MétaCan
Menu
Retour à la cohorte
Enregistrement W4205148899 · doi:10.3389/fphys.2021.794598

Semi-automated Detection of the Timing of Respiratory Muscle Activity: Validation and First Application

2022· article· en· W4205148899 sur OpenAlexafffund
Antenor Rodrigues, Luc Janssens, Daniël Langer, Umi Matsumura, Dmitry Rozenberg, Laurent Brochard, W. Darlene Reid

Notice bibliographique

RevueFrontiers in Physiology · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience of respiration and sleep
Établissements canadiensToronto Rehabilitation InstituteUniversity of TorontoUniversity Health NetworkToronto General HospitalSt. Michael's Hospital
Organismes subventionnairesUniversity of Toronto
Mots-clésElectromyographyParasternal lineIntraclass correlationMedicinePhysical medicine and rehabilitationCardiology

Résumé

récupéré en direct d'OpenAlex

Background: Respiratory muscle electromyography (EMG) can identify whether a muscle is activated, its activation amplitude, and timing. Most studies have focused on the activation amplitude, while differences in timing and duration of activity have been less investigated. Detection of the timing of respiratory muscle activity is typically based on the visual inspection of the EMG signal. This method is time-consuming and prone to subjective interpretation. Aims: Our main objective was to develop and validate a method to assess the respective timing of different respiratory muscle activity in an objective and semi-automated manner. Method: Seven healthy adults performed an inspiratory threshold loading (ITL) test at 50% of their maximum inspiratory pressure until task failure. Surface EMG recordings of the costal diaphragm/intercostals, scalene, parasternal intercostals, and sternocleidomastoid were obtained during ITL. We developed a semi-automated algorithm to detect the onset (EMG, onset) and offset (EMG, offset) of each muscle’s EMG activity breath-by-breath with millisecond accuracy and compared its performance with manual evaluations from two independent assessors. For each muscle, the Intraclass Coefficient correlation (ICC) of the EMG, onset detection was determined between the two assessors and between the algorithm and each assessor. Additionally, we explored muscle differences in the EMG, onset, and EMG, offset timing, and duration of activity throughout the ITL. Results: More than 2000 EMG, onset s were analyzed for algorithm validation. ICCs ranged from 0.75–0.90 between assessor 1 and 2, 0.68–0.96 between assessor 1 and the algorithm, and 0.75–0.91 between assessor 2 and the algorithm (p < 0.01 for all). The lowest ICC was shown for the diaphragm/intercostal and the highest for the parasternal intercostal (0.68 and 0.96, respectively). During ITL, diaphragm/intercostal EMG, onset occurred later during the inspiratory cycle and its activity duration was shorter than the scalene, parasternal intercostal, and sternocleidomastoid (p < 0.01). EMG, offset occurred synchronously across all muscles (p ≥ 0.98). EMG, onset, and EMG, offset timing, and activity duration was consistent throughout the ITL for all muscles (p > 0.63). Conclusion: We developed an algorithm to detect EMG, onset of several respiratory muscles with millisecond accuracy that is time-efficient and validated against manual measures. Compared to the inherent bias of manual measures, the algorithm enhances objectivity and provides a strong standard for determining the respiratory muscle EMG, onset.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,023
Tête enseignante GPT0,257
Écart entre enseignants0,234 · 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'étudeExpérimental (laboratoire)
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

Citations18
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PhysiologyMême sujetNeuroscience of respiration and sleepTravaux en français237 207