使用心电图来评估透析功能和预后在腹吐中
Gal Tsaban1, Eunjung Lee1, Samual Wopperer1
1Department of Cardiovascular Medicine, Mayo Clinic, Rochester, Minnesota, USA.
人工智能启用心电图 (AI-ECG) 对左心室透静功能 (LVDF) 的分级,可独立预测腹患者的死亡率. 较高的LVDF等级与增加全因死亡风险相关,有助于风险分层.
科学领域:
- 心脏病学 心脏病学
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 在患有显著腹吐 (MR) 的患者中评估左心室扩张功能 (LVDF) 是临床上具有挑战性的.
- 一个人工智能启用心电图 (AI-ECG) 算法已经开发和验证,用于估计LVDF.
研究的目的:
- 评估AI-ECG衍生的LVDF等级与显著MR患者全因死亡风险之间的关联.
- 在MR的背景下评估AI-ECG LVDF等级对心肌病 (MD) 的预后价值.
主要方法:
- 梅奥诊所 (2001-2023) 在14天内对显著MR和心电图 (ECG) 的患者进行了回顾性分析.
- 根据AI-ECG LVDF,患者被分为三种心肌病 (MD) 级别 (MD-1,MD-2,MD-3).
- 进行了多变量生存分析,以评估MD等级与全因死亡率之间的关联.
主要成果:
- 总共包括了4019名具有显著MR的患者;40.7%的患者在平均3.5年的随访期间死亡.
- 更高的AI-ECG LVDF等级独立地与增加全因死亡风险相关 (MD-2:aHR 1.99;MD-3:aHR 2.65).
- 这些关联在所有灵敏度分析中保持一致,包括对 mitra 干预的调整.
结论:
- 在患有显著的额头骨反的患者中,使用AI-ECG的LVDF分级是所有原因死亡率的独立预测指标.
- AI-ECG LVDF评估为这种患者群体的风险分层提供了有价值的预后信息.
更多相关视频
12:12Echocardiographic Approaches and Protocols for Comprehensive Phenotypic Characterization of Valvular Heart Disease in Mice
Published on: February 14, 2017
11:50High-frequency High-resolution Echocardiography: First Evidence on Non-invasive Repeated Measure of Myocardial Strain, Contractility, and Mitral Regurgitation in the Ischemia-reperfused Murine Heart
Published on: July 9, 2010
相关概念视频
Mitral Regurgitation II: Clinical features and Diagnostic Tests
Rheumatic Heart Disease II: Clinical Manifestations and Diagnostic Studies
Mitral Valve Prolapse II: Assessment and Management
Mitral Regurgitation IV: Nursing Management
Mitral Regurgitation III: Medical Management
Mitral Regurgitation I: Introduction
