A Method to Minimise the Impact of ECG Marker Inaccuracies on the Spatial QRS-T angle: Evaluation on 1,512 Manually Annotated ECGs
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
The spatial QRS-T angle (QRS-Ta) derived from the vectorcardiogram (VCG) is a strong risk predictor for ventricular arrhythmia and sudden cardiac death with potential use for mass screening. Accurate QRS-Ta estimation in the presence of ECG delineation errors is crucial for its deployment as a prognostic test. Our study assessed the effect of inaccurate QRS and T-wave marker placement on QRS-Ta estimation and proposes a robust method for its calculation. Reference QRS-Ta measurements were derived from 1,512 VCGs manually annotated by three expert reviewers. We systematically changed onset and offset timings of QRS and T-wave markers to simulate inaccurate placement. The QRS-Ta was recalculated using a standard approach and our proposed algorithm, which limits the impact of VCG marker inaccuracies by defining the vector origin as an interval preceding QRS-onset and redefines the beginning and end of QRS and T-wave loops. Using the standard approach, mean absolute errors (MAE) in peak QRS-Ta were >40% and sensitivity and precision in the detection of abnormality (>105°) were <80% and <65% respectively, when QRS-onset was delayed or QRS-offset anticipated >15 ms. Using our proposed algorithm, MAE for peak QRS-Ta were reduced to <4% and sensitivity and precision of abnormality were >94% for inaccuracies up to ±15 ms. Similar results were obtained for mean QRS-Ta. In conclusion, inaccuracies of QRS and T-wave markers can significantly influence the QRS-Ta. Our proposed algorithm provides robust QRS-Ta measurements in the presence of inaccurate VCG annotation, enabling its use in large datasets.
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 | 0,001 | 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