Volltextdatei(en) vorhanden
Titel: Schnelle Detektion von sehr kurzen Vorhofflimmerepisoden im Oberflächen-EKG mittels Wavelet Transformation
Sprache: Deutsch
Autor*in: Schwarzer, Sitha
Schlagwörter: Detektion; Vorhofflimmern; detection; atrial fibrillation
Erscheinungsdatum: 2013
Tag der mündlichen Prüfung: 2014-02-19
Zusammenfassung: 
Vorhofflimmern (AF) ist die häufigste Herzrhythmusstörung weltweit und mit einer erhöhten Mortalität und Morbidität verbunden. Durch seine hohe Prävalenz hat es in praktisch jeder internistischen Fachdisziplin eine besondere Relevanz. Im Zuge des demografischen Wandels in unserer Gesellschaft, nimmt die Prävalenz, die im fortgeschrittenen Alter höher ist, in Zukunft weiter zu.
In den letzten Jahren gab es auf dem Gebiet der Diagnostik und Therapie eine deutliche Weiterentwicklung. Die Möglichkeit der Pulmonalvenenisolation zur dauerhaften Therapie von Vorhofflimmern gewinnt immer mehr an Bedeutung, sowie die Entdeckung neuer oraler Antikoagulanzien zur Prävention thromboembolischer Ereignisse unter AF.
Die Symptomatik der Patienten mit AF ist individuell unterschiedlich und variiert von Symptomfreiheit bei etwa 70% der Patienten bis hin zu hohem Leidensdruck mit Symptomen wie Palpitationen, Leistungsminderung, Herzrasen und Unruhegefühl. Das erschwert die Diagnostik und führt dazu, dass AF häufig unerkannt bleibt.
In der vorliegenden Arbeit wird ein neuartiger Algorithmus basierend auf der mathematischen Methode der Wavelet-Transformation zur Detektion von AF vorgestellt und getestet. Es wurden 275 Patienten des Universitätsklinikums Eppendorf, bei denen eine elektrische Kardioversion durchgeführt wurde, eingeschlossen. Vorhofflimmer-EKGs und Sinusrhythmus-EKGs dieser Patienten wurden mithilfe eines Standard-Algorithmus zur Detektion von AF nach Shouldice und mit dem Wavelet-Algorithmus analysiert. Anschließend erfolgte eine manuelle Auswertung der EKGs und Überprüfung der Ergebnisse der Algorithmen. Der Wavelet-Algorithmus zeichnete sich durch eine höhere Sensitivität (96,1 %) und Spezifität (72,3%) gegenüber dem Shouldice-Algorithmus (Sensitivität: 91,2%, Spezifität: 21,3%) aus. Die beiden Detektionsalgorithmen wurden mittels einer Receiver Operating Characteristic verglichen, die die Güte eines statistischen Tests bewertet. Hier zeigte sich der Wavelet-Algorithmus signifikant besser gegenüber dem Shouldice-Algorithmus (P<0,0001).
Weiterhin zeichnet sich der Wavelet-Algorithmus durch einen geringeren Rechenaufwand mit einer Berechnungszeit von 137 ms gegenüber dem Shouldice-Algorithmus (960 ms) aus.
Der in dieser Arbeit beschriebene Wavelet-Algorithmus eignet sich z.B. zur Integration in eine Langzeit-EKG-Software, einen Event-Recorder oder implantierbaren Kardioverter-Defibrillator und ermöglicht damit in Zukunft eine schnellere und zuverlässigere Detektion von AF.
Der Wavelet-Algorithmus kann vielfältig verwendet werden und wesentlich zur Diagnostik von AF beitragen. Durch die verbesserte Diagnostik, ist die Einleitung einer frühzeitigen Therapie und Prävention thrombembolischer Ereignisse möglich. Bestenfalls kann so die Morbidität und Mortalität von AF in Zukunft reduziert werden.
URL: https://ediss.sub.uni-hamburg.de/handle/ediss/5314
URN: urn:nbn:de:gbv:18-66375
Dokumenttyp: Dissertation
Betreuer*in: Willems, Stephan (Prof. Dr.)
Enthalten in den Sammlungen:Elektronische Dissertationen und Habilitationen

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat  
Dissertation.pdf1.51 MBAdobe PDFÖffnen/Anzeigen
Zur Langanzeige

Diese Publikation steht in elektronischer Form im Internet bereit und kann gelesen werden. Über den freien Zugang hinaus wurden durch die Urheberin / den Urheber keine weiteren Rechte eingeräumt. Nutzungshandlungen (wie zum Beispiel der Download, das Bearbeiten, das Weiterverbreiten) sind daher nur im Rahmen der gesetzlichen Erlaubnisse des Urheberrechtsgesetzes (UrhG) erlaubt. Dies gilt für die Publikation sowie für ihre einzelnen Bestandteile, soweit nichts Anderes ausgewiesen ist.

Info

Seitenansichten

36
Letzte Woche
Letzten Monat
geprüft am 10.04.2021

Download(s)

47
Letzte Woche
Letzten Monat
geprüft am 10.04.2021
Werkzeuge

Google ScholarTM

Prüfe