通过算法自动量化QT间隔:慢性阻塞性肺部疾病患者的验证研究
Dario Kohlbrenner1,2, Maya Bisang1, Sayaka S Aeschbacher1
1Department of Pulmonology, University Hospital Zurich, Zurich, Switzerland.
概括
一个自动化算法在睡眠研究期间准确地识别了慢性阻塞性肺病 (COPD) 患者的QTc延长. 该工具有助于检测患有心律失常风险的患者,使得及时进行心脏咨询.
科学领域:
- 心脏病学 心脏病学
- 肺部病理学 肺部病理学
- 医疗技术 医疗技术 医学技术
背景情况:
- 进行睡眠研究的慢性阻塞性肺病 (COPD) 患者有心脏事件的风险.
- QTc 间隔延长是心律失常风险的标志物,需要精确检测.
- 已建立的手动电心电图 (ECG) 评分可以耗时.
研究的目的:
- 为了评估新型QTc评分算法的诊断准确性.
- 为了比较算法的性能与传统的手工得分方法.
- 为了评估COPD患者的QTc延长检测在多睡眠记录过程中.
主要方法:
- 收集了28名COPD患者的62个夜间心电图记录.
- 量化心率校正的QT间隔 (QTc) 使用自动算法和手动光标辅助得分.
- 分析了32,944个1分钟周期,使用布兰德-阿尔特曼统计学和 460,480 和 500ms 的值的混矩阵.
主要成果:
- 与手动评分相比,该算法显示了-1ms的平均差异,协议限制从-18到16ms.
- 8%的夜间记录显示QTc延长超过460ms.
- 该算法实现了高的诊断准确度,灵敏度和特异性 (例如,0.98准确度,0.97灵敏度,0.98特异性在460ms).
结论:
- 一个自动化的QTc得分算法准确地检测稳定的COPD患者的临床相关的QTc延长.
- 这项技术为睡眠实验室提供了一种敏感和特定的工具.
- 早期识别有风险的患者可以促进预防性心脏病咨询,可能避免心脏事件.
