用一次性心电图识别心律失常
在西方国家,每六人一生中就有 15,000 人和芬兰每年有 15,000 人患新中风。 大约每四次中风是基于心脏栓塞。 心房颤动导致左心房形成血栓,随后在脑循环和外周循环中发生栓塞。
本研究调查了运动/健康技术中用于筛查和诊断心房颤动和其他心律失常的测量技术和新计算方法的适用性。 研究了一次性心电图测量和脉搏腕带测量等新型测量技术的特点、数据质量和节律识别。 使用新的自我监测技术识别潜在的心律失常可以显着减少中风的次数(潜在的心律失常导致大约 25% 的中风)。
该研究将与库奥皮奥大学医院急诊科、心脏中心、东芬兰大学应用物理系和 Heart2Save Ltd. 合作完成。
该研究项目的结果将发表在医学和医学技术的科学期刊上,并将在各自领域的科学会议上发表。 该项目的研究成果可供医疗技术行业的所有公司使用,特别是生产心电测量仪器的公司和生产心律识别软件的公司。
研究概览
详细说明
该研究旨在解决以下医学问题:
- 由于其自发发生和潜伏期,识别和定义心房颤动的类型是有问题的。
- 筛查房颤的测量设备很少。
主要研究问题是:
单导联心电图测量能否用于检测心律失常
- 找出单导联 ECG 自我监测的测量位置(ECG 导联),并评估测量位置对可用性和信号质量的影响。
- 当测量由另一个人(护士或亲戚)执行时,找出单导联心电图监测的测量位置,并评估测量位置对可用性和信号质量的影响。
- 找出单导联心电图测量用于识别心房颤动的可靠性。
- 了解单导联心电图测量识别快速(心动过速)和缓慢心率(心动过缓)的可靠性。
基于光脉冲登记的腕带能否获得有关心律失常的可靠信息
- 了解脉搏腕带在识别心房颤动方面的可用性。
- 了解脉搏腕带在识别快速(心动过速)和缓慢心率(心动过缓)方面的可用性。
该研究方法开发的目的是评估健康人和有心脏病患者的单导联心电图和脉搏波测量中心率测量的可靠性。 该研究开发了基于轻量级测量技术的计算方法,以可靠地识别最常见的心律失常、心房颤动。 房颤的诊断和治疗是预防脑卒中的决定性因素。
研究患者已经接受了包含在正常治疗过程中的 12 通道临床心电图注册。 该 12 通道 ECG 用于识别适合研究的患者并分为亚组(正常节律、心房颤动、快节奏或慢节奏)。
在实际研究测量中,Holter-ECG 设备使用五个湿电极连接在患者胸部,用作节律监测的黄金标准。 将轻量级测量方法与 Holter-ECG 注册的结果进行比较。 此外,光电容积描记图被放置在患者的手腕上以进行 PPG 注册。 图 1 显示了研究测量的说明性示例。
研究人员使用一次性 ECG 测量设备从两个不同的测量位置(腹部和胸部)测量一分钟的记录。 之后,患者使用一次性 ECG 设备从所有三个位置(拇指、侧面和胸部)以及使用珠宝心电图从胸部进行一分钟的自我监测测量。
该研究比较了这些轻量级测量方法与 Holter 注册相比检测不同心律的能力。
用于测量的设备是:
- 带湿电极的 Faros 360 EKG 传感器(图 1,设备 1)(Mega Elektroniikka,http://www.megaemg.com/ 库奥皮奥芬兰)。 Faros 360 Holter 是 CE 和 FDA 510(k) 批准的 2a 类医疗设备,它通过五个一次性湿电极连接到患者的胸部。
Suunto Movesense 一次性 ECG 设备(Suunto Oy,http://www.suunto.com 万塔索米)。 Movesense 是通过 CE 认证的消费类设备,它与两个 dy 电极一起用于 ECG 测量(图 1 设备 2 和 3)。 Movesense案例;珠宝和一次性心电图盒。
- 在之前的研究(Afib24h)中,报告了 Valvira 并且该研究获得了临床设备研究(Movesense + 胸带组合)的许可。
- 对于这项研究,Valira 被报告用于临床设备研究(Movesense + 一次性 ECG 设备组合)
- Empatica E4 活动手环(Empatica Ltd http://www.empatica.com Milan Italia),这是通过 CE 认证的消费设备。 Empatica E4 也是一种光电容积描记图,它以光学方式测量血管中循环的血液量(图 1 设备 4)。
- 三星 Gear S3 可穿戴设备(三星电子有限公司,www.samsung.com Soul Etelä-Korea)是 CE 认证的消费设备。 Gear S3 也是一个光电容积描记图,它以光学方式测量血管中循环的血液量。
研究人员将设备连接到患者身上。 之后,研究人员开始使用 Faros 360(设备 1)和 Empatica E4(设备 4)设备进行 10 分钟的注册。 在 10 分钟的测量过程中,研究人员使用 Movesense ECG(设备 2)从两个不同的测量位置测量了一分钟的记录:1. 从胸部开始,垂直于胸骨 2. 从胸部开始,沿着胸骨。 然后患者进行一分钟的自我监测测量 1. 从胸部开始,垂直于胸骨 2. 从胸部开始,沿着胸骨 3. 从侧面的下部 4. 从拇指和 5. 从胸部用珠宝-心电图。
通过 ECG 测量进行心率检测最常见的方法是检测 QRS 复合波。 近几十年来已开发出许多此类 QRS 检测器。 与湿电极测量相比,干电极 ECG 测量涉及更多的运动干扰,因为即使设备的微小运动也会引起 ECG 信号的重大变化。 此外,特别是当使用拇指作为测量点时,与湿电极测量相比,来自肌肉的 EMG 噪声非常高。
该项目利用早期移动心电图项目中开发的噪声和 QRS 检测方法,以可靠地检测干电极测量中的 QRS 复合波和心率不规则性。
在这项研究中,先前开发的心率检测方法通过研究对正常窦性心律、心房颤动以及缓慢(心动过缓)和快速(心动过速)心率的测量得到验证。
本研究检验了脉搏检测在检测心房颤动方面的能力。 光电容积描记图测量组织中的光吸收。 血液对光的吸收大于周围组织的吸收。 当心脏跳动时,毛细血管会根据血容量的变化而扩张和收缩。 光电容积描记法通过检测吸收变化来测量心率。
光电容积图与移动心电图设备一样,对运动特别敏感,即使 LED/光电二极管的微小运动也会引起光强度的重大变化。
此外,生理变化会导致心率测量的干扰,例如,随着血管弹性的变化,脉搏时间发生变化,从而导致测量的干扰。
与高频刺穿的 QRS 复合波不同,脉搏波是一种低频上下变化,这给准确测量心率带来了挑战。
心房在房颤时工作不充分,因此心室未完全充满血液。 此外,心房颤动导致冲动从心房到心室的不规则传导导致脉搏不规则。 泵出的血液量因一次中风而异,这使得脉搏波检测具有挑战性。
该项目开发了通过脉搏波系列进行准确心率测量的方法。
该方法的开发旨在考虑由于仪表运动引起的干扰、心房颤动典型的脉搏波不规则性以及缓慢(心动过缓)和快速(心动过速)心率检测的挑战。
该方法开发的主要目标是非常精确地确定脉搏,以便将心房颤动引起的脉搏不规则与正常窦性心律区分开来,并可靠地检测快速和缓慢的心律。
在房颤中,电脉冲随机传导至心室,导致心率不规则且不均匀。 心脏协会的一项大型运动“感受脉搏——预防中风”是基于心率或脉搏识别。 脉搏识别当然是检测心房颤动成本最低的方法,但这种方法会产生大量误报。 通过心电图测量,房颤的检测更加可靠。 为此目的开发了自动心房颤动检测算法。
由于信噪比差(运动、肌肉伪影和部分重叠的更强烈的心室活动),在长期 Holter-ECG 测量中识别心房激活通常非常具有挑战性。 为此,大多数房颤检测算法都是基于脉搏不规则的识别。 对于心率不规则性(RR 间隔)的参数化,已经引入了几种相对简单但可靠的时间级方法。 例如,一种基于 RdR 的方法,其中 RR 间隔(心率)表示为连续 RR 间隔变化(心率变化)的函数(Lian 等人,2011 年)。 RdR 图定义了由不规则心率变化引起的模式碎片。 此外,还有估计 RR 时间序列内部一致性的方法 (Lee et al. 2011)。 还引入了各种非线性方法来对心率变化进行参数化,从而能够更广泛地描述心率变化的动态(不限制线性假设)。 一类非线性方法是不同的熵量,这些方法对于识别心房颤动和不规则心率特别有用。 熵量可用于估计 RR 时间序列的规律性和可预测性。 通常,熵量的可靠计算需要相对较长的测量时间,但也引入了适用于短测量分析的熵量(Lake & Moorman 2011)。
该研究项目在现有方法的基础上,为移动心电图测量和脉搏波测量开发了新的心房颤动检测算法。 算法必须考虑心房和心室早搏。 忽略这些会增加 RR 时间序列的不规则性,从而增加假阳性房颤的数量。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
Eastern-Finland
-
Kuopio、Eastern-Finland、芬兰、70029
- Kuopio University Hospital
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
描述
纳入标准:
- 因任何原因在库奥皮奥大学医院急诊科接受治疗的患者。
排除标准:
- 体重指数 (BMI) 超过 35、植入心脏起搏器装置以及需要立即治疗但会因研究测量而延迟的医疗状况。
学习计划
研究是如何设计的?
设计细节
- 观测模型:病例对照
- 时间观点:预期
队列和干预
团体/队列 |
干预/治疗 |
---|---|
心房颤动
Holter 记录的房颤患者
|
该研究比较了轻量级测量方法与 Holter 注册相比检测不同心律的能力。
|
窦性心律
Holter 记录的窦性心律患者
|
该研究比较了轻量级测量方法与 Holter 注册相比检测不同心律的能力。
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
---|---|---|
使用单导联 ECG 进行心律监测
大体时间:30分钟
|
房颤检测的敏感性和特异性
|
30分钟
|
合作者和调查者
调查人员
- 首席研究员:Tero J Martikainen, MD. PhD、Kuopio University Hospital
出版物和有用的链接
一般刊物
- 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.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.