OlasińskaWiśniewska等人的一项有趣的研究。[1]发表在本期《波兰心脏杂志》上的发表,重点介绍了帕拉西 - roid激素(PTH)作为主动脉瓣狭窄和心力衰竭的老年患者的房颤(AF)的生物标志物的作用。在中位年龄为77岁的106名患者的样本中,作者发现,具有阵发性或持续性AF病史的患者比没有AF的患者更有可能具有更高的PTH水平。这些发现支持以下假设:PTH是一种多面体分子,其功能超出了骨测定法和肾脏的功能。在过去的几十年中,多项研究高度阐明了超par-甲状腺功能障碍和心血管疾病之间的关系[2]。尤其是原发性甲状旁腺功能亢进症(PHPT)的个体更有可能出现动脉高血压,慢性心力衰竭,缺血性心脏病和脑动脉粥样硬化,尤其是在晚期年龄[3]。此外,Iwata等人。[4]发现中度PHPT和PTH水平与主动脉瓣的亚临床钙化有关,而不论血清含量如何。值得注意的是,在这项研究中,PTH与主动脉瓣钙化的关系比其他公认的心血管危险因素(例如动脉高血压,高脂血症,过量体重或吸烟)要强[4]。就AF发作而言,尽管可能受到直接和间接的支持,但PTH的作用尚未得到充分阐明
1利物浦大学利物浦科学中心,利物浦大学,利物浦约翰·摩尔斯大学和利物浦心脏和胸部医院,托马斯·迪尔,利物浦L14 3PE,英国; 2,西澳大利亚大学医学院,澳大利亚克劳利WA 6009,35 Stirling Hwy; 3 Harry Perkins医学研究所,5 Robin Warren DR,WA 6150,澳大利亚; 4西澳大利亚大学计算机科学与软件工程系,35 Stirling Hwy,Crawley WA 6009,澳大利亚; 5法国巡回赛心脏病学系和旅游学系; 6英国利物浦利物浦大学眼科科学系; 7人口和全球健康学院,西澳大利亚大学,澳大利亚珀斯; 8澳大利亚珀斯的查尔斯·盖尔德纳爵士医院; 9 Kolling Institute和Charles Perkins中心,悉尼悉尼大学,澳大利亚;澳大利亚悉尼皇家北岸医院心脏病学10; 11荷兰莱顿的血栓形成和止血莱顿大学医学中心; 12澳大利亚珀斯菲奥娜·斯坦利医院心脏病学系;和13丹麦卫生服务中心研究中心,阿尔堡大学临床医学系,SelmaLagerløfsvej 249,9260 Gistrup,丹麦
阵发性心房颤动 (PAF) 的检测是一个相当复杂的过程,由心脏病专家或电生理学家通过读取心电图 (ECG) 手动执行。目前,已经提出了基于快速傅里叶变换 (FFT)、贝叶斯最优分类器 (BOC)、K 最近邻 (K-NN) 和人工神经网络 (ANN) 的自动检测计算技术。在本研究中,基于 P 波、QRS 复合波和心电图心率变异性 (HRV) 的形态获得了六个特征。使用来自 Physionet 心律失常数据库 MIT-BIH 的临床心电图信号验证了该方法的性能。前馈神经网络用于检测 PAF 的存在,总体准确率达到 97.4%。结果表明,与仅使用其中一个或最多两个信息的其他研究相比,加入 P 波、HRV 和 QR 电交替的信息可以提高识别 PAF 事件的准确性。
acei¼Ace抑制剂; Af¼14; Aphrs¼亚洲心律节奏协会; ARB¼血管紧张素受体阻滞剂; BMI¼体重指数; BPM¼每分钟节拍; CAD¼冠状动脉疾病; CCB¼钙通道阻滞剂; CKD¼慢性肾脏疾病; COPD¼慢性阻塞性肺疾病; DBP¼舒张压; eorp-af / earobservational研究计划的房颤; HF¼心力衰竭; HR¼心率; NOAC¼Non-Vitamin K抗凝剂; OAC¼口服抗凝治疗; SBP¼收缩压; TIA¼瞬时缺血发作; VKA¼维生素K拮抗剂。
11. Attia ZI、Noseworthy PA、Lopez-Jimenez F 等。一种用于识别窦性心律期间心房颤动患者的人工智能心电图算法:结果预测的回顾性分析。《柳叶刀》2019;394:
心房颤动 (AF) 是最常见的心脏病之一。预计未来几十年 AF 的患病率将翻一番 [1]。导管消融对有症状的复发性阵发性或持续性 AF 患者有益 [2]。由于需求的增长和技术的发展,手术的数量正在增加。脉冲场消融 (PFA) 是最近推出的最新导管消融方法之一,尽管它有许多优点,但也有缺点,例如 X 射线暴露量较高。一名有阵发性 AF 病史的 63 岁女性在深度镇静下接受了肺静脉隔离,同时使用 FARAPULSE™ PFA 系统和 EnSite Precision™ 进行肺静脉隔离。在手术过程中,进行了单次房间隔穿刺,随后进行了旋转血管造影。该地图是在操纵集成到 EnSite 系统中的 FARAPULSE 导管时获得的。使用篮形导管对每根肺静脉进行四次应用,使用花形导管进行另外四次应用。治疗静脉之间的其他病变。隔离所有静脉后,进行重新封堵以确认入口阻滞(图 1)。用填塞物确认出口阻滞。手术没有并发症,患者第二天出院回家。所述病例是波兰第一例使用专用于 FARAPULSE 系统的特定附加 EnSite 软件的病例。这种新颖的方法能够识别消融的确切位置,并通过执行电解剖图来更好地确认入口阻滞
房颤(AF)是最常见的持续性心脏烦恼,影响了全世界数百万的人,并且由于其与中风,心力衰竭和死亡率的增加相关,因此造成了巨大的公开负担[1,2]。观察性研究表明,包括收缩压(SBP),舒张压(DBP)和脉压(PP)在内的血压参数之间存在潜在的关联,以及AF的发展[3,4]。但是,这些观察性关联可能会被各种环境和生活方式因素混淆,从而使建立因果关系具有挑战性。重要的是,越来越多的证据表明,AF的病理生理学和危险因素可能存在性别差异。以前的流行病学研究报告说,男性和女性之间AF的患病率,发生率和结果的不同,女性通常表现出不同的危险因素特征和较差的预后[5-7]。然而,性别之间的血压与AF风险之间的关系是否有所不同,并且这些特定性别相关的因果性质尚未得到很好的确定。为了解决这些知识差距,我们采用了性别分层的两样本孟德尔随机化方法(MR)方法。MR将遗传变体用作工具变量来研究因果关系,同时最大程度地减少混杂和反向因果关系[8]。详细信息,例如人口的招聘标准和遗传数据的质量控制,可以在原始论文中找到[9]。通过分析性别和性别特异性遗传数据,我们的研究旨在确定不同的血压参数(SBP,DBP和PP)与AF风险之间的潜在因果关系,并特别着重于确定这些关联中任何性别特异性模式。The GWAS summary data of blood pressure phenotypes (including sex-pooled SBP, female-specific SBP, male-specific SBP, sex-pooled DBP, female-specific DBP, male-specific DBP, sex-pooled PP, female-specific PP and male-specific PP) were obtained from a recent study based on sex-specific genetic architecture of blood pressure.从NEALE LAB UKBB GWAS第2轮获得了性别pool的AF,特异性AF和男性特异性AF的GWAS摘要数据。可以在网站https://www.nealelab.is/uk-biobank上找到详细信息,例如人口的重新策略和遗传数据的质量控制。
的理由:心脏润肤膜是房颤消融中最严重的并发症之一,由于心脏输出和血压的显着下降,导致大脑,心脏和肾脏等重要器官的低血压会导致大量下降,因此可能导致大量发病。在许多情况下,心脏填塞必须通过外科手术治疗,并且它总是会延长住院时间。如果不及时治疗,心脏填塞可能会导致死亡。据报道,这种可怕的并发症的风险范围为2%至6%;但是,在经验丰富且熟练的操作员执行该程序的第三级推荐中心中观察到了这些速率。鉴于心脏卫生室的发生在很大程度上取决于操作员的经验水平,因此在大多数情况下是可以预防的,当经验较低的操作员执行该程序时,预计将发生较高的比率。这些问题证明需要衡量该领域的性能。
作者/工作组成员:Isabelle C. Van Gelder * † ,(主席)(荷兰)、Michiel Rienstra ± ,(工作组协调员)(荷兰)、Karina V. Bunting ± ,(工作组协调员)(英国)、Ruben Casado-Arroyo(比利时)、Valeria Caso 1(意大利)、Harry JGM Crijns(荷兰)、Tom JR De Potter(比利时)、Jeremy Dwight(英国)、Luigina Guasti(意大利)、Thorsten Hanke 2(德国)、Tiny Jaarsma(瑞典)、Maddalena Lettino(意大利)、Maja-Lisa Løchen(挪威)、R. Thomas Lumbers(英国)、Bart Maesen 2(荷兰)、Inge Mølgaard(丹麦)、Giuseppe MC Rosano(英国)、Prashanthan Sanders(澳大利亚)、Renate B. Schnabel(德国)、Piotr Suwalski 2(波兰)、Emma Svennberg(瑞典)、Juan Tamargo(西班牙)、Otilia Tica(罗马尼亚)、Vassil Traykov(保加利亚)、Stylianos Tzeis(希腊)、Dipak Kotecha * † ,(主席)(英国)以及欧洲科学委员会科学文献组
该项目恰逢其时——虚拟双胞胎、人工智能、计算机模拟试验和相关技术在医疗保健应用中越来越普遍,利用了学习型健康系统模型方法。旨在增进我们对 AF 理解的人工智能和机器学习出版物呈指数级增长,这主要得益于深度神经网络的进步和大型开放获取数据库的可用性。9 TARGET 将利用这一点和技术的成熟,进一步推进个性化护理方向的工作。该项目涵盖的时间表包括 (i) 个性化模型和决策支持工具的开发,(ii) 这些模型和工具的验证(包括计算机模拟试验),以及 (iii) 对新收集的数据(来自观察性临床研究)进行测试,所有这些都有患者、医疗保健专业人员和相关利益相关者的参与(共同开发和评估)。