Оценка положения электрической оси сердца: результаты анкетирования врачей в Российской Федерации. Анализ и обсуждение глазомерного метода оценки

Предпосылки исследования. Определение положения электрической оси сердца (ЭОС) играет значительную роль в интерпретации электрокардиограмм (ЭКГ). Описано множество методик оценки ЭОС, однако частота их использования практикующими врачами функциональной диагностики и кардиологами остается неизвестной. Настоящее исследование направлено на изучение частоты применения различных методов оценки ЭОС и отношение врачей к точности автоматического определения ЭОС. Материал и методы. Исследование проводилось в форме онлайн-анкетирования медицинских работников на платформе Яндекс Формы. Анкетирование проходило с 24 июня по 6 июля 2025 года. Участниками стали врачи функциональной диагностики и кардиологи, приглашенные через специализированные группы в мессенджере Telegram. Полученные данные подверглись статистическому анализу с использованием среды R. Основные результаты. Анализ 689 полученных анкет показал, что наиболее распространенным методом оценки ЭОС является глазомерный способ, используемый большинством опрошенных врачей (56%). Только 10% респондентов применяют точные расчеты по таблицам или калькулятору. Приемлемая точность определения ЭОС составляет примерно ±8 градусов, согласно мнению большинства участников. Большинство врачей в целом довольны точностью автоматического определения ЭОС. Заключение. Глазомерный метод оказался предпочтительным среди врачей благодаря своей простоте и доступности. Этот метод по опубликованным данным демонстрирует высокую степень согласия с результатами точного расчета положения ЭОС. Большинство врачей довольны результатами автоматического определения положения ЭОС. На практике целесообразно использовать вариант визуального метода определения положения ЭОС по Гертшу – Мюллер-Лейссе.

1. R Core Team (2025). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. Электронный ресурс. https://www.R-project.org/ (дата обращения: 02.12.2025).

2. Петри А., Сэбин К. Наглядная медицинская статистика: учебное пособие // А. Петри, К. Сэбин. – М.: ГЭОТАР-Медиа, 2021. 232 с.

3. Рахманова Ю.В. Методы социологического исследования М.: Российский государственный педагогический университет им. Герцена. – 2021. – 124 с.

4. Берестень Н. Ф., Соболев К. Э., Какорина Е. П. О деятельности отделений и кабинетов функциональной диагностики. Медицинский алфавит. 2022;(20):8–15. https://doi.org/10.33667/2078–5631–2022–20–8–15.

5. Лукогорская Н.Н., Вишняков Н.И., Барсукова И.М. Современное состояние подразделений функциональной диагностики в Российской Федерации // Современные проблемы здравоохранения и медицинской статистики. – 2024. – №. 3. – С. 615–627. DOI 10.24412/2312-2935-2024-3-615-627.

6. Gertsch M. The ECG manual: an evidence-based approach. – London: Springer London. – 2009.

7. Mueller-Leisse J., Syrbius G., Hillmann, H.A.K. et al. Determining the QRS axis: visual estimation is equal to calculation. Herzschr Elektrophys 36, 70–74 (2025). DOI 10.1007/s00399-025-01065-x.

8. Zhang (2016) A vector-based algorithm to differentiate septal and free wall sites of origin of ventricular arrhythmias in the right ventricular outflow tract. Int J Heart Rhythm1:43–49. DOI 10.4103/2352-4197.191481.

9. Gao Q, Dai Z, Hu Y, Bie F, Yang B. A new method to determine the QRS axis—QRS axis determination. Clin Cardiol. 2020; 43: 1534–1538. DOI 10.1002/clc.23477.