MétaCan
Menu
Retour à la cohorte
Enregistrement W1996864718 · doi:10.1109/tbme.2011.2179033

A Monitor-Decoupled Pharmacodynamic Model of Propofol in Children Using State Entropy as Clinical Endpoint

2011· article· en· W1996864718 sur OpenAlexafffund
Sara Khosravi, Jin‐Oh Hahn, Guy A. Dumont, J. Mark Ansermino

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueAnesthesia and Sedative Agents
Établissements canadiensUniversity of AlbertaUniversity of British ColumbiaUniversity of British Columbia Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPopulationPropofolEntropy (arrow of time)PharmacodynamicsComputer scienceArtificial intelligenceMathematicsPharmacokineticsMedicinePharmacologyPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

This paper presents a new monitor-decoupled model of propofol pharmacodynamics (PD) using the state entropy (SE) as the clinical endpoint of interest. In our model, the dynamics of the entropy monitor are separated from the PD response of the patient by explicitly accounting for the model of the entropy monitor in the PD identification process. The monitor model was then excluded from the identified PD model for the patient. The PD model, thus, obtained is distinct from its traditional counterpart in that it reflects the PD response of a patient with the dynamic effects of the monitor included as a specific entity. System identification trials using SE data of 31 pediatric subjects show that the PD models derived from the proposed approach are an improvement on the traditional approach. For the Paedfusor pharmacokinetic (PK) model, population-averaged effect site equilibration rate constant k(e0) was 5.4 and 3.0 for the proposed and traditional PD models ( p < 0.001), respectively. For the Kataria PK model, population-averaged k(e0) was 2.3 and 1.4 (p < 0.01). This significant difference suggests that the effects of the monitor must be considered when searching for the intrinsic PD of a patient that is free from the bias induced by the monitor characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,676

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,047
Tête enseignante GPT0,315
Écart entre enseignants0,267 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations8
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetAnesthesia and Sedative AgentsTravaux en français237 207