Toward a better noninvasive assessment of preejection period: A novel automatic algorithm for B‐point detection and correction on thoracic impedance cardiogram
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
Impedance cardiography is the most common clinically validated, noninvasive method for determining the timing of the opening of the aortic valve, an important event used for measuring preejection period, which reflects sympathetic beta-adrenergic influences on the heart. Automatic detection of the exact time of the opening of the aortic valve (B point on the impedance cardiogram) has proven to be challenging as its appearance varies between and within individuals and may manifest as a reversal, inflection, or rapid slope change of the thoracic impedance derivative's (dZ/dt) rapid rise. Here, a novel automatic algorithm is proposed for the detection of the B point by finding the main rapid rise of the dZ/dt signal, which is due to blood ejection. Several conditions based on zero crossings, minima, and maxima of the dZ/dt signal and its derivatives are considered to reject any unwanted noise and artifacts and select the true B-point location. The detected B-point locations are then corrected by modeling the B-point time data using forward and reverse autoregressive models. The proposed algorithm is validated against expert-detected B points and is compared with different conventional methods; it significantly outperforms them by at least 54% in mean error, 30% in mean absolute error, and 27% in standard deviation of error. This algorithm can be adopted in ambulatory studies requiring beat-to-beat evaluation of cardiac hemodynamic parameters over extended time periods where expert scoring is not feasible.
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