Jump to content

ການກວດຄື້ນໄຟຟ້າຫົວໃຈ

ຈາກ ວິກິພີເດຍ
ການກວດຄື້ນໄຟຟ້າຫົວໃຈ
ຄື້ນໄຟຟ້າຫົວໃຈ (ECG) ໃນລີດ II ຂອງຫົວໃຈທີ່ມີຈັງຫວະໄຊນັສປົກກະຕິ
ICD-10-ຊິ້ນ 94.31 ຣູປີ
ICD-9-CM 89.52
MeSH D004562
MedlinePlus 003868

ການກວດຄື້ນໄຟຟ້າຫົວໃຈ (ອັງກິດ: Electrocardiography) ແມ່ນຂະບວນການໃຊ້ເຄື່ອງບັນທຶກຄື້ນໄຟຟ້າຫົວໃຈ (electrocardiograph) ເພື່ອສ້າງຄື້ນໄຟຟ້າຫົວໃຈ (electrocardiogram ຫຼື ECG/EKG) ຊຶ່ງສະແດງເປັນເສັ້ນກຣາຟຂອງກິດຈະກໍາທາງໄຟຟ້າຂອງຫົວໃຈໃນແຕ່ລະຮອບການເຕັ້ນຂອງຫົວໃຈ.[1] ຄື້ນໄຟຟ້າຫົວໃຈເປັນການບັນທຶກກິດຈະກໍາທາງໄຟຟ້າຂອງຫົວໃຈ ໃນຮູບແບບກຣາຟທີ່ສະແດງຄວາມຕ່າງສັກຍະໄຟຟ້າຕາມເວລາ.[2] ການກວດນີ້ໃຊ້ຂົ້ວໄຟຟ້າ (electrodes) ທີ່ຕິດໄວ້ເທິງຜິວໜັງ ເພື່ອກວດຈັບການປ່ຽນແປງທາງໄຟຟ້າຂະໜາດນ້ອຍ ທີ່ເກີດຂຶ້ນຈາກການດີໂພລາໄຣເຊຊັນ (depolarization) ແລະ ການຣີໂພລາໄຣເຊຊັນ (repolarization) ຂອງກ້າມເນື້ອຫົວໃຈໃນແຕ່ລະຮອບການເຕັ້ນຂອງຫົວໃຈ. ການປ່ຽນແປງຈາກຮູບແບບຄື້ນໄຟຟ້າຫົວໃຈ (ECG) ປົກກະຕິ ສາມາດພົບໄດ້ໃນຄວາມຜິດປົກກະຕິຂອງຫົວໃຈຫຼາຍປະການ ລວມທັງ:

  • ຄວາມຜິດປົກກະຕິຂອງຈັງຫວະຫົວໃຈ ເຊັ່ນ ພາວະຫົວໃຈຫ້ອງເທິງເຕັ້ນພິ້ວ (atrial fibrillation)[3] ແລະ ພາວະຫົວໃຈຫ້ອງລຸ່ມເຕັ້ນໄວ (ventricular tachycardia)[4]
  • ການໄຫຼວຽນຂອງເລືອດໃນຫຼອດເລືອດໂຄໂຣນາຣີບໍ່ພຽງພໍ ເຊັ່ນ ພາວະກ້າມເນື້ອຫົວໃຈຂາດເລືອດ (myocardial ischemia)[5] ແລະ ພາວະກ້າມເນື້ອຫົວໃຈຕາຍ (myocardial infarction)[6]
  • ຄວາມຜິດປົກກະຕິຂອງສານເກືອແຮ່ໃນຮ່າງກາຍ ເຊັ່ນ ພາວະໂພແທສຊຽມໃນເລືອດຕໍ່າ (hypokalemia)[7]

ຕາມຄວາມເຂົ້າໃຈແບບດັ້ງເດີມ, "ECG" ໝາຍເຖິງການກວດຄື້ນໄຟຟ້າຫົວໃຈແບບ 12 ລີດ (12-lead ECG) ທີ່ບັນທຶກໃນຂະນະທີ່ຜູ້ປ່ວຍນອນຮາບ ດັ່ງທີ່ຈະອະທິບາຍໄວ້ຂ້າງລຸ່ມ. ຢ່າງໃດກໍຕາມ ຍັງມີອຸປະກອນອື່ນໆທີ່ສາມາດບັນທຶກກິດຈະກໍາທາງໄຟຟ້າຂອງຫົວໃຈໄດ້ ເຊັ່ນ ໂຮນເຕີມອນິເຕີ (Holter monitor) ຫຼື ນາລິກາອັດສະລິຍະບາງຮຸ່ນ. ສັນຍານ ECG ຍັງສາມາດຖືກບັນທຶກໄດ້ໃນສະພາບການອື່ນໆ ໂດຍອາໄສອຸປະກອນຊະນິດອື່ນອີກດ້ວຍ.

ອ້າງອີງ

[ດັດແກ້]
  1. Bunce, Nicholas H.; Ray, Robin; Patel, Hitesh (2020). "30. Cardiology". ໃນ Feather, Adam; Randall, David; Waterhouse, Mona (ບ.ກ.). Kumar and Clark's Clinical Medicine (ພາສາອັງກິດ) (10th ສະບັບ). Elsevier. pp. 1033–1038. ISBN 978-0-7020-7870-5.
  2. Lilly, Leonard S. (2016). Pathophysiology of Heart Disease: A Collaborative Project of Medical Students and Faculty, 6th Edition (ພາສາEnglish). Lippincott Williams & Wilkins. pp. 70–78. ISBN 978-1-4698-9758-5. OCLC 1229852550.{{cite book}}: CS1 maint: unrecognized language (link)
  3. Lyakhov, Pavel; Kiladze, Mariya; Lyakhova, Ulyana (January 2021). "System for Neural Network Determination of Atrial Fibrillation on ECG Signals with Wavelet-Based Preprocessing". Applied Sciences (ພາສາອັງກິດ). 11 (16): 7213. doi:10.3390/app11167213.
  4. Lyakhov, Pavel; Kiladze, Mariya; Lyakhova, Ulyana (January 2021). "System for Neural Network Determination of Atrial Fibrillation on ECG Signals with Wavelet-Based Preprocessing". Applied Sciences (ພາສາອັງກິດ). 11 (16): 7213. doi:10.3390/app11167213.
  5. Bigler, Marius Reto; Zimmermann, Patrick; Papadis, Athanasios; Seiler, Christian (January 2021). "Accuracy of intracoronary ECG parameters for myocardial ischemia detection". Journal of Electrocardiology. 64: 50–57. doi:10.1016/j.jelectrocard.2020.11.018. PMID 33316551.
  6. Prabhakararao, Eedara; Dandapat, Samarendra (1 August 2020). "Myocardial Infarction Severity Stages Classification From ECG Signals Using Attentional Recurrent Neural Network". IEEE Sensors Journal. 20 (15): 8711–8720. Bibcode:2020ISenJ..20.8711P. doi:10.1109/JSEN.2020.2984493.
  7. Carrizales-Sepúlveda, Edgar Francisco; Vera-Pineda, Raymundo; Jiménez-Castillo, Raúl Alberto; Treviño-García, Karla Belén; Ordaz-Farías, Alejandro (November 2019). "Toluene toxicity presenting with hypokalemia, profound weakness and U waves in the electrocardiogram". The American Journal of Emergency Medicine. 37 (11): 2120.e1–2120.e3. doi:10.1016/j.ajem.2019.158417. PMID 31477355.