从睡眠模式到心脏节律:从夜间多睡眠图谱预测心房动
medRxiv : the preprint server for health sciences
|June 17, 2024
概括
这项研究开发了一种电心电图 (ECG) 分析方法,使用多睡眠图 (PSG) 数据来预测心房动 (AF). 该模型对在睡眠呼吸暂停患者中早期识别AF风险充满希望.
科学领域:
- 心脏病学 心脏病学
- 生物医学工程 生物医学工程
- 睡眠医学 睡眠医学
背景情况:
- 心房动 (AF) 通常无症状,增加中风和心力衰竭的风险.
- 阻塞性睡眠呼吸暂停 (OSA) 在AF患者中非常普遍 (60-90%).
- 多睡眠学 (PSG) 通过心电图分析为早期AF预测提供了一个独特的机会.
研究的目的:
- 为了确定未来心房动 (AF) 风险较高的个体.
- 开发一种使用标准PSG记录的单导电图数据进行预测的模型.
- 为了利用现有的PSG数据进行主动的AF查.
主要方法:
- 分析了13,609名受试者的18782个单线心电图记录.
- 提取了1800个手工制作的特征,并更新了预先训练的深度神经网络.
- 在心电图和AF概率特征上训练了一个浅层神经网络,用于未来的AF预测.
主要成果:
- 该模型在预测AF时实现了67%的灵敏度和81%的特异性.
- 生存分析显示,AF结果的显著危险比为8.36 (p < 1.93 × 10^-52).
- 适度的精度 (0.3) 表明潜在的错误阳性.
结论:
- 对一夜间PSG数据的ECG分析显示了AF预测的潜力.
- 这种方法可以实现低成本的查和高风险个体的积极治疗.
- 通过额外的生理参数进行进一步细化,可以减少假阳性并提高临床效用.
