Este trabalho teve por objetivo construir e avaliar ferramentas de quantificação e análise da variabilidade da freqüência cardíaca segundo o paradigma não extensivo de Tsallis na modelagem do sistema de regulação da freqüência cardíaca, e na discriminação de situação de normalidade e cardiopatias e apoio ao diagnóstico de cardiopatias. O sistema de regulação da freqüência cardíaca é reconhecidamente não linear. Este estudo explora esta característica, quantificando a complexidade através de uma família de entropias condicionais não extensivas e outras medidas de avaliação usualmente utilizadas na análise da variabilidade cardíaca. Foram utilizados dados reais de 15 indivíduos saudáveis, 23 indivíduos chagásicos e 19 indivíduos hipertensos, além de dados simulados computacionalmente para uma avaliação controlada das ferramentas estatísticas estudadas. Durante a avaliação foram gerados dados substitutos (surrogate data) para os testes de validade e intensidade da hipótese de não linearidade das séries. Os resultados mostraram que o parâmetro q introduz uma forma diferente de quantificação da complexidade do sinal. Com o auxílio dos dados substitutos, foi possível identificar, para alguns sinais, a região de valores de q onde o comportamento não linear é mais evidente. Os resultados obtidos indicam que a abordagem merece estudos mais aprofundados.

This study aimed to construct and evaluate tools for quantification and analysis of heart rate variability under Tsallis non-extensive statistical paradigm to model heart rate regulation system, and discrimination in situations of healthy conditions and support diagnosis of heart diseases. The heart rate regulation system is known to be nonlinear. This study explores this feature by quantifying the signal complexity through a family of non extensive conditional entropy and other evaluation measures commonly used in the analysis of heart rate variability. We used real data from 15 healthy subjects, 23 individuals with Chagas disease and 19 hypertensive individuals, in addition to simulated data to make a computationally controlled evaluation of the statistical tools studied. During the evaluation were generated surrogate data for tests of validity and strength of the time series non-linearity hypothesis. The results have shown that the q parameter introduces a different way of quantifying the complexity of the signal. With the support of surrogate data, it was possible to identify a range of q values that nonlinear behavior is more evident for some signals. The results indicate that the approach deserves further study.