Identifying Patients With Coronary Artery Disease Using Rest and Exercise Seismocardiography
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
Coronary artery disease (CAD) is the most common cause of death globally. Patients with suspected CAD are usually assessed by exercise electrocardiography (ECG). Subsequent tests, such as coronary angiography and coronary computed tomography angiography (CCTA) are performed to localize the stenosis and to estimate the degree of blockage. The present study describes a non-invasive methodology to identify patients with CAD based on the analysis of both rest and exercise seismocardiography (SCG). SCG is a non-invasive technology for capturing the acceleration of the chest induced by myocardial motion and vibrations. SCG signals were recorded from 185 individuals at rest and immediately after exercise. Two models were developed using the characterization of the rest and exercise SCG signals to identify individuals with CAD. The models were validated against related results from angiography. For the rest model, accuracy was 74\%, and sensitivity and specificity were estimated as 75\% and 72\%, respectively. For the exercise model accuracy, sensitivity, and specificity were 81\%, 82\%, and 84\%, respectively. The rest and exercise models presented a bootstrap-corrected area under the curve of 0.77 and 0.91, respectively. The discrimination slope was estimated 0.32 for rest model and 0.47 for the exercise model. The difference between the discrimination slopes of these two models was 0.15 (95\% CI: 0.10 to 0.23, p < 0.0001). Both rest and exercise models are able to detect CAD with high accuracy, sensitivity, and specificity. Performance of SCG is better compared to stress-ECG and it is identical to stress-echocardiography and CCTA. SCG examination is fast, inexpensive, and may even be carried out by laypersons.
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