Developing the Accuracy of Vital Sign Measurements Using the Lifelight Software Application in Comparison to Standard of Care Methods: Observational Study Protocol
Notice bibliographique
Résumé
BACKGROUND: Vital sign measurements are an integral component of clinical care, but current challenges with the accuracy and timeliness of patient observations can impact appropriate clinical decision making. Advanced technologies using techniques such as photoplethysmography have the potential to automate noncontact physiological monitoring and recording, improving the quality and accessibility of this essential clinical information. OBJECTIVE: In this study, we aim to develop the algorithm used in the Lifelight software application and improve the accuracy of its estimated heart rate, respiratory rate, oxygen saturation, and blood pressure measurements. METHODS: This preliminary study will compare measurements predicted by the Lifelight software with standard of care measurements for an estimated population sample of 2000 inpatients, outpatients, and healthy people attending a large acute hospital. Both training datasets and validation datasets will be analyzed to assess the degree of correspondence between the vital sign measurements predicted by the Lifelight software and the direct physiological measurements taken using standard of care methods. Subgroup analyses will explore how the performance of the algorithm varies with particular patient characteristics, including age, sex, health condition, and medication. RESULTS: Recruitment of participants to this study began in July 2018, and data collection will continue for a planned study period of 12 months. CONCLUSIONS: Digital health technology is a rapidly evolving area for health and social care. Following this initial exploratory study to develop and refine the Lifelight software application, subsequent work will evaluate its performance across a range of health characteristics, and extended validation trials will support its pathway to registration as a medical device. Innovations in health technology such as this may provide valuable opportunities for increasing the efficiency and accessibility of vital sign measurements and improve health care services on a large scale across multiple health and care settings. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/14326.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,082 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».