MétaCan
Menu
Retour à la cohorte
Enregistrement W3009202705 · doi:10.3390/jcm9030723

Cuffless Single-Site Photoplethysmography for Blood Pressure Monitoring

2020· review· en· W3009202705 sur OpenAlexafffund
Manish Hosanee, Gabriel Chan, Kaylie Welykholowa, Rachel Cooper, P. A. Kyriacou, Dingchang Zheng, John Allen, Derek Abbott, Carlo Menon, Nigel H. Lovell, Newton Howard, Wee‐Shian Chan, Kenneth Lim, R. Fletcher, Rabab Ward, Mohamed Elgendi

Notice bibliographique

RevueJournal of Clinical Medicine · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsBC Children's HospitalChildren's Hospital Foundation
Mots-clésPhotoplethysmogramMedicineBlood pressureReliability (semiconductor)Wearable computerContinuous monitoringIntensive care medicineCardiologyInternal medicineTelecommunicationsEmbedded systemComputer scienceOperations management

Résumé

récupéré en direct d'OpenAlex

One in three adults worldwide has hypertension, which is associated with significant morbidity and mortality. Consequently, there is a global demand for continuous and non-invasive blood pressure (BP) measurements that are convenient, easy to use, and more accurate than the currently available methods for detecting hypertension. This could easily be achieved through the integration of single-site photoplethysmography (PPG) readings into wearable devices, although improved reliability and an understanding of BP estimation accuracy are essential. This review paper focuses on understanding the features of PPG associated with BP and examines the development of this technology over the 2010-2019 period in terms of validation, sample size, diversity of subjects, and datasets used. Challenges and opportunities to move single-site PPG forward are also discussed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,138
Tête enseignante GPT0,411
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations131
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical MedicineMême sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207