Continuous blood pressure prediction from pulse transit time using ECG and PPG signals
Notice bibliographique
Résumé
High blood pressure (BP) is the most common cause of death and disability in the world, and is the largest contributor to heart and kidney disease. Current methods of measuring and monitoring blood pressure require either invasive procedures or intermittent inflation of a cuff to restrict blood flow. Thus a non-invasive method for continuous blood pressure monitoring is needed. Pulse transit time (PTT), has been reported to be highly correlated with blood pressure but data examining the effect of posture and activity on PTT based BP estimation are very limited. In this paper, PTT was computed using the windowed correlation between ECG and PPG signals. Continuous blood pressure was estimated using a previously published linear regression model. In fourteen healthy subjects, BP was estimated using PTT in 5 different positions (recumbent, seated, standing, walking, cycling) for each subject according to a preset protocol. Accuracy was increased when sparsified, preprocessed PPG signals were used. Furthermore, the observed errors of PTT measurement were within 1% of manual PTT measurement. The Root-Mean-Squared Errors (RMSE) in systolic and diastolic blood pressure between the reference standard oscillometric cuff-based device and the estimated BP from PTT were lowest when seated or standing and highest when walking or cycling. The mean difference ±standard deviation (SD) of the difference between the PTT-based estimated systolic BP and the reference standard was 0.07±5.8 mmHg in the seated position; however, this increased to 4.4±20.9 and 10.2±16.0 when walking and cycling respectively. Therefore, PTT-based BP estimation was reasonably accurate while stationary but not during motion and further improvements in estimation are required before its use for the estimation of ambulatory BP.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
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 ».