P.058 Software algorithms for atrial fibrillation screening with wearable devices: a systematic review
Notice bibliographique
Résumé
Background: Atrial fibrillation (AF) is an important risk factor for ischemic stroke but has no recognized screening method. Wearable devices have the potential to provide near continuous monitoring to detect AF. This systematic review evaluates the current state of software capable of detecting AF using wearable devices. Methods: We conducted a systematic search using PRISMA method of Medline, CENTRAL, PubMed and trial registries up to January 15, 2017. Abstracts and titles were screened, and relevant articles reviewed fully. English articles were selected if reporting on (1) software for AF detection (2) using heart rhythm signal, (3) theoretically applicable to wearable technology. Quality was evaluated with Cochrane GRADE. Results: Of 269 unique abstracts, 54 were identified for full review. 20 studies met inclusion criteria for algorithm accuracy analysis. Sensitivity and specificity ranged from 87.0 - 97.6% and 89.0 - 99.6%, respectively. 4 studies analyzed signal acquired using mobile devices with similar accuracy. Algorithms were potentially portable to wearable devices. Qualitative observations on the state and applicability of technology were made. Conclusions: Software analysing heart rhythm may be accurate for AF screening, but has not been tested on wearable devices. Such technology is promising but may be limited by hardware accuracy and high false positive rates.
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 | 0,008 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».