Are Automated Office Blood Pressure Readings More Variable Than Home Readings?
Notice bibliographique
Résumé
A recent report from the American Heart Association stated that automated office blood pressure (AOBP) is preferred for evaluating office blood pressure (BP) because it is more accurate and devoid of white coat effect, which is mostly caused by higher systolic BP readings. However, AOBP has been criticized for being too variable to be used for identifying patients with possible hypertension. We, therefore, compared AOBP with home BP monitoring (HBPM) with respect to variability as determined by their relationship with the gold standard for determining BP status, awake ambulatory BP (ABP). The main focus was on systolic BP. Data on AOBP, HBPM, and awake ABP were collected on 300 patients referred from the community for 24-hour ambulatory BP monitoring. The SD of the difference between mean systolic awake ABP (136.4±11.5) and AOBP (131.2±15.7) was 13.6 mm Hg compared with 13.1 for the SD of the difference ( P =0.52) between the systolic awake ABP and the HBPM (136.7±16.1). Coefficients of correlation were slightly lower for systolic awake ABP versus AOBP ( r =0.54) compared with HBPM ( r =0.60). Coefficients of variation for AOBP (12.0%) and HBPM (11.8%) and variances between AOBP and HBPM were similar. Of the 139 patients with hypertension as defined by a manual office systolic BP ≥140 mm Hg, variability in BP readings as determined by the SDs of the mean difference versus awake ABP were similar ( P =0.56) for AOBP (14.6) and HBPM (13.9). Overall, both systolic AOBP and HBPM exhibited a similar degree of variability as assessed by the various methods.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».