可穿戴地震心电图和机器学习算法可以通过分析心脏对亚最大运动的反应来评估代偿性和失代偿性心力衰竭状态（P<0.05）。
观察性
可穿戴地震心电图和机器学习算法能评估心力衰竭患者的代偿性和失代偿性状态吗？
可穿戴地震心电图结合机器学习可以在亚最大运动期间评估代偿性和失代偿性心力衰竭状态。
p-value: p=<0.05
背景：使用可穿戴设备对心力衰竭（HF）患者进行远程监测可以进行患者特定的治疗调整，从而可能减少住院率。我们的目标是通过在运动背景下测量心脏功能的电气和机械方面，来评估HF状态。方法与结果：<0.05）。结论：记录心脏功能的可穿戴技术和机器学习算法可以通过分析心脏对亚最大运动的反应来评估代偿性和失代偿性HF状态。这些技术可以在未来进行测试，以跟踪门诊HF患者的临床状态及其对药物干预的反应。
Inan等（Mon，）在心力衰竭中进行了观察性研究。可穿戴地震心电图和机器学习算法在代偿性与失代偿性HF状态的评估中进行了评估（p=<0.05）。可穿戴地震心电图和机器学习算法可以通过分析心脏对亚最大运动的反应来评估代偿性和失代偿性心力衰竭状态（P<0.05）。