傅文霞，陳力秀，樂佳瑋，李若谷，2

1.上海市胸科醫(yī)院／上海交通大學(xué)附屬胸科醫(yī)院心功能室，上海 200030；2.上海市胸科醫(yī)院／上海交通大學(xué)附屬胸科醫(yī)院心內(nèi)科，上海200030

心房顫動（atrial fibrillation，AF）是最常見的心律失常，目前已成為全球重大的公共衛(wèi)生問題之一［1］。2014年Circulation公布的2010年全球疾病負擔數(shù)據(jù)顯示，全球AF患病率為0.5%［2］。國內(nèi)首個大型AF流行病學(xué)調(diào)查結(jié)果顯示，中國AF總患病率為0.77%，陣發(fā)性AF患病率為0.26%［3］。中國AF患者超過800萬，且發(fā)病率隨年齡增長而明顯上升［4］。由于AF患者的檢出率和知曉率均較低，很多患者在經(jīng)歷卒中等不良事件后才意識到自己患有AF，啟動抗凝治療，造成了醫(yī)療衛(wèi)生資源的更多消耗，產(chǎn)生了巨大的社會經(jīng)濟負擔［5］。因此，早期篩查、識別隱匿性AF顯得尤為重要。本研究為單中心前瞻性注冊自身對照研究，擬比較國產(chǎn)穿戴式動態(tài)心電圖（electrocardiogram，ECG）記錄儀與12導(dǎo)聯(lián)ECG的性能，以及在不同體位及運動后驗證穿戴式動態(tài)ECG記錄儀對于檢測AF的有效性及安全性，為院外AF篩查及管理提供可靠的無創(chuàng)篩查手段。

1 對象與方法

1.1 研究對象

納入自2020年6月24日至7月24日就診于上海市胸科醫(yī)院門診并同時行ECG檢查的受試者116例。入選標準：年齡＞18歲；經(jīng)評估后可配合試驗。排除標準：不能配合檢查；身體狀況不能滿足本臨床研究的要求；存在嚴重的上肢動脈閉塞或者缺血；體內(nèi)植入心臟起搏器、除顫器或其他電子設(shè)備；已經(jīng)登記入選其他可能影響本研究的臨床研究。最終入選114例（其中2例中途撤回知情同意書）。記錄受試者人口學(xué)特征、既往史及用藥史等基本信息。本研究是一項前瞻性注冊自身對照研究（NCT04462653），經(jīng)上海市胸科醫(yī)院倫理委員會批準（審批號：LS2035）。受試者均簽署知情同意書。

1.2 圖像采集

圖像采集設(shè)備由腕帶、心電記錄儀、嵌入式軟件（安裝在心電記錄儀上）、手機應(yīng)用（Amazfit CardiDoc程序）、充電線組成。受試者平靜呼吸，體位采用仰臥位，通過12導(dǎo)聯(lián)ECG記錄，根據(jù)12導(dǎo)聯(lián)ECG結(jié)果判定是否為AF。為了保證研究結(jié)果的一致性，統(tǒng)一將穿戴式動態(tài)ECG記錄儀的腕帶佩戴在左手腕（在手機程序中進行預(yù)置）。受試者分別采取仰臥位、站立位佩戴穿戴式動態(tài)ECG記錄儀1 min，爬3層樓后佩戴穿戴式動態(tài)ECG記錄儀站立1 min，最后采用12導(dǎo)聯(lián)ECG重新記錄受試者心電圖。受試者將右手示指放在穿戴式動態(tài)ECG記錄儀的觸摸按鈕上，并以足夠的力度按下，以確保在整個記錄過程中電極傳感器與左手腕皮膚接觸。這個過程模擬肢體導(dǎo)聯(lián)Ⅰ導(dǎo)聯(lián)。穿戴式動態(tài)ECG記錄儀的ECG被實時傳輸?shù)紸mazfit CardiDoc應(yīng)用程序和云服務(wù)器，并使用互聯(lián)網(wǎng)服務(wù)器上的人工智能（artificial intelligence，AI）算法進行評估。AI采用深度卷積神經(jīng)網(wǎng)絡(luò)（SEResNet），訓(xùn)練21 618個標記心電圖（4 734個為AF病例）和8 518個標記心電數(shù)據(jù)源（241個為AF病例）的測試集，開發(fā)出RealBeats人工智能生物數(shù)據(jù)引擎（Huami Technology）。測試集的靈敏度和特異度分別為93.36%和99.75%。

1.3 圖像分析

將12導(dǎo)聯(lián)ECG結(jié)果作為金標準。12導(dǎo)聯(lián)ECG的結(jié)果由2位有3年以上工作經(jīng)驗的心電圖醫(yī)師診斷為“非AF”“AF”或“無法判斷”。通過穿戴式動態(tài)ECG記錄儀記錄完成后，軟件自動保存心電數(shù)據(jù)，同時通過AI算法給出的診斷為“非AF”“AF”或“無法判斷”（信號質(zhì)量不佳，或者不能滿足做出判斷的要求，則輸出“無法判斷”）。如果與電極接觸并采集信號的過程中斷開，記錄停止，則需要重新啟動。

1.4 臨床評價標準

1.4.1 有效性評價標準

（1）主要終點 完成檢測后，分別統(tǒng)計AF、非AF或無法判斷的病例數(shù)，然后對結(jié)果進行一致性評價；如果95%CI下限高于臨床可接受的最低一致率（80%），則認為產(chǎn)品可靠性可以接受。

（2）次要終點 根據(jù)有效的臨床研究結(jié)果，進行靈敏度、特異度、陽性預(yù)測值和陰性預(yù)測值的計算。

1.4.2 安全性評價標準

（1）不良事件 記錄臨床研究過程中發(fā)生的不良事件和嚴重不良事件，并判定不良事件和嚴重不良事件是否與測試器械有關(guān)。不良事件與測試用器械的關(guān)系，分為“無關(guān)”“可能無關(guān)”“肯定有關(guān)”“可能有關(guān)”“無法判定”。

（2）器械缺陷 記錄臨床研究過程中測試用器械出現(xiàn)的問題，如不能佩戴、無結(jié)果輸出、信號干擾等，評價測試用器械使用的可靠性和穩(wěn)定性。

1.5 統(tǒng)計學(xué)分析

按照《醫(yī)療器械臨床試驗質(zhì)量管理規(guī)范》（食品藥品監(jiān)督管理總局2018年第6號文）的相關(guān)要求，經(jīng)臨床研究機構(gòu)和申辦方共同討論，采用配對試驗設(shè)計。根據(jù)公式

計算樣本量。其中雙側(cè)采用α=0.05、1-β=0.8、P=90%，P0為臨床能夠接受的一致率，此處取80%，代入公式，共選合格受試者108例才具有統(tǒng)計學(xué)意義。按照5%的脫落率計算，最終需要入選受試者114例。根據(jù)《北京市第二類體外診斷試劑臨床試驗指導(dǎo)原則（2016年版征求意見稿）》中“定性測試的產(chǎn)品，陽性樣本比例應(yīng)不低于30%”，最終選擇陽性AF樣本54例、非AF樣本60例。定量資料和定性資料分別用xˉ±s和例數(shù)（百分比）表示。定量資料根據(jù)數(shù)據(jù)分布，采用兩獨立樣本t檢驗或非參數(shù)檢驗；定性資料采用χ2檢驗或Fisher精確概率法。根據(jù)AF和非AF的診斷結(jié)果，建立四格表。統(tǒng)計是否為AF和非AF的真陽性（true positive，TP）、真陰性（true negative，TN）、假陽性（false positive，F(xiàn)P）和假陰性（false negative，F(xiàn)N）的例數(shù)。無法分類的結(jié)果定義為“TPTN”或者“FPFN”。計算穿戴式動態(tài)ECG記錄儀的AI算法判斷結(jié)果與人工判斷結(jié)果的匹配率，用來評價陽性結(jié)果一致性［6］。計算敏感度［TP/（TP+FN）］、特異度［TN/（TN+FP）］、陽性預(yù)測值［TP/（TP+FP）］、陰性預(yù)測值［TN/（FN+TN）］和一致性［（TP+TN）/（TP+TN+FP+FN）］。采用Wald方法確定95%CI。數(shù)據(jù)分析采用SPSS 22.0軟件。P值為雙側(cè)，P<0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 一般臨床資料

最終入選114例受試者（AF組53例，對照組61例）。AF組受試者年齡顯著大于非AF組（P=0.000），CHA2DS2-VASc評分高于非AF組（P=0.001），合并冠狀動脈粥樣硬化性心臟病的比例高于非AF組（P=0.014）。2組服用口服抗凝藥、抗血小板藥、鈣通道阻滯劑（calcium channel blocker，CCB）、利尿劑、地高辛、β-受體阻滯劑的比例差異均有統(tǒng)計學(xué)意義（均P<0.05），詳見表1。

表1 2組受試者臨床特點比較Tab 1 Baseline information of participants

2.2 有效性評價

2.2.1 仰臥位檢測AF的有效性 根據(jù)12導(dǎo)聯(lián)ECG采集的ECG波形確定AF 53例、非AF 61例。受試者取仰臥位，佩戴穿戴式動態(tài)ECG記錄儀60 s，ECG檢測由AI算法自動判定AF 47例、非AF 65例、無法判斷2例。與12導(dǎo)聯(lián)ECG比較（無法判斷為TPTN），穿戴式動態(tài)ECG記錄儀診斷AF的一致性為96.49%（95%CI91.03%～98.92%），靈敏度為92.45%（95%CI81.64%～97.52%），特異度為100%（95%CI92.91%～100%），陽性預(yù)測值為100%（95%CI91.32%～100%），陰性預(yù)測值為93.85%（95%CI84.78%～98.02%）。與12導(dǎo)聯(lián)ECG比較（無法判斷為FPFN），穿戴式動態(tài)ECG記錄儀診斷AF的一致性為94.74%（95%CI88.76%～97.80%），靈敏度為88.68%（95%CI77.06%～95.07%），特異度為100%（95%CI92.91%～100%），陽性預(yù)測值為100%（95%CI90.98%～100%），陰性預(yù)測值為91.04%（95%CI81.48%～96.16%）。

2.2.2 站立位及運動后檢測AF的有效性 受試者取站立位，佩戴穿戴式動態(tài)ECG記錄儀的60 s，ECG檢測由AI算法自動判定AF 50例、非AF 61例、無法判斷1例。受試者走3層樓梯后，佩戴穿戴式動態(tài)ECG記錄儀60 s，ECG檢測由AI算法自動判定的結(jié)果與站立位完全相同。與12導(dǎo)聯(lián)ECG比較（無法判斷為TPTN），穿戴式動態(tài)ECG記錄儀診斷AF的一致性為98.25%（95%CI93.43%～99.91%），靈敏度為96.23%（95%CI86.51%～99.69%），特異度為100%（95%CI92.91%～100%），陽性預(yù)測值為100%（95%CI91.63%～100%），陰性預(yù)測值為96.83%（95%CI88.50%～99.77%）。與12導(dǎo)聯(lián)ECG比較（無法判斷為FPFN），穿戴式動態(tài)ECG記錄儀診斷AF的一致性為97.37%（95%CI92.21%～99.44%），靈敏度為94.34%（95%CI84.03%～98.65%），特異度為100%（95%CI92.91%～100%），陽性預(yù)測值為100%（95%CI91.48%～100%），陰性預(yù)測值為95.31%（95%CI86.57%～98.92%）。

2.3 安全性

穿戴式動態(tài)ECG使用的醫(yī)療器械屬于風(fēng)險管理級別較低的二類醫(yī)療器械，研究過程中未發(fā)生不良事件，亦無明顯的器械缺陷。

3 討論

近年來，國內(nèi)外針對AF的治療指南不斷更新，AF的診治水平得到明顯提高，診療過程進一步規(guī)范。雖然部分AF患者無明顯不適，但卒中、心功能不全等風(fēng)險依然高于一般人群。AF可導(dǎo)致卒中、心力衰竭等一系列不良臨床后果，具有很高的致殘率和致死率［7］。卒中可能為其首發(fā)表現(xiàn)，若及時診斷AF并給予干預(yù)，可明顯減少此類事件的發(fā)生。無癥狀A(yù)F多為陣發(fā)性AF，具有突發(fā)突止的特點，并且受到篩查方法的限制。因此，加強對隱匿性AF的篩查，提高檢出率顯得尤為重要。

目前，傳統(tǒng)的篩查AF的方法有12導(dǎo)聯(lián)ECG、動態(tài)ECG、脈搏觸診、植入式心電監(jiān)測等方法。常規(guī)ECG可用于陣發(fā)性AF的確診，但對于持續(xù)時間短的陣發(fā)性AF，當?shù)竭_醫(yī)院行ECG檢查時，可能AF發(fā)作已經(jīng)停止，導(dǎo)致未能及時發(fā)現(xiàn)并留下臨床證據(jù)。因此，常規(guī)ECG容易受到檢測空間和時間的限制，只能在醫(yī)院進行檢查。動態(tài)ECG延長心電監(jiān)測的時程，彌補了常規(guī)ECG的不足。雖然與常規(guī)ECG相比，動態(tài)ECG提高了陣發(fā)性AF的檢出率，但長時程監(jiān)測影響患者的日常生活，部分患者皮膚不能耐受［8］；加之受到醫(yī)療費用等經(jīng)濟學(xué)相關(guān)因素的影響，無法進行大規(guī)模人群篩查。在患者感覺不適時，立即進行脈搏觸診，發(fā)現(xiàn)異常后立即就診，完善ECG檢查，理論上可提高陣發(fā)性AF的檢出率。但對普通人群來說，未經(jīng)過專業(yè)培訓(xùn)，發(fā)現(xiàn)脈搏不規(guī)律較為困難。植入式心電監(jiān)測設(shè)備診斷AF的敏感度和特異度均較高，但費用較高、有創(chuàng)傷，推廣困難，嚴重限制了其大規(guī)模使用的可能性。因此，使用低成本可穿戴電子設(shè)備在大量健康人群中進行長期篩查和監(jiān)測，具有巨大的推廣潛力。

近年來多種安全、無創(chuàng)的AF篩查新方法應(yīng)運而生，這為AF的院外篩查提供了新思路。AF治療結(jié)合AF篩查可能會使更多患者獲益。既往研究［9-15］表明，智能設(shè)備（智能手機、手持設(shè)備、手環(huán)、手表）可用于AF檢測。一項家庭環(huán)境下佩戴穿戴式連續(xù)ECG貼片監(jiān)測未確診AF效果的隨機臨床試驗（mSToPS研究）［10］結(jié)果顯示，立即監(jiān)測組在4個月時的AF新診斷率高于延期監(jiān)測組（3.9%vs0.9%）。隨訪1年時，心電監(jiān)測貼片組較未佩戴組新診斷AF的比例更高（6.7%vs2.6%）。該試驗評價了家用可穿戴心電監(jiān)測貼片對AF高危人群早期診斷的應(yīng)用效果。雖然采用這類監(jiān)測工具后AF檢出率提高，但長期佩戴心電監(jiān)測貼片的安全性及佩戴者的舒適度未提及。2019年Apple Heart研究［11］發(fā)表數(shù)據(jù)，智能手表使用光電容積描記法（photoplethysmographic，PPG）能夠及時有效地發(fā)現(xiàn)佩戴者是否存在AF，在AF篩查中起到積極作用。但是，智能手表在老齡化加劇的中國普及性不高，且陽性預(yù)測值僅為71.3%。國內(nèi)也進行了AF篩查的研究［12］，該研究是基于PPG技術(shù)進行AF篩查，陽性預(yù)測值為91.6%。但是，此項研究無法提供與基于PPG的智能設(shè)備同步的實時12導(dǎo)聯(lián)ECG數(shù)據(jù)，因為數(shù)據(jù)是在仰臥位收集的，而仰臥位并不能反映家庭篩查的實際情況，運動對PPG信號的影響較大。實際上，單導(dǎo)聯(lián)ECG與PPG技術(shù)需要避免運動造成的干擾，以提高準確性。本研究分別采用仰臥位、站立位及運動后模擬佩戴者的日常體位和姿勢，更加反映其真實狀態(tài)。測試結(jié)果證實了該設(shè)備在不同狀態(tài)下診斷AF結(jié)果的可靠性。

基于以上研究的優(yōu)缺點，為了便于日后開展大規(guī)模AF無創(chuàng)性篩查，本研究采用前瞻性設(shè)計，納入門診受試者，而不是在復(fù)律前后進行比較［16］。本研究應(yīng)用的檢查儀器是國內(nèi)首批將單導(dǎo)聯(lián)ECG應(yīng)用于手環(huán)的器械，穿戴方便，易于操作；且利用AI算法處理心電信號，不同體位及運動后穿戴式動態(tài)ECG記錄儀能準確發(fā)現(xiàn)AF，特異度及陽性預(yù)測值達到100%。本研究的可穿戴式動態(tài)ECG記錄儀不需要與智能手機頻繁通信，從而減少了功耗，增加了持續(xù)記錄數(shù)據(jù)的時間，最長可待機7 d。佩戴時不影響日常活動，而且防水，安全可靠。當應(yīng)用程序檢測到AF時，向佩戴者及相關(guān)親屬發(fā)送短信，及時告知其AF發(fā)作。親屬也可以及時告知老年佩戴者，促使佩戴者及時就診，這為AF發(fā)作起到很好的預(yù)警作用。

本研究尚存在一些局限性。首先，ECG監(jiān)測納入沒有癥狀的受試者，而不是在有癥狀的受試者中進行。其次，該設(shè)備僅用于鑒別AF和竇性心律，無法檢測其他心律失常。在未來的研究中，我們將繼續(xù)使用新的算法來識別并區(qū)分竇性心律失常和其他形式的心律失常。最后，本研究樣本量較少，需要進一步在多中心大規(guī)模人群中進行AF篩查。

總之，穿戴式動態(tài)ECG記錄儀具有較高的特異度及陽性預(yù)測值，且在監(jiān)測到AF后可及時告知佩戴者，起到預(yù)警作用。該方法具有操作簡便、準確、安全等優(yōu)點，克服了傳統(tǒng)篩查AF方法在時間、空間上的局限性，能廣泛應(yīng)用于社區(qū)、家庭；不僅提高了陣發(fā)性AF的檢出率，也改變了既往對AF篩查的認知及AF患者的管理模式，為AF的院外篩查和管理提供了新的研究思路。

參·考·文·獻

[1] Staerk L,Sherer JA,Ko D,et al.Atrial fibrillation:epidemiology,pathophysiology,and clinical outcomes[J].Circ Res,2017,120(9):1501-1517.

[2] Chugh SS,Havmoeller R,Narayanan K,et al.Worldwide epidemiology of atrial fibrillation:a Global Burden of Disease 2010 Study[J].Circulation,2014,129(8):837-847.

[3] 周自強,胡大一,陳捷,等.中國心房顫動現(xiàn)狀的流行病學(xué)研究[J].中華內(nèi)科雜志,2004,43(7):491-494.

[4] Ugowe FE,Jackson LR,Thomas KL.Racial and ethnic differences in the prevalence,management,and outcomes in patients with atrial fibrillation:a systematic review[J].Heart Rhythm,2018,15(9):1337-1345.

[5] Ball J,Carrington MJ,McMurray JJ,et al.Atrial fibrillation:profile and burden of an evolving epidemic in the 21st century[J].Int J Cardiol,2013,167(5):1807-1824.

[6] Chen E,Jiang J,Su R,et al.A new smart wristband equipped with an artificial intelligence algorithm to detect atrial fibrillation[J].Heart Rhythm,2020,17(5 pt b):847-853.

[7] Benjamin EJ,Levy D,Vaziri SM,et al.Independent risk factors for atrial fibrillation in a population-based cohort.The Framingham Heart Study[J].JAMA,1994,271(11):840-844.

[8] Tu HT,Spence S,Kalman JM,et al.Twenty-eight day Holter monitoring is poorly tolerated and insensitive for paroxysmal atrial fibrillation detection in cryptogenic stroke[J].Intern Med J,2014,44(5):505-508.

[9] Svennberg E,Engdahl J,Al-Khalili F,et al.Mass screening for untreated atrial fibrillation:the STROKESTOP study[J].Circulation,2015,131(25):2176-2184.

[10] Steinhubl SR,Waalen J,Edwards AM,et al.Effect of a home-based wearable continuous ECG monitoring patch on detection of undiagnosed atrial fibrillation:the mSToPS randomized clinical trial[J].JAMA,2018,320(2):146-155.

[11] Turakhia MP,Desai M,Hedlin H,et al.Rationale and design of a largescale,app-based study to identify cardiac arrhythmias using a smartwatch:the Apple Heart Study[J].Am Heart J,2019,207:66-75.

[12] Zhang H,Zhang J,Li HB,et al.Validation of single centre pre-mobile atrial fibrillation apps for continuous monitoring of atrial fibrillation in a realworld setting:pilot cohort study[J].J Med Internet Res,2019,21(12):e14909.

[13] Tang SC,Huang PW,Hung CS,et al.Identification of atrial fibrillation by quantitative analyses of fingertip photoplethysmogram[J].Sci Rep,2017,7:45644.

[14] Halcox JPJ,Wareham K,Cardew A,et al.Assessment of remote heart rhythm sampling using the AliveCor heart monitor to screen for atrial fibrillation:the REHEARSE-AF study[J].Circulation,2017,136(19):1784-1794.

[15] Bumgarner JM,Lambert CT,Hussein AA,et al.Smartwatch algorithm for automated detection of atrial fibrillation[J].J Am Coll Cardiol,2018,71(21):2381-2388.

[16] McManus DD,Lee J,Maitas O,et al.A novel application for the detection of an irregular pulse using an iPhone 4Sin patients with atrial fibrillation[J].Heart Rhythm,2013,10(3):315-319.