Assessment of Hypertension Using Clinical Electrocardiogram Features: A First-Ever Review
Notice bibliographique
Résumé
Hypertension affects an estimated 1.4 billion people and is a major cause of morbidity and mortality worldwide. Early diagnosis and intervention can potentially decrease cardiovascular events later in life. However, blood pressure (BP) measurements take time and require training for health care professionals. The measurements are also inconvenient for patients to access, numerous daily variables affect BP values, and only a few BP readings can be collected per session. This leads to an unmet need for an accurate, 24-h continuous, and portable BP measurement system. Electrocardiograms (ECGs) have been considered as an alternative way to measure BP and may meet this need. This review summarizes the literature published from January 1, 2010, to January 1, 2020, on the use of only ECG wave morphology to monitor BP or identify hypertension. From 35 articles analyzed (9 of those with no listed comorbidities and confounders), the P wave, QTc intervals and TpTe intervals may be promising for this purpose. Unfortunately, with the limited number of articles and the variety of participant populations, we are unable to make conclusions about the effectiveness of ECG-only BP monitoring. We provide 13 recommendations for future ECG-only BP monitoring studies and highlight the limited findings in pregnant and pediatric populations. With the advent of convenient and portable ECG signal recording in smart devices and wearables such as watches, understanding how to apply ECG-only findings to identify hypertension early is crucial to improving health outcomes worldwide.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,001 |
| 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 | 0,001 | 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 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 ».