Automated Electrocardiogram Analysis Identifies Novel Predictors of Ventricular Arrhythmias in Brugada Syndrome
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Patients suffering from Brugada syndrome (BrS) are at an increased risk of life-threatening ventricular arrhythmias. Whilst electrocardiographic (ECG) variables have been used for risk stratification with varying degrees of success, automated measurements have not been tested for their ability to predict adverse outcomes in BrS. Methods: BrS patients presenting in a single tertiary center between 2000 and 2018 were analyzed retrospectively. ECG variables on vector magnitude, axis, amplitude and duration from all 12 leads were determined. The primary endpoint was spontaneous ventricular tachycardia/ventricular fibrillation (VT/VF) on follow-up. Results: This study included 83 patients [93% male, median presenting age: 56 (41–66) years old, 45% type 1 pattern] with 12 developing the primary endpoint (median follow-up: 75 (Q1–Q3: 26–114 months). Cox regression showed that QRS frontal axis > 70.0 degrees, QRS horizontal axis > 57.5 degrees, R-wave amplitude (lead I) <0.67 mV, R-wave duration (lead III) > 50.0 ms, S-wave amplitude (lead I) < −0.144 mV, S-wave duration (lead aVL) > 35.5 ms, QRS duration (lead V3) > 96.5 ms, QRS area in lead I < 0.75 Ashman units, ST slope (lead I) > 31.5 deg, T-wave area (lead V1) < −3.05 Ashman units and PR interval (lead V2) > 157 ms were significant predictors. A weighted score based on dichotomized values provided good predictive performance (hazard ratio: 1.59, 95% confidence interval: 1.27–2.00, P -value<0.0001, area under the curve: 0.84). Conclusions: Automated ECG analysis revealed novel risk markers in BrS. These markers should be validated in larger prospective studies.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,007 |
| 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 | 0,001 |
| 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 découle