MétaCan
Menu
Retour à la cohorte
Enregistrement W2046277472 · doi:10.1117/12.831611

Tissue oxygenation during exercise measured with NIRS: a quality control study

2009· article· en· W2046277472 sur OpenAlexaff
Erwin Gerz, Dmitri Geraskin, J. Patrick Neary, Julia Franke, Petra Platen, Matthias Kohl‐Bareis

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésReproducibilityBiomedical engineeringStandard deviationOxygenationMaterials scienceMathematicsMedicineStatisticsAnesthesia

Résumé

récupéré en direct d'OpenAlex

We assess the data quality of calculated tissue oxygen saturation (SO2) and haemoglobin concentrations recorded on muscle during an incremental cycling protocol in healthy volunteers. The protocol was repeated three times at the same day and a fourth time at a different day to estimate the reproducibility of the method. A novel broad-band, spatially resolved spectrometer (SRS) system was employed which allowed us to compare SRS-based oxygenation parameters with modified Lambert-Beer (MLB) data. We found that the inter-subject variation in SO2 (standard deviation about 6 %) is considerably larger than the reproducibility (about 1.5 %) both for same day and different day tests. When changes in SO2 during the cycling test were considered the reproducibility is better than 1 %. Time courses of SRS-based haemoglobin parameters are different from MLB-data with higher reproducibility for SRS. The magnitudes of the haemoglobin changes were found to be considerably larger for the SRS method. Furthermore, the broad band approach was tested against a four-wavelength analysis with the differences found to be negligible.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,012
Tête enseignante GPT0,279
Écart entre enseignants0,266 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207