P-Wave Durations from Automated Electrocardiogram Analysis to Predict Atrial Fibrillation and Mortality in Heart Failure
Notice bibliographique
Résumé
BACKGROUND: P-wave indices have been used to predict incident atrial fibrillation (AF), stroke, and mortality. However, such indices derived from automated ECG measurements have not been explored for their predictive values in heart failure (HF). We investigated whether automated P-wave indices can predict adverse outcomes in HF. METHODS: This study included consecutive Chinese patients admitted to a single tertiary centre, presenting with HF but without prior AF, and with at least one baseline ECG, between 1 January 2010 and 31 December 2016, with last follow-up of 31 December 2019. RESULTS: A total of 2718 patients were included [median age: 77.4, interquartile range (IQR): (66.9-84.3) years; 47.9 males]. After a median follow-up of 4.8 years (IQR: 1.9-9.0 years), 1150 patients developed AF (8.8/year), 339 developed stroke (2.6/year), 563 developed cardiovascular mortality (4.3/year), and 1972 had all-cause mortality (15.1/year). Compared with 101-120 ms as a reference, maximum P-wave durations predicted new-onset AF at ≤90 ms [HR: 1.17(1.11, 1.50), P < 0.01], 131-140 ms [HR: 1.29(1.09, 1.54), P < 0.001], and ≥141 ms [HR: 1.52(1.32, 1.75), P < 0.001]. Similarly, they predicted cardiovascular mortality at ≤90 ms [HR: 1.50(1.08, 2.06), P < 0.001] or ≥141 ms [HR: 1.18(1.15, 1.45), P < 0.001], and all-cause mortality at ≤90 ms [HR: 1.26(1.04, 1.51), P < 0.001], 131-140 ms [HR: 1.15(1.01, 1.32), P < 0.01], and ≥141 ms [HR: 1.31(1.18, 1.46), P < 0.001]. These remained significant after adjusting for significant demographics, past co-morbidities, P-wave dispersion, and maximum P-wave amplitude. CONCLUSIONS: Extreme values of maximum P-wave durations (≤90 ms and ≥141 ms) were significant predictors of new-onset AF, cardiovascular mortality, and all-cause mortality.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».