The Clinical Utility of Continuous QT Interval Monitoring in Patients Admitted With COVID-19 Compared With Standard of Care: A Prospective Cohort Study
Notice bibliographique
Résumé
Background QT interval monitoring has gained much interest during the COVID-19 pandemic because of the use of QT-prolonging medications and the concern about viral transmission with serial electrocardiograms (ECGs). We hypothesized that continuous telemetry-based QT monitoring is associated with better detection of prolonged QT episodes. Methods We introduced continuous cardiac telemetry (CCT) with an algorithm for automated QT interval monitoring to our designated COVID-19 units. The daily maximum automated heart rate-corrected QT (Auto-QTc) measurements were recorded. We compared the proportion of marked QTc prolongation (Long-QTc) episodes, defined as QTc ≥ 500 ms, in patients with suspected or confirmed COVID-19 who were admitted before and after CCT was implemented (control group vs CCT group, respectively). Manual QTc measurement by electrophysiologists was used to verify Auto-QTc. Charts were reviewed to describe the clinical response to Long-QTc episodes. Results We included 33 consecutive patients (total of 451 monitoring days). Long-QTc episodes were detected more frequently in the CCT group (69/206 [34%] vs 26/245 [11%]; P < 0.0001) and ECGs were performed less frequently (32/206 [16%] vs 78/245 [32%]; P < 0.0001). Auto-QTc correlated well with QTc measurement by electrophysiologists with an excellent agreement in detecting Long-QTc (κ = 0.8; P < 0.008). Only 28% of patients with Long-QTc episodes were treated with recommended therapies. There was 1 episode of torsade de pointes in the control group and none in the CCT group. Conclusions Continuous QT interval monitoring is superior to standard of care in detecting episodes of Long-QTc with minimal need for ECGs. The clinical response to Long-QTc episodes is suboptimal.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».