XiaoMi-AI文件搜索系统
World File Search System室性
二联律伴有 QT 间期延长是即将发生尖端扭转型室性心动过速的不祥征兆：一例病例报告
因额头裂伤而送往急诊科。她有痴呆、慢性肾病和高血压病史，医生给她开了美金刚和氨氯地平。前一天晚上她的身体状况正常，但在急诊科就诊的那天早上，她因为脸上流血而走下楼。她不记得自己是否摔倒过，也无法提供任何与事件相关的有意义的细节。她否认有任何其他急性医疗投诉。患者家属在发现伤口之前没有发现任何外在疾病迹象，并报告说患者处于基线精神状态。患者神志清醒，进行了非局灶性神经系统检查，额头中间有一个单独的两厘米裂伤，没有活动性出血。她的心率和节律正常，但遥测监测显示形态怪异。急诊医生传达了创伤和晕厥的计划
机器学习电生理信号预测室性心律失常：系统评价和研究间异质性检验
本研究之前的证据 心脏性猝死 (SCD) 和恶性室性心律失常 (VA) 是全球主要的公共卫生问题。尽管已经确定了 SCD 和恶性 VA 的危险因素（例如左心室射血分数 ≤ 35%），但大多数事件发生在没有任何危险因素的个体中。目前，尚无有效的筛查工具来识别 SCD 或恶性 VA 的高危人群。人工智能 (AI) 的出现以及使用体表心电图 (ECG)、心脏内设备和可穿戴传感器非侵入性获得的电生理信号的日益普及，可以促进对 SCD 和恶性 VA 的个性化预测。我们搜索了 MEDLINE (Ovid)、EMBASE (Ovid)、Scopus、Web of Science 和 Cochrane Library Databases 电子数据库，以查找 2021 年 8 月之前发表的研究，这些研究开发了机器学习 (ML) 或深度学习 (DL) 模型，用于使用电生理信号预测恶性 VA 或 SCD。我们发现单个 ML 和 DL 模型的预测性能通常很高，尤其是从公开数据集中得出的 ML 和 DL 模型具有更高的准确性。然而，这些研究的特点是
