Contexto. A Kardia Band (KB) é uma nova tecnologia que permite que os pacientes registrem as faixas de ritmo usando um Apple Watch (Apple, Cupertino, Califórnia, EUA). A pulseira é emparelhada com um aplicativo, fornecendo a detecção automatizada da fibrilação atrial (FA).
Objetivos. O objetivo deste estudo foi examinar se a KB seria capaz de fazer a diferenciação, com precisão, entre o ritmo sinusal (RS) e a FA em comparação a eletrocardiogramas (ECGs) de 12 derivações e registros da KB interpretados por médicos.
Métodos. Foram recrutados pacientes consecutivos com FA que compareceram para cardioversão (CV). Os pacientes foram submetidos a ECG pré-CV juntamente com um registro da KB. Para os casos em que a CV foi realizada, foi obtido um ECG pós-CV juntamente com o registro da KB. As interpretações da KB foram comparadas aos ECGs analisados por médicos. Os registros da KB foram submetidos a revisão cega por eletrofisiologistas e comparados às interpretações dos ECGs. Foram medidas a sensibilidade, a especificidade e o coeficiente k.
Resultados. Foram recrutados 100 pacientes (idade 68 ± 11 anos). Oito pacientes não foram submetidos a CV por estarem em RS. Foram obtidos 169 ECGs e registros da KB simultâneos. Cinquenta e sete foram considerados não interpretáveis pela KB. Em comparação ao ECG, a KB interpretou a FA com sensibilidade de 93%, especificidade de 84% e um coeficiente k de 0,77. A interpretação de médicos dos registros da KB demonstrou sensibilidade de 99%, especificidade de 83% e um coeficiente k de 0,83. Dos 57 registros não interpretáveis pela KB, os eletrofisiologistas que os interpretaram diagnosticaram FA com sensibilidade de 100%, especificidade de 80% e um coeficiente k de 0,74. Em 113 casos em que as leituras do mesmo registro feitas pela KB e por médicos foram consideradas interpretáveis, a concordância foi excelente (coeficiente k = 0,88).
Conclusões. O algoritmo da KB para a detecção de FA com o auxílio da análise de médicos é capaz de fazer a diferenciação entre FA e RS com precisão. Essa tecnologia pode ajudar na triagem de pacientes antes da CV eletiva, evitando procedimentos desnecessários. © 2018 da American College of Cardiology Foundation. Publicado por Elsevier.
