CN113168913A - 处理和呈现心律失常信息以识别神经系统疾病的系统和方法 - Google Patents

处理和呈现心律失常信息以识别神经系统疾病的系统和方法 Download PDF

Info

Publication number
CN113168913A
CN113168913A CN201980076482.XA CN201980076482A CN113168913A CN 113168913 A CN113168913 A CN 113168913A CN 201980076482 A CN201980076482 A CN 201980076482A CN 113168913 A CN113168913 A CN 113168913A
Authority
CN
China
Prior art keywords
event
duration
events
time
monitoring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201980076482.XA
Other languages
English (en)
Inventor
R·邦格勒
W·德凯科
J·芬克麦尔
D·谢恩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Brema Manufacturing Co ltd
Original Assignee
D Xieen
J Fenkemaier
R Banggele
W Dekaike
Brema Manufacturing Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by D Xieen, J Fenkemaier, R Banggele, W Dekaike, Brema Manufacturing Co ltd filed Critical D Xieen
Publication of CN113168913A publication Critical patent/CN113168913A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/339—Displays specially adapted therefor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361—Detecting fibrillation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/364—Detecting abnormal ECG interval, e.g. extrasystoles, ectopic heartbeats
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G16H10/65—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records stored on portable record carriers, e.g. on smartcards, RFID tags or CD
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Electrotherapy Devices (AREA)

Abstract

一种用于报告心脏病学数据的系统包括患者便携的监视设备和电路。监视设备配置为检测心电图(ECG)数据和患者发起的事件数据。所述电路配置为接收ECG数据和患者发起的事件数据；在ECG数据中检测心房颤动(AF)事件；通过从每个AF事件的相应的停止时间减去相应的开始时间来计算每个AF事件的持续时间；比较每个AF事件的持续时间与第一持续时间阈值；存储具有超过第一持续时间阈值的持续时间的每个AF事件；通过从监视停止时间减去监视开始时间来计算监视时间段的持续时间；基于存储的AF事件，计算AF负担；以及输出患者发起的事件数据、AF负担和存储的AF事件的图形表示。第一持续时间阈值小于30秒。

Description

处理和呈现心律失常信息以识别神经系统疾病的系统和方法
背景技术
心脏功能的各个方面可以通过监视心脏的电活动进行跟踪。通常使用放置在体表上的电极将此电活动记录为心电图(ECG)。ECG报告中记录的异常电活动可以指示疾病状态或其他生理状况，例如心房颤动(AF)。AF牵涉到心脏上腔(心房)与心脏下腔(心室)之间失去同步。在复杂的AF中，持久的波状去极化振荡(小波)沿心房中的圆形路径传播。这可能导致心室不规则收缩以及血瘀。AF与心脏疾病以及中风有关。
ECG数据通常显示在专为心脏病医师设计的ECG报告中。例如，AF发作通常被定义为持续超过30秒的事件。与仅检测较长持续时间(例如，>30秒)的AF事件相比，某些人认为检测短持续时间(例如，<30秒)的AF事件会增加心脏疾病的假阳性率。如果医师没有发现这种误报，可能会导致不必要或无益的医疗。参见Frank Bogun等人的《Misdiagnosis ofatrial fibrillat ion and its clinical consequences(房颤的误诊及其临床后果)》，117The American Jou rnal of Medicine(美国医学杂志)636-642(2004)。因此，常规的ECG报告通常不包括关于持续时间少于30秒的AF事件的信息。这些短持续时间的AF事件可能与诊断某些神经系统疾病有关，即使它们与心脏疾病的相关性较小。例如，某些短持续时间的AF可能表明中风的风险增加，但心脏疾病的风险(例如，充血性心力衰竭)却没有明显增加。这可能是因为即使短持续时间的AF也会指示心房的变化，此后可能导致中风。例如，短持续时间的AF可能预示着心房型心肌病、心房传导受损或其他可能改变心脏中的凝血机制并引起中风的心房壁疾病。
尽管ECG数据通常由心脏病医师用来诊断心脏疾病，它也可以由神经科医师用于检测AF和与神经疾病有关的其它心律失常。但是，传统的ECG报告(专供心脏病医师解读)对于神经科医师而言可能难以用于诊断神经系统疾病。例如，ECG报告通常包含在心律失常事件期间测得的原始ECG数据的跟踪(trace)，这对于不是心脏专科医师的神经科医师来说可能很难读取。此外，神经科医师通常需要分析其他数据，例如短持续时间AF事件，而传统的ECG报告中可能未包括总体的趋势。
发明内容
提出用于处理和选择性地呈现心脏信息给医师的系统、方法和装置。所述系统包括处理ECG数据并输出适合于神经系统疾病诊断的一组心脏信息的图形表示的电路。特别地，根据一个实施例，由所述电路输出的报告包括AF负担、检测到的AF事件和患者发起的事件的图形表示。以图形方式呈现的AF事件可以包括具有短持续时间(例如，<30秒、<25秒、<20秒、<15秒、<10秒或任何其他合适的持续时间)的AF事件。
所述报告还可以包括患者发起的事件数据的图形表示。当系统接收到患者已经手动指示患者经历了症状(包括可能是神经介导的症状)的指示时，系统可以记录一个或多个患者发起的事件。系统可以确定一个或多个患者发起的事件是否与检测到的心律失常同时发生。通过确定一个或多个患者发起的事件是否与检测到的心律失常同时发生，系统可以区分神经介导的疾病和心脏疾病。例如，昏厥(晕厥)可能是神经介导的或由心律失常(例如，心律停顿事件或心室颤动(VF)事件)引起的。当心脏的窦房结暂时停止产生通常刺激心脏组织收缩的电脉冲时，就会发生心脏停顿(也称为窦房骤停、窦性骤停或窦性停顿)。当心室至少部分地由于心室中无序的电活动而导致不协调地无规律振颤时发生心室颤动，这导致血液从心脏排出不足。如果患者发起的晕厥事件与心脏停顿事件、心室颤动事件或任何其他严重的心律失常同时发生，则系统可以确定晕厥事件是由心律失常引起的，并表明晕厥事件不是主要为神经介导的。相反，如果患者发起的事件表明不是与心律失常同时发生的晕厥事件，则系统可以表明晕厥为神经介导的。
一方面，用于报告心脏病学数据的系统包括患者便携的监视设备和电路。患者便携的监视设备配置为检测患者的心电图(ECG)数据和患者发起的事件数据。ECG数据包括具有监视开始时间和监视停止时间的监视时间段。所述电路配置为从患者便携的监视设备接收ECG数据和患者发起的事件数据；在ECG数据中检测心房颤动(AF)事件，其中检测AF事件包括针对每个检测到的AF事件检测开始时间和停止时间；通过从每个AF事件的相应停止时间减去相应开始时间来计算每个AF事件的持续时间；比较每个AF事件的持续时间与第一持续时间阈值；存储具有超过第一持续时间阈值的持续时间的每个AF事件；通过从监视停止时间减去监视开始时间来计算监视时间段持续时间；基于存储的AF事件，计算所述监视时间段的AF负担，其中所述监视时间段的AF负担等于在所述监视时间段内发生的每个存储的AF事件的持续时间之和除以所述监视时间段持续时间；以及输出患者发起的事件数据、AF负担和存储的AF事件的图形表示。第一持续时间阈值小于30秒。
在一些实施方式中，所述电路进一步配置为从所述图形表示排除至少一个或多个ECG跟踪的一部分。在某些实施方式中，监视时间段为第一监视时间段，ECG数据包括第二监视时间段，所述第二监视时间段在第一监视时间段之后发生，具有第二监视开始时间和第二监视停止时间。在这样的实施方式中，所述电路进一步配置为通过从第二监视停止时间减去第二监视开始时间来计算第二监视时间段持续时间，以及基于存储的AF事件来计算第二监视时间段的AF负担，第二监视时间段的AF负担等于在第二监视时间段内发生的每个存储的AF事件的持续时间之和除以第二监视时间段持续时间。在这样的实施方式中，输出AF负担的图形表示包括以图形方式呈现AF负担随时间变化的曲线图，该曲线图包括代表时间的第一轴、代表AF负担的水平的第二轴、针对第一监视时间段的AF负担的图形指示以及第二监视时间段的AF负担的图形指示。
在一些实施方式中，第二轴线用对数标度。在某些实施方式中，输出AF负担的象形图形表示包括输出表示在监视时间段中在AF中花费的时间的分数的百分比。在一些实施方式中，输出AF事件的图形表示包括输出AF事件的计数。在某些实施方式中，所述电路进一步配置为呈现每个以图形方式呈现的AF事件的各自的持续时间。在一些实施方式中，所述电路进一步配置为以图形方式呈现每个呈现的AF事件的持续时间随时间的曲线图。在某些实施方式中，输出患者发起的事件的图形表示包括输出患者发起的事件的计数。在一些实施方式中，所述电路进一步配置为在ECG数据中检测心脏停顿事件并输出该停顿事件的图形表示。在某些实施方式中，输出停顿事件的图形表示包括输出停顿事件的计数。在一些实施方式中，所述电路进一步配置为在公共时间标度上输出患者发起的事件数据、AF事件和停顿事件。
在某些实施方式中，所述电路进一步配置为在ECG数据中检测心室颤动事件；输出心室颤动事件的图形表示；确定检测到的心室颤动事件的严重度评分；将每个检测到的心室颤动事件的相应严重度评分与严重度阈值进行比较；以及从图形表示中排除严重度评分小于严重度阈值的心室颤动事件。在一些实施方式中，所述电路进一步配置为将每个AF事件的持续时间与第二持续时间阈值进行比较，并且将持续时间小于第二持续时间阈值的每个AF事件的表示存储在短持续时间AF数据库中。在这样的实施方式中，第二持续时间阈值大于第一持续时间阈值。在某些实施方式中，第二持续时间阈值为30秒。在一些实施方式中，输出图形表示包括在图形表示上视觉上区分在短持续时间AF数据库中存储的AF事件与那些具有超过第一持续时间阈值的持续时间并且未在短持续时间AF数据库中表示的AF事件。
另一方面，用于报告心脏病学数据的方法包括从患者便携的监视设备接收ECG数据和患者发起的事件数据，所述ECG数据包括监视时间段，所述监视时间段包括监视开始时间的和监视停止时间，患者发起的事件数据包括在第一时间的第一患者发起的事件；在ECG数据中检测心房颤动(AF)事件，包括检测每个检测到的AF事件的AF开始时间和AF停止时间；通过从每个AF事件的相应的AF停止时间减去相应的AF开始时间来计算每个AF事件的持续时间；比较每个AF事件的持续时间与第一持续时间阈值；存储具有超过第一持续时间阈值的持续时间的每个AF事件；通过从监视停止时间减去监视开始时间来计算监视时间段持续时间；基于存储的AF事件，计算所述监视时段的AF负担，所述监视时段的AF负担等于在所述监视时段内发生的每个存储的AF事件的持续时间之和除以所述监视时段持续时间；以及输出患者发起的事件数据、AF负担和存储的AF事件的图形表示。第一持续时间阈值小于30秒。
在一些实施方式中，所述方法包括从所述图形表示除去一个或多个ECG跟踪的至少一部分。在某些实施方式中，所述监视时间段为第一监视时间段，所述ECG数据包括在所述第一监视时间段之后发生的第二监视时间段，所述第二监视时间段包括第二监视开始时间和第二监视停止时间，且所述方法还包括：通过从第二监视停止时间减去第二监视开始时间来计算第二监视时间段持续时间，以及基于存储的AF事件计算第二监视时间段的AF负担，第二监视时间段的AF负担等于在第二监视时间段期间发生的每个存储的AF事件的持续时间之和除以第二监视时间段持续时间，以及输出AF负担的图形表示，所述AF负担的图形表示包括以图形方式呈现的AF负担随时间的曲线图。在这样的实施方式中，所述曲线图包括代表时间的第一轴、代表AF负担的水平的第二轴、针对第一监视时间段的AF负担的图形指示以及第二监视时间段的AF负担的图形指示。在一些实施方式中，第二轴基于对数标度。
在某些实施方式中，所述方法还包括每个AF事件的持续时间进行比较，以在第二持续时间阈值，所述第二持续时间阈值大于所述第一持续时间阈值；将持续时间小于第二持续时间阈值的每个AF事件的表示存储在短持续时间AF数据库中；以及在视觉上区分在短持续时间AF数据库中表示的AF事件与未在短持续时间AF数据库中表示的AF事件。在一些实施方式中，所述方法还包括检测ECG数据中的心脏停顿事件并输出停顿事件的图形表示。在某些实施方式中，所述方法还包括接收接近度阈值时间；对于每个停顿事件，确定停顿事件的开始时间是否大于第一患者发起的事件的第一时间与所述接近度阈值时间之和；如果停顿事件的开始时间不大于所述第一时间与所述接近度阈值时间之和，则确定停顿事件的结束时间是否小于所述第一时间减去所述接近度阈值时间；且如果停顿事件的开始时间不大于所述第一时间与所述接近度阈值时间之和，并且如果停顿事件的结束时间不小于所述第一时间减去所述接近度阈值时间，则在图形表示中指示患者发起的事件和停顿事件是同时发生的。
本领域的技术人员在参考本公开内容后，将能够做出变型和修改。所公开的特征可以以与本申请描述的一个或多个其他特征的任何组合和子组合(包括多个从属组合和子组合)来实施。以上描述或示出的各种特征，包括其任何组件，可以组合或集成在其他系统中。另外，某些特征可以省略或不实施。
附图说明
图1示出了根据示例性实施方式的一种用于报告与心脏事件有关的信息的系统。
图2示出了根据示例性实施方式的与心脏事件有关的信息的图形表示。
图3示出了根据示例性实施方式的与包括随时间的AF负担的心脏事件有关的信息的图形表示。
图4示出了根据示例性实施方式的表示在一段时间内发生的AF事件的时间线。
图5示出了根据示例性实施方式的表示AF事件的频率和持续时间的图线。
图6示出了根据示例性实施方式的表示AF事件和相关联的AF负担的图线。
图7示出了根据示例性实施方式的表示一段时间内发生的心脏事件的发生率的图线。
图8示出了根据示例性实施方式的表示一段时间内发生的心脏事件的频率的图线。
图9示出了根据示例性实施方式的表示一段时间内发生的心脏事件的发生率和频率的图线。
图10示出了根据示例性实施方式的用于报告心脏病学数据的方法的流程图。
图11示出了根据示例性实施方式的用于报告心脏病学数据的方法的流程图。
图12示出了根据示例性实施方式的用于报告心脏病学数据、在短持续时间事件和长持续时间事件之间进行区分的方法的流程图。
图13示出了根据示例性实施方式的用于确定患者发起的事件是否与自动检测到的事件同时发生的方法的流程图。
具体实施方式
提出用于处理和选择性地呈现心脏信息给医师的系统、方法和装置。所述系统包括处理ECG数据并输出适合于神经系统疾病诊断的一组心脏信息的图形表示的电路。特别地，由所述电路输出的报告包括AF负担、检测到的AF事件和患者发起的事件的图形表示。以图形方式呈现的AF事件可以包括具有短持续时间(例如，<30秒、<25秒、<20秒、<15秒、<10秒或任何其他合适的持续时间)的AF事件。
所述报告还可以包括患者发起的事件数据的图形表示。当系统接收到患者已经手动指示患者经历了症状(包括可能是神经介导的症状)的指示时，系统可以记录患者发起的事件。系统可以确定患者发起的事件是否与检测到的心律失常同时发生。通过确定患者发起的事件是否与检测到的心律失常同时发生，系统可以区分神经介导的疾病和心脏疾病。例如，昏厥(晕厥)可能是神经介导的或由心律失常(例如，心律停顿事件或心室颤动事件)引起的。当心脏的窦房结暂时停止产生通常刺激心脏组织收缩的电脉冲时，就会发生心脏停顿(也称为窦房骤停、窦性骤停或窦性停顿)。当心室由于心室中无序的电活动而导致不协调地无规律振颤时发生心室颤动，这导致血液从心脏排出不足。如果患者发起的晕厥事件与心脏停顿事件、心室颤动事件或任何其他严重的心律失常同时发生，则系统可以确定晕厥事件是由心律失常引起的，并表明晕厥事件不是主要为神经介导的。相反，如果患者发起的事件表明不是与心律失常同时发生的晕厥事件，则系统可以表明晕厥为神经介导的。
如本申请所使用的，“以图形方式呈现”数据包括但不限于通过标记、图表、图线、曲线图、象形图形、数字、符号或任何其它合适的图形表示及其组合的方式显示数据。象形图形表示包括使用一个或多个图形符号的图形表示的类型。换句话说，象形图形表示包括使用图像或符号来显示数据。
图1示出了根据示例性实施例的系统111，该系统111用于报告与心脏事件有关的信息，诸如心房颤动(AF)事件和AF负担，该信息为在AF中度过的时间量或在AF中度过的监视周期(诸如，例如一天)的比例。系统111包括监视系统109、通信网络103、监视中心104和传输路径107。系统111可由医师(例如神经科医师)或其他医疗保健提供者108使用。监视系统109可以(经由设备101和102)将心电图(ECG)数据、患者发起的事件数据以及其他数据通信至监视中心104。在一些实施方式中，监视系统109包括可植入医疗设备(IMD)，诸如可植入心脏除颤器和相关联的收发器或起搏器和相关联的收发器。监视系统109还可以包括由患者110佩戴或患者便携的监视设备101。此外，监视系统109可以包括监视处理设备102，其可以将标准生理数据(从监视设备101接收到的)发送到监视中心104。在一些实施方式中，监视处理设备102自动检测心律失常事件，包括每个事件的开始和停止时间。所检测的事件可以包括AF事件、心室颤动事件、停顿事件和/或任何其他心律失常事件。监视系统109还可以记录在本申请中称为“患者发起的事件”的心脏事件类型，其响应于患者的有意动作而触发(例如，响应于患者110按下设备101上的按钮)，并将患者发起的事件数据发送到监视中心104。在一个实施方式中，设备101和102集成到单个设备中。此外，系统109可以使用例如CardioNet Mobile Cardiac Outpatient Teleme try(MCOT)设备来实现，该设备是可商购的并且由宾夕法尼亚州莫尔文的CardioNet公司提供。
监视处理设备102可以通过通信网络103发送包括与心律失常事件和患者发起的事件有关的数据的生理数据，所述通信网络103可以是局域网(LAN)、固定电话网络、无线网络、卫星通信网络或其他有利于与监视中心104双向通信的合适的网络。有利地，监视中心104可以位于与监视系统109相同的位置(例如，在同一房间或建筑物中)，或者在某个远程位置。
监视中心104可以包括监视(或显示)站105和处理系统106。在一些实施方式中，处理系统106自动识别心律失常事件，例如AF和心室颤动。在某些实施方式中，心血管技术员(CVT)可以使用监视站105来评估或验证从监视系统109接收的生理数据，除其他以外，还识别和报告心律失常事件(例如AF事件)。在一些实施方式中，处理系统106接收和分析来自CVT的人评估的心律失常事件数据和/或由监视系统109报告的自动检测到的心律失常事件数据，以确定是否生成与这些事件有关的报告或图形表示。在某些情况下，处理系统106将通过传输路径107(其可以为网络103的一部分)将有关心律失常和/或患者发起的事件的报告发送给神经科医师或其他医疗保健提供者108。该报告可以是静态表示或以编程方式响应于诸如可以通过网络接口、键盘、鼠标或任何其他合适的方式提供的用户输入，以允许医师指定时间范围和替代显示。监视中心104可以例如通过监视站105或通过传输路径107接收用户输入或查询，以指定时间或日期范围或替代报告格式，例如，将一个或多个部分添加至报告或更改一个或多个部分的内容的格式。在某些实施方式中，处理系统106确定报告或图形表示是否省略了一个或多个ECG跟踪。在一些实施方式中，所述一个或多个ECG跟踪可以应用户的请求而可用。例如，用户可能能够打开或关闭ECG跟踪的显示，或者选择报告的一部分以查看与事件相对应的ECG跟踪。
图2示出了根据示例性实施方式的与心脏事件有关的信息的报告212。报告212以指示神经系统疾病或损伤的风险(在本申请中称为“神经系统风险”)的方式以图形方式呈现由监视系统(例如，监视系统109)收集的数据。该报告包括第一报告部分214和第二报告部分216。报告部分214包括心房颤动部分218、AF事件的计数220A、短持续时间心房颤动部分222、短持续时间AF事件的计数220B、患者发起的事件部分224和患者发起的事件的计数220C。第二报告部分216包括表示AF负担的图表230。图表230包括代表患者处于AF的时间比例的扇区226和代表患者不处于AF的时间比例的扇区228。图2中的报告212仅是出于说明性目的，并且本领域普通技术人员将理解，这些报告部分或计数中的任何一个可以省略或重新布置，并且可以根据需要添加另外的元素。
报告212的报告部分214列出了与神经系统疾病风险(风险事件)相关联的心律失常事件的类型和每种类型的事件计数。报告部分214列出的其中一种类型的事件为心房颤动部分218中的AF事件。心房颤动部分218中的AF事件的持续时间可以变化，并且报告可以包括由CVT、处理系统和/或监视系统检测和报告的事件，其中任何一个都能够检测到持续时间为30秒或更短(例如，<30秒、<25秒、<20秒、<15秒、<10秒或任何其他合适的持续时间)的AF事件。事件计数220A示出了报告中包括的心房颤动事件的数量。心房颤动部分218中的一些AF事件被指示为短持续时间事件222。短持续时间事件222为长于第一持续时间阈值但短于第二持续时间阈值的AF事件。例如，第一持续时间阈值可以小于30秒，第二持续时间可以为30秒或用于确定短持续时间AF事件的任何其他合适的时间段(例如，29秒、28秒、27秒、26秒、25秒、20秒、15秒、10秒、<10秒或任何其他合适的持续时间)。在某些实施方式中，第一阈值基本上小于30秒。在一些实施方式中，第一阈值为29秒、28秒、27秒、26秒、25秒、20秒、15秒、10秒或<10秒。在一些实施方式中，第一持续时间阈值、第二持续时间阈值或两者均基于心跳的次数而不是秒数。例如，第一持续时间阈值可以为45次、43次、40次、35次、30次、25次、20次、15次、10次、5次、4次、3次、2次、1次或任何其他合适的持续时间。第二持续时间阈值可以比第一持续时间阈值大1次、2次、3次、4次、5次、6次、7次、8次、9次、10次、15次、20次、25次、30次、35次、40次、43次、45次、50次、60次、70次、100次或任何其他合适的持续时间。在一些实施方式中，第一持续时间阈值、第二持续时间阈值或两者为固定的或以其他方式预先确定的。在某些实施方式中，第一持续时间阈值、第二持续时间阈值或两者都是可变的，并且可以由诸如医疗保健提供者(例如，医师)108之类的最终用户选择或确定。
阈值可以改变，以便以期望的敏感度或特异度检测(例如，基于MIT-BIH心律失常数据库，在随后的段落中进行更详细的描述)ECG心律失常事件。例如，第一持续时间阈值可以设置为变化以使得特异度高(例如55％、60％、70％、80％、85％、90％、91％、92％、93％、94％、95％、96％、97％、98％、99％、99.5％、99.9％、99.99％)并且敏感度高(例如55％、60％、70％、80％、85％、90％、91％、92％、93％、94％、95％、96％、97％、98％、99％、99.5％、99.9％、99.99％)。在一些实施方式中，短持续时间AF事件222参考敏感度阈值和特异度阈值而不是持续时间阈值来限定。例如，短持续时间AF事件可以为使用敏感度和特异度超过第一组阈值(例如，90％特异度和90％敏感度)但不超过第二组阈值(例如，95％特异度和95％敏感度)的方法检测到的事件。
ECG检测过程的敏感度或特异度可以通过处理具有预先识别的心律失常事件的ECG测试数据集来确定。例如，麻省理工学院和贝斯以色列医院(现为贝斯以色列女执事医疗中心)已发布了ECG心律失常数据库(MIT-BIH心律失常数据库)，该数据库已成为确定ECG检测过程敏感度和特异度的标准之一多年。参见George B.Moody&The impact of theMIT-BIH Arrhythmia Database(乔治·B·穆迪和MIT-BIH心律失常数据库的影响)，第20卷，IEEE工程医学与生物学工程杂志，第45–50页(2001)。MIT-BIH心律失常数据库包含48个两通道动态心电图记录的半小时摘录，这些记录由BIH心律失常实验室在1975年至1979年之间研究47位受试者获得。记录以每通道每秒360个样本、11位分辨率在10mV范围内进行数字化。两名或更多心脏病专家注释了将作为标准的心律失常事件集(以下称为“预先识别的事件”或“注释的事件”)。心脏病专家通过独立注释MIT-BIH心律失常数据库中的每条记录并相互协商解决差异来决定预先确定的事件。MIT-BIH心律失常数据库包括大约110,000个预先确定并经心脏病专家确认的事件。参见A.L.Goldberger等人，PhysioBank,PhysioToolkit,and PhysioNet:Components of a New Res earch Resource forComplex Physiologic Signals,101Circulation,215–20(2000)<circ.ahajournals.org/content/101/23/e215.full>。MIT-BIH心律失常数据库可从以下网站下载：<physionet.org/physiobank/database/mitdb/>。可以通过处理MIT-BIH心律失常数据库，然后确定通过ECG检测过程正确识别为心律失常的预先确定的事件的百分比，来确定ECG检测过程的敏感度。可以通过处理MIT-BIH心律失常数据库，然后确定通过ECG检测过程正确识别为非心律失常的正常心跳(未包含在预先确定的事件集中的心跳)的百分比，来确定ECG检测过程的特异度。可以以这种方式对任何第一持续时间阈值或任何第二持续时间阈值进行敏感度和特异度确定。因此，可以将每个持续时间阈值与以MIT-BIH心律失常数据库作为标准的敏感度测度和特异度测量相关联。因此，在一些实施方式中，第一持续时间阈值和/或第二持续时间阈值是基于参考MIT-BIH心律失常数据库确定的其敏感度和/或特异度来设置的。
短持续时间事件222与指示在事件计数器220A中有多少计数的事件有资格作为短持续时间AF事件的事件计数器220B相关联，且短持续时间事件222包括在短持续时间心房颤动部分222。这可以允许执业医师根据所诊断的疾病而对短持续时间事件给予或多或少的重视。例如，短持续时间AF对于诊断神经系统疾病可能比心脏疾病更相关，因为某些短持续时间AF可能与中风风险增加相关，而与心脏疾病(例如充血性心力衰竭)的风险增加却不明显相关。这可能是因为短持续时间的AF指示此后可能导致中风的心房的变化。例如，短持续时间的AF可能预示着心房型心肌病、心房传导受损或其他可能改变心脏中的凝血机制并引起中风的心房壁疾病。
在报告部分214中列出的风险事件的另一种类型是患者发起的事件，在患者发起的事件部分224中示出。这些是由患者(例如，患者110)使用向监视系统(例如，监视系统109)的输入发起或记录的事件。患者发起的事件允许报告212指示患者主观经历心脏窘迫、晕厥(例如部分或完全失去知觉)或任何其他不常见或不正常状况的可能症状的时刻。患者发起的事件224可以不与其他风险事件互斥。例如，报告212可以指示患者在监视系统(例如，监视系统109)自动检测到AF事件的同时指示了患者发起的事件。事件计数220C可以示出包括在报告212中的患者发起的事件的数量。通过确定患者发起的事件是否与检测到的心律失常同时发生，报告212可以区分可以指示神经介导的疾病的事件与可以指示心脏疾病的事件(例如，神经介导的晕厥与心脏性晕厥)。如关于图12将要讨论的，如果患者发起的晕厥事件与心脏停顿事件、心室颤动事件或任何其他严重的心律失常事件一致或几乎一致，则报告212可以指示该晕厥不是主要由神经介导的。相反，如果患者发起的事件指示不是与心律失常同时发生或时间上接近发生的晕厥事件，则报告212可以指示该晕厥为神经介导的。
第二报告部分216包括图表230，其图形化地呈现患者(例如，患者110)经历的AF负担。扇区226示出AF事件218的总持续时间为报告212所覆盖的时间段的一部分。扇区228示出正常房性心律的总持续时间为报告所覆盖的时间段的一部分。尽管图表230在图2中表示为饼图，但是，在一些实施方式中，AF负担示出为条形图、折线图、百分比或任何其他合适的格式。
在图2所示的实施方式中，报告212不包括原始ECG跟踪的视觉表示。取而代之的是，报告212包括从原始ECG数据的分析得出的结果。该表示可以有利于神经科医师或非心脏病学专业的其他医学从业者对报告212的审阅。在一些实施方式中，报告212可以包括一个或多个原始ECG跟踪的视觉表示。在某些实施方式中，ECG跟踪应用户要求提供。例如，用户可能能够打开或关闭ECG跟踪的显示，或者选择报告的一部分以查看与事件相对应的一个或多个ECG跟踪。
用于生成报告212中的信息的ECG数据可以从图1的监视系统109或任何其他合适的处理系统获得。报告可以从监视系统在固定时间段(例如24小时)、医疗专业人员指定的时间段或以任何其他合适方式确定的时间段中记录的数据中得出。在一些实施方式中，报告为从所有记录的ECG数据中得出的。
在报告212中显示的对事件的选择可以进行定制以检测神经系统疾病。AF(包括短持续时间AF)和患者发起的事件对于诊断神经系统疾病(例如中风或神经介导的晕厥)尤其重要。因此，在报告中包括心房颤动部分218、短持续时间心房颤动部分222和患者发起的事件部分224可以帮助神经科医师或其他医学从业者诊断神经系统疾病。短持续时间心房颤动部分222对于神经科医师来说可能是特别感兴趣的，因为短持续时间心房颤动可能相对于心脏疾病的风险更能指示神经系统疾病(例如中风)的风险。
图3示出了与心脏事件有关的信息的报告312的更详细的视图。像图2的报告212一样，报告312也以可以有利于对神经系统风险、心脏风险或两者的诊断的方式以图形方式呈现了ECG数据。报告312包括第一报告部分314、第二报告部分316和第三报告部分332。第一报告部分314包括心房颤动部分318、AF事件计数320A、短持续时间心房颤动部分322、短持续时间心房颤动部分323、短持续时间AF事件计数320B、AF事件诊断的特异度345A、AF事件诊断的特异度345B、AF事件的持续时间344A、AF事件的持续时间344B、AF事件的时间戳346A、AF事件的时间戳346B、长持续时间AF事件的计数320D、患者发起的事件部分324、患者发起的事件的计数320C、停顿事件部分342、停顿事件的计数320E、心室颤动事件部分344、心室颤动事件的计数320F、开始日期346、结束日期348。报告部分316包括表示AF负担的图表330。图表330包括代表患者处于AF的时间比例的扇区326和代表患者不处于AF的时间比例的扇区328。第三报告部分332包括表示AF负担随时间的图表333。图表333包括代表时间的轴334、代表AF负担的轴336、代表AF负担的线338、示出在未记录ECG测量期间的内插的虚线段340、第一阈值339和第二阈值341。报告312与图2的报告212类似地分区，除了添加了报告部分332。图3中的报告312仅是出于说明性目的，并且本领域普通技术人员将理解，这些报告部分或计数中的任何一个可以省略或重新布置，并且可以根据需要添加另外的元素。
报告312的报告部分314列出风险事件的类型并针对每种类型进行事件计数。报告部分314中列出的其中一种风险事件类型为停顿事件部分342中的停顿事件，其表示在至少短时间段(例如2秒或更长时间)内心脏不产生必需的电脉冲的时间段。停顿事件可能会导致暂时性的血流不足，从而可能增加形成血凝块(血栓)的可能性，并可能导致缺血性中风。停顿事件也可能是晕厥事件的多种可能原因之一。在ECG报告中包括停顿事件可以将停顿事件导致的晕厥与其他心脏状况(例如短暂性脑缺血发作)或神经系统疾病(例如神经介导的晕厥)引起的晕厥区分开来。报告部分314还在心室颤动(VF)事件部分344中列出了VF事件。生成报告312的处理系统(例如，处理系统106)可以配置为选择性地仅包括1级事件，所述1级事件为严重到足以导致死亡或严重残疾的事件。在一些实施方式中，处理系统还报告2级事件，所述2级事件为不需要医学干预以防止死亡或严重残疾的事件。室性心动过速事件或心室颤动事件可能不太与中风相关，因此，如果VF事件不是特别严重(例如，不是1级)，则它们的优先级可能低于AF和其他事件。在一些实施方式中，为了确定非AF心律失常事件(例如，室性心动过速或心室颤动)是否为1级事件，将严重度评分指定给每个检测到的非AF事件。可以基于事件的持续时间、事件期间心室除极的频率或任何其他合适的度量来计算严重度评分。例如，严重度评分可以是在非AF事件发生期间的连续搏动数。将每个非AF事件的严重度评分与严重度阈值进行比较。例如，严重度阈值可以为5次心跳。如果非AF事件的严重度评分大于严重度阈值(例如，事件持续了超过5次心跳)，则非AF事件为1级事件并且包括在报告312中。如果非AF事件的严重度低于严重度阈值，则该非AF事件不包括在报告312中。
第一报告部分314还列出了各个详细的且按时间顺序报告的事件。在一些实施方式中，事件可以以另一顺序列出，诸如以严重度降序或持续时间降序的顺序。例如，在短持续时间心房颤动部分322中列出的短持续时间AF事件被单独列出，每个事件具有列出的持续时间，例如344A和344B，以及各自的时间戳或发生日期，例如346A和346B。在一些实施方式中，报告312允许用户选择列出的日期，例如时间戳346B，以指定用于生成报告312或特定报告部分的数据的时间和/或日期范围。通过显示与神经学诊断有关的信息，事件信息的更详细列表可以帮助诊断并消除对原始ECG跟踪的需要。报告部分314还包括开始日期346和结束日期348，以允许用户(例如，神经科医师或其他医疗保健提供者108)理解并指定发生所列事件的日期范围。在一些实施方式中，用户可以使用输入或查询，例如通过监视站或通过传输路径，以指定日期范围或替代报告格式。例如，用户可以请求将部分添加到报告中或更改部分的内容的格式。
报告部分314还示出了与检测到的AF事件318相关联的特异度。ECG监视系统通常必须权衡对AF的敏感度(真实阳性率)和对AF的特异度(真实阴性率)。换句话说，增加监视系统正确识别AF的比率，也可能增加监视系统错误地将正常心脏跳动识别为AF的比率。降低可检测的最小AF事件持续时间需要提高对AF的敏感度。这将降低AF检测的特异度，或者，换句话说，将增加误报率。在一些实施方式中，生成报告312的处理系统在报告AF事件在确定中具有几乎确定性之前将需要足够持续时间(例如5分钟)的AF事件。在某些实施方式中，当处理系统配置为检测较短持续时间的AF时，其可能具有降低的特异度。患者在经历较长的AF事件(例如，>30秒、>5分钟、>10分钟)之前，可能会在很长时间段(例如，一周、一个月、几个月、一年或几年)内经历持续时间的AF(例如<30秒)。因此，检测较短持续时间的AF可能有助于在疾病过程的较早阶段检测疾病，此时心房组织(基质)的变化更可逆。监视系统还可以检测持续一时间段的事件，例如，持续5秒的事件，该时间段在可以达到确定之前结束。在一些实施方式中，报告312仅包括超过特异度阈值和/或持续时间阈值的事件，特异度阈值和/或持续时间阈值可以由用户配置。生成报告312的处理系统可以检测比所显示的更多的事件。例如，在某些实施方式中，处理系统丢弃或保留未满足特异度和/或持续时间阈值的检测到的事件。
报告部分332显示患者110经历的AF负担随时间的趋势。轴334代表时间。轴334的标度可以由开始日期346和结束日期348指定的日期范围确定。在一些实施方式中，轴334独立于报告中使用的其他日期范围标度。例如，如果用户期望看到一个月的趋势数据，但是仅希望看到具有最高AF负担的一周的事件，则报告部分332可以代表具有最高AF负担的一周的事件。
轴336表示AF负荷。在一些实施方式中，轴336以对数标度表示。趋势线338表示AF负担数据的趋势。虚线段340示出了在没有记录ECG测量期间的时间段内的内插。在某些实施方式中，趋势线338将延伸至零或者省略以下所述的段，即在没有测量数据的时间段期间或在具有指示患者没有经历AF事件的测量数据的时间段期间。在一些实施方式中，趋势线338通过线性内插生成，使得其直接连接在各个时间段内代表AF负担的点。在某些实施方式中，趋势线338是通过对代表AF负担的点进行统计回归而生成的。在一些实施方式中，趋势线338代表AF负担的移动平均值或向用户呈现趋势的任何其他合适的方式。在一些实施方式中，图表333包括阈值339和阈值341。阈值339可以指示在报告312中显示的或被认为具有临床意义的最小AF负担量。在一些实施方式中，阈值341用于示出显示为或被认为具有临床意义的最小AF负担量。阈值339和阈值341还可用于标记与患者的病史相关的AF负担的水平。在一些实施方式中，用户可以基于事件的持续时间来选择是否包括AF事件。例如，神经科医师可以排除不超过设定持续时间(例如，5秒、10秒、15秒、20秒、21秒、22秒、23秒、24秒、25秒、26秒、27秒、28秒、29秒、30秒、1分钟、3分钟、5分钟、10分钟、30分钟、1小时或任何其他合适的时间段)的AF事件。阈值339和341可用于指示和指定持续时间边界。在一些实施方式中，神经科医师可以选择短持续时间AF事件部分322以切换短持续时间AF事件是否被包括在图表332的生成中。
图4示出了根据示例性实施方式的表示在一段时间内发生的AF事件的时间线图线450。时间线450可以作为单独的报告或以任何其他合适的方式包括在报告212中、报告312中。时间线图线450在时间轴434上以图形方式呈现了表示长持续时间AF事件的块452和456以及表示短持续时间AF事件的块454A、454B和454C。这些块涵盖了时间线上的每个AF事件的持续时间。在一些实施方式中，时间线被划分为时间段(例如5秒、15秒、30秒、1分钟、5分钟、15分钟、30分钟或1小时的增量，或任何其他合适的增量)且块对齐到统计堆(bin)的边界。在一些实施方式中，将块尽可能精确地放置在显示分辨率所允许的范围内。时间线图线450可以放置在用于替换图线或图形显示的报告部分(例如316)中、附加报告部分中，或以任何合适的方式显示。
图5示出了根据示例性实施方式的表示AF事件的频率和持续时间的图线550。图线550包括直方图，以图形方式呈现了落入几个持续时间统计堆519-521中的AF事件的计数。图线550包括频率轴559、持续时间轴558和在持续时间轴558上呈现的持续时间统计堆519-521。统计堆519-521在持续时间轴558上的位置指示由每个相应的统计堆表示的事件的持续时间。由统计堆519表示的事件具有小于30秒的持续时间。由统计堆520表示的事件具有30秒至3分钟的持续时间。由统计堆521表示的事件具有3分钟至1小时的持续时间。根据一些实施方式，持续时间轴558具有对数标度。根据其他实施方式，持续时间轴具有线性标度。可以使用具有更多、更少或相同数量的统计堆的任何其他合适的划分。在一些实施方式中，持续时间统计堆由神经科医师指定，基于数据、固定范围自动调整，或通过任何其他合适的方式确定。图线550可以放置在报告部分(例如，报告312的部分316)中，替换图线或图形显示。在一些实施方式中，图线550为报告312中的附加报告部分。在某些实施方式中，图线550以单独的报告或以任何合适的方式来显示。图5中所示的数据的表示方法直观地指示了AF事件如何根据持续时间进行分配。
图6示出了根据示例性实施方式的图线660，其包括表示AF事件和相关联的AF负担637的符号654A-C。图线660使用图例664中的符号在公共时间标度634上以图形方式呈现了AF事件652、654A、654B、654C和656，其中AF负担637相对于AF负担轴636绘制。如图例664所示，使用与持续时间范围相对应的符号示出AF事件652、654A，654B、654C和656。如图4的图线450或图2的图线216所示，显示对AF负担637负责的AF事件(例如，由符号656表示的AF事件)的持续时间，使神经科医师能够确定是AF事件的长度还是频率在驱动AF负担。例如，神经科医师可以区分许多短的AF事件与较少的较长的AF事件。因此，该表示方法可以将AF负担趋势和AF事件置于同一轴上，以便可以一起进行查看。在一些实施方式中，AF事件可以使用根据标度或梯度进行着色的符号来显示。例如，亮红色符号可以指示持续时间小于10秒的AF事件，或者深蓝色符号可以指示持续时间大于1小时的AF事件。在某些实施方式中，使用按长度标度的符号来示出持续时间(例如，图4的图线450中的事件454A和456)。AF事件的持续时间可以使用任何其他合适的方式来显示。
图7示出了根据示例性实施方式的表示一段时间内发生的心律失常事件的发生率的图线770。图线770使用图例764中指示的符号在时间轴734上显示了诸如事件772的AF事件、诸如事件774的患者发起的事件、诸如事件776的停顿事件以及诸如事件778的VF事件。这种表示可能是有利的，因为它按时间对所有类型的事件在一个标度上进行排序，这使得更容易确定患者发起的事件是否与检测到的心律失常事件同时发生，并且可以使用该信息来区分神经介导的疾病与心脏疾病(例如，神经介导的晕厥和心脏性晕厥)。例如，如果患者发起的晕厥事件与心脏停顿事件、1级心室颤动事件或任何其他严重的心律失常同时发生，则图线770可以指示晕厥不是主要由神经介导的。相反，如果患者发起的事件表明不是与心律失常同时发生的晕厥事件，则图线770可以表明晕厥为神经介导的。在一些实施方式中，神经科医师可以通过选择图例764中的事件类型或任何其他合适的方式来指定要包括的事件类型。
图8示出了根据示例性实施方式包括图例864和条形820A、820C、820E和820F的图线870，其中条形820A、820C、820E和820F分别表示在一时间段内发生的AF事件的计数、患者发起的事件的计数、VF事件的计数以及晕厥事件的计数。时间轴834被划分为表示时间段(例如，天)的统计堆，统计堆再次被划分为条形来表示每种事件类型的计数。在一些实施方式中，时间段统计堆由神经科医师指定，基于数据、固定范围自动调整，或通过任何其他合适的方式确定。图线870的表示可以指示跨事件类型的频率上可能的相关性。
图9示出了根据示例性实施方式的表示一段时间内发生的心脏事件的发生率和频率的图线980。图线980呈现使用图例964中标识的符号在公共时间轴934上的AF事件(例如事件972)、患者发起的事件(例如事件974)、停顿事件(例如事件976)、VF事件(例如事件978)、AF事件的计数(例如920A)、患者发起的事件的计数(例如920C)、VF事件的计数(例如920E)和晕厥事件的计数(例如920F)。图线980将图7的图线770和图8的图线870的图形表示叠加到共同的时间轴934上。图线980的格式可以指示事件在整个时间段内如何分布。
图10示出了根据某些实施方式的用于报告心脏病学数据的方法1000的流程图。通常，方法1000从监视系统(例如，监视系统109)获取ECG数据，分析ECG数据，并且将数据以例如图2的报告212的格式、图3的报告312的格式或任何其他适合神经系统风险分析的格式以图形方式呈现给用户(例如，神经科医师108)。如图所示，所述方法包括从患者便携的监视设备接收ECG和患者发起的事件数据的处理电路(步骤1002)。处理电路检测ECG数据中的AF事件(步骤1004)，并且处理电路使用检测到的AF事件来计算AF负担(步骤1006)。处理电路输出患者发起的事件数据、AF负担和检测到的AF事件的图形表示(步骤1008)。处理电路可以是图1中的监视器处理设备102、图1中的处理系统106或任何其他合适的处理电路。
在步骤1002，处理电路从患者便携的监视设备(例如，如图1中所述通过患者110佩戴的监视设备101)接收ECG数据。1)。ECG数据可以是连续监视的结果，或者可以是定期采样足够时间以收集相关数据的结果。在步骤1004，处理电路分析ECG数据并检测AF事件。在一些实施方式中，ECG数据的不包含AF事件或VF事件的部分被丢弃或以其他方式不予考虑。处理电路可以自动检测心律失常事件。心血管技术员(CVT)可以确认部分或全部自动检测到的事件。用户可以基于标准数据库或通过将处理电路自动检测到的事件与CVT手动识别的事件进行比较，来选择处理电路的检测过程的特异度、敏感度和/或置信度。在步骤1006，基于检测到的AF事件，处理电路计算患者经历的AF负担。在一些实施方式中，对于所报告的AF负担的量存在最小阈值。
在步骤1008，处理电路输出患者发起的事件数据、AF负担和检测到的AF事件的图形表示。该图形表示包括在报告(例如报告212或312)中，报告可以被神经科医师(例如神经科医师108)使用以有利于对神经系统疾病的心脏性风险的识别。报告可以格式化以显示检测到的事件的列表(例如，如报告部分214或报告部分314所示)和示出AF负担的图表(例如，如报告部分216或报告部分332所示)。在一些实施方式中，报告配置为响应于用户输入(例如，来自神经科医师108的输入)，可以指定报告中使用的事件的时间和/或日期范围、报告中包括的事件的类型、在报告中包括的信息的特异度和持续时间阈值以及报告布局的配置。在一些实施方式中，神经科医师可以例如通过选择使用图2-9中示出的任何示例性图表来决定报告中包括的部分的数量和所包括的图表的格式。
特别地，由所述处理电路输出的报告可以包括AF负担、检测到的AF事件和患者发起的事件的图形表示。以图形方式呈现的AF事件包括具有短持续时间(例如，<30秒、<25秒、<20秒、<15秒、<10秒或任何其他合适的持续时间)的AF事件。这些短持续时间的AF事件可能与诊断神经系统疾病有关，即使它们与心脏疾病的相关性较小。例如，某些短持续时间的AF可能表明中风的风险增加，但心脏疾病的风险(例如，充血性心力衰竭)却没有明显增加。这可能是因为即使短持续时间的AF也会指示心房的变化，此后可能导致中风。例如，短持续时间的AF可能预示着心房型心肌病、心房传导受损或其他可能改变心脏中的凝血机制并引起中风的心房壁疾病。
由处理电路输出的报告还可以包括患者发起的事件数据的图形表示。可以响应于患者手动指示发生症状而记录患者发起的事件，所述症状包括可能为神经介导的症状(例如晕厥)。通过确定患者发起的事件是否与检测到的心律失常同时发生，神经科医师可能能够区分神经介导的疾病和心脏性疾病(例如，神经介导的晕厥和心脏性晕厥)。例如，如果患者发起的晕厥事件与心脏停顿事件、1级心室颤动事件或任何其他严重的心律失常同时发生，则报告可以指示晕厥不是主要由神经介导的。相反，如果患者发起的事件表明不是与心律失常同时发生的晕厥事件，则报告可以表明晕厥为神经介导的。
图11示出了根据某些实施方式的用于报告心脏病学数据的方法1100的流程图。方法1100报告持续时间大于第一持续时间阈值(小于30秒)的心房颤动(AF)事件。方法1100包括步骤1102、1104、1106、1108、1110、1112、1114、1116、1118和1120。步骤1102和1104由患者便携的监视设备(例如，监视系统109)执行。如本申请所使用的，“患者便携的”设备包括便携的以及可以跟随患者的设备，例如可穿戴设备。步骤1106、1108、1110、1112、1114、1116、1118和1120由处理设备执行。在一些实施方式中，患者便携的监视设备和处理设备为物理上分开的设备。在某些实施方式中，整个方法1100由一个设备(例如，一个处理器)执行。在一些实施方式中，患者便携的监视设备包括处理设备。在某些实施方式中，处理设备包括服务器。
在步骤1102，患者便携的监视设备检测患者的ECG数据。ECG数据包括具有监视开始时间和监视停止时间的监视时间段。监视开始时间表示何时开始ECG监视或何时开始记录ECG数据。可以使用ECG传感器、ECG电极或任何其他合适的检测设备来收集ECG数据。监视停止时间表示何时停止ECG监视或何时停止记录ECG数据。监视开始和停止时间可以作为时间戳或任何其他合适的数据变量或结构以任何合适的格式存储在存储器中。
在步骤1104，患者便携的监视设备接收患者发起的事件数据，包括在第一时间患者发起的事件的第一指示。患者发起的事件的指示包括诸如时间戳的信息，指定了第一时间，即对患者发起的事件进行记录的时间。在某些实施方式中，时间戳可以指示患者发起的事件发生的时间跨度。在一些实施方式中，患者发起的事件的指示还包括患者发起的事件的描述、分类或类型(例如晕厥、心绞痛、头晕)。这样的描述可以是由患者输入或选择的文本字符串。患者发起的事件的指示可以使用软件按钮、物理按钮、加速计或患者可访问的任何其他合适的用户接口来接收。在一些实施方式中，ECG数据不包括患者发起的事件的指示，在这种情况下，步骤1104可以省略。
在步骤1106，处理设备从患者便携的监视设备接收ECG数据和患者发起的事件数据。ECG数据和患者发起的事件数据可以使用任何合适的传输方法(例如，经由蓝牙或其他无线电传输)从患者便携的监视设备无线地传输至处理设备。ECG数据可以压缩或采用低取样率，以减少传输的数据量。处理设备不需要直接从患者便携的监视设备接收ECG数据。例如，处理设备可以从服务器接收ECG，该服务器从患者便携的监视设备接收数据。
在步骤1108中，处理设备检测ECG数据中的AF事件。对于每个检测到的AF事件，处理设备可以确定相关联的AF开始时间和AF停止时间，并且将这样的开始和停止时间作为AF数据结构存储在非暂时性计算机可读存储器Y中。另外，处理设备还可以在AF数据结构中在AF开始时间和AF停止时间之间存储一部分ECG数据。处理设备可以检测多个AF事件并将它们存储在AF数据结构中。每个AF事件可以被存储在计算机可读存储器中以用于进一步的分析和处理。在一些实施方式中，处理设备在步骤1108中检测潜在的AF事件。只有在步骤1112中，处理设备确定潜在的AF事件的持续时间超过第一持续时间阈值时，处理设备才将潜在的AF事件确认为AF事件。
在步骤1110中，处理设备通过从每个AF事件的相应停止时间减去相应开始时间来计算每个AF事件的持续时间。处理设备使用以下公式计算持续时间：
[AF持续时间]i＝[AF停止时间]i-[AF开始时间]i
其中i为指示第i个AF事件的脚标。处理设备可以针对所有检测到的AF事件迭代地计算持续时间。
在步骤1112，处理设备将每个AF事件的持续时间与第一持续时间阈值进行比较。在一些实施例中，第一持续时间阈值可以小于30秒。在一些实施方式中，第一持续时间阈值为29秒、28秒、27秒、26秒、25秒、24秒、23秒、22秒、21秒、20秒、19秒、18秒、17秒、16秒、15秒、14秒、13秒、12秒、11秒、10秒、9秒、8秒、7秒、6秒、5秒、4秒、3秒、2秒、1秒或任何其他合适的阈值。在某些实施方式中，第一持续时间阈值是可变的并且根据期望的敏感度或特异度水平而变化。例如，可以将第一持续时间阈值设置为使得检测的敏感度为90％并且特异度为95％。如果AF事件的持续时间不超过第一持续时间阈值，则不存储AF事件或至少不存储在存储持续时间大于第一持续时间阈值的AF事件的位置中。持续时间短于第一持续时间阈值的AF事件可能具有如此高的假阳性率(低特异度)，以至于它们过于不可靠而无法用于医学诊断。
如果AF事件的持续时间大于所述第一持续时间阈值，则在步骤1114处理设备将AF事件存储在存储器Y中作为AF数据结构。存储的AF事件包括一些持续时间少于30秒的AF事件。在一些实施方式中，处理设备通过创建包括持续时间大于第一持续时间阈值的每个AF事件的指针的数据结构来“存储”AF事件。存储不一定需要将与AF事件相对应的基础ECG数据(例如，发生在各个AF事件的相应开始时间和相应停止时间之间的ECG数据)写入一个以上存储位置。在一些实施方式中，确定每个AF事件的持续时间(步骤1110)以及将每个AF事件的持续时间与第一阈值进行比较(步骤1112)的步骤作为检测AF事件的一部分(步骤1108)执行。
在步骤1116，处理设备通过从监视停止时间减去监视开始时间计算监视时间段持续时间。在步骤1118，处理设备基于所存储的心房颤动事件来计算心房颤动(AF)负担。AF负担为每个存储的心房颤动事件的持续时间之和除以监视时间段持续时间。AF负担使用以下公式计算：
Figure BDA0003075295800000151
其中N为存储的AF事件的数量，i为指示第i个AF事件的脚标。在示例性实施方式中，如果在监视时间间隔中未检测到或未存储AF事件，则将AF负担确定为零(就像上式中的分子为零)。
在步骤1120，处理设备输出患者发起的事件数据、AF负担以及存储的AF事件的图形表示。图形表示可以为报告212、报告312的图形表示，或任何其他合适的表示。
图12示出了根据某些实施方式，用于报告心脏性数据、在短持续时间AF事件和长持续时间AF事件之间进行区分的方法1200的流程图。方法1200可以由诸如图1的处理系统106之类的处理设备执行。在步骤1202中，处理设备从患者便携的监视设备接收ECG数据。在一些实施方式中，处理设备还接收患者发起的事件。处理设备不需要直接从患者便携的监视设备接收ECG数据。例如，处理设备可以从服务器接收ECG数据，该服务器从患者便携的监视设备接收数据。
在步骤1204中，处理设备接收第一持续时间阈值和第二持续时间阈值。第二持续时间阈值大于第一持续时间阈值。在一些实施方式中，第一持续时间阈值为29秒、28秒、27秒、26秒、25秒、24秒、23秒、22秒、21秒、20秒、19秒、18秒、17秒、16秒、15秒、14秒、13秒、12秒、11秒、10秒、9秒、8秒、7秒、6秒、5秒、4秒、3秒、2秒、1秒或任何其他合适的阈值。在某些实施方式中，第一持续时间阈值是可变的并且根据期望的敏感度和/或特异度水平而变化。例如，可以将第一持续时间阈值设置为使得敏感度为90％并且特异度为95％。在一些实施方式中，第二持续时间阈值为1小时、30分钟、15分钟、10分钟、5分钟、30秒、＜30秒或任何其他合适的阈值。在某些实施方式中，第二持续时间阈值是可变的并且根据期望的敏感度或特异度水平而变化。例如，可以将第一持续时间阈值设置为使得敏感度为80％并且特异度为97％。
在步骤1206中，处理设备检测AF事件。每个检测到的AF事件都包括开始时间和停止时间。每个AF事件也可以包括ECG数据在开始时间和停止时间之间的部分。处理设备可以检测多个AF事件。处理设备可以将每个AF事件存储在计算机可读存储器中，用于进一步的分析和处理。在一些实施方式中，处理设备在步骤1206中检测潜在的AF事件，并且仅当在步骤1210中处理设备确定潜在的AF事件具有超过第一持续时间阈值的持续时间时，才将潜在的AF事件确认为AF事件。
在步骤1208中，处理设备通过从每个AF事件的相应停止时间减去相应开始时间来计算每个AF事件的持续时间。处理设备使用以下等式计算持续时间：
[AF持续时间]i＝[AF停止时间]i-[AF开始时间]i
其中i为指示第i个AF事件的脚标。处理设备可以针对所有检测到的AF事件迭代地执行持续时间计算。在步骤1210中，处理设备将每个事件的持续时间与第一持续时间阈值进行比较。如果AF事件的持续时间小于或等于第一持续时间阈值，则处理设备丢弃或忽略AF事件。如果AF事件的持续时间大于第一持续时间阈值，则在步骤1212，处理设备将AF事件存储在非暂时性计算机可读存储器中。存储的AF事件包括一些持续时间少于30秒的AF事件。在一些实施方式中，处理设备通过创建包括持续时间大于第一持续时间阈值的每个AF事件的指针的数据结构来“存储”AF事件。存储不一定需要将与AF事件相对应的基础ECG数据(例如，发生在各个AF事件的相应开始时间和相应停止时间之间的ECG数据)写入一个以上存储位置。
在步骤1214中，处理设备将每个存储的AF事件的持续时间与第二持续时间阈值进行比较。如果各个AF事件的持续时间小于第二持续时间阈值，则在步骤1215中，处理设备将代表各个AF事件的信息存储在短持续时间AF数据库中。同样，存储并不一定需要将与AF事件相对应的基础ECG数据写入短持续时间AF数据库。短持续时间AF数据库可以简单地包括指向每个检测到的大于第一持续时间阈值且小于第二持续时间阈值的AF事件的指针。
在步骤1216中，处理设备输出表示所存储的AF事件的信息的图形表示。在图形表示中，将在短持续时间AF数据库中表示的AF事件与未在短持续时间AF数据库中表示的AF事件以图形方式区分。图形表示可以为图3、图6的图形表示，或任何其他合适的报告。通过提供以下各项的单独计数，处理设备可以通过图形区分在短持续时间AF数据库中表示的AF事件：(1)在短持续时间AF数据库中表示的AF事件以及(2)未在短持续时间AF数据库中表示的那些事件。例如，如以上关于图3所讨论的，报告312的部分318包括用于有关“短持续时间”事件(例如，在短持续时间AF数据库中表示的事件)的信息的部分322和用于有关“长持续时间”事件(例如，未在短持续时间AF数据库中表示的事件)的信息的单独的部分323。替代地或附加地，处理设备可以使用如以上图6中的符号和图例进行视觉区分。
图13示出了根据某些实施方式的用于确定患者发起的事件是否与自动检测到的事件同时发生的方法1300的流程图。方法1300可以由诸如图1的处理系统106之类的处理设备执行。通过确定患者发起的事件是否与自动检测到的事件(例如，AF、心脏停顿、心室颤动)同时发生，处理设备可以指示患者发起的事件是否与心脏疾病相关。确定患者发起的事件与心脏疾病同时发生或接近同时发生可以区分心脏疾病与神经系统疾病(例如，由心脏停顿引起的晕厥与神经介导的晕厥)。
在步骤1302中，处理设备接收ECG数据和患者发起的事件数据。每个患者发起的事件都有事件时间。事件时间为患者发起的事件被患者记录的时间。在步骤1304中，处理设备检测在ECG数据中的心脏事件。每个检测到的心脏事件都包括开始时间和停止时间。在步骤1306中，处理设备接收接近度阈值时间。处理设备使用接近度阈值时间来确定“接近同时发生”而不是“严格同时发生”。如本申请所使用的，同时发生是指严格同时发生和/或接近同时发生。当两个事件在某个时间点重叠时，就是严格同时发生。当两个事件在任何时间点都不重叠但彼此之间在时间上非常接近地发生时，就是接近同时发生。换句话说，当两个事件(尽管不是重叠的)在彼此的x个时间单位之内时，存在接近同时发生，其中x为接近度阈值时间，通常为小数字。在一些实施方式中，接近度阈值时间为10分钟、5分钟、2分钟、1分钟、30秒、15秒、10秒、5秒、4秒、3秒、2秒、1秒、0.5秒、0.1秒或任何其他合适的数字。在一些实施方式中，接近度阈值时间为0，使得仅严格同时发生将被检测到。
在步骤1308中，对于每个检测到的心脏事件，处理设备评估以下表达式(表达式1)：
[心脏事件的开始时间]i>(事件时间j+接近度阈值时间)
此处，i表示第i个心脏事件，j表示第j个患者发起的事件。处理设备可以针对心脏事件和患者发起的事件的每种组合计算表达式1(例如，计算出i*j次)。如果表达式1为真，则心脏事件i比患者发起的事件j迟得多，所以心脏事件i与患者发起的事件j不是同时发生的。因此，如果表达式1为真，则处理设备进行到步骤1309，得出心脏事件i和患者发起的事件j不同时发生的结论。如果表达式1为假，则心脏事件i和患者发起的事件j可能同时发生。为了确定是否同时发生，处理设备使用以下表达式(表达式2)检查心脏事件i的停止时间：
[心脏事件的停止时间]i<(事件时间j–接近度阈值时间)
如果表达式2为真，则心脏事件i比患者发起的事件j早得多结束，所以心脏事件i不能与患者发起的事件j同时发生。因此，如果表达式2为真，则处理设备进行到步骤1309，得出心脏事件i和患者发起的事件j不同时发生的结论。如果表达式1和表达式2均为假，则心脏事件i和患者发起的事件j是同时发生的(严格同时发生或接近同时发生)，并且处理设备进行到步骤1312。本领域技术人员将理解，处理设备可以以相反的顺序或甚至同时评价表达式1和表达式2。无论如何，只有表达式1和表达式2都为假，心脏事件i和患者发起的事件j才是同时发生的。如果表达式1或表达式2为真，则心脏事件i和患者发起的事件j不可能是同时发生的。在表达式1和表达式2中，较晚的时间由较高的值表示，所以(事件时间+x)表示在事件时间之后的x个时间单位。类似地，(事件时间–x)表示事件时间之前的x个时间单位。
在步骤1312中，若处理设备发现表达式1和表达式2两个都是假的，则处理设备将心脏事件i与患者发起的事件j相关联。处理设备可以通过创建一数据结构(或向现有数据结构添加条目)来将心脏事件i与患者发起的事件j相关联，所述数据结构包括指向心脏事件i和同时发生的患者发起的事件j的指针。在步骤1312中的相关联之后，或者在步骤1309中确定没有同时发生之后，处理设备进行到步骤1314。在步骤1314，处理设备确定是否有另一患者发起的事件还需要针对心脏事件i来评价。如果仍然有另一患者发起的事件(例如，患者发起的事件j+1)，则处理设备进行到步骤1308并重复同时发生分析(例如，步骤1308和1310)。如果不再有患者发起的事件，则处理设备进行到步骤1316。在步骤1316，处理设备确定是否还有任何其他心脏事件。如果还有一个或多个心脏事件，则处理设备针对下一个心脏事件(例如，心脏事件i+1)重复同时发生分析。如果没有另外的心脏事件，则处理设备进行到步骤1318。在步骤1318，处理设备以图形方式呈现心脏事件和患者发起的事件。图形表示指示哪些患者发起的事件与心脏事件同时发生。处理设备可以以类似于图7的格式或任何其他合适的格式提供图形表示。
为了提供的全面理解，已经对某些示例性实施方式进行了描述。然而，本领域的普通技术人员将理解，本申请所述的系统、方法和示例性图形表示可以被修改和改进为适合于所解决的应用，并且可以在其他合适的应用中采用，这种其他添加和修改将不脱离本公开的范围。尽管在整个本公开中主要讨论心房颤动事件，但是本申请公开的方法，包括图10、11、12和13，可应用于任何心律失常事件，包括心动过速、心动过缓、心脏停顿、心室颤动或任何其他心律失常。

Claims (23)

1.一种用于报告心脏病学数据的系统，包括：
患者便携的监视设备，配置为：
检测患者的心电图(ECG)数据和患者发起的事件数据，所述ECG数据包括监视时间段，所述监视时间段包括监视开始时间和监视停止时间；
电路，配置为：
从患者便携的监视设备接收ECG数据和患者发起的事件数据；
在ECG数据中检测心房颤动(AF)事件，其中检测AF事件包括针对每个检测到的AF事件检测开始时间和停止时间；
通过从每个AF事件的相应停止时间减去相应开始时间来计算每个AF事件的持续时间；
比较每个AF事件的持续时间与第一持续时间阈值；
存储具有超过第一持续时间阈值的持续时间的每个AF事件；
通过从监视停止时间减去监视开始时间来计算监视时间段的持续时间；
基于存储的AF事件，计算所述监视时间段的AF负担，其中，所述监视时间段的AF负担等于在所述监视时间段内发生的每个存储的AF事件的持续时间之和除以所述监视时间段的持续时间；以及
输出患者发起的事件数据、AF负担和存储的AF事件的图形表示；
其中，所述第一持续时间阈值小于30秒。
2.根据权利要求1所述的系统，其中，所述电路进一步配置为从所述图形表示中排除ECG跟踪。
3.根据权利要求2所述的系统，其中，所述监视时间段为第一监视时间段，且其中，所述ECG数据包括在所述第一监视时间段之后发生的第二监视时间段，且所述第二监视时间段包括第二监视开始时间和第二监视停止时间；
其中，所述电路进一步配置为：
通过从所述第二监视停止时间减去所述第二监视开始时间来计算所述第二监视时间段的持续时间，以及
基于存储的AF事件，计算第二监视时间段的AF负担，其中，第二监视时间段的AF负担等于在第二监视时间段内发生的每个存储的AF事件的持续时间之和除以第二监视时间段的持续时间；以及
其中输出AF负担的图形表示包括以图形方式呈现AF负担随时间的曲线图，所述曲线图包括：
代表时间的第一轴，
代表AF负担的水平的第二轴，
第一监视时间段的AF负担的图形指示，以及
第二监视时间段的AF负担的图形指示。
4.根据权利要求3所述的系统，其中，第二轴是用对数标度的。
5.根据权利要求2所述的系统，其中，输出AF负担的象形图形表示包括：输出表示在监视时间段中在AF中花费的时间的分数的百分比。
6.根据权利要求2所述的系统，其中，输出AF事件的图形表示包括：输出AF事件的计数。
7.根据权利要求2所述的系统，其中，所述电路进一步配置为呈现每个以图形方式呈现的AF事件的相应的持续时间。
8.根据权利要求7所述的系统，其中，所述电路进一步配置为以图形方式呈现每个呈现的AF事件的持续时间随时间的曲线图。
9.根据权利要求2所述的系统，其中，输出患者发起的事件的图形表示包括：输出患者发起的事件的计数。
10.根据权利要求2所述的系统，其中，所述电路进一步配置为：
在ECG数据中检测心脏停顿事件；以及
输出停顿事件的图形表示。
11.根据权利要求2所述的系统，其中，输出停顿事件的图形表示包括：输出停顿事件的计数。
12.根据权利要求10所述的系统，其中，所述电路进一步配置为在公共时间标度上输出患者发起的事件数据、AF事件和停顿事件。
13.根据权利要求10所述的系统，其中，所述电路进一步配置为：
在ECG数据中检测心室颤动事件；
输出心室颤动事件的图形表示；
确定检测到的心室颤动事件的严重度评分；
将每个检测到的心室颤动事件的相应严重度评分与严重度阈值进行比较；以及
从图形表示中排除严重度评分小于严重度阈值的每个心室颤动事件。
14.根据权利要求1所述的系统，其中，所述电路进一步配置为：
比较每个AF事件的持续时间与第二持续时间阈值，其中所述第二持续时间阈值大于第一持续时间阈值；以及
将具有小于所述第二持续时间阈值的持续时间的每个AF事件的表示存储在短持续时间AF数据库中。
15.根据权利要求14所述的系统，其中，所述第二持续时间阈值为30秒。
16.根据权利要求14所述的系统，其中，输出图形表示包括在图形表示上视觉上区分存储在短持续时间AF数据库中AF事件与那些具有超过第一持续时间阈值的持续时间的并且未在短持续时间AF数据库中表示的AF事件。
17.一种用于报告心脏病学数据的方法，包括：
从患者便携的监视设备接收ECG数据和患者发起的事件数据，所述ECG数据包括监视时间段，所述监视时间段包括监视开始时间和监视停止时间，所述患者发起的事件数据包括在第一时间的第一患者发起的事件；
在ECG数据中检测心房颤动(AF)事件，其中检测AF事件包括针对每个检测到的AF事件检测AF开始时间和AF停止时间；
通过从每个AF事件的相应AF停止时间减去相应AF开始时间来计算每个AF事件的持续时间；
比较每个AF事件的持续时间与第一持续时间阈值；
存储具有超过第一持续时间阈值的持续时间的每个AF事件；
通过从监视停止时间减去监视开始时间来计算监视时间段的持续时间；
基于存储的AF事件，计算所述监视时间段的AF负担，其中，所述监视时间段的AF负担等于在所述监视时间段内发生的每个存储的AF事件的持续时间之和除以所述监视时间段的持续时间；以及
输出患者发起的事件数据、AF负担和存储的AF事件的图形表示；
其中，所述第一持续时间阈值小于30秒。
18.根据权利要求17所述的方法，进一步包括从所述图形表示排除ECG跟踪。
19.根据权利要求18所述的方法，其中，所述监视时间段为第一监视时间段，且其中，所述ECG数据包括在所述第一监视时间段之后发生的第二监视时间段，且所述第二监视时间段包括第二监视开始时间和第二监视停止时间；
其中，所述方法进一步包括：
通过从所述第二监视停止时间减去所述第二监视开始时间来计算所述第二监视时间段的持续时间，以及
基于存储的AF事件，计算第二监视时间段的AF负担，其中，第二监视时间段的AF负担等于在第二监视时间段内发生的每个存储的AF事件的持续时间之和除以第二监视时间段的持续时间；以及
其中，输出AF负担的图形表示包括以图形方式呈现AF负担随时间的曲线图，所述曲线图包括：
代表时间的第一轴，
代表AF负担的水平的第二轴，
第一监视时间段的AF负担的图形指示，以及
第二监视时间段的AF负担的图形指示。
20.根据权利要求19所述的方法，其中，第二轴为对数标度。
21.根据权利要求17所述的方法，进一步包括：
比较每个AF事件的持续时间与第二持续时间阈值，其中所述第二持续时间阈值大于第一持续时间阈值；
将具有小于所述第二持续时间阈值的持续时间的每个AF事件的表示存储在短持续时间AF数据库中；以及
从视觉上区分在短持续时间AF数据库中表示的AF事件与未在短持续时间AF数据库中表示的AF事件。
22.根据权利要求21所述的方法，还包括：
在ECG数据中检测心脏停顿事件；以及
输出停顿事件的图形表示。
23.根据权利要求22所述的方法，还包括：
接收接近度阈值时间；
对于每个停顿事件，确定停顿事件的开始时间是否大于第一患者发起的事件的第一时间与所述接近度阈值时间之和；
如果停顿事件的开始时间不大于第一时间与所述接近度阈值时间之和，则确定停顿事件的结束时间是否小于第一时间减去所述接近度阈值时间；以及
如果停顿事件的开始时间不大于第一时间与接近度阈值时间之和，且如果停顿事件的结束时间不小于第一时间减去所述接近度阈值时间，则在图形表示中指示患者发起的事件与停顿事件是同时发生的。
CN201980076482.XA 2018-09-21 2019-09-20 处理和呈现心律失常信息以识别神经系统疾病的系统和方法 Pending CN113168913A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/137,910 US20200093388A1 (en) 2018-09-21 2018-09-21 Systems and Methods for Processing and Presenting Arrhythmia Information for the Identification of Neurological Disease
US16/137,910 2018-09-21
PCT/US2019/052083 WO2020061409A1 (en) 2018-09-21 2019-09-20 Systems and methods for processing and presenting arrhythmia information for the identification of neurological disease

Publications (1)

Publication Number Publication Date
CN113168913A true CN113168913A (zh) 2021-07-23

Family

ID=68240799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980076482.XA Pending CN113168913A (zh) 2018-09-21 2019-09-20 处理和呈现心律失常信息以识别神经系统疾病的系统和方法

Country Status (5)

Country Link
US (1) US20200093388A1 (zh)
EP (1) EP3853867A1 (zh)
JP (1) JP2022501163A (zh)
CN (1) CN113168913A (zh)
WO (1) WO2020061409A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150111970A (ko) 2013-01-24 2015-10-06 아이리듬 테크놀로지스, 아이엔씨 생리학적 모니터링 기기
WO2016070128A1 (en) 2014-10-31 2016-05-06 Irhythm Technologies, Inc. Wireless physiological monitoring device and systems
CN113382676A (zh) * 2018-10-31 2021-09-10 瑞思迈公司 用于改变发送到外部源的数据量的系统和方法
US11083371B1 (en) 2020-02-12 2021-08-10 Irhythm Technologies, Inc. Methods and systems for processing data via an executable file on a monitor to reduce the dimensionality of the data and encrypting the data being transmitted over the wireless network
US11350864B2 (en) 2020-08-06 2022-06-07 Irhythm Technologies, Inc. Adhesive physiological monitoring device
US11337632B2 (en) 2020-08-06 2022-05-24 Irhythm Technologies, Inc. Electrical components for physiological monitoring device
WO2022173674A1 (en) * 2021-02-09 2022-08-18 Medtronic, Inc. Health event prediction
US20220296174A1 (en) * 2021-03-17 2022-09-22 Covidien Lp Detection and/or prediction of a medical condition using atrial fibrillation and glucose measurements

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2030565A1 (en) * 2007-09-02 2009-03-04 Medicalgorithmics Sp. Z.O.O. Systems for safe and remote outpatient ECG monitoring
US20090062671A1 (en) * 2007-08-02 2009-03-05 Brockway Brian P Periodic sampling of cardiac signals using an implantable monitoring device
WO2015002945A2 (en) * 2013-07-01 2015-01-08 Mayo Foundation For Medical Education And Research Algorithms for managing artifact and detecting cardiac events using a patient monitoring system
US20160361024A1 (en) * 2015-06-15 2016-12-15 Medtronic Monitoring, Inc. System and method for monitoring and classifying atrial fibrillations
CN107408144A (zh) * 2014-11-14 2017-11-28 Zoll医疗公司 医疗先兆事件估计
US20190008384A1 (en) * 2017-07-05 2019-01-10 Cardiac Pacemakers, Inc. Systems and methods for managing patient-triggered episodes
US20190336032A1 (en) * 2018-05-07 2019-11-07 Pacesetter, Inc. Method and system to detect premature ventricular contractions in cardiac activity signals

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090062671A1 (en) * 2007-08-02 2009-03-05 Brockway Brian P Periodic sampling of cardiac signals using an implantable monitoring device
EP2030565A1 (en) * 2007-09-02 2009-03-04 Medicalgorithmics Sp. Z.O.O. Systems for safe and remote outpatient ECG monitoring
WO2015002945A2 (en) * 2013-07-01 2015-01-08 Mayo Foundation For Medical Education And Research Algorithms for managing artifact and detecting cardiac events using a patient monitoring system
CN107408144A (zh) * 2014-11-14 2017-11-28 Zoll医疗公司 医疗先兆事件估计
US20160361024A1 (en) * 2015-06-15 2016-12-15 Medtronic Monitoring, Inc. System and method for monitoring and classifying atrial fibrillations
US20190008384A1 (en) * 2017-07-05 2019-01-10 Cardiac Pacemakers, Inc. Systems and methods for managing patient-triggered episodes
US20190336032A1 (en) * 2018-05-07 2019-11-07 Pacesetter, Inc. Method and system to detect premature ventricular contractions in cardiac activity signals

Also Published As

Publication number Publication date
WO2020061409A1 (en) 2020-03-26
JP2022501163A (ja) 2022-01-06
US20200093388A1 (en) 2020-03-26
EP3853867A1 (en) 2021-07-28

Similar Documents

Publication Publication Date Title
CN113168913A (zh) 处理和呈现心律失常信息以识别神经系统疾病的系统和方法
US11931154B2 (en) Systems and methods for classifying ECG data
US8945019B2 (en) System and method for processing and presenting arrhythmia information to facilitate heart arrhythmia identification and treatment
US8897863B2 (en) Arrhythmia detection using hidden regularity to improve specificity
JP4386235B2 (ja) 心電図の順次比較のための方法及び装置
Verbrugge et al. Atrial fibrillation screening with photo-plethysmography through a smartphone camera
Kalarus et al. Searching for atrial fibrillation: looking harder, looking longer, and in increasingly sophisticated ways. An EHRA position paper
CN101203172A (zh) 测量瞬时患者急性值的设备
US20050027202A1 (en) Method and system for processing electrocardial signals
US20220233127A1 (en) Vital-sign data statistics system and patient monitor
US20200359909A1 (en) Monitoring device including vital signals to identify an infection and/or candidates for autonomic neuromodulation therapy
Sandberg et al. Diagnostic accuracy and usability of the ECG247 smart heart sensor compared to conventional Holter technology
US20240112800A1 (en) System and method for long-term patient monitoring of continuous ecg and physiological data
US10555702B1 (en) Methods and systems for characterizing the quality of an electrocardiogram signal
Geddes et al. A PVC detection program
US10610115B1 (en) Methods and systems for the delivery of accurate and precise measurements from the body-surface electrocardiogram
CN113080917A (zh) 一种心率异常的监测方法及装置
WO2010000009A1 (en) Improved detection of cardiac dysfunction
US11213241B2 (en) Apparatus and a method for qt correction

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211022

Address after: American Minnesota

Applicant after: Brema Manufacturing Co.,Ltd.

Address before: American Minnesota

Applicant before: Brema Manufacturing Co.,Ltd.

Applicant before: R. Bongler

Applicant before: W. Dekkeko

Applicant before: J. Finkmail

Applicant before: D. Thank you

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210723