目的应用平均幅度差函数之和(the sum of average magnitude difference function,SAMDF)处理室颤的心电信号,通过与常用预测除颤时间方法振幅谱面积(amplitude spectrum area,AMSA)进行对比找到预测除颤时间更优的方法。方法应用56头重...目的应用平均幅度差函数之和(the sum of average magnitude difference function,SAMDF)处理室颤的心电信号,通过与常用预测除颤时间方法振幅谱面积(amplitude spectrum area,AMSA)进行对比找到预测除颤时间更优的方法。方法应用56头重(40±5)kg雄性家猪,诱导室颤后进行10 min未处理的室颤、6 min的心肺复苏和除颤。在室颤和心肺复苏过程当中会记录每1 min SAMDF和AMSA的数据并记录下来。进而计算受试者工作特征(receiver operating characteristic,ROC)曲线,应用单向方差分析(one-way analyses of variance,one-way ANOVA)以及正负样本散点图的比较,以此说明两者均能优化最佳除颤时间。比较除颤成功组(Group R)和除颤失败组(Group N)的SAMDF和AMSA的数值以说明两者预测除颤成功的能力。结果散点图显示SAMDF和AMSA均能够区分阳性和负样本(P<0.001)。ROC曲线显示SAMDF(AUC=0.801,P<0.001)和AMSA(AUC=0.777,P<0.001)一样有着相同的能力预测最佳除颤时间。两组SAMDF和AMSA数值比较,Group R的SAMDF和AMSA数值明显高于Group N(P<0.001)。结论SAMDF在优化预测除颤时机方面具有很高的潜力,并且可以作为AMSA等现有有效预测除颤时机特征的补充。展开更多
文摘目的应用平均幅度差函数之和(the sum of average magnitude difference function,SAMDF)处理室颤的心电信号,通过与常用预测除颤时间方法振幅谱面积(amplitude spectrum area,AMSA)进行对比找到预测除颤时间更优的方法。方法应用56头重(40±5)kg雄性家猪,诱导室颤后进行10 min未处理的室颤、6 min的心肺复苏和除颤。在室颤和心肺复苏过程当中会记录每1 min SAMDF和AMSA的数据并记录下来。进而计算受试者工作特征(receiver operating characteristic,ROC)曲线,应用单向方差分析(one-way analyses of variance,one-way ANOVA)以及正负样本散点图的比较,以此说明两者均能优化最佳除颤时间。比较除颤成功组(Group R)和除颤失败组(Group N)的SAMDF和AMSA的数值以说明两者预测除颤成功的能力。结果散点图显示SAMDF和AMSA均能够区分阳性和负样本(P<0.001)。ROC曲线显示SAMDF(AUC=0.801,P<0.001)和AMSA(AUC=0.777,P<0.001)一样有着相同的能力预测最佳除颤时间。两组SAMDF和AMSA数值比较,Group R的SAMDF和AMSA数值明显高于Group N(P<0.001)。结论SAMDF在优化预测除颤时机方面具有很高的潜力,并且可以作为AMSA等现有有效预测除颤时机特征的补充。
