Förmaksflimmer är en av de vanligaste arytmierna i Sverige och västvärlden och förväntas öka bland befolkningen. Riskfaktorer som övervikt, stort alkoholintag, hypertoni och hög ålder har visat sig ha en stor påverkan på förmaksflimrets progression och därmed ökande morbiditet och mortalitet hos patienterna. Studiens syfte är att belysa påverkan av omvårdnadsinterventioner ledda av sjuksköterskor, hos patienter med förmaksflimmer. En allmän litteraturstudie med systematisk sökmetod har genomförts. Datainsamlingen gjordes via databaserna Cumulative Index to Nursing an Health Literature (CINAHL) och Public MEDLINE (PubMed). Totalt hittades femton artiklar, varav fjorton var kvantitativa och en artikel hade mixad metod. Artiklarna kvalitetsgranskades med stöd av en modifierad bedömningsunderlag. En integrerad dataanalys genomfördes för att sammanställa data. Resultatet blev sex kategorier: Riskfaktorer, Livsstil, Hälsorelaterad livskvalitet, Patientens sjukdomskännedom, Behandlingsrekommendationer och Sjukhusinläggningar. Resultatet påvisar att omvårdnadsinterventioner ledda av sjuksköterska har en god påverkan på patientens sjukdomstillstånd. Dock påvisar inte alla studier att det finns en signifikant skillnad. Litteraturöversikten visar behov av ett multidisciplinärt team, där en specialistsjuksköterska inom hjärtsjukvård kan göra en skillnad för patienten. Men även ett behov av mer forskning inom området för att identifiera kunskapsluckor för att ge patienter en bättre vård. / Atrial fibrillation is one of the most common arrhythmias both in Sweden and in the world and is expected to increase among the population. Risk factors such as obesity, large alcohol intake, hypertonia and age are shown to have great impact on atrial fibrillation progress hence rising mortality and morbidity among this group. The aim of this study is to illuminate the effect of nursing interventions on patients with Atrial Fibrillation. A general literature overview with a structural search method was conducted. The data was collected via CHINAHL and PubMed databases. The total of fifteen articles were selected, fourteen with quantitative and one with mixed method. All the articles were qualified via Caldwell scale design. An integrated data analysis was performed to compile the data. The result is presented in six categories: Risk factors, Lifestyle, Health related quality of life, Disease awareness, Treatment recommendation and Hospitalization. The results have shown that the nursing interventions having good effect on the patient's illness situation. However, not all studies show that there is a significant difference. The area studied requires further research and that studies be carried out in larger populations. This is to draw real conclusions that help to offer patients with atrial fibrillation better care. The literature review shows tendencies that patients are in need for a multidisciplinary team, where specialist nurses in cardiac care can make a difference for the patient. It also shows a need for further studies to identify knowledge gaps in order to a better healthcare to patients.

Atrial fibrillation is a cardiac condition in which the heart rate is abnormally fast and/or irregular. While not yet proven to be fatal on its own, it severely increases the probability of developing further medical conditions including a five times higher risk of getting stroke. The prevalence has, over the past decades, increased significantly across the world and was in 2014 approximated at roughly 2% in the European population. Though, this number is expected to further increase in the coming years and decades. Therefore, in order to reduce suffering and save lives, it is vital that there is an efficient way of treating this condition. Current treatment methods include medicine, cardioversion, and tissue ablation. This thesis focuses on tissue ablation, more particularly cryoballoon ablation, which is a minimally invasive procedure in which a cryoballoon catheter is guided through a blood vessel (generally accessed through an incision made in the groin area) to the heart. When inside the atrial chambers the balloon can be inflated, put into contact with the faulty tissue and then be injected with liquid nitrous oxide which vaporizes and freezes said tissue isolating the currents causing the irregular heartbeat. This thesis aims to attach flexible electronics to the outside of the cryoballoon, which should then be able to inform the operator that adequate contact has been achieved before freezing, thereby increasing the probability of successful ablation. Three prototypes were created using polyurethane balloons, flexible circuit boards and a biocompatible, flexible cyanoacrylate adhesive. The flexible circuit boards were arranged in different patterns for each prototype to see which configuration would best suit the application. It was found that narrow strips (single trace) aligned axially and spaced evenly along the circumference best accomplished the goal. The traces did, however, not adhere as well to the balloon as was hoped which likely was due to user error during the gluing procedure but a further investigation may be desired to ensure that the materials and adhesive are compatible. / Förmaksflimmer är ett hjärtfel som gör att hjärtslagen blir ovanligt snabba och/eller oregelbundna. Trots att det inte bevisats vara direkt dödligt än, ökar det kraftigt risken för att utveckla ytterligare medicinska besvär, bland annat fem gånger större risk att drabbas av stroke. Utbredningen av förmaksflimmer har under de senaste decennierna ökat avsevärt över hela världen och under 2014 uppskattades det att ungefär 2 % av den europeiska befolkning var drabbade. Den här siffran förväntas dock fortsätta öka under de kommande åren och decennierna. Därför, för att i största mån lindra smärta samt förhindra dödsfall, är det mycket viktigt att det finns ett effektivt sätt att behandla tillståndet. I nuläget innefattas behandling av medicin, elektrokonvertering eller vävnadsablation. Det här examensarbetet fokuserar på ablation, närmare bestämt kryoballongsablation, vilket är ett minimalinvasivt ingrepp som innebär att en kryoballongskateter förs in genom en blodådra (ofta via ett snitt i ljumsken) in i hjärtat. Väl inne i förmakskammarna kan ballongen blåsas upp, läggas emot den felaktiga vävnaden och sedan fyllas med flytande kväveoxid som förångas och fryser vävnaden vilket isolerar strömmarna som ger upphov till den felaktiga hjärtrytmen. Målet med det här examensarbetet är att fästa flexibla kretskort på utsidan av dessa kryoballonger, vilka då ska kunna känna av fysisk kontakt med vävnaden och informera operatören om detta innan frysningen sker. Därmed bör sannolikheten för lyckad ablation öka. Tre prototyper tillverkades med polyuretanballonger, flexibla kretskort och ett biokompatibelt, flexibelt cyanoakrylatlim. Kretskorten arrangerades i olika mönster för respektive prototyper för att undersöka vilken konfiguration som skulle passa ändamålet bäst. Det visade sig att smala kretskort placerade längs med ballongen axiellt och jämnt utspridda längs med omkretsen gav bäst resultat. Däremot höll inte limmet så bra som förväntat vilket troligtvis handlar om användarfel vid limningen men en vidare utredning kan vara att önska för att säkerställa att limmet är kompatibelt med övriga material.

In this thesis we suggest a technique for detecting pulses by signal processing of a raw ECG signal registered from 4 electrodes located on the left upper arm. The signal processing is performed in Matlab and consists of normalization, lowpass filtering, highpass filtering, derivation, squaring and a moving average window to reduce interference. The technology is capable of extracting periods between heartbeats after an implemented detection algorithm. The thesis also includes reflections on the types of interferences that may affect an electrical development equipment and also methods of how major parts of the interference can be reduced by different shields. Before the technique is applied in a final product, further tests may need to be performed during the monitoring of a person's pulse. Finally, we believe that our development of pulse detection is the beginning of a new technology that in the future can save lives. / I den här rapporten föreslår vi en teknik för att detektera pulser med hjälp av att signalbehandla en rå EKG-signal registrerad från 4 elektroder placerade på vänster överarm. En signalbehandling utförd i Matlab som bland annat består av normering, lågpassfiltrering, högpassfiltrering, derivering, kvadrering samt ett glidande medelvärdesfönster för att reducera störningar. Tekniken är kapabel till att utvinna tider mellan hjärtslag efter en implementerad detekteringsalgoritm. Rapporten innefattar även reflektioner kring vilka typer av störningar som kan påverka en elektrisk utvecklingsutrustning samt metoder för hur större delar av störningarna kan reduceras med hjälp av olika skärmningar. Innan tekniken appliceras i en slutlig produkt kan ytterligare tester behöva utföras under monitorering av en persons puls. Slutligen anser vi att våran utveckling av pulsdetektion är en början på en ny teknik för att kunna rädda liv.

Deep Learning models are ubiquitous in machine learning. They offer state-of- the-art performance on tasks ranging from natural language processing to image classification. The drawback of these complex models is their black box nature. It is difficult for the end-user to understand how a model arrives at its prediction from the input. This is especially pertinent in domains such as medicine, where being able to trust a model is paramount. In this thesis, ways of explaining a model predicting paroxysmal atrial fibrillation from sinus electrocardiogram (ECG) data are explored. Building on the concept of feature attributions, the problem is approached from three distinct perspectives: time, scale, and frequency. Specifically, one method based on the Integrated Gradients framework and one method based on Shapley values are used. By perturbing the data, retraining the model, and evaluating the retrained model on the perturbed data, the degree of correspondence between the attributions and the meaningful information in the data is evaluated. Results indicate that the attributions in scale and frequency are somewhat consistent with the meaningful information in the data, while the attributions in time are not. The conclusion drawn from the results is that the task of predicting atrial fibrillation for the model in question becomes easier as the level of scale is increased slightly, and that high-frequency information is either not meaningful for the task of predicting atrial fibrillation, or that if it is, the model is unable to learn from it. / Djupinlärningsmodeller förekommer på många håll inom maskininlärning. De erbjuder bästa möjliga prestanda i olika domäner såsom datorlingvistik och bildklassificering. Nackdelen med dessa komplexa modeller är deras “svart låda”-egenskaper. Det är svårt för användaren att förstå hur en modell kommer fram till sin prediktion utifrån indatan. Detta är särskilt relevant i domäner såsom sjukvård, där tillit till modellen är avgörande. I denna uppsats utforskas sätt att förklara en modell som predikterar paroxysmalt förmaksflimmer från elektrokardiogram (EKG) som uppvisar normal sinusrytm. Med utgångspunkt i feature attribution (särdragsattribution) angrips problemet från tre olika perspektiv: tid, skala och frekvens. I synnerhet används en metod baserad på Integrated Gradients och en metod baserad på Shapley-värden. Genom att perturbera datan, träna om modellen, och utvärdera den omtränader modellen på den perturberade datan utvärderas graden av överensstämmelse mellan attributionerna och den meningsfulla informationen i datan. Resultaten visar att attributioner i skala- och frekvensdomänerna delvis stämmer överens med den meningsfulla informationen i datan, medan attributionerna i tidsdomänen inte gör det. Slutsatsen som dras utifrån resultaten är att uppgiften att prediktera förmaksflimmer blir enklare när skalnivån ökas något, samt att högre frekvenser antingen inte är betydelsefullt för att prediktera förmaksflimmer, eller att om det är det, så saknar modellen förmågan att lära sig detta.

Atrial fibrillation is a common heart arrhythmia which is characterized by a missing or irregular contraction of the atria. The disease is a risk factor for other more serious diseases and the total medical costs in society are extensive. Therefore it would be beneficial to improve and optimize the prevention and detection of the disease.   Pulse palpation and heart auscultation can facilitate the detection of atrial fibrillation clinically, but the diagnosis is generally confirmed by an ECG examination. Today there are several algorithms that detect atrial fibrillation by analysing an ECG. A common method is to study the heart rate variability (HRV) and by different types of statistical calculations find episodes of atrial fibrillation which deviates from normal sinus rhythm.   Two algorithms for detection of atrial fibrillation have been evaluated in Matlab. One is based on the coefficient of variation and the other uses a logistic regression model. Training and testing of the algorithms were done with data from the Physionet MIT database. Several steps of signal processing were used to remove different types of noise and artefacts before the data could be used.   When testing the algorithms, the CV algorithm performed with a sensitivity of 91,38%, a specificity of 93,93% and accuracy of 92,92%, and the results of the logistic regression algorithm was a sensitivity of 97,23%, specificity of 93,79% and accuracy of 95,39%. The logistic regression algorithm performed better and was chosen for implementation in Java, where it achieved a sensitivity of 97,31%, specificity of 93,47% and accuracy of 95,25%. / Förmaksflimmer är en vanlig hjärtrytmrubbning som kännetecknas av en avsaknad eller oregelbunden kontraktion av förmaken. Sjukdomen är en riskfaktor för andra allvarligare sjukdomar och de totala kostnaderna för samhället är betydande. Det skulle därför vara fördelaktigt att effektivisera och förbättra prevention samt diagnostisering av förmaksflimmer.   Kliniskt diagnostiseras förmaksflimmer med hjälp av till exempel pulspalpation och auskultation av hjärtat, men diagnosen brukar fastställas med en EKG-undersökning. Det finns idag flertalet algoritmer för att detektera arytmin genom att analysera ett EKG. En av de vanligaste metoderna är att undersöka variabiliteten av hjärtrytmen (HRV) och utföra olika sorters statistiska beräkningar som kan upptäcka episoder av förmaksflimmer som avviker från en normal sinusrytm.   I detta projekt har två metoder för att detektera förmaksflimmer utvärderats i Matlab, en baseras på beräkningar av variationskoefficienten och den andra använder sig av logistisk regression. EKG som kommer från databasen Physionet MIT används för att träna och testa modeller av algoritmerna. Innan EKG-signalen kan användas måste den behandlas för att ta bort olika typer av brus och artefakter.   Vid test av algoritmen med variationskoefficienten blev resultatet en sensitivitet på 91,38%, en specificitet på 93,93% och en noggrannhet på 92,92%. För logistisk regression blev sensitiviteten 97,23%, specificiteten 93,79% och noggrannheten 95,39%. Algoritmen med logistisk regression presterade bättre och valdes därför för att implementeras i Java, där uppnåddes en sensitivitet på 91,31%, en specificitet på 93,47% och en noggrannhet på 95,25%.