Theoretical and experimental comparison of lag-based and time-based exponential moving average models of QT hysteresis
Notice bibliographique
Résumé
OBJECTIVE: In the electrocardiogram, adaptation of the QT interval to variations in heart rate is not instantaneous. Quantification of this hysteresis phenomenon relies on mathematical models describing the relation between the RR and QT time series. These models reproduce hysteresis through an effective RR interval computed as a linear combination of the history of past RR intervals. This filter depends on a time constant parameter that may be used as a biomarker. APPROACH: The most common hysteresis model is based on an autoregressive filter with an impulse response that decreases exponentially with the beat number (lag-based model). Recognizing that the QT time series is unevenly spaced, we propose two exponential moving average filters (time-based models) to define the effective RR interval: one with an impulse response that decreases exponentially with time in seconds, and one with a step response that relaxes exponentially with time in seconds. These two filters are neither linear nor time-invariant. Recurrence formulas are derived to enable efficient implementation. MAIN RESULTS: Application to clinical signals recorded during tilt table test, exercise and 24 h Holter demonstrates that the three models perform similarly in terms of goodness-of-fit. When comparing the hysteresis time constant in two conditions with different heart rates, however, the time-based models are shown to reduce the bias on the hysteresis time constant caused by heart rate acceleration and deceleration. SIGNIFICANCE: Time-based models should be considered when intergroup differences in both heart rate and QT hysteresis are expected.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».