- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT03753139
Identifikation af arytmier med engangs-EKG
I vestlige lande får hver sjette person i deres liv og 15.000 mennesker i Finland et nyt slagtilfælde hvert år. Omkring hvert fjerde slag er baseret på hjerteemboli. Atrieflimren forårsager dannelse af tromber i venstre atrium med efterfølgende embolisering i cerebrale og perifere kredsløb.
Denne undersøgelse undersøger egnetheden af måleteknikker og nye beregningsmetoder, der anvendes i sport/wellness teknologi til screening og diagnosticering af atrieflimren og andre arytmier. Nye måleteknologier, engangs-EKG-måling og pulsarmbåndsmåling, studeres for deres egenskaber, datakvalitet og rytmegenkendelse. Identifikation af latente arytmier med nye selvovervågningsteknologier kan reducere antallet af slagtilfælde betydeligt (de latente arytmier forårsager omkring 25 % af slagtilfældene).
Forskningen vil blive udført i samarbejde med Kuopio Universitetshospitals Akutafdeling, Hjertecentret, Institut for Anvendt Fysik ved University of Eastern Finland og Heart2Save Ltd.
Resultaterne af forskningsprojektet vil blive offentliggjort i de videnskabelige tidsskrifter for medicin og medicinsk teknologi og vil blive præsenteret på videnskabelige konferencer inden for de respektive områder. Projektets forskningsresultater kan udnyttes af alle virksomheder i den medicoteknologiske industri, især virksomheder, der producerer EKG-måleinstrumenter og virksomheder, der producerer software til rytmegenkendelse.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Forskningen sigter mod at løse følgende medicinske problemer:
- At identificere og definere typen af atrieflimren er problematisk på grund af dens spontane forekomst og latens.
- Måleapparater til screening af atrieflimren er dårligt tilgængelige.
De vigtigste forskningsspørgsmål er:
Kan en enkelt-aflednings EKG-måling bruges til at detektere arytmier
- Find ud af målestederne (EKG-afledninger) til enkelt-aflednings-EKG-selvmonitorering, og evaluer målestedernes indvirkning på brugervenlighed og signalkvalitet.
- Find ud af målestederne for enkeltaflednings-EKG-monitorering, når målingen udføres af en anden person (sygeplejerske eller pårørende), og vurder målestedernes indflydelse på anvendelighed og signalkvalitet.
- Find ud af pålideligheden af enkelt-aflednings EKG-måling til identifikation af atrieflimren.
- Find ud af pålideligheden af enkelt-aflednings EKG-måling til identifikation af hurtig (takykardi) og langsom hjertefrekvens (bradykardi).
Kan et armbånd baseret på optisk pulsregistrering kunne opnå pålidelig information om arytmier
- Find ud af brugbarheden af pulsarmbåndet til identifikation af atrieflimren.
- Find ud af brugbarheden af pulsarmbåndet til identifikation af hurtig (takykardi) og langsom puls (bradykardi).
Formålet med undersøgelsens metodeudvikling er at evaluere pålideligheden af pulsmåling ved enkeltaflednings-EKG og pulsbølgemåling hos raske og patienter med hjerteproblemer. Undersøgelsen udvikler computermetoder baseret på letvægtsmåleteknologi til pålideligt at identificere den mest almindelige hjertearytmi, atrieflimren. Diagnose og behandling af atrieflimren er afgørende faktorer for at forebygge slagtilfælde.
Forskningspatienter har allerede gennemgået en 12-kanals klinisk EKG-registrering inkluderet i det normale behandlingsforløb. Dette 12-kanals EKG bruges til identifikation af patienter, der er egnede til forskning og opdeling i undergrupper (normal rytme, atrieflimren, hurtig eller langsom rytme).
I egentlige undersøgelsesmålinger er et Holter-EKG-apparat fastgjort på patientens bryst ved hjælp af fem våde elektroder, der skal bruges som gylden standard til rytmeovervågning. De lette målemetoder sammenlignes med resultatet af Holter-EKG-registreringen. Derudover placeres fotopletysmogram på patientens håndled til PPG-registrering. Figur 1 viser illustrative eksempler på undersøgelsens målinger.
Forskeren måler et minuts optagelser fra to forskellige målepositioner (flanke og bryst) med et engangs-EKG-måleapparat. Derefter udfører patienten et minuts selvmonitorerende målinger med engangs-EKG-apparat fra alle tre positioner (tommelfinger, flanke og bryst) og også fra brystet med juvel-EKG.
Undersøgelsen sammenligner disse lette målemetoders evne til at detektere forskellige hjerterytmer sammenlignet med Holter-registreringen.
De enheder, der bruges til målingen, er:
- Faros 360 EKG-sensor med våde elektroder (figur 1, enhed 1) (Mega Elektroniikka, http://www.megaemg.com/ Kuopio Suomi). Faros 360 Holter er CE og FDA 510(k) godkendt klasse 2a medicinsk udstyr, som er fastgjort til patientens bryst med fem engangs våde elektroder.
Suunto Movesense engangs-EKG-enhed (Suunto Oy, http://www.suunto.com Vantaa Suomi). Movesense er CE-godkendt forbrugerenhed, som bruges med to dy-elektroder til EKG-målingen (figur 1 enhed 2 og 3). Movesense sag; juvel- og engangs-EKG-etui.
- I den tidligere undersøgelse (Afib24h) blev Valvira rapporteret, og forskningen fik tilladelse til den kliniske enhedsundersøgelse (Movesense + brystbæltekombination).
- Til dette studie er Valira rapporteret til et klinisk enhedsstudie (Movesense + engangs-EKG-enhedskombination)
- Empatica E4 aktivitetsarmbånd (Empatica Ltd http://www.empatica.com Milan Italia), som er CE-godkendt forbrugerenhed. Empatica E4 er også et fotopletysmogram, som optisk måler mængden af blod, der cirkulerer i blodkarret (Figur 1 enhed 4).
- Samsung Gear S3 bærbar (Samsung Electronics, Co., Ltd., www.samsung.com Soul Etelä-Korea), som er CE-godkendt forbrugerenhed. Gear S3 er også et fotopletysmogram, som optisk måler mængden af blod, der cirkulerer i blodkarret.
Forskeren fastgør apparater til patienten. Derefter starter forskeren en 10-minutters registrering med Faros 360 (enhed 1) og Empatica E4 (enhed 4) enheder. Under en 10-minutters måling måler forskeren et minuts optagelser fra to forskellige målepositioner med Movesense EKG (enhed 2) 1. fra brystet, brystbenet vinkelret 2. fra brystet, langs brystbenet. Patienten udfører herefter et minuts selvovervågningsmålinger 1. fra brystet, brystbenet vinkelret 2. fra brystet, langs brystbenet 3. fra den nederste del af flanken 4. fra tommelfingrene og 5. fra brystet med en juvel -EKG.
Hjertefrekvensdetektion ved EKG-måling udføres oftest ved påvisning af QRS-komplekser. Adskillige af disse QRS-detektorer er blevet udviklet i de seneste årtier. EKG-måling med tørre elektroder involverer betydeligt flere bevægelsesforstyrrelser sammenlignet med vådelektrodemålingerne, da selv de små bevægelser af enheden inducerer store ændringer i EKG-signalet. Derudover er EMG-støjen fra musklerne, især når du bruger tommelfingre som målepunkter, bemærkelsesværdig høj sammenlignet med vådelektrodemålingerne.
Dette projekt anvender metoderne udviklet i det tidligere mobil-EKG-projekt til støj- og QRS-detektion for at tillade pålidelig detektering af QRS-komplekser og pulsuregelmæssigheder i tørelektrodemålingerne.
I denne undersøgelse er de tidligere udviklede pulsdetektionsmetoder valideret af undersøgelsens målinger af normal sinusrytme, atrieflimren og langsom (bradykardi) og hurtig (takykardi) hjertefrekvens.
Denne undersøgelse undersøger evnen til pulsdetektion ved påvisning af atrieflimren. Fotopletysmogrammet måler absorptionen af lys i vævet. Optagelsen af lys i blodet er større end optagelsen i det omgivende væv. Når hjertet slår, udvider kapillærerne sig og trækker sig sammen baseret på ændringer i blodvolumen. Fotopletysmografi tillader pulsmåling ved at detektere ændringer i absorption.
Photopletysmgram er, ligesom en mobil-EKG-enhed, særligt følsom over for bevægelse, selv den lille bevægelse af LED/fotodiode inducerer store ændringer i lysintensiteten.
Fysiologiske ændringer forårsager også en forstyrrelse i hjertefrekvensmålingen, for eksempel, da den vaskulære elasticitet ændres, ændres pulstiden, hvilket resulterer i en forstyrrelse i målingen.
I modsætning til det højfrekvente gennemborede QRS-kompleks er pulsbølgen en lavfrekvent op-ned-variation, som giver sine egne udfordringer for nøjagtig pulsmåling.
Atrierne virker utilstrækkeligt ved atrieflimren, derfor er ventriklerne ikke helt fyldt med blod. Derudover forårsager atrieflimren den uregelmæssige ledning af impulser fra atrier til ventriklerne, hvilket fører til pulsuregelmæssighed. Mængden af pumpet blod varierer fra et slag til slag, hvilket gør pulsbølgedetektionen udfordrende.
Dette projekt udvikler metoder til nøjagtig pulsmåling fra en pulsbølgeserie.
Metodeudviklingen har til formål at tage højde for forstyrrelser på grund af målerens bevægelse, pulsbølgeuregelmæssigheder, der er typiske for atrieflimren, og udfordringerne ved langsom (bradykardi) og hurtig (takykardi) pulsdetektion.
Hovedmålet med metodeudviklingen er at bestemme pulsen så præcist, at pulsuregelmæssighed på grund af atrieflimren kan skelnes fra normal sinusrytme og pålideligt detektere hurtige og langsomme hjerterytmer.
Ved atrieflimren leder elektriske impulser tilfældigt til ventriklerne, hvilket får hjertefrekvensen til at være uregelmæssig og ujævn. En stor kampagne af Hjerteforeningen "Mærk din puls - forebyg slagtilfælde" er baseret på puls- eller pulsgenkendelse. Pulsgenkendelse er naturligvis den billigste metode til at detektere atrieflimren, men denne metode producerer et stort antal falske positiver. Ved EKG-måling er detektionen af atrieflimren meget mere pålidelig. Automatiske atrieflimren detektionsalgoritmer er blevet udviklet til dette formål.
Identifikation af atriumaktiveringen i langsigtede Holter-EKG-målinger er generelt meget udfordrende på grund af det dårlige signal-støj-forhold (bevægelse, muskel-artefakter og til dels overlappende meget stærkere ventrikulær aktivitet). Af denne grund er de fleste atrieflimrendetektionsalgoritmer baseret på identifikation af pulsuregelmæssighed. Til parametrisering af uregelmæssigheden af hjertefrekvensen (RR-interval) er der blevet indført flere relativt enkle, men pålidelige metoder på tidsniveau. Som et eksempel, En RdR-baseret metode, hvor RR-intervallerne (hjertefrekvens) er repræsenteret som en funktion af på hinanden følgende RR-intervalændringer (hjertefrekvensændringer) (Lian et al. 2011). RdR-grafen definerer fragmenteringen af mønsteret som følge af uregelmæssige hjertefrekvensændringer. Derudover er der metoder, der estimerer RR-tidsserier intern sammenhæng (Lee et al. 2011). Forskellige ikke-lineære metoder er også blevet introduceret til parametrisering af pulsvariationen, hvilket gør det muligt at beskrive dynamikken i pulsvariationen mere bredt (uden begrænsning af linearitetsantagelsen). En klasse af ikke-lineære metoder er forskellige entropimængder, disse er særligt interessante til identifikation af atrieflimren og den uregelmæssige hjertefrekvens. Entropistørrelser kan bruges til at estimere regelmæssigheden og forudsigeligheden af RR-tidsserien. Typisk kræver den pålidelige beregning af entropistørrelserne en relativt lang måletid, men også entropistørrelser, der er egnede til analyse af korte målinger, er indført (Lake & Moorman 2011).
Dette forskningsprojekt udvikler nye atrieflimrendetektionsalgoritmer til mobil-EKG-måling og pulsbølgemåling på basis af allerede eksisterende metoder. Algoritmer skal tage højde for atrielle og ventrikulære præmature komplekser. Ignorering af disse øger uregelmæssigheden af RR-tidsserien og øger dermed antallet af falsk positive atrieflimren.
Undersøgelsestype
Tilmelding (Faktiske)
Kontakter og lokationer
Studiesteder
-
-
Eastern-Finland
-
Kuopio, Eastern-Finland, Finland, 70029
- Kuopio University Hospital
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter behandlet af en eller anden grund på akutafdelingen på Kuopio Universitetshospital.
Ekskluderingskriterier:
- body mass index (BMI) over 35, implanteret pacemaker-enhed og en medicinsk tilstand, der kræver øjeblikkelig behandling, som ville blive forsinket af undersøgelsesmålingerne.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Case-Control
- Tidsperspektiver: Fremadrettet
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
Atrieflimren
Patienter med atrieflimren som registreret af Holter
|
Undersøgelsen sammenligner letvægtsmålemetodernes evne til at detektere forskellige hjerterytmer sammenlignet med Holter-registreringen.
|
|
Sinus rytme
Patienter med sinusrytme som registreret af Holter
|
Undersøgelsen sammenligner letvægtsmålemetodernes evne til at detektere forskellige hjerterytmer sammenlignet med Holter-registreringen.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Hjerterytmeovervågning med enkeltaflednings-EKG
Tidsramme: 30 minutter
|
Sensitivitet og specificitet for detektion af atrieflimren
|
30 minutter
|
Samarbejdspartnere og efterforskere
Sponsor
Samarbejdspartnere
Efterforskere
- Ledende efterforsker: Tero J Martikainen, MD. PhD, Kuopio University Hospital
Publikationer og nyttige links
Generelle publikationer
- Amann A, Tratnig R, Unterkofler K. Reliability of old and new ventricular fibrillation detection algorithms for automated external defibrillators. Biomed Eng Online. 2005 Oct 27;4:60. doi: 10.1186/1475-925X-4-60.
- Barro S, Ruiz R, Cabello D, Mira J. Algorithmic sequential decision-making in the frequency domain for life threatening ventricular arrhythmias and imitative artefacts: a diagnostic system. J Biomed Eng. 1989 Jul;11(4):320-8. doi: 10.1016/0141-5425(89)90067-8.
- Cabello D, Barro S, Salceda JM, Ruiz R, Mira J. Fuzzy K-nearest neighbor classifiers for ventricular arrhythmia detection. Int J Biomed Comput. 1991 Feb;27(2):77-93. doi: 10.1016/0020-7101(91)90089-w.
- Chen SW. A two-stage discrimination of cardiac arrhythmias using a total least squares-based prony modeling algorithm. IEEE Trans Biomed Eng. 2000 Oct;47(10):1317-27. doi: 10.1109/10.871404.
- al-Fahoum AS, Howitt I. Combined wavelet transformation and radial basis neural networks for classifying life-threatening cardiac arrhythmias. Med Biol Eng Comput. 1999 Sep;37(5):566-73. doi: 10.1007/BF02513350.
- Fuster V, Ryden LE, Cannom DS, Crijns HJ, Curtis AB, Ellenbogen KA, Halperin JL, Le Heuzey JY, Kay GN, Lowe JE, Olsson SB, Prystowsky EN, Tamargo JL, Wann S; Task Force on Practice Guidelines, American College of Cardiology/American Heart Association; Committee for Practice Guidelines, European Society of Cardiology; European Heart Rhythm Association; Heart Rhythm Society. ACC/AHA/ESC 2006 guidelines for the management of patients with atrial fibrillation-executive summary: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines and the European Society of Cardiology Committee for Practice Guidelines (Writing Committee to Revise the 2001 Guidelines for the Management of Patients with Atrial Fibrillation). Eur Heart J. 2006 Aug;27(16):1979-2030. doi: 10.1093/eurheartj/ehl176. No abstract available. Erratum In: Eur Heart J. 2007 Aug;28(16):2046.
- Ge D, Srinivasan N, Krishnan SM. Cardiac arrhythmia classification using autoregressive modeling. Biomed Eng Online. 2002 Nov 13;1:5. doi: 10.1186/1475-925x-1-5.
- Jekova I. Comparison of five algorithms for the detection of ventricular fibrillation from the surface ECG. Physiol Meas. 2000 Nov;21(4):429-39. doi: 10.1088/0967-3334/21/4/301.
- Lake DE, Moorman JR. Accurate estimation of entropy in very short physiological time series: the problem of atrial fibrillation detection in implanted ventricular devices. Am J Physiol Heart Circ Physiol. 2011 Jan;300(1):H319-25. doi: 10.1152/ajpheart.00561.2010. Epub 2010 Oct 29.
- Lee J, Nam Y, McManus DD, Chon KH. Time-varying coherence function for atrial fibrillation detection. IEEE Trans Biomed Eng. 2013 Oct;60(10):2783-93. doi: 10.1109/TBME.2013.2264721. Epub 2013 May 22.
- Li C, Zheng C, Tai C. Detection of ECG characteristic points using wavelet transforms. IEEE Trans Biomed Eng. 1995 Jan;42(1):21-8. doi: 10.1109/10.362922.
- Lian J, Wang L, Muessig D. A simple method to detect atrial fibrillation using RR intervals. Am J Cardiol. 2011 May 15;107(10):1494-7. doi: 10.1016/j.amjcard.2011.01.028. Epub 2011 Mar 17.
- Lipponen JA, Tarvainen MP, Laitinen T, Lyyra-Laitinen T, Karjalainen PA. A principal component regression approach for estimation of ventricular repolarization characteristics. IEEE Trans Biomed Eng. 2010 May;57(5):1062-9. doi: 10.1109/TBME.2009.2037492. Epub 2010 Feb 5.
- Lipponen JA, Kemppainen J, Karjalainen PA, Laitinen T, Mikola H, Karki T, Tarvainen MP. Dynamic estimation of cardiac repolarization characteristics during hypoglycemia in healthy and diabetic subjects. Physiol Meas. 2011 Jun;32(6):649-60. doi: 10.1088/0967-3334/32/6/003. Epub 2011 Apr 20.
- Lipponen JA, Tarvainen MP. Principal component model for maternal ECG extraction in fetal QRS detection. Physiol Meas. 2014 Aug;35(8):1637-48. doi: 10.1088/0967-3334/35/8/1637. Epub 2014 Jul 29.
- Meretoja A, Roine RO, Kaste M, Linna M, Juntunen M, Erila T, Hillbom M, Marttila R, Rissanen A, Sivenius J, Hakkinen U. Stroke monitoring on a national level: PERFECT Stroke, a comprehensive, registry-linkage stroke database in Finland. Stroke. 2010 Oct;41(10):2239-46. doi: 10.1161/STROKEAHA.110.595173. Epub 2010 Aug 26.
- Syvaoja S, Castren M, Mantyla P, Rissanen TT, Kivela A, Uusaro A, Jantti H. The feasibility of recognizing the heart rhythm with an automated external defibrillator from an area the size of a mobile phone. Eur J Emerg Med. 2016 Apr;23(2):102-7. doi: 10.1097/MEJ.0000000000000214.
- Tarvainen MP, Ranta-Aho PO, Karjalainen PA. An advanced detrending method with application to HRV analysis. IEEE Trans Biomed Eng. 2002 Feb;49(2):172-5. doi: 10.1109/10.979357.
- Tarvainen MP, Niskanen JP, Lipponen JA, Ranta-Aho PO, Karjalainen PA. Kubios HRV--heart rate variability analysis software. Comput Methods Programs Biomed. 2014;113(1):210-20. doi: 10.1016/j.cmpb.2013.07.024. Epub 2013 Aug 6.
- Thakor NV, Zhu YS, Pan KY. Ventricular tachycardia and fibrillation detection by a sequential hypothesis testing algorithm. IEEE Trans Biomed Eng. 1990 Sep;37(9):837-43. doi: 10.1109/10.58594.
- Zhang XS, Zhu YS, Thakor NV, Wang ZZ. Detecting ventricular tachycardia and fibrillation by complexity measure. IEEE Trans Biomed Eng. 1999 May;46(5):548-55. doi: 10.1109/10.759055.
- Kirchhof P, Benussi S, Kotecha D, Ahlsson A, Atar D, Casadei B, Castella M, Diener HC, Heidbuchel H, Hendriks J, Hindricks G, Manolis AS, Oldgren J, Alexandru Popescu B, Schotten U, Van Putte B, Vardas P. 2016 ESC Guidelines for the Management of Atrial Fibrillation Developed in Collaboration With EACTS. Rev Esp Cardiol (Engl Ed). 2017 Jan;70(1):50. doi: 10.1016/j.rec.2016.11.033. No abstract available. Erratum In: Rev Esp Cardiol (Engl Ed). 2017 Nov;70(11):1031. English, Spanish.
- Valiaho ES, Kuoppa P, Lipponen JA, Hartikainen JEK, Jantti H, Rissanen TT, Kolk I, Pohjantahti-Maaroos H, Castren M, Halonen J, Tarvainen MP, Santala OE, Martikainen TJ. Wrist Band Photoplethysmography Autocorrelation Analysis Enables Detection of Atrial Fibrillation Without Pulse Detection. Front Physiol. 2021 May 7;12:654555. doi: 10.3389/fphys.2021.654555. eCollection 2021.
- Santala OE, Lipponen JA, Jäntti H, Rissanen TT, Halonen J, Kolk I, Pohjantähti-Maaroos H, Tarvainen MP, Väliaho ES, Hartikainen J, Martikainen T. Necklace-embedded electrocardiogram for the detection and diagnosis of atrial fibrillation. Clin Cardiol. 2021 May;44(5):620-626. doi: 10.1002/clc.23580. Epub 2021 Feb 25.
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Faktiske)
Studieafslutning (Faktiske)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- KUH507P002
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
produkt fremstillet i og eksporteret fra U.S.A.
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .
Kliniske forsøg med Atrieflimren
-
W.L.Gore & AssociatesAfsluttetSeptal defekt, atrialForenede Stater
-
Pusan National University HospitalIkke rekrutterer endnuHjerteimplanterbar elektronisk enhed | Atrial High Rate EpisodeKorea, Republikken
-
W.L.Gore & AssociatesAfsluttetSeptal defekt, atrialForenede Stater
-
Academisch Medisch Centrum - Universiteit van Amsterdam...Tilmelding efter invitationKortkoblet idiopatisk ventrikulær fibrillationHolland
-
Henry Ford Health SystemTrukket tilbage
-
Centre Hospitalier Universitaire, AmiensHenri Mondor University HospitalRekrutteringSeptisk chok | Kritisk pleje | Transthorax ekkokardiografi | Speckle Tracking | Reproducerbarhed | Venstre atrial belastning | Højre atrial belastning | Ekkokardiografisk softwareFrankrig
-
Assiut UniversityTrukket tilbageASD2 (Secundum atrial septal defekt)
-
First Affiliated Hospital of Ningbo UniversityAfsluttetEvaluering af radiofrekvensoverført punkteringssystem | Atrial septum punkteringKina
-
Prof. Dr. med. Ingo EitelRekrutteringAtrial hypertensionTyskland
-
Nobles Medical Technologies II IncTilmelding efter invitationForamen Ovale, Patent | Septal defekt, atrial | Septaldefekt, HjerteForenede Stater, Italien