三度房室传导阻滞患者行左束支区域起搏的有效性及安全性研究

来源 :昆明医科大学 | 被引量 : 0次 | 上传用户:whb35750
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
[目 的]本研究旨在探究左束支区域起搏在三度房室传导阻滞患者的可行性、安全性以及对QRS波时限、心功能及心脏同步性的影响。[方 法]入选2019年1月1日至12月30日因三度房室传导阻滞入住昆明医科大学第一附属医院心内科的患者40例,将病人随机分配为右室心尖部起搏组(Right ventricular apical pacing,RVAP)和左束支区域起搏组(Left bundle branch area pacing,LBBaP),其中 RVAP 组20 人,LBBaP组20 人。术后 1 月、6月进行随访,比较两组术前、术后起搏相关参数、QRS波时限、左室射血分数(LVEF)、主动脉瓣血流速度时间积分(AVTI)、心室间机械性延迟(IVMD),十二节段达峰时间标准差(Ts-SD12)的差异。[结 果]1.①两组内术后与术前QRS波时限比较:RVAP组(159.45±6.43ms vs 106.50±6.62ms,P<0.01);LBBaP 组(112.95±7.47ms vs 104.40±8.13ms,P<0.01);②两组间术后QRS波时限比较:RVAP组vs LBBaP组(159.45±6.43ms vs 112.95±7.47ms,P<0.01);2.两组内术后的起搏阈值、感知、阻抗较术前无明显变化(P>0.05),各组间起搏参数比较:各组间起搏参数感知、阈值、感知无明显变化(P>0.05)。3.评价左室收缩指标在两组内术后与术前比较、两组间术后比较均无明显变化(P>0.05)。4.室间同步性比较:①组内比较:RVAP组术后心超指标IVMD较术前明显延长(39.65±5.45 ms vs 24.05±6.02ms,P<0.01);LBBaP 组术后心超指标 IVMD较术前延长(25.10±5.25ms VS 21.70±4.70ms,P>0.05);②组间比较:术后 1月,两组间 IVMD 比较(LBBaP 组 vs RVAP 组 24.40±6.08ms vs 30.30±6.19ms P<0.05);术后 6 月,两组间 IVMD 比较(LBBaP 组 vs RVAP 组 25.10±5.25ms vs 39.65±5.45ms,P<0.01);5.以Ts-SD12来评价左室内同步性:①组内比较:RVAP组内术后Ts-SD12较术前明显延长(44.55±8.51ms vs 24.40±5.51ms,P<0.01);LBBaP 组术后Ts-SD12 较术前无明显缩短(21.20±4.88ms vs 23.80±5.88ms,P=0.182),差异无统计学意义;②组间比较:两组间术后Ts-SD12比较,有明显改变(RVAP组vs LBBaP 组 44.55±8.51msvs 21.20±4.88ms,P<0.01)。[结 论]1.对于Ⅲ°AVB的患者,经间隔永久左束支起搏是一种安全、有效的生理性起搏策略;2.同RVAP相比,LBBaP能较好地维持左室内、室间同步性。
其他文献
实现L5级自动驾驶需要以前所未有的速度来收集、存储和处理数据,传统的嵌入式技术难以应对L5级自动驾驶带来的挑战。本文介绍一种高性能数据记录的领先解决方案,可以在车轮上
春季昼夜温差大,空气湿度大,忽冷忽热和潮湿的天气极不利于生猪健康,散养户和中小型生猪养殖场须抓住六个要点:$$1.注意及时开或关猪舍门窗。当出太阳时,猪舍内温度升高,环境中的微
报纸
异常检测是对数据集中存在非正常模式下所产生数据的检测。多维时间序列(Multidimensional Time Series,MTS)是多维变量按时间顺序记录一系列观察值的集合。驾驶交通工具所产
在中国的城市化和经济发展过程中,有许多群体为之做出了贡献,其中流动人口也在其中,同时,老年流动人口也正在成为流动人口中一个日益庞大的群体。在人口老龄化速度的加快大背景下,出于打工、养老、看病或照顾祖辈的原因等等,老年流动人口流动的现象也会越来越常见。但由于本身流动人口和老龄化的特质等因素制约着其获得基本公共卫生服务的可及性。本研究在社会支持理论、社会公平理论和安德森医疗卫生服务利用行为模型的基础上
香菇多糖具有多种药理学活性,不同生长发育期香菇多糖结构特性和体外免疫、抗肿瘤活性等生物活性间有一定的联系。本文以不同生长发育期(菇蕾期L1、未成熟子实体L2、成熟子实
本文提出一种基于统计学相关性分析的多维时序异常数据检测分析方法,以对检测中表现为异常的数据进行溯源:对反映系统故障的数据和传感器质量问题的数据进行分类,进而识别出真正
我国工业领域逐渐趋于自动化、大型化、系统化,而关键生产设备一旦出现特殊工况,将会给整个生产系统造成影响,因此生产设备安全问题逐渐受到人们的重视。传感器网络在许多现实系统(如智能建筑、工厂、电厂和数据中心)中的普及为生产设备生成了大量的多维度时间序列数据。丰富的传感器数据可以通过异常检测持续监控。然而,由于这些系统的动态复杂性,传统的异常检测方法无法及时地做出预测,而有监督的机器学习方法由于缺少标记
航天器遥测数据可以体现出航天器在轨运行时各部件的工作状态和运行情况,是航天器安全稳定运行的重要依据。但是由于通讯误码或数据采样误差等多种原因,遥测数据会出现许多自身的不确定性,可靠性和准确性降低。可靠性低的遥测数据对于下一步分析航天器运行状态、基于大数据的遥测数据分析等后续数据应用会产生很大的影响,因此,有效地评估遥测数据的可信度对于航天器测控具有重要的意义。本文是在某航天器设备的温度和电压参数数
随着近年来工业物联网的快速发展,火电厂工业设备上部署了大量的传感器来实时地监测设备的运行状况,这种传感器记录的数据为多维度的时间序列数据。通过对数据中存在的异常进