Validation of non-invasive body-surface gastric mapping for detecting electrophysiological biomarkers by simultaneous high-resolution serosal mapping in a porcine model
Notice bibliographique
Résumé
Abstract Gastric disorders are increasingly prevalent, but reliable clinical tools to objectively assess gastric function are lacking. Body-surface gastric mapping (BSGM) is a non-invasive method for the detection of gastric electrophysiological biomarkers including slow wave direction, which have correlated with symptoms in patients with gastroparesis and functional dyspepsia. However, no studies have validated the relationship between gastric slow waves and body surface activation profiles. This study aimed to comprehensively evaluate the relationship between gastric slow waves and body-surface recordings. High-resolution electrode arrays were placed to simultaneously capture slow waves from the gastric serosa (32×6 electrodes at 4 mm resolution) and abdominal surface (8×8 at 20 mm inter-electrode spacing) in a porcine model. BSGM signals were extracted based on a combination of wavelet and phase information analyses. A total of 1185 individual cycles of slow waves assessed, out of which 897 (76%) were normal antegrade waves, occurring in 10/14 (71%) subjects studied. BSGM accurately detected the underlying slow wave in terms of frequency (r = 0.99, p = 0.43) as well as the direction of propagation (p = 0.41, F-measure: 0.92). In addition, the cycle-by-cycle match between BSGM and transitions of gastric slow waves in terms either or both temporal and spatial abnormalities was demonstrated. These results validate BSGM as a suitable method for non-invasively and accurately detecting gastric slow wave activation profiles from the body surface. Single sentence summary Simultaneous recordings of the stomach using serosal and body-surface electrode arrays demonstrated reliable detection of frequency and classification of propagation.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».