A análise de registos longos e não estacionários da variabilidade da frequência cardíaca (HRV) pode ser realizada a partir de uma modelação AR, combinada quer com uma análise sequencial quer com uma análise conjunta em tempo e frequência. Esta modelação é a mais usual para o tipo de dados em estudo e permite obter uma descrição adequada da informação global dos registos longos de HRV. No entanto, verifica-se que a dependência entre observações distantes apesar de ser pequena não é desprezável, sugerindo que estes registos têm características de um processo de memória longa.

Durante os últimos anos, o método detrended flutuation analysis (DFA), tem sido uma técnica correntemente utilizada para estimar a componente de memória longa em registos não estacionários de HRV. Uma metodologia alternativa para descrever esta memória nos registos de HRV é o uso dos modelos autoregressivos fraccionários integrados de médias móveis (ARFIMA), que são uma extensão dos conhecidos modelos ARMA. Neste estudo, para descrever os registos longos da HRV propõe-se o método de segmentação adaptativa selectiva combinada com modelação ARFIMA e o método de segmentação combinada com DFA.