Continuous blood pressure prediction from pulse transit time using ECG and PPG signals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle