English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Zendy Plus

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Zendy Tools

Zendy Open

Vorhofflimmern ist die häufigste und klinisch wichtigste Herzrhythmusstörung. Eine der bedrohlichsten Folgeerkrankungen ist der Schlaganfall. Um die Anzahl der Schlaganfälle zu reduzieren, müssen Vorhofflimmerpatienten sicher als solche identifiziert werden, um sie anschließend frühzeitig therapieren zu können. Grundlage für den hier vorgestellten Algorithmus bildet ein 60 Minuten langes Einkanal-EKG. Darin werden zunächst die R-Zacken detektiert und anschließend die RR-Abstände berechnet. Um die RR-Abstände pulsunabhängig zu erhalten, wird eine Normierung auf 60 Schläge pro Minute durchgeführt. Zur Analyse wird ein Parameter der Herzfrequenzvariabilität im Zeitbereich (SDSD) berechnet und der sogenannte Poincaré-Plot erstellt, mit dem eine automatische Bildanalyse durchgeführt wird. Aus den Ergebnissen der Zeitbereichs- und Bildanalyse wird ein Risikolevel bestimmt, anhand dessen entschieden werden kann, ob es sich um einen Vorhofflimmerpatienten handelt. Die Besonderheit des hier vorgestellten Algorithmus liegt darin, Vorhofflimmerpatienten auch dann zu erkennen, wenn zum Zeitpunkt der Analyse überhaupt kein Vorhofflimmern im EKG vorliegt. Die mit dem Algorithmus erreichte Sensitivität hängt von der Vorhofflimmerlast ab. Aber selbst bei einer Vorhofflimmerlast von 0% beträgt die Sensitivität ca. 83%.

Identifizieren von Patienten mit Vorhofflimmern anhand von HRV-Parametern / Identification of patients with atrial fibrillation using HRV parameters