Hasil Pencarian  ::  Simpan CSV :: Kembali

"Aritmia jalur keluar ventrikel (AJKV) sering didapatkan pada populasi umum. Ablasi radiofrekuensi modalitas terapi dengan tingkat keberhasilan tinggi pada AJKV. Menentukan sumber aritmia penting dilakukan karena membantu dalam memilih tehnik ablasi, menghindari komplikasi, serta menghemat waktu fluoroskopi. Algoritma EKG adalah metode yang telah luas dipergunakan untuk memprediksi sumber AJKV, namun membutuhkan keterampilan dalam analisis dan interpretasi EKG. Studi sebelumnya menduga bahwa terjadinya AJKV kiri disebabkan adanya perubahan anatomi aorta. Penelitian ini bertujuan untuk menilai hubungan antara sudut aortoseptal yang dinilai secara ekokardiografi dengan sumber AJKV. Studi potong lintang pada 60 pasien pascaablasi AJKV. Sudut aortoseptal diukur pada gambar parasternal long axis (PLAX) secara ekokardiografi, sumber AJKV ditentukan berdasarkan pemetaan saat tindakan radiofrekuensi ablasi. Mayoritas subyek merupakan pasien dengan AJKV kanan (n=40, 66.7%). Analisis bivariat menunjukkan bahwa terdapat perbedaan yang signifikan pada variabel usia, tebal septum interventrikular dan sudut aortoseptal antara pasien dengan AJKV kanan dan kiri (p<0,05). Analisis receiver operating characteristic (ROC) dan analisis multivariat menunjukkan bahwa sudut aortoseptal <129.2o merupakan variabel yang secara independen berhubungan dengan sumber AJKV kiri (OR 8.98; IK 2.39-33.75; p=0.001). Terdapat hubungan antara sudut aortoseptal yang diukur secara ekokardiografi dengan sumber AJKV.

---

Outflow tract ventricular arrhythmias (OTVA) often found in general population. Radiofrequency ablation has become therapeutic modality with high success rate for OTVA. Determining origin of OTVA before ablation is important because will help in choosing approach, avoiding complications, and saving time. ECG-based criteria is method has been widely used to predict origin OTVA, but requires skills in analysis and interpretation. Previous studies suspected that occurrence of left OTVA due to aortic root anatomical changes. This study aim to assess association between aortoseptal angulation and OTVA origin. Cross-sectional study in 60 patients after OTVA ablation, aortoseptal angulation measured on parasternal long axis (PLAX) view by echocardiographic examinations, origin OTVA determined based on mapping during radiofrequency ablation. Majority subjects were right OTVA (n = 40, 66.7%). Bivariate analysis showed there were significant differences in age, interventricular septum thickness and aortoseptal angulation between right and left OTVA (p <0.05). Receiver operating characteristic (ROC) analysis and multivariate analysis showed that aortoseptal angulation <129.2˚ was variable that independently related to left OTVA origin (OR 8.98; IK 2.39-33.75; p= 0.001). There is association between aortoseptal angulation measurement by echocardiography with OTVA origin. Angle below 129.2˚ have 75% specificity and sensitivity to predict a LVOT origin OTVA"

"Dalam penelitian ini, telah dibangun sebuah sistem akuisisi data elektrokardiograf (EKG) 12-lead berbasis Raspberry Pi 4 yang berbobot rendah, berdaya rendah dan terjangkau. Raspberry Pi 4 digunakan untuk mengakuisisi dan memproses sinyal elektrokardiograf (EKG) dengan performa tinggi, karena memiliki kombinasi antara fleksibilitas dan versality. Sebagai pusat dari sistem akuisisi data yang dibangun, Raspberry Pi menerima, memproses, dan menyimpan data dari Analog Front-End to Digital Converter (ADC) ADS1298RECGFE-PDK. ADS1298 memiliki beberapa kelebihan diantaranya adalah akuisisi data secara simultan, resolusi 24-bit, membutuhkan daya <0.2 mW dan noise<1μV. Komunikasi data yang digunakan dalam sistem yang dibangun adalah Serial Peripheral Interface (SPI). Sistem ini menggunakan sumber daya dari baterai Sony VTC5 18650 untuk mencegah interferensi power line. Untuk bagian pemrosesan sinyal, penulis mengimplementasikan filter low pass Butterworth dengan orde 5 dan Fast Fourier Transform (FFT) pada program Python. Bahasa pemrograman yang digunakan adalah C yang digunakan untuk komunikasi antara Raspberry Pi dengan ADS1298RECGFE-PDK dan Python yang digunakan pemrosesan sinyal. Sistem ini telah dievaluasi menggunakan ProSim 4 yang menghasilkan bentuk gelombang ECG dengan ECG rate 120 BPM, 150 BPM, dan Aritmia, serta pengambilan data partisipan. Dicari juga selisih sinyal yang diperoleh dengan CardioCare 2000 dan hubungannya menggunakan regresi linier pada 120 BPM. Didapatkan nilai error selisih, gradien, dan intercept terbesar adalah 23.615%, 0.062%, dan 9.030%. Sistem ini akan digunakan dalam studi lain untuk mendeteksi Aritmia dengan metode klasifikasi Convolutional Neural Network (CNN). Hasil dari klasifikasi menunjukkan accuracy 100%, specificity 100%, dan sensitivity 100%.

---

In this study, a low weight, low cost, and affordable Raspberry Pi 4 based 12-lead electrocardiograph (ECG) data acquisition system has been built. Raspberry Pi is used to acquire and process electrocardiograph (ECG) signals in high performance, because it has a combination of flexibility and versality. As the center of the data acquisition system built, Raspberry Pi acquires, processes, and stores data from the ADS1298RECGFE-PDK Analog Front-End to Digital Converter (ADC). ADS1298 has several advantages including simultaneous data acquisition, 24-bit resolution, requires power <0.2 mW and noise <1μV. Data communication used in the system built is the Serial Peripheral Interface (SPI). The system uses the power source of the Sony VTC5 18650 battery to prevent power line interference. For the signal processing section, the authors implement the Butterworth low pass filter in order 5 and Fast Fourier Transform (FFT) in the Python program. The programming language used is C which is used for communication between Raspberry Pi with ADS1298RECGFE-PDK and Python which is used for signal processing. This system has been evaluated using ProSim 4 which produces ECG waveforms with ECG rates of 120 BPM, 150 BPM, and Arrhythmia, as well as participant data collection. This system is also looking for the difference in the signal obtained by CardioCare 2000 and its linear relationship using linear regression.The biggest difference, gradient, and intercept error values are 23.615%, 0.062%, and 9.030%. This system will be used in other studies to predict arrhythmias using the Convolutional Neural Network (CNN) classification method. The results of the classification show 100% accuracy, 100% specificity, 100% sensitivity."

"Introduction: The major cause of mortality and morbidity post-MI is the complications following the infarction. One of the most common MACE is malignant arrhythmia, this includes VF, VT and non-sustained VT. Malignant arrhythmia is caused due to the culmination of biochemical, electrophysiological, autonomic and genetic changes after an event of ischemia which results in myocardial damage and scarring, as well as left ventricular systolic dysfunction. Early risk stratification is important in AMI and cTnI and LVEF has been two accessible markers that has been studied in various aspects of AMI as prognostic markers, however there has been little studies of its role and correlation in post-AMI malignant arrhythmia. This research will therefore explore the correlation between myocardial damage (cTnI) and left ventricular systolic function (LVEF) with malignant arrhythmia in AMI patients. Methods: A retrospective cohort study was conducted on AMI patients who are admitted to the ICCU of Cipto Mangunkusumo General Hospital, Jakarta from November 2018 to May 2019. Patients who experienced severe infection and who has malignant arrhythmia when admitted were excluded. The association between cTnI and malignant arrhythmia was tested using Mann-Whitney test, while the association between LVEF and malignant arrhythmia was tested using Independent T-Test. Pearson’s Chi-Square test was done to test the relationship between systolic function status with malignant arrhythmia, All data analysis was performed on IBM SPSS Statistics. Results: Total of 110 patients were included in this study. 13.6% of total subjects experience malignant arrhythmia during hospitalisation. There is no significant correlation between cTnI and post-AMI malignant arrhythmia (p = 0.053, RR 1.2, 95%CI 1.1-1.2) but significant correlation between LVEF and post-AMI malignant arrhythmia was found, on both metric (t(108)=3.450, p = 0.001) and categorical (c2(1) = 6.132, p = 0.013, RR 4.8, 95%CI 1.15-20.4) assessment. There were major differences in the mean value of cTnI and LVEF between the two groups. Conclusion: This study has found statistically significant correlation between left ventricular systolic function (LVEF) with malignant arrhythmia in AMI patients, but no significant correlation between cTnI and malignant arrhythmia in AMI patients. Higher cTnI levels are more frequent in malignant arrhythmia group. Malignant arrhythmia is more common in AMI patients with lower LVEF.

---

Pendahuluan: Penyebab utama mortalitas dan morbiditas infark miokard akut (IMA) adalah komplikasi pasca infark. Salah satu MACE paling umum ditemukan adalah aritmia maligna, yang meliputi VF, VT dan VT sesaat. Aritmia maligna disebabkan oleh kombinasi perubahan biokimia, elektrofisiologi, otonomi, serta genetik setelah kejadian iskemik yang kemudian menyebabkan kerusakan dan fibrosis pada miokard. Stratifikasi risiko awal sangat penting dalam kasus IMA. cTnI serta LVEF merupakan dua marka yang mudah diakses dan telah dipelajari dalam berbagai aspek IMA. Akan tetapi, studi mengenai peran dua marka tersebut dalam aritmia maligna pasca-IMA masih sedikit. Studi ini akan mempelajari korelasi antara kerusakan pada miokard (cTnI) dan fungsi sistolik ventrikel kiri (LVEF) dengan aritmia maligna pada pasien IMA. Metode: Sebuah studi kohort retrospektif dilakukan pada pasien IMA yang dirawat di ICCU Rumah Sakit Cipto Mangunkusumo, Jakarta dalam periode November 2018 hingga Mei 2019. Pasien yang mengalami infeksi parah dan pasien yang mengalami aritmia maligna saat admisi tidak diikutsertakan dalam penelitiaan ini. Hubungan cTnI dengan aritmia maligna dianalisis melalui uji Mann-Whitney dan hubungan LVEF dengan aritmia maligna dianalisis oleh uji Independent T-Test dan pada hubungan status fungsi sistolik dengan aritmia maligna dianalisis menggunakan uji Pearson Chi-Square. Analisis data dilakukan dengan software IBM SPSS Statistics. Hasil: Total 110 pasien dilibatkan dalam penelitian ini. 13.6% dari total pasien mengalami aritmia maligna selama masa hospitalisasi. Tidak ditemukan adanya hubungan signifikan antara cTnI dengan aritmia maligna pada pasien IMA (p = 0.053, RR 1.2, 95%CI 1.1-1.2), namun ditemukan adanya hubungan signifikan antara LVEF dengan aritmia maligna pada pasien IMA, baik pada data metrik (t(108)=3.450, p = 0.001) maupun data kategorik (c2(1) = 6.132, p = 0.013, RR 4.8, 95%CI 1.15-20.4). Terdapat perbedaan besar antara nilai rata-rata cTnI and LVEF pada kedua kelompok pasien. Kesimpulan: Studi ini menemukan korelasi yang signifikan secara statistikal antara fungsi sistolik ventrikel kiri dengan aritmia maligna pada pasien IMA, namun tidak ditemukan adanya korelasi signifikan antara cTnI dengan aritmia maligna pada pasien IMA. Nilai cTnI yang tinggi lebih umum ditemukan pada kelompok pasien dengan aritmia maligna. Kejadian aritmia maligna lebih umum pada pasien yang memiliki LVEF yang lebih rendah."

"Penyakit kardiovaskular, khususnya aritmia, merupakan salah satu penyebab utama kematian di dunia. Aritmia terjadi akibat gangguan irama jantung yang dapat dideteksi menggunakan Elektrokardiogram (EKG), yang dideteksi dengan menganalisa perubahan atau kejanggalan dari sinyal EKG yang dilihat oleh pengamat. Namun, sinyal EKG seringkali tidak akurat karena bersifat non-linear dan memiliki amplitudo rendah, sehingga perubahan kecil mungkin dilalaikan oleh mata telanjang manusia. Oleh karena itu, diperlukan metode yang lebih efektif dalam mengklasifikasikan aritmia. Penelitian ini mengusulkan penggunaan metode Bidirectional Recurrent Convolutional Neural Network (BiRCNN) untuk klasifikasi sinyal EKG. Metode BiRCNN menggabungkan Convolutional Neural Network (CNN) yang mengekstraksi fitur morfologi sinyal EKG dan Recurrent Neural Network (RNN) yang menangkap informasi temporal dari detak jantung. Gabungan kedua metode ini diharapkan dapat memberikan hasil yang akurat dan konsisten. Data yang digunakan dalam penelitian ini berasal dari Basis Data MIT-BIH Arrhythmia, yang terdiri dari ribuan rekaman detak jantung normal dan aritmia. Data yang digunakan melalui tahap praproses dengan memilih segmen sinyal EKG dengan 187 titik waktu, dengan normalisasi pada semua data agar berada dalam rentang amplitudo yang sama. Untuk mengatasi ketidakseimbangan kelas dalam dataset, metode SMOTE digunakan untuk meningkatkan jumlah sampel kelas minoritas hingga mencapai 100% dari jumlah sampel kelas mayoritas, sehingga memastikan distribusi data yang lebih seimbang. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, sensitivitas, spesifisitas, dan nilai AUC-ROC. Hasil penelitian dari lima simulasi pembangunan model menunjukkan bahwa metode BiRCNN memiliki kinerja yang baik dalam klasifikasi aritmia, dengan rata-rata nilai akurasi sebesar 98.25%, sensitivitas sebesar 94.67%, spesifisitas sebesar 98.70%, dan AUC-ROC sebesar 99.44%. Berdasarkan hasil penelitian tersebut, metode ini mampu mengidentifikasi aritmia secara konsisten dengan ketepatan yang cukup baik.

---

Cardiovascular disease, particularly arrhythmia, is one of the leading causes of death in the world. Arrhythmias occur due to heart rhythm disturbances that can be detected using an Electrocardiogram (ECG), detected by analyzing the changes or irregularities in the ECG signal seen by the observer. However, ECG signals are often inaccurate because they are non-linear and have low amplitude, so small changes may be overlooked by the naked human eye. Therefore, a more effective method of classifying arrhythmias is needed. This research proposes the use of Bidirectional Recurrent Convolutional Neural Network (BiRCNN) method for ECG signal classification. The BiRCNN method combines a Convolutional Neural Network (CNN) that extracts morphological features of ECG signals and a Recurrent Neural Network (RNN) that captures temporal information of the heartbeat. The combination of these two methods is expected to provide accurate and consistent results. The data used in this study comes from the MIT-BIH Arrhythmia Database, which consists of thousands of normal and arrhythmic heartbeat recordings. The data used went through a preprocessing stage by selecting ECG signal segments with 187 time points, with normalization on all data to be in the same amplitude range. To overcome the class imbalance in the dataset, the SMOTE method was applied to increase the number of minority class samples to 100% of the number of majority class samples, thus ensuring a more balanced data distribution. Model performance evaluation was performed using accuracy, sensitivity, specificity, and AUC-ROC value metrics. The results of five model fitting simulations showed that the BiRCNN method performed well in arrhythmia classification, with an average accuracy value of 98.25%, sensitivity of 94.67%, specificity of 98.70%, and AUC-ROC of 99.44%. Based on the results, this method is able to identify arrhythmias consistently with fairly good accuracy."

"Penyakit jantung menjadi permasalahan utama di dunia medis. Hal ini dikarenakan sulitnya mendeteksi gejala awal dari penyakit tersebut. Pendeteksian gejala ini dapat dilakukan dengan memonitori sinyal elektrokardiogram pasien untuk mendeteksi jenis aritmia yang diderita. Penelitian klasifikasi aritmia mengunakan pemrosesan komputer telah berhasil mengidentifikasi tipe aritimia satu dengan lainnya. Namun dalam permasalahan dunia nyata, pasien dapat menderita jenis aritmia yang merupakan gabungan dari jenis aritmia lainnya. Penelitian ini bertujuan untuk melakukan klasifikasi aritmia secara multi-label pada data elektrokardiogram. Data yang digunakan adalah data yang berasal dari The China Physiological Signal Challenge 2018. Eksperimen yang dilakukan terbagi menjadi dua proses, yaitu pemilihan dan pemelajaran data. Teknik yang digunakan untuk pemilihan data dengan memotong data berdasarkan letak QRS sinyal menggunakan Combined Adaptive Threshold. Kemudian hasil data segmentasi sinyal dipelajari menggunakan 1DCNN dan LSTM dengan Attention. Penelitian ini berhasil melakukan klasifikasi multi-label pada data aritmia dan memperoleh rata-rata F1-Score sebesar 81.7% berdasarkan hasil evaluasi terbaik menggunakan K-Cross Validation.

---

Heart Disease is the main problem in medical world. One of the reasons is because the disease is still hard to detect it earlier. The main method to detect the heart disease is monitoring electrocardiogram signal and try to identify arrhythmia of the patient. The latest research has succeeded to classify the arrhythmia using deep learning. But in the real-world problem, patient can be having a multiple arrhythmia at the same time. This research focus on to classify multiple arrhythmia with electrocardiogram data. The data that had been used for this research is from The China Physiological Signal Challenge 2018. The experiment had two step process, there are sampling step, and learning step. Technique that had been used for sampling is based on slicing the data using QRS detection based on Combined Adaptive Threshold. Then the result of the segmentation is used for training data in 1DCNN and LSTM with attention This research has succeeded to get average of F1- Score 81.7% based on the best evaluation result using K-Cross Validation."

"Latar belakang: Aritmia jantung merupakan komplikasi yang sering terjadi pada operasi jantung. Stroke merupakan komplikasi penting dari fibrilasi atrial pascaoperasi (FAPO). Lama rawat di rumah sakit bertambah dengan adanya FAPO. Terapi medikamentosa yang sudah ada untuk penanganan FAPO belum memuaskan hasilnya. Neuromodulasi saraf vagus menggunakan Transcutaneous Vagus Nerve Stimulation (TVNS) berpotensi untuk mengurangi FAPO dan inflamasi pascaoperasi jantung sehingga layak untuk diteliti.Metodologi: Penelitian ini merupakan uji klinis acak tersamar tunggal yang dilakukan terhadap pasien dewasa yang menjalani operasi jantung pintas koroner dan katup elektif di Rumah Sakit Umum Pusat Dr. Kariadi Semarang pada bulan April-Juli 2023. Sebanyak 66 subjek yang memenuhi kriteria inklusi dibagi secara acak menjadi dua kelompok secara tersamar. Kelompok pertama mendapat perlakuan TVNS dan kelompok kedua sham TVNS. Perekaman dan pengamatan EKG kontinyu selama 3 hari pasca operasi dan kadar IL-6 diukur 24 jam praoperasi dan 72 jam pascaoperasi. Uji statistik menggunakan Chi Square dan Mann Whitney.Hasil penelitian: Pada luaran primer, tidak didapatkan perbedaan yang bermakna durasi per episode FAPO (p=0,069) dan peningkatan kadar IL-6 pascaoperasi (p=0,64) pada kelompok TVNS dan sham TVNS. Demikian juga pada luaran sekunder, tidak didapatkan perbedaan bermakna pada durasi awal tanpa terapi standar fibrilasi atrial (p=0,64), kebutuhan vasopressor inotropik (p = 0,517 dan 0,619) dan beban fibrilasi atrial (p=0,07).Kesimpulan: TVNS tidak memberikan perbedaan bermakna pada durasi per episode FAPO dan derajat inflamasi pascaoperasi bedah jantung dewasa.

---

Background: Postoperative arrhythmia is a frequent complication in cardiac surgery. Stroke is an important complication of postoperative atrial fibrillation (POAF). The length of hospital stay increases with POAF. Existing medical therapy for POAF has not shown satisfactory results. Vagus nerve neuromodulation using Transcutaneous Vagus Nerve Stimulation (TVNS) has a potential effect to reduce FAPO and inflammation after cardiac surgery, so it is beneficial to study.

Methodology: This study was a single-blind randomized control trial conducted on adult patients undergoing elective coronary bypass graft and heart valve surgery at Dr. Kariadi General Hospital in April-July 2023. A total of 66 subjects who met the inclusion criteria were randomly divided into two groups in a blinded manner. The first group received TVNS treatment and the second group received sham TVNS. Continuous ECG recording and reading for 3 days after surgery and IL-6 levels were measured 24 hours preoperatively and 72 hours postoperatively. Statistical analysis using Chi-Square and Mann-Whitney test.

Results: In the primary outcome, there was no significant difference in duration per episode of POAF (p=0.069) and the increase of postoperative IL-6 levels (p=0.64) in the TVNS and sham TVNS groups. Similarly in secondary outcomes, there were no significant differences in the initial duration without standard therapy of atrial fibrillation (p=0.64), the need for inotropic vasopressors (p = 0,517 and 0,619), and the burden of atrial fibrillation (p=0.07).

Conclusion: No significant difference in the duration per episode of FAPO and the degree of inflammation after adult cardiac surgery with TVNS treatment."

"Latar Belakang: Kompleks prematur ventrikel (KVP) dikaitkan dengan risiko penurunan fungsi ventrikel dan gagal jantung, dan meningkatkan mortalitas jangka panjang. Variasi sirkadian yang rendah merupakan salah satu prediktor terjadinya kardiomiopati yang diinduksi oleh KVP. KVP idiopatik tipe independen merupakan salah satu bentuk dari KVP dengan gambaran distribusi variasi sirkadian yang rendah. Namun tidak semua KVP independen memiliki variasi sirkadian yang rendah. Belum ada studi yang menilai perbedaan fungsi sistolik intrinsik VKi menggunakan global longitudinal strain (GLS) pada KVP idiopatik independen dengan KVP idiopatik non-independen.Tujuan: Mengetahui hubungan antara kompleks ventrikel prematur idiopatik tipe independen dengan GLS ventrikel kiri melalui ekokardiografi speckle tracking pada pasien tanpa penyakit jantung struktural.Metode: Penelitian ini merupakan studi potong lintang dengan menggunakan data pasien aritmia ventrikel idiopatik yang dikumpulkan di RSPJD Harapan Kita Jakarta pada bulan Februari 2021- Mei 2021. Evaluasi KVP idiopatik dilakukan dengan EKG 12 sandapan, pemeriksaan Holter monitoring 24 jam. Data dasar ekokardiografi diambil dan penilaian fungsi sistolik intrinsik ventrikel kiri (Vki) dilakukan menggunakan ekokardiografi speckle tracking dengan global longitudinal study (GLS).Hasil: Dari 67 pasien KVP idiopatik yang disertakan dalam penelitian, didapatkan sebesar 27 pasien (40,2%) dengan KVP tipe independen dan 40 pasien (59,8%) dengan KVP non-independen. Sebanyak 31 (46,3%) pasien memiliki disfungsi sistolik ventrikel kiri pada pemeriksaan GLS (kurang dari -18). KVP tipe independen (OR 5,3; IK 95% 1,10-33,29; p = 0,038), beban KVP 9% (OR 16; IK 95% 1,58-163,61; p = 0,019), jenis kelamin laki-laki (OR 6,58; IK 95% 0,80-0,99; p = 0,029), dan episode TV non-sustained (OR 13,88; IK 95% 1,77-108,53; p = 0,012) berhubungan secara signifikan dengan penurunan fungsi sistolik intrinsik Vki.Kesimpulan: Kompleks ventrikel prematur idiopatik tipe independen berhubungan dengan penurunan sistolik intrinsik ventrikel kiri melalui ekokardiografi speckle tracking. Evaluasi tipe KVP idiopatik perlu dilakukan karena berhubungan dengan prognosis pasien dalam praktik klinis.

---

Background: Premature ventricular complexes (PVC) was associated with a risk of decreased ventricular function and heart failure, and increased long-term mortality. Low circadian variation is one of the predictors of PVC-induced cardiomyopathy. Independent-type-PVC (I-PVC) is a form of PVC with a low distribution of circadian variation. However, not all I-PVC show low circadian variation. No studies have been performed to examine differences in intrinsic systolic function of left ventricle (LV) using global longitudinal strain (GLS) in independent versus non-independent idiopathic PVC.

Objective: To determine the relationship between I-PVC and intrinsic systolic function of LV using speckle tracking echocardiography in patients without structural heart disease.

Methods: A cross-sectional study was conducted using data from patients with idiopathic ventricular arrhythmias collected at RSPJD Harapan Kita Jakarta in February 2021-May 2021. Evaluation of idiopathic PVC was carried out using a 12-lead ECG, 24-hour Holter monitoring. Basic echocardiography was performed then LV intrinsic systolic function was assessed using speckle tracking echocardiography with global longitudinal study (GLS).

Results: Of the 67 patients with idiopathic PVC included in the study, 27 (40.2%) patients included in independent PVC group and 40 (59.8%) patients in non-independent PVC group. A total of 31 (46.3%) patients had LV systolic dysfunction on GLS examination (less than -18). Independent-type-PVC (OR 5.3; 95% CI 1.10-33.29; p = 0.038), PVC burden of 9% (OR 16; 95% CI 1.58-163.61; p = 0.019), male gender (OR 6.58; 95% CI 0.80-0.99; p = 0.029), and non-sustained VT episodes (OR 13.88; 95% CI 1.77-108.53; p = 0.012) was significantly associated with a decrease in LV intrinsic systolic function.

Conclusion: Independent-type-PVC was associated with decreased in LV intrinsic systolic function assessed by speckle tracking echocardiography. Evaluation of the type of idiopathic PVC needs to be considered since it is related with patient's prognosis in clinical practice."