单腔鉴别诊断幻灯片

单腔鉴别诊断ICD的作用治疗室性快速心律失常，包括室速和室颤鉴别出SVT，不治疗医生如何判断？ICD如何识别？敏感性和特异性的定义何时应用这些鉴别标准Onset:Pre-countingVT计数器计数之前Stability:DuringcountingVT计数器计数当中EGMWidth:@NID诊断成立之时Wavelet: @NID诊断成立之时单腔ICD鉴别标准的工作流程A-Fib/FlutterSinusTachOther1:1SVT

200bpm200bpm200bpm200bpmVTFastV-VCycleLengthDueTo…单腔鉴别标准(Onset,Stability,EGMWidth,Wavelet)

200bpmVF单腔ICD鉴别SVT与VT标准概况A-Fib/FlutterSinusTachOther1:1SVT

200bpm200bpm200bpm200bpmVTFastV-VCycleLengthDueTo…OnsetGradual突发突发

200bpmVF单腔ICD鉴别SVT的依据—突发性突发OnsetOnset标准算法事件进入VT区后，每4个心动周期进行滚动比较，邻近的四个周期比上之前的四个周期，比值低于程控值的满足突发性，高于程控值的不满足突发性CL1：480480470450440430420390Onset=81%CL2：900900910900920810890380390Onset=81%实际=89%实际380=83%；实际390=68%作用于VTzone和FVTviaVTzone作用于NID，NotRNID，判断VT是否开始计数单个的早搏事件不会触发满足突发性事件诊断(TD/FTD)后，Onset关闭，事件终止后再打开局限性：运动诱发的VT事件，建议打开HighTimeout30minCycleLengthOnsetCriteriaMETVTVTOnsetNOTMETCycleLengthOnset标准鉴别ST的特点两个程控参数:OnsetEnableOn,Off*,Monitor

OnsetPercentage(%)72,75,...,81*,84,88,91,94,97较低的标准数值，虽然会提高ST鉴别的特异性，但同时会降低VT鉴别的敏感性Onset标准鉴别ST的程控设置Onset标准鉴别ST的运作事件进入VT区，临近的4个心动周期平均周长与之前的4个周期平均周长比较，判断Onset是否满足。Onset标准鉴别ST的运作事件进入VT区，临近的4个心动周期平均周长与之前的4个周期平均周长比较，判断Onset是否满足。Onset标准鉴别VT开启VT计数运作事件满足Onset标准后，VT开始计数，并维持4个周期。从第五个事件起，Onset开始计算是否归零计数：观察最近8个周期，未达到Onset设置值最近4个周期平均周长大于TDI心律失常事件未正发生VT600ms500ms400ms300ms

VF事件虽然进入了VT区，但因是逐渐进入未满足Onset标准，VT计数器不计数，仍然标记为VS。VTTherapyManWithheld!应用突发性Onset标准鉴别ST病例分享1TDI=?OnsetPercentage=？

Onset

“onsets”900ms700ms500ms300ms

Ave530msAve470ms530msx84%=440msorlesstoclassifyas“gradual”

Onset

“onsets”Ifpriorprogrammed%

islessthanrecentaverage=gradual(onset______)Ifrecentaverage

islessthanpriorprogrammed%

=sudden(onset_______)900ms700ms500ms300ms

Ave530msAve340ms530msx84%=440ms(MustbegreaterThanthe340mstoclassify“Abrupt”)A-Fib/FlutterSinusTachOther1:1SVT

200bpm200bpm200bpm200bpmVTFastV-VCycleLengthDueTo…

200bpmVF单腔ICD鉴别SVT的依据—规整性节律规整节律不规整节律规整节律规整Stability鉴别由于Af快下传引起的VT计数，防止不规整的节律被识别为VT(节律整齐)适用于初次识别和再识别（Redetection）适用于VTzone和FVTviaVTzoneStability标准鉴别Af/SVT的特点VT计数器打开并VT计数达到3后，第四个间期与前面三个间期（无论是FS/TS/FT）各做减法运算，只要有一个的差值大于程控的stabilityinterval标准，改事件被认为不规整，VT计数器规零。Stability=40ms809040Stability进行“三个一组核查”Stability标准鉴别Af/SVT的算法Stability标准鉴别Af/SVT的运作TDI:400msFDI:320msStability:50msStability标准鉴别Af/SVT的程控设置程控参数:Stability（ms）Off*,30,40,50,...,80,90,100越低的标准数值，对事件规整性要求越严，会限制正常VT间期的波动性，从而会降低VT识别（尤其是多形性室速）的敏感性。StabilityatWork102090StabilityatWork80VT=3病例分享2TDI=?Stability=？Onset=？如果是真实VT程控建议？VT600ms500ms400ms300ms

VFOnset标准满足(EnteredAbruptly)StabilityCriterion未满足(NotStablelikeVT)Onset应用稳定性Stability标准鉴别Af/SVTA-Fib/FlutterSinusTachOther1:1SVT

200bpm200bpm200bpm200bpmVTFastV-VCycleLengthDueTo…

200bpmVF单腔ICD鉴别SVT的依据——波形宽窄窄窄宽EGMWidth窄由于SVT和VT/VF激动顺序不一样，造成两者的除极（QRS波）形态不一致。通常情况下SVT的QRS波是窄的，VT或VF的QRS波是宽的。局限性：束枝传导阻滞，起搏器患者，窄QRSVT,或大剂量抗心律失常药物致QRS增宽。VTSVTEGMWidth标准鉴别SVT的原理A-Fib/FlutterSinusTachOther1:1SVT

200bpm200bpm200bpm200bpmVTFastV-VCycleLengthDueTo…

200bpmVF单腔ICD鉴别SVT的依据——波形特征匹配匹配不匹配Wavelet匹配和模板QRS波形的匹配性概要：SVT和VT形态上的差异特征分析一个波形的48形态

，而不仅仅是宽度收集模板，并计算事件与模板的匹配率手动或者自动收集模板中国市场现有单腔ICD和即将上市的Protecta系列基于波形特征鉴别SVT的标准—WaveletWavelet鉴别SVT的临床基础SVT由心室以上部位激动，故形态特征与正常窦性下传R波类似，与VT迥异。ICD通过对事件形态特征的对比来鉴别SVT。Wavelet处理EGM的工程原理EGM模拟信号可拆分为不同的微波。拆分层次越多，越接近真实信号特征，WaveletTM

使用48种不同的微波通过综合分析多种微波，可重建、存储及分析EGM的微小细节Wavelet处理EGM的工程原理JCardiovascElectrophysiol,Vol.13,pp.432-441,May2002Wavelet鉴别SVT的工作原理将事件EGM与模板进行峰值排列，再进行Haar小波转换比较。JCardiovascElectrophysiol,Vol.13,pp.432-441,May2002TSTSTSTSTSTSTSTSTSWavelet鉴别SVT的运作流程IntrinsicNormalRhythm治疗不打开

CreateTemplateWVMatchThreshold70%Wavelet94%69%98%97%68%97%95%98%大于3/8匹配VSVSVSLookback8NormalSinus18%19%18%14%83%18%19%18%IntrinsicNormalRhythm给予治疗

CreateTemplateMatchThreshold70%Wavelet小于3/8匹配VSVSVS

TSTSTSTSTSTSTSNIDLookback8Wavelet鉴别SVT的运作流程Wavelet鉴别SVT的运作流程Wavelet从第2个TS（或者第3个FS）开始收集EGM信息，再两个事件后，开始进行模板比对。NID时回望8个事件，3个及以上事件匹配度大于阈值时，鉴别为SVT，NID不成立；反之成立。SVTWavelet进行EGM采样来源—EGM2EGM2Source默认为CantoHVB。远场信号更能够描绘出EGM除极信号的全部形态。EGM2Range默认为±8mv。R波太低会引入肌电信号的干扰，太高会导致切峰现象，从而失去部分信息。修改上述参数会导致现有模板清除，重新开始收集新模板。EGM2采样对模板比对的影响(JCardiovascElectrophysiol,Vol.17,pp.1310-1319,December2006)Solution:切峰ChangeEGMRangeto+/-16EGM2Base-to-peak>6mv,

Changerangeto16EGM2采样对模板比对的影响例1SmallAmplitudes(<3mV)HardtodistinguishnoisefromQRS.Solution:EGM2Peak-to-peak<3mv,

ChangeEGMSourceEGM2采样对模板比对的影响例2Wavelet鉴别SVT的局限性起搏依赖患者间歇性AV传导阻滞患者SVT伴束支或室内阻滞患者SVT伴差异性传导Wavelet程控设置参数Wavelet程控设置参数—MatchThreshold不合适的匹配度阈值要不会造成不适当的治疗，要不就会造成真实心律失常事件识别的延迟，带来威胁。经验值是70%。Wavelet匹配阈值的有效性研究1Swerdlow,et.al,JCardiovascElectrophysiol,Vol.13,pp.432-442,May2002.100%Sensitive!!Wavelet程控设置参数—Monitor当设置为Monitor时，Wavelet会进行所有进程计算并产生结果，但对事件的诊断结果不干预。由于Wavelet的局限性，需要安全第一的准则下，使用Monitor设置来评估Wavelet的敏感性和特异性。保证100%敏感性前提下，设置最高特异性的匹配阈值。Wavelet程控设置参数—AutoCollection自动收集：自动收集，更新，确认模板。应对自身QRS波群形态改变而及时调整模板。手动收集：由于Wavelet不能区别Sense和Pace，故对于起搏适应证的患者，建议使用手动收集Sense作为模板，并关闭自动收集程序。Wavelet程控设置参数—SVTLimitSVTLimit用来确认Wavelet识别的最小间期周长小于TDI，默认320ms，最小240ms（推荐）只有MDT可以将Wavelet识别区间放进VF区，参与VT/VF/FVT的诊断。SVT和FVTWavelet的模板处理—自动收集高辨别能力的模板匹配使用了EGM波形的48个特征自动收集模板确认模板连续模板质量监测自动模板更新*MarquisVRICDonly**Swerdlow,C,et.al.Europace1(Suppl.),Abstract23PW/22.Appliesitself@NIDCanapplytoVFzone(SVTLimit)Wavelet-程控？FVTVIAVFONOnlyMDTcanprogramSVTDiscriminVFZoneWavelet-程控？Wavelet模板的建立1)CreatesInitialTemplate2)ConfirmsTemplate3)Reconfirms

搜集6个内源性R波，排除:起搏波起搏事件之后的心搏过快的心搏(<600ms或TDI+60ms)AverageTemplatecreatedfrom“matchingRwaves”Wavelet的模板处理—自动收集模板如果4/6个R波极为相似（4个中的每一个都能与其他任何3个R波进行匹配），即按照平均值来收集模板(排除PVCs)Wavelet的模板处理—确认模板收集后需进行确认，每10秒比较一次。该阶段大约耗时12min，模板确认通过后，模板被保存进行Wavelet鉴别如果超过30/100个“不匹配”：重新开始收集模板MATCH88%30secMATCH91%20secMATCH91%10secMATCH81%40secMATCH76%50secMATCH82%60secMATCH75%70sec…如果至少匹配70/100个成功：模板确认成功。Wavelet的模板处理—模板质量检查每1000s进行模板质量检查，确保模板反映当前自身事件超过30/100结果为“不匹配”–收集新模板MATCH88%3000sMATCH91%2000sMATCH91%1000sMATCH81%4000sMATCH76%5000s如果至少70/100结果为“匹配”–该模板继续使用模板创建(1min)模板确认(15mins)模板质量检查(9hours)TimeWavelet模板自动创建与更新Wavelet总结——FAB简单!!一键程控不需要患者的特殊参数自动模版更新单腔识别系统在默认的匹配阈值下：100%VT识别和80%SVT鉴别(Swerdlowmanuscript)ConfidentialandProprietary;DoNotCopyorDistributePRLogic和Wavelet:解决方案!PRLogic+Wavelet

(inDRandCRT-Ddevices)联合波形和A-V模式识别更好地鉴别所有类型的SVTs–即使事件频率非常快提高SVT识别PRLogic有效识别窦速和AF/AFlutterWavelet应用EGM形态提高SVT识别HRT—确保单腔识别不延误VT治疗HighRateTimeout可以关闭Onset，Stability，Wavelet的诊断标准，给予事件发放治疗事件持续时间越长，不适当的SVT治疗明显减少，而VT事件的治疗仍维持在很高水平。VT600ms500ms400ms300ms

VFPre-CountingOnsetAttheNIDEGMWidth/Wavelet