Increased beat-to-beat T-wave variability in myocardial infarction patients
Notice bibliographique
Résumé
The purpose of this study was to investigate the beat-to-beat variability of T-waves (TWV) and to assess the diagnostic capabilities of T-wave-based features for myocardial infarction (MI). A total of 148 recordings of standard 12-lead electrocardiograms (ECGs) from 79 MI patients (22 females, mean age 63±12 years; 57 males, mean age 57±10 years) and 69 recordings from healthy subjects (HS) (17 females, 42±18 years; 52 males, 40±13 years) were studied. For the quantification of beat-to-beat QT intervals in ECG signal, a template-matching algorithm was applied. To study the T-waves beat-to-beat, we measured the angle between T-wave max and T-wave end with respect to Q-wave (∠α) and T-wave amplitudes. We computed the standard deviation (SD) of beat-to-beat T-wave features and QT intervals as markers of variability in T-waves and QT intervals, respectively, for both patients and HS. Moreover, we investigated the differences in the studied features based on gender and age for both groups. Significantly increased TWV and QT interval variability (QTV) were found in MI patients compared to HS (p<0.05). No significant differences were observed based on gender or age. TWV may have some diagnostic attributes that may facilitate identifying patients with MI. In addition, the proposed beat-to-beat angle variability was found to be independent of heart rate variations. Moreover, the proposed feature seems to have higher sensitivity than previously reported feature (QT interval and T-wave amplitude) variability for identifying patients with MI.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».