XiaoMi-AI文件搜索系统
World File Search SystemFibrillation
因子XI抑制剂：心房颤动中抗凝的未来？
参考文献1。Lippi G，Sanchis-Gomar F，Cervellin G.房颤的全球流行病学：流行病和公共卫生越来越多。国际中风杂志。2021; 16（2）。2。Visseren Flj，Mach F，Smulders YM，Carballo D，Koskinas KC，Back M等。2021临床实践中有关心血管疾病预防的ESC指南。Eur J Prev Cardiol。2022; 29（1）：5–115。3。ho kh，van Hove M，LengG。抗凝药处方的趋势：对英语初级保健中当地政策的审查。卷。20，BMC卫生服务研究。2020。4。Afzal S，Zaidi Str，Merchant HA，Babar Zud，Hasan SS。在过去十年中，英格兰口服抗凝剂的处方趋势：重点是新的和旧药物和不良事件报告。J溶栓溶栓。2021; 52（2）。5。Bassand JP，Virdone S，Badoz M，Verheugt FWA，Camm AJ，Cools F等。在新诊断的房颤中，NOAC和VKAS的出血和相关死亡率是由Garfield-Af-Aft Incortration产生的。血液副词。2021; 5（4）。6。Mountfort K，Camm J，Lip G，Goette A，Le Heuzey JY。心房颤动中预防中风 - 结果和未来的方向。心律失常电论修订版2014; 3（3）：194。 7。 Pokorney SD，Gersh BJ，Ahmad A，Al-Khatib SM，Blank M，Coylewright M等。 心房预防中风2014; 3（3）：194。7。Pokorney SD，Gersh BJ，Ahmad A，Al-Khatib SM，Blank M，Coylewright M等。心房预防中风
心心心肌病：一种疾病J-Wave综合征和特发性心室纤颤
本文中表达的观点不一定是编辑或美国心脏协会的观点。通讯：Elijah R Behr，马萨诸塞州，医学博士，心血管临床学术组，分子与临床科学研究所，圣乔治大学，伦敦圣乔治大学，克兰默露台，伦敦，SW17 0RE，EBEHR@SGHR@SGUL.AC.AC.AC.UK;或Amsterdam UMC的Ruben Coronel，位置AMC，Meibergdreef 9，1105 AZ Amsterdam，荷兰，电子邮件r.coronel@amsterdamumc.nl *r。 Coronel和E.R.behr同等贡献。有关资金和披露的来源，请参见第1630页。©2023作者。流通于美国心脏协会，Inc。发表这是根据Creative Commons归因许可条款的开放访问文章，该条款允许在任何媒介中使用，分发和复制，前提是适当地引用了原始作品。
深度学习的工作流程，用于自动提取心脏纤维化中心脏计算机断层扫描上心房和心外膜脂肪组织的自动提取
。cc-by-nc-nd 4.0国际许可证是根据作者/资助者提供的，他已授予Medrxiv的许可证，以永久显示预印本。（未通过同行评审认证）
心房利钠肽作为心房颤动、心力衰竭和心房淀粉样变性之间的桥梁
摘要：心房利钠肽主要由心房合成，排出后主要有两个作用：扩张血管和增加肾脏对钠和水的排泄。近几十年来，人们对心房利钠肽在心脏系统中的作用有了很大的了解。本综述重点介绍了几项研究，这些研究证明了分析心脏内分泌和机械功能之间调节的重要性，并强调了心房利钠肽作为心房的主要激素对心房颤动 (AF) 和相关疾病的影响。本综述首先讨论了有关心房利钠肽诊断和治疗应用的现有数据，然后解释了心房利钠肽对心力衰竭 (HF) 和心房颤动 (AF) 以及反之亦然的影响，其中跟踪心房利钠肽水平可以了解这些疾病的病理生理机制。其次，本综述重点介绍了心房利钠肽的常规治疗，例如心脏复律和导管消融，以及它们对心脏内分泌和机械功能的影响。最后，本文提出了关于心脏复律后心脏机械和内分泌功能恢复延迟的观点，这可能导致急性心力衰竭的发生，以及通过大面积消融或手术恢复窦性心律对失去 ANP 产生部位的潜在影响。总体而言，ANP 通过影响血管舒张和排钠作用在心力衰竭中起关键作用，导致肾素-血管紧张素-醛固酮系统活性降低，但了解 ANP 在 HF 和 AF 中的密切作用对于改善其诊断和个性化患者治疗至关重要。
预测心房颤动患者的心力衰竭：前瞻性Cool-AF注册中心的报告
摘要：背景：这项研究旨在确定风险因素和发病率，并为心脏衰竭患者的心力衰竭开发预测风险模型（AF）。方法：这是2014年至2017年之间泰国非浮力AF患者的前瞻性多中心注册表。主要结果是发生HF事件。使用多变量COX-PROPARTIANTION模型开发了一个预测模型。使用C-指数，D统计量，校准图，Brier检验和生存分析评估预测模型。结果：平均随访时间为25.7±10.6个月，共有3402例患者（平均67.4岁，男性为58.2％）。随访期间有218例患者发生心力衰竭，每100人年的发病率为3.03（2.64–3.46）。该模型中有十个HF临床因素。从这些因素开发的预测模型的C-指数和D统计量为0.756（95％CI：0.737–0.775）和1.503（95％CI：1.372–1.634）。校准图在预测模型和观察到的模型之间显示出良好的一致性，校准斜率为0.838。使用Bootstrap方法确认了内部验证。Brier分数表明该模型对HF具有良好的预测。结论：我们为AF患者提供了良好的临床HF预测模型，具有良好的预测和歧视值。
禁食，对阿尔茨海默氏病的潜在干预
房颤（AF）是全球医学实践中最常见的节奏之一[1]。传统，AF可以分为五种模式：首先被诊断出，阵发性，持久，长期持久和永久性AF [2]。AF患者患心力衰竭和中风的风险增加，导致严重的残疾和死亡[3]。糖尿病（DM）是AF的主要危险因素之一[4-6]。亚临床AF发作通常在2型糖尿病（T2DM）患者中频繁出现，并与血栓栓塞风险增加有关[7]。进一步，在使用DM的患者中，对AF的治疗似乎更具挑战性。与普通人群相比，DM的植物的AF消融结果较差，与非DM组相比，DM组的AR-Rhythmia复发率明显更高[8，9]。AF和DM目前都是全球著名的公共卫生问题[10]。但是，尚未完全研究DM中AF的基本机制。
ibrutinib和Bruton的酪氨酸激酶在慢性淋巴细胞性白血病中抑制：关注心房颤动和心室arrharhyarrhyarhyarrhyarryarharhyarhyarhyarhyarhyarhyarhyarhyarhyarhyarhyarhyarhyarhyarhyarhyarhyarhysudd div div>
摘要背景：通过引入Bruton的酪氨酸激酶（BTK）抑制剂Ibrutinib的引入，慢性淋巴细胞leukemia（CLL）的自然历史得到了极大的改善。在这篇综述中，我们的目的是总结并批判性地评估第一代BTK抑制剂之间的关联，以及房颤（AF）和心室Ar- Rhythmias（VA）的风险。摘要：自第一次临床经验以来，观察到AF的发展是非目标作用可能与患者的倾向危险因素和伴随性心脏病发生相结合的结果。最近，伊布鲁替尼剂量降低和心律不齐的剂量均允许长期治疗，对无进展生存率产生积极影响，也降低了全因死亡率。第二代BTK抑制剂，阿卡拉略替尼和Zanubrutinib已在CLL中进行了测试和验证。与ibrutinib相比，AF的发生率较低
非瓣膜性心房颤动 (NVAF) 或静脉曲张患者从华法林换为直接口服抗凝剂 (DOAC) 的指导
使用范围：此方法适用于 COVID-19 大流行期间。可通过以下链接访问英国皇家全科医学院和英国血液学会认可的国家指南：关于安全将华法林转换为 DOAC COVID-19 的指南。此信息旨在支持全科医生或经验丰富的独立处方者 (IP) 将患者从华法林转换为 DOAC。该信息应与 NHS 关于冠状病毒大流行期间抗凝服务的指南 (1)、相关产品特性摘要 (SPC) (2) 和当地处方集结合使用。理由：INR 监测是一项基本服务，无论 COVID-19 疫情规模如何，都必须继续 (RCGP 指南)。为了减轻患者和诊所此时 INR 测试的负担，可能需要考虑在适当的情况下将患者转换为 DOAC、INR 自我测试甚至低分子量肝素 (LMWH)。应考虑对患者和 NHS 工作人员工作量的影响。虽然 DOAC 需要在整个治疗过程中进行血液测试以评估肾功能 - 但监测是可预测的，不如华法林的 INR 测试严格。从华法林转换为 DOAC 必须经过仔细考虑，因为并非所有患者都适合转换为 DOAC，在某些情况下，可能需要专家建议。哪些患者群体应该转换？考虑优先考虑 INR 控制不佳的患者，因为这类患者需要最频繁的 INR 检查，并且如果 INR 控制不佳存在潜在原因，则解决不依从性问题。建议优先考虑以下患者进行转换
使用动态心电图波形诊断心房颤动的可解释人工智能模型
摘要 心房颤动是一种临床上重要的心律失常。有一些关于使用心电图数据进行 AF 诊断的机器学习模型的报道。然而，很少有报道提出一种可解释的人工智能 (XAI) 模型，使医生能够轻松理解机器学习模型的诊断结果。我们开发并验证了一种基于卷积神经网络 (CNN) 算法的支持 XAI 的心房颤动诊断模型。我们使用了 Holter 心电图监测数据和梯度加权类激活映射 (Grad-CAM) 方法。我们使用了 2016 年 1 月 4 日至 2019 年 10 月 31 日期间记录的患者心电图数据，共计 57,273 个 30 秒的心电图波形槽，每个波形槽都有心脏病专家注释的诊断信息，用于训练我们提出的模型。我们的人工智能模型用于房颤诊断的性能指标如下：敏感性 97.1%（95% CI：0.969-0.972）；特异性 94.5%（95% CI：0.943-0.946）；准确率 95.3%（95% CI：0.952-0.955）；阳性预测值 89.3%（95% CI：0.892-0.897）；F 值 93.1%（95% CI：0.929-0.933）。使用我们的模型进行房颤检测的受试者工作特征曲线下面积为 0.988（95% CI：0.987-0.988）。此外，使用 XAI 方法，我们的机器学习模型确定的感兴趣区域中的 94.5 ± 3.5% 被心脏病专家确定为 AF 诊断的特征部位。使用我们提出的基于 CNN 的 XAI 模型，AF 被准确诊断并用 Holter ECG 波形得到良好解释。我们的研究朝着实现可行的基于 XAI 的 AF 诊断检测模型又迈出了一步，供医生使用。（Int Heart J 2021；62：534-539）关键词：卷积神经网络、机器学习、Holter 监测、梯度加权类激活映射
AI 过滤器可提高植入式循环记录器检测心房颤动的阳性预测值
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：