Nowy algorytm dla urządzeń do noszenia może identyfikować niezdiagnozowane AF

Algorytm stosowany w urządzeniach do noszenia Fitbit wykazał zdolność do identyfikacji bezobjawowego migotania przedsionków, zgodnie z wynikami badania Fitbit Heart przedstawionego na sesjach naukowych American Heart Association.

Stephen Lubitz

Około jedna trzecia uczestników, u których urządzenie Fitbit wykryło arytmię, a następnie nosiła plaster EKG potwierdzony migotaniem przedsionków za pomocą plastra EKG, dr med. Stephen Lubitz, MPH, Asystent profesora medycyny w Harvard Medical School i elektrofizjolog serca w Massachusetts General Hospital, powiedział podczas konferencji prasowej.

„Nowy algorytm oprogramowania do fotolitografii dla urządzeń do noszenia Fitbit umożliwił szeroką identyfikację niezdiagnozowanego migotania przedsionków” – powiedział Lubitz. „Algorytm działa w tle podczas braku aktywności i nie wymaga od użytkownika zachęcania ich do rozpoczęcia pobierania próbek. Osoby z arytmiami częściej rozwijały migotanie przedsionków podczas późniejszego monitorowania EKG i były bardziej obciążone migotaniem przedsionków.”

Nowy algorytm oprogramowania

Naukowcy opracowali algorytm, próbując PPG i przetestowali jego pozytywną wartość predykcyjną dla nierozpoznanego migotania przedsionków w zdalnym badaniu klinicznym na dużą skalę.

Grupa obejmowała 455 669 uczestników w wieku co najmniej 22 lat, posiadających kompatybilne urządzenie Fitbit (trasery Ionic, Charge 3, Charge 4, Inspire HR, Inspire 2, Versa, Versa Lite, Versa 2, Versa 3 lub smartwatch Sense), Smartfon z systemem Android lub iOS z aplikacją Fitbit bez wcześniejszej diagnozy migotania lub trzepotania przedsionków, stosowania doustnych antykoagulantów, implantów rozrusznika serca lub defibrylatorów. Nagranie miało miejsce przez okres 5 miesięcy podczas pandemii COVID-19.

„Algorytm stale testuje dane impulsowe w 5-minutowych blokach, które z założenia pokrywają się o 50%” – powiedział Lubitz. „Jeśli 11 z 11 kolejnych bloków lub tachometrów jest nieregularnych, to Wykrywanie arytmii Zdarzają się lub występują. Z założenia oznacza to, że algorytm wymaga co najmniej 30 minut nieregularnego rytmu do wykrycia migotania przedsionków. Algorytm działa tylko wtedy, gdy uczestnik jest nieaktywny, co oceniają akcelerometry na urządzeniu. Algorytm jest resetowany z normalnym interwałem tachogramu wynoszącym 5 minut. Okresy, których nie można przeanalizować, prawdopodobnie z powodu aktywności, są pomijane przez algorytm”.

Wysoka dodatnia wartość predykcyjna

W grupie 4728 uczestników miało wykrycie arytmii. Uczestnicy ci zostali poproszeni o przeprowadzenie wizyty telezdrowia, a ci, którzy ukończyli wizytę, otrzymali monitor plastra EKG (ePatch i BioTel) do noszenia przez tydzień. Lubitz powiedział, że zwrócono 1162 łatek EKG, z których 1057 zawierało dane, które można uwzględnić w analizie.

W całej grupie u 1% uczestników wykryto nieregularny rytm serca, częściej u mężczyzn niż u kobiet (2,1% vs 0,6%) oraz u osób w wieku 65 lat i starszych niż u młodszych (3,6%). vs 0,7%), powiedział Lubitz.

Wśród osób z odczytami EKG potwierdzono 32,2% migotania przedsionków (mężczyźni 36,3%; kobiety 27,8%; osoby w wieku 65 lat i starsze 33,4%; osoby poniżej 65 lat 31,3%). To wyższy wskaźnik niż to, co zaobserwowano we wcześniejszych badaniach nad migotaniem przedsionków, powiedział Lubitz.

Pierwszorzędowy punkt końcowy dodatniej wartości predykcyjnej algorytmu dla jednoczesnego migotania przedsionków na ekranie plastra EKG wyniósł 98,2% w całej grupie, 98,4% u mężczyzn, 98% u kobiet, 97% u uczestników w wieku 65 lat lub starszych i 99,2% u te. Osoby poniżej 65 roku życia, powiedział Lubitz.

Osoby z potwierdzonym AF na ekranie korekcyjnym miały średnie obciążenie AF wynoszące 7%, w przeciwieństwie do około 1% obserwowanych w poprzednich badaniach wykrywania AF z urządzeniami do noszenia. Powiedział, że przeciętnie najdłuższy epizod AF trwał 7 godzin.

Lubitz powiedział, że wymagania dotyczące pobierania próbek w okresach braku aktywności są podobne do tych w innych badaniach i „są mniej lub bardziej restrykcyjne w stosunku do obecnej technologii”.

„Można sobie wyobrazić algorytmy w przyszłości, w których można by interpretować dane w okresach aktywności, aby próbkować w dłuższym okresie” – powiedział.

Jednak Lubitz powiedział: „The [positive predictive] Wartości, które zaobserwowaliśmy w naszym badaniu są wyższe niż wcześniej raportowane przez inne algorytmy oprogramowania, w tym: jabłko serce badaniei były stabilne w starszej kohorcie, która stanowi ważną podgrupę osób, ponieważ jeśli mają migotanie przedsionków, są bardziej narażeni na udar niedokrwienny. Byliśmy bardzo zadowoleni z wysokiej wartości predykcyjnej algorytmu w tym konkretnym podzbiorze”.

Algorytm jest obecnie sprawdzany przez amerykańską Agencję ds. Żywności i Leków (FDA) pod kątem usunięcia i powszechnego stosowania, zgodnie z komunikatem prasowym American Heart Association.

wrażenie

Powrót do góry

Sana M. Al-Khatib, MD, MHS, FHRS

Przydatność tych wyników dla osób korzystających z urządzeń Fitbit zależy od tego, dlaczego ci użytkownicy posiadają aplikację Fitbit. Jeśli musieli wykryć nieregularne rytmy, wyniki te wskazują, że pozytywna wartość predykcyjna algorytmu do tego celu jest bardzo wysoka.

Dla klinicystów wyniki są nieco pouczające, ale zdecydowanie potrzebujemy więcej danych na ten temat. Nie jest jasne, w jaki sposób AF wykrył i jak to postępowanie wpłynęło na wyniki.

READ  Nowy projekt systemu obrazowania endoskopowego może przyspieszyć przyjęcie wieloznacznikowego FGS

Musimy wiedzieć, czy te wyniki są powtarzalne, u których pacjentów występuje większe lub mniejsze prawdopodobieństwo wystąpienia arytmii zidentyfikowanej za pomocą tego algorytmu oraz w jaki sposób wykrycie i leczenie migotania przedsionków może zmienić wyniki.

W odniesieniu do wielu wyników konieczne są badania przesiewowe w migotaniu przedsionków, które badają obciążenie, czas trwania i wzór migotania przedsionków. Istnieje potrzeba przeprowadzenia randomizowanych badań klinicznych, które bezpośrednio porównują badania przesiewowe ze zwykłą opieką i oceniają zarówno wyniki zdrowotne, jak i szkody.

Sana M. Al-Khatib, MD, MHS, FHRS

profesor medycyny

Duke University School of Medicine

Duke Institute for Clinical Research

Ujawnienia: Al-Khatib informuje, że otrzymał finansowanie badań od firm Abbott, Boston Scientific i Medtronic, ale nie ma żadnych relacji finansowych z producentami ubieralnych towarów konsumpcyjnych.

Dodaj temat do alertów e-mail

Otrzymuj e-mail, gdy nowe artykuły zostaną opublikowane w

Podaj swój adres e-mail, aby otrzymać wiadomość e-mail, gdy nowe artykuły zostaną opublikowane w .

„data-action =” subskrybuj „> subskrybuj

Nie mogliśmy przetworzyć Twojej prośby. Spróbuj ponownie później. Jeśli problem będzie się powtarzał, skontaktuj się z obsługą [email protected].

Powrót do Healio

Amerykańskie Stowarzyszenie Kardiologiczne