Predicting New-Onset Atrial Fibrillation in Hypertrophic Cardiomyopathy: A Review

医学 心房颤动 肥厚性心肌病 心脏病学 内科学 心力衰竭 背景(考古学) 左心室肥大 左心房扩大 心肌病 窦性心律 血压 生物 古生物学
作者
Marco Maria Dicorato,Paolo Basile,Maria Ludovica Naccarati,Maria Cristina Carella,Ilaria Dentamaro,Alessio Falagario,Sebastiano Cicco,Cinzia Forleo,Andrea Igoren Guaricci,Marco Matteo Ciccone,Vincenzo Ezio Santobuono
出处
期刊:Journal of Clinical Medicine [Multidisciplinary Digital Publishing Institute]
卷期号:14 (6): 2018-2018 被引量:6
标识
DOI:10.3390/jcm14062018
摘要

Hypertrophic cardiomyopathy (HCM) is a condition characterized by left ventricular hypertrophy, with physiopathological remodeling that predisposes patients to atrial fibrillation (AF). The electrocardiogram is a basic diagnostic tool for evaluating heart electrical activity. Key electrocardiographic features that correlate with AF onset are P-wave duration, P-wave dispersion, and electromechanical delay in left atrium (LA). Clinical markers, including age, body mass index, New York Heart Association functional class, and heart failure symptoms, are also strong predictors of AF in HCM. Risk scores have been created using multiple variables to better predict AF development. Increasing knowledge of genetic subsets in HCM and cardiovascular pathology in general has provided novel insight in this context. Structural and mechanical LA remodeling, including fibrosis, altered LA function, and changes in atrial size, further contribute to AF risk prediction. Cardiovascular magnetic resonance (CMR) and echocardiographic measures provide accurate information about atrial structure and function. Machine learning models are increasingly being utilized to refine risk prediction, incorporating a wide range of variables. This review highlights the multifaceted approach required to understand and predict AF development in HCM. Such an approach is imperative to enhance prognostic accuracy and improve the quality of life of these patients. Further research is necessary to refine patient outcomes and develop customized management strategies for HCM-associated AF.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
bkagyin的应助被满意的彤采纳,获得30
1秒前
LKK完成签到 ,获得积分10
1秒前
脸又圆了完成签到,获得积分10
1秒前
xxx发布了新的文献求助10
1秒前
2秒前
852的应助被追寻向彤采纳,获得10
2秒前
2秒前
fantasy的应助被zhangmingyang采纳,获得10
2秒前
爱吃橘子发布了新的文献求助10
3秒前
迪克楠仔完成签到,获得积分10
3秒前
洗袜袜完成签到,获得积分10
4秒前
youyou发布了新的文献求助10
4秒前
王小班完成签到,获得积分10
5秒前
备注完成签到,获得积分10
5秒前
5秒前
qiluo发布了新的文献求助10
5秒前
科研通AI6.4的应助被eternal采纳,获得10
5秒前
所所的应助被江sir采纳,获得10
5秒前
6秒前
SciGPT的应助被碎觉觉采纳,获得10
6秒前
秋风的应助被整齐的飞兰采纳,获得100
6秒前
6秒前
6秒前
7秒前
7秒前
Eternity发布了新的文献求助10
7秒前
天天快乐的应助被科科采纳,获得10
8秒前
XAaaaa发布了新的文献求助10
8秒前
耶耶发布了新的文献求助10
8秒前
斯文败类的应助被xuyuan采纳,获得10
8秒前
充电宝的应助被大鸣王潮采纳,获得10
9秒前
迪克楠仔发布了新的文献求助10
9秒前
RANSETI发布了新的文献求助10
9秒前
Hello的应助被皮不可采纳,获得10
9秒前
书意完成签到 ,获得积分10
10秒前
10秒前
皇帝新衣完成签到,获得积分10
10秒前
10秒前
荔枝花完成签到,获得积分10
10秒前
11秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
Resource Recovery Handbook 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8175943
求助须知:如何正确求助?哪些是违规求助? 9567501
关于积分的说明 21793186
捐赠科研通 7770490
什么是DOI,文献DOI怎么找? 3431935
关于科研通互助平台的介绍 2556294
邀请新用户注册赠送积分活动 2477485