Your browser doesn't support javascript.
loading
Show: 20 | 50 | 100
Results 1 - 1 de 1
Filter
Add filters








Language
Year range
1.
Arch. cardiol. Méx ; 74(3): 200-204, jul.-sep. 2004. ilus
Article in Spanish | LILACS | ID: lil-750690

ABSTRACT

Objetivo: Determinar si un algoritmo diseñado en nuestra Sección de Electrofisiología facilita el diagnóstico electrocardiográfico de las taquiarritmias. Métodos: Treinta y dos sujetos: médicos residentes del primer año de postgrado de cardiología, médico sinternos y estudiantes del último año de medicina recibieron un curso de electrocardiografía. Luego se les repartieron 100 ECG de pacientes con taquiarritmias y se dividieron al azar en dos grupos. El grupo A emitió su diagnóstico sin el uso del algoritmo, y el Grupo B analizó los ECG con auxilio del algoritmo. Los diagnósticos fueron comparados contra el emitido por un electrofisiólogo. Resultados: El diagnóstico del grupo A tuvo una concordancia de 41% con el diagnóstico formulado por electrofisiólogo. El grupo B tuvo una concordancia del 64% (p = 0.0000013). Entre los dos grupos no hubo diferencias en cuanto al tipo o número de ECG no respondidos. Conclusiones: Este árbol de decisiones incrementa la certeza del diagnóstico en manos menos experimentadas, lo cual, a su vez, podría redundar en una mejoría de las medidas terapéuticas aplicadas a las arritmias.


Objective: To determine whether an algorythm designed at our Electrophysiology Unit could facilitate the electrocardiographic diagnosis of tachyarrhythmias. Methods: Twenty two first-year cardiology residents, general practitioners and last-year medical students attended an electro-physiology course. One hundred ECG of tachyarrhythmic patients were distributed to the participants who were then randomly divided into 2 groups. Group A analyzed the ECG with the help of the algorythm, whereas Group B analyzed them without it. Results were compared to those obtained by an electrophysiologist. Results: Group A diagnosis coincided with that of the electrophysiologist in 41% of the cases. In Group B the concordance reached 64% (p = 0.0000013). There was no between-group difference regarding the type and number of uninterpreted ECG. Conclusions: The decision tree increases diagnostic accuracy in less expert hands. This could in turn entail an improvement in the therapeutic measures applied to the study of arrhythmias.


Subject(s)
Humans , Algorithms , Tachycardia/diagnosis , Electrocardiography
SELECTION OF CITATIONS
SEARCH DETAIL