AI智能动态心电记录设备在运动性心脏猝死三级防治体中的应用

通过研发改进目前心电监护设备,应用AI心电分析软件,提高运动性心脏猝死早期检出率和救治成功率,完善运动性心脏猝死的三级防治体系建设。通过反复学习、培训、演练、实践,发现问题、制定计划、解决问题,达到心电判读、预警联络、医疗救治无缝衔接,形成标准化流程,可实现AI智能动态心电记录设备优势。

一种基于光电容积描记法和深度学习算法的无袖带连续血压测量设备的准确性对比研究

目的在健康人中测试基于光电体积描记法和深度学习算法的无袖带连续血压测量设备的准确性。方法使用经过认证的动态血压设备对健康成年受试者进行24h动态血压监测,同时使用基于光电体积描记法和深度学习算法的无袖带连续血压测量设备进行连续血压监测。使用均数检验、相关分析以及Bland-Altman图评估设备之间的一致性,包括相同时间点(点对点)以及夜间时间段(段对段)的均值比较。结果共获取了36名受试者的有效血压数据。点对点分析中,连续测压组与动态血压测量组收缩压和舒张压的均值分别相差(1.22±8.30)mmHg和(1.61±9.27)mmHg,配对t检验表明两组均值差异均无统计学意义(P>0.05)。Pearson相关分析显示,两组相同时间点上的收缩压(r=0.670,P<0.001)和舒张压(r=0.503,P<0.001)测量值均显著相关。段对段分析中,夜间时间段两种测量方法收缩压的均值(117.15±14.30)mmHg与(114.73±13.35)mmHg(P>0.05)和舒张压的均值(73.50±11.70)mmHg与(69.96±9.64)mmHg(P>0.05)均差异无统计学意义。结论基于光电体积描记法和深度学习算法的指环测量设备提供的连续血压测量结果与动态血压测量结果相当,有助于在未来用于日常血压监测以及血压变异性分析,为高血压的预防和管理提供新的工具。