How Often Do Office Blood Pressure Measurements Fail to Identify True Hypertension?: An Exploration of White-Coat Normotension
Notice bibliographique
Résumé
BACKGROUND: The often-observed differences between ambulatory (ABP) and office blood pressure (OBP) measurements have brought attention to the problem of misdiagnoses. Although there has been much focus on white-coat hypertension (elevated OBP with normal ABP means), few studies have examined "white-coat normotension" (WCN; normal OBP with elevated ABP means). OBJECTIVES: To describe patients with WCN in terms of prevalence and quantitative differences between ABP and OBP; to identify psychological and demographic features that discriminate them from true normotensive patients; and to offer possible corrections for diagnostic limitations of OBP measurements in clinical practice. DESIGN AND METHODS: Five OBP measurements and 10- to 12-hour daytime ABP monitoring in 319 presumed healthy participants. RESULTS: Prevalence rates of WCN were 23% for systolic BP and 24% for diastolic BP. Participants with WCN were more often male, past smokers, and older and consumed more alcohol. Increasing the number of office readings and discarding the first office reading did not improve the accuracy of OBP measurements. Participants with BP of 10 mm Hg above or below the 140/90 office reading cutoff showed the lowest accuracy, with more than 50% of normotensive diagnoses being incorrect. CONCLUSIONS: Office measures of BP lack sensitivity, missing a sizable portion of individuals who have hypertensive mean ABP measurements. Subjects with WCN differ from true normotensive subjects on several demographic and lifestyle variables. Only those office readings averaging 20 points above or below the 140/90 cutoff represent safe diagnostic information.
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) | 0,001 | 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 ».