Intracardiac electrogram analysis may allow for prediction of lesion transmurality after pulsed field ablation of atria in a porcine model
Notice bibliographique
Résumé
Background: Pulsed field ablation (PFA) is a novel cardiac ablation modality with an increasing clinical acceptance in treatment of atrial fibrillation due to its clinical efficacy and excellent safety profile. However, intraprocedural guidance for PFA to ensure durable pulmonary vein isolation (PVI) is lacking. Objective: We quantified changes in intracardiac electrograms (iEGMs) following PFA and radiofrequency ablation (RFA) and investigated their applicability for prediction of lesion transmurality. Methods: We induced 38 atrial lesions using PFA or RFA in 5 swine and monitored iEGMs continuously for up to 30 minutes postablation. The most characteristic changes in iEGMs were quantified after the decomposition using discrete wavelet transform, which allowed us to analyze the effects in separate frequency bandwidths. Results: After the ablation, we observed a reduction of bipolar iEGM amplitude (for PFA and RFA) and an increase in unipolar iEGM amplitude (predominantly for PFA). These changes were due to 2 mechanisms with different frequency content. The low-frequency content of unipolar iEGMs (1-16 Hz) further enabled us to discriminate between transmural and nontransmural lesions in the case of PFA. The rate of reduction of initially increased current-of-injury effect reflected in the low-frequency content of unipolar iEGMs within the first few minutes postablation was significantly higher and more pronounced for nontransmural lesions. Conclusion: This study shows that unipolar iEGMs can be used to differentiate between transmural and nontransmural atrial lesions within minutes after PFA in a porcine model, with implications for development of intraprocedural guidance of PFA procedures.
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) | 0,000 | 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 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 ».