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。

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。

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。

基于卷积神经网络的第一导联心电图心拍分类

第一导联心电图心拍的分类具有重要的医学价值,可以用来判断心脏的健康状况.采用深度卷积神经网络的方法,设计了针对单导联心电图这种特殊一维信号的卷积神经网络.该卷积神经网络具有层数多、卷积核尺度多样、参数量小等特点,能有效对第一导联心电图心拍进行分类.首先将心电数据进行预处理输入网络,经过一系列卷积、池化操作,最终输出分类结果.将该网络应用于INCART数据库,对超过17×104条第一导联心电图数据进行分类实验,取得了98%,的准确率、90%,的敏感度和86%,的阳性预测值的分类性能.实验结果表明,所采用的方法可以对第一导联心电图心拍进行很好的分类,并可应用于可穿戴设备和远程监护领域.

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.