《Scientific Reports》：Feasibility and diagnostic agreement of Apple Watch and KardiaMobile electrocardiograms compared with standard 12-lead ECG in children
编辑推荐：
本研究针对移动心电设备在儿科应用证据不足的现状，由奥地利格拉茨医科大学团队开展了一项前瞻性观察研究，比较Apple Watch和KardiaMobile 6L与标准12导联心电图在4-17岁儿童中的性能差异。结果显示移动设备在QRS波电轴、R/S波电压等核心参数与标准ECG具有强相关性，但信号质量与采集效率存在设备差异，为儿科远程心电监测提供了重要循证依据。
在儿科心脏病学领域，及时准确的心电图检查对心律失常的诊断至关重要。然而传统的12导联心电图设备体积庞大，仅限于医疗机构使用，对于症状间歇性出现的儿童患者难以捕捉发作时的心电信号。随着移动医疗技术的发展，Apple Watch和KardiaMobile等可穿戴心电设备在成人中已证实其诊断价值，但这些设备在儿童群体中的应用仍缺乏系统评估。由于儿童具有体型小、配合度差、心电图参数随年龄变化大等特点，直接套用成人验证数据可能产生偏差，这就迫切需要进行针对性的儿科临床验证。
为填补这一研究空白，奥地利格拉茨医科大学领衔的研究团队在《Scientific Reports》发表了题为"Feasibility and diagnostic agreement of Apple Watch and KardiaMobile electrocardiograms compared with standard 12-lead ECG in children"的临床研究。该研究创新性地通过设备位置调整策略，首次在儿童中实现了Apple Watch和KardiaMobile 6L的12导联心电图重建，并系统评估了其与标准心电图的一致性。
研究采用前瞻性观察设计，纳入30名4-17岁接受常规心电图检查的儿童。关键技术方法包括：通过标准化位置调整实现移动设备的12导联信号采集；采用盲法由三位心脏电生理专家独立分析心电图参数；使用皮尔逊相关系数和Bland-Altman分析进行统计学比较；应用3点Likert量表评估信号质量。所有心电图记录均在格拉茨医科大学儿童医院完成，标准12导联心电图作为金标准对照。
结果
采集时间与信号质量
研究发现不同设备的采集效率存在显著差异。Apple Watch的中位采集时间达15分钟，远超过KardiaMobile 6L的5分钟和标准心电图的4分钟。信号质量评估显示KardiaMobile 6L表现最佳，中位质量评分与标准心电图相当，而Apple Watch因对运动伪影敏感导致质量评分较低。两名儿童因使用滑石粉影响电极接触的案例，凸显了皮肤准备对信号质量的重要性。
心电图参数相关性
移动设备与标准心电图在关键参数上呈现差异化的相关性强度。QRS波电轴在两种设备均显示极强相关性，相关系数分别达0.95和0.96。R波和T波电压也表现出强相关性，KardiaMobile 6L的R波电压相关性尤为突出。然而，P波时限等低振幅信号参数相关性较弱，反映了移动设备在检测细微心房活动方面的局限性。
心律失常检测
研究中记录到的2例室性早搏均能被移动设备识别，其中一例经所有设备一致判断为右室流出道起源，证明了移动设备捕捉偶发心律失常的可行性。但由于事件数量有限，该发现仅能证明技术可行性而非诊断准确性。
观察者间一致性
三位盲法评估者间的一致性分析显示，对于QRS波电轴、R波电压等稳健参数，观察者间一致性较高，而对P波时限等精细测量的一致性相对较低，这与儿科心电图分析的内在挑战相符。
讨论与结论
本研究首次系统验证了移动心电设备在儿童中重建12导联心电图的可行性。Apple Watch的长时间采集主要源于其顺序记录模式和严格的质量控制标准，而KardiaMobile 6L的同步记录设计更适应儿科特点。设备间心率的差异部分反映了儿童生理性心率变异性的影响，而非测量误差。
移动设备在QRS波电轴、主要波群电压等宏观参数评估中表现可靠，为肥厚性心肌病、心室肥大等疾病的筛查提供了潜在工具。但在需要精确时限测量的领域，如PR间期、QTc间期等，其可靠性有限，目前尚不能完全替代标准心电图。
研究发现的室性早搏检测案例，结合文献中报道的室上性心动过速诊断经验，提示移动设备在儿童心律失常管理中具有重要应用前景。特别是对沃-帕-怀综合征、长QT综合征等遗传性心律失常的筛查，移动设备可提供便捷的初筛手段。青少年群体对智能设备的接受度高，更有利于提高长期监测的依从性。
研究的局限性包括单中心设计、样本量有限以及年龄跨度大带来的异质性。未来需要更大规模的多中心研究，特别是针对婴幼儿群体的验证，并开发儿科专用的信号处理算法。
随着人工智能技术的发展，移动心电设备有望通过改进的信号处理和诊断算法，在儿科心脏病领域发挥更大作用。当前研究为这些设备的临床应用提供了重要基准，指明了技术创新方向。移动心电技术不仅有望扩展儿科心律失常的诊断能力，更可能推动心血管疾病管理向预防性、个性化模式转变。
