Why do we need supercomputers to understand the electrocardiographic T wave?
Notice bibliographique
Résumé
OBJECTIVE: Propagation of depolarisation and repolarisation in myocardium results from an interplay of membrane potential, transmembrane current, and intercellular current. This process can be represented mathematically with a reaction-diffusion (RD) equation. Solving RD equations for a whole heart requires a supercomputer. Therefore, earlier models used predefined action potential (AP) shapes and fixed propagation velocities. We discuss why RD models are important when T waves are studied. METHODS: We simulated propagating AP with an RD model of the human heart, which included heterogeneity of membrane properties. Computed activation times served as input to a model that used predefined AP, and to a "hybrid model" that computed AP only during repolarisation. The hybrid model was tested with different spatial resolutions. Electrocardiograms (ECGs) were computed with all three models. RESULTS: Computed QRS complexes were practically identical in all models. T waves in the fixed-AP model had 20 to 40% larger amplitudes in leads V1-V3. The hybrid model produced the same T waves as the RD model at 0.25-mm resolution, but underestimated T-wave amplitude at lower resolutions. CONCLUSION: Fixed AP waveforms in a forward ECG model lead to exaggerated T waves. Hybrid models require the same high spatial resolution as RD models.
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,011 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».