机构名称：
¥ 1.0
背景：电解质失衡显着，使心电图（ECG）成为至关重要的非侵入性工具。这项研究系统地重新查看并荟萃分析了AI模型的诊断性准确性，用于检测ECG的这些失衡，旨在增强早期检测并改善心脏护理。方法：我们搜索了9个数据库和参考列表。两名审稿人通过诊断准确性研究2（Quadas-2）的质量评估偏见。测试性能数据被提取到2×2表中，并计算出具有双变量随机效应模型的特异性，灵敏度和诊断优势比（DOR）的汇总估计值，该模型呈现在前面图和摘要接收器的操作特征曲线中。我们通过元回归探索了异质性，检查了内部/外部数据集和铅数。结果：包括有关钾，钙和钠的21项研究。仅在钾失衡（10项研究）上进行了荟萃分析，从五个国家进行了600,000多个ECG，主要是12个国家。在八项研究中，载于高钾血症，合并的灵敏度，特异性和DOR为0.856（95％CI：0.829-0.879），0.788（0.744-0.826）和21.8（17.8-26.7）。低钾血症（六项研究），合并灵敏度，特异性和DOR为0.824（0.785-0.856），0.724（0.668-0.774）和12.27（9.15–16.47）。Quadas-2评估显示，患者选择偏见的高风险为52％，这主要是由于采样细节不足和病例对照方法。结论：AI模型可以检测基于ECG的元素异常，尤其是高钾血症，并且在需要频繁的电解质评估的ICU环境和对终末期肾脏疾病患者的家庭监测中有价值。然而，对各种临床环境，医院，种族，国家和地区进行了更大的回顾性和前瞻性研究。
AI基于ECG的电解质不平衡预测
主要关键词
相关文件推荐
