Fully automated analysis of colonic manometry recordings
Notice bibliographique
Résumé
The purpose of this study was to develop a computer program for fully automated analysis of all presently known motor patterns in human colonic motility recordings. Colonic pressure recordings obtained from 24 healthy volunteers were used. Algorithms were developed for the detection and numerical analysis of five types of pressure waves: antegrade, retrograde, simultaneous, high-amplitude and isolated pressure waves. Furthermore, periodical motor activity was quantified. Validation was performed by comparison with visual analysis by two experienced observers. Patterns recorded during day- and night-time were compared using multiple-factor analysis of variance with Bonferroni correction. Automated analysis correlated well with visual peak detection (r = 0.98, P <0.01) and detection of antegrade pressure waves (r = 0.98, P <0.01). Most motor patterns showed a diurnal variation. During the night, prevalences of antegrade (938 vs 455; P <0.05), retrograde (112 vs 81; P <0.05), high-amplitude (12.9 vs 1.3; P <0.05), isolated pressure waves (1114 vs 765; P <0.05), and periodic motor activity were decreased (7.33 vs 4.47%; P <0.05). However, when expressed as percentage of absolute numbers of pressure waves, prevalences remained constant. In conclusion, fully automated analysis of all hitherto described colonic motility patterns is feasible. During the night, overall wave prevalences markedly decreased, but the distribution over the various motor patterns was preserved.
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 | 0,001 | 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) | 0,001 | 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 ».