Differential effects of the blood pressure state on pulse rate variability and heart rate variability in critically ill patients
Notice bibliographique
Résumé
Heart rate variability (HRV) utilizes the electrocardiogram (ECG) and has been widely studied as a non-invasive indicator of cardiac autonomic activity. Pulse rate variability (PRV) utilizes photoplethysmography (PPG) and recently has been used as a surrogate for HRV. Several studies have found that PRV is not entirely valid as an estimation of HRV and that several physiological factors, including the pulse transit time (PTT) and blood pressure (BP) changes, may affect PRV differently than HRV. This study aimed to assess the relationship between PRV and HRV under different BP states: hypotension, normotension, and hypertension. Using the MIMIC III database, 5 min segments of PPG and ECG signals were used to extract PRV and HRV, respectively. Several time-domain, frequency-domain, and nonlinear indices were obtained from these signals. Bland-Altman analysis, correlation analysis, and Friedman rank sum tests were used to compare HRV and PRV in each state, and PRV and HRV indices were compared among BP states using Kruskal-Wallis tests. The findings indicated that there were differences between PRV and HRV, especially in short-term and nonlinear indices, and although PRV and HRV were altered in a similar manner when there was a change in BP, PRV seemed to be more sensitive to these changes.
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 | 0,000 | 0,003 |
| 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) | 0,001 | 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 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 ».