使用心电图和心声图数据,在没有严重心肌回的情况下,对心交漏的表型鉴定
Lionel Tastet1, Minhaj U Ansari1, Joshua P Barrios1
1Department of Medicine (Cardiovascular Division), University of California-San Francisco, California, USA.
层次聚类确定了三种没有显著的 mitra regurgitation (MR) 的 mitra 门脱落 (MVP) 现型. 这些群体显示出心律失常和死亡的明显风险,左心房功能成为一个关键预测因素.
科学领域:
- 心脏病学 心脏病学
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 在没有显著的 mitra regurgitation (MR) 的 mitra 门缩 (MVP) 中发生心律失常的风险分层是具有挑战性的.
- 无监督机器学习为识别非律性MVP的明显表型变异提供了潜在的潜力.
- 了解这些表型对于改善患者的治疗结果和指导临床管理至关重要.
研究的目的:
- 测试这样的假设:回声心脏图和心电图 (ECG) 数据的等级聚类可以识别MVP表型.
- 确定这些已识别的表型是否与持续的心室节律失常和增加的死亡率有关.
- 探索MVP患者非严重MR的非严重MVP患者心律失常事件的新风险参数.
主要方法:
- 利用了对343名MVP患者的回声心电图和12导/健行心电图数据的等级分类,MVP患者的MR值≤中等.
- 根据结构和功能参数确定了不同的MVP表型 (集群).
- 在平均5.4年的随访期间,评估了这些集群与心律失常事件和整体死亡率的关联.
主要成果:
- 确定了三个不同的MVP集群,其中集群3显示了更多异常的左心房 (LA) 和左心室参数,尽管轻度MR.
- 与第1集群 (19%) 相比,第2集群 (38%) 和第3集群 (43%) 的心律失常呈现明显高.
- 与集群1相比,集群2和3显示死亡风险大幅增加 (HR:分别为5.01和5.85).
结论:
- 使用标准心电图和心声回声图数据,分层聚类有效地划分具有不同心律失常特征和死亡风险的MVP表型.
- 在没有显著MR的MVP患者中,左心房功能成为一个重要的新风险参数.
- 这些发现为MVP中精细的风险分层和个性化管理策略提供了基础.
更多相关视频
08:31A Simplified Stepwise Approach to Echo Guidance during Percutaneous Mitral Valve Repair
Published on: October 16, 2021
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 Valve Prolapse II: Assessment and Management
Mitral Stenosis II: Clinical features and Diagnostic Tests
Mitral Regurgitation II: Clinical Features and Diagnostic Tests
Mitral Valve Prolapse I: Introduction
Mitral Valve Prolapse III: Nursing Management
Mitral Regurgitation I: Introduction
