XiaoMi-AI文件搜索系统
World File Search Systemfibrillation
未确诊房颤筛查的下一步是什么？人工智能可能是关键
今年的两项研究，STROKESTOP 和 LOOP，通过评估系统筛查对临床结果的净效益，推进了证据基础。13、14 STROKESTOP 研究是一项在瑞典两个地区进行的随机对照试验 (RCT)。75 岁和 76 岁的人，不排除任何情况，以 1:1 的比例随机分配到筛查或常规护理的邀请中。参加筛查的人被指导使用手持式单导联心电图 (ECG) 每天记录两次心电图，持续 2 周。在随机分配的 28 768 名参与者中，13 979 名被邀请参加筛查，其中 7165 名（51.3%）参加了筛查，13 996 名组成了对照组，中位随访时间为 6.9 年。LOOP 研究是在丹麦四个中心进行的一项 RCT。年龄在 70-90 岁之间，无已知 AF，且至少有一个额外中风风险因素的个人按 1:3 的比例随机分配到植入式循环记录器 (ILR) 监测组或常规护理组。在随机分配的 6004 名个人中，1501 人接受了 ILR 监测，4503 人组成了对照组，中位随访时间为 5.4 年。如果检测到 AF，则根据这些组的 CHA 2 D S -VASC 风险状况提供口服抗凝治疗。在 STROKESTOP 中，与对照组 [13 996 人中的 4616 人；每 100 年 5.68 起事件；风险比 0.96（95% 置信区间，CI，0.92–1.00）] 相比，干预组 (13 979 人中的 4456 人；每 100 年 5.45 起事件) 在缺血性或出血性中风、全身性栓塞、导致住院的出血和全因死亡的综合结果方面显示出轻微的益处。相比之下，LOOP 研究发现 ILR 组 [1501 人中的 67 人 (4.5%)] 和对照组 [4503 人中的 251 人 (5.6%)] 之间中风或全身性栓塞风险没有显著降低；HR 0.80，95% CI 0.61–1.05；P = 0.11]。为什么两个 RCT 的结果不同？首先，LOOP 研究中样本量和事件数量要小得多，这反映在效应大小的宽置信区间中，这可能使研究缺乏说服力。此外，在 LOOP 研究中，持续监测 6 分钟的 AF 发作足以进行诊断和考虑抗凝治疗。在 ASSERT 研究中，发现 SCAF 持续时间超过 24 小时的个体与没有 AF 的个体相比，中风风险增加，但 SCAF 持续时间少于 24 小时的个体风险并未增加。5 , 15 在 STROKESTOP 中诊断出的 AF 发作可能持续时间较长，因此会增加中风风险，因此口服抗凝治疗更有益。正在进行的 ARTESiA (NCT01938248) 双盲 RCT 正在评估通过持续监测检测到的 SCAF 持续时间阈值，该阈值可从口服抗凝治疗中获益，该研究包括具有中风风险因素且 SCAF 发作持续时间至少为 6 分钟的参与者。入选患者按 1:1 随机分配接受阿司匹林或阿哌沙班治疗，综合主要结局为中风和全身性栓塞，安全性结局为临床明显的大出血。
累积高血压负担对糖尿病患者房颤风险的影响：一项全国性人口研究
© 作者 2023。开放存取 本文根据知识共享署名 4.0 国际许可进行授权，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可的链接，并指明是否做了更改。 本文中的图片或其他第三方资料包含在文章的知识共享许可中，除非资料的致谢中另有说明。 如果资料未包含在文章的知识共享许可中，且您的预期用途不被法定规定允许或超出允许用途，则需要直接从版权所有者处获得许可。 要查看此许可证的副本，请访问 http://creativecommons.org/licenses/by/4.0/ 。知识共享公共领域贡献豁免（http://creativeco mmons.org/publicdomain/zero/1.0/）适用于本文中提供的数据，除非数据来源中另有说明。
心力衰竭与患有房颤的受试者相关的死亡，1999年至2020年
方法和结果：从疾病控制和预防中心中提取数据，以广泛的在线数据进行流行病学研究，以确定由于AF年龄≥15岁的AF受试者的HF相关死亡，因此每10万人的年龄调整后死亡率趋势。为了计算全国年度趋势，我们使用联接点回归评估了年度年度变化（AAPC）的平均年度百分比变化（AAPC）和年度变化，相对95％CIS。在1999年至2020年之间，916 685 HF相关的死亡（396 205名男性和520 480妇女）发生在美国成年人中的AF中。整体年龄调整的死亡率增加（AAPC： +4.1％[95％CI，3.8-4.4]； p <0.001），尤其是在2011年之后（每年变化百分比， +6.8％[95％CI，6.2-7.4]; P <0.001）男性（AAPC， +4.8％[95％CI，4.4-4-4.4-4-5.00; +4.2％[95％CI，3.9至4.6]；在年龄<65岁的受试者中（AAPC： +7.5％）[95％CI，6.7-8.4]; p <0.001）。较高的死亡人数在南部注册（32.8％）。在COVID-19大流行的第一年中，AF年龄> 65岁的AF患者的HF相关死亡人数显着过多。
术中雷列芬太尼使用可减少冠状动脉搭桥手术后的房颤
目的：冠状动脉搭桥术后的心房效果是一种相对众所周知的并发症，已经观察到了很长时间。尽管围手术期间的管理和药物发生了变化，但它们对术后心房效果产生的影响尚不清楚。因此，我们研究了各种围手术期管理方法以及术后心房效果的发生。方法：患者在2010年1月至2019年10月之间接受了冠状动脉旁路搭桥术。这项研究是一项回顾性的观察性研究，我们在所有术后所有5天都研究了心房智能的发生率。患者因素包括年龄，性别，身高和体重，术前因素包括口服他汀类药物，HBA1C，左心室射血分数和左心房直径；术中因素包括操作时间，使用雷曲板的使用，使用β受体阻滞剂，含镁的输液使用，在E外平衡以及血管吻合的数量。结果：在276例病例中，有81例术后心房效果得到了认可。两组在年龄，左心房直径和术中使用雷列利尼尔的使用情况下存在显着差异。逻辑回归分析介绍了年龄的影响（OR 1.045，95％CI 1.015 E 1.076，p <0.01），术前左心房直径（OR 1.072，95％CI 1.023 E 1.023 E 1.124，P <0.01），p <0.01），以及内部内部的0.4.495％0.4928.492，955.492，95％，95％，95％，95％，95％，CI。 p¼0.011）在手术后的心房效果上。结论：手术时间不影响术后心房功能。年龄和左心脏直径先前已显示出影响术后的心房效果，我们的结果相似。这项研究表明，使用瑞典降低了术后心房功能的发生率。另一方面，没有发现其他因素具有效果。
预防具有房颤的脑部出血幸存者中的中风：Prestige-Af试验的理由和设计
1英国伦敦帝国学院，伦敦帝国学院 德国5塞维利亚研究所神经病学系，ibis/Hospital Universitorio virgen delRocío/csic/csic/塞维利亚大学/塞维利亚大学，医院，塞维利亚医院，西班牙塞维利亚6神经血管研究实验室，VALL D'希伯伦研究所（VHIR）研究所VHALS D'HEBRON，SPIAN BORD，BARORNA，BARERONA，BARERONA，umrone umrone um um um um um umrone um um um um um umrone， 5287，法国波尔多市Incia 5287，波尔多大学医院，中风单位，法国波尔多9 UMR 1219 Bordeaux人口健康中心，波尔多大学波尔多大学，波尔多10号。和人口科学，国王学院伦敦，伦敦，英国伦敦13 NIHR应用研究合作（ARC）南伦敦，伦敦，英国伦敦，14英国临床医学系，丹麦·奥尔堡大学阿尔堡大学卫生学院，丹麦德国5塞维利亚研究所神经病学系，ibis/Hospital Universitorio virgen delRocío/csic/csic/塞维利亚大学/塞维利亚大学，医院，塞维利亚医院，西班牙塞维利亚6神经血管研究实验室，VALL D'希伯伦研究所（VHIR）研究所VHALS D'HEBRON，SPIAN BORD，BARORNA，BARERONA，BARERONA，umrone umrone um um um um um umrone um um um um um umrone， 5287，法国波尔多市Incia 5287，波尔多大学医院，中风单位，法国波尔多9 UMR 1219 Bordeaux人口健康中心，波尔多大学波尔多大学，波尔多10号。和人口科学，国王学院伦敦，伦敦，英国伦敦13 NIHR应用研究合作（ARC）南伦敦，伦敦，英国伦敦，14英国临床医学系，丹麦·奥尔堡大学阿尔堡大学卫生学院，丹麦德国5塞维利亚研究所神经病学系，ibis/Hospital Universitorio virgen delRocío/csic/csic/塞维利亚大学/塞维利亚大学，医院，塞维利亚医院，西班牙塞维利亚6神经血管研究实验室，VALL D'希伯伦研究所（VHIR）研究所VHALS D'HEBRON，SPIAN BORD，BARORNA，BARERONA，BARERONA，umrone umrone um um um um um umrone um um um um um umrone， 5287，法国波尔多市Incia 5287，波尔多大学医院，中风单位，法国波尔多9 UMR 1219 Bordeaux人口健康中心，波尔多大学波尔多大学，波尔多10号。和人口科学，国王学院伦敦，伦敦，英国伦敦13 NIHR应用研究合作（ARC）南伦敦，伦敦，英国伦敦，14英国临床医学系，丹麦·奥尔堡大学阿尔堡大学卫生学院，丹麦德国5塞维利亚研究所神经病学系，ibis/Hospital Universitorio virgen delRocío/csic/csic/塞维利亚大学/塞维利亚大学，医院，塞维利亚医院，西班牙塞维利亚6神经血管研究实验室，VALL D'希伯伦研究所（VHIR）研究所VHALS D'HEBRON，SPIAN BORD，BARORNA，BARERONA，BARERONA，umrone umrone um um um um um umrone um um um um um umrone， 5287，法国波尔多市Incia 5287，波尔多大学医院，中风单位，法国波尔多9 UMR 1219 Bordeaux人口健康中心，波尔多大学波尔多大学，波尔多10号。和人口科学，国王学院伦敦，伦敦，英国伦敦13 NIHR应用研究合作（ARC）南伦敦，伦敦，英国伦敦，14英国临床医学系，丹麦·奥尔堡大学阿尔堡大学卫生学院，丹麦
糖尿病中房颤风险的积累高血压负担：全国人口研究
©作者2023。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：//创建ivecommons。org/licen ses/by/4。0/。Creative Commons公共领域奉献豁免（http：//创建ivecommons。Org/publi cdoma in/Zero/1。0/1。0/）适用于本文中提供的数据，除非在数据信用额度中另有说明。
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
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。
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。
具有光摄影技术和人工智能算法的医疗智能带的性能检测房颤
房颤（AF）是最常见的持续性心律失常，也是西方国家最重要的公共卫生问题和健康支出的原因之一（1）。AF患者的中风风险高5倍，死亡风险高2倍，而AF也会对生活质量产生负面影响（1,2）。早期检测对于最大程度地减少并发症至关重要。心电图（ECG）被认为是心律不齐检测的黄金标准，但其应用仅限于临床环境，使同时记录症状发作，具有挑战性（3）。此外，AF通常是无症状的，并且可能仍未发现，直到并发症（例如血栓栓塞事件）发生为止（4）。使用可穿戴设备通过传感器记录重要参数，可以通过提供有关患者在家的心血管状态的数据来实现移动诊断（5-8）。这些解决方案可以进行有效且易于筛查，并通过早期发现异常和适当的治疗干预来减少心血管疾病的并发症（7）。光绘画学的进步（PPG）