机构名称：
¥ 1.0
背景：尽管心力衰竭患者（HF）存在几种生物标志物，但它们在常规临床实践中的使用通常受到高成本和有限的可用性的限制。目的：我们检查了分析印刷心电图（ECG）的人工智能（AI）算法的实用性，以在急性HF患者中进行结果预测。方法：我们回顾性地分析了韩国两个三级中心急性HF患者的前瞻性收集数据。基线ECG，该系统经过训练，可以检测几种紧急临床条件，包括休克，心脏骤停和左心室射血分数（LVEF）。结果：在53名（4.2％）患者中，入学的1254例患者中发生了院内心脏死亡，这些患者的关键事件的QCG得分明显高于幸存者（平均0.57，SD，SD 0.23 vs 0.23 vs平均0.29，sd 0.20，sd 0.20; p <.001; p <.001）。QCG关键评分是调整年龄，性别，合并症，HF病因/类型，房颤，心房颤动和QRS扩大后的院内心脏死亡的独立预测因子（调整后的优势比[OR] 1.68，1.68，95％CI 1.47-1.92，每0.1 ci 1.47-1.92均增加了0.1的调整；脑纳地那二肽肽水平的LVEF和N末端激素（调整后或1.59，95％CI 1.36-1.87每0.1升高； p <.001）。在长期随访期间，QCG关键评分较高的患者（> 0.5）的死亡率高于QCG关键评分较低的患者（<0.25）（调整危险比2.69，95％CI 2.14-3.38; p <.001）。结论：使用QCG关键评分预测急性HF患者的结局是可行的，这表明这种基于AI的ECG评分可能是这些患者的新型生物标志物。试验注册：ClinicalTrials.gov NCT01389843; https://clinicaltrials.gov/study/nct01389843
XSL•fo
主要关键词
相关文件推荐
