Validation of a novel algorithm for quantification of the percentage of signal fractionation in atrial fibrillation
Notice bibliographique
Résumé
AIMS: Catheter ablation for paroxysmal atrial fibrillation (AF) is rapidly becoming a standard practice. There is literature to support that catheter ablation of persistent AF requires additional 'substrate modification'. In clinical practice, operators rely on automated fractionation maps created by three-dimensional anatomic mapping systems to rapidly assess complex 'fractionated' signals (CFAE). These systems use differing algorithms to automate the process. The agreement between operators and contemporary algorithms has not been examined. We sought to assess the agreement between operators and a novel method of quantification calculating percentage fractionation (PF). METHODS AND RESULTS: Expert opinion on 80 atrial electrogram 4 s signals of varying levels of activity were gathered and pooled for comparison. Twelve independent experts visually quantified the signal fractionation and offered a threshold level for ablation. We developed an algorithm to find sites with high continuous electrical activity, or high PF. Correlation between experts and PF was 0.78 [P < 0.01, 95% confidence interval (CI) (0.68-0.86)]. Receiver operating characteristics curve sensitivity and specificity for PF were 0.7727 and 0.8103 at the optimal cut-off point of 58.45 PF with area under curve 0.89 CI (0.80-0.99). CONCLUSION: The PF statistic represents a more robust and intuitive measure to represent fractionated atrial activity; importantly it demonstrates excellent agreement with expert users and presents a new standard for algorithm assessment. Use of a PF statistic should be considered in automated mapping systems.
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) | 0,000 | 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 ».