Manual and automated office measurements in relation to awake ambulatory blood pressure monitoring
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Automated blood pressure (BP) devices are commonly used in doctor's offices. How BP measured on these devices relates to ambulatory BP monitoring is not clear. OBJECTIVE: To assess how well office-based manual and automated BP predicts ambulatory BP. METHODS: Using data on 654 patients, we assessed how well sphygmomanometer measurements and measurements taken with an automated device (BpTRU) predicted results on ambulatory BP monitoring. We assess positive and negative predictive values and overall accuracy. We look at different cut-points for systolic (130, 135 and 140 mmHg) and diastolic (80, 85 and 90 mmHg) BP. RESULTS: A single automated office BP (AOBP) assessment provides superior predictive values and overall accuracy compared to three manual office BP assessments. For systolic BP, the predictive values are ≤69% for any of the cut-points while the positive predictive values for the single automated measurement is between 80.0% and 86.9% and the overall accuracy gets as high as 74% for the 130 mmHg cut-point. For diastolic BP, the automated readings are also more predictive but in this case, it is the negative predictive values that are better, as well as the overall accuracy. CONCLUSIONS: Based on the results, we suggest that 135/85 mmHg continue to be used as the cut-point defining high BP with the BpTRU device. However, future research might suggests that values in a grey zone between 130-139 mmHg systolic and 80-89 mmHg diastolic be confirmed using ambulatory BP monitoring. As well, three AOBP assessments might produce much greater accuracy than the single AOBP assessment used in the study.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle