KW ST XA的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

提升深度學習模型在心電圖分析上準確度的演算法研究

為了解決KW ST XA的問題，作者羅宇昇 這樣論述：

心電圖是檢查心臟相關狀態的常見非侵入診斷工具，隨著人工智慧的發展，深度學習模型被用來解釋心電圖並準確地預測許多心血管疾病。然而，目前心電圖深度學習模型缺乏處理重複量測情境的能力，其預測錯誤的實際意義仍不清楚，心電圖深度學習模型的預測準確度仍可被提升。本篇研究提出基於身分識別的動態修正演算法，提升重複量測時診斷左心室異常與血鉀異常的準確度；心電圖深度學習模型的左心房擴大診斷系統被發展來提升預測心血管疾病發生的準確度。本研究於2011年至2020年間，從三軍總醫院的兩間醫院回溯地收集資料，以507,729筆心電圖建構深度學習身分識別模型抽取身分特徵，以109,526筆有對應心臟射出率以及168,

450筆有對應鉀離子的心電圖資料發展動態修正演算法，以121,587筆有對應左心房大小的心電圖發展左心房擴大診斷系統。本研究收集獨立的內部以及外部驗證集，27,824/31,925位病人的資料分別被納入內部與外部驗證集，13,009/17,763筆有對應心臟射出率以及37,246/47,604筆有對應鉀離子的心電圖，作為動態修正演算法的內部與外部驗證集，7,611/11,753 筆有對應左心房大小的心電圖被作為驗證左心房擴大診斷系統的內部與外部驗證集。深度學習模型在身分識別的接受者操作特徵曲線下面積（area under the receiver operating characteristi

c curve，簡稱AUC）能達到0.98以上的水準，在內部以及外部驗證集的追蹤心電圖上，基於身分特徵的動態修正分別能將診斷左心室異常的AUC從0.916/0.911提升至0.944/0.931；診斷低血鉀的AUC從0.730/0.720提升至0.786/0.778；診斷高血鉀的AUC從0.888/0.890提升至0.916/0.909。心電圖深度學習模型的左心房擴大診斷系統在心血管疾病發生上有更好的預測表現，比起心臟超音波能更好的預測未來高血壓（一致性指標C-index，0.711比上0.695）、中風（C-index，0.676比上0.663）、二尖瓣膜逆流（C-index，0.696比上

0.676）以及心房顫動（C-index，0.800比上0.786）。本篇研究提出的演算法能提升心電圖深度學習模型的預測準確度，基於身分特徵的動態修正讓心電圖準確地監測重要生化指標，從而改善臨床實務；心電圖深度學習模型的左心房擴大診斷系統讓心電圖提供更好的心血管疾病預後資訊，這些演算法使心電圖能成為準確的廣篩工具並從而提早介入防止疾病發生。

非瓣膜性心房纖維顫動病人之新型口服抗凝血劑藥品交互作用與中風相關性分析

為了解決KW ST XA的問題，作者嚴慈欣 這樣論述：

背景：非瓣膜性心房纖維顫動(Nonvalvular atrial fibrillation, NVAF)目前臨床上建議使用新型口服抗凝血劑(novel oral-anticoagulants, NOACs)作為預防栓塞事件的治療選擇。由於多共病、多重用藥的情形以及許多藥品的代謝與排除途徑與NOACs相似，當合併使用permeability-glycoprotein (P-gp)或cytochrome P450 3A4 (CYP3A4)的抑制劑與誘導劑，可能出現藥品交互作用。然而，目前NOACs藥品交互作用相關研究，以動物實驗、藥物動力學實驗居多，缺乏真實世界的資料證據，因此使用臺灣健保資料庫

進行NOACs藥品交互作用與影響療效的相關性分析，以提供臨床上更有證據力的臨床建議。材料與方法：本巢式病例對照研究分析台灣全民健保資料庫2012年1月1日至2017年12月31日期間使用NOACs的NVAF患者作為研究族群，發生中風且NOAC的藥品覆蓋率≥ 0.8為案例組，以發病密度取樣法，依據指標日期、年齡±1歲、性別以及NOAC的藥品覆蓋率，進行1個案例比4個對照的配對，得到對照組。分析中風或栓塞事件與NOACs (dabigatran, rivaroxaban, apixaban, edoxaban)和CYP3A4/ P-gp抑制劑或誘導劑產生之藥品交互作用的關聯性。以McNemar's

test、paired-t test、Mann-Whitney U test進行案例組與對照組間基本資料的比較；利用條件式羅吉斯回歸進行單變量模型與多變量模型的分析，以了解藥品交互作用與療效的相關性。所有的統計分析均為雙尾檢定，統計的顯著性定義在p-value < 0.05，使用SAS 9.4版進行。研究結果：本研究最終納入案例組769名、對照組3,070名。案例組與對照組的平均年齡相似(77.7 ± 9.7, 77.7 ± 9.6; p= 0.541)、女性比例相似(51.0%, 50.9%; p= 0.962)。在校正年齡、性別、收入、高度中風風險分數、相關藥物使用後，當NOACs合併C

YP3A4/ P-gp抑制劑(adjusted Odds ratio [aOR], 1.24; 95% confidence interval [CI], 1.03-1.50)、誘導劑(aOR, 1.53; 95% CI, 1.16-2.01)或者同時合併抑制劑與誘導劑(aOR, 1.69; 95% CI, 1.22-2.35)，和沒有合併使用相比均與增加中風或栓塞事件的風險有相關性。單變量模型與其他多變量模型中亦呈現一致的結果。結論：當NOACs合併使用會影響其血中濃度的藥品，如CYP3A4/ P-gp的抑制劑或誘導劑，與增加NVAF患者增加中風或栓塞事件風險具有相關性。對於使用NOACs的

患者，建議應避免使用會影響其血中濃度的藥品，以避免交互作用的發生。