Diagnostic classification of patients with ventricular tachycardia, based on spatial and temporal features derived from body-surface potential maps
Notice bibliographique
Résumé
The authors evaluated the ability of spatial features derived from electrocardiographic QRST-area distributions, and of temporal electrocardiographic measures (heart rate, QRS duration and corrected QT interval), to identify patients at risk for ventricular arrhythmias. Electrocardiograms from 120 leads were recorded simultaneously during sinus rhythm for 102 patients who had had ventricular tachycardia (VT) and for 102 patients who had had a myocardial infarction (MI) but no history of arrhythmias. The Karhunen-Loeve (K-L) transform was used to reduce the QRST-integral maps to 16 coefficients. The best features for discriminating between the two groups were selected by stepwise discriminant analysis, and bootstrap method was used to estimate diagnostic performance on a prospective population. With a set of 8 K-L features, the test-set sensitivity was 90.3/spl plusmn/4.3% and specificity was 78.0/spl plusmn/6.1%. When QRS duration was added as a supplementary feature to the 8 K-L coefficients, specificity increased to 80.9/spl plusmn/5.4%. All three temporal features are highly correlated among themselves; therefore, only one suffices to supplement K-L coefficients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».