Kompatibilno s OMRON connect

M7 Intelli IT AFib

HEM-7380T1-EBK

Tlakomjeri

5odina jamstva

Sve što vam treba za kućno praćenje zdravlja srca u jednom uređaju. Jednim pritiskom gumba automatski provjerite prisutnost fibrilacije atrija (AFib) svaki put kada mjerite krvni tlak.

Težina uređaja (kg)
0.44
Vrsta manžete
Intelli Wrap manžeta 22–42 cm
Vodič za omotavanje manžete
Da
Upravljanje memorijom
Memorija: 2 korisnika × 100 mjerenja + gostujući način
Otkrivanje nepravilnog srčanog ritma
Da
Detekcija pokreta tijela
Da
Validacija
Klinička validacija, uključujući dijabetes i trudnoću .
Detekcija fibrilacije atrija (AFib)
Da
Jednostavan pokazatelj visokog krvnog tlaka
Da
Napredni senzor za pozicioniranje
Da
IntelliSense
Da
Uključena kutija za pohranu
Da
Funkcija prosjeka
Da
Povezano
Da
Kompatibilna mobilna aplikacija
OMRON connect aplikacija
Dimenzije proizvoda (mm)
191 x 85 x 117

Rano otkrivanje je ključno u prevenciji moždanog udara

Kako koristiti

Klinički potvrđene točnosti, naša revolucionarna Intellisense AFib tehnologija pretvara vaša rutinska mjerenja krvnog tlaka kod kuće u snažnu obranu protiv moždanog udara. Intelli Wrap manšeta osigurava precizne rezultate bez obzira kako je postavljena. Jednostavna je za korištenje i pruža sigurno pristajanje zahvaljujući unaprijed oblikovanom dizajnu koji radi u bilo kojem položaju oko nadlaktice.

Thumbnail

Intellisense AFib

Intellisense AFib je OMRON-ova vlasnička tehnologija koja izračunava vrijednosti krvnog tlaka i otkriva AFib koristeći pulsni valni tlak (PPW) iz mjerenja krvnog tlaka. PPW je valni oblik koji predstavlja promjene arterijskog tlaka.

Pulsni valni tlak (Pulse Pressure Wave)

Zrak se upuhuje u manšetu omotanu oko nadlaktice i, kako svaki otkucaj srca šalje krv kroz arterije, senzor bilježi valove tlaka koji se prenose u manšetu. Postoje značajne razlike u PPW valovima između zdravih osoba i pacijenata s AFib-om. Intellisense AFib analizira ove razlike kako bi otkrio mogućnost pojave AFib-a.

AI-pogonjeni algoritam

Intellisense AFib tehnologija koristi tehnike strojnog učenja s jedinstvenim algoritmom pokretanim umjetnom inteligencijom, razvijenim analizom tisuća EKG zapisa i kliničkih podataka pulsnog valnog tlaka. Validirana je u suradnji s medicinskim stručnjacima, osiguravajući preciznost i pouzdanost, uz osjetljivost od 95% i specifičnost od 98%

Maksimizirajte prednosti redovitog praćenja

Rano otkrivanje, bolji ishodi 

Rano otkrivanje znakova AFib-a kod kuće može spriječiti ozbiljnije komplikacije pravodobnim i učinkovitijim intervencijama. 

Kućno praćenje pruža potpuniji uvid u zdravlje vašeg srca, smanjujući stres i nesigurnost. 

Znajte kada potražiti pomoć 

Jednim pritiskom na gumb automatski provjerite prisutnost AFib-a svaki put kada mjerite krvni tlak. 

Dvostruka funkcija

Uklonite potrebu za više različitih medicinskih uređaja i omogućite jednostavan, jedinstveni korak kućnog probira.

Bez dodatnih koraka

External References:

Moody GB, Mark RG. The impact of the MIT-BIH Arrhythmia Database. IEEE Eng in Med and Biol 20(3):45-50 (May-June 2001). (PMID: 11446209) Contains information from “MIT-BIH Arrhythmia Database” which is made available under the ODC Attribution License. doi:10.13026/C2F305

Moody GB, Mark RG. A new method for detecting atrial fibrillation using R-R intervals. Computers in Cardiology. 10:227-230 (1983). Contains information from “MIT-BIH Atrial Fibrillation Database” which is made available under the ODC Attribution License. doi:10.13026/C2MW2D

Clifford GD, Liu C, Moody B, Li-wei HL, Silva I, Li Q, Johnson AE, Mark RG. AF classification from a short single lead ECG recording: The PhysioNet/computing in cardiology challenge 2017. In 2017 Computing in Cardiology (CinC) 2017 Sep 24 (pp. 1-4). IEEE. doi:10.22489/CinC.2017.065-469 Contains information from “AF Classification from a Short Single Lead ECG Recording: The PhysioNet/Computing in Cardiology Challenge 2017” which is made available under the ODC Attribution License. https://physionet.org/content/challenge-2017/1.0.0/training/#files-panel https://opendatacommons.org/licenses/by/1-0/

Goldberger, A., Amaral, L., Glass, L., Hausdorff, J., Ivanov, P. C., Mark, R., ... & Stanley, H. E. (2000). PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. Circulation [Online]. 101 (23), pp. e215–e220.

Odaberite najviše 2 proizvoda.