Rumah - Berita - Rincian

Pentingnya Penggunaan Garis Konduktansi Jantung

Penyakit kardiovaskular adalah penyebab kematian nomor satu di Tiongkok, dengan lebih dari 544,000 kasus kematian mendadak yang berasal dari pusat setiap tahunnya, dan kejadiannya terus meningkat seiring dengan perubahan gaya hidup dan penuaan populasi .

 

Kematian jantung mendadak (SCD) adalah kematian tak terduga yang disebabkan oleh penyakit jantung, biasanya terjadi dalam waktu satu jam setelah timbulnya gejala penyakit jantung, ditandai dengan hilangnya kesadaran secara tiba-tiba, penghentian aktivitas jantung secara tiba-tiba, dan kegagalan hemodinamik, biasanya karena takikardia ventrikel yang persisten. atau fibrilasi ventrikel.

 

Oleh karena itu, mengidentifikasi orang-orang yang berisiko tinggi terkena SCD dapat membantu mencegah penyakit ini.

Elektrokardiogram (EKG) adalah metode yang banyak digunakan untuk mendeteksi aktivitas listrik jantung, dan standar klinis yang umum menggunakan 12-EKG utama untuk menilai kesehatan jantung pasien. Sebagai komponen kunci yang menghubungkan tubuh pasien dengan tubuh instrumen elektrokardiogram, kawat konduktansi jantung memainkan peran penting dalam kualitas sinyal elektrokardiogram.

 

Menurut studi baru yang diterbitkan di Communications Medicine, salah satu jurnal ilmiah terkemuka di dunia,Model Pembelajaran Mendalam berbasis EKG untuk penilaian risiko SCD dapat membedakan kasus SCD dari kelompok kontrol dengan lebih akurat dibandingkan model risiko EKG tradisional.Ini akan membantu dokter menyaring dan mengidentifikasi orang-orang yang berisiko lebih tinggi terkena SCD, sehingga mereka dapat dites secara rutin untuk mencegah terjadinya SCD.

 

 

Tim ini menggunakan data dari dua studi SCD di luar rumah sakit yang independen secara geografis, prospektif, berbasis komunitas, dengan total sampel 2.510 kasus SCD. Model pembelajaran mendalam (DL) dilatih, divalidasi, dan diuji pada data Studi Kematian Mendadak SCD 1796 dari Oregon, AS (Oregon SUDS), dan divalidasi secara eksternal pada data Studi Prediksi Kematian Mendadak 714 dari Komunitas Multi-etnis di Ventura County, California (Ventura PRESTO). Semua kasus elektrokardiogram timbal 12-istirahat yang tersedia untuk dianalisis, yang dicatat sebelum SCD dan tidak terkait dengan kejadian SCD, dimasukkan dalam penelitian ini, tidak termasuk EKG dengan ritme pacu, fibrilasi atrium, atau flutter atrium apriori membuat model DL yang dapat diterapkan pada elektrokardiogram irama sinus.

 

Tim mengembangkan model jaringan neural konvolusional yang mampu mengidentifikasi kasus SCD menggunakan 12-bentuk gelombang EKG sadapan. Para peneliti memperoleh dua sampel kontrol independen dari 1.342 elektrokardiogram dari 1.325 orang yang memiliki setidaknya 50 persen penyakit arteri koroner. Mereka melatih model tersebut menggunakan 1.076 kasus SCD dari Oregon SUDS dan 1,101 12-EKG sadapan sebelum serangan jantung, 597 kasus SCD dari kelompok kontrol, dan 613 12-EKG sadapan. Kelompok validasi terpisah, yang terdiri dari 366 EKG pra-henti jantung dan 200 EKG kontrol, digunakan untuk menentukan kapan harus menghentikan pelatihan model. Sampel penelitian dibagi berdasarkan tingkat pasien sehingga beberapa elektrokardiogram dari pasien yang sama dapat dimasukkan dalam kohort yang sama.

 

 

Dibandingkan dengan model EKG tradisional, model DL berdasarkan bentuk gelombang EKG sadapan {{0}}lebih akurat dalam mengidentifikasi kasus SCD, dengan AUROC kohort internal (ukuran evaluasi jaringan saraf) sebesar 0. 889 dan AUROC yang divalidasi secara eksternal sebesar 0,820, dan lebih baik dibandingkan skor risiko EKG tradisional. Ini adalah laporan pertama yang menunjukkan bahwa model DL berbasis EKG mengungguli model risiko EKG tradisional dalam memprediksi SCD di luar rumah sakit di tingkat komunitas.

Kirim permintaan

Anda Mungkin Juga Menyukai