MétaCan
Menu
Retour à la cohorte
Enregistrement W1977164864 · doi:10.1109/memea.2013.6549697

Evaluation of the correlation between blood pressure and pulse transit time

2013· article· en· W1977164864 sur OpenAlexaff
Xiaochuan He, Rafik Goubran, Peter Liu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPhotoplethysmogramBlood pressureCuffSIGNAL (programming language)MedicineCorrelationBiomedical engineeringCardiologyPulse (music)DiastoleInternal medicineComputer scienceMathematicsSurgeryTelecommunications

Résumé

récupéré en direct d'OpenAlex

The arterial blood pressure is an essential physiological parameter for health monitoring. Most blood measurement devices determine the systolic and diastolic arterial blood pressure through the inflation and the deflation of a cuff. This method is uncomfortable to the user and may cause anxiety which in turns can affect the blood pressure (white coat syndrome). This paper investigates a cuff-less non-intrusive approach to measure arterial blood pressure that is suitable for continuous measurement. The approach is based on measuring the delay between the R-peak of the electrocardiogram (ECG) signal and the peaks of the finger photoplethysmograph (PPG) signal. The results of this paper show a high correlation between the blood pressure and the pulse transit time (PTT). Different polynomial regressions are applied for further estimation. The paper uses actual ECG, PPG and blood pressure measurements extracted from the MIMIC database that contains clinical signal data reflecting real measurements. The simulation results verify that the delay (PTT) between the R-peak of the ECG signal and the peaks of the finger PPG signal have a high correlation with arterial blood pressure and can be used as an indicator of the arterial blood pressure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,207
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207