Design and Implementation of Long-Term Single-Lead ECG Monitor

Some heart diseases need long-term monitoring to diagnose. In this paper, we present a wearable single lead ECG monitoring device with low power consumption based on MSP430 and single-lead ECG front-end AD8232, which could acquire and store patient’s ECG data for 7 days continuously. This device is available for long-term wearing with a small volume. Also, it could detect user’s motion status with an acceleration sensor and supports Bluetooth 4.0 protocol. So it could be expanded to be a dynamic heart rate monitor and/or sleep quality monitor combined with smart phone. The device has huge potential of application for health care of human daily life.

院前应用散点图初筛可穿戴单导联远程心电监测心律失常的研究

背景心律失常是心血管疾病患者常见的临床表现,具有一过性和阵发性的特点。患者易在院外发生心律失常,而传统的心电图设备因难以随时佩戴,常导致无法捕捉到患者心律失常发作时的心电信号。目的探讨院前应用散点图初筛可穿戴单导联远程心电监测心律失常的效果。方法选取2018年9月至2019年9月银川市基层医疗机构就诊的1076例患者,均在有心悸、头晕、胸闷、气短等症状时,在院外佩戴可穿戴单导联远程心电监测设备,采集并实时上传至云端的24 h心电图资料。A组为基层医生依据散点图的诊断,B组和C组为银川市第一人民医院远程心电诊断中心医生分别依据散点图和散点图结合心电图的诊断。分析三组心律失常检出率、检出类型、诊断一致性及符合率,并以C组为金标准,分析A组和B组诊断心律失常的灵敏度、特异度、阳性预测值及阴性预测值。结果(1)A组、B组、C组分别检出14种1301例次、14种1323例次、15种1647例次心律失常,心律失常检出率分别为80.9%、81.2%、87.5%。(2)A组与B组诊断心律失常具有强一致性(Kappa=0.891,95%CI(0.711,1.071),P=0.617),诊断符合率为96.7%;B组与C组诊断心律失常具有强一致性(Kappa=0.759,95%CI(0.489,1.029),P<0.001),诊断符合率为93.6%;A组与C组诊断心律失常具有较强的一致性(Kappa=0.692,95%CI(0.392,0.992),P<0.001),诊断符合率为91.7%。(3)A组诊断心律失常的灵敏度为91.5%、特异度为93.3%、阳性预测值为99.0%、阴性预测值为61.2%,B组诊断心律失常的灵敏度为92.8%、特异度为99.3%,阳性预测值为99.9%、阴性预测值为66.3%。结论在院前应用散点图初筛可穿戴单导联远程心电监测心律失常,可实现心律失常诊疗关口前移,并以此建立起由社区居民、基层全科医生和远程心电诊断中心医生共同参与的心律失常防治网。

移动智慧医疗在基层老年慢性病患者心血管病防控中的应用研究

背景近年来移动智慧医疗在心血管病的筛查、干预、救治、管理中的优势愈加突出。其中单导联可穿戴心电设备在院外应用于心律失常患者的前期筛查、诊断中的应用价值得到了学者及临床的认可。但因其导联和匹配的云平台功能的单一性,限制了其在基层医疗机构中对慢性非传染疾病(简称慢性病)患者风险筛查及长期随访管理中的应用。目的本研究立足分级诊疗,从慢性病防控的视角,以单导联可穿戴心电设备为载体,探索移动智慧医疗在基层老年慢病患者中心血管病风险防控中的应用价值。方法选取2022年1—8月宁夏回族自治区20家基层医疗机构收治的3000例65岁及以上慢性病患者为研究对象,其中男1202例、女1798例;平均年龄(71.3±5.0)岁。基层医生借助手机APP及患者管理云平台录入患者资料,给患者佩戴单导联可穿戴心电设备采集72 h心电数据上传至患者管理云平台。由专业心电图医生分别对数据进行心律失常、心率变异性(HRV)、阻塞性睡眠呼吸暂停综合征(OSAHS)分析及风险分层,并综合3种分析方法的分层结果将心血管病综合风险符合低、中及高危的数据在云平台勾选相应的标识。云平台对高、中危患者以短信形式通知基层医生对患者进行不同流程的管理。统计3种分析方法不同风险分层患者检出例数,低、中、高危心血管病风险患者检出例数及按流程管理率。结果检出心律失常符合正常、阳性及重大阳性者分别为1526例(50.87%)、1349例(44.97%)、125例(4.17%)。2968例患者完成HRV和OSAHS分析,HRV符合轻度、中度及重度降低者分别为2330例(78.50%)、630例(21.23%)、8例(0.27%);OSAHS符合轻度、中度、重度异常者分别1769例(59.60%)、573例(19.31%)、626例(21.09%)。心血管病综合风险为低、中、高危患者分别为744例(24.80%)、1640例(54.67%)、616例(20.53%)。心血管病综合风险为高、中、低危患者按流程管理率分别为94.49%(703例)、88.10%(1445例)、100.00%(616例)。结论将移动智慧医疗技术与心律失常、HRV及OSAHS分析方法联合应用于基层老年慢病患者心血管病防控,心血管病风险检出率和患者管理率较高,有利于基层老年慢性病患者心血管病防控体系的建立。

可穿戴单导联远程心电监测设备结合散点图在院外应用的分析

目的:探讨可穿戴单导联远程心电监测设备结合散点图在院外的应用。方法:选取2018年9月至2019年9月银川市所属社区纳入的1098例患者,均在有胸闷、心悸、气短、头晕等不适症状时于社区或居家佩戴可穿戴单导联远程心电监测设备,采集并实时上传24 h心电图资料至云端。社区医生依据散点图诊断(基层组),银川市第一人民医院远程心电诊断中心医生依据心电图结合散点图诊断(中心组)。统计心电图质量、心律失常检出率及检出类型,了解基层组与中心组的诊断一致性以及诊断符合率,并以中心组诊断为金标准,统计基层组诊断心律失常的敏感度、特异度、阴性预测值和阳性预测值。结果:1076例(98.00%)患者的心电图质量符合标准,共检出15种类型1642例次心律失常。其中576例社区佩戴患者的心电图检出14种类型994例次心律失常,500例居家佩戴患者的心电图中检出13种类型648例次心律失常。心律失常检出率为87.45%,社区佩戴检出率高于居家佩戴(92.36%vs.81.80%,P=0.000)。中心组心律失常检出率高于基层组(87.45%vs.80.66%,P=0.000),但两组诊断具有较强的一致性(Kappa=0.692;95%CI:0.392~0.992),同时两组诊断符合率为91.72%。基层组诊断心律失常的敏感度为91.49%,特异度为93.33%,阳性预测值为98.96%,阴性预测值为61.16%。结论:可穿戴单导联远程心电监测设备数据采集及传输质量高,可提高心律失常检出率;基层医生依据散点图诊断心律失常的敏感度、特异度高。两者结合应用是院外筛查心律失常的适宜技术。

抗电磁干扰的心电信号监测系统

为了实现电磁干扰环境下的心电信号监测,提出了一种抗电磁干扰的心电信号监测系统。论文给出了输出光电流的计算公式,分析了半波电压及插入损耗对系统灵敏度的影响。利用铌酸锂电光晶体搭建实验系统,测试了5位健康志愿者的心电信号。应用提出的系统和电学心电信号采集系统分别测试了正常环境及电磁环境下志愿者的心电信号。测试结果表明:在正常环境下,本系统能获得与电学心电信号采集系统同样清晰的心电信号波形;在电磁环境下,本系统获得的心电信号优于电学心电信号采集系统。最后定量计算了两者的信噪比,计算结果表明:在电磁干扰下,本系统的信噪比变化量为0.54dB(V2)/0.49dB(V4),而电学心电信号采集系统的信噪比变化量为24.07dB(V2)/16.75dB(V4)。

单导联可穿戴远程心电监测设备在有症状心律失常患者中的应用模式探讨

目的探讨单导联可穿戴远程心电监测设备不同监测模式在有症状心律失常患者中的应用效果。方法选取银川市基层医疗机构纳入的确诊为心律失常的40例患者为研究对象,均在两周内出现头晕、胸闷、心悸、气短等症状时采用自行佩戴单导联可穿戴心电监测设备采集1次24 h心电图作为对照组、5次1 h心电图作为观察组。数据均实时上传至云端,由银川市第一人民医院远程心电诊断中心诊断。统计观察组和对照组心律失常检出率。结果观察组心律失常检出率高于对照组(77.5%vs.72.5%),差异无统计学意义(P>0.05),具有中等的一致性(Kappa=0.601)。观察组设备佩戴次数与心律失常检出率呈正相关(r=0.94,P<0.05)。结论心律失常患者有症状时佩戴单导联可穿戴心电监测设备采集多次1 h心电图在心律失常检出率上与采集1次24 h心电图差异无统计学意义,而佩戴次数越多,心律失常检出率越高。

一种实时心电监测系统设计

鉴于目前医院实时长期监测心电仪的费用高和心电图打印及看图的专业性,设计一种基于单导联的实时心电监测系统。该系统由单导联电极探头、心电信号调理AD8232模块、嵌入式STM32F103VET6单片机、3.2寸触摸屏、蓝牙HC-05模块、锂电池模块、上位手机等组成。调理模块包括仪表放大器、高通滤波器、增益调整器、低通滤波器、基准电压缓冲器、集成右腿驱动(RLD)放大器等,结合数字卡尔曼滤波和迭代滤波方法,有效克服了心电检测信号的基线漂移和低频噪声干扰等问题,从微弱电信号中拾取到有效心电信号。采用整形缩放和阈值设置来提取波形数据的特征,实验测试结果与医院心电测试仪误差在±1%以内。

基于社区移动医疗的心律失常筛查方案真实世界研究

背景心律失常发生率高且严重威胁人类健康,但由于其症状的隐匿性和发作的不可预测性,传统的心电设备很难捕捉到发作时心电图,无法得以确诊和对因治疗。在社区医生指导下,居民居家自行应用单导联可穿戴心电设备采集数据并实时上传可以明显提升心律失常的诊断率,但目前国内外相关研究大多缺乏真实世界数据的支撑。目的探讨基于社区移动医疗的3种心律失常筛查方案的真实世界研究。方法选取2020年9月至2021年9月银川市所属社区纳入的435例居民作为受试者,根据性别分为男性组(177例)、女性组(258例);根据年龄分为青年组(135例)、中年组(200例)、老年组(100例);根据受教育程度分为小学组(77例)、中学组(165例)、大学组(193例);根据既往有无明确心血管病病史分为有病史组(233例)和无病史组(202例)。应用单导联可穿戴远程心电设备,分别按以下方案采集心电数据:间断采集3次24 h心电数据(方案1);采集1次24 h及至少3次1 h心电数据(方案2);连续采集1次72 h及至少1次1 h心电数据(方案3)。由受试者自主自愿选择筛查方案中的任意1种,不论有无症状均自主选择时间,自行佩戴单导联可穿戴远程心电设备采集心电数据并上传至云平台。统计选择3种筛查方案的受试者数量、不同分组与方案选择的相关性,及3种筛查方案的心律失常检出率。结果选择3种筛查方案的受试者分别为321、40、74例。其中3种筛查方案受试者平均年龄比较,差异有统计学意义(P=0.047);受试者性别、受教育程度、有/无病史与方案选择无相关性(χ^(2)=0.670,P=0.715;χ^(2)=2.994,P=0.559;χ^(2)=2.225,P=0.893);不同年龄分组与方案选择有相关性(χ^(2)=9.939,P=0.041)。3种筛查方案心律失常的检出率分别为85.67%、82.50%、85.14%,差异无统计学意义(χ^(2)=0.286,P=0.867);男性组、女性组受试者的3种筛查方案心律失常检出率比较,差异无统计学意义(χ^(2)=0.966,P=0.707;χ^(2)=0.917,P=0.678);青年组、中年组、老年组受试者的3种筛查方案心律失常检出率比较,差异无统计学意义(χ^(2)=2.102,P=0.350;χ^(2)=0.871,P=0.706;χ^(2)=1.063,P=0.622);小学组、中学组、大学组受试者的3种筛查方案心律失常检出率比较,差异无统计学意义(χ^(2)=2.421,P=0.271;χ^(2)=1.115,P=0.633;χ^(2)=2.181,P=0.353);有病史组、无病史组受试者的3种筛查方案心律失常检出率比较,差异无统计学意义(χ^(2)=1.442,P=0.507;χ^(2)=0.548,P=0.818)。方案2的1 h心电数据采集次数与心律失常检出率呈正相关(rs=0.912,P=0.011);方案3的1 h心电数据采集次数与心律失常检出率呈正相关(rs=0.852,P=0.026)。方案2中24 h心电数据心律失常检出率为72.5%,1 h心电数据心律失常检出率为77.5%,两种时长心电数据诊断结果间具有较强一致性(Kappa值=0.601,P=0.001);方案3中72 h心电数据心律失常检出率为82.4%,1 h心电数据心律失常检出率为63.5%,两种时长心电数据诊断结果间具有中等一致性(Kappa值=0.410,P<0.001);方案2中1 h心电数据诊断与总方案诊断结果间具有强一致性(Kappa值=0.844,P<0.001);24 h心电数据诊断与总方案诊断结果间具有较强一致性(Kappa值=0.717,P<0.001)。方案3中1 h心电数据诊断与总方案诊断结果具有中等一致性(Kappa值=0.466,P<0.001),一致性强度一般;72 h诊断与总方案诊断结果具有强一致性(Kappa值=0.901,P<0.001)。结论基于社区移动医疗的3种心律失常筛查方案心律失常检出率无显著差异,不论有无症状均可使用,不同年龄受试者选择3种筛查方案倾向性不同,1 h心电数据采集次数与心律失常检出率呈正相关,提示社区医生应结合患者的年龄、职业特点、经济收入等因素进行多维度评估后,选择能达到最优依从性筛查方案,才能真正使移动医疗服务助力于社区心律失常患者的筛查及管理工作。

可穿戴单导联远程心电监测设备采集不同时长心电数据在心律失常筛查中的效果分析

目的探讨居家应用可穿戴单导联远程心电监测设备采集1 h和24 h数据在心律失常筛查中的效果。方法选取1000例患者有心悸、胸闷、气短等症状时居家应用可穿戴单导联远程心电监测设备采集的500份24 h心电图(24 h组)和500份1 h心电图(1 h组)资料,其中既往有心血管病史者441例(有病史组),无心血管病史者559例(无病史组)。统计心律失常检出率及检出类型。结果24 h组心律失常检出率高于1 h组(P<0.05),其中有病史组和无病史组24 h心电图心律失常检出率均高于1 h心电图(P<0.05)。24 h组和1 h组分别检出14种类型653例次、9种类型348例次心律失常,其中有病史组24 h和1 h心电图分别检出13种类型333例次、7种类型180例次心律失常;无病史组24 h和1 h心电图分别检出11种类型320例次、6种类型168例次心律失常。结论居家应用可穿戴单导联远程心电监测设备采集24 h数据不但可提高心律失常检出率及检出类型,协助解决紧急医疗事件,还能保障患者的依从性,降低检查费用。

智能心电信号监测设备研究现状

介绍了国内外智能心电信号监测电极和心电信号监测系统的研究现状,分析了目前智能心电信号监测设备存在的不足及发展趋势,指出了可穿戴技术的发展将进一步推进智能心电信号监测设备的普及,有助于生理指标监测、心脑血管疾病等预防,为伤病情诊断提供快速决策依据,提升救治成功率。

基于织物电极的动态心电监测系统

为了对人体进行日常心电监测,研制了一种高舒适度且具有优良的医学价值的动态心电监测系统。动态心电监测系统设计为T恤,将织物电极和导联线集成于衣物上,心电衣通过织物电极采集人体体表的心电信号,单片机(MCU)控制模/数转换模块对其采样,然后对采样后的信号存储在本地存储或者通过蓝牙发送至上位机。心电衣采用可以衍生标准十二导联的EASI导联体系,便于医生观察分析。设计的系统具有非常高的用户体验和较高的医学价值,适用于人们的日常生活场景,具有极高的实用性。

单导心电监护中不同电极模式的自动识别方法

电极脱落、电极混用等不正常电极模式会影响采集的心电信号的质量,导致误诊。人工判断电极模式是否正常过于依赖人的经验。为此对单导心电采集中4种电极模式的自动识别方法进行研究,定义了表征不同电极模式的心电信号的数字特征,结合基于LDA的特征降维和最近邻分类器来实现自动识别。实验表明,所提出的自动识别方法对单导心电设备4种电极模式的自动识别有效,对电极脱落的正确识别率可达到100%。

当今可穿戴动态心电图记录仪的性能特点与判读模式

随着“互联网+医疗健康”事业的快速发展,可穿戴动态心电图记录仪的推广应用为越来越多的心血管疾病患者和高危人群带来福音.本文分别系统介绍了单一导联、多导联可穿戴动态心电图记录仪的性能特点,对可穿戴动态心电图记录仪的心电信息判读与反馈方式进行了详细说明,指出了可穿戴动态心电图记录仪需要关注的问题,展望了可穿戴动态心电图记录仪未来的发展方向.

基于织物电极的便携心电监测系统设计

为了满足心电监测系统的实时监测,使用织物电极制作可穿戴心电监测设备。首先测定导电织物的信号传输性能,选择合适的导电织物制作心电电极用于心电信号采集。接着,使用AD8233心电采集前端和NRF51822控制芯片搭建心电监测的硬件平台。然后,进行电极位置测试,选择电极最佳监测位置,制作心电监测衣。心率正常的用户在静止、慢走、弯腰以及抬手臂等缓慢运动状态下,采集心电信号并计算其心率值、QRS波群时长以及QT间期时长的平均值,都在正常范围之内。实验表明,系统可满足日常心电监测需求。

心脏电子植入装置植入后并发心房颤动的危险因素分析及预测价值

目的:探究心脏电子植入装置(CIEDs)植入后发生心房颤动(AF)患者的危险因素及预测价值,为早期发现高风险人群、及时采取干预措施提供科学依据。方法:回顾性分析我院住院植入CIEDs患者的临床资料,根据术后起搏器程控检查将未发生心房高频事件(AHREs)患者作为对照组(86例),发生AHREs进一步使用穿戴式12导联心电设备检测到AF患者作为病例组(34例),采用单因素和多因素logistic回归分析CIEDs置入后AF发生的独立危险因素,ROC曲线分析其对AF发生的预测价值。结果:单因素分析结果显示,吸烟、高血压、脑梗死、中性粒细胞、尿酸、左房内径、钙拮抗剂的占比高于对照组,差异有统计学意义(P<0.05)。多因素logistic回归分析显示,吸烟、高血压、脑梗死、左房内径为CIEDs植入后发生AF的独立危险因素(P<0.05),ACEI/ARB为保护因素(P<0.05)。联合预测AF的ROC曲线下面积为0.920,预测灵敏度和特异度分别为94.12%、76.74%。结论:吸烟、高血压、脑梗死、左房内径可作为临床预测CIEDs植入后是否并发AF的重要参考依据。