阵发性心房颤动发作风险的人工智能预测模型

目的建立一种基于24 h心电图数据开发的集成模型,从而对房颤高危人群发生房颤的风险,及实时预测阵发性房颤患者房颤的发作。方法连续回顾性收集2018年1月1日至2021年12月31日在暨南大学第一附属医院心电报告诊断为阵发性心房颤动的患者共310例,经筛选后共有124例患者作为心房颤动组纳入本研究。同时以1∶4的比例随机选择496例心电图报告正常的患者作为非心房颤动组。两组患者最终一起被随机分配,得到训练集(n=434)、验证集(n=62)和测试集(n=124),比例为7∶1∶2,以进行心电模型训练。建立心电神经网络模型和心率神经网络模型,最后使用逻辑回归将心电神经网络模型和心率神经网络模型结合得到集成模型。结果经过训练、验证和测试,人工智能集成算法的曲线下面积为0.94(95%CI 0.75~0.94),其敏感度、特异度、准确度、精确度和F1分数分别为56.0%、98.0%、90.0%、93.0%和0.70。与临床风险模型和现有的房颤预测模型HARMS2-AF评分相比,AI算法的性能更好(P<0.01)。结论人工智能集成算法可能是预测房颤风险,实时预测房颤发作的有效方法,可以作为一种早期预警工具。这对房颤的筛查,个体化抗凝方案的制定具有重要的临床意义。

新型冠状病毒肺炎感染合并心房颤动患者的综合管理认识和建议

研究表明,新型冠状病毒肺炎会导致心房颤动的发生率增加,并且心房颤动同时也是新型冠状病毒肺炎患者病死率增加的主要心血管危险因素。目前,针对新型冠状病毒合并心房颤动患者并未有适当的综合管理策略,鉴于此,在结合国内外的研究成果并参考国内外相关的指南的基础上,本文撰写了关于新型冠状病毒合并心房颤动患者的综合管理的认识和建议,以便进一步规范相关患者的临床管理。

对心房颤动以外的快速性房性心律失常的认识

过去临床普遍认为,房性早搏(简称房早)、房性心动过速(简称房速)等心房颤动(简称房颤)以外的快速性房性心律失常并无重要临床意义。但近年来,随着检测手段的不断发展,越来越多的临床研究发现,房早、房速等除房颤以外的心房异位活动与脑卒中的风险相关,并可能进一步导致死亡率升高。同时,此类房性心律失常的发生次数与房颤、缺血性脑卒中等不良事件发生率之间存在正相关,其机制可能与亚临床心房心肌病的介导作用有关。对该类心律失常的临床临界值和室上异位活动,目前仍无明确定义。因此,通过动态心电图等手段、遵循规范化流程,对房颤以外的快速性房性心律失常进行规律检测和处理至关重要。本文介绍此类房性心律失常与心源性脑卒中的关系,以及对此类心律失常的检测在心源性脑卒中评估中的作用。

直线度和平面度的光电检测装置设计

形状公差测量是评定零件精度的重要基础。针对零件表面直线度、平面度等几何形状公差常见测试方法的不足,设计了一种高精度激光板靶式几何形状公差光电检测装置。通过典型三坐标行走机构沿被测零件表面运动,安装于Z轴的激光发射装置发出激光并照射到可移动的四象限PSD同步板靶,信号经电路放大和实时采集,上位机记录当前数值并实时显示。与现有测量装置相比,本设计可以实现直线度、平面度形状公差的在线测试和快速评定。

P波指数对房颤相关缺血性卒中的预测价值

P波指数作为一种实用的心电学指标,反映心房电活动的状态。它主要包括P波时限、P波离散度、P波面积、P波电轴、V_(1)导联P波终末电势等指标。本文主要综述P波指数对缺血性卒中的预测价值,为临床诊断和进一步研究提供参考。