ECG Parameters in Short-Term Prediction of Ventricular Arrhythmias
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
Major/Subject
Mcode
Tfy-9
Degree programme
Language
en
Pages
[9] + 75 s.
Series
Abstract
Malignant spontaneous ventricular arrhythmias, such as ventricular tachycardia (VT) and ventricular fibrillation (VF), are the most common trigger of sudden cardiac death (SCD) in and out of hospital. For a hospitalized patient, occurrence of such arrhythmia is a struggle of life and death where every second of oxygen deprivation, resulting from reduced blood flow, decreases chances of survival. Despite recent advances in resuscitation strategies, survival rates in in-hospital cardiac arrests remain unacceptably low. Main factors contributing to the poor prognosis are lack of patient monitoring and delay in the initiation of resuscitation. Thus, in order to increase the likelihood of successful resuscitation, or prevent the arrhythmia from happening in the first place, continuous and quantitative risk of arrhythmia assessment is required. Currently, however, cardiac monitoring is utilized to detect the onset of life threatening cardiac episodes only. Thus, development of risk indices and the study of precursors of lethal arrhythmias have great clinical value and will lead to better cardiac monitoring. In this thesis, changes in ECG signal preceding lethal cardiac arrhythmias are studied both in different patient groups and in individual patients. Furthermore, an algorithm predicting imminent ventricular tachyarrhythmias is presented. Current knowledge of underlying mechanisms of onset of ventricular arrhythmias is used to assess the risk of arrhythmia continuously during cardiac monitoring of a patient. Our approach is novel and similar assessment of such algorithm has not been published previously. A review of existing methods and applications for risk assessment of SCD with discussion of future trends and possibilities is also given.Malignit kammioperäiset rytmihäiriöt, kuten kammiotakykardia ja kammiovärinä, ovat yleisimpiä syitä sydänperäiseen äkkikuolemaan sekä sairaalassa että sen ulkopuolella. Sairaalassa kuten sen ulkopuolellakin tällaiset rytmihäiriöt ovat aina hengenvaarallisia ja pitkittyessään vähentynyt tai pysähtynyt hapenkuljetus elimistöön pienentää todennäköisyyttä selviytyä. Huolimatta viimeaikaisista ponnisteluista viiveettömän ja tehokkaamman elvytyksen eteen, sairaalassa tapahtuvien sydänkohtausten ennuste on pysynyt huonona. Tämä johtuu lähinnä viiveestä elvytyksen aloittamisessa ja monitoroinnin puutteesta, joten oleellisinta ennusteen parantamisen kannalta olisi jatkuva rytmihäiriöriskin kvantitatiivinen arviointi potilasmonitoroinnilla. Näin useat rytmihäiriöt voitaisiin estää ja alkaviin voitaisiin reagoida nopeammin. Nykyisin potilasmonitorointi on kuitenkin keskittynyt jo alkaneiden rytmihäiriöiden tunnistamiseen eikä ennustavia ratkaisuja ole tarjolla. äkillistä sydänkohtausta edeltävien ilmiöiden tutkiminen ja rytmihäiriöriskin määrittäminen kajoamattomalla potilasmonitoroinnilla ovat ensisijaisen tärkeitä, mikäli rytmihäiriöpotilaiden ennustetta halutaan parantaa sairaalaympäristössä. Tässä opinnäytteessä tutkitaan rytmihäiriöitä edeltäviä muutoksia EKG-signaalista mitattavissa parametreissa eri potilasryhmissä ja yksittäisillä potilailla. Esittelemme algoritmin, joka arvioi EKG:sta mitatuista parametreista yksittäisen potilaan riskiä rytmihäiriön käynnistymiseen. Valitsemamme lähestymistapa poikkeaa täysin olemassa olevista eikä vastaavia tuloksia ole aikaisemmin julkaistu. Algoritmin kehityksessä hyödynnetään laajasti olemassa olevaa tutkimustietoa rytmihäiriöiden käynnistymisestä ja ylläpidosta. Olemassa olevat menetelmät on esitelty laajassa kirjallisuuskatsauksessa. Opinnäytetyön lopussa algoritmin kliinistä hyödyllisyyttä ja tulevia kehitysnäkymiä on arvioitu saavutettujen tulosten valossa.Description
Supervisor
Ilmoniemi, RistoThesis advisor
Kaski, MikkoKeywords
elektrokardiografia (EKG), äkillinen sydänkuolema, epänormaali repolarisaatio, ennustavat algoritmit sydänmonitoroinnissa, spontaanit kammioarytmiat, T-aallon morfologia, electrocardiography (ECG), in-hospital sudden cardiac death, abnormal repolarization, predictive monitoring, spontaneous ventricular tachyarrhythmias, T wave morphology