RESUMO: Este estudo visa caracterizar o comportamento da variabilidade da frequência cardíaca (VFC) a partir do exame eletrocardiograma em indivíduos com ritmo sinusal normal e em arritmias cardíacas, os quais foram extraídos do banco de dados PhysioNet, visto que por meio da VFC é possível determinar indiretamente o comportamento do sistema nervoso autônomo no coração, o qual é responsável por garantir a manutenção da homeostasia corporal. Neste estudo todos os ensaios foram realizados na ferramenta MATLAB® (R2018, MathWorks Inc., Natick), onde se desenvolveu um algoritmo para a detecção da variabilidade da frequência cardíaca, rMSSD e pNN50, dado sua relação com a atividade do sistema nervoso parassimpático, por meio da detecção dos picos R e seus momentos de ocorrência, a partir da decomposição dos sinais com a transformada de wavelet. Os dados encontrados vão de encontro aos valores obtidos na literatura e sugere-se que em trabalhos futuros, as detecções da VFC indiquem doenças em potencial ou já existentes nos indivíduos de maneira autônoma, por meio de um treinamento de inteligência artificial, assim como embarcar este código em diferentes tecnologias.

​

​

ABSTRACT: This study aims to characterize the behavior of heart rate variability (HRV) from the electrocardiogram examination in individuals with normal sinus rhythm and in cardiac arrhythmias, which were extracted from the PhysioNet database, since through HRV it is possible to indirectly determine the behavior of the autonomic nervous system in the heart, which is responsible for ensuring the maintenance of body homeostasis. In this study, all tests were performed in the MATLAB® tool (R2018, MathWorks Inc., Natick), where an algorithm was developed for the detection of heart rate variability, rMSSD and pNN50, given its relationship with the activity of the parasympathetic nervous system, through the detection of the R peaks and their moments of occurrence, from the decomposition of signals with the wavelet transform. The data found are in agreement with the values obtained in the literature and it is suggested that in future works, the detections of the CFV indicate potential or existing diseases in individuals autonomously, by means of an artificial intelligence training, as well as embedding this code in different technologies.