Using a smartwatch electrocardiogram to detect abnormalities associated with sudden cardiac arrest in young adults
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
AIMS: Smartwatch electrocardiograms (ECGs) could facilitate the detection of sudden cardiac arrest (SCA)-associated abnormalities. We evaluated the feasibility of using smartwatch-derived ECGs for detecting SCA-associated abnormalities in young adults and its agreement with 12-lead ECGs. METHODS AND RESULTS: Twelve-lead and Apple Watch ECGs were registered in 155 healthy volunteers and 67 patients aged 18-45 years with diagnosis and ECG signs of long-QT syndrome (n = 10), Brugada syndrome (n = 12), ventricular pre-excitation (n = 19), hypertrophic cardiomyopathy (HCM, n = 13), and arrhythmogenic right ventricular dysplasia/cardiomyopathy (ARVC/D, n = 13). Cardiologists separately analysed 12-lead ECGs and the smartwatch ECGs taken from the left wrist (AW-I) and then from chest positions V1, V3, and V6 (AW-4). Compared with AW-I, AW-4 improved the classification of ECGs as 'abnormal', increasing the sensitivity from 64% to 89% (P < 0.01). Pre-excitation was detected in most cases using AW-I (sensitivity 89%) and in all cases using AW-4 (sensitivity 100%, P = 0.48 compared with AW-I, specificity 100% for both). Brugada was missed using AW-I but was detected in 11/12 patients using AW-4 (sensitivity 92%, specificity 100%, P = 0.003). Long QT was detected in 8/10 cases using AW-I (sensitivity 80%, specificity 100%) and in 9 patients using AW-4 (sensitivity 90%, specificity 100%, P > 0.99). Hypertrophic cardiomyopathy was correctly suspected using AW-I and AW-4 (sensitivity 92% and 85%, specificity 85%, and 100%, P > 0.99). AW-I was mostly (62%) considered normal in ARVC/D whereas AW-4 was useful in suspecting ARVC/D (100% sensitivity, 99% specificity, P = 0.004). CONCLUSIONS: Detection of SCA-associated ECG abnormalities (pre-excitation, Brugada patterns, long QT, and signs suggestive of HCM and ARVC/D) is possible with an ECG smartwatch.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 découle