MétaCan
Menu
Retour à la cohorte
Enregistrement W3176253722 · doi:10.2196/23109

The Utility of Real-Time Remote Auscultation Using a Bluetooth-Connected Electronic Stethoscope: Open-Label Randomized Controlled Pilot Trial

2021· article· en· W3176253722 sur OpenAlexvenueno aff
Takanobu Hirosawa, Yukinori Harada, Kohei Ikenoya, Shintaro Kakimoto, Yuki Aizawa, Taro Shimizu

Notice bibliographique

RevueJMIR mhealth and uhealth · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePhonocardiography and Auscultation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStethoscopeAuscultationBluetoothMedicineSession (web analytics)HeadsetTelemedicineRandomized controlled trialHeart soundsPhysical therapyComputer scienceWirelessTelecommunicationsSurgeryHealth careInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The urgent need for telemedicine has become clear in the COVID-19 pandemic. To facilitate telemedicine, the development and improvement of remote examination systems are required. A system combining an electronic stethoscope and Bluetooth connectivity is a promising option for remote auscultation in clinics and hospitals. However, the utility of such systems remains unknown. OBJECTIVE: This study was conducted to assess the utility of real-time auscultation using a Bluetooth-connected electronic stethoscope compared to that of classical auscultation, using lung and cardiology patient simulators. METHODS: This was an open-label, randomized controlled trial including senior residents and faculty in the department of general internal medicine of a university hospital. The only exclusion criterion was a refusal to participate. This study consisted of 2 parts: lung auscultation and cardiac auscultation. Each part contained a tutorial session and a test session. All participants attended a tutorial session, in which they listened to 15 sounds on the simulator using a classic stethoscope and were told the correct classification. Thereafter, participants were randomly assigned to either the real-time remote auscultation group (intervention group) or the classical auscultation group (control group) for test sessions. In the test sessions, participants had to classify a series of 10 lung sounds and 10 cardiac sounds, depending on the study part. The intervention group listened to the sounds remotely using the electronic stethoscope, a Bluetooth transmitter, and a wireless, noise-canceling, stereo headset. The control group listened to the sounds directly using a traditional stethoscope. The primary outcome was the test score, and the secondary outcomes were the rates of correct answers for each sound. RESULTS: In total, 20 participants were included. There were no differences in age, sex, and years from graduation between the 2 groups in each part. The overall test score of lung auscultation in the intervention group (80/110, 72.7%) was not different from that in the control group (71/90, 78.9%; P=.32). The only lung sound for which the correct answer rate differed between groups was that of pleural friction rubs (P=.03); it was lower in the intervention group (3/11, 27%) than in the control group (7/9, 78%). The overall test score for cardiac auscultation in the intervention group (50/60, 83.3%) was not different from that in the control group (119/140, 85.0%; P=.77). There was no cardiac sound for which the correct answer rate differed between groups. CONCLUSIONS: The utility of a real-time remote auscultation system using a Bluetooth-connected electronic stethoscope was comparable to that of direct auscultation using a classic stethoscope, except for classification of pleural friction rubs. This means that most of the real world's essential cardiopulmonary sounds could be classified by a real-time remote auscultation system using a Bluetooth-connected electronic stethoscope. TRIAL REGISTRATION: UMIN-CTR UMIN000040828; https://tinyurl.com/r24j2p6s and UMIN-CTR UMIN000041601; https://tinyurl.com/bsax3j5f.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0070,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,418
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetPhonocardiography and Auscultation TechniquesTravaux en français237 207