A Photoplethysmography-Based Machine Learning Algorithm for Early Atrial Fibrillation Detection: A Prospective Validation Study

MI-összefoglaló

A vizsgálat saját részvételi feltételeiből. Gép olvasta ki az oldalon álló regiszterszövegből, ezért tévedhet. Hogy ki vehet részt, azt a lenti regiszterszöveg és a vizsgálat csapata dönti el.

A vizsgálat szívelégtelenségben szenvedő felnőtteket keres. Egy olyan számítógépes programot tesztel, amely a bőrön át mért pulzusjelből ismeri fel a pitvarfibrillációt.

Életkor

18 éves vagy idősebb

Nem

Férfiak és nők

A betegség stádiuma

Szívelégtelenség az alábbi típusok bármelyikével: HFrEF, HFmrEF vagy HFpEF

Biomarker vagy leletérték

12 elvezetéses EKG a szívritmus megerősítésére (pitvarfibrilláció vagy nem)

A részvétel fő kizáró okai

• Nincs érvényes PPG-felvétel

A regiszter feltételei, szó szerint

Mit akar kideríteni a vizsgálat

This is a prospective study validating a new machine-learning algorithm that detects atrial fibrillation (AF) from photoplethysmography (PPG) signals, developed for integration into the Seerlinq remote monitoring platform. This algorithm builds on the same core PPG signal-processing technology as Seerlinq's HeartCore device, a CE-certified (Class IIb, MDR) device that monitors left ventricular filling pressures in heart failure patients. The algorithm will be validated through internal cross-validation, external validation against an independent cohort with paired PPG-ECG recordings, and validation in a cohort of patients with paroxysmal atrial fibrillation and frequent sinus-AF transitions.

A vizsgálat 2 csoportja

• Documented AF

  HF patients with a history of permanent/paroxysmal AF and AF documented on 12-lead ECG at enrollment

  Kezelés: PPG-based AF detection algorithm

• Non-AF

  HF patients in sinus rhythm on the index 12-lead ECG with no prior documented AF episodes

  Kezelés: PPG-based AF detection algorithm