QRS Width: Easily Obtained but Overlooked Parameter in Monitoring Algorithms in Implantable Devices
Notice bibliographique
Résumé
Introduction We describe the progressive increase in the QRS durations (QRSd) and the subsequent decrease in the left ventricular ejection fractions (LVEF) of two patients post pacemaker implantation. We aim to highlight the need for contemporary cardiac implantable electronic devices (CIEDs) to include QRSd monitoring in the standard device data capture. This would ultimately allow for early interventions to be made to prevent chronic heart failure (CHF) hospitalizations. Methods The echocardiographic studies of two patients (pre and post pacemaker implantation) were analyzed, in order to determine changes in QRSd and LVEF data leading up to CHF hospitalization events. Results Patient 1 had a QRSd of 66 msec in June of 2018, one month before pacemaker implantation. Six months after implantation, Patient 1 had an increased QRSd of 156 msec. This was accompanied with a stark decrease in LVEF, from 55% at the time of implantation to below 35% in October of 2020. Patient 2 had a QRSd of 160 msec and a LVEF of 43% prior to the implantation of a pacemaker in 2016. Patient 2 similarly showed a progressive increase in their QRSd and was found to have a significantly decreased LVEF of 17% when hospitalized for decompensated heart failure around 5 years after pacemaker insertion. Conclusion Chronic RV apical pacing can be associated with adverse effects, leading to compromised cardiac function and resulting in pacing-induced cardiomyopathy (PICM). Progressive paced QRS widening can be indicative of CHF development and correlates with a decline in ejection fraction. The addition of device based QRS width monitoring to the current trend toolkit in implantable devices could alert electrophysiologists and patients of the potential for PICM, in the absence of serial 12 lead comparisons. This pre-emptive alert is essential in an era where remedy in the form of cardiac resynchronization and physiological pacing therapy is readily available.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».