简介:摘要:目的 研究智能手表佩戴时间对细菌数量的影响。方法 30名志愿者进行佩戴智能手表实验。在佩戴手表前、手表消毒后和佩戴后1、4、12、24h分别进行接触皿采样,37℃恒温培养箱内培养48h,计数平板菌落数(CFU)。比较不同手表佩戴时间与细菌数量的关系。结果 消毒前的智能手表细菌数量25.5±0.3 CFU,消毒后智能手表细菌数量4.3±0.5 CFU,消毒前细菌数量明显高于消毒后细菌数量(P<0.05)。佩戴1h后,检出菌落数为10.3±0.2 CFU;佩戴4h后检出菌落数为36.6±0.5 CFU;佩戴12h后检出菌落数为69.6±0.4 CFU;佩戴24h后检出菌落数为120.3±0.7 CFU。手表接触皮肤面细菌数量随着佩戴时间延长而增加,Spearma 相关系数为0.912,呈高度相关,相关系数有统计学意义(P <0.05)。结论:但是随着佩戴时间的延长,手表接触皮肤面的细菌数量显著增加,且细菌数量与佩戴时间高度相关。
简介:摘要目的评估一款具有服药提醒功能的智能手表对心房颤动(房颤)患者口服抗凝药物(OAC)依从性的影响。方法将2018年10月至2019年12月来自6家医疗中心的210例正在接受OAC治疗的房颤患者随机数字抽样法分为标准随访组和智能手表提醒随访组。标准随访组通过随访护士进行电话及门诊随访,智能手表提醒随访组在标准随访的基础上,还通过一款智能手表进行随访。该手表具备每日服药提醒、漏服报警、上传反馈功能,未按时服药时会将信息反馈至随访终端,由随访护士人工电话督促服药。通过Morisky用药依从性问卷(MMAS-8)及药片计数法[服药天数所占比例(PDC)法]评价药物依从性。药物依从性良好的定义为MMAS-8问卷评分=8分或PDC≥80%。所有患者均随访12个月。比较两组MMAS-8及PDC法计算患者药物依从性。结果标准随访组MMAS-8评分=8分的比例由第1个月时的82.9%下降到第12个月时的27.8%;智能手表提醒随访组MMAS-8评分=8分的比例从第1个月时的75.2%提高至第12个月时的86.3%。从第7个月开始,智能手表提醒随访组的MMAS-8评分=8分的比例显著高于标准随访组(66.7%对51.0%,P=0.025)。标准随访组PDC≥80%的比例从第1个月时的72.4%降至第12个月时的16.7%;而智能手表提醒随访组每个月的PDC≥80%的患者比例均超过90%,且随访期间均高于标准随访组(P<0.001)。结论智能手表服药提醒辅助随访可以持续改善房颤患者OAC治疗的依从性。
简介:摘要目的评估智能手表(Apple Watch)心电图应用在不同心室率患者中检测心房颤动(房颤)发作的诊断性能。方法入选2019年7月1日至2021年3月3日于上海交通大学医学院附属同仁医院就诊并完善12导联心电图检查且明确诊断为房颤或窦性心律的患者,同时完善智能手表心电图检查。根据12导联心电图的心室率将患者分为3组(A组,心室率<60次/min;B组,心室率60~100次/min;C组,心室率>100次/min)。电生理学家对12导联心电图及智能手表记录的单导联心电图分别判读。以电生理学家判读的12导联心电图结果为金标准,计算和比较智能手表单导联心电图的节律分类算法和电生理学家判读的智能手表心电图在不同心室率患者中检测房颤发作的灵敏度、特异度、Kappa值。结果共入组248例患者,其中男122例(49.2%,122/248),年龄(74.25±11.67)岁。12导联心电图诊断:129例为窦性心律,119例为房颤。与12导联心电图结果相比,智能手表单导联心电图的节律分类算法在A(41例)、B(163例)、C(44例)组患者中检测房颤发作的灵敏度分别为81.80%、63.83%、68.75%(Kappa值分别为0.98、0.70、0.55),特异度均为100%。而电生理学家判读的A、B、C组患者智能手表心电图在检测房颤发作的灵敏度(100.00%、88.20%、93.80%,Kappa值分别为1.00、0.88、0.89)比智能手表心电图节律分类算法明显提高,特异度均为100%。结论智能手表心电图应用检测房颤的节律分类算法仍需进一步改善。在低心室率患者中,使用智能手表检测房颤的临床效果最佳,为提高其诊断性能,智能手表心电图由电生理专家判读会更加可靠。