Continuous Template Collection and Updating for Electrogram Morphology Discrimination in Implantable Cardioverter Defibrillators
Notice bibliographique
Résumé
INTRODUCTION: Electrogram morphology analysis improves discrimination of supraventricular tachycardias (SVTs) from ventricular tachycardias (VTs) in implantable cardioverter defibrillators (ICDs), but electrogram morphology may change with lead maturation, drugs, or disease progression. We report the clinical performance of an automatic algorithm that creates and updates templates from non-paced, slow rhythm and continuously checks the quality of the template used for arrhythmia discrimination. METHODS AND RESULTS: We studied this algorithm in 193 patients with single-chamber ICDs (Marquis VR, Medtronic Inc., Minneapolis, MN, USA). Of the 112 patients who completed 6-month follow-up, 99.1% of the patients had > or =1 automatic template created. Match scores between template and ongoing rhythm are computed using Haar Wavelets. Of the 435 automatic templates evaluated at follow-up, 423 (97.2%) had a median match score > or =70%. Intrinsic rhythm at 1 month had significantly higher match scores (P < 0.001) with automatic templates (90.3 +/- 7.0%) than with manual templates (85.7 +/- 10.9%) generated at pre-hospital discharge (PHD). The percentage of appropriately rejected SVTs was slightly higher with the automatic template (280/339 episodes) than with the manual template at PHD (272/339 episodes) while the Wavelet detection of VT was the same (218/220 episodes). CONCLUSIONS: In patients receiving ICDs, the automatic templates were successfully created during a 6-month follow-up period, and consistently matched the patients' intrinsic rhythm at the nominal match threshold. Both early (<1 month postimplant) and late (1- to 3-month follow-up period) changes in electrogram morphology were identified, confirming the need for automatic template updating.
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 ».