XiaoMi-AI文件搜索系统
World File Search System心电图
免疫检查点抑制剂相关心肌炎的心电图特征
抽象背景心肌炎是免疫检查点抑制剂（ICI）使用的高度病态并发症，其表征不充分。QRS持续时间和QTC间隔是在其他心脏条件下延长的标准心电图测量。但是，没有关于它们在ICI心肌炎中效用的数据。来自国际注册表的方法，在多个时间点（ICI前，在心肌炎之前，在心肌炎之前，在ICI上，在ICI上，在ICI上，在140例心肌炎病例和179例对照中，都将ECG参数进行了比较。还测试了ECG值与重大不良心脏事件（MACE）之间的关联。结果QRS持续时间和QTC间隔在心肌炎之前和对照组之间相似。与心肌炎（97±19 ms）之前的ICI（93±19 ms）或基线相比，QRS持续时间延长了心肌炎（分别为110±22 ms，p <0.001和p = 0.009）。相比之下，与脊髓炎前基线相比，心肌炎时的QTC间隔没有增加（422±27 ms，p = 0.42）。延长的QRS持续时间增加了随后的MACE的风险（HR 3.28，95％CI 1.98至5.62，p <0.001）。调整后，QRS持续时间每增加10毫秒的增加，MACE的几率增加了1.3倍（95％CI 1.07至1.61，p = 0.011）。相反，男性之间的QTC间隔与MACE之间没有关联（HR 1.33，95％CI 0.70至2.53，P = 0.38）或女性（HR 1.48，95％CI 0.61至3.58，P = 0.39）。结论ICI心肌炎中QRS持续时间增加，与MACE风险增加有关。使用这种广泛可用的心电图参数可能有助于ICI心肌炎诊断和风险分层。
人工智能使心电图在医疗保健领域发挥了新兴作用
人工智能、机器学习和深度学习 人工智能 (AI) 作为一个领域在过去 10 年中呈指数级增长，并受到广泛关注。临床医生被承诺可以轻松获得以前从未有过的见解和预测能力。在这里，我们讨论了人工智能的基本原理、它如何应用于心电图 (ECG)，以及人工智能在医疗保健领域快速发展的潜在陷阱。 多年来，人工智能一直用于心电图机，以提供对心电图结果的计算机解释。然而，结果往往不准确，而且通常很少有临床用途。人工智能的发展导致了大量技术的发展，这些技术可能会彻底改变我们使用心电图的方式。这些主题的详细概述已在其他地方进行了深入介绍。1 2 简而言之，人工智能是计算机科学的一个分支，涉及机器执行通常需要人类智能的任务。机器学习是人工智能的一个分支，涉及机器使用数据推断来解决问题的能力，而不是明确地被编程来完成特定任务。
基于儿科心电图的深度学习预测左心室功能障碍和重塑
结果：训练队列包括 92 377 个心电图-超声心动图对（46 261 名患者；中位年龄 8.2 岁）。测试组包括内部测试（12 631 名患者；中位年龄 8.8 岁；4.6% 综合结果）、急诊科（2 830 名患者；中位年龄 7.7 岁；10.0% 综合结果）和外部验证（5 088 名患者；中位年龄 4.3 岁；6.1% 综合结果）队列。内部测试和急诊科队列的模型性能相似，模型对左心室肥大的预测优于儿科心脏病专家基准。在模型中添加年龄和性别不会给模型性能带来任何好处。使用定量结果截止值时，内部测试（综合结果：AUROC，0.88，AUPRC，0.43；左心室功能障碍：AUROC，0.92，AUPRC，0.23；左心室肥大：AUROC，0.88，AUPRC，0.28；左心室扩张：AUROC，0.91，AUPRC，0.47）和外部验证（综合结果：AUROC，0.86，AUPRC，0.39；左心室功能障碍：AUROC，0.94，AUPRC，0.32；左心室肥大：AUROC，0.84，AUPRC，0.25；左心室扩张：AUROC，0.87，AUPRC，0.33）之间的模型性能相似，综合结果阴性预测值分别为 99.0% 和 99.2%。显着性映射突出显示了影响模型预测的 ECG 成分（所有结果的心前区 QRS 波群；LV 功能障碍的 T 波）。高风险 ECG 特征包括横向 T 波倒置（LV 功能障碍）、V1 和 V2 中的深 S 波和 V6 中的高 R 波（LV 肥大）以及 V4 至 V6 中的高 R 波（LV 扩张）。
使用 KISQALI 进行 QT 间期延长和心电图测试
在接受 KISQALI 治疗的晚期或 mBC 患者（MONALEESA-2、MONALEESA-7 和 MONALEESA-3）中，ALT 和 AST 的 3 级或 4 级升高分别发生于 11% 和 8%。在 ALT/AST 升高 ≥ 3 级的患者中，KISQALI 联合芳香化酶抑制剂或氟维司群治疗组的中位发病时间为 92 天。KISQALI 联合芳香化酶抑制剂或氟维司群治疗组的缓解至 ≤ 2 级的中位时间为 21 天。在 MONALEESA-2 和 MONALEESA-3 中，6 (1%) 名患者同时出现 ALT 或 AST 升高 >3 倍 ULN 且总胆红素 >2 倍 ULN，碱性磷酸酶正常，无胆汁淤积（海氏定律），所有患者在停用 KISQALI 后均康复。
STAFF III 心电图数据库及其对方法学发展和评估的意义
STAFF III 数据库是从接受选择性长时间经皮腔内冠状动脉造影 (PTCA) 的患者中获得的一组独特数据，PTCA 是支架时代之前的一项手术。该数据库记录了冠状动脉完全闭塞的最初几分钟。该数据库的最初目标是更好地了解心电图中心肌缺血的表现（与高频成分有关，特别是在心室去极化期间）。与许多其他心电图数据库一样，从 1980 年的 MIT - BIH 心律失常数据库 [1] 开始，STAFF III 数据库的用途多年来已大大扩展，并且对其他几个研究问题具有重要意义。虽然该数据库的原始研究方案旨在解决一系列临床问题，但事实证明，该数据库对于开发、改进和评估各种信号处理技术也非常有价值。STAFF III 数据库不向公众开放，因此可以免费下载和使用。然而，只要用户提供的简短研究计划得到 STAFF 研究指导委员会的批准，学术界和工业界的任何人都可以低价购买该数据库
心电图（ECG）贴片监测器用于检测心律异常。
患者在出现症状时可以按下按钮。这将记录按下按钮前 45 秒到按下按钮后 45 秒的记录。鼓励患者保留一份纸质日志，记录他们的症状，包括他们当时正在做的事情，以便在最终技术报告中建立症状-节律相关性。7 在监测期结束时，患者取下贴片并通过皇家邮政免费邮寄将其寄回 iRhythm。Zio XT® 贴片上或内部没有可识别个人身份的数据，确保在物理拦截的情况下数据隐私和安全。记录的数据由 ZEUS 系统分析，并由 Zio 的认证心脏生理学家审查。数据分析后，技术报告将通过安全平台以电子方式发送给患者的临床医生。该报告提供有关任何心律失常发作、佩戴时间以及患者标记的任何事件的详细信息。如果需要，临床医生可以请求更多信息或修改报告。7
心电图是关键：减少上门检查的质量改进项目
本 DNP 执行摘要由 JSU Digital Commons 的论文、学位论文和研究生项目免费提供给您，供您开放访问。它已被 JSU Digital Commons 的授权管理员接受纳入护理实践博士项目。如需更多信息，请联系 digitalcommons@jsu.edu。
数字听诊器，用于早期检测心脏病的心电图数据
摘要 - 数字医疗保健的新兴领域揭示了一种新颖的诊断工具：一款用于早期发现心脏病的数字听诊器，如本研究中所阐明。通过利用Phonocartiography的细微功能，该设备捕获了错综复杂的心脏声音，随后通过先进的机器学习算法处理。传统的听诊器虽然必不可少，但可能会错过微妙的异常 - 通过精心分析Phonocartiographic数据来解决这种数字对应物的问题，以表明心脏异常的丝毫偏差。随着数字听诊器深入研究听觉提示，机器学习组件辨别出人类审计师通常无法察觉的模式和不规则性。这些数字声学和计算分析的汇合不仅增强了早期心脏病诊断的准确性，而且还促进了这些数据的档案，从而实现了对心脏健康的持续纵向评估。最初涉足现实世界申请的企业登记了令人鼓舞的精确率，巩固了其作为先发制人心脏护理中宝贵的资产的潜力。通过这项创新，我们站在心脏病的诊断方式上的范式转移的风口浪尖上，迈向及时干预措施并改善患者的结果。
人类与人工智能在心电图解读中的未来
1997年9月：加州大学旧金山分校心脏电生理学系研究员 2000年6月：东京医科大学八王子医疗中心心脏病学系助理教授 2006年3月：东京医科大学心脏病学系讲师 2016年9月：湖西中央医院心脏病学系主任 2022年10月：湖西中央医院副院长