单中心前移动心房颤动应用程序在真实世界环境中持续监测心房颤动的验证:试点队列研究

简介

心房颤动(房颤)是临床上最常见的反复发作的心律失常，占一般人群的1%-2% [1］．近十年前，两项流行病学研究发现中国人群的房颤患病率约为0.7% [2，3.］．另有研究发现，2001年至2012年，中国西南地区房颤患病率增加了20倍，房颤相关中风患病率增加了13倍[4］．因此，2016年中国估计有1000万房颤患者[5］．在临床上确诊时，至少三分之一的房颤患者无症状[6］．有些病人发病时间很短，症状模糊。因此，这些流行病学数字可能被低估了，因为许多无症状或阵发性房颤患者可能未被发现[7，8］．然而，由于人口老龄化，预计在未来30-50年房颤的患病率将显著增加。预计2060年韩国房颤患病率为5.81%，2050年台湾房颤患病率为4.01% [9，10］．此外，房颤是中风的重要危险因素，使中风风险增加5倍，占所有中风病例的近三分之一[11-13］．因此，房颤很可能在未来成为一个重要的公共卫生问题。早期诊断和抗凝治疗可使af相关中风的数量减少约三分之二[14]，因此，尽早有效地检测房颤尤为重要。

然而，阵发性房颤可能诊断不足，因为可能没有在医院发病[15］．移动医疗可以提供一个有前途的解决方案[16］．智能手机应用程序和可穿戴健身追踪器的普及和高速更新功能，使得在现实环境中持续自我监测健康指标成为可能。患者和临床医生可以利用这些技术进行积极的医疗保健。例如，人们可以使用智能手机应用程序和智能手环来计算步数，测量睡眠时间，并持续监测心率/节奏。

光容量描记术是一种通过皮肤毛细血管床测量组织血量变化的光学方法，可通过智能手机与智能腕带/手表结合使用，无需任何额外的外围设备[17，18］．智能手机和可穿戴设备利用光学检测光容积描记术信号来跟踪手指和手腕的心率/节律，实现了房颤检测的高灵敏度和特异性[19，20.］．迄今为止，大多数检验这种房颤检测方法的研究都使用单点试验。我们之前的研究也证实了智能手机单点光电体积描记术检测房颤的可行性[21］．在医院环境之外对房颤患者的真实研究是有限的。基于光容积描记术的智能设备在持续自动监测房颤风险方面的应用尚不清楚。本研究的目的是验证基于光电容积描记的智能设备连续检测房颤的准确性和敏感性，并探讨影响检测的潜在临床因素。

方法

研究人群

本次试点研究的受试者于2018年9月14日至2018年10月16日从社区和中国人民解放军总医院门诊部招募。我们纳入了年龄≥18岁、能够提供知情同意并愿意佩戴智能可穿戴设备的成年参与者。由于存在心脏起搏器或植入式除颤器，或无法使用智能可穿戴设备，个人被排除在研究之外。

研究过程

本研究使用了三种类型的智能可穿戴设备。其中包括华为WatchGT [22]、荣誉表[23]，以及Honor Band4 [24］．使用了匹配的智能手机应用程序(荣誉9;华为设备有限公司，深圳)。华为智能穿戴设备免费提供给受试者。

所有受试者在入组时均接受智能腕带/手表的主动测量。在医生诊断后立即使用设备进行测量，每个参与者使用三种设备中的两种。如果最初的两次测量失败，就会进行额外的测量。研究人员帮助参与者放置表带/手表，并指示他们将手臂放在桌子上保持不动。记录45s光容量脉搏信号，并提供单点心律检测结果。

在主动测量后，200名拥有华为智能手机的参与者每人都配备了Honor Band4，在14天内持续监测心率/节律。每位参与者都得到了研究团队成员的帮助，将应用程序下载到他/她的智能手机上。参与者还接受了如何使用该设备的培训。他们被要求每天主动测量两次，并尽可能长时间地佩戴智能手环，以便尽可能地记录最自动的周期性测量数据。无论受试者是步行还是休息，每10分钟自动进行一次周期性测量，并连续收集60秒的光容量脉搏图信号。然而，首先执行该算法是为了确定信号质量是否足够好，以便进行进一步分析。随后，采用光容量描记法对不规则脉搏节律进行筛选。至少需要30秒的房颤才符合房颤的定义。

这是房颤筛查的单中心试点研究，也是mafa II前登记的一部分。在mafa之前的研究中，研究了移动医疗技术在改善房颤筛查、患者参与和优化综合护理方面的作用。中国人民解放军总医院医学伦理委员会和中国食品药品监督管理局批准了本研究方案(批准文号:S2017-105-02)。此外，本研究已在世界卫生组织国际临床试验注册平台(ChiCTR-OOC-17014138)的中国临床试验注册中心注册。

心房颤动的检测与确认

心房颤动的诊断由两名医生通过病史、体格检查和心电图独立确诊。入组时收集患者资料，如病史、体格检查、心电图等。医生使用双听诊器来确认同一受试者的心律。如果医生不同意通过双听诊器和脉搏检查得到的诊断，受试者将进一步接受由另外两名医生独立检查的12导联心电图。

阵发性房颤被定义为自我终止，在大多数情况下，在48小时内。有些房颤发作可持续7天。7天内心跳停止的房颤发作被认为是阵发性的[25］．

持续性房颤定义为持续时间超过7天的房颤，包括7天或更长时间后通过药物或直流电心脏复律终止的发作[25］．

Photoplethysmography算法

采用一种高效的机器学习方法boosting训练模型进行AF筛选。该模型利用了从光容量描记术波形和峰间间隔中提取的敏感特征。对于窦性心律数据，光容量描记术的峰至峰间隔是一致的，但对于房颤发作是混乱的。例如，从房颤发作的峰峰间间隔得出的方差、熵等是波动的(多媒体附件1而且2)．使用三种智能设备来研究光电容积描记传感器位置的布局是否影响光电容积描记算法检测房颤的准确性。

统计分析

连续变量采用Kolmogorov-Smirnov检验进行正态性检验。正态分布的数据以均值(SD)表示。非正态分布的数据采用Mann-Whitney U检验进行分析，并以中位数(四分位间距[IQR])表示。分类变量分析采用Pearson卡方检验或Fisher精确检验。

通过与医生诊断相比较，智能可穿戴设备的周期性解释计算敏感性和特异性。使用MedCalc 12.6.1.0 (MedCalc Software BVBA, Ostend, Belgium)对Kappa系数进行诊断一致性评估。极佳的一致性定义为kappa系数>0.80。

一个双边P值<。05被认为有统计学意义。计算95% ci，并使用IBM SPSS Statistics 25.0版(SPSS Inc, Chicago, Illinois)进行统计分析。

结果

基线特征和心房颤动诊断

共有361名受试者(中位年龄50岁;差= 36 - 62年);178例为女性(49.3%)，除12例脉搏信号较差者外。20例为阵发性房颤，11例为持续性房颤，330例为窦性心律，在入组时由医生通过病史、体检和心电图确认。

光容积描记术主动测量

所有361名受试者都接受了至少两种智能可穿戴设备的45秒光电容积描记术主动测量，共有735次有效脉冲波形记录。在735个有效的光容量描记信号中，77个信号被归类为房颤，658个信号被归类为窦性心律(图1)．

三种采用45s光容积描记术主动测量的智能设备预测房颤的灵敏度均为100%，特异性为98.93% ~ 99.16%，阳性预测值为91.67% ~ 93.10%，阴性预测值为100%。在单点心律检测中，三种智能可穿戴设备的kappa系数均在0.95 ~ 0.96之间，可相对于参考标准检测房颤。对不同智能设备的诊断结果进行进一步统计分析，与医生的诊断结果比较，差异无统计学意义(P= .97点;表1)．

‎ 查看此图

连续光容量描记术检测心房颤动

共有171名受试者(平均年龄53.23岁，标准差13.58岁)，其中85名(50%)女性，使用智能带完成了14天的连续监测，得到25482个有效的光容积脉搏波信号。这些信号结果记录于11例持续性房颤，20例阵发性房颤，140例窦性心律，均由医生以临床资料(图1，表2)．

47例(28%)患者存在高血压;糖尿病23例(14%);冠状动脉疾病，14例(8%);目前吸烟，24例(14%);32例(19%)患者目前饮酒。心力衰竭等其他疾病的患病率低于5%。CHA2DS2-VASc(充血性心力衰竭，高血压，年龄≥75岁[翻倍]，糖尿病，卒中[翻倍]，血管疾病，年龄65-74岁，女性)评分中位数为1 (IQR=0.75-2.00)，而hs - bled(高血压，肾功能异常，肝功能异常，卒中，出血，INR不稳定[国际标准化比值]，年龄>65岁，药物或酒精)评分中位数为0 (IQR=0.00-1.00;表2)．

我们最终在14天的时间内从171名参与者收集了总共1618个光容量脉搏描记术活动测量信号片段和23,864个光容量脉搏描记术周期测量信号片段(图1)．持续性房颤患者14天内主动监测信号127个(97.0%)，周期性监测信号2240个(99.2%)，提示房颤(图2)，主动监测信号36个(17%)，周期性监测信号717个(19.8%)提示阵发性房颤(图3)．持续性房颤组和阵发性房颤组累计发作次数占14天总测量次数的比例有显著差异(周期性测量:P<。001、主动测量:P=措施)。

对于持续性房颤患者，主动和周期性测量预测房颤的能力(从首次通知房颤的中位时间)为1天(IQR=1.00-1.00) (P=主板)。对于阵发性房颤，在14天的研究期间，12名(60%)患者被确定为周期性测量的房颤，8名(40%)患者被确定为主动测量的房颤，而14名(70%)患者在前6天内被确定为主动和周期性测量的房颤(P=酒精含量)。通过周期性测量和主动测量，首次检测到房颤的中位时间分别为1天(IQR= 1.00-2.00)和2天(IQR=1.25-5.75) (P= 10)。

‎ 查看此图

‎ 查看此图

心房颤动负担与光容积描记术监测

房颤负担定义为24小时内监测到的房颤发作次数与总测量次数之比。对于每24小时AF发作持续时间低于50%的患者，主动测量首次检测到AF的中位数天数为4天(IQR=2.00-6.00)，周期性测量为2天(IQR= 1.00-2.75)。然而，对于每24小时持续50%以上的房颤发作的个体，主动测量(IQR=1.00-1.75)和周期性测量(IQR=1.00-1.00)首次检测到房颤的中位数天数为1天。两组患者首次发现房颤的中位天数有显著差异(主动测量:P=。02、周期性测量:P= .03点;图4)．

‎ 查看此图

讨论

主要研究结果

这项研究发现，基于光容积描记术的智能设备(手表/腕带)可以有效地检测房颤发作，并进行主动或周期性测量。然而，阵发性房颤的检测持续时间较长，因此建议连续定期测量。

基于光容量描记术的智能设备检测心房颤动的准确性和敏感性

我们分析了361名参与者通过主动测量获得的735个有效的光容积描记术信号，排除了12名脉搏信号较差的受试者。结果表明，三种智能可穿戴设备(2只手表和1只手环)在与医生诊断的参考标准进行主动测量时，均表现出很高的kappa系数(0.95 ~ 0.96)。敏感性为100%，特异性为98.93% ~ 99.16%，高于以往文献报道的数据。Tison等[26]的研究结果显示，在51名接受心脏复律的患者中，基于光电容积描记技术的智能手表诊断房颤的敏感性为98.0%，特异性为90.2%，与标准12导联心电图相比。罗真等[27]设计了一项研究，评估了97名患者使用智能手机应用程序作为心脏电转复前后检测房颤的方法，并获得了93.1%的敏感性和90.9%的特异性。

基于光容量描记术的智能设备用于连续14天心房颤动监测的可行性

我们分析了来自171名参与者的25482个有效的光容量脉搏波形信号，这些信号是通过14天的主动和周期性测量获得的。结果表明，在现实世界中，周期性测量也可以达到较高的房颤诊断准确性。对于持续性房颤患者，通过主动测量和周期性测量，分别有127段(97.0%)和2240段(99.2%)的光容量描记信号被识别为房颤。这些数字远高于阵发性房颤患者，主动监测光容量描记术信号仅36个(17%)，周期性监测光容量描记术信号仅717个(19.8%)提示房颤，这与持续性和阵发性房颤的疾病特征一致;即使是持续性房颤患者，房颤发作间也可能有较短的窦性心律。在检测房颤时，周期性测量似乎比主动测量更敏感。对周期性测量的频繁监测很可能会“捕捉”房颤发作，这也需要在大型研究中进一步验证。此外，既往研究显示，60.3%的患者在监测48小时后首次出现心律失常[28］．在本研究中，两种测量方法首次诊断持续性房颤的中位时间均为1天。周期性测量精度高，显示了连续监测的强大优势。这一点很重要，因为患者不仅可以通过主动测量在心悸等症状发作时检测到心律失常，这一点之前在其他研究中已经提到过[29，30.]，还可以通过持续定期监测提高无症状房颤的识别率。

影响连续14天心房颤动检测的因素

在之前的一项研究中，首次检测到房颤的平均时间间隔与房颤总负荷成反比[28］．我们还比较了不同程度房颤负担之间首次检测到房颤的时间。对于24小时内房颤发作持续时间小于50%的患者，主动测量首次检测到房颤的中位数天数为4天，周期性测量为2天。然而，对于在24小时内出现超过50%的房颤发作的患者，两种测量方法到首次发现房颤的中位数天数为1天。这表明，房颤发生越少，检测到房颤的延迟时间就越长(主动测量:P=。02、周期性测量:P= 03)。Steinhubl等[31]报告称，与延迟监测相比，使用基于家庭的可穿戴心电图传感器贴片进行即时持续监测，这导致了更高的房颤诊断率。我们发现，随着监测时间的延长，房颤患者的数量逐渐增加，尤其是阵发性房颤患者。因此，阵发性房颤可能需要更长的测量时间才能确诊。此外，结合主动和周期性测量似乎是一种趋势，在识别房颤时比单独使用其中任何一种更有效，尽管这一结果在统计学上不显著。两种方法联合使用时，第一天可检出11例(100%)持续性房颤患者。此外，根据连续的光容量描记术监测数据，14例(70%)阵发性房颤患者在前6天内被检出，6天后再无新发房颤患者。

局限性和未来发展方向

这项研究有几个局限性。首先，样本量相对较小。其次，一些参与者没有严格按照研究要求完成每天两次的主动测量。此外，由于持续性房颤患者在第8天之后缺乏测量，导致周期性测量的平台期可能与停止使用智能设备有关，这可能会影响房颤的检测。第三，在31名(16%)基线诊断为窦性心律的参与者中，在14天的连续监测中检测到房颤发作。然而，这些“疑似房颤”的病例失去随访，我们无法识别心律。第四，本研究中没有及时的12导联心电图监测数据与容积描记术数据同步。最后，在12名(3%)受试者中，光容量脉搏描记信号的记录质量较差。信号质量不佳可能与皮肤颜色深、皮肤灌注、佩戴不当等有关。为了开发一种基于光容量描记术的筛查方法，我们开发了一种光容量描记术算法，并在第1阶段和第2阶段的394例病例中进行了测试和优化。随后，在本研究中进行了为期14天的监测(第三阶段)，在375例真实情况中验证了光容量描记术算法和不同的智能设备。 Thereafter, the photoplethysmography algorithm and smart devices would be further validated in the general population with at least 10,000 subjects (stage 4, mAFA II study).

结论

基于光电容积描记术的智能设备在院外连续检测房颤准确。主动测量和周期性测量之间的精度是相似的。此外，该方法简单易行。对于无症状且房颤负担较轻的患者，延长连续监测时间可提高房颤的检出率，该技术可将房颤的诊断、监测和风险评估延伸到医院之外，为医患共同管理房颤提供了新的途径。