Non-invasive epicardial and endocardial electrocardiographic imaging for scar-related ventricular tachycardia
Notice bibliographique
Résumé
Aims: Contact mapping is currently used to guide catheter ablation of scar-related ventricular tachycardia (VT) but usually provides incomplete assessment of 3D re-entry circuits and their arrhythmogenic substrates. This study investigates the feasibility of non-invasive electrocardiographic imaging (ECGi) in mapping scar substrates and re-entry circuits throughout the epicardium and endocardium. Methods and results: Four patients undergoing endocardial and epicardial mapping and ablation of scar-related VT had computed tomography scans and a 120-lead electrocardiograms, which were used to compute patient-specific ventricular epicardial and endocardial unipolar electrograms (CEGMs). Native-rhythm CEGMs were used to identify sites of myocardial scar and signal fractionation. Computed electrograms of induced VT were used to localize re-entrant circuits and exit sites. Results were compared to in vivo contact mapping data and epicardium-based ECGi solutions. During native rhythm, an average of 493 ± 18 CEGMs were analysed on each patient. Identified regions of scar and fractionation comprised, respectively, 25 ± 4% and 2 ± 1% of the ventricular surface area. Using a linear mixed-effects model grouped at the level of an individual patient, CEGM voltage and duration were significantly associated with contact bipolar voltage. During induced VT, the inclusion of endocardial layer in ECGi made it possible to identify two epicardial vs. three endocardial VT exit sites among five reconstructed re-entry circuits. Conclusion: Electrocardiographic imaging may be used to reveal sites of signal fractionation and to map short-lived VT circuits. Its capacity to map throughout epicardial and endocardial layers may improve the delineation of 3D re-entry circuits and their arrhythmogenic substrates.
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 | 0,001 |
| 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 ».