoSim 1,46 ,14Ec_w_Pi15_4_NoSim 2,38 ,08Ec_w_Pi16_8_NoSim 1,90 ,10Ec_w_Pi18_2_NoSim 1,73 ,11Ec_w_Pi19_3_NoSim 1,73 ,11


436

TABLA 3.17: Ratio s2ec/w3mec. Tabla resumen, con razones de verosimilitud de la identificación de Simuladores.

Identificación de simuladores en roll

Frecuencia LR_positivo LR_negativo Ec_w_Ro1_4_Sim 1,27 ,20Ec_w_Ro2_5_Sim 1,19 ,25Ec_w_Ro3_7_Sim 1,27 ,20Ec_w_Ro4_9_Sim 1,19 ,25Ec_w_Ro6_1_Sim 2,71 ,08Ec_w_Ro7_2_Sim 1,19 ,25Ec_w_Ro8_4_Sim 1,58 ,13Ec_w_Ro9_6_Sim 1,36 ,17Ec_w_Ro10_7_Sim 1,46 ,14Ec_w_Ro11_9_Sim 1,19 ,25Ec_w_Ro13_1_Sim 1,00 1,00Ec_w_Ro14_3_Sim 1,06 ,50Ec_w_Ro15_4_Sim 1,06 ,50Ec_w_Ro16_8_Sim 1,06 ,50Ec_w_Ro18_2_Sim 1,19 ,25Ec_w_Ro19_3_Sim 1,06 ,50

Identificación de simuladores en pitch

Frecuencia LR_positivo LR_negativo Ec_w_Pi1_4_Sim ,95 3,00Ec_w_Pi2_5_Sim 1,00 1,00Ec_w_Pi3_7_Sim 1,00 1,00Ec_w_Pi4_9_Sim 1,00 1,00Ec_w_Pi6_1_Sim 1,19 ,25Ec_w_Pi7_2_Sim 1,19 ,25Ec_w_Pi8_4_Sim 1,19 ,25Ec_w_Pi9_6_Sim 1,00 1,00Ec_w_Pi10_7_Sim 1,73 ,11Ec_w_Pi11_9_Sim 1,73 ,11Ec_w_Pi13_1_Sim 1,06 ,50Ec_w_Pi14_3_Sim 1,06 ,50Ec_w_Pi15_4_Sim 1,00 1,00Ec_w_Pi16_8_Sim 1,12 ,33Ec_w_Pi18_2_Sim 1,19 ,25Ec_w_Pi19_3_Sim ,95 3,00


437

TABLA 3.18: Ratio s2ec/w3mec. Area bajo la curva ROC. Identificación de No Simuladores.

Área bajo la curva. Identificación de No Simuladores en Roll

Variables resultado de contraste Área Error típ. Sig. asintótica

Intervalo de confianza asintótico al 95%

Límite inferior

Límite superior

Ec_w_Ro1_4_NoSim ,825 ,070 ,000 ,687 ,963 Ec_w_Ro2_5_NoSim ,850 ,066 ,000 ,721 ,979 Ec_w_Ro3_7_NoSim ,875 ,061 ,000 ,755 ,995 Ec_w_Ro4_9_NoSim ,800 ,074 ,001 ,655 ,945 Ec_w_Ro6_1_NoSim ,900 ,055 ,000 ,791 1,009 Ec_w_Ro7_2_NoSim ,875 ,061 ,000 ,755 ,995 Ec_w_Ro8_4_NoSim ,850 ,066 ,000 ,721 ,979 Ec_w_Ro9_6_NoSim ,675 ,087 ,058 ,505 ,845 Ec_w_Ro10_7_NoSim ,750 ,080 ,007 ,593 ,907 Ec_w_Ro11_9_NoSim ,725 ,083 ,015 ,563 ,887 Ec_w_Ro13_1_NoSim ,650 ,088 ,105 ,477 ,823 Ec_w_Ro14_3_NoSim ,700 ,085 ,030 ,534 ,866 Ec_w_Ro15_4_NoSim ,650 ,088 ,105 ,477 ,823 Ec_w_Ro16_8_NoSim ,675 ,087 ,058 ,505 ,845 Ec_w_Ro18_2_NoSim ,675 ,087 ,058 ,505 ,845 Ec_w_Ro19_3_NoSim ,650 ,088 ,105 ,477 ,823

Área bajo la curva. Identificación de No Simuladores en Pitch



Límite inferior

Límite superior

Ec_w_Pi1_4_NoSim ,900 ,055 ,000 ,791 1,009 Ec_w_Pi2_5_NoSim ,775 ,077 ,003 ,624 ,926 Ec_w_Pi3_7_NoSim ,825 ,070 ,000 ,687 ,963 Ec_w_Pi4_9_NoSim ,800 ,074 ,001 ,655 ,945 Ec_w_Pi6_1_NoSim ,875 ,061 ,000 ,755 ,995 Ec_w_Pi7_2_NoSim ,900 ,055 ,000 ,791 1,009 Ec_w_Pi8_4_NoSim ,675 ,087 ,058 ,505 ,845 Ec_w_Pi9_6_NoSim ,625 ,089 ,176 ,450 ,800

Ec_w_Pi10_7_NoSim ,750 ,080 ,007 ,593 ,907 Ec_w_Pi11_9_NoSim ,750 ,080 ,007 ,593 ,907 Ec_w_Pi13_1_NoSim ,725 ,083 ,015 ,563 ,887 Ec_w_Pi14_3_NoSim ,650 ,088 ,105 ,477 ,823 Ec_w_Pi15_4_NoSim ,775 ,077 ,003 ,624 ,926 Ec_w_Pi16_8_NoSim ,725 ,083 ,015 ,563 ,887 Ec_w_Pi18_2_NoSim ,700 ,085 ,030 ,534 ,866 Ec_w_Pi19_3_NoSim ,700 ,085 ,030 ,534 ,866


438

TABLA 3.19: Ratio s2ec/w3mec. Area bajo la curva ROC. Identificación de Simuladores.

Área bajo la curva. Identificación de Simuladores en Roll



Límite inferior

Límite superior

Ec_w_Ro1_4_Sim ,600 ,091 ,279 ,423 ,777 Ec_w_Ro2_5_Sim ,575 ,091 ,417 ,396 ,754 Ec_w_Ro3_7_Sim ,600 ,091 ,279 ,423 ,777 Ec_w_Ro4_9_Sim ,575 ,091 ,417 ,396 ,754 Ec_w_Ro6_1_Sim ,800 ,074 ,001 ,655 ,945 Ec_w_Ro7_2_Sim ,575 ,091 ,417 ,396 ,754 Ec_w_Ro8_4_Sim ,675 ,087 ,058 ,505 ,845 Ec_w_Ro9_6_Sim ,625 ,089 ,176 ,450 ,800

Ec_w_Ro10_7_Sim ,650 ,088 ,105 ,477 ,823 Ec_w_Ro11_9_Sim ,575 ,091 ,417 ,396 ,754 Ec_w_Ro13_1_Sim ,500 ,092 1,000 ,319 ,681 Ec_w_Ro14_3_Sim ,525 ,092 ,787 ,344 ,706 Ec_w_Ro15_4_Sim ,525 ,092 ,787 ,344 ,706 Ec_w_Ro16_8_Sim ,525 ,092 ,787 ,344 ,706 Ec_w_Ro18_2_Sim ,575 ,091 ,417 ,396 ,754 Ec_w_Ro19_3_Sim ,525 ,092 ,787 ,344 ,706

Área bajo la curva. Identificación de Simuladores en Pitch



Límite inferior

Límite superior

Ec_w_Pi1_4_Sim ,475 ,092 ,787 ,294 ,656 Ec_w_Pi2_5_Sim ,500 ,092 1,000 ,319 ,681 Ec_w_Pi3_7_Sim ,500 ,092 1,000 ,319 ,681 Ec_w_Pi4_9_Sim ,500 ,092 1,000 ,319 ,681 Ec_w_Pi6_1_Sim ,575 ,091 ,417 ,396 ,754 Ec_w_Pi7_2_Sim ,575 ,091 ,417 ,396 ,754 Ec_w_Pi8_4_Sim ,575 ,091 ,417 ,396 ,754 Ec_w_Pi9_6_Sim ,500 ,092 1,000 ,319 ,681

Ec_w_Pi10_7_Sim ,700 ,085 ,030 ,534 ,866 Ec_w_Pi11_9_Sim ,700 ,085 ,030 ,534 ,866 Ec_w_Pi13_1_Sim ,525 ,092 ,787 ,344 ,706 Ec_w_Pi14_3_Sim ,525 ,092 ,787 ,344 ,706 Ec_w_Pi15_4_Sim ,500 ,092 1,000 ,319 ,681 Ec_w_Pi16_8_Sim ,550 ,092 ,589 ,370 ,730 Ec_w_Pi18_2_Sim ,575 ,091 ,417 ,396 ,754 Ec_w_Pi19_3_Sim ,475 ,092 ,787 ,294 ,656


439

Tablas: Cuarta Parte


Manuel Oliva

___________________________________________________ Tablas – Cuarta Parte

- 441 -

Tabla 4.1: Estadísticos descriptivos para la edad del grupo Patológicos

Estadísticos descriptivos para la edad del grupo Patológico

Estadístico Edad Media 47,28

Mediana 48,00Varianza 224,324Desv. típ. 14,977Mínimo 10Máximo 86


- 442 -

Tabla 4.2: Test de comparaciones múltiples entre los grupos del estudio Comparaciones múltiples entre los grupos Simulador, No Simulador y Patológico Variable dependiente: Edad

(I) Simulador

(J) Simulador Diferencia de

medias (I-J) Error típico Sig.

Intervalo de confianza al 95%

Límite superior

Límite inferior

Bonferroni No Si ,000 4,445 1,000 -10,70 10,70 Patol -19,532(*) 3,259 ,000 -27,38 -11,69 Si No ,000 4,445 1,000 -10,70 10,70 Patol -19,532(*) 3,259 ,000 -27,38 -11,69 Patol No 19,532(*) 3,259 ,000 11,69 27,38 Si 19,532(*) 3,259 ,000 11,69 27,38Tamhane No Si ,000 1,051 1,000 -2,62 2,62 Patol -19,532(*) 1,181 ,000 -22,40 -16,67 Si No ,000 1,051 1,000 -2,62 2,62 Patol -19,532(*) 1,181 ,000 -22,40 -16,67 Patol No 19,532(*) 1,181 ,000 16,67 22,40 Si 19,532(*) 1,181 ,000 16,67 22,40* La diferencia de medias es significativa al nivel .05.

__________________________________________________________________________________________________ Tablas – Cuarta Parte

443

Tabla 4.3 A: Resumen de los modelos de estimación curvilínea. Límite superior de s2ec/w3mec Resumen del modelo y estimaciones de los parámetros Variable dependiente: ec_w_sup

Ecuación

Resumen del modelo Estimaciones de los parámetros

R cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,365 151,060 1 263 ,000 ,052 ,000 Logarítmica ,179 57,149 1 263 ,000 ,023 ,013 Inversa ,043 11,861 1 263 ,001 ,079 -,204 Cuadrático ,768 434,551 2 262 ,000 ,102 -,002 2,56E-005 Cúbico ,778 304,478 3 261 ,000 ,116 -,003 5,34E-005 -1,99E-007Compuesto ,377 158,822 1 263 ,000 ,055 1,006 Potencia ,187 60,341 1 263 ,000 ,039 ,168 S ,045 12,497 1 263 ,000 -2,548 -2,557 Crecimiento ,377 158,822 1 263 ,000 -2,893 ,006 Exponencial ,377 158,822 1 263 ,000 ,055 ,006

La variable independiente esEdad.


444

Tabla 4.3 B: Resumen de los modelos de estimación curvilínea. Límite inferior de s2ec/w3mec Resumen del modelo y estimaciones de los parámetros Variable dependiente: ec_w_inf

Ecuación


R cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,066 18,508 1 263 ,000 ,061 ,000 Logarítmica ,105 30,987 1 263 ,000 ,032 ,010 Inversa ,102 29,843 1 263 ,000 ,078 -,307 Cuadrático ,267 47,662 2 262 ,000 ,026 ,002 -1,77E-005 Cúbico ,331 42,999 3 261 ,000 ,063 -,001 5,35E-005 -5,07E-007Compuesto ,089 25,674 1 263 ,000 ,060 1,003 Potencia ,132 40,007 1 263 ,000 ,038 ,155 S ,120 36,031 1 263 ,000 -2,557 -4,573 Crecimiento ,089 25,674 1 263 ,000 -2,819 ,003 Exponencial ,089 25,674 1 263 ,000 ,060 ,003



445

Tabla 4.4 A: Resumen de los modelos de estimación curvilínea. Límite superior de CRvs Resumen del modelo y estimaciones de los parámetros Variable dependiente: CRvs_sup

Ecuación

Resumen del modelo Estimaciones de los parámetros R

cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,030 8,241 1 263 ,004 ,006 ,001 Logarítmica ,003 ,808 1 263 ,370 ,005 ,011 Inversa ,002 ,537 1 263 ,464 ,041 ,283 Cuadrático ,275 49,665 2 262 ,000 ,254 -,011 ,000 Cúbico ,279 33,594 3 261 ,000 ,312 -,016 ,000 -7,91E-007Compuesto(a) . . . . . ,000 ,000 Potencia(a) . . . . . ,000 ,000 S(a) . . . . . ,000 ,000 Crecimiento(a) . . . . . ,000 ,000 Exponencial(a) . . . . . ,000 ,000

La variable independiente esEdad. a La variable dependiente (CRvs_sup) contiene valores no positivos. El valor mínimo es -,249206. No es posible aplicar la transformación log. No es posible calcular el modelo compuesto, el de potencia, el de curva S, el de crecimiento, el exponencial ni el modelo logístico para esta variable.


446

Tabla 4.4 B: Resumen de los modelos de estimación curvilínea. Límite inferior de CRvs Resumen del modelo y estimaciones de los parámetros Variable dependiente: CRvs_inf

Ecuación


cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,351 142,389 1 263 ,000 ,019 ,002 Logarítmica ,326 127,024 1 263 ,000 -,162 ,070 Inversa ,225 76,521 1 263 ,000 ,149 -1,806 Cuadrático ,361 74,138 2 262 ,000 -,012 ,003 -1,57E-005 Cúbico ,454 72,246 3 261 ,000 ,165 -,011 ,000 -2,41E-006Compuesto(a) . . . . . ,000 ,000 Potencia(a) . . . . . ,000 ,000 S(a) . . . . . ,000 ,000 Crecimiento(a) . . . . . ,000 ,000 Exponencial(a) . . . . . ,000 ,000

La variable independiente esEdad. a La variable dependiente (CRvs_inf) contiene valores no positivos. El valor mínimo es -,103215. No es posible aplicar la transformación log. No es posible calcular el modelo compuesto, el de potencia, el de curva S, el de crecimiento, el exponencial ni el modelo logístico para esta variable.


447

Tabla 4.5 A: Resumen de los modelos de estimación curvilínea. Límite superior de CRss Resumen del modelo y estimaciones de los parámetros Variable dependiente: CRss_sup

Ecuación


R cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,003 ,904 1 263 ,343 ,336 ,000 Logarítmica ,004 ,987 1 263 ,321 ,292 ,009 Inversa ,022 5,809 1 263 ,017 ,342 -,661 Cuadrático ,337 66,588 2 262 ,000 ,128 ,010 ,000 Cúbico ,403 58,699 3 261 ,000 ,304 -,005 ,000 -2,41E-006Compuesto ,008 2,133 1 263 ,145 ,338 ,999 Potencia ,001 ,282 1 263 ,596 ,302 ,016 S ,015 4,008 1 263 ,046 -1,092 -1,811 Crecimiento ,008 2,133 1 263 ,145 -1,086 -,001 Exponencial ,008 2,133 1 263 ,145 ,338 -,001



448

Tabla 4.5 B: Resumen de los modelos de estimación curvilínea. Límite inferior de CRss Resumen del modelo y estimaciones de los parámetros Variable dependiente: CRss_inf

Ecuación


cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,042 11,522 1 263 ,001 ,160 ,001 Logarítmica ,052 14,347 1 263 ,000 ,097 ,023 Inversa ,042 11,404 1 263 ,001 ,201 -,644 Cuadrático ,116 17,206 2 262 ,000 ,091 ,004 -3,53E-005 Cúbico ,430 65,719 3 261 ,000 ,362 -,018 ,000 -3,69E-006Compuesto(a) . . . . . ,000 ,000 Potencia(a) . . . . . ,000 ,000 S(a) . . . . . ,000 ,000 Crecimiento(a) . . . . . ,000 ,000 Exponencial(a) . . . . . ,000 ,000

La variable independiente esEdad. a La variable dependiente (CRss_inf) contiene valores no positivos. El valor mínimo es -,012512. No es posible aplicar la transformación log. No es posible calcular el modelo compuesto, el de potencia, el de curva S, el de crecimiento, el exponencial ni el modelo logístico para esta variable.


449

Tabla 4.6 A: Resumen de los modelos de estimación curvilínea. Límite superior de CRo Resumen del modelo y estimaciones de los parámetros Variable dependiente: CRo_sup

Ecuación


R cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,012 3,196 1 263 ,075 ,658 -,001 Logarítmica ,007 1,791 1 263 ,182 ,703 -,020 Inversa ,003 ,662 1 263 ,416 ,617 ,379 Cuadrático ,016 2,175 2 262 ,116 ,619 ,001 -2,04E-005 Cúbico ,058 5,311 3 261 ,001 ,384 ,020 ,000 3,20E-006Compuesto ,011 2,950 1 263 ,087 ,651 ,999 Potencia ,007 1,770 1 263 ,185 ,700 -,032 S ,003 ,772 1 263 ,380 -,494 ,652 Crecimiento ,011 2,950 1 263 ,087 -,429 -,001 Exponencial ,011 2,950 1 263 ,087 ,651 -,001



450

Tabla 4.6 B: Resumen de los modelos de estimación curvilínea. Límite inferior de CRo Resumen del modelo y estimaciones de los parámetros Variable dependiente: CRo_inf

Ecuación


R cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,278 101,117 1 263 ,000 ,821 -,002 Logarítmica ,275 99,940 1 263 ,000 1,065 -,094 Inversa ,198 64,918 1 263 ,000 ,650 2,451 Cuadrático ,329 64,150 2 262 ,000 ,921 -,007 5,10E-005 Cúbico ,611 136,758 3 261 ,000 ,474 ,029 -,001 6,10E-006Compuesto ,293 109,068 1 263 ,000 ,826 ,997 Potencia ,289 107,117 1 263 ,000 1,161 -,131 S ,208 69,048 1 263 ,000 -,431 3,422 Crecimiento ,293 109,068 1 263 ,000 -,192 -,003 Exponencial ,293 109,068 1 263 ,000 ,826 -,003



451

Tabla 4.7: Resumen de los modelos de estimación curvilínea. Límite superior de SOM-SOT Resumen del modelo y estimaciones de los parámetros Variable dependiente: SOM_SOT_sup

Ecuación


R cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,022 5,801 1 263 ,017 1,034 -,001 Logarítmica ,030 8,081 1 263 ,005 1,212 -,064 Inversa ,022 5,986 1 263 ,015 ,927 1,708 Cuadrático ,079 11,189 2 262 ,000 1,253 -,012 ,000 Cúbico ,147 14,988 3 261 ,000 ,796 ,025 -,001 6,24E-006Compuesto ,022 5,821 1 263 ,017 1,026 ,999 Potencia ,030 8,032 1 263 ,005 1,235 -,067 S ,022 5,959 1 263 ,015 -,085 1,778 Crecimiento ,022 5,821 1 263 ,017 ,026 -,001 Exponencial ,022 5,821 1 263 ,017 1,026 -,001



452

Tabla 4.8: Resumen de los modelos de estimación curvilínea. Límite superior de VIS-SOT Resumen del modelo y estimaciones de los parámetros Variable dependiente: VIS_SOT_sup

Ecuación


R cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,045 12,425 1 263 ,000 2,037 -,005 Logarítmica ,006 1,598 1 263 ,207 2,079 -,075 Inversa ,002 ,641 1 263 ,424 1,832 -1,459 Cuadrático ,333 65,340 2 262 ,000 ,765 ,056 -,001 Cúbico ,335 43,852 3 261 ,000 ,546 ,073 -,001 2,98E-006Compuesto ,063 17,784 1 263 ,000 2,045 ,997 Potencia ,011 2,938 1 263 ,088 2,150 -,052 S ,001 ,340 1 263 ,560 ,581 -,550 Crecimiento ,063 17,784 1 263 ,000 ,715 -,003 Exponencial ,063 17,784 1 263 ,000 2,045 -,003



453

Tabla 4.9: Resumen de los modelos de estimación curvilínea. Límite superior de VEST-SOT Resumen del modelo y estimaciones de los parámetros Variable dependiente: VEST_SOT_sup

Ecuación


R cuadrado F gl1 gl2 Sig. Constante b1 b2 b3 Lineal ,001 ,154 1 263 ,696 2,094 ,001 Logarítmica ,001 ,294 1 263 ,588 1,995 ,034 Inversa ,002 ,471 1 263 ,493 2,154 -1,311 Cuadrático ,004 ,518 2 262 ,596 1,950 ,007 -7,36E-005 Cúbico ,021 1,909 3 261 ,129 2,577 -,043 ,001 -8,57E-006Compuesto ,001 ,339 1 263 ,561 2,045 1,000 Potencia ,001 ,385 1 263 ,536 1,946 ,019 S ,002 ,405 1 263 ,525 ,751 -,590 Crecimiento ,001 ,339 1 263 ,561 ,716 ,000 Exponencial ,001 ,339 1 263 ,561 2,045 ,000



454

Tabla 4.10: Fórmula de las curvas Y halladas según las estimaciones anteriores Lím. superior de s2ec/w3mec: Y = 0,116 – 0,003 t + (5,34 x 10-5) t2 – (1,99 x 10-7) t3 Lím. inferior de s2ec/w3mec: Y = 0,063 – 0,001 t + (5,35 x 10-5) t2 – (5,1 x 10-7) t3 Lím. superior de CRvs: Y = 0,312 – 0,016 t + 0 t2 – (7,9 x 10-7) t3 Lím. inferior de CRvs: Y = 0,165 – 0,011 t + 0 t2 – (2,4 x 10-6) t3 Lím. superior de CRss: Y = 0,304 – 0,005 t + 0 t2 – (2,4 x 10-6) t3 Lím. inferior de CRss: Y = 0,362 – 0,018 t + 0 t2 – (3,7 x 10-6) t3 Lím. superior de CRo: Y = 0,384 + 0,020 t + 0 t2 + (3,20 x 10-6) t3 Lím. inferior de CRo: Y = 0,474 + 0,029 t – 0,001 t2 + (6,10 x 10-6) t3 Lím. superior de SOM-SOT: Y = 0,796 + 0,025 t – 0,001 t2 + (6,24 x 10-6) t3 Lím. superior de VIS-SOT: Y = 0,546 + 0,073 t – 0,001 t2 + (2,98 x 10-6) t3 Lím. superior de VEST-SOT: Y = 2,577 – 0,043 t + 0,001 t2 – (8,6 x 10-6) t3


455

Tabla 4.11: Error medio en las diferentes frecuencias

Error medio en las diferentes frecuencias

Error medio Error_NoSim_6_1_roll -,02566350Error_NoSim_1_4_pitch ,00313550Error_NoSim_7_2_pitch -,01400350Error_Sim_6_1_roll -,05052513Error_Sim_10_7_pitch -,03391013Error_Sim_11_9_pitch -,01782313


456

Tabla 4.12: Fórmuls Ycorrg definitivas en las diferentes frecuencias Identificación de no simuladores: Frecuencia 6.1 en roll: Ycorrg = 0,0903365 – 0,003 t + (5,34 x 10-5) t2 – (1,99 x 10-7) t3 Frecuencia 1.4 en pitch: Ycorrg = 0,1191355 – 0,003 t + (5,34 x 10-5) t2 – (1,99 x 10-7) t3 Frecuencia 7.2 en pitch: Ycorrg = 0,1019965 – 0,003 t + (5,34 x 10-5) t2 – (1,99 x 10-7) t3 Identificación de simuladores: Frecuencia 6.1 en roll: Ycorrg = 0,01247487 – 0,001 t + (5,35 x 10-5) t2 – (5,1 x 10-7) t3 Frecuencia 10.7 en pitch: Ycorrg = 0,02908987 – 0,001 t + (5,35 x 10-5) t2 – (5,1 x 10-7) t3 Frecuencia 11.9 en pitch: Ycorrg = 0,04517687 – 0,001 t + (5,35 x 10-5) t2 – (5,1 x 10-7) t3


457

Tablas: Quinta Parte


Manuel Oliva

___________________________________________________ Tablas – Quinta Parte

- 459 -

CLAVE DE LAS VARIABLES EN LAS SIGUIENTES TABLAS En todas las variables:

0 Negativo 1 Positivo

SimuladorSiNo Diagnóstico de simulador, sí/no Ro6_Sim_Dicot Identificación de simuladores (sí/no) según los valores hallados en la frecuencia 6.1 en roll del grupo Simulador en s2ec/w3mec Ro6_NoSim_Dicot Idem al anterior, en el grupo No Simulador P1_NoSim_Dicot Idem, frecuencia 1.4 en pitch en No Simulador Pi7_NoSim_Dicot Idem, frecuencia 7.2 en pitch, en No Simulador Pi10_Sim_Dicot Idem, frecuencia 10.7 en pitch en Simulador Pi11_Sim_Dicot Idem, frecuencia 11.9 en pitch en Simulador SimuladorSuma2 Diagnóstico de simulador, sí/no, suponiendo que al menos 2 de las variables anteriores sean positivas SimuladorSuma3 Idem al anterior, con al menos 3 variables positivas SimuladorSuma4 Idem, con al menos 4 variables positivas SimuladorSuma5 Idem, con al menos 5 variables positivas SOT_SimuladorSuma3 Análisis sensorial según SOT es normal y al menos 3 variables positivas SOT_SimuladorSuma4 Idem, con al menos 4 variables positivas SS_SimuladorSuma3 Análisis sensorial según SwayStar es normal y al menos 3 variables positivas SS_SimuladorSuma4 Idem con al menos 4 variables positivas En general, la sistemática de denominación de las variables sigue las mismas reglas que en las tablas anteriores


- 460 -

Tabla 5.1: Resumen de los diferentes diagnósticos en el grupo Patológicos

Diagnostico

Diagnóstico Frecuencia Porcentaje

ANSIEDAD 37 14,0CANALITIASIS 31 11,7CHIARI 1 ,4DEHISCENCIA CSC 1 ,4DESCONOCIDO 43 16,2ESCLEROSIS MULTIPLE 1 ,4FRACTURA PEÑASCO 1 ,4GASTRITIS 1 ,4HIPOACUSIA BRUSCA 2 ,8HIPOTIROIDISMO 1 ,4IVB 4 1,5LABERINTECTOMIA 1 ,4LABERINTITIS 1 ,4LABERINTOTOXIA 2 ,8LATIGAZO CERVICAL 1 ,4MEDICAMENTO 2 ,8MENIERE 37 14,0MENINGIOMA 1 ,4MIGRAÑA 14 5,3NEURINOMA 1 ,4NEURITIS 19 7,2NEUROPATIA 1 ,4ORTOSTATISMO 3 1,1POSTRAUMATICO 4 1,5PRESBIVERTIGO 13 4,9RADIOTERAPIA 1 ,4SECUELA MENINGITIS 1 ,4SIMULADOR 10 3,8SIRINGOMIELIA 1 ,4TRAUMA SONORO 1 ,4VER 27 10,2VISUAL 1 ,4Total 265 100,0


- 461 -

Tabla 5.2: Tablas de contingencia entre el diagnóstico de simulador y las variables dicóticas según los puntos de corte hallados anteriormente

SimuladorSiNo Total 0 1

Ro6_Sim_Dicot 0 134 0 134 1 121 10 131Total 255 10 265


Ro6_NoSim_Dicot 0 205 2 207 1 50 8 58Total 255 10 265


Pi1_NoSim_Dicot 0 194 1 195 1 61 9 70Total 255 10 265


Pi7_NoSim_Dicot 0 167 0 167 1 88 10 98Total 255 10 265


Pi10_Sim_Dicot 0 67 0 67 1 188 10 198Total 255 10 265


Pi11_Sim_Dicot 0 113 0 113 1 142 10 152Total 255 10 265


- 462 -

Tabla 5.3: Prueba de Chi-cuadrado en las tablas de contingencia anteriores

Variable Chi-cuadrado de Pearson Significación asintótica Ro6_Sim_Dicot 10,630 ,001

Ro6_NoSim_Dicot 20,528 ,000

Pi1_NoSim_Dicot 21,616 ,000

Pi7_NoSim_Dicot 17,709 ,000

Pi10_Sim_Dicot 3,517 ,061

Pi11_Sim_Dicot 7,726 ,005


- 463 -

Tabla 5.4: Area bajo la curva ROC en la variables seleccionadas Área bajo la curva ROC

Variables resultado de contraste

Área Error típ.(a)

Sig. asintótica(b)


Límite superior

Límite inferior

Ro6_Sim_Dicot ,763 ,048 ,005 ,669 ,857 Ro6_NoSim_Dicot ,802 ,075 ,001 ,656 ,948 Pi1_NoSim_Dicot ,830 ,059 ,000 ,716 ,945 Pi7_NoSim_Dicot ,827 ,037 ,000 ,756 ,899 Pi10_Sim_Dicot ,631 ,071 ,159 ,493 ,770 Pi11_Sim_Dicot ,722 ,055 ,017 ,614 ,830

La variable (o variables) de resultado de contraste: Ro6_Sim_Dicot, Ro6_NoSim_Dicot, Pi1_NoSim_Dicot, Pi7_NoSim_Dicot, Pi10_Sim_Dicot, Pi11_Sim_Dicot tiene al menos un empate entre el grupo de estado real positivo y el grupo de estado real negativo. Los estadísticos pueden estar sesgados . a Bajo el supuesto no paramétrico b Hipótesis nula: área verdadera = 0,5


- 464 -

Tabla 5.5: Tablas resumen con los valores de sensibilidad, especificidad, valores predicitivo positivo y negativo y cociente de probabilidad positivo y negativo en las variables seleccionadas Valores para Ro6_Sim_Dicot

Valor Int. Confianza 95% Sensibilidad 99,0% 71,0 – 100% Especificidad 52,5% 46,4 – 58,6%

Valor Predictivo Positivo 7,6% 4,2 – 13,5% Valor Predictivo Negativo 99,9% 97,1 – 100,0%

LR(+) 2,09 1,81 – 2,41 LR(-) 0,02 0,00 – 9,00

Valores para Ro6_NoSim_Dicot

Valor Int. Confianza 95% Sensibilidad 80,0% 49,0 – 94,3% Especificidad 80,4% 75,1 – 84,8%


LR(+) 4,08 2,74 – 6,07 LR(-) 0,25 0,07 – 0,86

Valores para P1_NoSim_Dicot



LR(+) 3,76 2,78 – 5,08 LR(-) 0,13 0,02 – 0,85

Valores para P7_NoSim_Dicot



LR(+) 2,87 2,40 – 3,43 LR(-) 0,02 0,00 – 7,22

Valores para P11_Sim_Dicot



- 465 -

Valor Predictivo Positivo 6,6% 3,6 – 11,7% Valor Predictivo Negativo 99,9% 96,5% - 100,0%

LR(+) 1,78 1,57 – 2,02 LR(-) 0,02 0,00 – 10,68


- 466 -

Tabla 5.6: Tablas de contingencia entre el diagnóstico de simulador y cuando varias de las variables seleccionadas son positivas

SimuladorSiNo

Total 0 1 SimuladorSuma2 0 136 0 136

1 119 10 129Total 255 10 265

SimuladorSiNo


1 78 10 88Total 255 10 265

SimuladorSiNo


1 53 9 62Total 255 10 265

SimuladorSiNo


1 38 8 46Total 255 10 265


- 467 -

Tabla 5.7: Prueba de Chi-cuadrado aplicado a la tabla 5.6

Variable Chi-cuadrado de Pearson Significación asintótica SimuladorSuma2 10,956 ,001

SimuladorSuma3 20,902 ,000




- 468 -

Tabla 5.8: Area bajo la curva ROC cuando varias variables son positivas Área bajo la curva ROC


Área Error típ.(a)

Sig. asintótica(b)


Límite superior

Límite inferior

SimuladorSuma2 ,767 ,047 ,004 ,674 ,859 SimuladorSuma3 ,847 ,033 ,000 ,782 ,912 SimuladorSuma4 ,846 ,058 ,000 ,733 ,959 SimuladorSuma5 ,825 ,074 ,000 ,680 ,971

La variable (o variables) de resultado de contraste: SimuladorSuma2, SimuladorSuma3, SimuladorSuma4, SimuladorSuma5 tiene al menos un empate entre el grupo de estado real positivo y el grupo de estado real negativo. Los estadísticos pueden estar sesgados . a Bajo el supuesto no paramétrico b Hipótesis nula: área verdadera = 0,5


- 469 -

Tabla 5.9 A: Idem a la tabla 5.5 cuando varias variables son positivas Valores para SimuladorSuma2



LR(+) 2,12 1,84 – 2,45 LR(-) 0,02 0,00 – 8,87

Valores para SimuladorSuma3



LR(+) 3,24 2,66 – 3,93 LR(-) 0,01 0,00 – 6,81




LR(+) 4,33 3,16 – 5,94 LR(-) 0,13 0,02 – 0,81


- 470 -




LR(+) 5,37 3,50 – 8,23 LR(-) 0,24 0,07 – 0,82


- 471 -

Tabla 5.10: Tablas de contingencia entre el diagnóstico de simulador y la positividad de varias ratios en el SOT y en el sistema Sway Star


SOT_SimuladorSuma3 0 235 10 245 1 20 0 20Total 255 10 265


SS_SimuladorSuma3 0 245 10 255 1 10 0 10Total 255 10 265


SOT_SimuladorSuma4 0 249 10 259 1 6 0 6Total 255 10 265


SS_SimuladorSuma4 0 251 10 261 1 4 0 4Total 255 10 265


- 472 -

Tabla 5.11: Prueba de Chi-cuadrado aplicado a la tabla 5.10

Variable Chi-cuadrado de Pearson Significación asintótica SOT_SimuladorSuma3 ,848 ,357

SS_SimuladorSuma3 ,408 ,523

SOT_SimuladorSuma4 ,241 ,624

SS_SimuladorSuma4 ,159 ,690


- 473 -

Tablas: Sexta Parte


Manuel Oliva

_____________________________________________________ Tablas – Sexta Parte

- 475 -

CLAVE DE LAS VARIABLES EN LAS SIGUIENTES TABLAS Variables del Dr. Allum: s2eo_pv Velocidad en pitch de la prueba s2eo s1eo_ra Angulo del tronco en roll en la prueba s1eo s2ecfs2ec_rv Diferencia de velocidad en roll entre s2ecf y s2ec s1eow8tan_pv Diferencia de velocidad en pitch entre s1eo y w8tan Simulador: ‘’Si” indica que el individuo estaba simulando en esa prueba. “No” indica que el individuo hacía la prueba de buena fe Allum_2 Al menos 2 variables tienen un resultado por encima de la

normalidad. Allum_3 Al menos 3 variables tienen un resultado por encima de la

normalidad Allum_4 Las 4 variables tienen un resultado por encima de la normalidad Variables nuestras: Suma_4 Al menos 4 frecuencias dan valores positivos


- 476 -

TABLA 6.1: distribución de frecuencias en las variables. Las cifras se refieren al porcentaje de pacientes (variables del Dr. Allum)

Variable Simuladores No Simuladores No Sí No Sí

s2eo_pv 10 90 95 5 s1eo_ra 15 85 95 5

s2ecfs2ec_rv 45 55 90 10 s1eow8tan_pv 80 20 100 0


- 477 -

TABLA 6.2: tablas de contingencia para Allum_2, Allum_3 y Allum_4

Tabla de contingencia: Allum_2

Simulador

Total No Si Allum_2 No 19 1 20

Si 1 19 20 Total 20 20 40


Simulador


Si 0 9 9 Total 20 20 40


Simulador


Si 0 2 2Total 20 20 40


- 478 -

TABLA 6.3: valores de la prueba chi cuadrado y significación de la misma correspondientes a las tablas de A.2

Chi cuadrado p Allum_2 32,400 0,000 Allum _3 11,613 0,001 Allum _4 2,105 0,147


- 479 -

TABLA 6.4: Area bajo la curva ROC

Área bajo la curva ROC


Área Significación asintótica


Límite superior

Límite inferior

Allum_2 ,950 ,000 ,871 1,029 Allum_3 ,725 ,015 ,563 ,887 Allum_4 ,550 ,589 ,370 ,730


- 480 -

TABLA 6.5: Validación de las variables del Dr. Allum Allum_2 Int. de confianza al 95%



CPP o LR(+) 19,00 2,81 a 128,70 CPN o LR(-) 0,05 0,01 a 0,36

Allum_3 Int. de confianza al 95%



CPP o LR(+) 18,45 1,14 a 297,51 CPN o LR(-) 0,56 0,37 a 0,85

Allum_4 Int. de confianza al 95%



CPP o LR(+) 4,10 0,20 a 85,47 CPN o LR(-) 0,92 0,72 a 1,18


- 481 -

TABLA 6.6: tabla de contingencia para nuestras variables

Tabla de contingencia Suma_4

Simulador

Total No Si Suma_4 No 20 3 23

Si 0 17 17Total 20 20 40

Prueba de Chi cuadrado: 29,565 Significación (p): 0,000 Area bajo la curva ROC para Suma_4

Área bajo la curva

Área Significación asintótica


Límite superior

Límite inferior

,925 ,000 ,830 1,020 Validación de Suma_4 (nuestras variables) Int. de confianza al 95%



CPP o LR(+) 34,85 2,24 a 541,90 CPN o LR(-) 0,15 0,05 a 0,44


- 482 -

Tablas: Discusión


Manuel Oliva

______________________________________________________ Tablas - Discusión

- 484 -

Tabla D.1 A

Condicion Sensibilidad Especificidad LR+ LR‐

Oliva 0,9 0,792 4,32692308 0,12626263 Artuso 0,869 0,897 8,4368932 0,14604236

Goebel C1 0,72 0,96 18 0,29166667 Goebel C3 0,31 0,8 1,55 0,8625 Goebel C4 0,57 0,4 0,95 1,075 Goebel C6 0,32 0,95 6,4 0,71578947 Goebel C7 0,72 0,72 2,57142857 0,38888889 Goebel 1&6 0,28 0,28 0,38888889 2,57142857 Goebel 1&7 0,57 0,99999999 56999999,7 0,43 Goebel 6&7 0,28 0,99 28 0,72727273

Goebel 1&6&7 0,25 0,99999999 24999999,9 0,75000001 Goebel 1 o 6 0,76 0,93 10,8571429 0,25806452 Goebel 1 o 7 0,88 0,91 9,77777778 0,13186813 Goebel 6 o 7 0,76 0,91 8,44444444 0,26373626

Goebel 1 o 6 o 7 0,89 0,88 7,41666667 0,125 Goebel (1&6) o 7 0,75 0,94 12,5 0,26595745 Goebel 1 & (6 o 7) 0,6 0,99 60 0,4040404 Goebel 1 o (6&7) 0,75 0,96 18,75 0,26041667 Goebel (1 o 6)&7 0,6 0,99 60 0,4040404 Goebel (1 o 7)&6 0,31 0,98 15,5 0,70408163 Goebel (1&7) o 6 0,64 0,95 12,8 0,37894737

Oliva se refiere al presente estudio. Artuso se refiere a la referencia (82) de la Bibliografía. Goebel, a la referencia (77). La cifra 0,99999999 quiere decir 1 (100%), hacemos así para evitar un error al dividir por 0.


- 485 -

TABLA D.1 B

Condición LR+ Intervalo de confianza

LR+ LR‐

Intervalo de confianza LR‐

Allum_2 19,00 2,81 a 128,70 0,05 0,01 a 0,36 Allum_3 18,45 1,14 a 297,51 0,56 0,37 a 0,85 Oliva 34,85 2,24 a 541,90 0,15 0,05 a 0,44

En esta tabla seguimos la misma nomenclatura que en las tablas del Apéndice (tablas A.2 – A.6). Allum_2 se refiere a que al menos dos de las variables propuestas por el Dr. Allum son positivas. Allum_3, idem respecto a 3 variables. Oliva se refiere a nuestro propio estudio, usando al menos 4 frecuencias positivas


- 486 -

TABLA D.2: Significado de los valores del cociente de probabilidad (LR+ y LR-) Cuando LR > 1 nos indica el incremento de la probabilidad de la característica estudiada esté presente. LR < 1 por el contario, indica la disminución de la probabilidad de la misma. LR > 10 Incremento amplio LR 5-10 Incremento moderado LR 2-5 Incremento pequeño (pero a veces importante) LR 1-2 Incremento insignificante LR = 1 No genera cambios LR 0.5-1 Descenso insignificante LR 0.5-0.2 Descenso pequeño (pero a veces importante) LR 0.1-0.2 Descenso moderado LR < 0.1 Descenso amplio Tomado de:

How to Use an Article About a Diagnostic Test Basado los trabajos de: Roman Jaeschke, Gordon H. Guyatt, David L. Sackett, and the Evidence Based Medicine Working Group; Users' Guides to Evidence-based Medicine: JAMA (1994;271(5):389-391) and (1994;271(9):703-707). Disponible en Internet en la dirección http://casemed.case.edu/curricularaffairs/Y3Core2/readings/How%20to%20Use%20an%20Article%20About%20a%20Diagnostic%20Test.pdf con acceso el día 1-4-10


- 487 -

tes is oliva

Documents