Comparison of different threshold values<i>r</i>for approximate entropy: application to investigate the heart rate variability between heart failure and healthy control groups
Notice bibliographique
Résumé
Approximate entropy (ApEn) is widely accepted as a complexity measure of the heart rate variability (HRV) signal, but selecting the criteria for the threshold value r is controversial. This paper aims to verify whether Chon's method of forecasting the r(max) is an appropriate one for the HRV signal. The standard limb lead ECG signals of 120 subjects were recorded for 10 min in a supine position. The subjects were divided into two groups: the heart failure (22 females and 38 males, median age 62.4 ± 12.6) and healthy control group (33 females and 27 males, median age 51.5 ± 16.9). Three types of ApEn were calculated: the ApEn(0.2) using the recommended constant r = 0.2, the ApEn(chon) using Chon's method and the ApEn(max) using the true r(max). A Wilcoxon rank sum test showed that the ApEn(0.2) (p = 0.267) and the ApEn(max) (p = 0.813) had no statistical differences between the two groups, while the ApEn(chon) (p = 0.040) had. We generated a synthetic database to study the effect of two influential factors (the signal length N and the ratio of short- and long-term variability sd(1)/sd(2)) on the empirical formula in Chon's method (Chon et al 2009 IEEE Eng. Med. Biol. Mag. 28 18-23). The results showed that the empirical formula proposed by Chon et al is a good method for analyzing the random signal, but not an appropriate tool for analyzing nonlinear signals, such as the logistic or HRV signals.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».