Summary

一种计算机辅助心血管分析诊断平台的研究

Published: September 26, 2018
doi:

Summary

本文提出了一种基于网络的基于 web 的临床决策支持系统的协议, 它集成了医生为完成心血管分析, 风险评估, 早期所需的一整套完整的功能和服务。随着时间的推移, 诊断、治疗和监测。

Abstract

心血管疾病 (心血管病) 是世界各地死亡的主要原因。发展 CVD 的总风险是由不同的心血管危险因素 (糖尿病、血压升高、不健康饮食、烟草使用、压力) 的综合作用所决定的, 通常共存并采取行动乘法.大多数心血管病可以通过早期识别高危因素和适当的治疗来预防。心血管危险因素的分层包括专家在临床实践中使用的一系列参数和测试。除了心血管 (CV) 风险分层, 动态血压监测 (血压) 也提供相关信息的诊断和治疗的目的。这项工作提供了一份基于 “九蛇” 平台的协议列表, 一个基于 web 的临床决策支持系统, 其中包含了一套完整的心血管分析、风险评估、早期诊断所需的功能和服务。, 治疗和监测病人的时间。该计划包括输入和管理综合病人数据的工具, 组织成不同的检查, 跟踪时间的演变。它还有一个风险分层工具来计算一个 CV 风险因子基于几个风险分层的参考表。此外, 该计划还包括一个工具, 其中包含血压分析, 并允许提取有价值的信息, 通过监测血压在特定的时间段内。最后, 报告服务总结了一组报告中最相关的信息, 帮助临床医生进行临床决策过程。

Introduction

心血管疾病 (心血管病) 是一组循环系统紊乱, 它构成了全世界12的残疾和过早死亡的主要原因。据世界卫生组织 (卫生组织) 称, 2015年, 估计有1770万人死于心血管病, 占全球死亡人数的 31%, 为12。心血管病有许多危险因素, 包括诸如烟草使用、不健康饮食、有害使用酒精、身体活动不足以及生理因素, 包括血压升高 (高血压)、高胆固醇等行为因素。或升高的血糖, 在其他2,3。高血压是导致早期心血管疾病的一个主要危险因素, 它负责高水平的心血管发病率和死亡率4,5。此外, 据估计, 发达国家成年人的高血压发病率几乎是 40%678。然而, 它仍然被广泛发现, undertreated 和控制不善3,4

CVD 是一个重大的公共卫生问题, 对任何特定的卫生保健系统造成重大经济负担6。早期确定最高心血管风险和适当的治疗可以预防临床事件和过早死亡4,5。因此, 对所有这些因素进行全面和彻底的跟踪, 有明显的健康和经济收益。心血管危险因素245的综合作用决定了 CVD 的发展总风险, 通常共存并乘法。因此, 对早期发现以及对预防性干预措施的强度进行临床决策是可取的。因此, 可减少发病率、早期死亡率和残疾, 并提高2的总 CVD 风险的个体的生活质量。

心血管病的诊断是通过对医生在临床实践中使用的不同程序收集的一系列参数的分析确定的。对这些参数的评估, 可以计算一个总的 CV 风险因子, 这是有用的诊断和治疗目的2,4,5。除了对 CV 风险进行分层外, 动态血压监测 (血压)9还提供了有价值的信息。血压测试允许跟踪患者的血压 (BP) 在他们的日常例行, 避免影响的临床设置 (白大褂综合征)。因此, 可以获得一组可靠的测量结果, 以便提取支持临床决策过程的附加信息。

因此, 对心血管系统的分析涉及大量的数据, 需要繁琐而耗时的任务, 使诊断和治疗处方复杂化。在这方面, 病人的全面资料, 收集所有所需数据连同一套自动服务, 以提取必要的资料, 将是一个重大的改进, 以指导临床医生在他们的决策过程。除此之外, 提供一个可访问的平台, 集中所有病人的信息, 不仅可以使不同地点的专家之间的协作, 而且还允许讨论有争议的案件, 并提供可靠的诊断。

近年来, 计算机应用和远程医疗的使用大大增加, 在改善所有人口部门的公共卫生和福利方面发挥了重要作用。这是因为他们有能力提取相关和有用的信息, 以及早诊断和治疗几种疾病10。使用这些工具可以提高保健服务的质量, 从而方便和可靠地满足患者的需求, 并降低成本11。作为参考, 鉴于越来越多的医疗设备和更复杂的捕获设备, 全球成像程序的数量已经大幅增加。因此, Lundberg12提出了一个远程医疗工具来评估数字图像质量和在耳鼻咽喉领域的考官之间的协议。奥尔特加13开发了天狼星, 一个计算机辅助诊断框架的视网膜图像分析。诺14还提出了与颈动脉 macrocirculation 结合的视网膜微循环分析平台。

在 CV 评估方面, 多年来可获得的工具数目稳步增加。一些公用事业的设计, 以预测心血管疾病的风险-如帕雷德斯建议的工具等. 15 -或通过实现戈夫所提出的算法在线计算风险。16根据评估心血管风险的指南, 计算10年心脏病风险。其他系统的设计是用来与移动电话, 如苏菲的建议等. 17 . 从人体传感器中识别疾病, 由林设计的装置。18为跟踪心电图, 以检测异常节律的存在, 并发出警报, 该应用程序从李19用于监测呼吸和心率值, 而一个人行使或实施的应用康和公园20管理血压升高的基础上的临床指导方针。

可用的实用程序主要用于满足特定情况下的病人需求。另一方面, 本文描述了一个基于21的协议, 这个平台的重点是对心血管系统的分析, 它完全是为了支持专家在他们的临床决策过程。该工具包含了一系列的功能和服务, 医生需要可靠的心血管分析, 包括风险评估, 早期诊断, 治疗处方和病人的监测时间。因此, 有一个工具, 输入和管理病人的数据记录在不同的检查。然后, 风险分层工具自动提供基于不同风险分层参考表的 CV 风险因子。除此之外, 血压分析工具还可以在特定时间内从血压记录的分析中提取有价值的信息。最后, 在一组报告中总结了最相关的信息, 指导临床医生诊断和适当的治疗处方。这样, 被描述的协议导致完善的心血管分析支持一个可靠的诊断和适当的治疗。此外, 所提出的平台允许专家之间的协作, 从而促进临床研究。

Protocol

所有程序都是根据体制上批准的议定书进行的, 患者同意。 1. 病人及体检登记 注: 见图 1。 使用任何现代 web 浏览器到 http://www.varpa.es/Hydra/。 使用与医生关联的现有帐户登录到 “九头蛇” web 工具。 填写病人登记表, 包括患者密码、出生日期、性别和族裔登记新病人。单击 “包含” 按钮以?…

Representative Results

步骤1中描述的患者注册是通过填写图 1所示的表单进行的。一旦用户注册了一个新的病人, 应用程序向前迈进, 介绍第一次检查, 这允许输入的综合病人数据。图 2显示了检查信息的第一种形式的截图。单击 “下一步” 按钮后, 应用程序将向前移动到图 3中所示的第二个检查窗体。点击结束</…

Discussion

及早确定和监测各种心血管危险因素以及适当的治疗对预防心血管疾病和过早死亡至关重要。在日常的临床例行, 临床医生必须处理大量的不同的信息, 以检查所有的变量和参数, 影响循环系统。因此, 这是一个繁琐和耗时的任务, 使诊断和治疗的处方复杂化。

拟议的议定书允许对心血管系统进行全面分析。这些协议包括所有与心血管分析有关的数据的输入, 记录在完整的病人?…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

这项工作得到西班牙政府和欧洲区域发展基金 (ERDF) 的干杯的支持, 通过 PI14/02161 和 DTS15/00153 研究项目和 Xunta 加利西亚中心–加利西亚中心。认证 2016-2019 ED431G/01;和 Grupos de Referencia Competitiva, 参考文献 ED431C 2016-047。

Materials

Computer with color screen N/A N/A
Internet connection N/A N/A
Modern web broser N/A N/A Google Chrome, Internet Explorer, Safari, Fierfox, etc.
Blood pressure monitor Spacelabs N/A Spacelabs 90217

Riferimenti

  1. Stamler, J., Stamler, R., Neaton, J. D. Blood pressure, systolic and diastolic, and cardiovascular risks: US population data. Archives of Internal Medicine. 153 (5), 598-615 (1993).
  2. Kannel, W., Wilson, P. An update on coronary risk factors. Medical Clinics of North America. 79 (5), 951-971 (1995).
  3. Tarride, J. E., et al. A review of the cost of cardiovascular disease. The Canadian Journal of Cardiology. 25 (6), 195-202 (2009).
  4. Wolf-Maier, K., et al. Hypertension prevalence and blood pressure levels in 6 European countries, Canada, and the United States. The Journal of American Medical Association. 289 (18), 2363-2369 (2003).
  5. Kearney, P., Whelton, M., Reynolds, K., Muntner, P., Whelton, P., He, J. Global burden of hypertension: analysis of worldwide data. The Lancet. 365 (9455), 217-223 (2005).
  6. Hermida, R., Smolensky, H., Ayala, E., Portaluppi, F. Ambulatory Blood Pressure Monitoring (ABPM) as the reference standard for diagnosis of hypertension and assessment of vascular risk in adults. Chronobiology International. 32 (10), 1329-1342 (2015).
  7. Field, M. . Telemedicine: A Guide to Assessing Telecommunications in Health Care. , (1996).
  8. Charles, B. Telemedicine can lower costs and improve access. Healthcare Financical Management. 54 (4), 66-69 (2000).
  9. Lundberg, T., Westman, G., Hellstrom, S., Sandstrom, H. Digital imaging and telemedicine as a tool for studying inflammatory conditions in the middle ear – evaluation of image quality and agreement between examiners. International Journal of Pediatric Otorhinolaryngoly. 72 (1), 73-79 (2008).
  10. Ortega, M., Barreira, N., Novo, J., Penedo, M., Pose-Reino, A., Gómez-Ulla, F. Sirius: a web-based system for retinal image analysis. International Journal of Medical Informatics. 79 (10), 722-732 (2010).
  11. Novo, J., Rouco, J., Barreira, N., Ortega, M., Penedo, M. G., Campilho, A. Wivern: a Web-Based System Enabling Computer-Aided Diagnosis and Interdisciplinary Expert Collaboration for Vascular Research. Journal of Medical and Biological Engineering. 37 (6), 920-935 (2017).
  12. Paredes, S., Rocha, T., de Carvalho, P., Henriques, J., Morais, J. Matlab tool for cardiovascular disease risk prediction. Experiment@ International Conference (exp.at’ 13). , 190-191 (2013).
  13. Goff, D., et al. 2013 ACC/AHA Guideline on the Assessment of Cardiovascular Risk. Circulation. 137 (11), (2013).
  14. Sufi, F., Khalil, I., Tari, Z. A cardiod based technique to identify cardiovascular diseases using mobile phones and body sensors. Conference Proceedings IEEE Engineering in Medicine and Biology Society. 2010, 5500-5503 (2010).
  15. Lin, C. T., et al. An intelligent telecardiology system using a wearable and wireless ECG to detect atrial fibrillation. IEEE Transactions on Information Technology in Biomedicine. 14 (3), 726-733 (2010).
  16. Lee, H., Wang, W., Lu, S., Wu, B., Ko, L. Home-based mobile cardio-pulmonary rehabilitation consultant system. Conference Proceedings IEEE Engineering in Medicine and Biology Society. , 989-992 (2011).
  17. Kang, H., Park, H. Development of hypertension management mobile application based on clinical practice guidelines. Studies in Health Technology and Informatics. 210, 602-606 (2015).
  18. Novo, J., Hermida, A., Ortega, M., Barreira, N., Penedo, M. G., López, J. E., Calvo, C. Hydra: A web-based system for cardiovascular analysis, diagnosis and treatment. Computer methods and programs in biomedicina. 139, 61-81 (2017).
  19. Janes, H., Pepe, M., Gu, W. Assessing the value of risk predictions by using risk stratification tables. Annals of Internal Medicine. 149 (10), 751-760 (2008).
  20. Mancia, G., et al. 2007 Guidelines for the management of arterial hypertension: the Task Force for the Management of Arterial Hypertension of the European Society of Hypertension (ESH) and of the European Society of Cardiology (ESC). Journal of Hypertension. 25 (6), 1105-1187 (2007).
  21. Grundy, S., Brewer, H., Cleeman, J., Smith, S., Lenfant, C. Definition of metabolic syndrome: report of the National Heart, Lung, and Blood Institute/American Heart Association Conference on scientific issues related to definition. Circulation. 109 (3), 433-438 (2004).
  22. Conroy, R., et al. Estimation of ten-year risk of fatal cardiovascular disease in Europe: the SCORE project. European Heart Journal. 24 (11), 987-1003 (2003).
  23. Kannel, W., McGee, D., Gordon, T., et al. A general cardiovascular risk profile: the Framingham study. American Journal of Cardiology. 38 (1), 46-51 (1976).
check_url/it/58132?article_type=t

Play Video

Citazione di questo articolo
Ramos, L., Novo, J., Barreira, N., Rouco, J., Penedo, M. G., Ortega, M. Hydra, a Computer-Based Platform for Aiding Clinicians in Cardiovascular Analysis and Diagnosis. J. Vis. Exp. (139), e58132, doi:10.3791/58132 (2018).

View Video