MétaCan
Menu
Retour à la cohorte
Enregistrement W2209218544 · doi:10.1260/2040-2295.6.4.673

Predicting Neck Fluid Accumulation While Supine

2015· article· en· W2209218544 sur OpenAlexaff
Daniel Vena, Babak Taati, Azadeh Yadollahi

Notice bibliographique

RevueJournal of Healthcare Engineering · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensToronto Rehabilitation InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésSupine positionBioelectrical impedance analysisMedicineAnthropometryBody fluidDemographicsInternal medicineBody mass index

Résumé

récupéré en direct d'OpenAlex

When lying supine, fluid shifts rostrally from the legs and accumulates in the neck, which is a risk factor for obstructive sleep apnea. The objective of this study was to model neck fluid accumulation using one-time baseline measurements of body fluid, demographics, and anthropometrics. Using bioelectrical impedance, leg and neck fluid volumes (LFV and NFV) were measured continuously and simultaneously. Thirty non-obese adults (13 men) stood quietly for 5 minutes, and then lay supine for 90 minutes while fluid volumes were measured. Neck circumference (NC) was measured before and after the supine period. Results demonstrated that, compared to women, men experienced a greater increase in NC after lying supine. Furthermore, baseline LFV at the onset of lying supine was significantly correlated with ΔLFV (r = 0.44, p = 0.014) and ΔNC (r = 0.51, p = 0.008) after 90 minutes supine. The findings identify that sex and baseline LFV predict both the fluid leaving the legs and increase in NC during recumbency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil0,395

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,077
Tête enseignante GPT0,359
Écart entre enseignants0,282 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Healthcare EngineeringMême sujetObstructive Sleep Apnea ResearchTravaux en français237 207