Long-term Monitoring to Detect Risk of Sudden Cardiac Death in Inherited Arrhythmia Patients
Notice bibliographique
Résumé
Background: Risk stratification in inherited arrhythmia syndromes is challenging. Implantable cardioverter defibrillators (ICDs) are effective in the prevention of sudden cardiac death but are associated with significant complications. We aimed to determine the value of long-term implantable loop recorder (ILR) monitoring to determine risk factors for arrhythmias in inherited arrhythmia patients. Methods: We conducted a prospective multicentre study between 2015 and 2020 recruiting inherited arrhythmia probands and family members at intermediate arrhythmic risk, with no class 1 indication for ICD implantation. The primary endpoint was the detection by ILR of nonsustained ventricular tachycardia over ≥ 10 consecutive beats. Secondary endpoints included ICD insertion during follow-up, all-cause mortality, and ILR complication rates. Results: A total of 45 individuals (30 female participants) were enrolled in the study. The most common diagnoses were long-QT syndrome (28%), Brugada syndrome (26%), and arrhythmogenic cardiomyopathy (11%). Following ILR insertion (mean follow-up 633 days; range, 387-969), cardiac symptoms occurred in 19 of 45 patients (42%), 5 of whom had nonsustained ventricular tachycardias (11%), which were symptomatic in 3 individuals. This situation led to ICD implantation based on ILR in 5 of 45 patients (11%). Fifty percent of symptomatic events occurred in ARVC patients. The median time from ILR insertion to ICD implantation was 152 days (interquartile range (25th, 75th percentiles) 55 of 209). No patient experienced sudden cardiac death. Conclusions: ILRs enable the detection of high-risk arrhythmic features and facilitate selection of ICD candidates in inherited arrhythmia patients with borderline indications.
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 | 0,000 | 0,000 |
| 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 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 ».