Adjusting the timing of left-ventricular pacing using electrocardiogram and device electrograms
Notice bibliographique
Résumé
AIMS: Left-ventricular (LV) pacing with optimized atrio-ventricular (AV) timing may provide similar or greater benefit in comparison with bi-ventricular (BiV) pacing in a subset of cardiac resynchronization therapy (CRT) patients with sinus rhythm and preserved AV conduction. We hypothesized that the optimal device AV delays during LV pacing can be predicted using electrocardiogram (ECG) and device electrograms. METHODS AND RESULTS PATIENTS: (n= 55) with sinus rhythm and PR interval < 300 ms had their CRT devices programmed to atrial and LV pacing with a range of AVs as well as to echocardiographically optimized BiV and no ventricular pacing. At each setting, LV function was evaluated using echocardiography and AVs corresponding to the highest LV ejection fraction (LVEF), lowest LV end-systolic volume (LVESV), and the average of the two (by EF and ESV) were determined. Correlation between the optimal AVs and the following intervals was investigated: intrinsic QRS duration (QRSs), intervals from atrial pacing (Ap) to right-ventricular (RV) sensing (Ap-RVs), from RV sensing to LV activation (RVs-LVs), and from LV pacing to RV sensing (LVp-RVs). Optimal AVs moderately correlated with intrinsic Ap-RVs interval, whereas other parameters showed weak or no correlation. The best correlation (R = 0.66, P< 0.0001) was between the optimal AV delay according to EF and ESV, and Ap-RVs interval. Programming of AVs during LV pacing to the shortest of 70% of the intrinsic Ap-RVs interval, or Ap-RVs--40 ms resulted in significant improvement in LV function similar to that in case of BiV. CONCLUSION: Optimal AV during LV pacing can be approximated from the intrinsic AV conduction time.
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 ».