Current of Injury Predicts Acute Performance of Catheter‐Delivered Active Fixation Pacing Leads
Notice bibliographique
Résumé
BACKGROUND: During pacemaker lead (PPML) implantation, the implanter must assess lead stability (fixation) and pacing threshold adequacy. Implanters rely principally on lead impedance (IMP) and pacing threshold measurements after fixation of the PPML to determine adequacy of pacing sites. Continuously monitoring lead parameters during fixation might better identify predictors of acute lead stability and performance. METHODS: At the time of PPML implantation with a catheter delivered, fixed screw, 4-Fr PPML (Medtronic 3830, Minneapolis, MN, USA) patients underwent measurements of R-wave amplitude, slew rate, and current of injury (COI) (maximum and at 80 ms) during each turn of the helix. Lead stability was tested with traction applied to the lead body. RESULTS: Eighteen patients (age 70 +/- 9 years, 9 males) were studied. Right ventricular lead positioning was attempted 43 times; 26 positions demonstrated good fixation and 18 had satisfactory threshold. Sites of good fixation consistently showed larger COI (maximum and at 80 ms) compared to poor fixation sites throughout each turn of the helix; R wave, slew rate, and IMP did not differ significantly. When all measures of COI were examined in a stepwise regression model only the final measure of COI at 80 ms proved significantly associated with acute stability (P = 0.032). CONCLUSIONS: Lead stability and threshold adequacy are predictable from assessment of the magnitude of injury current. Continuous monitoring of lead parameters during fixation does not appear to confer any benefit over assessment of the parameters after final rotation of the lead. A negative COI is associated with poor threshold and/or fixation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».