期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
阵发性心房颤动患者P波指数与左心房/左心耳血栓形成的相关性分析
1
作者
伍焕平
丁倩
+7 位作者
王景浩
邢晓芬
母生梅
李峰
韩宇臣
曾汇庆
梁叶青
郭军
《中国心血管病研究》
2025年第1期9-14,共6页
目的研究阵发性心房颤动(AF)患者P波指数与左心房/左心耳血栓形成的相关性。方法回顾性分析2016年1月至2022年3月在暨南大学附属第一医院行经食管超声心动图检查的阵发性AF患者103例,其中合并左心房/左心耳血栓形成患者共31例(病例组),...
目的研究阵发性心房颤动(AF)患者P波指数与左心房/左心耳血栓形成的相关性。方法回顾性分析2016年1月至2022年3月在暨南大学附属第一医院行经食管超声心动图检查的阵发性AF患者103例,其中合并左心房/左心耳血栓形成患者共31例(病例组),无左心房/左心耳血栓形成患者72例(对照组)。比较2组患者的临床资料、P波指数等。应用回归分析阵发性AF患者P波指数与左心房/左心耳血栓形成的相关性。多因素回归分析筛选出左心房/左心耳血栓形成的危险因素,与CHA2DS2-VASc评分结合形成新的评分系统,并评估其预测价值。结果病例组年龄较大,左心房内径较大,CHA2DS2-VASc评分较高,差异具有统计学意义(P<0.05)。单因素回归分析显示,年龄、左心房内径、CHA2DS2-VASc评分、P波时限异常、P波最大时限、P波最小时限、P波离散度、V1导联P波终末电势均为血栓形成的危险因素。多因素Logistic回归分析显示,V1导联P波终末电势、P波时限异常为阵发性AF患者左心房/左心耳血栓形成的独立危险因素(OR=1.103,95%CI 1.033~1.178,P=0.003;OR=14.037,95%CI 1.600~123.150,P=0.017),V1导联P波终末电势预测阵发性AF左心房/左心耳血栓形成的受试者工作特征曲线(ROC)下面积(AUC)为0.855(95%CI 0.757~0.953,P<0.001)。V1导联P波终末电势以28.26 mm·ms为最佳截断值预测阵发性AF左心房/左心耳血栓形成的敏感度为87.1%,特异度为87.5%;将V1导联P波终末电势、P波时限异常联合CHA2DS2-VASc评分形成CHA2DS2-VASc-P2-V评分,ROC曲线分析显示,CHA2DS2-VASc-P2-V评分的AUC高于CHA2DS2-VASc评分(0.826比0.654,P<0.001)。结论V1导联P波终末电势、P波时限异常为阵发性AF患者左心房/左心耳血栓形成的独立危险因素。P波时限≤89 ms或P波时限>120 ms均增加阵发性AF患者左心房/左心耳血栓形成的风险。两者与CHA2DS2-VASc评分形成的新评分对左心房/左心耳血栓形成的预测价值可能优于CHA2DS2-VASc评分。
展开更多
关键词
心房颤动
阵发性
心电描记术
心房重构
血栓形成
左心耳
在线阅读
下载PDF
职称材料
阵发性心房颤动发作风险的人工智能预测模型
被引量：
2
2
作者
李盼盼
韩宇臣
+2 位作者
李峰
陈雨
郭军
《中国心血管病研究》
CAS
2024年第3期196-202,共7页
目的建立一种基于24 h心电图数据开发的集成模型,从而对房颤高危人群发生房颤的风险,及实时预测阵发性房颤患者房颤的发作。方法连续回顾性收集2018年1月1日至2021年12月31日在暨南大学第一附属医院心电报告诊断为阵发性心房颤动的患者...
目的建立一种基于24 h心电图数据开发的集成模型,从而对房颤高危人群发生房颤的风险,及实时预测阵发性房颤患者房颤的发作。方法连续回顾性收集2018年1月1日至2021年12月31日在暨南大学第一附属医院心电报告诊断为阵发性心房颤动的患者共310例,经筛选后共有124例患者作为心房颤动组纳入本研究。同时以1∶4的比例随机选择496例心电图报告正常的患者作为非心房颤动组。两组患者最终一起被随机分配,得到训练集(n=434)、验证集(n=62)和测试集(n=124),比例为7∶1∶2,以进行心电模型训练。建立心电神经网络模型和心率神经网络模型,最后使用逻辑回归将心电神经网络模型和心率神经网络模型结合得到集成模型。结果经过训练、验证和测试,人工智能集成算法的曲线下面积为0.94(95%CI 0.75~0.94),其敏感度、特异度、准确度、精确度和F1分数分别为56.0%、98.0%、90.0%、93.0%和0.70。与临床风险模型和现有的房颤预测模型HARMS2-AF评分相比,AI算法的性能更好(P<0.01)。结论人工智能集成算法可能是预测房颤风险,实时预测房颤发作的有效方法,可以作为一种早期预警工具。这对房颤的筛查,个体化抗凝方案的制定具有重要的临床意义。
展开更多
关键词
人工智能
24
h动态心电图
阵发性心房颤动
风险预测
在线阅读
下载PDF
职称材料
题名
阵发性心房颤动患者P波指数与左心房/左心耳血栓形成的相关性分析
1
作者
伍焕平
丁倩
王景浩
邢晓芬
母生梅
李峰
韩宇臣
曾汇庆
梁叶青
郭军
机构
暨南大学附属第一医院心血管内科
暨南大学附属顺德医院心血管内科
澳门
科技
大学药学院和国家中医药治疗研究重点实验室
暨南大学附属第一医院药学部
华南理工大学电子与信息学院
深圳
信立泰药业股份
有限公司
集团研究院临床中心
深圳大微医疗科技开发有限公司
出处
《中国心血管病研究》
2025年第1期9-14,共6页
基金
暨南大学附属第一医院临床前沿新技术项目(JNU1AF-CFTP-2022-a01218)
广州市科技计划项目(重点研发)[202103000010]
+1 种基金
广州地区临床高新和重大技术项目(重大联合建设)[2024PL-ZD09]
广州市科技局市院联合项目(JNU1AF-CFTP-2022-a01218)。
文摘
目的研究阵发性心房颤动(AF)患者P波指数与左心房/左心耳血栓形成的相关性。方法回顾性分析2016年1月至2022年3月在暨南大学附属第一医院行经食管超声心动图检查的阵发性AF患者103例,其中合并左心房/左心耳血栓形成患者共31例(病例组),无左心房/左心耳血栓形成患者72例(对照组)。比较2组患者的临床资料、P波指数等。应用回归分析阵发性AF患者P波指数与左心房/左心耳血栓形成的相关性。多因素回归分析筛选出左心房/左心耳血栓形成的危险因素,与CHA2DS2-VASc评分结合形成新的评分系统,并评估其预测价值。结果病例组年龄较大,左心房内径较大,CHA2DS2-VASc评分较高,差异具有统计学意义(P<0.05)。单因素回归分析显示,年龄、左心房内径、CHA2DS2-VASc评分、P波时限异常、P波最大时限、P波最小时限、P波离散度、V1导联P波终末电势均为血栓形成的危险因素。多因素Logistic回归分析显示,V1导联P波终末电势、P波时限异常为阵发性AF患者左心房/左心耳血栓形成的独立危险因素(OR=1.103,95%CI 1.033~1.178,P=0.003;OR=14.037,95%CI 1.600~123.150,P=0.017),V1导联P波终末电势预测阵发性AF左心房/左心耳血栓形成的受试者工作特征曲线(ROC)下面积(AUC)为0.855(95%CI 0.757~0.953,P<0.001)。V1导联P波终末电势以28.26 mm·ms为最佳截断值预测阵发性AF左心房/左心耳血栓形成的敏感度为87.1%,特异度为87.5%;将V1导联P波终末电势、P波时限异常联合CHA2DS2-VASc评分形成CHA2DS2-VASc-P2-V评分,ROC曲线分析显示,CHA2DS2-VASc-P2-V评分的AUC高于CHA2DS2-VASc评分(0.826比0.654,P<0.001)。结论V1导联P波终末电势、P波时限异常为阵发性AF患者左心房/左心耳血栓形成的独立危险因素。P波时限≤89 ms或P波时限>120 ms均增加阵发性AF患者左心房/左心耳血栓形成的风险。两者与CHA2DS2-VASc评分形成的新评分对左心房/左心耳血栓形成的预测价值可能优于CHA2DS2-VASc评分。
关键词
心房颤动
阵发性
心电描记术
心房重构
血栓形成
左心耳
Keywords
Atrial fibrillation
Paroxysmal
Electrocardiography
Atrial remodeling
Thrombosis
Left atrial appendage
分类号
R541.7 [医药卫生—心血管疾病]
在线阅读
下载PDF
职称材料
题名
阵发性心房颤动发作风险的人工智能预测模型
被引量：
2
2
作者
李盼盼
韩宇臣
李峰
陈雨
郭军
机构
暨南大学附属第一医院心内科
深圳大微医疗科技开发有限公司
出处
《中国心血管病研究》
CAS
2024年第3期196-202,共7页
基金
广州市科技计划项目(重点研发)(202103000010)
广州市泛血管病基础及转化研究实验中心重点实验室(a01937)
+1 种基金
广州市无菌动物与微生态转化重点实验室(202201020381)
暨南大学附属第一医院临床前沿新技术项目(JNU1AF-CFTP-2022-a01218)。
文摘
目的建立一种基于24 h心电图数据开发的集成模型,从而对房颤高危人群发生房颤的风险,及实时预测阵发性房颤患者房颤的发作。方法连续回顾性收集2018年1月1日至2021年12月31日在暨南大学第一附属医院心电报告诊断为阵发性心房颤动的患者共310例,经筛选后共有124例患者作为心房颤动组纳入本研究。同时以1∶4的比例随机选择496例心电图报告正常的患者作为非心房颤动组。两组患者最终一起被随机分配,得到训练集(n=434)、验证集(n=62)和测试集(n=124),比例为7∶1∶2,以进行心电模型训练。建立心电神经网络模型和心率神经网络模型,最后使用逻辑回归将心电神经网络模型和心率神经网络模型结合得到集成模型。结果经过训练、验证和测试,人工智能集成算法的曲线下面积为0.94(95%CI 0.75~0.94),其敏感度、特异度、准确度、精确度和F1分数分别为56.0%、98.0%、90.0%、93.0%和0.70。与临床风险模型和现有的房颤预测模型HARMS2-AF评分相比,AI算法的性能更好(P<0.01)。结论人工智能集成算法可能是预测房颤风险,实时预测房颤发作的有效方法,可以作为一种早期预警工具。这对房颤的筛查,个体化抗凝方案的制定具有重要的临床意义。
关键词
人工智能
24
h动态心电图
阵发性心房颤动
风险预测
Keywords
Artificial intelligence
24-hour Holter
Paroxysmal atrial fibrillation
Risk prediction
分类号
R541.7 [医药卫生—心血管疾病]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
阵发性心房颤动患者P波指数与左心房/左心耳血栓形成的相关性分析
伍焕平
丁倩
王景浩
邢晓芬
母生梅
李峰
韩宇臣
曾汇庆
梁叶青
郭军
《中国心血管病研究》
2025
0
在线阅读
下载PDF
职称材料
2
阵发性心房颤动发作风险的人工智能预测模型
李盼盼
韩宇臣
李峰
陈雨
郭军
《中国心血管病研究》
CAS
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
