Use of acoustic cardiography immediately following electrical cardioversion to predict relapse of atrial fibrillation
Notice bibliographique
Résumé
Predicting atrial fibrillation (AF) recurrence after successful electrical cardioversion (ECV) is difficult. The main aim of this study was to investigate whether acoustic cardiography (AUDICOR® 200) immediately post-ECV might provide indices for AF relapse following cardioversion. Acoustic cardiography parameters included Electromechanical Activation Time (EMAT), Left Ventricular Systolic Time (LVST), QRS duration, heart rate and third heart sound intensity (S3 Strength). We analysed data from 140 patients who underwent successful cardioversion and in whom AUDICOR results and echocardiographic measurements immediately after (baseline) ECV were available. Patients were prospectively followed-up at 4-6 weeks, 3 and 12 months post-ECV, and sinus rhythm maintenance was evaluated using acoustic cardiography and Holter electrocardiography. The effect of each baseline AUDICOR parameter on the hazard of AF relapse was investigated using Cox proportional hazards (PH) models. Fifty patients (35.7%) had AF relapse. Of all the AUDICOR parameters, only S3 Strength exhibited consistent predictive value. Increasing S3 Strength increased the hazard of relapse in a univariable Cox PH model (HR=2.52, p=0.003), and in two multivariable Cox PH model constructions (Model 1 excluded heart rate and Model II excluded EMAT/RR, LVST and LVST/RR) both of which included the parameters as continuous variables (Model I: HR=1.15, p=0.042; Model II: HR=1.14, p=0.045) or the parameters dichotomized according to suggested cut-points (Model I: HR=2.5, p=0.007; Model II: HR=2.09, p=0.031). In conclusion, this study suggests that acoustic cardiography may be a simple inexpensive and quantitative bedside method to assist in prediction of AF recurrence after ECV.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».