Data-Driven Lossy Tube-Load Modeling of Arterial Tree: In-Human Study
Notice bibliographique
Résumé
In this paper, we present and validate a data-driven method to lossy tube-load modeling of arterial tree in humans. In the proposed method, the lossy tube-load model is fitted to central aortic and peripheral blood pressure (BP) waves in the time domain. For this purpose, we employ a time-domain lossy tube-load model in which the wave propagation constant is formulated to two terms: one responsible for the alteration of wave amplitude and the other for the transport delay. Using the experimental BP data collected from 17 cardiac surgery patients, we showed that the time-domain lossy tube-load model is able to accurately represent the relation between central aortic versus upper-limb and lower-limb BP waves. In addition, the comparison of lossy versus lossless tube-load models revealed that (1) the former outperformed the latter in general with the root-mean-squared errors (RMSE) of 3.1 mm Hg versus 3.5 mm Hg, respectively (p-value < 0.05), and (2) the efficacy of the former over the latter was more clearly observed in case the normalized difference in the mean central aortic versus peripheral BP was large; when the difference was >5% of the underlying mean BP, lossy and lossless models showed the RMSE of 2.7 mm Hg and 3.7 mm Hg, respectively (p-value < 0.05).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 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 ».