Mobile Phone–Based Use of the Photoplethysmography Technique to Detect Atrial Fibrillation in Primary Care: Diagnostic Accuracy Study of the FibriCheck App
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
BACKGROUND: Mobile phone apps using photoplethysmography (PPG) technology through their built-in camera are becoming an attractive alternative for atrial fibrillation (AF) screening because of their low cost, convenience, and broad accessibility. However, some important questions concerning their diagnostic accuracy remain to be answered. OBJECTIVE: This study tested the diagnostic accuracy of the FibriCheck AF algorithm for the detection of AF on the basis of mobile phone PPG and single-lead electrocardiography (ECG) signals. METHODS: A convenience sample of patients aged 65 years and above, with or without a known history of AF, was recruited from 17 primary care facilities. Patients with an active pacemaker rhythm were excluded. A PPG signal was obtained with the rear camera of an iPhone 5S. Simultaneously, a single‑lead ECG was registered using a dermal patch with a wireless connection to the same mobile phone. PPG and single-lead ECG signals were analyzed using the FibriCheck AF algorithm. At the same time, a 12‑lead ECG was obtained and interpreted offline by independent cardiologists to determine the presence of AF. RESULTS: A total of 45.7% (102/223) subjects were having AF. PPG signal quality was sufficient for analysis in 93% and single‑lead ECG quality was sufficient in 94% of the participants. After removing insufficient quality measurements, the sensitivity and specificity were 96% (95% CI 89%-99%) and 97% (95% CI 91%-99%) for the PPG signal versus 95% (95% CI 88%-98%) and 97% (95% CI 91%-99%) for the single‑lead ECG, respectively. False-positive results were mainly because of premature ectopic beats. PPG and single‑lead ECG techniques yielded adequate signal quality in 196 subjects and a similar diagnosis in 98.0% (192/196) subjects. CONCLUSIONS: The FibriCheck AF algorithm can accurately detect AF on the basis of mobile phone PPG and single-lead ECG signals in a primary care convenience sample.
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 | 0,001 |
| 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