Abstract 74: Cardiopulmonary Resuscitation Quality Assessed by Electrocardiography Signal Processing Using Hilbert-Huang Transform Correlates Well with Accelerometer
Notice bibliographique
Résumé
Objectives High quality cardiopulmonary resuscitation (CPR) is paramount to patient outcomes in cardiac arrests (CA). Methods to assess CPR quality using widely available data should be explored. This study was aimed to compare CPR quality assessed by surface ECG signal processing vs. accelerometer. Methods Adult patients with CA receiving CPR in the emergency department of a tertiary university hospital, from Dec 2010 to March 2011 were included. CPR was monitored continuously by recording the surface ECG signals and sternal displacement via an accelerometer. CPR quality parameters including total compression numbers, no flow time (pause > 1.5 sec), total flow time (time with pause < 1.5 sec) and average compression rate for up to the first 10 min of CPR were obtained by 1) ECG signal processing algorithm using empirical mode decomposition via Hilbert-Huang Transform (ECG-HHT) and 2) sternal displacement recorded by an accelerometer (ACCEL). Results CPR sessions of 9 CA (6 males, mean age 79.9 years) were analyzed. Compared to ACCEL, ECG-HHT showed lower total compressions, higher no flow time, and lower total flow time. There are good correlations between ECG-HHT vs. ACCEL in total compression numbers (R=0.95) and total flow time (R=0.97). Conclusions ECG-HHT correlates well with ACCEL in certain CPR quality parameters and may be used to assess CPR quality through widely available ECG data.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».