MétaCan
Menu
Retour à la cohorte
Enregistrement W2966761750 · doi:10.3389/fphys.2019.01057

Comparison of Different Methods for Estimating Cardiac Timings: A Comprehensive Multimodal Echocardiography Investigation

2019· article· en· W2966761750 sur OpenAlexaff
Parastoo Dehkordi, Farzad Khosrow-Khavar, Marco Di Rienzo, Omer T. Inan, Samuel Emil Schmidt, Andrew P. Blaber, Kasper Sørensen, Johannes J. Struijk, Vahid Zakeri, Prospero Lombardi, Md Mobashir Hasan Shandhi, Mojtaba Borairi, John M. Zanetti, Kouhyar Tavakolian

Notice bibliographique

RevueFrontiers in Physiology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePhonocardiography and Auscultation Techniques
Établissements canadiensFraser HealthSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésImpedance cardiographyMedicineCardiologyCardiac outputInternal medicineHemodynamicsEjection fractionStroke volumeHeart failure

Résumé

récupéré en direct d'OpenAlex

Cardiac time intervals are important hemodynamic indices and provide information about left ventricular performance. Phonocardiography (PCG), impedance cardiography (ICG), and recently, seismocardiography (SCG) have been unobtrusive methods of choice for detection of cardiac time intervals and have potentials to be integrated into wearable devices. The main purpose of this study was to investigate the accuracy and precision of beat-to-beat extraction of cardiac timings from the PCG, ICG and SCG recordings in comparison to multimodal echocardiography (Doppler, TDI, and M-mode) as the gold clinical standard. Recordings were obtained from 86 healthy adults and in total 2,120 cardiac cycles were analyzed. For estimation of the pre-ejection period (PEP), 43% of ICG annotations fell in the corresponding echocardiography ranges while this was 86% for SCG. For estimation of the total systolic time (TST), these numbers were 43, 80, and 90% for ICG, PCG, and SCG, respectively. In summary, SCG and PCG signals provided an acceptable accuracy and precision in estimating cardiac timings, as compared to ICG.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,651

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,366
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations79
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PhysiologyMême sujetPhonocardiography and Auscultation TechniquesTravaux en français237 207