Real-time cardiorespiratory coherence detects antinociception during general anesthesia
Notice bibliographique
Résumé
Heart rate variability (HRV) may provide anesthesiologists with a noninvasive tool for monitoring nociception during general anesthesia. A novel real-time cardiorespiratory coherence (CRC) algorithm has been developed to analyze the strength of linear coupling between heart rate (HR) and respiration. CRC values range from 0 (low coherence, strong nociception) to 1 (high coherence, no nociception). The algorithm uses specially designed filters to operate in real-time, minimizing computational complexity and time delay. In the standard HRV high frequency band of 0.15 - 0.4 Hz, the real-time delay is only 5.25 - 3.25 s. We have assessed the algorithm's response to 60 anesthetic bolus events (a large dose of anesthetics given over a short time; strongly antinociceptive) recorded in 47 pediatric patients receiving general anesthesia. Real-time CRC responded strongly to bolus events, changing by an average of 30%. For comparison, three traditional measures of HRV (LF/HF ratio, SDNN, and RMSSD) responded on average by only 3.8%, 14%, and 3.9%, respectively. Finally, two traditional clinical measures of nociception (HR and blood pressure) responded on average by only 3.9% and 0.91%, respectively. CRC may thus be used as a real-time nociception monitor during general anesthesia.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».