Multi-Site Photoplethysmography Technology for Blood Pressure Assessment: Challenges and Recommendations
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
Hypertension is one of the most prevalent diseases and is often called the "silent killer" because there are usually no early symptoms. Hypertension is also associated with multiple morbidities, including chronic kidney disease and cardiovascular disease. Early detection and intervention are therefore important. The current routine method for diagnosing hypertension is done using a sphygmomanometer, which can only provide intermittent blood pressure readings and can be confounded by various factors, such as white coat hypertension, time of day, exercise, or stress. Consequently, there is an increasing need for a non-invasive, cuff-less, and continuous blood pressure monitoring device. Multi-site photoplethysmography (PPG) is a promising new technology that can measure a range of features of the pulse, including the pulse transit time of the arterial pulse wave, which can be used to continuously estimate arterial blood pressure. This is achieved by detecting the pulse wave at one body site location and measuring the time it takes for it to reach a second, distal location. The purpose of this review is to analyze the current research in multi-site PPG for blood pressure assessment and provide recommendations to guide future research. In a systematic search of the literature from January 2010 to January 2019, we found 13 papers that proposed novel methods using various two-channel PPG systems and signal processing techniques to acquire blood pressure using multi-site PPG that offered promising results. However, we also found a general lack of validation in terms of sample size and diversity of populations.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,002 |
| 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