fotopletyzmografia
Fotopletyzmografia (PPG) to nieinwazyjna metoda diagnostyczna, która umożliwia pomiar zmian objętości krwi w tkankach. Technika ta opiera się na emisji światła (najczęściej podczerwonego lub czerwonego) przez diodę LED i detekcji światła odbitego lub przepuszczonego przez tkanki przy użyciu fotodetektora.
W praktyce klinicznej fotopletyzmografia jest powszechnie wykorzystywana w pulsoksymetrach do monitorowania saturacji krwi tlenem oraz częstości akcji serca. Sygnał PPG odzwierciedla cykliczne zmiany objętości krwi wywołane przez skurcze serca, co pozwala na ocenę funkcji układu sercowo-naczyniowego, w tym napięcia naczyniowego i elastyczności tętnic.
Zaawansowane zastosowania fotopletyzmografii obejmują ocenę mikrokrążenia, monitorowanie ciśnienia tętniczego w sposób ciągły oraz diagnostykę chorób naczyniowych. Technika ta zyskuje na popularności w urządzeniach ubieralnych (wearables) takich jak smartwatche i opaski fitness, które umożliwiają długoterminowe monitorowanie parametrów życiowych pacjentów w warunkach codziennych.
Mimo swojej prostoty, interpretacja sygnału PPG wymaga uwzględnienia wielu czynników zakłócających, takich jak ruch pacjenta, temperatura otoczenia czy indywidualne różnice w strukturze tkanek. Współczesne algorytmy analizy sygnału PPG wykorzystują zaawansowane metody przetwarzania sygnałów i uczenia maszynowego w celu zwiększenia dokładności i wiarygodności pomiarów.
Powiązane wpisy
- Leksykon chorób i schorzeń
Choroba serca – Rokowania, prognozy i postęp choroby
Niewydolność serca (HF) pozostaje jednym z kluczowych wyzwań kardiologii, charakteryzując się rosnącą częstością występowania i wysoką śmiertelnością. Rokowanie u pacjentów z HF zależy od wielu czynników, w tym wieku (5-letni wskaźnik przeżycia: 79% dla <65 lat vs. 50% dla ≥75 lat), frakcji wyrzutowej lewej komory (LVEF <40% wiąże się z wyższym ryzykiem zgonu), klasy czynnościowej NYHA, biomarkerów takich jak BNP, parametrów nerkowych (GFR), liczby hospitalizacji (HR 3,2; 95% CI 2,8-3,5 po hospitalizacji), ciśnienia tętniczego, parametrów hematologicznych oraz statusu socjoekonomicznego i chorób współistniejących. Metaanaliza z 2019 roku wskazuje na przeżywalność w HF na poziomie 87% po 1 roku, 73% po 2 latach, 57% po 5 latach i 35% po 10 latach. Wydolność fizyczna oceniana testem 6MWT oraz ultrasonografia płuc (LUS) z oceną linii B stanowią istotne narzędzia prognostyczne, a szczytowe VO2 pozostaje złotym standardem w ocenie rokowania.
6-minutowy test chodu, choroba wieńcowa, ciśnienie tętnicze, elektroniczna dokumentacja medyczna, fotopletyzmografia, frakcja wyrzutowa lewej komory, klasyfikacja NYHA, kompleks QRS, liczba białych krwinek, maszyna wektorów nośnych, niewydolność serca, niewydolność serca z obniżoną frakcją wyrzutową, niewydolność serca z zachowaną frakcją wyrzutową, niewydolność wątroby, ostra niewydolność serca, peptyd natriuretyczny typu B, perceptron wielowarstwowy, poważne zdarzenia sercowo-naczyniowe, przeszczep serca, przewlekła niewydolność serca, sieć neuronowa RBF, średnia objętość krwinki, udar, układ sercowo-naczyniowy, ultrasonografia płuc, wskaźnik filtracji kłębuszkowej, zachowana frakcja wyrzutowa, zastój płucny, zawał mięśnia sercowego - Leksykon chorób i schorzeń
Choroba sercowo-naczyniowa – Rokowania, prognozy i postęp choroby
Choroby sercowo-naczyniowe (CVD) pozostają główną przyczyną zgonów globalnie, co podkreśla potrzebę precyzyjnego i wczesnego przewidywania ryzyka. Tradycyjne modele, takie jak skale Framingham, MESA czy AHA/ASCVD, opierają się na ograniczonym zestawie predyktorów (wiek, palenie, ciśnienie krwi, cholesterol) i wykazują ograniczenia w indywidualnej predykcji oraz słabą walidację zewnętrzną. Nowoczesne metody oparte na uczeniu maszynowym (ML) i głębokim uczeniu (DL), takie jak Random Forest (AUROC 0,830 w 3-letniej prognozie u pacjentów z cukrzycą), DeepSurv, perceptron wielowarstwowy (dokładność 82,47%) oraz SVM (dokładność 82,5%), przewyższają tradycyjne narzędzia pod względem dokładności i zdolności prognostycznych. Kluczowe znaczenie ma integracja danych subklinicznych (obrazowanie, EKG, biochemia) oraz uwzględnienie społecznych determinant zdrowia (SDoH) i różnic płciowych, które są często pomijane, mimo ich wpływu na przebieg i rokowanie CVD. Innowacyjne podejścia, takie jak model SEER oparty na spoczynkowym EKG (AUC 0,78–0,83) oraz głęboki model uczenia z fotopletyzmografii (DLS) do przewidywania 10-letniego ryzyka MACE, oferują obiecujące narzędzia diagnostyczne, szczególnie w warunkach ograniczonych zasobów.
cholesterol, choroba sercowo-naczyniowa, choroba wieńcowa, ciśnienie krwi, cukrzyca, elektrokardiogram, fotopletyzmografia, głębokie uczenie, interleukina-6, krzywa ROC, migotanie przedsionków, niewydolność serca, palenie tytoniu, perceptron wielowarstwowy, płytkopochodny czynnik wzrostu, propeptyd natriuretyczny typu B, rokowanie, sieć neuronowa konwolucyjna, skala SOFA, społeczne determinanty zdrowia, support vector machine, troponina I, uczenie maszynowe, udar, wyjaśnialna sztuczna inteligencja, zawał mięśnia sercowego