Blood Pressure Measurement in Severely Obese Patients: Validation of the Forearm Approach in Different Arm Positions
Notice bibliographique
Résumé
BACKGROUND: Blood pressure measurement in severe obesity may be technically challenging as the cuff of the device may not fit adequately around the upper arm. The aim of the study was to assess the agreement between intra-arterial blood pressure values (gold standard) compared with forearm blood pressure measurements in severely obese patients in different arm positions. METHODS: Thirty-three severely obese patients and 21 controls participated in the study. Pairs of intra-arterial blood pressures were compared with simultaneous forearm blood pressure measurement using an oscillometric device in 4 positions: (i) supine, (ii) semi-fowler with the forearm resting at heart level, (iii) semi-fowler with the arm downward, and (iv) semi-fowler with the arm raised overhead. Degree of agreement between measurements was assessed. RESULTS: Overall, correlations of systolic and diastolic blood pressure measurements between the gold standard and forearm blood pressure were 0.95 (n = 722; P < 0.001) and 0.89 (n = 482; P < 0.001), respectively. Systolic blood pressure measured using the forearm approach in the supine and the semi-fowler positions with arm downward showed the best agreement when compared with the gold standard (-4 ± 11 (P < 0.001) and 2 ± 14 mm Hg (P = 0.19), respectively). In the control group, better agreement was found between the supine and semi-fowler positions with the arm resting at heart level (1 ± 9 mm Hg (P = 0.29) and -3 ± 10 mm Hg (P = 0.01), respectively). CONCLUSIONS: Forearm systolic blood pressure consistently agreed with the gold standard in the supine position. This method can be of use in clinical settings when upper-arm measurement is challenging in severe obesity.
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 | 0,000 |
| 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 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 ».